interpensi spss

31
Cara Membaca Tabel Regresi Pada dasarnya tabel regresi SPSS adalah sebagai berikut: Gambar (1) : Tabel untuk mengetahui tingkat pengaruh variabel Gambar (2) : Tabel untuk mengetahui keberpengaruhan variabel dan koefisien regresi Tabel dalam SPSS untuk regresi memang ada beberapa, namun hanya dua tabel tersebut yang perlu mendapat perhatian. Perhatikan pada gambar kedua terlebih dahulu. Pada kolom terakhir yaitu pada nilis sig terdapat nilai sig .000, artinya nilai tersebut signifikan karena kurang dari 0,05. Karena signifikan artinya ada pengaruh antara variabel kemahiran proses dan variabel penguasaan kompetensi (pada analisis ini saya menggunakan variabel kemahiran proses sebagai independet variabel untuk penguasaan kompetensi sebagai dependent variabelnya). Kita tidak perlu memahami makna angka lain pada kolom yang sama. Beralih ke gambar (1), setelah diketahui bahwa kedua variabel saling berpengaruh, maka tahapan berikutnya kita akan mencari tahu seberapa besar kontribusi yang diberikan variabel kemahiran kepada penguasaan kompetensi. Perhatikan pada kolom R square di atas! Disana terdapat angka ,222 artinya bahwa kemahiran memberikan kontribusi sebesar 0,222 atau 22,2% terhadap hasil penguasaan kompetensi. Artinya 77,8% hasil penguasaan dipengaruhi oleh faktor lain yang tidak terangkum dalam analisis ini.

description

statistik korelasi dan regresi

Transcript of interpensi spss

Page 1: interpensi spss

Cara Membaca Tabel Regresi

Pada dasarnya tabel regresi SPSS adalah sebagai berikut:

Gambar (1) : Tabel untuk mengetahui tingkat pengaruh variabel

Gambar (2) : Tabel untuk mengetahui keberpengaruhan variabel dan koefisien regresi

Tabel dalam SPSS untuk regresi memang ada beberapa, namun hanya dua tabel tersebut yang perlu mendapat perhatian. Perhatikan pada gambar kedua terlebih dahulu. Pada kolom terakhir yaitu pada nilis sig terdapat nilai sig .000, artinya nilai tersebut signifikan karena kurang dari 0,05.

Karena signifikan artinya ada pengaruh antara variabel kemahiran proses dan variabel penguasaan kompetensi (pada analisis ini saya menggunakan variabel kemahiran proses sebagai independet variabel untuk penguasaan kompetensi sebagai dependent variabelnya). Kita tidak perlu memahami makna angka lain pada kolom yang sama.

Beralih ke gambar (1), setelah diketahui bahwa kedua variabel saling berpengaruh, maka tahapan berikutnya kita akan mencari tahu seberapa besar kontribusi yang diberikan variabel kemahiran kepada penguasaan kompetensi. Perhatikan pada kolom R square di atas! Disana terdapat angka ,222 artinya bahwa kemahiran memberikan kontribusi sebesar 0,222 atau 22,2% terhadap hasil penguasaan kompetensi. Artinya 77,8% hasil penguasaan dipengaruhi oleh faktor lain yang tidak terangkum dalam analisis ini.

Catatan Pakdhe : Mengenai besar kecil pengaruh suatu variabel akan saya tulis dilain waktu.

Kembali ke gambar (2), langkah berikutnya adalah mengetahui rumus persamaan regresinya. Secara umum persamaan regresi adalah:

Y = a + bX

dengan Y adalah variabel dependent, dalam hal ini adalah penguasaan kompetensi, dan X adalah variabel independent, dalam hal ini adalah kemahiran berproses. Sedangkan a dan b adalah nilai konstanta yang dicari.

Page 2: interpensi spss

Catatan Pakdhe : Ulasan lengkap mengfenai variabel ada disini.

