Cara Membaca Output Regresi Linier Berganda pada SPSS menggunakan Tingkat Signifikansi dan

Tabel Statistik

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:)