Regresi Linier Sederhana dengan SPSS

Contents [hide]
 1 Regresi Linier Sederhana dengan SPSS
o 1.1 Tutorial Regresi Linear Sederhana dengan SPSS
o 1.2 Output Regresi Linear Sederhana dengan SPSS
o 1.3 Interprestasi Regresi Linear Sederhana dengan SPSS

Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSS menggunakan

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 :

1. Variabel bebas tidak berkorelasi dengan disturbance term (Error).

Nilai disturbance termsebesar 0 atau dengan simbol sebagai berikut: E (U / X)
= 0,

2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory)
tidak ada hubungan linier yang nyata,
 3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar <
0.05, Predictor yang digunakan sebagai variabel bebas harus layak.
Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard
Deviation,

4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T.

Koefesien regresi signifikan jika T hitung > T table (nilai kritis),

5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien

determinasi (KD = R Square x 100%) semakin besar nilai tersebut maka
model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik,

6. Residual harus berdistribusi normal,

7. Databerskala interval atau rasio,

8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel

bebas (variabel predictor) sedang variabel lainnya variabel terikat (variabel
response) Berikut ini contoh perhitungan regresi linier sederhana
menggunakan software SPSS 20.

Tutorial Regresi Linear Sederhana dengan SPSS

Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

Regresi Linear Sederhana dengan SPSS

 

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel

independen (bebas) lalu klik tombol OK,

Proses Regresi Linear SPSS

 

Output Regresi Linear Sederhana dengan SPSS

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;

1. Tabel variabel penelitian,

2.  Ringkasan model (model summary),

3. Tabel Anova, dan

4. Tabel Koefisien.
 Output Regresi Linear SPSS

Interprestasi Regresi Linear Sederhana dengan SPSS

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.
Agar anda memahami artikel ini, pelajari juga tentang Uji F dan Uji T: “Uji F dan Uji T”
dan “Analisis Regresi Korelasi“. Demikian telah kita bahas tutorial regresi sederhana
dengan SPSS.

Regresi Linier Sederhana dengan SPSS

Contents [hide]
 1 Regresi Linier Sederhana dengan SPSS
o 1.1 Tutorial Regresi Linear Sederhana dengan SPSS
o 1.2 Output Regresi Linear Sederhana dengan SPSS
o 1.3 Interprestasi Regresi Linear Sederhana dengan SPSS

Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSS menggunakan

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 :

1. Variabel bebas tidak berkorelasi dengan disturbance term (Error).

Nilai disturbance termsebesar 0 atau dengan simbol sebagai berikut: E (U / X)
= 0,

2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory)
tidak ada hubungan linier yang nyata,

3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar <

0.05, Predictor yang digunakan sebagai variabel bebas harus layak.
Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard
Deviation,

4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T.

Koefesien regresi signifikan jika T hitung > T table (nilai kritis),

5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien

determinasi (KD = R Square x 100%) semakin besar nilai tersebut maka
model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik,

6. Residual harus berdistribusi normal,

7. Databerskala interval atau rasio,

8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel

bebas (variabel predictor) sedang variabel lainnya variabel terikat (variabel
response) Berikut ini contoh perhitungan regresi linier sederhana
menggunakan software SPSS 20.

Tutorial Regresi Linear Sederhana dengan SPSS

Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

 Regresi Linear Sederhana dengan SPSS
 

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel

independen (bebas) lalu klik tombol OK,

Proses Regresi Linear SPSS

 

Output Regresi Linear Sederhana dengan SPSS

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;

1. Tabel variabel penelitian,

 2.  Ringkasan model (model summary),

3. Tabel Anova, dan

4. Tabel Koefisien.

Output Regresi Linear SPSS

Interprestasi Regresi Linear Sederhana dengan SPSS

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.
Agar anda memahami artikel ini, pelajari juga tentang Uji F dan Uji T: “Uji F dan Uji T”
dan “Analisis Regresi Korelasi“. Demikian telah kita bahas tutorial regresi sederhana
dengan SPSS.

