Cara Membaca Tabel Regresi

Pada dasarnya tabel regresi SPSS adalah sebagai berikut:

Gambar (1) : Tabel untuk mengetahui tingkat pengaruh variabel

Gambar (2) : Tabel untuk mengetahui keberpengaruhan variabel dan koefisien regresi Tabel dalam SPSS untuk regresi memang ada beberapa, namun hanya dua tabel tersebut yang perlu mendapat perhatian. Perhatikan pada gambar kedua terlebih dahulu. Pada kolom terakhir yaitu pada nilis sig terdapat nilai sig .000, artinya nilai tersebut signifikan karena kurang dari 0,05. Karena signifikan artinya ada pengaruh antara variabel kemahiran proses dan variabel penguasaan kompetensi (pada analisis ini saya menggunakan variabel kemahiran proses sebagai independet variabel untuk penguasaan kompetensi sebagai dependent variabelnya). Kita tidak perlu memahami makna angka lain pada kolom yang sama. Beralih ke gambar ( !, setelah diketahui bah"a kedua variabel saling berpengaruh, maka tahapan berikutnya kita akan men#ari tahu seberapa besar kontribusi yang diberikan variabel kemahiran kepada penguasaan kompetensi. Perhatikan pada kolom $ s%uare di atas& 'isana terdapat angka ,((( artinya bah"a kemahiran memberikan kontribusi sebesar 0,((( atau ((,() terhadap hasil penguasaan kompetensi. *rtinya

++,,) hasil penguasaan dipengaruhi oleh faktor lain yang tidak terangkum dalam analisis ini. Catatan Pakdhe : dilain "aktu. engenai besar ke!il pengaruh suatu variabel akan saya tulis

Kembali ke gambar ((!, langkah berikutnya adalah mengetahui rumus persamaan regresinya. Se#ara umum persamaan regresi adalah-

Y = a + bX
dengan . adalah variabel dependent, dalam hal ini adalah penguasaan kompetensi, dan / adalah variabel independent, dalam hal ini adalah kemahiran berproses. Sedangkan a dan b adalah nilai konstanta yang di#ari. Catatan Pakdhe : #lasan lengkap mengfenai variabel ada disini. Berdasarkan gambar ((! diketahui nilai #onstant0nya adalah 0 ,102 dan nilai kemahiran berprosesnya adalah 1,505. 'ari keterangan tersebut kita dapat memperoleh persamaan regresi sebagai berikut-

Y = -11 !"# + ! $"$X

*rtinya, ketika sis"a kita memperoleh skor kemahiran sebesar (( maka dapat diprediksi bah"a skor tes penguasaan kompetensi sis"a tersebut adalah -

Y = -11 !"# + ! $"$ % && = -11 !"# + ## 11 = '( ("1

Selamat Bela3ar

Cara menganalisis Regresi linier berganda dengan SPSS 1(%"

4ara menganalisis $egresi linier berganda dengan SPSS +.0 *nalisis regresi digunakan untuk memprediksi pengaruh variabel bebas terhadap variabel terikat. *nalisis regresi 3uga dapat dilakukan untuk mengetahui kelinieritas variabel terikat dengan varibel bebasnya, selain itu 3uga dapat menun3ukkan ada atau tidaknya data yang outlier atau data yang ekstrim. *nalisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau lebih variabel independen. 5isalnya dalam suatu kegiatan penelitian ingin diketahui apakah variabel / (Se6 dan 7ilai harian ! berpengaruh terhadap variabel . (nilai rapot!. 'ata penelitian adalah sebagai berikut)ama 8'50 8'50( 8'509 8'501 Se* ( )ilai harian 1 7ilai $apot 50 : ,0 +: :, ,: +, ,0

