Bingung dengan Statistik, Mau Konsultasi Silahkan ^_^

Name:
Email Address:
Phone:
Tau Website ini darimana:
Account FB:

This form powered by Freedback

Rabu, 05 Januari 2011

HUBUNGAN ANTARA PANJANG TUNGKAI, KEKUATAN OTOT TUNGKAI, DAN DAYA TAHAN OTOT PERUT TERHADAP KEMAMPUAN MENENDANG BOLA LAMBUNG PADA PERMAINAN SEPAK BOLA


A. Subyek Penelitian
1. Populasi
Populasi teoritis dalam penelitian ini adalah siswa Pusat Pendidikan dan Latihan Pelajar Sepakbola di Indonesia, sementara populasi terjangkaunya adalah siswa Pusat Pendidikan dan Latihan Pelajar Sepakbola Jawa Tengah di Sanggar Kegiatan Belajar Salatiga.
2. Sampel dan Teknik Penarikan Sampel
Sampel yang digunakan dalam penelitian ini adalah siswa Pusat Pendidikan dan Latihan Pelajar Sepakbola Jawa Tengah di Sanggar Kegiatan Belajar Salatiga sebanyak 25 siswa yang ditarik dari populasi terjangkau. Teknik penarikan sampel yang digunakan dalam penelitian ini adalah teknik total sampling, yaitu seluruh anggota populasi terjangkau dijadikan sebagai anggota sampel penelitian.
B. Rancangan Penelitian
1. Metode Penelitian
Penelitian ini termasuk penelitian kuantitatif karena data yang dikumpulkan berbentuk bilangan atau angka-angka. Sesuai dengan masalah dan tujuan penelitian ini maka, metode penelitian yang digunakan adalah metode diskriptif korelasional, karena disitu akan diperoleh diskripsi yang bersifat hubungan, yaitu antara panjang tungkai, kekuatan otot tungkai, dan daya tahan otot perut dengan kemampuan menendang bola lambung. Sementara variabel yang terlibat dalam penelitian ini meliputi :

a. Tiga variabel bebas (X) yang terdiri dari : 1) panjang tungkai (X1), 2) kekuatan otot tungkai (X2), 3) daya tahan otot perut (X3).
b. Satu variabel terikat (Y) yaitu kemampuan menendang bola.
2. Desain Penelitian
Desain penelitian yang digunakan dalam penelitian ini adalah desain korelasional atau correlation design).


Gambar 8 Desain Penelitian
Sumber : Sugiarto. 1992. Tahap Awal + Aplikasi Analisis Regresi. Yogyakarta : Andi Offset, (hal. 90).

ANALISIS REGRESI

A. Regresi Linier Sederhana
1. Model Regresi Linier Sederhana
Analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas / bebas), dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independent yang diketahui (Gujarati, 1995:6).
Dalam statistik pasangan pengamatan yang melibatkan dua variabel atau lebih dinyatakan dengan simbol (X,Y). Hubngan antara dua variabel pada prsamaan linier jika digambarkan secara grafis (scatter diagram), semua nilai X dan Y akan berada pada suatu garis lurus. Dalam ilmu ekonomi, garis tersebut disebut garis regresi.
Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk persamaan linier yaitu:


Ketertangan :
X: Variabel bebas
Y: Variabel Bergantung
a,b: Bilangan konstan (Konstanta)
Y merupakan variabel tak bebas atau disebut juga variabel bergantung (dependent variabel) yaitu variabel yang dipengaruhi. Seangan X merupakan variabel bebas atau disebut juga variabel tak bergantung (indeendent variabel) yaitu variabel yang mempengaruhi.
Karena populasi jarang diamati secara langsung, maka digunakan persamaan reresi linier sederhana sampel sebagai penduga persamaan regresi linier sederhan populasi. Bentuk persamaannya adalah sebagai berikut:


Dengan menggunakan metode kuadrat terkecil (least square), nilai a dan b dapat ditentukan dengan rumus :




2. Uji keliniera Regresi Linier Sederhana
Untuk memudahkan satuan-satuan yang perlu sebaiknya disusun dalam sebuah tabel sehingga didapat daftar analisis varians yang disingkat ANAVA sebagai berikut:
Tabel 1. Tabel Analisis Varians Untuk Regresi Linier Sederhana
Sumber Variasi dk JK RK F
Regresi (a)