Panduan Lengkap Uji Analisis Regresi Linear Sederhana dengan SPSS

 Sahid Raharjo  Analisis Data, Tutorial SPSS

Panduan Lengkap Uji Analisis Regresi Linear Sederhana dengan SPSS | Analisis
regresi linear sederhana atau dalam bahasa inggris disebut dengan nama simple linear
regression digunakan untuk mengukur besarnya pengaruh satu variabel bebas atau
variabel independent atau variabel predictor atau variabel X terhadap variabel
tergantung atau variabel dependen atau variabel terikat atau variabel Y. Syarat
kelayakan yang harus terpenuhi saat kita menggunakan regresi linear sederhana
adalah:
 1. Jumlah sampel yang digunakan harus sama

2. Jumlah variabel bebas (X) adalah 1 (satu)

3. Nilai residual harus berdistribusi normal

4. Terdapat hubungan yang linear antara variabel bebas (X) dengan variabel
tergantung (Y).

5. Tidak terjadi gejala heteroskedastisitas

6. Tidak terjadi gejala autokorelasi [untuk data time series]

CONTOH KASUS UJI ANALISIS REGRESI LINEAR SEDERHANA

Sebagai contoh saya mempunyai data penelitian dengan judul “Pengaruh Stres Kerja
Terhadap Kinerja Pegawai”. Dari judul diatas maka hipotesis atau kesimpulan
sementara yang saya ajukan dan yang saya akan uji dengan analisis regresi linear
sederhana adalah “Ada Pengaruh Stres Kerja Terhadap Kinerja Pegawai”. Adapun data
penelitian yang saya maksud sebagaimana tabel di bawah ini
[Download Data untuk Latihan]

KETERANGAN TERKAIT DATA PENELITIAN

1. Data diatas diperoleh dari hasil penyebaran kuesioner atau angket

(menggunakan nilai skor total jawaban responden atas item-item soal kuesioner)

2. Jika menggunakan kuesioner untuk data penelitian, maka item-item kuesioner

tersebut harus dipastikan sudah lolos uji validitas dan reliabilitas terlebih dahulu

3. Jumlah sampel yang digunakan adalah 12 responden (pegawai)

4. Variabel Penelitian : Stres Kerja sebagai variabel bebas (X) dan Kinerja Pegawai
sebagai variabel tergantung (Y)

CARA UJI ANALISIS REGRESI LINEAR SEDERHANA DENGAN SPSS

Sebelum kita masuk pada cara pengolahan data dalam uji analisis regresi linear
sederhana dengan SPSS, terlebih dahulu kita harus memastikan data tersebut telah
lolos dalam syarat kelayakan model regresi linear sederhana tentunya dengan cara
melakukan uji normalitas, uji linearitas dan uji heteroskedastisitas. Sementara untuk uji
autokorelasi tidak perlu dilakukan karena data di atas tidak termasuk data time series
atau data runtut waktu. Adapun urutan langkah-langkah uji analisis regresi linear
sederhana dengan SPSS adalah sebagai berikut:

1. Buka lembar kerja SPSS lalu klik Variable View, selanjutnya pada kolom Name untuk
baris pertama tulis X, baris kedua Y. Lalu pada kolom Label baris pertama tulis Stres
Kerja dan baris kedua tulis Kinerja Pegawai [untuk pilihan lainnya biarkan tetap default]

2. Langkah berikutnya klik Data View [dari tampilan Data View terlihat ada dua nama
variabel yakni X dan Y], selanjutnya masukkan data penelitian dengan ketentuan X
untuk data Stres Kerja dan Y untuk Kinerja Pegawai [pada saat memasukkan data
penelitian harus dilakukan dengan teliti dan cermat karena jika terjadi kesalahan pada
proses penginputan ini, maka output SPSS tidak akan mengeluarkan hasil yang akurat
sesuai dengan harapan anda]
3. Jika sudah yakin di input dengan benar, langkah selanjutnya kita klik menu Analyze –
kemudian klik Regression – lalu klik Linear…
4. Setelah itu akan muncul kotak dialog Linear Regression, masukkan variabel Stres
Kerja [X] ke kotak Independent(s), dan masukkan variabel Kinerja Pegawai [Y] ke
kotak Dependent, caranya dengan mengklik tanda panah yang tersedia. Selanjutnya
pada bagian Method: pilih Enter (abaikan pilihan yang lainnya)
5. Langkah terakhir adalah klik Ok untuk mengakhiri perintah, maka akan keluar output
SPSS regresi linear sederhana sebagai berikut

