Pengujian Regresi Linear Menggunakan SPSS beserta Interpretasinya
Uji regresi adalah salah satu teknik analisis statistika yang digunakan untuk menguji hubungan antara satu atau lebih variabel independen (variabel prediktor) dengan satu variabel dependen (variabel respons) dalam sebuah model regresi. Tujuan dari uji regresi adalah untuk menentukan seberapa kuat hubungan antara variabel independen dan variabel dependen, dan untuk menentukan apakah hubungan tersebut signifikan secara statistik.
Uji regresi dapat
dilakukan dengan menggunakan beberapa metode, termasuk regresi linier
sederhana, regresi linier berganda, dan regresi logistik. Dalam uji regresi,
data dipetakan ke dalam suatu model matematis yang menggambarkan hubungan
antara variabel independen dan variabel dependen. Kemudian, model tersebut
diuji untuk melihat seberapa baik model tersebut dapat menjelaskan variasi
dalam data.
Dalam uji regresi,
beberapa statistik penting yang digunakan untuk mengevaluasi hubungan antara
variabel independen dan variabel dependen meliputi:
· Koefisien determinasi (R-squared), yang mengukur seberapa besar
variasi dalam variabel dependen dapat dijelaskan oleh variasi dalam variabel
independen.
· Koefisien regresi, yang menunjukkan besarnya pengaruh setiap
variabel independen terhadap variabel dependen.
· Statistik uji F, yang digunakan untuk menguji signifikansi model
secara keseluruhan.
· Statistik uji t, yang digunakan untuk menguji signifikansi koefisien
regresi.
Regresi linier sederhana,
regresi linier berganda, dan regresi logistik adalah teknik analisis statistika
yang berbeda, meskipun semuanya digunakan untuk menganalisis hubungan antara
variabel independen dan variabel dependen.
1. Regresi linier sederhana: Regresi linier sederhana digunakan
ketika hanya ada satu variabel independen yang mempengaruhi variabel dependen.
Dalam regresi linier sederhana, hubungan antara variabel independen dan
variabel dependen dinyatakan dalam bentuk persamaan garis lurus. Tujuannya
adalah untuk menentukan seberapa kuat hubungan antara variabel independen dan
variabel dependen, serta mengukur besarnya pengaruh variabel independen terhadap
variabel dependen.
2. Regresi linier berganda: Regresi linier berganda digunakan
ketika ada lebih dari satu variabel independen yang mempengaruhi variabel
dependen. Dalam regresi linier berganda, hubungan antara variabel independen
dan variabel dependen dinyatakan dalam bentuk persamaan linear yang lebih
kompleks. Tujuannya adalah untuk menentukan seberapa kuat hubungan antara
setiap variabel independen dan variabel dependen, serta mengukur besarnya
pengaruh masing-masing variabel independen terhadap variabel dependen.
3. Regresi logistik: Regresi logistik digunakan untuk menguji
hubungan antara variabel independen dan variabel dependen yang bersifat
kategorikal. Dalam regresi logistik, variabel dependen yang akan diprediksi
adalah variabel kategorikal yang hanya memiliki dua kategori (misalnya, “ya”
atau “tidak”, “benar” atau “salah”, dll.). Hubungan antara variabel independen
dan variabel dependen dinyatakan dalam bentuk fungsi logistik. Tujuannya adalah
untuk menentukan faktor-faktor yang mempengaruhi kemungkinan terjadinya suatu
peristiwa atau kategori variabel dependen.
Perbedaan antara ketiga jenis regresi ini terletak pada jumlah dan jenis variabel independen dan jenis variabel dependen yang digunakan. Pemilihan jenis regresi yang tepat harus didasarkan pada jenis data yang dianalisis dan tujuan analisis tersebut.
