Ujian Akhir Semester

Hasil Analisis dengan Program SPSS

Statistika Pendidikan

Disusun Oleh:

Nama :Ida Ayu Yudiantari

NIM :1613021002

Kelas : IV B

JURUSAN PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
2018
1. Data 4 variabel (X1,X2,X3 dan Y)
Keterangan :
X1 = Motivasi
X2 =Sikap
X3 =Kesukaan
Y =Prestasi Belajar

NO X1 X2 X3 Y
1 20.00 25.00 25.00 77.00
2 10.00 15.00 25.00 55.00
3 20.00 34.00 45.00 88.00
4 35.00 44.00 66.00 66.00
5 28.00 47.00 42.00 78.00
6 19.00 16.00 55.00 66.00
7 30.00 55.00 60.00 68.00
8 29.00 32.00 71.00 89.00
9 22.00 25.00 40.00 67.00
10 34.00 24.00 67.00 77.00
11 43.00 34.00 35.00 77.00
12 39.00 45.00 56.00 79.00
13 45.00 60.00 58.00 80.00
14 33.00 50.00 69.00 88.00
15 12.00 53.00 56.00 75.00
16 23.00 46.00 44.00 68.00
17 34.00 32.00 60.00 80.00
18 32.00 59.00 75.00 91.00
19 34.00 56.00 67.00 87.00
20 21.00 25.00 73.00 77.00
21 20.00 40.00 30.00 80.00
22 30.00 32.00 49.00 78.00
23 32.00 50.00 35.00 89.00
 24 38.00 47.00 68.00 99.00
25 45.00 60.00 69.00 89.00
26 43.00 59.00 55.00 78.00
27 23.00 29.00 75.00 98.00
28 30.00 35.00 60.00 79.00
29 38.00 57.00 46.00 92.00
30 30.00 40.00 45.00 77.00
31 50.00 36.00 40.00 83.00
32 36.00 30.00 56.00 89.00
33 44.00 40.00 49.00 98.00
34 42.00 32.00 66.00 77.00
35 25.00 58.00 57.00 80.00
36 24.00 44.00 68.00 83.00
37 26.00 36.00 63.00 77.00
38 27.00 40.00 44.00 76.00
39 38.00 54.00 59.00 89.00
40 34.00 43.00 67.00 93.00
41 43.00 48.00 75.00 100.00
42 23.00 56.00 56.00 72.00
43 35.00 41.00 49.00 99.00
44 24.00 59.00 72.00 87.00
45 36.00 58.00 48.00 83.00

2a. Uji Normalitas masing-masing variable

Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
X1 45 97.8% 1 2.2% 46 100.0%
 X2 45 97.8% 1 2.2% 46 100.0%
X3 45 97.8% 1 2.2% 46 100.0%
Y 45 97.8% 1 2.2% 46 100.0%

Descriptives
Statistic Std. Error
Mean 31.0889 1.36397
95% Confidence Interval Lower Bound 28.3400
for Mean Upper Bound 33.8378
5% Trimmed Mean 31.2593
Median 32.0000
Variance 83.719
X1 Std. Deviation 9.14982
Minimum 10.00
Maximum 50.00
Range 40.00
Interquartile Range 14.50
Skewness -.128 .354
Kurtosis -.419 .695
Mean 42.2444 1.86655
95% Confidence Interval Lower Bound 38.4827
for Mean Upper Bound 46.0062
5% Trimmed Mean 42.6975
Median 43.0000
X2 Variance 156.780
Std. Deviation 12.52117
Minimum 15.00
Maximum 60.00
Range 45.00
Interquartile Range 22.50
 Skewness -.271 .354
Kurtosis -.821 .695
Mean 55.8000 2.00771
95% Confidence Interval Lower Bound 51.7537
for Mean Upper Bound 59.8463
5% Trimmed Mean 56.3889
Median 57.0000
Variance 181.391
X3 Std. Deviation 13.46814
Minimum 25.00
Maximum 76.00
Range 51.00
Interquartile Range 21.50
Skewness -.563 .354
Kurtosis -.344 .695
Mean 81.7333 1.48780
95% Confidence Interval Lower Bound 78.7349
for Mean Upper Bound 84.7318
5% Trimmed Mean 81.8951
Median 80.0000
Variance 99.609
Y Std. Deviation 9.98044
Minimum 55.00
Maximum 100.00
Range 45.00
Interquartile Range 12.00
Skewness -.159 .354
Kurtosis .066 .695
 Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
X1 .070 45 .200* .983 45 .733
X2 .094 45 .200* .952 45 .061
X3 .121 45 .098 .952 45 .063
Y .124 45 .078 .964 45 .180
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Interpretasi Uji Normality

