Regresi Linear Sederhana dengan SPSS

Regresi Linier Sederhana dengan SPSS Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSS menggunakan data regresi yang dipakai seperti…

Regresi Linier 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.

By Anwar Hidayat

This article was last modified on February 3, 2017, 6:28 am

Anwar Hidayat

Founder dan CEO dari Statistikian Sejak 2012. Melayani jasa bantuan olah dan analisis data menggunakan berbagai aplikasi statistik, seperti: SPSS, STATA, Minitab, Eviews, AMOS dan Excel. Silahkan WhatsApp: 08816050259, atau SMS/LINE/Telegram ke: 081373337354. Biaya 100 ribu sd 300 ribu Sesuai Beban. Proses 1 sd 3 Hari Tergantung Antrian.

View Comments

  • pada saat melakukan uji regresi linear, tekan tombol save, lalu centang unstandardized, lanjutkan uji regresi seperti biasa. Setelah itu pada dataset lihat bahwa da ariabel baru namanya RES_1, itu adalah nilai error atau biasa disebut residual.

  • bagaimana cara mengetahui nilai error dalam persamaan analisis regresi linier berganda ketika sudah diolah dalam SPSS?

  • Regresi linear itu salah satu jenis model peramalan. Model peramalan regresi linear dapat digunakan untuk generalisasi atau berguna secara statistik apabila uji f terima H1 atau signifikan. Sedangkan uji t parsial, itu membuktikan apakah sebuah variabel prediktor berpengaruh terhadap variabel response di dalam model dengan memperhatikan variabel prediktor lain di dalam model peramalan tersebut.

  • selamat siang pak,
    maaf pak saya mau tanya. di penelitian saya terdapat 3 variabel dan saya menggunakan uji regresi linear berganda, uji T dan uji F. yang membuat saya bingung hasil uji regresi linear berganda bernilai positif semua tetapi dalam uji T dan uji T semua variabelnya ditolak/ tidak terdapat pengaruh. pertanyaan saya, apakah hasil regresi linear berganda itu juga mencerminkan hasil uji T dan uji F? mohon bapak dapat membantu masalah ini.terima kasih

  • Koefisien Kontingensi adalah uji asosiatif atau uji untuk menilai kekuatan hubungan antara 2 variabel yang berskala data nominal. Oleh karena itu, jika ingin menggunakan koefisien kontingensi, harusnya pernyataan hipotesa anda adalah "Hubungan". Silahkan baca artikel saya tentang Koefisien Kontingensi. Mungkin untuk menjawab pertanyaan anda, silahkan pelajari perihal Regresi Logistik

  • Kalo dalam Linear sederhana dengan SPSS 22 langkah data variabelnya menggunakan Ordinal atau interval ya, mohon pencerahannya, tks

  • selamat malam mas
    ingin bertanya
    kalau untuk hipotesis pengaruh implementasi standar pelayanan terhadap kesalahan pengobatan
    data nominal-nominal
    salah tidak jika saya pakai koefisien kontingensi

  • Nilai e itu adalah error atau bisa dikatakan sebagai kesalahan dalam model. Bisa diartikan bahwa: model regresi itu untuk meramalkan nilai variabel respons berdasarkan nilai-nilai variabel predictor. Namun tingkat peramalan itu tidak seratus persen benar. Nah, selisih antara kebenaran yang 100% dengan prediksi model itulah yang disebut dengan error. Dan error itu tidak perlu dimasukkan nilainya ke dalam persamaan regresi.

  • Linear itu apabila variabel bebas berhubungan secara linear dengan variabel terikat. Atau mungkin bahasa yang mudah dipahami adalah berhubungan (walau tidak selalu yang berhubungan itu linear), tapi setidaknya bisa menggambarkan. Untuk mengetahui lebih detail tentang linearitas, silahkan baca artikel saya tentang: Linearitas Regresi. Sedangkan metode stepwise adalah metode regresi dimana variabel bebas dimasukkan secara satu persatu ke dalam model dan yang bisa dimasukkan adalah variabel yang nilai signifikansi regresi parsialnya < 0,05, kemudian variabel yang sudah dimasukkan apabila nilai signifikansi regresi parsialnya akhirnya berubah dengan adanya penambahan variabel lainnya ke dalam model, serta perubahannya itu nilainya > 0,1 maka variabel tersebut dikeluarkan dari model.