8'505 8'50: 8'50+ 8'50, 8'502 8'5 0 8'5 8'5 ( 8'5 9 8'5 1 8'5 5

( ( ( ( (

10 +9 ,: ++ 52 5: :: ,0 +( 25 ,9

+: +1 +0 ,0 +: ,5 :0 :2 ,2 20 ,,

Keterangan se6- ;laki0laki, (;perempuan

<angkah0langkah menganalisis menggunakan spss +.0 adalah sebagai berikut. Buka lembar ker3a SPSS (. Buat semua keterangan variabel di variable vie" seperti gambar berikut-

9. Klik 'ata vie" dan masukan data sehingga tampak hasilnya sebagai berikut-

1. <akukan analisis dengan #ara- *nali=e, $egression, <iniear. akan mun#ul dialog seperti gambar berikut> Selan3utnya isilah kotak menu 'ependen dengan variabel terikat, yaitu variabel $apor dan kotak menu independen dengan variabel bebas, yaitu variabel Se6 dan ?arian .

5. Selan3utnya klik kotak menu Statisti#s. Pilih +stimates ,escri-ti.es dan M/del 0it lau klik 4ontinue. Tampilan mun#ul seperti berikut

:. Kotak menu Pl/ts, berfungsi untuk menampilkan grafik pada analisis regresi. klik kotak menu Plots, kemudian klik 7ormal probanility plot yang terletak pada kotak menu Standardi=ed $esidual plots. Selan3utnya klik 4ontinue. Tampilannya adalah sebagai berikut-

+. Selan3utnya klik C/ntinue. @ntuk melakukan analisis kliklah AK. Beberapa saat kemudian akan keluar outputnya, sebagai berikut-

Regressi/n
B'ataSet C

Cara membaca 1ut-ut tersebut adalah% sebagai berikut: 1% ,eskri-ti0 statistik

'ari output tersebut dapat dilihat rata0rata nilai rapot dari 5 sis"a adalah ++,29 dengan standar deviasi ,,++2 sedangkan rata0rata nilai harian adalah +0,(+ dengan standar deviasi 1,+,: &% 2/relasi

'ari tabel dapat dilihat bah"a besar hubungan antara variabel nilai rapot dengan se6 adalah 00,01( hal ini menun3ukan hubungan negatif. besar hubungan nilai harian dengan nilai rapot adalah 0,(9, yang berarti ada hubungan positif, makin besar nilai harian maka makin tinggi pula nilai rapot. 3% 4ariabel masuk dan keluar

'ari tabel diatas menun3ukan variabel yang dimasukan adalah nilai harian dan se6, sedangkan variabel yang dikeluarkan tidak ada (Dariables $emoved tidak ada! 1.M/del sisaan

Pada tabel diatas angka $ S%uare adalah 0,0:9 yaitu hasil kuadrat dari koefisien korelasi (0,(50 6 0,(50 ; 0,0:9!. Standar Error of the Estimate adalah 2, , , perhatikan pada analisis deskriptif statitik bah"a standar deviasi nilai rapot adalah ,,++2 yang 3auh lebih ke#il dari dari standar error, oleh karena lebih besar daripada standar deviasi nilai rapot maka model regresi tidak bagus dalam bertindak sebagai predi#tor nilai rapot. $% 5n/.a

?ipotesis?o- B ;B(;0 ?a- ada Bi yang tidak nol Pengambilan keputusanFika G hitung H; T tabel atau probabilitas I; 0,05 maka ?o diterima Fika G hitung I T tabel atau probabilitas H 0,05 maka ?o ditolak 'ari tabel diatas dapat dilihat nilai G hitung yaitu 0,10 , sedangkan nilai G tabel dapat diperoleh dengan menggunakan tabel G dengan dera3at bebas (df! $esidual (sisa! yaitu ( sebagai df penyebut dan df $egression (perlakuan! yaitu ( sebagai df pembilang dengan tarap siginifikan 0,05, sehingga diperoleh nilai G tabel yaitu 9,,2. Karena G

hitung (0,10 ! H G tebel (9,,2! maka ?o diterima. Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,:+2 itu berarti probabilitas 0,:+2 lebih dari daripada 0,05 maka ?o diterima. KesimpulanTidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi tidak dapat dipakai untuk memprediksi nilai rapot. 6% 2/e0isien