Regresi (b/a)


Residu(S) 1
Output
Tuna Cocok (TC)

GAlat (E) k-2

n-k JK(S)-JK(E)

JK(TC)/k-2

JK(E)/n-k
RK(TC)/RK(E)
Keterangan :
JK : Jumlah Kuadrat
RK: Rerata Kuadrat
Untuk menguji kelinieran model regresi dapat dilakukan dengan menggunakan hipotesis berikut:
Hipotesis diatas dikaitkan dengan uji nyata garis regresi yang diperoleh. Statistik uji yang digunakan adalah Fhitung = atau dengan melihat nilai F pada tabel ANOVA. Tolak H0 jika Fhitung > Ftabel. Dengan melihat tabel distribusi F untuk taraf signifikan ( ) tertentu dan derajat kebebasan (dk) = n-2 akan diperoleh nilai Ftabel.
3. Uji Keberartian regresi
Selain uji kelinieran atau keberartian model dilakukan juga uji keberartian koefisien regresi dengan menggunakan statistik t student sebagai pengujinya. Hipotesis yang digunakan adalah sebagai berikut:
H0 : koefisien regresi tidak signifikan
H1 : koefisien regresi signifikan
Nilai t hitung dapat dilihat dari tabel Coefficients pada output SPSS. Tolak H0 jika -t tabel < t hitung < t tabel. Dengan melihat tabel distribusi t untuk taraf signifikan ( ) tertentu dan derajat kebebasan (dk) = n-2 akan diperoleh nilai t tabel.
4. Uji Asumsi regresi Linier
1) Uji normalitas
Misalkan kita mempunyai sampel acak dengan hasil pengamatan x1, x2, …, xn. Berdasarkan sampel ini akan diuji
H0 : data berdistribusi normal
Ha : data tidak berdistribusi normal
Untuk pengujian H0 tersebut kita tempuh prosedur berikut :
a) Pengamatan x1, x2, ..., xn dijadikan bilangan baku z1, z2, ..., zn dengan menggunakan rumus ( dan s masing-masing merupakan rata-rata dan simpangan baku sampel).
b) Untuk tiap bilangan baku ini dan menggunakan daftar distribusi normal baku, kemudian dihitung peluang F(zi) = P(z zi).
c) Selanjutnya dihitung proporsi z1, z2, ..., zn yang lebih kecil atau sama dengan zi. Jika proporsi ini dinyatakan oleh S(zi), maka
d) Hitung selisih F(zi) – S(zi) kemudian tentukan harga mutlaknya.
e) Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut. Sebutlah harga terbesar ini L0.
Untuk menerima atau menolak H0, kita bandingkan L0 ini dengan nilai kritis L untuk taraf yang dipilih. Kriterianya adalah tolak H0 bahwa populasi tidak berdistribusi normal jika L0 yang diperoleh dari data pengamatan melebihi L dari daftar (Sudjana, 1996: 466-467).
2) Homogenitas
Misalkan kita mempunyai k (k 2) buah populasi berdistribusi independent dan normal masing-masing dengan varians . Akan diuji hipotesis :

berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap populasi.
Ada beberapa metoda yang telah ditemukan untuk melakukan uji homogenitas, salah satunya dikenal dengan nama uji Bartlett.
Kita misalkan masing-masing sampel berukuran n1, n2, …, nk dengan data Yij (i= 1, 2, …, k dan j = 1, 2, …, nk). Selanjutnya, dari sampel-sampel itu kita hitung variansnya masing-masing ialah s12, s22, …, sk2.
Untuk memudahkan perhitungan, satuan-satuan yang diperlukan untuk uji Bartlett lebih baik disusun dalam tabel 2.1.
Tabel 2.1. Harga-harga yang perlu untuk Uji Bartlett
Sampel ke dk
si2 log si2 (dk) log si2
1 n1-1
s12 log s12 (n1-1) log s12
2 n2-2
s22 log s22 (n2-1) log s22


k nk-1
sk2 log sk2 (nk-1) log sk2
jumlah (ni-1)
- - (ni-1) log si2
a) Varians gabungan dari semua sampel :

b) Harga satuan B dengan rumus :
B = (log s2) (ni – 1)
Ternyata bahwa untuk uji Bartlett digunakan statistik chi-kuadrat.
X2 = (ln 10) {B - (ni – 1) log si2}
dengan ln 10 = 2,3026, disebut logaritma asli dari bilangan 10.
Dengan taraf nyata , kita tolak hipotesis H0 jika X2 X2(1- )(k–1) didapat dari daftar distribusi chi-kuadrat dengan peluang (1 - ) dan dk = (k – 1).
Jika X2 yang dihitung ada di atas harga X2 dari daftar dan cukup dekat kepada harga tersebut, biasanya dilakukan koreksi dengan menggunakan faktor koreksi K sebagai berikut:

Dengan faktor koreksi ini, statistik X2 yang dipakai sekarang ialah :

Dalam hal ini, hipotesis H0 ditolak jika (Sudjana, 1996: 261-265).
3) Data acak
Persyaratan bahwa sampel acak atau pengambilan sampel acak adalah mutlak yang harus dipenuhi.

PENGARUH KECERDASAN EMOSIONAL TERHADAP KEMAMPUAN MENGAJAR GURU TK AISYIAH DI KOTA SEMARANG

A. Latar Belakang Masalah.

Analisis regresi berkenaan dengan studi ketergantungan satu variabel, variabel tak bebas, pada satu atau lebih variabel lain, variabel yang menjelaskan (explanatory variables), dengan maksud menaksir dan atau meramalkan nilai rata-rata hitung (mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap (dalam pengambilan sampel berulang) variabel yang menjelaskan atau yang belakangan (Gujarati, 1978). Persamaan regresi linear terdiri dari dua model yaitu regresi linear sederhana dan regresi linear ganda. Regresi linear sederhana hanya mempunyai satu variabel bebas (independent) yaitu X dan satu variabel terikat (dependent) yaitu Y.

Linear Regression digunakan untuk melakukan pengujian hubungan antara sebuah variabel dependent (tergantung) dengan satu atau beberapa variabel independent (bebas) yang ditampilkan dalam bentuk persamaan regresi. Jika variabel dependent dihubungkan dengan satu variabel independent saja, persamaan regresi yang dihasilkan adalah regresi linear sederhana (linear regression). Jika variabel independent-nya lebih dari satu, maka persamaan regresinya adalah persamaan regresi linear berganda (multiple linear regression).

Regresi Sederhana adalah suatu pola hubungan yang merupakan fungsi dimana hanya terdapat satu variabel yang menentukan atau variabel bebas (independent variabel).Sedangkan sebuah model regresi linier yang meliputi lebih dari satu variable bebas atau independent disebut model regresi berganda. Pola hubungan tersebut dapat dibedakan atas analisa atau deret waktu (time series), dan analisa atau model “Cross Section” atau sebab akibat (causal ).

Analisa atau model deret waktu ( time series ) adalah suatu teknik atau metode peramalan dengan menggunakan analisa ukuran antara variabel yang dicari atau diramalkan dengan hanya satu-satunya variabel bebas yang mempengaruhinya yang merupakan variabel waktu.

Untuk mengetahui adanya hubungan dari kecerdasan emosional dan minat mengajar terhadap kemampuan mengajar guru maka diperlukan adanya pengamatan atas beberapa variabel yang berpasangan. Besarnya pengaruh suatu variabel terhadap variabel yang lain bisa bersifat linear, eksponensial, kuadratik, dan sebagainya. Tetapi regresi yang sekarang kita pelajari adalah regresi yang bersifat linier. Hubungan linear antara kedua variabel dapat berupa hubungan positif dan hubungan negative.

Berawal dari masalah inilah peneliti tertarik untuk melakukan penelitian mengenai analisis regresi. Dalam penelitian diambil sampel sejumlah 61 guru. Penelitian diawali dengan penyebaran angket untuk mendapat data tentang kecerdasan emosional. Serta mengambil kemampuan mengajar guru.

B. Rumusan Permasalahan.

Berdasarkan latar belakang diatas maka permasalahan yang akan diteliti adalah:

  1. Bagaimanakah analisis deskriptif, untuk menentukan rata-rata, simpangan baku, histogram dan lain-lain?
  2. Bagaimanakah pengujian persyaratan analisis (uji asumsi ) regresi ganda:

a. Normalitas (gunakan dua pendekatan)

b. Homogenitas.

c. Linearitas.