Berdasarkan gambar (2) diketahui nilai constant-nya adalah -11,409 dan nilai kemahiran berprosesnya adalah 4,505. Dari keterangan tersebut kita dapat memperoleh persamaan regresi sebagai berikut:

Y = -11,409 + 4,505X

Artinya, ketika siswa kita memperoleh skor kemahiran sebesar 22 maka dapat diprediksi bahwa skor tes penguasaan kompetensi siswa tersebut adalah :

Y = -11,409 + 4,505 . 22 = -11,409 + 99,11 = 87,701

Selamat Belajar

Cara menganalisis Regresi linier berganda dengan SPSS 17.0

Cara menganalisis Regresi linier berganda dengan SPSS 17.0

Analisis regresi digunakan untuk memprediksi pengaruh variabel bebas terhadap variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui kelinieritas variabel terikat dengan varibel bebasnya, selain itu juga dapat menunjukkan ada atau tidaknya data yang outlier atau data yang ekstrim.Analisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau lebih variabel independen. Misalnya dalam suatu kegiatan penelitian ingin diketahui apakah variabel X (Sex dan Nilai harian 1) berpengaruh terhadap variabel Y (nilai rapot). Data penelitian adalah sebagai berikut:

Nama Sex Nilai harian 1 Nilai Rapot

IDM01IDM02IDM03IDM04IDM05IDM06IDM07IDM08IDM09

121112211

506180764073867759

688678807674708076

Page 3: interpensi spss

IDM10IDM11IDM12IDM13IDM14IDM15

221121

566680729583

856069899088

Keterangan sex: 1=laki-laki, 2=perempuan

Langkah-langkah menganalisis menggunakan spss 17.0 adalah sebagai berikut:1. Buka lembar kerja SPSS2. Buat semua keterangan variabel di variable view seperti gambar berikut:

3. Klik Data view dan masukan data sehingga tampak hasilnya sebagai berikut:

4. Lakukan analisis dengan cara: Analize, Regression, Liniear. akan muncul dialog seperti gambar berikut; Selanjutnya isilah kotak menu Dependen dengan variabel terikat, yaitu variabel Rapor dan kotak menu independen dengan variabel bebas, yaitu variabel Sex dan Harian 1.

Page 4: interpensi spss

5. Selanjutnya klik kotak menu Statistics. Pilih Estimates, Descriptives dan Model fit lau klik Continue. Tampilan muncul seperti berikut

6. Kotak menu Plots, berfungsi untuk menampilkan grafik pada analisis regresi. klik kotak menu Plots, kemudian klik Normal probanility plot yang terletak pada kotak menu Standardized Residual plots. Selanjutnya klik Continue. Tampilannya adalah sebagai berikut:

Page 5: interpensi spss

7. Selanjutnya klik Continue. Untuk melakukan analisis kliklah OK. Beberapa saat kemudian akan keluar outputnya, sebagai berikut:

Regression[DataSet1]

Page 6: interpensi spss
Page 7: interpensi spss

Cara membaca Output tersebut adalah. sebagai berikut:1. Deskriptif statistik

Dari output tersebut dapat dilihat rata-rata nilai rapot dari 15 siswa adalah 77,93 dengan standar deviasi 8,779 sedangkan rata-rata nilai harian 1 adalah 70,27 dengan standar deviasi 14,786

2. Korelasi

Page 8: interpensi spss

Dari tabel dapat dilihat bahwa besar hubungan antara variabel nilai rapot dengan sex adalah -0,042 hal ini menunjukan hubungan negatif.besar hubungan nilai harian 1 dengan nilai rapot adalah 0,238 yang berarti ada hubungan positif, makin besar nilai harian 1 maka makin tinggi pula nilai rapot.

3. Variabel masuk dan keluar

Dari tabel diatas menunjukan variabel yang dimasukan adalah nilai harian 1 dan sex, sedangkan variabel yang dikeluarkan tidak ada (Variables Removed tidak ada)

4.Model sisaan

Pada tabel diatas angka R Square adalah 0,063 yaitu hasil kuadrat dari koefisien korelasi (0,250 x 0,250 = 0,063). Standar Error of the Estimate adalah 9,181, perhatikan pada analisis deskriptif statitik bahwa standar deviasi nilai rapot adalah 8,779 yang jauh lebih kecil dari dari standar

Page 9: interpensi spss

error, oleh karena lebih besar daripada standar deviasi nilai rapot maka model regresi tidak bagus dalam bertindak sebagai predictor nilai rapot.