?ipotesis?o- Bi;0 ?a- ada Bi yang tidak nol , i; atau ( Pengambilan keputusanFika T hitung H; T tabel atau probabilitas I; 0,05 maka ?o diterima Fika T hitung I T tabel atau probabilitas H 0,05 maka ?o ditolak J 4onstant- Berdasarkan tabel diatas, dapat dilihat bah"a nilai T hitung untuk 4onstant yaitu 5,9:0, pada T tabel dengan db ( dan taraf signifikan 0,05 diperoleh ,+,(, karena T hitung I T tabel maka ?o ditolak. sedangkan sig pada tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik (0,0!. JJ Se6- Berdasarkan tabel diatas, dapat dilihat bah"a nilai T hitung untuk Se6 yaitu 00,(++, pada T tabel dengan db ( dan taraf signifikan 0,05 diperoleh ,+,(, karena T hitung H T tabel maka ?o diterima. sedangkan sig pada tabel B adalah 0,+,: yang berarti probabilitas 0,+,:, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti. JJJ ?arian - Berdasarkan tabel diatas, dapat dilihat bah"a nilai T hitung untuk ?arian yaitu 0,,,(, pada T tabel dengan db ( dan taraf signifikan 0,05 diperoleh ,+,(, karena T hitung H T tabel maka ?o diterima. sedangkan sig pada tabel B adalah 0,+,: yang berarti probabilitas 0,925, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu. ; :2,1(2

'ari tabel diatas merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean dan standar deviasi dari predi#ted value (nilai yang diprediksi! dan statisti# residu. (% 2elinieran

Fika residual berasal dari distribusi normal, maka nilai0nilai sebaran data akan terletak sekitar garis lurus, terlihat bah"a sebaran data pada gambar diatas tersebar hampir semua tidak pada sumbu normal, maka dapat dikatakan bah"a pernyataan normalitas tidak dapat dipenuhi. 'emikian dari saya, semoga bermanfaat.

5)578S8S R+9R+S8 ,5) 21R+75S8 S+,+R:5)5 Pengertian - *nalisis regresi merupakan salah satu analisis yang bertu3uan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. 'alam analisis regresi, variabel yang mempengaruhi disebut 8ndependent Dariable (variabel bebas! dan variabel yang dipengaruhi disebut 'ependent Dariable (variabel terikat!. Fika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan 3ika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda. *nalisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi men3adi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan. *nalisis $egresi Sederhana - digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa 3auh perubahan variabel bebas dalam mempengaruhi variabel terikat. 'alam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut - . ; a K b /. Keterangan - . - Dariabel terikat ('ependent Dariable!> / - Dariabel bebas (8ndependent Dariable!> a - Konstanta> dan b - Koefisien $egresi. @ntuk men#ari persamaan garis regresi dapat digunakan

berbagai pendekatan (rumus!, sehingga nilai konstanta (a! dan nilai koefisien regresi (b! dapat di#ari dengan metode sebagai berikut a ; B(L. . L/(! M (L/ . L/.!C N B(7 . L/(! M (L/!(C atau a ; (L.N7! M b (L/N7! b ; B7(L/.! M (L/ . L.!C N B(7 . L/(! M (L/!(C 4ontoh Berdasarkan hasil pengambilan sampel se#ara a#ak tentang pengaruh lamanya bela3ar (/! terhadap nilai u3ian (.! adalah sebagai berikut (nilai u3ian! / (lama bela3ar! /( /. 10 1 : :0 :0 : 9: 9:0 50 + 12 950 +0 0 00 +00 20 9 :2 . +0 L. ; 9 0 L/ ; 10 L/( ; 9+0 L/. ; (.+10 'engan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut a ; B(L. . L/(! M (L/ . L/.!C N B(7 . L/(! M (L/!(C a ; B(9 0 . 9+0! M (10 . (.+10!C N B(5 . 9+0! M 10(C ; (0,1 b b ; B7(L/.! M (L/ . ; B(5 . (.+10! M (10 . L.!C N B(7 9 0C N B(5 . . L/(! M 9+0! M 10(C (L/!(C ; 5,1