  1. Bagaimanakah persamaan garis regresi?
  2. Apakah pengujian koefisien regresi signifikan?
  3. Apakah pengujian model regresi signifikan?

6. Bagaimanakah Interpretasi tentang persamaan regresi yang diperoleh?

C. Tujuan Penelitian.

Berdasarkan rumusan masalah yang penulis susun, maka tujuan penelitian ini adalah sebagai berikut.

  1. Melakukan analisis deskriptif, untuk menentukan rata-rata, simpangan baku, histogram dan lain-lain.
  2. Melakukan pengujian persyaratan analisis (uji asumsi ) regresi ganda:

d. Normalitas (gunakan dua pendekatan)

e. Homogenitas.

f. Linearitas.

  1. Menentukan persamaan garis regresi.
  2. Mengetahui pengujian koefisien regresi signfikan.
  3. Mengetahui pengujian model regresi .signifikan.

6. Menginterpretasikan persamaan regresi yang diperoleh.

D. Manfaat Penelitian.

Adapun manfaat penelitian ini adalah sebagai berikut.

1. Bagi Mahasiswa, hasil penelitian ini dapat menjadi masukan yang berharga untuk dapat meningkatkan hasil belajar dengan memahami kekurangan-kekurangan dan kelebihan-kelebihan yang dimiliki sehingga dapat mengoptimalkan kemampuan yang telah ada pada diri masing-masing.

2. Bagi Universitas, diharapkan dengan hasil penelitian ini menjadi masukan yang berharga untuk dapat selalu meningkatkan kualitas dalam proses balajar mengajar sehingga diharapkan membawa peningkatan pada prestasi belajar siswa.

3. Bagi Penulis, dapat menerapkan ilmu yang telah dipelajari di bangku perkuliahan.

Minggu, 12 Juli 2009

TUGAS UJIAN

TUGAS KOMPUTER STATISTIK


1. Apakah ada uji lanjut setelah uji t?

Jika ada perbedaan maka Fhit ≥ Ftabel uji pasca anava misalnya uji Scheffe, uji Scheffe kadang kurang menguntungkan, jika tidak ada perbedaan tidak boleh dengan uji t berkali- kali. Maka digunakan cara lain :

a. Tucking

b. Studentified Range

Ketika kita melakukan analisis regresi, pasti akan melibatkan uji anova dan uji t. Anova pada regresi, sebenarnya tidak berbeda dengan Anova biasa. Anova pada regresi dilakukan untuk mengetahui apakah b1, b2, b3 dan seterusnya berbeda dari 0. Dengan demikian, sebenarnya H0 anova ada regresi adalah: Semua koefisien (b1, b2, b3 dst.) bernilai nol. Ketika hasil pengujian anova pada regresi memiliki nilai p-value yang lebih kecil dari nilai alpha, maka kita memiliki bukti yang kuat untuk menolak H0 di atas, dan menyimpulkan H1, yaitu: Tidak semua koefisien (b1, b2, b3 dst) bernilai nol. Dengan kata lain, jika hasil uji anova pada regresi kita memiliki nilai p-value yang lebih kecil dari alpha, maka kita dapat menyimpulkan bahwa paling sedikit satu dari variabel independen yang kita masukan dalam model regresi, memiliki pengaruh terhadap variabel dependen. Selanjutnya, uji t akan digunakan untuk mengetahui variabel/koefisien mana yang nilainya tidak nol. Kita dapat melihat hal ini dari nilai p-value uji t yang nilainya lebih kecil dari alpha.

Uji t pada regresi merupakan ad hoc test untuk uji anova, dengan demikian, ketika uji anova memiliki nilai p-value yang lebih besar dari nilai alpha (tidak signifikan), maka akan sangat tidak mungkin ada salah satu variabel/koefisien yang memiliki nilai p-value lebih kecil dari alpha (signifikan). Demikian pula sebaliknya, ketika uji anova memiliki nilai p-value yang lebih kecil dari alpha (signifikan), maka pasti minimal salah satu dari variabel/koefisien memiliki nilai p-value yang lebih kecil dari alpha (signifikan).