5. Anova

Hipotesis:Ho: B1=B2=0Ha: ada Bi yang tidak nolPengambilan keputusan:Jika F hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterimaJika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

Dari tabel diatas dapat dilihat nilai F hitung yaitu 0,401, sedangkan nilai F tabel dapat diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu 12 sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai df pembilang dengan tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu 3,89. Karena F hitung (0,401) < F tebel (3,89) maka Ho diterima.Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,679 itu berarti probabilitas 0,679 lebih dari daripada 0,05 maka Ho diterima.Kesimpulan:Tidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi tidak dapat dipakai untuk memprediksi nilai rapot.

6. Koefisien

Hipotesis:Ho: Bi=0Ha: ada Bi yang tidak nol , i=1 atau 2Pengambilan keputusan:Jika T hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterimaJika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak* Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Constant yaitu

Page 10: interpensi spss

5,360, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung > T tabel maka Ho ditolak. sedangkan sig pada tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik (0,0).** Sex: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Sex yaitu -0,277, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang berarti probabilitas 0,786, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti.*** Harian 1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Harian 1 yaitu 0,882, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang berarti probabilitas 0,395, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti

Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu:Y = 69,429

Dari tabel diatas merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean dan standar deviasi dari predicted value (nilai yang diprediksi) dan statistic residu.

7. Kelinieran

Page 11: interpensi spss

Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan terletak sekitar garis lurus, terlihat bahwa sebaran data pada gambar diatas tersebar hampir semua tidak pada sumbu normal, maka dapat dikatakan bahwa pernyataan normalitas tidak dapat dipenuhi.

Demikian dari saya, semoga bermanfaat.

ANALISIS REGRESI DAN KORELASI SEDERHANAPengertian : Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut : Y = a + b X. Keterangan : Y : Variabel terikat (Dependent Variable); X : Variabel bebas (Independent Variable); a : Konstanta; dan b : Koefisien Regresi. Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

Contoh :Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :

(nilai ujian) X (lama belajar) X 2 XY

40 4 16 160

60 6 36 360

Page 12: interpensi spss

50 7 49 350

70 10 100 700

90 13 169 1.170

ΣY = 310 ΣX = 40 ΣX2 = 370 ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 XBerdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat. Sedangkan koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

Contoh :Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika sebagai berikut :

Sampel X (statistik) Y (matematika) XY X2 Y2

1 2 3 6 4 9

2 5 4 20 25 16

3 3 4 12 9 16

4 7 8 56 49 64

5 8 9 72 64 81

Jumlah 25 28 166 151 186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Page 13: interpensi spss

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.

CONTOH KASUS ANALISISREGRESI DAN KORELASI SEDERHANA

Seorang peneliti ingin mengetahui pengaruh dari tinggi badan terhadap berat badan. Untuk kebutuhan penelitian tersebut diambil sampel secara acak sebanyak 10 orang untuk diteliti. Hasil pengumpulan data diketahui data sebagai berikut :

Berdasarkan data tersebut di atas :

1. Hitunglah nilai a dan b untuk persamaan regersi linier sederhana2. Jika hipotesis penelitian menyatakan bahwa “tinggi badan seseorang berpengaruh

terhadap berat badan seseorang”, ujilah hipotesis tersebut dengan menggunakan Uji T dan Uji F (tingkat keyakinan sebesar 95%)

3. Hitunglah nilai r dan koefisien determinasi 4. Bagaimana kesimpulannya.

Jawab :Hipotesis penelitian : Tinggi Badan berpengaruh terhadap Berat Badan Seseorang (karena hanya dikatakan berpengaruh maka menggunakan uji dua arah).Jika Y : Berat Badan Seseorang dan X : Tinggi Badan Seseorang, maka untuk mendapatkan nilai a dan b untuk persamaan regersi linier sederhana :

Berdasarkan hasil pengolahan data tersebut di atas maka dapat dibuat persamaan regresi linier sederhana : Y = - 73,72041 + 0,819657 X

Untuk menguji hipotesis secara parsial digunakan Uji T, yaitu :

