Regresi Linear
Regresi Linear
data regresi yang dipakai seperti pada perhitungan korelasi. Analisis regresi linear
sederhana merupakan salah satu metode regresi yang dapat dipakai sebagai alat
inferensi statistik untuk menentukan pengaruh sebuah variabel bebas (independen)
terhadap variabel terikat (dependen). Uji Regresi linear sederhana ataupun regresi linier
berganda pada intinya memiliki beberapa tujuan, yaitu:
1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada
nilai variabel bebas.
2. Menguji hipotesis karakteristik dependensi
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkaun sample.
Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan
persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :
Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel independen
(bebas) lalu klik tombol OK,
Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;
Cara membaca output spss hasil uji regresi linier tersebut adalah :
1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi
variabel bebas dan variabel terikat.
2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien
korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori
lemah. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi
(KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh
interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah
11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh
kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi
oleh faktor-faktor lain diluar variabel X1.
3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari
regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi
(Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig.
< 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan
tabel ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05),
dengan demikian model persamaan regresi berdasarkan data penelitian adalah
tidak signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas.
4. Tabel keempat menginformasikan model persamaan regresi yang diperoleh
dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan
regresi : Y =38,256 + 0,229 X1.