2. Bagaimana cara pengambilan sampel jika sampel terdiri dari kelas-kelas?

Cara pengambilan sampel jika sampel terdiri dari kelas-kelas adalah dengan menggunakan sampel random. Sampel random adalah tekhnik pengambilan sampel dimana peneliti mencampur subjek – subjek di dalam populasi sehingga semua subjek di anggap sama. Dengan demikian maka peneliti member hak yang sama kepada setiap subjek untuk memperoleh kesempatan (chance) dipilih menjadi sampel. Oleh karena hak setiap subjek sama, maka peneliti terlepas dari perasaan ingin mengistimewakan satu atau beberapa subjek untuk dijadikan sampel

3. Bagaimana anava 2 jalan?










Bentuk tabel 3.1 jelas menggunakan Anava 2 jalan karena lebih dari 2 pihak. Bagaimana jika hanya 2 pihak (seperti tampak pada table 3.2) yang biasanya juga menggunakan uji Anava padahal Anava digunakan untuk lebih dari 2 pihak?

Penyelesaian:

Untuk mengetahui kapan kita menggunakan anova dan kapan menggunakan uji t, tergantung dari jumlah variabel yang akan kita uji. Jika kita hanya menguji dua variabel, maka uji t adalah teknik yang paling sesuai dan mudah. Tentu saja, tabel yang digunakan untuk membandingkan statistik uji dan statistik hitung adalah tabel t. dan jika variable yang kita uji lebih dari dua, maka anova adalah teknik yang paling sesuai untuk ini. Tabel yang digunakan untuk membantu pengambilan keputusan jika kita menggunakan anova adalah tabel F.

Akan tetapi, untuk dapat menggunakan dua teknik pengujian hipotesis di atas, ada dua syarat yang harus dipenuhi terlebih dahulu yaitu homogenitas varian dan distribusi normal. Jika kita tidak dapat memenuhi kedua syarat tersebut, berarti pengujian hipotesis harus dilakukan dengan statistic nonparametric. Salah satu uji nonparametric untuk menguji hipotesis adalah dengan uji chi square. Dengan demikian chi square.

http://edugator.metacamp.us/category/statistics/Posted on November 10, 2008, 11:40 am, by Djunaidi Lababa, under Statistics

Uji-t (t-test) merupakan statistik uji yang sering kali ditemui dalam masalah-masalah praktis statistika. Uji-t termasuk dalam golongan statistika parametrik. Statistik uji ini digunakan dalam pengujian hipotesis. Uji-t digunakan ketika informasi mengenai nilai variance (ragam) populasi tidak diketahui.

Uji-t dapat dibagi menjadi 2, yaitu uji-t yang digunakan untuk pengujian hipotesis 1-sampel dan uji-t yang digunakan untuk pengujian hipotesis 2-sampel. Bila dihubungkan dengan kebebasan (independency) sampel yang digunakan (khusus bagi uji-t dengan 2-sampel), maka uji-t dibagi lagi menjadi 2, yaitu uji-t untuk sampel bebas (independent) dan uji-t untuk sampel berpasangan (paired).

Dalam lingkup uji-t untuk pengujian hipotesis 2-sampel bebas, maka ada 1 hal yang perlu mendapat perhatian, yaitu apakah ragam populasi (ingat: ragam populasi, bukan ragam sampel) diasumsikan homogen (sama) atau tidak. Bila ragam populasi diasumsikan sama, maka uji-t yang digunakan adalah uji-t dengan asumsi ragam homogen, sedangkan bila ragam populasi dari 2-sampel tersebut tidak diasumsikan homogen, maka yang lebih tepat adalah menggunakan uji-t dengan asumsi ragam tidak homogen. Uji-t dengan ragam homogen dan tidak homogen memiliki rumus hitung yang berbeda. Oleh karena itulah, apabila uji-t hendak digunakan untuk melakukan pengujian hipotesis terhadap 2-sampel, maka harus dilakukan pengujian mengenai asumsi kehomogenan ragam populasi terlebih dahulu dengan menggunakan uji-F.


Rabu, 22 April 2009

Tugas Kelompok Menganalisis Skripsi yang Salah



Menganalisis Kesalahan Skripsi

Analisis Data


Mendeskripsikan data

Hasil Output:




































Ini menunjukkan bahwa

1). Otot Tungkai

Mean: 44.6667

Standar Deviations : 6.76496

2). Otot Perut

Mean : 23.6111

Standar Deviatioms : 2.78945

3). Otot Lengan

Mean : 13.5000

Standar Deviatioms : 3.24830


otot_tungkai


otot_tungkai Stem-and-Leaf Plot

Frequency Stem & Leaf

.00 3 .