Hipotesis Statistik adalah Ho : b = 0 dan Ha : b ≠ 0 (disebut uji dua arah)

Nilai T hitung adalah : b/Sb = 0,819657/0,05525673 = 14,833613932638 = 14,834

Nilai T tabel dengan df : 10 – 2 = 8 dan ½ α = 2,5% (uji dua arah) sebesar ± 2,306

Karena nilai T hitung lebih besar dari pada T tabel atau 14,834 > 2,306 maka Ho ditolak, Ha diterima dan hipotesis penelitian yang menyatakan bahwa Tinggi Badan berpengaruh terhadap Berat Badan Seseorang adalah dapat diterima (dapat dikatakan signifikan secara statistik).

Sedangkan untuk menguji secara serempak digunakan Uji F, yaitu diperoleh F hitung = 31.874,98 dan Untuk nilai F tabel dengan df : k - 1 ; n – k = 1 ; 8 dan α : 5% sebesar 5,32.

Page 14: interpensi spss

Karena nilai F hitung lebih besar dari F tabel atau 31.874,98 > 5,32 maka Ho ditolak, Ha diterima dan hipotesis penelitian yang menyatakan bahwa Tinggi Badan berpengaruh terhadap Berat Badan Seseorang adalah dapat diterima.

Untuk nilai r (korelasi) adalah sebesar 0,982 dan koefisien determinasi (r kuadrat) sebesar 0,964. Berdasarkan hasil nilai koefisien korelasi maka dapat dikatakan bahwa hubungan antara variabel independen (Tinggi Badan) dengan variabel dependen (Berat Badan) mempunyai hubungan yang kuat karena nilai r sebesar 98,2% tersebut sangat mendekati nilai 100%.Sedangkan berdasarkan nilai r kuadrat sebesar 96,4% menggambarkan bahwa sumbangan variabel independen (Tinggi Badan) terhadap naik turunnya variabel dependen (Berat Badan) sebesar 96,4% sedangkan sisanya merupakan sumbangan dari variabel lain yang tidak dimasukkan dalam model.

Kesimpulannya : Berdasarkan hasil pengujian hipotesis, baik Uji T maupun Uji F, diketahui bahwa Variabel Tinggi Badan Seserorang berpengaruh terhadap Variabel Berat Badan Seseorang dan pengaruhnya bersifat positif (nilai koefisien regresinya sebesar 0,819657), artinya jika seseorang mempunyai tinggi badan semakin tinggi maka akan meningkatkan berat badannya (dan sebaliknya). Berdasarkan nilai koefisien regresi tersebut dapat diketahui bahwa jika tinggi badan meningkat sebesar 10% maka berat badan akan meningkat 8,2%.Sedangkan berdasarkan nilai koefisien korelasi dan koefisien determinasi diketahui bahwa variabel independen (Tinggi Badan) mempunyai hubungan yang kuat dan mempunyai sumbangan yang cukup besar terhadap variabel dependen (Berat Badan).

Cara Menghitung Uji Hipotesis Regresi Sederhana dan Regresi Ganda Pada Skripsi Kuantitatif Dengan SPSS

1. Uji regresi sederhana variable X1-y dan x2-y. / korelasi sederhana

Analisis ini digunakan untk mengetahui hubungan antara fasilitas belajar dengan minat melanjutkan studi keperguruan tinggi (hipotesis1), mengetahui hubungan antara komunita teman sebaya dengan minat melanjutkan studi ke perguruan tinggi (hipotesis 2). Dalam penelitian ini menggunakan teknik analisis korelasi product moment dari pearson.

Cara menganalisis melalui SPSS :

a. . copy yang di blog kuning ( bisa lihat pada postingan uji normalitas UJI Normalitas )  ke dalam spss satu persatu , lalu berilah label dengan klik variable view pada bagian kiri bawah. Lalu ganti dengan nama yang anda paham,misal untuk saya FASILITAS BELAJAR pada VAR0001 saya ganti nama dengan FASBEL, Komuitas teman sebaya / VAR002 saya beri nama KTS dan Minat melanjutkan studi/ VAR003 saya beri nama MINAT. maka akan menjadi seperi gambar di bawah :

Page 15: interpensi spss

 