Uji normalitas adalah salah satu bagian dari uji prasyarat analisis data, artinya sebelum kita
melakukan analisis data yang sesugguhnya, data penelitian tersebut harus di uji kernormalan
distribusinya. Kriteria keputusan dalam uji normalitas pada SPSS adalah jika nilai signifikansi
lebih besar dari 0,05 maka data tersebut berdistribusi normal. Sebaliknya, jika nilai signifikansi
kurang dari 0,05 maka data tersebut tidak berdistribusi normal. Berdasarka output tabel Test of
Normality pada spss menyajikan dua tabel sekaligus. Analisis Shapiro-Wilk digunakan jika
subjek atau kasus kurang dari 50. Uji Shapiro-Wilk dianggap lebih akurat ketika jumlah data
yang dimiliki kurang dari 50. Pada kasus ini data yang di miliki kurang dari 50 maka yang
digunakan adaah Shapiro-Wilk.
 Hipotesis
H0 : Berdistribusi normal
H1 : Tidak berdistribusi normal
 Tingkat signifikansi
  5%
 Statistik Uji
Sig.X1(Motivasi) =0,733 > 0,05
Sig.X2(Sikap) = 0,061 > 0,05
 Sig.X3(Kesukaan) = 0,063 > 0,05
Sig.Y (Prestasi belajar) = 0,180 > 0,05
 Keputusan Uji
Karena nilai Sig.X1,SigX2,SigX3,SigY >  maka keputusannya adalah gagal tolak H0
 Kesimpulan
Jadi dengan tingkat signifikan 5% didapatkan kesimpulan bahwa ke emapat variable yang
di uji normalitasnya memiliki data yang berdistribusi normal.
2b. Koefisien korelasi masing-masing variabel
Correlations
X1 X2 X3 Y
Pearson Correlation 1 .353* .185 .463**
X1 Sig. (2-tailed) .018 .222 .001
N 45 45 45 45
Pearson Correlation .353* 1 .220 .321*
X2 Sig. (2-tailed) .018 .146 .031
N 45 45 45 45
Pearson Correlation .185 .220 1 .347*
X3 Sig. (2-tailed) .222 .146 .020
N 45 45 45 45
Pearson Correlation .463** .321* .347* 1
Y Sig. (2-tailed) .001 .031 .020
N 45 45 45 45
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi

sebagai berikut:
 0,00 - 0,199 = sangat rendah
  0,20 - 0,399 = rendah
 0,40 - 0,599 = sedang
 0,60 - 0,799 = kuat
 0,80 - 1,000 = sangat kuat
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi  = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan,
jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih besar).
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam
mengambil keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5%
(signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam
penelitian)

 Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara Motivasi dengan Prestasi belajar.
Tidak ada hubungan secara signifikan antara Sikap dengan Prestasi belajar.
Tidak ada hubungan secara signifikan antara Kesukaan dengan Prestasi belajar.
Ha: Ada hubungan secara signifikan antara Motivasi dengan Prestasi belajar.
Ada hubungan secara signifikan antara Sikap dengan Prestasi belajar.
Ada hubungan secara signifikan antara Kesukaan dengan Prestasi belajar.
 Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05