Sehingga persamaan regresi sederhana adalah . ; (0,1 K 5,( / Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diketahui bah"a - ! <amanya bela3ar mempunyai pengaruh positif (koefisien regresi (b! ; 5,(! terhadap nilai u3ian, artinya 3ika semakin lama dalam bela3ar maka akan semakin baik atau tinggi nilai u3iannya> (! 7ilai konstanta adalah sebesar (0,1, artinya 3ika tidak bela3ar atau lama bela3ar sama dengan nol, maka nilai u3ian adalah sebesar (0,1 dengan asumsi variabel0variabel lain yang dapat mempengaruhi dianggap tetap. *nalisis Korelasi (r! - digunakan untuk mengukur tinggi redahnya dera3at hubungan antar variabel yang diteliti. Tinggi rendahnya dera3at keeratan tersebut dapat dilihat dari koefisien korelasinya. Koefisien korelasi yang mendekati angka K berarti ter3adi hubungan positif yang erat, bila mendekati angka M berarti ter3adi hubungan negatif yang erat. Sedangkan koefisien korelasi mendekati angka 0 (nol! berarti hubungan kedua variabel adalah lemah atau tidak erat. 'engan demikian nilai koefisien korelasi adalah M O r O K . @ntuk koefisien korelasi sama dengan M atau K berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan hal ini sangat 3arang ter3adi dalam data riil. @ntuk men#ari nilai koefisen korelasi (r! dapat digunakan rumus sebagai berikut - r ; B(7 . L/.! M (L/ . L.!C N PQB(7 . L/(! M (L/!(C . B(7 . L.(! M (L.!(CR 4ontoh Sampel yang diambil se#ara a#ak dari 5 mahasis"a, didapat data nilai Statistik dan 5atematika sebagai berikut Sampel / (statistik! . (matematika! /. /( .( ( 9 : 1 2 ( 5 1 (0 (5 : 9 9 1 ( 2 : 1 + , 5: 12 :1 5 , 2 +( :1 , Fumlah (5 (, :: 5 ,: r ; B(7 . L/.! M (L/ . L.!C N PQB(7 . L/(! M (L/!(C . B(7 . L.(! M (L.!(CR r ; B(5 . ::! M ((5 . (,! N PQB(5 . 5 ! M ((5!(C . B(5 . ,:! M ((,!(CR ; 0,21 7ilai koefisien korelasi sebesar 0,21 atau 21 ) menggambarkan bah"a antara nilai

statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu 3ika mahasis"a mempunyai nilai statistiknya baik maka nilai matematikanya 3uga akan baik dan sebaliknya 3ika nilai statistik 3elek maka nilai matematikanya 3uga 3elek. C1)T1: 25S;S 5)578S8SR+9R+S8 ,5) 21R+75S8 S+,+R:5)5 Seorang peneliti ingin mengetahui pengaruh dari tinggi badan terhadap berat badan. @ntuk kebutuhan penelitian tersebut diambil sampel se#ara a#ak sebanyak 0 orang untuk diteliti. ?asil pengumpulan data diketahui data sebagai berikut -