2. Lalu ikuti langkah berikut pada SPSS,

ANALYZE———–> REGRETION—————>LINEAR

Page 16: interpensi spss

Perlu diperhatikan dalam memasukkan variabel bebasnya ( independet ), dari gambar di atas adalah kita akan menghitung regresi korelasi antara x1- y, dalam hal ini adlah fasilitas belajar dengan minat, untuk x2 – y nya tingga l mengganti independentnya dengan KTS. Namun kita melakukannya satu per satu terlebih dahulu. Berikut output dari cara gambar di atas ,

Output x1-y :

Page 17: interpensi spss

Untuk output X2-y nya ( komunitas teman sebaya dengan minat ) adalah sebagai berikut :

Page 18: interpensi spss

 

Nah lalu apa yang kita baca? lihat pada yang saya lingkari pada R. di uji ini kita akan membandingkan antara R hitung dengan R tabel, apakah lebih kecil atau lebih besar, berikut adalah R tabelnya :

Page 19: interpensi spss

\

Untuk sampel yang saya gunakan adalah 101 responden maka R tabelnya adalah pada 101 dengan taraf kesalahan 5%. di dapat jika 101 adalah 0.196, maka kita dapat membuat sebuah analisis sebagai berikut 

  Hipotesis 1

Hipotesis yang pertama dalam penelitian ini adalah “Terdapat hubungan positif antara Fasilitas Belajar Siswa dengan minat siswa SMK Muhammadiyah 3 Kulon Progo untuk melanjutkan ke jenjang perguruan tinggi.”

Ho : Tidak terdapat hubungan positif antara Fasilitas Belajar Siswa dengan Minat Siswa kelas XII untuk melanjutkan studi di SMK 3 Kulon Progo

Ha : Terdapat hubungan positif antara Fasilitas Belajar Siswa dengan Minat Siswa kelas XII untuk melanjutkan studi di SMK 3 Kulon Progo.

Page 20: interpensi spss

Uji hipotesis yang pertama dilakukan dengan menggunakan analisis regresi sederhana menggunakan bantuan program SPSS versi 17.0 for windows, yang hasilnya dapat dilihat pada tabel berikut:

Rangkuman hasil regresi X1-Y

Variabel Harga r dan r2 Harga t Koef Konst Ket

R r square rtabel thitung ttabel

X2-Y 0,212 0,045 0,196 2,154 1,984 0.345 37.928Adanya hubungan yang positif

 

Dari data perhitungan diatas menunjukkan bahwa antara “Fasilitas Belajar” terhadap “Minat Melanjutkan Studi” adanya hubungan yang positif antara Fasilitas Belajar dengan Minat Melanjutkan Studi siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo, hal tersebut ditunjukan dengan melihat harga r hitung (0,212) yang lebih besar dari pada r table (0,196). Cara lain yaitu dengan melihat harga t, dimana t hitung (2,154) lebih besar dari pada harga t table (1,984), sehingga Ha di terima yaitu “ Terdapat Hubungan yang positif antara Fasilitas Belajar terhadap Minat Melanjutkan Studi Siswa XII di SMK Muhammadiyah 3 Kulon Progo”. Koefisien determinasi r square sebesar 0,045 yang berarti 4,5% perubahan pada variabel Minat Melanjutkan Studi siswa (Y) dapat diterangkan oleh Fasilitas Belajar (X1).

Persamaan garis regresi pengaruh Fasilitas Belajar Siswa terhadap Minat Melanjutkan Studi siswa dapat dinyatakan dengan Y= 0.345X2+37.928. Persamaan tersebut menunjukan bahwa nilai koefisien X1 sebesar 0,383 yang berarti apabila Fasilitas Belajar Siswa (X1) meningkat 1 poin maka Minat Melanjutkan Studi siswa (Y) akan meningkat 0,345 poin. Dari hasil uji hipotesis 1 ini menunjukan bahwa dalam penelitian mengenai adanya hubungan yang positif antara Fasilitas Belajar dengan Minat Melanjutkan Studi sudah mendukung teori yang ada.