 Kesimpulannya
Berdasarkan data korelasi yang didapatkan maka nilai signifikan X1(Motivasi) (0,001<
0,05) maka Ho ditolak artinya bahwa ada hubungan secara signifikan anatara motivasi
dengan Y(Prestasi belajar), X2(Sikap)(0,031<0,05) maka Ho ditolak artinya bahwa ada
hubungan secara signifikan anatara sikap dengan Y (Prestasi belajar),
X3(Kesukaan)(0,020<0,05) maka Ho ditolak artinya bahwa ada hubungan secara
signifikan anatara kesukaan dengan Y (Prestasi belajar). Karena koefisien korelasinya
 nilainya positif, maka berarti anatara motivasi,sikap dan kesukaan berkorelasi secara
signifikan terhadap prestasi belajar.
2c dan d. Uji Hipotesis

X1 terhadap Y
Chi-Square Tests
Value Df Asymp. Sig. (2-
sided)
Pearson Chi-Square 513.848a 500 .325
Likelihood Ratio 193.170 500 1.000
Linear-by-Linear
9.419 1 .002
Association
N of Valid Cases 45
a. 546 cells (100.0%) have expected count less than 5. The minimum
expected count is .02.
X2 terhadap Y
Chi-Square Tests
Value Df Asymp. Sig. (2-
sided)
Pearson Chi-Square 580.143a 520 .035
Likelihood Ratio 200.809 520 1.000
Linear-by-Linear
4.544 1 .033
Association
N of Valid Cases 45
a. 567 cells (100.0%) have expected count less than 5. The minimum
expected count is .02.
X3 terhadap Y

Chi-Square Tests
Value Df Asymp. Sig. (2-
sided)
 Pearson Chi-Square 427.732a 480 .958
Likelihood Ratio 193.170 480 1.000
Linear-by-Linear
6.670 1 .010
Association
N of Valid Cases 45
a. 525 cells (100.0%) have expected count less than 5. The minimum
expected count is .02.

Interpretasi

 Pengambilan keputusan X1 terhadap Y

1. X2 hitung =513,848
2. X2 tabel =5,991
3. Probabilitas signifikan = 0,325
4.   0,05

Jadi karena 513,848 >5,991 maka Ho diterima , Ha ditolak. Artinya tidak ada hubungan antara
motivasi (X1) dan prestasi belajar( X2). Dan 0,325>0,05 Ho ditolak artinya tidak ada hubungan
antara motivasi (X1) dan prestasi belajar(Y).

 Pengambilan keputusan X2 terhadap Y

1. X2 hitung =580,143
2. X2 tabel =5,991
3. Probabilitas signifikan = 0,035
4.   0,05

Jadi karena 580,143 >5,991 maka Ho diterima , Ha ditolak. Artinya tidak ada hubungan antara
sikap (X2) dan prestasi belajar( Y). Dan 0,035>0,05 Ho diterima artinya ada hubungan antara
sikap (X2) dan prestasi belajar(Y).
  Pengambilan keputusan X3 terhadap Y

1. X2 hitung =427,732
2. X2 tabel =5,991
3. Probabilitas signifikan = 0,958
4.   0,05

Jadi karena 427,732 >5,991 maka Ho diterima , Ha ditolak. Artinya tidak ada hubungan antara
kesukaan (X3) dan prestasi belajar(Y). Dan 0,958>0,05 Ho ditolak artinya tidak ada hubungan
antara kesukaan (X3) dan prestasi belajar(Y).

2e. Perbedaan signifikan antara variable independen

Paired Samples Statistics

Mean N Std. Deviation Std. Error
Mean
X1 31.0889 45 9.14982 1.36397
Pair 1
X2 42.2444 45 12.52117 1.86655

Paired Samples Correlations

N Correlation Sig.
X1 &
Pair 1 45 .353 .018
X2
Paired Samples Test
Paired Differences t df Sig. (2-
Mean Std. Std. Error 95% Confidence Interval tailed)
Deviation Mean of the Difference
Lower Upper
-
Pair X1 -
11.1555 12.63825 1.88400 -14.95250 -7.35861 -5.921 44 .000
1 X2
6

T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error
Mean
X1 31.0889 45 9.14982 1.36397
Pair 1
X3 55.3333 45 13.62151 2.03057

Paired Samples Correlations

N Correlation Sig.
X1 &
Pair 1 45 .218 .150
X3
Paired Samples Test
Paired Differences t df Sig. (2-
Mean Std. Std. Error 95% Confidence tailed)
Deviation Mean Interval of the
Difference
Lower Upper
-
Pair X1 - -
24.2444 14.66002 2.18539 -28.64880 -19.84009 44 .000
1 X3 11.094
4

Interpretasi

Analisis T test yang digunakan adalah paired sampel test karena data sampel tersebut
melibatkan dua pengukuran terhadap subjek yang sama. Apabila suatu perlakuan tidak
memberi pengaruh, maka perbedaan rata-rata adalah nol.

