Judul : SPSS "Regresi"
link : SPSS "Regresi"
SPSS "Regresi"
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.913a
|
.834
|
.806
|
5.124
|
a.
Predictors: (Constant), PROMOSI
|
||||
ANALISA OUTPUT:
1.
NILAI ATAU KOEFISIEN KORELASI SEBESAR 0.913
ARTINYA HUBUNGAN ANTARA PROMOSI DAN PENJUALAN ADALAH SANGAT KUAT
2.
NILAI R SQUARE ATAU KOEFISIEN DETERMINASI
SEBESAR 0.834 ARTINYA 83.4% PENJUALAN DIPENGARUHI OLEH PROMOSI SEDANGKAN
SISANYA (100% - 83.4%) = 16.6% PENJUALAN DIPENGARUHI OLEH VARIABEL LAIN ATAU
KOEFISIEN DETERMINASI
3.
NILAI ADJUSTED R SQUARE ATAU KOEFISIEN
DETERMINASI YANG DISESUAIKAN SEBESAR 0.806 YAITU HASIL PERHITUNGAN STATISTIK
YANG DIGUNAKAN UNTUK MENGOREKSI R SQUARE AGAR HASILNYA MENDEKATI KENYATAAN
4.
STANDART ERROR OF THE ESTIMATE SEBESAR 5.124
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
789.323
|
1
|
789.323
|
30.059
|
.002a
|
Residual
|
157.552
|
6
|
26.259
|
|||
Total
|
946.875
|
7
|
||||
a.
Predictors: (Constant), PROMOSI
|
||||||
b.
Dependent Variable: PENJUALAN
|
||||||
ANALISA OUTPUT:
1.
SUM OF SQUARES REGRESION ATAU PENYIMPANGAN YANG DAPAT
DIJELASKAN OLEH REGRESI YAITU SEBESAR 789.323
2.
SUM OF SQUARES RESIDUAL ATAU PENYIMPANGAN YANG
TIDAK DAPAT DIJELASKAN OLEH REGRESI YAITU SEBESAR 157.552
3.
JADI TOTAL PENYIMPANGAN DIDAPAT NILAI SEBESAR
946.875
4.
UNTUK UJI F DIDAPAT NILAI SIGN 0.002 < 0.05 MAKA
DINYATAKAN SIGNIFIKAN (MENOLAK Ho) ARTINYA SECARA SIMULTAN TERDAPAT PENGARUH
ANTARA PROMOSI DAN PENJUALAN
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
42.028
|
5.737
|
7.325
|
.000
|
|
PROMOSI
|
1.438
|
.262
|
.913
|
5.483
|
.002
|
|
a.
Dependent Variable: PENJUALAN
|
||||||
ANALISA OUTPUT:
1.
DARI TABEL TERSEBUT DIDAPAT PERSAMAAN REGRESI
SEBAGAI BERIKUT : Yprim = 42.028 + 1.438 X + e
2.
NILAI a = 42.028 ARTINYA JIKA TIDAK ADA PROMOSI
(X=0) MAKA PENJUALAN SEBESAR 42.028
3.
NILAI b = 1.438 ARTINYA JIKA PROMOSI DINAIKKAN 1
SATUAN MAKA PENJUALAN AKAN MENGALAMI KENAIKAN 1.438
Ŷ = 42 + 1.4 X
X=1 b=-1.44
Ŷ = 42 + 1.4 (1) Ŷ =
42 - 1.44 X
X=1
Ŷ = 42 + 1.4 (1) Ŷ =
42 - 1.44 (1)
4.
UNTUK UJI t DIDAPAT NILAI SIGN 0.002 < 0.05
MAKA DINYATAKAN SIGNIFIKAN (MENOLAK Ho) ARTINYA SECARA PARSIAL TERDAPAT
PENGARUH PROMOSI TERHADAP PENJUALAN
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.766a
|
.586
|
.534
|
2.014
|
a.
Predictors: (Constant), RAM
|
||||
ANALISA OUTPUT:
1.
NILAI ATAU KOEFISIEN KORELASI SEBESAR 0.766
ARTINYA HUBUNGAN ANTARA RAM DAN KECEPATAN ADALAH SANGAT KUAT
2.
NILAI R SQUARE ATAU KOEFISIEN DETERMINASI
SEBESAR 0.586 ARTINYA 58.6% KECEPATAN DIPENGARUHI OLEH RAM SEDANGKAN SISANYA
(100% - 58.6%) = 41.4% KECEPATAN DIPENGARUHI OLEH VARIABEL LAIN ATAU KOEFISIEN
DETERMINASI
3.
NILAI ADJUSTED R SQUARE ATAU KOEFISIEN
DETERMINASI YANG DISESUAIKAN SEBESAR 0.534 YAITU HASIL PERHITUNGAN STATISTIK
YANG DIGUNAKAN UNTUK MENGOREKSI R SQUARE AGAR HASILNYA MENDEKATI KENYATAAN
4.
STANDART ERROR OF THE ESTIMATE SEBESAR 2.014
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
45.953
|
1
|
45.953
|
11.330
|
.010a
|
Residual
|
32.447
|
8
|
4.056
|
|||
Total
|
78.400
|
9
|
||||
a.
Predictors: (Constant), RAM
|
||||||
b.
Dependent Variable: KECEPATAN
|
||||||
ANALISA OUTPUT:
1.
SUM OF SQUARES REGRESION ATAU PENYIMPANGAN YANG
DAPAT DIJELASKAN OLEH REGRESI YAITU SEBESAR 45.953
2.
SUM OF SQUARES RESIDUAL ATAU PENYIMPANGAN YANG
TIDAK DAPAT DIJELASKAN OLEH REGRESI YAITU SEBESAR 32.447
3.
JADI TOTAL PENYIMPANGAN DIDAPAT NILAI SEBESAR
78.400
4.
UNTUK UJI F DIDAPAT NILAI SIGN 0.10 < 0.05
MAKA DINYATAKAN SIGNIFIKAN (MENOLAK Ho) ARTINYA SECARA SIMULTAN TERDAPAT
PENGARUH ANTARA RAM DAN KECEPATAN
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
-.540
|
2.443
|
-.221
|
.831
|
|
RAM
|
1.689
|
.502
|
.766
|
3.366
|
.010
|
|
a.
Dependent Variable: KECEPATAN
|
||||||
ANALISA OUTPUT:
1.
DARI TABEL TERSEBUT DIDAPAT PERSAMAAN REGRESI
SEBAGAI BERIKUT : Yprim = -0.540 + 1.689 X + e
Demikianlah Artikel SPSS "Regresi"
Sekianlah artikel SPSS "Regresi" kali ini, mudah-mudahan bisa memberi manfaat untuk anda semua. baiklah, sampai jumpa di postingan artikel lainnya.
Anda sekarang membaca artikel SPSS "Regresi" dengan alamat link https://soeltonyahmad.blogspot.com/2016/02/spss-regresi.html