Hipotesis 2

Hipotesis yang kedua dalam penelitian ini adalah “Terdapat hubungan positif antara komunitas teman sebaya belajar dengan minat siswa SMK Muhammadiyah 3 Kulon Progo untuk melanjutkan ke jenjang perguruan tinggi.”

Ho : Tidak terdapat hubungan positif antara Komunitas Teman Sebaya dengan Minat Melanjutkan Studi Siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo.

Ha :  Terdapat hubungan positif antara Komunitas Teman Sebaya dengan Minat Melanjutkan Studi Siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo.

Page 21: interpensi spss

Uji hipotesis yang kedua dilakukan dengan menggunakan analisis regresi sederhana menggunakan bantuan program SPSS versi 17.0 for windows, yang hasilnya dapat dilihat pada tabel berikut:

 

Rangkuman hasil regresi X2-Y

Variabel Harga r dan r2 Harga t Koef Konst Ket

R r square r tabel t hitung t tabel

X2-Y 0,391 0,153 0,196 4,229 1,984 0,801 8.571 Adanya

Page 22: interpensi spss

hubungan yang positif

Berdasarkan perhitungan dengan menggunakan bantuan program SPSS didapatkan r sebesar 0,391, artinya Komunitas Teman Sebaya memiliki hubungan positif dengan Minat Melanjutkan Studi siswa dimana harga r hitung (0,391) lebih besar dari r table (0,196). Koefisien determinasi r square

sebesar 0,153 yang berarti 15,3% perubahan pada variabel Minat Melanjutkan Studi siswa (Y) dapat diterangkan oleh Komunitas Teman Sebaya (X2).

Pengujian signifikasi bertujuan untuk mengetahui pengaruh Komunitas Teman Sebaya (X3) terhadap Minat Melanjutkan Studi (Y). berdasarkan hasil uji t diperoleh thitung sebesar 4,229. Jika dibandingkan dengan ttabel sebesar 1,984 pada taraf signifikasi 5% maka thitung lebih besar dari ttabel. Hal ini menunjukan bahwa Ha diterima yaitu “Terdapat hubungan positif antara Komunitas Teman Sebaya dengan Minat Melanjutkan Studi Siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo”.

Persamaan garis regresi hubungan Komunitas Teman Sebaya dengan Minat Melanjutkan Studi siswa dapat dinyatakan dengan Y=0,801.X2+8.571. Persamaan tersebut menunjukan bahwa nilai koefisien X2 sebesar 0,801 yang berarti apabila Komunias Teman sebaya (X2) meningkat 1 poin maka Minat Melanjutkan Studi  Siswa (Y) akan meningkat 0,801 poin.

2. UJI Hipotesis REGRESI GANDA

Langkah-langkah yang ditempuh dalam korelasi berganda dengan tiga prediktor adalah :

1)      Mencari korelasi berganda antara X1, X2, dengan kriteria Y digunakan teknik analisis korelasi ganda. disini yang kita gunakan adalah Uji f nya.caranya dengan spss adalah sebagi berikut :

a. Dengan data yang sama dengan data regresi sederhana kita ikuti langkah sebagai berikut pada SPSS :

ANALYZE————>regresi————————>Linear

b.Kemudian pada kolom bawah tadi, kita isikan 2 variabel bebas sekaligus :

Page 24: interpensi spss

Nah lalu apa yang akan kita analisi? perhatikan pada warna warna yang saya lingkari, pertama kita mengacu ke warna hijau dahulu untuk menentukan nila F tabelnya, pada warna hijau regression = 2 dan total = 100, maka df adalah 2/100, mari kita lihat pada tabel F untuk df=2/100,

Page 25: interpensi spss

 

>>>>>>>>>> UNTUK DOWNLOAD TABEL R T DAN F LENGKAP KLIK DISINI <<<<<<<<<<<<<<<<<<<<<

 

dari sini kita menentukan untuk F hitungnya adalah 3,09, dari situ kita bisa membuat sebauh analisis sebagai berikut :

Cara Menghitung Uji Hipotesis Regresi Sederhana dan Regresi Ganda Pada Skripsi Kuantitatif Dengan SPSS

Ho : Tidak terdapat hubungan positif antara Fasilitas Belajar, dan Komunitas Teman Sebaya dengan Minat Melanjutkan Studi Siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo.