Pada T test paired samples, menunjukan apakah ada hubungan anatar rata-rata
motivasi yang sebagai X1 dengan sikap X2. Terlihat bahwa nilai sig. 0,018 <0,05 maka
dapat disimpulkan terdapat perbedaan yang dignifikan antara motivasi dan sikap.
Sedangkan hubungan antara X1 motivasi dengan X3 kesukaan terlihat bahwa nilai
sig.0,150 > 0,05 maka dapat disimpulkan ada hubungan yan signifikan anatara motivasi
dengan kesukaan.

2f. Perbandingan antara SPSS dengan Excel

Dari hasil yang di dapatkan antara Spss dengan excel terdapat beberapa perbedaan
dibandingkan dari data yang di hitung secara manual dan melalui spss.. Dari data yang di
uji normalitasnya berdistribusi normal melalui spss tapi berdasarkan perhitungan manual
ternyata data tersebut tidak berdistribusi normal sehingga ada perbedaan antara manual
dengan spss. Hal ini di karenakan kesalahan perhitungan pada perhitungan yang secara
manual. Lalu untuk koefisien korelasi jadi jika dibanding kan antara spss dan hitung
manual atau excel itu di dapat hasil yg sama antara spss dengan excel. Jadi didapatkan
 hasil perhitungan manual dan spss terdapat persamaan dan perbedaan yang tidak terlalu
signifikan.

3a. Analisis regresi linier

Data uji regresi

NO X1 X2 X3 Y
1 20.00 25.00 25.00 77.00
2 10.00 15.00 25.00 55.00
3 20.00 34.00 45.00 88.00
4 35.00 44.00 66.00 66.00
5 28.00 47.00 42.00 78.00
6 19.00 16.00 55.00 66.00
7 30.00 55.00 60.00 68.00
8 29.00 32.00 71.00 89.00
9 22.00 25.00 40.00 67.00
10 34.00 24.00 67.00 77.00
11 43.00 34.00 35.00 77.00
12 39.00 45.00 56.00 79.00
13 45.00 60.00 58.00 80.00
14 33.00 50.00 69.00 88.00
15 12.00 53.00 56.00 75.00
16 23.00 46.00 44.00 68.00
17 34.00 32.00 60.00 80.00
18 32.00 59.00 75.00 91.00
19 34.00 56.00 67.00 87.00
20 21.00 25.00 73.00 77.00
21 20.00 40.00 30.00 80.00
22 30.00 32.00 49.00 78.00
23 32.00 50.00 35.00 89.00
24 38.00 47.00 68.00 99.00
 25 45.00 60.00 69.00 89.00
26 43.00 59.00 55.00 78.00
27 23.00 29.00 75.00 98.00
28 30.00 35.00 60.00 79.00
29 38.00 57.00 46.00 92.00
30 30.00 40.00 45.00 77.00
31 50.00 36.00 40.00 83.00
32 36.00 30.00 56.00 89.00
33 44.00 40.00 49.00 98.00
34 42.00 32.00 66.00 77.00
35 25.00 58.00 57.00 80.00
36 24.00 44.00 68.00 83.00
37 26.00 36.00 63.00 77.00
38 27.00 40.00 44.00 76.00
39 38.00 54.00 59.00 89.00
40 34.00 43.00 67.00 93.00
41 43.00 48.00 75.00 100.00
42 23.00 56.00 56.00 72.00
43 35.00 41.00 49.00 99.00
44 24.00 59.00 72.00 87.00
45 36.00 58.00 48.00 83.00

