Interpretasi Output Regresi Dan Uji Kualitas Instrumen Dan Regresi
Interpretasi Output Regresi Dan Uji Kualitas Instrumen Dan Regresi
b. Uji Reliabilitas
Digunakan untuk menguji keterandalan dari alat ukur. Uji reliabilitas yang digunakan
adalah cronbach alpha
Menu : Analyze->Scale->reliability analysis->masukkan seluruh item per variable
tanpa totalnya-> OK
Untuk analisis lanjutannya dalam hal ingin menampilkan output untuk meningkatkan
cronbach alpha, maka menunya: Analyze->Scale->reliability analysis->masukkan
seluruh item per variable tanpa totalnya-> pilih statistic->scale if item deleted-
>continue->OK
Kriteria : Item dinyatakan reliable jika memiliki cronbach alpha > 0.6 (Ghozali)
Berikut contoh penyajian hasilnya:
Variable Cronbach alpha Keterangan
Partisipasi Pengguna 0,853 Reliable
Kepuasan Pengguna 0,848 Reliable
Kinerja SI 0,889 Reliable
Sumber : Data diolah 2017, Lampiran...
Unstandardized Standardized
Coefficients Coefficients Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) -,102 2,008 -,051 ,960
totalpar ,424 ,255 ,377 1,664 ,122 ,782 ,433 ,247 ,429 2,330
totalsat ,450 ,191 ,536 2,362 ,036 ,821 ,563 ,351 ,429 2,330
a. Dependent Variable: totalkin
c. Uji Heterocedasticitas
Uji ini digunakan untuk menentukan apakah variance dalam model sama. Model
regresi yang baik seharusnya memiliki variance yang sama.
Menu : Analyze->Regression-> Linier->masukkan dependen variable->masukkan
seluruh variabel independen->plots->masukkan pada sumbu Y:Zpred ->masukkan
pada sumbu X:Sresid->Continue->OK
Kriteria : Jika dalam grafik yang sudah ditentukan sumbu X dan sumbu Y nya
tersebut memiliki sebaran data yang tidak beraturan atau tidak membentuk pola
tertentu maka model tersebut memiliki variance yang sama atau tidak menyimpang
dari asumsi klasik.
Output uji heterocedastisitas:
d. Uji Autokorelasi
Uji ini digunakan untuk menentukan apakah terdapat kelambanan dalam model
regresi. Biasa terjadi dalam analisis runtut waktu (time series analysis). Contoh
kelambanan adalah impact dari training tidak dapat dirasakan atau dinilai langsung
setelah pelatihan, namun baru akan dinilai beberapa waktu yang akan datang.
Contoh lainnya adalah penggunaan pupuk dimana akan dirasakan manfaatnya
beberapa waktu yang akan datang yaitu ketika panen.
Menu: Analyze->Regression-> Linier->masukkan dependen variable->masukkan
seluruh variabel independen->Statistic->Durbin watson->continue->OK
Kriteria : Masing-masing peneliti harus menentukan sendiri batas-batas terjadinya
autokorelasi tergantung pada jumlah variabel independen dan alpha (taraf
signifikansi yang digunakan)
0 dL du 2 4-du 4-dL 4
Penentuan batas dari tabel durbin watson 5% dengan jumlah sampel (n) sebesar 15
dan k(jumlah variabel independen) sebanyak 2 maka diperoleh:
dL = 0,9455
du= 1,5432
4-du = 4-1,5432 = 2,4568
4-dL = 4-0,9455 = 3,0545
Output drubin watson:
Model Summaryb
Nilai Durbin watson sebesar 0,966 berada pada area abu-abu atau tidak dapat
ditentukan terjadi autokorelasi atau tidak. Perlu alat statistik yang lebih detail.
3. ANALISIS REGRESI
Menu : Analyze->Regression-> Linier->masukkan dependen variable->masukkan seluruh
variabel independen-> ... ->OK
a. Persamaan regresi
Bentuk umum persamaan :
𝑌 ′ = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑛 𝑋𝑛
(untuk variabel yang terukur secara langsung )
c. Uji Model
Uji model dapat dilihat dari tabel ANOVA yang menunjukkan nilai F hitung dan signifikansi
dari nilai F tersebut.
ANOVA(b)
Sum of
Model Squares df Mean Square F Sig.
1 Regression 94,378 2 47,189 16,644 ,000(a)
Residual 34,022 12 2,835
Total 128,400 14
a Predictors: (Constant), TotalSat, TotalPar
b Dependent Variable: TotalKin
Hipotesis
H0 : Partisipasi pengguna SI dan kepuasan pengguna SI tidak berpengaruh positif
signifikan terhadap Kinerja SI
H1 : Partisipasi pengguna SI dan kepuasan pengguna SI berpengaruh positif signifikan
terhadap Kinerja SI.
Kesimpulan :
Berdasarkan tabel ANOVA , nilai signifikansi nilai p-value (Signifikansi hasil analisis)
sebesar 0.000 < taraf signifikansi 0.05 (α=0.05), maka H0 ditolak. Artinya model regresi
tersebut baik dan dapat diproses lebih lanjut.
e. Koefisien Determinasi
Merupakan koefisien penjelas yang memberikan informasi tentang seberapa besar
kemampuan variasi variabel independen dalam menjelaskan variabel dependennya.
Jika memiliki satu variabel independen maka boleh digunakan R-square. Tetapi jika
memiliki lebih dari satu variabel independen sebaiknya menggunakan Adjusted R-square,
karena sudah disesuakan dengan dfnya (degree of freedom). (lihat pada tabel model
summary).
Model Summary(b)