UJI REGRESI

Untuk memenuhi salah satu tugas mata kuliah Biostatistik

Dosen : Asep Amam, M.Pd

Oleh :

Dian Rosdiana

NIM. 14SP277006

PROGRAM STUDI S1 KEPERAWATAN

STIKES MUHAMMADIYAH CIAMIS

2017
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT pendapatan
/METHOD=ENTER pengalaman usia.

Regression

Notes
Output Created 29-DEC-2017 00:02:23
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 12
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT pendapatan
/METHOD=ENTER
pengalaman usia.
Resources Processor Time 00:00:00.00
Elapsed Time 00:00:00.05
Memory Required 1652 bytes
Additional Memory Required 0 bytes
for Residual Plots

[DataSet0]

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 usia, . Enter
pengalamanb
a. Dependent Variable: pendapatan
b. All requested variables entered.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .969a .939 .924 .266102
a. Predictors: (Constant), usia, pengalaman

R 0.969
Dengan r2 X 100% = maka besar pengaruhnya adalah 93.9 %

Persamaan regresi Y = a + b1X1 + b2X2 + e

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 8.750 2 4.375 61.788 .000b
Residual .566 8 .071
Total 9.317 10
a. Dependent Variable: pendapatan
b. Predictors: (Constant), usia, pengalaman

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1.057 .433 -2.443 .040
pengalaman .164 .054 .315 3.070 .015
usia .121 .016 .765 7.456 .000
a. Dependent Variable: pendapatan

Y = -1.057 + 0.121 (usia ) + 0.164 (pengalaman kerja) + 0.05

Uji Coba Diluar Data Kasus

Prediksi pendapatan berdasakan usia dan pengalamn kerja

Y = -1.057 + 0.121 (usia ) + 0.164 (pengalaman kerja) + 0.05
Y = -1.057 + 0.121 ( 21) + 0.164 (5) + 0.05
Y = -1.057 + 2.541 + 0.82 + 0.05
Y = 2.354  jadi prediksi gajiny adalah Rp 2.354.000 jika usianya 21thn dan
pengalaman kerjanya selama 5 tahun.

Correlations
pengalaman usia pendapatan
pengalaman Pearson Correlation 1 .528 .719*
Sig. (2-tailed) .095 .013
N 11 11 11
usia Pearson Correlation .528 1 .931**
Sig. (2-tailed) .095 .000
N 11 11 11
pendapatan Pearson Correlation .719* .931** 1
Sig. (2-tailed) .013 .000
N 11 11 11
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).

Rumusan Masalah : Apakah pendapatan dipengaruhi oleh usia dan pengalamn kerja?

Uji Regresi
Variabel Independen : Usia dan Pengalaman Kerja
Variabel Dependen : Pendapatan

Persamaan Regresi

Rumusan Masalah : Apakah pendapatan dipengaruhi oleh usia dan pengalama kerja?
H0 : pendapatan tidak di pengaruhi oleh usia dan pengalama kerja
H1 :pendapatan dipengaruhi oleh usia dan pengalamn kerja

Pendapatan dipengaruhi oleh usia :

Sig (2-Tailed) : 0.000< 0.05 maka kesimpulannya pendapatan dipengaruhi oleh usia

Pendapatan dipengaruhi oleh pengalaman kerja :

Sig (2-Tailed) : 0.013< 0.05 maka kesimpulannya pendapatan dipengaruhi oleh pengalaman
kerja.