Regression X1 terhadap Y

Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .463a .214 .196 8.95020
a. Predictors: (Constant), X1
 ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 938.236 1 938.236 11.712 .001b
1 Residual 3444.564 43 80.106
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X1

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 66.043 4.775 13.832 .000
1
X1 .505 .147 .463 3.422 .001
a. Dependent Variable: Y

Regression X2 terhadap Y
Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .321a .103 .082 9.56036
a. Predictors: (Constant), X2
 ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 452.582 1 452.582 4.952 .031b
1 Residual 3930.218 43 91.400
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X2

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 70.913 5.067 13.995 .000
1
X2 .256 .115 .321 2.225 .031
a. Dependent Variable: Y

Regression X3 terhadap Y
Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .389a .152 .132 9.29915
a. Predictors: (Constant), X3
 ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 664.410 1 664.410 7.683 .008b
1 Residual 3718.390 43 86.474
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X3

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 65.948 5.861 11.252 .000
1
X3 .285 .103 .389 2.772 .008
a. Dependent Variable: Y

Interpretasi analisis regresi linier, masing-masing prediktor/variabel independent ‘dapat’

digunakan untuk memprediksi variabel dependent/kriterium (Y).

Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif
dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan.
 Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara X1 dengan Y.
Tidak ada hubungan secara signifikan antara X2 dengan Y.
Tidak ada hubungan secara signifikan antara X3 dengan Y.
Ha: Ada hubungan secara signifikan antara X1 dengan Y.
 Ada hubungan secara signifikan antara X2 dengan Y.
Ada hubungan secara signifikan antara X3 dengan Y.
 Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05

 Kesimpulannya
Berdasarkan data korelasi yang didapatkan maka nilai signifikan X1(Motivasi) (0,001<
0,05) maka Ho ditolak artinya bahwa ada hubungan secara signifikan anatara motivasi
dengan Y(Prestasi belajar), X2(Sikap)(0,031<0,05) maka Ho ditolak artinya bahwa ada
hubungan secara signifikan anatara sikap dengan Y (Prestasi belajar),
X3(Kesukaan)(0,008<0,05) maka Ho ditolak artinya bahwa ada hubungan secara
signifikan anatara kesukaan dengan Y (Prestasi belajar). Karena nilai koefisien regresinya
lebih kecil dari 0,05 maka berarti antara X1, X2,dan X3 berpengaruh secara signifikan
terhadap Y.
3b. Koefisien determinasinya (R2xiY x 100%) dan Sumbangan efektif ( SE)
X1 Terhadap Y

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 938.236 1 938.236 11.712 .001b
1 Residual 3444.564 43 80.106
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X1

Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .321a .103 .082 9.56036
a. Predictors: (Constant), X2

X2 Terhadap Y
ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 452.582 1 452.582 4.952 .031b
1 Residual 3930.218 43 91.400
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X2

Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .321a .103 .082 9.56036
a. Predictors: (Constant), X2

X3 Terhadap Y

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
 Regression 664.410 1 664.410 7.683 .008b
1 Residual 3718.390 43 86.474
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X3

Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .389a .152 .132 9.29915
a. Predictors: (Constant), X3

Analisis Determinasi dan Se

Koefisien determinasi (R square) atau sering disimpolkan dengan R2 dimaknai

sebagai sumbangan pengeruh yang diberikan variable bebas (X) terhadap variable terikat
(Y). Nilai koefisien determinasi dapat dipakai untuk memprediksikan seberapa besar
kontribusi pengaruh barriabel bebas(X) terhadap variable terikat (Y) dengan dalam
analisis regressi bernilai signifikan.

