Anda di halaman 1dari 3

Interpretasi Regresi

Dari ringkasan hasil estimasi regresi didapatkan model regresi sebagai berikut
𝑌 = −50,577 + 0,150𝑋1 + 13,254𝑋2 + 19,301𝑋3 + 4,909𝑋4 + 0,001𝑋5 + 0,864𝑋6 + 1,449𝑋7

Y: Skor Kepuasan Kerja


X1: Umur
X2: Jenis Kelamin
X3:Status Perkawinan
X4:Kategori Pekerjaan
X5:Gaji Bulanan
X6:Sikap Terhadap Organisasi
X7: Dukungan Teman Sekerja

Evaluasi model tersebut dilakukan dalam empat tahap yaitu:


1. Uji Keseluruhan Model
Keseluruhan model diuji menggunakan uji F. Nilai signifikansi yang didapat dari hasil uji F adalah 0,000.
Dengan demikian seluruh variabel independen secara serentak mempengaruhi variabel independen.
2. Uji Parsial Model
Variabel-variabel dalam model diuji pengaruhnya satu-persatu menggunakan uji 𝑡. Nilai signifikansi yang
didapat dari masing-masing variabel independen menunjukan bahwa terdapat tiga variabel independen
yang masing-masing pengaruhnya signifikan terhadap variabel dependen. Tiga variabel tersebut yaitu X3,
X6, X7.
Pemetaan Uji F dan Uji t pada model
Dari uji keseluruhan dan uji parsial model regresi dapat disimpulkan seperti berikut.

Anggaplah uji keseluruhan sebagai seluruh bunga dalam pot bunga diatas. Hasil yang signifikan
menunjukan bahwa gambaran keseluruhan dari bunga dalam pot bunga terlihat baik. Namun dengan
ketika kita melakukan uji parsial, ternyata tidak seluruh bunga dalam pot tersebut baik. Jika melihat satu-
persatu bunga dalam pot ternyata hanya ada tiga bunga saja yang memiliki kelopak sedangkan yang
lainnya tidak. Maka dapat disimpulkan bahwa pada model terjadi permasalahan multikolinearitas yaitu
ketidaksesuaian antara hasil uji keseluruhan dengan uji parsial.

3. Koefisien Determinasi
Koefisien determinasi model (R2) menunjukan sejauh mana variasi dari seluruh variabel bebas pada
model mempengaruhi variasi dari variabel terikat.
Nilai koefisien determinasi pada model yang didapat adalah sebesar 75,6% variasi dari variabel bebas
mepengaruhi variasi variabel terikat pada model. Dari hasil tersebut dapat pula disimpulkan bahwa 24,4%
(didapat dari 100% dikurangi 75,6%) variasi variabel terikat dijelaskan oleh model diluar model tersebut.

4. Kesesuaian Tanda
Tanda matematis pada model menunjukan arah pengaruh antara variabel bebas dan variabel terikat. Jika
koefisien variabel menunjukan tanda positif maka meningkatnya nilai variabel bebas akan cenderung
diikuti oleh meningkatnya nilai variabel terikat. Sebaliknya jika koefisien pada variabel bebas
menunjukan tanda negatif maka meningkatnya nilai variabel bebas akan cenderung diikuti oleh
menurunnya nilai variabel terikat.
Tanda matematis pada model perlu dilihat kesesuaiannya dengan teori. Ambilah contoh salah satu
variabel bebas pada model yaitu variabel X1 (umur). Secara teori tidak ada penjelasan mengenai
pengaruh umur dengan skor kepuasan kerja, maka teori mengizinkan tanda negatif dan positif. Dari hasil
praktek ditemui bahwa umur berpengaruh positif dengan skor kepuasan kerja. Dapat disimpulkan bahwa
terdapat kesesuaian tanda antara teori dan praktek. Jika tanda matematis dalam model tidak sesuai dengan
teori maka permasalahan multikolinearitas terjadi pada model.