5.00 3 . 55778

3.00 4 . 004

5.00 4 . 55788

4.00 5 . 1234

1.00 5 . 5

Stem width: 10.00

Each leaf: 1 case(s)












otot_perut


otot_perut Stem-and-Leaf Plot

Frequency Stem & Leaf

6.00 2 . 000111

4.00 2 . 3333

3.00 2 . 455

3.00 2 . 677

2.00 2 . 88

Stem width: 10.00

Each leaf: 1 case(s)












otot_perut


otot_perut Stem-and-Leaf Plot

Frequency Stem & Leaf

6.00 2 . 000111

4.00 2 . 3333

3.00 2 . 455

3.00 2 . 677

2.00 2 . 88

Stem width: 10.00

Each leaf: 1 case(s)












otot_lengan


otot_lengan Stem-and-Leaf Plot

Frequency Stem & Leaf

3.00 0 . 788

8.00 1 . 01123444

7.00 1 . 5555777

Stem width: 10.00

Each leaf: 1 case(s)











Uji Normalitas

Uji keseluruhan nilai dari otot Tungkai, otot Perut, dan otot Lengan mempunyai output sebagai berikut:

NPar Tests(6)






















Yang diambil adalah data keseluruhan, yaitu Asymp. Sig (2-tailed) diperoleh 0,204.

Hipotesis:

Ho : variable adalah Normal.

H1 : variable adalah tidak normal.

Karena dari output terlihat nilai sig=0,204>5%, jadi Ho diterima, artinya normal.


Deskripsi data keseluruhan

diperoleh output(8)








Uji Hubungan (Corelations) (9)

Diperoleh output:












Uji Normalitas keseluruhan

Output yang diperoleh: (10)













Yang diambil adalah data keseluruhan, yaitu Asymp. Sig (2-tailed) diperoleh 0,222.

Hipotesis:

Ho : variable adalah Normal.

H1 : variable adalah tidak normal.

Karena dari output terlihat nilai sig=0,222>5%, jadi Ho diterima, artinya normal.


















Terlihat pada output normal P-Plot of Regression terlihat mendekati garis diagonal. Jadi variabel dependen adalah normal.


Uji Multikolinearitas(12)








Terlihat bahwa nilai VIF tidak ada yang lebih dari 10, nilai tolerance mendekati 1. Jadi Multikolinearitas tidak terjadi.

Uji Autokorelasi(13)







Terlihat bahwa nilai DW = Durbin Watson adalah 1,926 jadi masih di antara -2 sampai dengan 2. Jadi tidak terjadi proses Autokorelasi


Uji Heterokedastisitas(14)















Terlihat pada diagram di atas scatterplot, var dependen dan residual diperoleh diagram nilai error cukup menyebar disekitar nol, jadi tidak terjadi Heterokedastisitas.


Uji Linearitas (15)








Persamaan Regresi Y = 2,263 – 0,028X1 +0,003X2 0,026X3 -

Untuk menguji kelinearan

H0 : β = 0 ( persamaan adalah tidak linear)

H1 : β tidak = 0 dimana ( persamaan adalah linear)

Menerima atau menolak hipotesis baca pada tabel Anova









Terlihat bahwa nilai sig = 0,001<5%. style=""> H0 ditolak atau persamaan adalah linear.

Selanjutnya melihat nilai konstribusi X1, X2, X3 secara bersama-sama terhadap Y baca output Model Summary









Terlihat bahwa nilai R square = 0,676 = 67,6%, artinya ketiga variabel memberi kontribusi/sumbangan terhadap Y sebesar 67,6% sisanya 32,4% dipengaruhi faktor lain.


Regressi Sederhana Otot Tungkai (X1) terhadap smash normal (Y)







Persamaan Regresi Y = 2,132 – 0,031

Untuk menguji kelinearan

H0 : β = 0 (persamaan adalah tidak linear)

H1 : β tidak = 0 ( persamaan adalah linear)

Menerima atau menolak hipotesis baca pada tabel Anova









Terlihat bahwa nilai sig = 0,000<5%. style=""> H0 ditolak atau persamaan adalah linear.

Selanjutnya melihat nilai konstribusi X1 ( Otot tungkai ) secara bersama-sama terhadap Y baca output Model Summary