Berdasarkan output d atas dapat diketahui bahwa nilai signifikan X1 terhadap Y

dalam uji F sebesar 0,001 < 0,05 , X2 terhadap Y 0,031 < 0,05 dan X3 terhadap Y 0,008
<0,05 sehingga dapat di simpulkan bahwa motivasi, sikap, dan kesukaan berpengaruh
terhadap prestasi belajar. Dan untuk melihat berapa persen pengaruh tersebut dapat
dilihat pada output dimana dari output model summary dietahui koefisien determinasi(R
square) untuk X1 terhadap Y sebesar 0,103 ( 0,103 addalah pengkuadratan dari koefisien
korelasi atau R yaitu 0,321), untuk X2 terhadap Y sebesar 0,103 ( 0,103 addalah
pengkuadratan dari koefisien korelasi atau R yaitu 0,321) dan untuk X3 terhadap Y
adalah 0,152 ( 0,152 addalah pengkuadratan dari koefisien korelasi atau R yaitu 0389).
Besarnya angka koefisien determinasi (R square) pada X1 (motivasi ) terhadap Y
(prestasi) 0,103 dama dengan 10,3% . angka ini mengandung arti bahwa motivasi (X1)
 berpengaruh terhadap prestasi belajar sebesar 10,3%. Sedangkan sisanya (100%-10,3%=
89,7%) dipengaruhi variable lain di luar model regresi ini. Untuk X2 (sikap) terhadap
Y(prestasi belajar ) besar angka koefisien determinasi (R square) 0,103 dama dengan
10,3% . Angka ini mengandung arti bahwa sikap (X2) berpengaruh terhadap prestasi
belajar (Y) sebesar 10,3%. Sedangkan sisanya (100%-10,3%= 89,7%) dipengaruhi
variable lain di luar model regresi ini. Untuk X3 (kesukaan) terhadap Y(prestasi belajar )
besar angka koefisien determinasi (R square) 0,152 dama dengan 15,2% . Angka ini
mengandung arti bahwa kesukaan (X3) berpengaruh terhadap prestasi belajar (Y) sebesar
15,2%. Sedangkan sisanya (100%-15,2%= 84,8%) dipengaruhi variable lain di luar
model regresi ini.

Sumbang efektif tiap predictor

Correlations
Y X1 X2 X3
Y 1.000 .463 .321 .389
X1 .463 1.000 .353 .218
Pearson Correlation
X2 .321 .353 1.000 .265
X3 .389 .218 .265 1.000
Y . .001 .016 .004
X1 .001 . .009 .075
Sig. (1-tailed)
X2 .016 .009 . .039
X3 .004 .075 .039 .
Y 45 45 45 45
X1 45 45 45 45
N
X2 45 45 45 45
X3 45 45 45 45
 Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .560a .314 .263 8.56560
a. Predictors: (Constant), X3, X1, X2
ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 1374.649 3 458.216 6.245 .001b
1 Residual 3008.151 41 73.370
Total 4382.800 44
a. Dependent Variable: Y
b. Predictors: (Constant), X3, X1, X2

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 54.175 6.692 8.096 .000
X1 .392 .152 .359 2.574 .014
1
X2 .096 .113 .121 .854 .398
X3 .204 .099 .279 2.059 .046
a. Dependent Variable: Y

Interpretasi

(X1 = Motivasi) berpengaruh terhadap (Y= prestasi belajar) sebesar 10,3%. Sedangkan
sisanya (100%-10,3%= 89,7%) dipengaruhi variable lain di luar model regresi ini untuk
(X2= sikap) berpengaruh terhadap (Y=prestasi belajar ) sebesar 10,3%. Sedangkan
sisanya (100%-10,3%= 89,7%) dipengaruhi variable lain di luar model regresi ini. Dan
(X3= kesukaan) berpengaruh terhadap (Y=prestasi belajar ) sebesar 15,2%. Sedangkan
sisanya (100%-15,2%= 84,8%) dipengaruhi variable lain di luar model regresi ini.

Variabel Koefisien Koefisien relasi R square

regresi(BETA)
X1 0,359 0.463 0,314
X2 0,121 0.321
X3 0,279 0.389
Rumus SE.
SE(X)%= 𝐵𝐸𝑇𝐴 × 𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝐾𝑜𝑟𝑒𝑙𝑎𝑠𝑖 × 100%

SE NILAI
X1 0,166
X2 0,038
X3 0,108

Jadi nilai sumbangan efektif untuk X1 (Motivasi) adalah 0,166. Nilai sumbangan
efektif untuk X2 (Sikap) adalah 0,038. Dan nilai sumbangan untuk X3 (Kesukaan)
adalah 0,108.