Keterangan : Menjelaskan tentang variabel yang dimasukkan serta metode yang

digunakan dalam analisis regresi linear
Keterangan : Berfungsi untuk uji F dalam analisis regresi linear berganda

MEMBUAT PERSAMAAN REGRESI LINEAR SEDERHANA

Secara umum rumus persamaan regresi linear sederhana adalah Y = a + bX.

Sementara untuk mengetahui nilai koefisien regresi tersebut kita dapat berpedoman
pada output yang berada pada tabel coefficients berikut
a = angka konstan dari unstandardized coefficients. Dalam kasus ini nilainya sebesar
35,420. Angka ini merupakan angka konstan yang mempunyai arti bahwa jika tidak ada
Stres Kerja (X) maka nilai konsisten Kinerja Pegawai (Y) adalah sebesar 35,420

b = angka koefisien regresi. Nilainya sebesar -0,511. Angka ini menggandung arti
bahwa setiap penambahan 1% tingkat Stres Kerja (X), maka Kinerja Pegawai (Y) akan
meningkat sebesar -0,511

Kerena nilai koefisien regresi bernilai minus (-), maka dengan demikian dapat dikatakan
bahwa Stres Kerja (X) berpengaruh negatif terhadap Kinerja Pegawai (Y). Sehingga
persamaan regresinya adalah Y = 35,420 - 0,511 X

UJI HIPOTESIS DALAM ANALISIS REGRESI LINEAR SEDERHANA

Uji hipotesis atau uji pengaruh berfungsi untuk mengetahui apakah koefisien regresi
tersebut signifikan atau tidak. Sekedar mengingatkan bahwa hipotesis yang saya
ajukan dalam analisis regresi linear sederhana ini adalah:

H0 = Tidak ada Pengaruh Stres Kerja (X) terhadap Kinerja Pegawai (Y).
Ha = Ada Pengaruh Stres Kerja (X) terhadap Kinerja Pegawai (Y).

Sementara itu, untuk memastikan apakah koefisien regresi tersebut signifikan atau tidak
(dalam arti variabel X berpengaruh terhadap variabel Y) kita dapat melakukan uji
hipotesis ini dengan cara membandingkan nilai signifikansi (Sig.) dengan probabilitas
0,05 atau dengan cara lain yakni membandingkan nilai t hitung dengan t tabel.

UJI HIPOTESIS MEMBANDINGKAN NILAI Sig DENGAN 0,05

Adapun yang menjadi dasar pengambilan keputusan dalam analisis regresi dengan
melihat nilai signifikansi (Sig.) hasil output SPSS adalah:

1. Jika nilai signifikansi (Sig.) lebih kecil < dari probabilitas 0,05 mengandung arti
bahwa ada Pengaruh Stres Kerja (X) terhadap Kinerja Pegawai (Y).

2. Sebaliknya, jika nilai signifikansi (Sig.) lebih besar > dari probabilitas 0,05
mengandung arti bahwa tidak ada Pengaruh Stres Kerja (X) terhadap Kinerja
Pegawai (Y).