Berikut ini adalah langkah-langkah untuk melakukan regresi linier sederhana, regresi linier berganda, dan regresi logistik dengan menggunakan SPSS:
1. Regresi Linier Sederhana a. Buka program SPSS dan masukkan data
yang akan dianalisis. b. Pilih menu “Analyze” di toolbar utama dan klik
“Regression” > “Linear”. c. Pada jendela “Linear Regression”, pilih variabel
dependen dan variabel independen yang ingin dianalisis dengan mengklik tombol
“Dependent” dan “Independent” dan pindahkan variabel tersebut ke kotak
“Variables” di sebelah kanan jendela. d. Klik tombol “Statistics” dan pilih
koefisien regresi dan uji asumsi klasik untuk dianalisis. e. Klik tombol “OK”
untuk menampilkan hasil analisis regresi linier sederhana
2. Regresi Linier Berganda a. Buka program SPSS dan masukkan data
yang akan dianalisis. b. Pilih menu “Analyze” di toolbar utama dan klik
“Regression” > “Linear”. c. Pada jendela “Linear Regression”, pilih variabel
dependen dan beberapa variabel independen yang ingin dianalisis dengan mengklik
tombol “Dependent” dan “Independent” dan pindahkan variabel tersebut ke kotak
“Variables” di sebelah kanan jendela. d. Klik tombol “Statistics” dan pilih
koefisien regresi dan uji asumsi klasik untuk dianalisis. e. Klik tombol “OK”
untuk menampilkan hasil analisis regresi linier berganda.
3. Regresi Logistik a. Buka program SPSS dan masukkan data yang
akan dianalisis. b. Pilih menu “Analyze” di toolbar utama dan klik “Regression”
> “Binary Logistic”. c. Pada jendela “Binary Logistic Regression”, pilih
variabel dependen dan variabel independen yang ingin dianalisis dengan mengklik
tombol “Dependent” dan “Independent” dan pindahkan variabel tersebut ke kotak
“Variables” di sebelah kanan jendela. d. Klik tombol “Method” dan pilih metode
penyelesaian yang diinginkan (misalnya, “Enter” atau “Stepwise”). e. Klik
tombol “Statistics” dan pilih koefisien regresi dan uji asumsi klasik untuk
dianalisis. f. Klik tombol “OK” untuk menampilkan hasil analisis regresi logistik.
Demikianlah langkah-langkah melakukan regresi linier sederhana, regresi linier berganda, dan regresi logistik dengan SPSS. Namun, sebelum melakukan analisis regresi, pastikan bahwa data telah memenuhi asumsi dan syarat dari masing-masing jenis regresi untuk menghasilkan hasil analisis yang valid dan dapat dipercaya.
Berikut adalah contoh
interpretasi hasil uji regresi linier sederhana, regresi linier berganda, dan
regresi logistik:
1.
Regresi Linier Sederhana Contoh hasil analisis regresi linier
sederhana:
· Variabel independen: X
· Variabel dependen: Y
·
Koefisien determinasi (R-Square) = 0.75
·
Signifikansi F-test < 0.05
Interpretasi:
·
Variabel independen (X) memiliki hubungan positif yang signifikan
dengan variabel dependen (Y) sebesar 0.75.
· Model regresi linier sederhana ini secara statistik signifikan
dalam menjelaskan hubungan antara variabel independen (X) dan variabel dependen
(Y).
2.
Regresi Linier Berganda Contoh hasil analisis regresi linier
berganda:
·
Variabel dependen: Y
·
Variabel independen: X1, X2, dan X3
·
Koefisien determinasi (R-Square) = 0.85
·
Signifikansi F-test < 0.05
Interpretasi:
· Variabel independen (X1, X2, dan X3) secara bersama-sama
memiliki hubungan positif yang signifikan dengan variabel dependen (Y) sebesar
0.85.
· Model regresi linier berganda ini secara statistik signifikan
dalam menjelaskan hubungan antara variabel independen (X1, X2, dan X3) dan
variabel dependen (Y).
3.
Regresi Logistik Contoh hasil analisis regresi logistik:
·
Variabel dependen: Y (dichotomous)
·
Variabel independen: X1, X2, dan X3
·
Koefisien determinasi (Nagelkerke R-Square) = 0.70
·
Signifikansi Wald test < 0.05
Interpretasi:
· Variabel independen (X1, X2, dan X3) secara bersama-sama
memiliki pengaruh yang signifikan terhadap variabel dependen (Y) dalam
menjelaskan kemungkinan kejadian (misalnya, kejadian sakit atau sehat).
· Model regresi logistik ini secara statistik signifikan dalam
menjelaskan hubungan antara variabel independen (X1, X2, dan X3) dan variabel
dependen (Y).
Dalam interpretasi hasil
analisis regresi, penting untuk mengacu pada nilai koefisien determinasi dan
signifikansi uji yang digunakan untuk menentukan kekuatan dan signifikansi
hubungan antara variabel independen dan variabel dependen. Selain itu, perlu
juga melihat nilai koefisien regresi dan confidence interval-nya untuk
mengetahui seberapa besar pengaruh variabel independen terhadap variabel
dependen.
Muhammad Saifrizal
Tidak ada komentar:
Posting Komentar