Kamu sudah klik Analyze → Regression → Linear, dan SPSS mengeluarkan beberapa tabel penuh angka. Sekarang pertanyaannya: angka mana yang penting, dan bagaimana menuliskannya di Bab 4?
Artikel ini membahas tiga tabel utama: Model Summary, ANOVA, dan Coefficients. Contoh model yang dipakai: pengaruh X1, X2, dan X3 terhadap Y.
Sebelum menafsirkan hasil, pastikan uji asumsi klasik sudah dilakukan sesuai arahan dosen, terutama normalitas residual. Baca uji normalitas pada residual atau tiap variabel.
1. Tabel Model Summary
Isinya antara lain:
- R — korelasi antara nilai Y sebenarnya dan nilai Y hasil prediksi model.
- R Square (R²) — proporsi variasi Y yang bisa dijelaskan oleh X1, X2, dan X3 bersama-sama. Misalnya R² = 0,62 berarti 62% variasi Y dijelaskan oleh model, sisanya oleh faktor lain di luar model.
- Adjusted R Square — R² yang disesuaikan dengan jumlah variabel independen. Untuk regresi berganda, nilai ini yang lebih sering dilaporkan, karena R² cenderung naik setiap kali variabel ditambah.
- Std. Error of the Estimate — rata-rata besarnya kesalahan prediksi.
Contoh penulisan:
Nilai Adjusted R Square sebesar 0,608 menunjukkan bahwa 60,8% variasi Y dapat dijelaskan oleh X1, X2, dan X3, sedangkan 39,2% sisanya dijelaskan oleh variabel lain di luar model penelitian ini.
2. Tabel ANOVA (uji F)
Tabel ini menguji apakah semua variabel independen secara bersama-sama (simultan) berpengaruh terhadap Y.
- F — nilai F hitung.
- Sig. — nilai signifikansi uji F.
Aturan umumnya: jika Sig. < 0,05, model regresi signifikan, artinya X1, X2, dan X3 secara simultan berpengaruh terhadap Y. Sebagian prodi juga meminta membandingkan F hitung dengan F tabel.
Contoh penulisan:
Hasil uji F menunjukkan nilai F sebesar 45,21 dengan signifikansi 0,000 (< 0,05), sehingga X1, X2, dan X3 secara simultan berpengaruh signifikan terhadap Y.
3. Tabel Coefficients (uji t dan persamaan regresi)
Ini tabel yang paling banyak isinya.
| Kolom | Arti |
|---|---|
| B (Unstandardized) | Koefisien regresi dalam satuan asli. Baris (Constant) adalah konstanta (a). |
| Std. Error | Kesalahan baku koefisien. |
| Beta (Standardized) | Koefisien yang sudah distandardisasi, berguna untuk membandingkan besar pengaruh antarvariabel. |
| t | Nilai t hitung untuk uji parsial. |
| Sig. | Signifikansi uji t tiap variabel. |
| Tolerance & VIF | Muncul kalau Collinearity diagnostics dicentang; untuk uji multikolinearitas. |
Persamaan regresi
Dari kolom B, susun persamaannya:
Y = a + b1X1 + b2X2 + b3X3 + e
Misalnya: Y = 4,215 + 0,342X1 + 0,281X2 + 0,105X3 + e.
Cara menafsirkan:
- Konstanta (4,215): nilai prediksi Y ketika X1, X2, dan X3 bernilai nol. Kadang konstanta tidak bermakna praktis (misalnya skor kuesioner tidak mungkin nol), jadi tafsirkan secukupnya.
- b1 = 0,342: setiap kenaikan satu satuan X1 diikuti kenaikan Y sebesar 0,342 satuan, dengan asumsi variabel lain tetap. Kalimat "dengan asumsi variabel lain tetap" itu penting dan sering terlupa.
- Koefisien negatif berarti hubungannya berlawanan arah.
Uji t (parsial)
Untuk setiap variabel: jika Sig. < 0,05, variabel tersebut berpengaruh signifikan secara parsial terhadap Y. Sesuaikan dengan hipotesismu, termasuk arahnya (positif atau negatif).
Contoh penulisan:
Variabel X1 memiliki nilai t sebesar 4,872 dengan signifikansi 0,000 (< 0,05) dan koefisien positif, sehingga H1 diterima: X1 berpengaruh positif dan signifikan terhadap Y.
Variabel mana yang paling berpengaruh?
Bandingkan nilai Beta (Standardized), bukan B. Nilai B dipengaruhi satuan variabel, sedangkan Beta sudah setara.
Multikolinearitas
Patokan yang sering dipakai: Tolerance > 0,10 dan VIF < 10 berarti tidak terjadi multikolinearitas. Sebagian rujukan memakai batas yang lebih ketat. Ikuti buku acuan prodimu.
Urutan penulisan di Bab 4 yang umum
- Deskripsi responden dan statistik deskriptif variabel.
- Uji validitas dan reliabilitas instrumen.
- Uji asumsi klasik (normalitas, multikolinearitas, heteroskedastisitas, dan lainnya sesuai arahan).
- Persamaan regresi linear berganda.
- Uji F (simultan) dan uji t (parsial).
- Koefisien determinasi (Adjusted R²).
- Pembahasan: kaitkan setiap hasil dengan teori dan penelitian terdahulu.
Urutan ini bisa berbeda antarprodi. Cek pedoman dan skripsi terdahulu di prodimu.
Kesalahan yang sering terjadi
- Melaporkan R² padahal regresi berganda (lebih tepat Adjusted R²).
- Menafsirkan koefisien tanpa "dengan asumsi variabel lain tetap".
- Membandingkan besar pengaruh memakai B, bukan Beta.
- Menulis Sig. 0,000 sebagai "nol". Lebih tepat ditulis p < 0,001.
- Menyalin angka output tanpa menjelaskan artinya untuk penelitianmu.
Pertanyaan yang sering muncul
Kalau uji F signifikan tapi ada uji t yang tidak signifikan? Itu bisa terjadi dan wajar. Model secara keseluruhan bermakna, tapi tidak semua variabel berpengaruh secara parsial. Bahas di pembahasan kenapa variabel itu tidak signifikan.
Boleh menghapus variabel yang tidak signifikan? Jangan dilakukan tanpa dasar. Variabel itu bagian dari hipotesismu, dan hasil tidak signifikan juga temuan yang sah untuk dibahas.
Ingin ditemani membaca output-mu sendiri?
Pembimbing olah data kami bisa menjelaskan setiap angka di output SPSS-mu dan cara menuliskannya, sampai kamu siap menjawab pertanyaan penguji. Pembahasan Bab 4 tetap kamu yang menulis. Lihat layanan olah data.