  • pak mau tanya ,,kalau Adjusted R negtif gimana cara supaya positif ??? dari jwbn bpk diatas katanya harus memilah variabel bebas yang linier saja. Pertanyaannya variabel bebas yg linear itu yang bagaimana pak ? sklian minta penjelasan soal metode stepwise pak .

  • Mas mau tanya. Jika variabel Dependen (Y) ada 3 sedangkan Independen (X) cuman 1 gimana? Apakah bisa di uji F simultan?

  • ass..mau tanya mas kalo hasil di output spssny ada Huruf E kayak gini 517E15 maksudnya apa salah atau benar pengujian saya ?

    • Wass. Itu notasi scientific. Misal 517E15 itu artinya 517 x 10 pangkat 15. Jika 517E-15 = 517 x 10 pangkat -15.

  • Pak saya mau bertanya.. Saya sudah melakukan uji regresi sederhana dengan 2 variable dependent.
    Untuk hasil uji t untuk y1 adalah sig: 0.011 , t=3.311, a= 0.331 dan b = 0.000 dengan t table=2.04841 yang saya tanyakan kenapa konstanta untuk b hasilnya bisa 0.000 terdapat kesalahan dimana ya pak??

    Untuk hasil uji t y2 adalah sig=0.296, t=-1.118, a=3.422, dan b=7.859E-5.. Cara membacanya seperti apa ya pak??

  • Pak sya mempunyai judul skripsi pengaru e-filing terhadap kepatuhan wajib pajak pada kanwil djp. Sampelnya kpp yg terdaftar d kanwil yg mau sya tanyakan, dospem 1 sya bilang yg sya gunakan adalah uji beda sebelum dan setelah e-filing. Tpi dospem 2 sya sya harus menggunakan analisi regresi. Jdi yg mna yg sya ikuti. Terima kasih

    • Bisa sama-sama benar, namun yang tepat adalah yang sesuai dengan bentuk hipotesisnya atau tujuan penelitiannya. Jika ingin menilai perbedaan maka gunakan uji beda. Sedangkan jika ingin membuat model peramalan maka gunakan uji regresi.

  • Mas, mau nanya, untuk mengatasi standar error yang terlalu besar itu gimana ya? Setau saya kan standat error merupakan simpangan baku dari rata-rata masing-masing variabel. Nah angka dari variabel satu dengan yang lain kan beda jauh. Misalnya produksi ikan sebanyak 35000 kg (Y) dengan jumlah ABK 5 orang (X1) dan jumlah trip penangkapan sebanyak 35 trip (x2). Cara menyeragamkannya bagaimana ya?

    • Tidak ada masalah dengan model anda tersebut. Sebab standar error of estimate dari regresi itu nantinya dibandingkan dengan standar deviasi variabel terikat. Baik tidaknya model regresi dapat dilihat dari perbandingan antara standar error of estimate dengan standar deviasi variabel terikat. Jika standar error of estimate

Recent Posts

Pengertian Simple Random Sampling, Jenis dan Contoh

Pengertian Simple Random Sampling, Jenis dan Contoh Pengertian Simple Random Sampling Dalam kesempatan ini akan kami coba sharing tentang pengertian…

3 hari ago

Penjelasan dan Tutorial Regresi Linear Berganda

Penjelasan dan Tutorial Regresi Linear Berganda Dalam kesempatan ini, saya akan coba menjelaskan tentang Regresi Linear Berganda serta tutorial regresi…

2 bulan ago

Cara Hitung Rumus Slovin Besar Sampel

Cara Perhitungan Rumus Slovin Besar Sampel Minimal Pengertian Rumus Slovin Rumus Slovin adalah sebuah rumus atau formula untuk menghitung jumlah…

2 bulan ago

F Tabel Lengkap Beserta Cara Mencari dan Membacanya

F Tabel Lengkap Selamat pagi, siang atau malam wahai semua pengunjung dan pecinta statistikian.com. Dalam kesempatan ini saya akan menjelaskan…

3 bulan ago

Tutorial Uji Regresi Ordinal dengan SPSS

Tutorial Analisis Regresi Ordinal dengan SPSS Berikut dalam artikel kali ini akan kita bahas bagaimana cara melakukan uji regresi ordinal…

6 bulan ago

Contoh Penelitian Bisnis dengan Regresi Linear

Contoh Penelitian Bisnis Menggunakan Uji Regresi Linear Berganda Contoh penelitian bisnis ini adalah salah satu contoh penelitian yang biasa digunakan…

8 bulan ago