Professional Documents
Culture Documents
Regression
Notes
Output Created
16-Oct-2014 13:54:31
Comments
Input
Data
Active Dataset
DataSet1
Filter
<none>
Weight
<none>
Split File
<none>
25
File
Missing Value Handling
Definition of Missing
Cases Used
Syntax
REGRESSION
/DESCRIPTIVES MEAN STDDEV
CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R
ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT gaji
/METHOD=ENTER kerja
/SCATTERPLOT=(*SDRESID
,*ZPRED)
/RESIDUALS NORMPROB(ZRESID).
Resources
Processor Time
00 00:00:01.984
Elapsed Time
00 00:00:01.281
Memory Required
1476 bytes
Descriptive Statistics
Mean
gaji
Std. Deviation
639.0320
268.03706
25
6.88
1.965
25
kerja
Correlations
gaji
Pearson Correlation
gaji
kerja
Sig. (1-tailed)
gaji
kerja
gaji
kerja
1.000
.922
.922
1.000
.000
.000
25
25
568 bytes
kerja
25
25
Hipotesis
Variables Entered/Removedb
Variables
Variables
Entered
Removed
Model
1
Method
. Enter
kerja
Model Summaryb
Model
R Square
.922a
Adjusted R
Square
Estimate
.850
.844
105.89533
ANOVAb
Model
1
Sum of Squares
Regression
Residual
Total
Mean Square
1466334.874
1466334.874
257917.900
23
11213.822
1724252.774
24
df
F
130.761
Sig.
.000a
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
(Constant)
kerja
Coefficients
Std. Error
Sig.
Beta
-226.545
78.602
125.811
11.002
.922
-2.882
.008
11.435
.000
Residuals Statisticsa
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
150.8868
1283.1824
639.0320
247.17865
25
-1.975
2.606
.000
1.000
25
21.220
60.181
28.525
9.322
25
132.8293
1291.3790
639.0852
248.57180
25
-177.95052
276.24948
.00000
103.66571
25
Std. Residual
-1.680
2.609
.000
.979
25
Stud. Residual
-1.760
2.732
.000
1.019
25
-195.23135
303.07617
-.05317
112.31445
25
-1.851
3.252
.025
1.111
25
Mahal. Distance
.004
6.791
.960
1.518
25
Cook's Distance
.000
.363
.042
.081
25
.000
.283
.040
.063
25
Value
Adjusted Predicted Value
Residual
Deleted Residual
Stud. Deleted Residual
Charts
Hipotesis :
H0 = lama kerja tidak mempengaruhi gaji pegawai
H1 = lama kerja mempengaruhi gaji
Intepretasi:
Angka r (Rho) = 0.992 memang ada hubungan linear antara
gaji dan lama kerja.
Angka r = 0.922 menunjukkan bahwa hubungan antara gaji
dan lama kerja sangat kuat
Angka R2 = 0.85% gaji dapat dijelaskan dengan variabel
lama kerja
Dari uji Anova atau F test, diperoleh dari sig 0.000 karena
nilai sig kurang dari < 0.05 model regresi dapat dipakai
untuk memprediksi gaji.
Hasil persamaan regresi : Gaji (Y) = 226.545 + 125.811 (X)
Ket :
- konstanta sebersar 226.545 , artinya tidak ada
waktu lama kerja, gaji adalah Rp. 226.545.
- koefisien regresi sebesar 125.811 menunjukakan
bawha setiap waktu lama kerja bertambah Rp 1,
maka gaji akan bertambah Rp. 125.811
Kesimpulan:
Jadi H0 di tolak, karena sig 0.008 < 0.05 artinya lama kerja
sangat berpengaruh terhadap gaji.