Berdasarkan data tersebut di atas . ?itunglah nilai a dan b untuk persamaan regersi linier sederhana (. Fika hipotesis penelitian menyatakan bah"a Stinggi badan seseorang berpengaruh terhadap berat badan seseorangT, u3ilah hipotesis tersebut dengan menggunakan @3i T dan @3i G (tingkat keyakinan sebesar 25)! 9. ?itunglah nilai r dan koefisien determinasi 1. Bagaimana kesimpulannya. Fa"ab ?ipotesis penelitian - Tinggi Badan berpengaruh terhadap Berat Badan Seseorang (karena hanya dikatakan berpengaruh maka menggunakan u3i dua arah!. Fika . - Berat Badan Seseorang dan / - Tinggi Badan Seseorang, maka untuk mendapatkan nilai a dan b untuk persamaan regersi linier sederhana -

Berdasarkan hasil pengolahan data tersebut di atas maka dapat dibuat persamaan regresi linier sederhana - . ; 0 +9,+(01 K 0,, 2:5+ / @ntuk mengu3i hipotesis se#ara parsial digunakan @3i T, yaitu ?ipotesis Statistik adalah ?o - b ; 0 dan ?a - b U 0 (disebut u3i dua arah!

7ilai T hitung adalah - bNSb ; 0,, 2:5+N0,055(5:+9 ; 1,,99: 929(:9, ; 1,,91 7ilai T tabel dengan df - 0 M ( ; , dan V W ; (,5) (u3i dua arah! sebesar X (,90: Karena nilai T hitung lebih besar dari pada T tabel atau 1,,91 I (,90: maka ?o ditolak, ?a diterima dan hipotesis penelitian yang menyatakan bah"a Tinggi Badan berpengaruh terhadap Berat Badan Seseorang adalah dapat diterima (dapat dikatakan signifikan se#ara statistik!. Sedangkan untuk mengu3i se#ara serempak digunakan @3i G, yaitu diperoleh G hitung ; 9 .,+1,2, dan @ntuk nilai G tabel dengan df - k 0 > n M k ; > , dan W - 5) sebesar 5,9(. Karena nilai G hitung lebih besar dari G tabel atau 9 .,+1,2, I 5,9( maka ?o ditolak, ?a diterima dan hipotesis penelitian yang menyatakan bah"a Tinggi Badan berpengaruh terhadap Berat Badan Seseorang adalah dapat diterima.

@ntuk nilai r (korelasi! adalah sebesar 0,2,( dan koefisien determinasi (r kuadrat! sebesar 0,2:1. Berdasarkan hasil nilai koefisien korelasi maka dapat dikatakan bah"a hubungan antara variabel independen (Tinggi Badan! dengan variabel dependen (Berat Badan! mempunyai hubungan yang kuat karena nilai r sebesar 2,,() tersebut sangat mendekati nilai 00). Sedangkan berdasarkan nilai r kuadrat sebesar 2:,1) menggambarkan bah"a sumbangan variabel independen (Tinggi Badan! terhadap naik turunnya variabel dependen (Berat Badan! sebesar 2:,1) sedangkan sisanya merupakan sumbangan dari variabel lain yang tidak dimasukkan dalam model. 2esim-ulannya : Berdasarkan hasil pengu3ian hipotesis, baik @3i T maupun @3i G, diketahui bah"a Dariabel Tinggi Badan Seserorang berpengaruh terhadap Dariabel Berat Badan Seseorang dan pengaruhnya bersifat positif (nilai koefisien regresinya sebesar 0,, 2:5+!, artinya 3ika seseorang mempunyai tinggi badan semakin tinggi maka akan meningkatkan berat badannya (dan sebaliknya!. Berdasarkan nilai koefisien regresi tersebut dapat diketahui bah"a 3ika tinggi badan meningkat sebesar 0) maka berat badan akan meningkat ,,(). Sedangkan berdasarkan nilai koefisien korelasi dan koefisien determinasi diketahui bah"a variabel independen (Tinggi Badan! mempunyai hubungan yang kuat dan mempunyai sumbangan yang #ukup besar terhadap variabel dependen (Berat Badan!.