Ha :  Terdapat hubungan positif antara Fasilitas Belajar, dan Komunitas Teman Sebaya dengan Minat Melanjutkan Studi Siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo

uji hipotesis yang ketiga dilakukan dengan menggunakan analisis regresi ganda menggunakan bantuan program komputer SPSS versi 17.0 for windows, yang hasilnya dapat dilihat pada tabel berikut:

Page 26: interpensi spss

Rangkuman hasil regresi ganda

Ry(1,2) R2y(1,2) Df Harga F Ket

Hitung Tabel

0,405 0,164 2:100 9,633 3,09

Terdapat Keberpengaruhan ketiga variabel X terhadap variabel Y

 

Dari data diatas didapat harga Ry(1,2) sebesar 0,405, artinya fasilitas belajar, dan komunitas sebaya secara bersama-sama memiliki hubungan positif terhadap Minat Melanjutkan Studi  siswa kelas XII di SMK Muhammadiyah 3 Kulon Progo. Koefisien determinasi R2y(1,2) sebesar 0,164 berarti fasilitas belajar, dan komunitas sebaya secara bersama-sama mampu mempengaruhi 16,4% perubahan pada variabel Minat Melanjutkan Studi  siswa (Y). Hal ini menunjukan masih ada 83,6% faktor atau variabel lain yang mempengaruhi Minat Melanjutkan Studi  siswa selain fasilitas belajar, dan komunitas sebaya secara bersama-sama.

Pengujian signifikasi bertujuan untuk mengetahui pengaruh Tingkat Fasilitas Belajar (X1) dan Komunitas Teman Sebaya (X2) terhadap Minat Melanjutkan Studi  siswa (Y). berdasarkan hasil uji F diperoleh F hitung sebesar 9,633. Jika dibandingkan dengan Ftabel dengan df 2:100 sebesar 3,09 pada taraf signifikasi 5% maka Fhitung lebih besar dari Ftabel. Hal ini menunjukan bahwa terdapat hubungan yang positif dan signifikan antara Fasilitas Belajar (X1) dan Komunitas Teman Sebaya (X2) bersama-sama terhadap Minat Melanjutkan Studi  siswa. Harga koefisien korelasi Ry(1,2) sebesar 0,405 lebih besar dari rtabel 0,196 maka dapat disimpulkan hipotesis keempat (Ha) diterima yaitu “  Terdapat hubungan positif dan signifikan antara Fasilitas Belajar, dan Komunitas Teman Sebaya secara bersama-sama terhadap Minat Melanjutkan Studi  siswa kelas XII di SMK Muhammadiyah 3 tahun pelajaran 2011/2012”.

Persamaan garis regresi pengaruh Fasilitas Belajar, dan Komunitas Teman Sebaya secara bersama-sama terhadap Minat Melanjutkan Studi  siswa dapat dinyatakan dengan Y = 0,181.X1 + 0.737.X2 + 3772. Persamaan tersebut menunjukan bahwa nilai koefisien X1 sebesar 0,181 yang berarti apabila Fasilitas Belajar (X1) bertambah 1 poin maka Minat Melanjutkan Studi  Siswa (Y) akan meningkat 0,181 poin dengan asumsi X2 tetap. Koefisien X2 sebesar 0,737 yang berarti apabila Komunitas Teman Sebaya (X2) meningkat 1 poin maka Minat Melanjutkan Studi  siswa (Y) akan meningkat 0,737 poin dengan asumsi X1 tetap.

Itulah contoh cara perhitungan dari setiap uji,semoga bermanfaat untuk anda semua, terutama yang sedang belajar mengolah data dengan menggunakan SPSS dan bagaimana cara membaca output dan menganalisa setiap output yang spss keluarkan, ingat : data yang akurat, teori yang benar, dan indikator angket yang benar akan membuat semua uji itu benar tanpa anda mengentengi atau memanipulasi data,jadilah mahasiswa yang baik, dengan jujur akan

Page 27: interpensi spss

data data tanpa berusaha memanipulasi data demi sebuah tujuan.artinya anda akan bangga jika penelitian anda memang valid tanpa sebuah manipulasi data.