Cara Membaca Output Regresi Linier Berganda pada SPSS menggunakan

Tingkat Signifikansi dan Tabel Statistik

08:31 Output SPSS 33 comments

Membaca output SPSS dalam uji regresi linier berganda mudah, banyak panduannya di buku-
buku statistik. Namun menurut pengalaman saya, ada kebiasaan unik dikalangan mahasiswa
dimana banyak yang malas baca buku apalagi beli. Sebuah kebiasaan buruk yang wajar kalo
menurut saya, karena dengan perkembangan teknologi saat ini apasih yang tidak ada di
internet. Semua yang perlu dicari tahu tinggal tanya mbah gugel, termasuk cara membaca
output regresi untuk penyelesaian tugas akhir (skripsi). Dipostingan kali ini saya ingin
memperkaya bahan bacaan teman-teman di internet tentang cara membaca output regresi
linier berganda dengan berdasarkan postingan saya yang sudah ada.
Baca : Mengolah Data Kuesioner dengan IBM SPSS v 20
Adapun output dari regresi linier berganda tersebut adalah sebagai berikut:

Output pertama yang muncul adalah berbentuk tabel Variables Entered/Removed. Tabel ini
memberikan kita informasi tentang variabel apa saja yang dimasukkan dan dikeluarkan.
Kolom model meberikan informasi bahwa hanya ada 1 (satu) model regresi yang dihasilkan.
Kolom variables Entered memberi informasi tentang variabel apa saja yang dimasukkan
dalam model regressi (Integritas Auditor, Independensi Auditor, dan Kompetensi Auditor).
Kolom variables removed memberitahu kita tentang variabel-variabel yang dibuang atau
dipindahkan. Dibuangnya suatu variabel bisa dikarenakan terjadi masalah dalam proses
pengolahan data (bisa karena tidak terpenuhi uji asumsi klasik maupun varian data yang
bermasalah), dalam output kali ini kolom variables removed kosong karena tidak ada variabel
yang dibuang. Kemudian kolom Method ini memperlihatkan metode yang digunakan dalam
pengolahan data yaitu Enter. Kemudian beralih kita output selanjutnya yaitu:

Model Summary, disini kita bisa memperoleh informasi tentang besarnya pengaruh dari
seluruh variabel independen terhadap variabel dependen. Pengaruh tersebut disimbolkan
dengan R (korelasi). Seperti yang terlihat dalam tabel model summary nilai pada kolom R
adalah 0,720 artinya pengaruh variabel kompetensi auditor, integritas auditor, dan
independensi auditor terhadap kualitas audit adalah 72,0% (0,720 x 100%), Namun nilai
tersebut bisa dikatakan "terkontaminasi" oleh berbagai nilai pengganggu yang mungkin
menyebabkan kesalahan pengukuran, untuk itu SPSS memberikan alternatif nilai R Square
sebagai perbandingan akurasi pengaruhnya. Terlihat bahwa nilai R Square sebesar 0,518 yang
artinya 51,8%. Nilai ini lebih kecil dari nilai R akibat adanya penyesuaian namun demikian
sebagai catatan nilai tersebut tidak serta merta lebih kecil dari R namun juga kadang lebih
besar. Untuk lebih akuratnya prediksi pengaruh kita juga dapat berpatokan pada nilai
Adjusted R Square yaitu nilai R Square tadi yang sudah lebih disesuaikan dan lazimnya ini
yang paling akurat. Terlihat bahwa nilai Adjusted R Square-nya sebesar 0,470 atau 47,0%
pengaruh variabel independen terhadap variabel dependen. Kolom selanjutnya pada tabel
Model Summary memperlihatkan tingkat keakuratan model regresi dapat dilihat pada kolom
Standard Error of The Estimate, disitu tertera angka 1,95573. Nilai ini semakin mendekati
angka 0 (nol) semakin akurat, dengan angka sebesar itu maka dapat dikatakan model yang
terbentuk akurat sebesar 98,04427% (1,95573 x 100%).
Selanjutnya kita beralih ke tabel Anova sebagai berikut:

Dalam tabel Anova memperlihatkan informasi tentang berpengaruh tidaknya variabel

independen terhadap variabel dependen secara simultan (bersama-sama). Dalam tabel ini
terdapat beberapa hal yang tidak perlu dibahas, pertama Sum of Square dan kedua Mean
Square karena kita tidak perlu itu untuk mengambil kesimpulan berpengaruh tidaknya
variabel independen terhadap dependen secara simultan.
Untuk mengambil keputusan tersebut dapat digunakan dua cara, pertama lihat nilai Sig.
(Signifikansi). Pada tabel anova nilai sig. tertera sebesar 0,000 maka dengan gampang kita
bisa menyimpulkan bahwa variabel integritas auditor, kompetensi auditor dan indpendensi
auditor berpengaruh secara bersama-sama terhadap kualitas audit. Hal ini dengan mengikuti
taraf sig. 0,05 sebagai nilai cut off dari nilai signifikansi. Artinya jika nilai probabilitas
(signifikansi) dibawah 0,05 maka seluruh variabel independen berpengaruh terhadap variabel
dependen dan begitupun sebaliknya.
Cara kedua dengan membandingkan F-Hitung dan F-Tabel, cara ini agak ribet sedikit karena
kita harus tahu dulu mana F-hitung dan yang mana F-Tabel. F-hitung adalah nilai F yang
dihasilkan dalam tabel Anova yaitu sebesar 10,752. Stelah menemukan F-Hitung lalu kita
mencari F-Tabel, cara mencari F-Tabel yaitu dengan terlebih dahulu menghitung jumlah df
(degree of fredom)nya, nah df untuk uji ini ada dua yaitu df1 dan df2 rumus yang digunakan
yaitu df1=k-1 dan df2=n-k dimana n adalah jumlah sampel, k jumlah variabel bebas. maka
jumlah df1= 3-1= 2 dan df2 = 34-3=31. Selanjutnya kita buka buku statistik lalu cari tabel
distribusi F pada tingkat sig. 0,05 kurang lebih seperti ini:

Dengan df1 sebesar 2 dan df2 sebesar 31 maka kita dapat tarik garis vertikal horizontal dan
mendapatkan angka F tabel sebesar 3,304817 atau 3,305. Nilai ini kita bandingkan dengan
nilai F-Hitung tadi, jika nilai F tabel lebih kecil dari F Hitung maka kesimpulannya seluruh
variabel independen berpengaruh terhadap variabel dependen dan begitu pula sebaliknya.
Dalam kasus kita nilai F-Tabel 3,305 masih lebih kecil dari F-Hitung 10,752 maka
kesimpulannya variabel independensi auditor, kompetensi auditor dan integritas auditor
berpengaruh secara bersama-sama terhadap hasil audit.
Setelah selesai membaca tabel Anova kita lanjut membaca tabel Coeficient. Tabel ini berguna
untuk melihat pengaruh variabel secara parsial (individu). Adapun outputnya dapat dilihat
dibawah ini:

Pada tabel coeficient kita disajikan berbagai informasi penting dan tidak penting, informasi
pentingnya terdiri atas nama-nama variabel, nilai kostanta (Constant), nilai t dan nilai
signifikansi. Informasi tidak pentinya adalah standard error dan nilai beta pada kolom
standarized coeficient. Tidak penting karena standar error disini adalah standar error per
variabel, kita gak perlu itu karena kita cuma peduli masalah standar error estimatenya.
sedangkan nilai beta pada standarized coefficient tidak perlu di bahas disini karena nilai itu
akan berguna jika anda melakukan analisis jalur kita kan enggak.
Seperti yang saya bilang sebelumnya tabel ini bisa digunakan untuk melihat pengaruh per
variabel. Caranya ada dua, pertama dengan cara melihat nilai sig. pada setiap variabel, jika
nilai sig. nya lebih kecil dari 0,05 maka kesimpulannya berpengaruh semakin kecil sig. maka
semakin berpengaruh.
Cara kedua dengan cara membandingkan nilai t-hitung dangan t-tabel, t hitung adalah nilai
pada kolom t yang dihasilkan SPSS pada tabel coefficient sedangkan nilai t-tabel ini yang
masih harus kita cari. Cara mencari nilai t-tabel yaitu dengan terlebih dahulu menghitung nilai
df, rumus yang digunakan berbeda dengan pada tabel anova yaitu df = n-k-1 yang dengan
demikian terhitung df=34-3-1=30. Setelah mendapat nilai df maka selanjutnya buka buku
statistik yang paling belakang cari tabel distribusi t yang penampakannya kurang lebih seperti
ini:

Dari tabel dengan df sebesar 30 pada sig. 0,05 kita dapat memperoleh nilai t-tabel 1,697261
atau 1,697. Nilai ini dibandingkan dengan nilai t hitung setiap variabel dengan kriteria,
apabila nilai t tabel lebih kecil dari nilai t hitung maka kesimpulannya variabel tersebut
berpengaruh terhadap variabel dependennya.
Dari tabel Coefficient tersebut kita juga bisa menyusun Persamaan Model Regresi dengan
melihat nilai-nilai pada kolom Coeficien B, yang dalam kasus ini model yang terbentuk:
Y; -7,881 + 0,302X1 + 0,228X2 + 0,690 X3 nah begitulah kira-kira.
Sekian semoga bermanfaat:)