Output SPSS (coefficients)

Berdasarkan output di atas diketahui nilai signifikansi (Sig.) sebesar 0,001 lebih kecil
dari < probabilitas 0,05, sehingga dapat disimpulkan bahwa H0 ditolak dan Ha diterima,
yang berarti bahwa “Ada Pengaruh Stres Kerja (X) terhadap Kinerja Pegawai (Y)”

UJI HIPOTESIS MEMBANDINGKAN NILAI T HITUNG DENGAN T TABEL

Pengujian hipotesis ini sering disebut juga dengan uji t, dimana dasar pengambilan
keputusan dalam uji t adalah:

1. Jika nilai t hitung lebih besar > dari t tabel maka ada Pengaruh Stres Kerja (X)
terhadap Kinerja Pegawai (Y)

2. Sebaliknya, jika nilai t hitung lebih kecil < dari t tabel maka tidak ada Pengaruh
Stres Kerja (X) terhadap Kinerja Pegawai (Y)

Output SPSS (coefficients)

Berdasarkan output di atas diketahui nilai t hitung sebesar -4,418. Karena nilai t hitung
sudah ditemukan, maka langkah selanjunya kita akan mencari nilai t tabel. Adapun
rumus dalam mencari t tabel adalah:

Nilai a / 2 = 0,05 / 2 = 0,025

Derajad kebebasan (df) = n – 2 = 12 – 2 = 10
Nilai 0,025 ; 10 kemudian kita lihat pada distribusi nilai t tabel (Download distribusi nilai t
tabel), maka di dapat nilai t tabel sebesar 2,228

Karena nilai t hitung sebesar -4,418 lebih besar dari > 2,228, sehingga dapat
disimpulkan bahwa H0 ditolak dan Ha diterima, yang berarti bahwa “Ada Pengaruh
Stres Kerja (X) terhadap Kinerja Pegawai (Y)”. [nilai t hitung -4,418 dianggap lebih
besar dari nilai t tabel 2,228 dalam analisis regresi liner sederhana [Pengertian ini, akan
lebih jelas jika saya gambarkan dengan kurva uji t dalam analisis regresi linear
sederhana dibawah ini]

Catatan: Uji t dapat menjadi alternatif uji hipotesis jika nilai signifikansi hasil SPSS tepat
di angka 0,05

UJI HIPOTESIS DENGAN MELIHAT KURVA REGRESI

Pengujian menggunakan kurva regresi akan bermanfaat jika nilai t hitung ditemukan
negatif (-) yakni -4,418. Simak dengan teliti kurva regresi di bawah ini

Berdasarkan kurva di atas diketahui bahwa nilai t hitung sebesar-4,418 terletak pada
area pengaruh negatif, sehingga dapat disimpulkan bahwa “Ada Pengaruh Negatif
Stres Kerja (X) terhadap Kinerja Pegawai (Y)”.

MELIHAT BESARNYA PENGARUH VARIABEL X TERHADAP Y

Untuk mengetahui besarnya pengaruh Stres Kerja (X) terhadap Kinerja Pegawai (Y)
dalam analisis regresi linear sederhana, kita dapat berpedoman pada nilai R Square
atau R2 yang terdapat pada output SPSS bagian Model Summary

Dari output di atas diketahui nilai R Square sebesar 0,661. Nilai ini mengandung arti
bahwa pengaruh Stres Kerja (X) terhadap Kinerja Pegawai (Y) adalah sebesar 66,1 %
sedangkan 33,9% Kinerja Pegawai dipengaruhi oleh variabel yang lain yang tidak
diteliti.

KESIMPULAN DARI UJI ANALISIS REGRESI LINEAR SEDERHANA

Merujuk pada membahasan di atas, maka dapat kita simpulkan bahwa “Stres Kerja (X)
berpengaruh negatif terhadap Kinerja Pegawai (Y) dengan total pengaruh sebesar 66,1
%. Pengaruh negatif ini bermakna semakin menurunnya stres kerja seorang karyawan
(pegawai) maka akan berpengaruh terhadap peningkatan kinerja pegawai tersebut.

Perlu anda cermati bahwa uji analisis regresi linear sederhana digunakan untuk satu
variabel bebas (X). sementara jika anda menggunakan lebih dari satu variabel bebas
(X) maka uji yang ideal untuk anda lakukan adalah Uji Analisis Regresi Linear Berganda

Demikian pembahasan kita kali ini semoga Panduan Lengkap Uji Analisis Regresi
Linear Sederhana dengan SPSS dapat bermanfaat, jika ada pertanyaan atau koreksi
atas penduan di atas silahkan untuk berkomentar di bawah ini.. terimakasih

[Search: