Regresi Linear Sederhan 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:

Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel bebas.
Menguji hipotesis karakteristik dependensi
Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample.

Tutorial Regresi Linear Sederhana dengan SPSS

1. Buka atau input data yang akan teman teman analisis. Dalam tutorial ini, saya akan menganalisis data data PDRB dan PKRT Provinsi Jakarta dari tahun 2004-2015. untuk melihat apakah adanya pengaruh atau tidaknya variabel x = pkrt sebagai variabel independen terhdap variabel y = pdrb sebgai variabel dependen.

2. Proses dimulai dengan memilih menu Analyze, regression kemudian pilih Linear. maka akan tampil kotak dialog.

3. inputkan variabel x ke kotak dialog dependent, dan variabel y ke kotak dialog independent. kemudia pilih 'ok', stay coll dan akan tampil output atau hasil analisis.

Output Regresi Linear Sederhana dengan SPSS

1. Tabel model summary menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada hasil tersebut nilai korelasi adalah 1. Nilai ini dapat di interpretasikan bahwa hubungan kedua variabel penelitian ada di kategori sangat kuat. 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 0.99 atau 99% yang dapat ditafsirkan bahwa variabel independen X memiliki pengaruh kontribusi sebesar 99% terhadap variabel dependen Y dan 1% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X.

2. Tabel anova digunakan untuk menentukan taraf signifikansi atau melihat apakah adanya pengaruh nyata (signifikan). cara paling mudah untuk melihat adanya pengaruh atau tidak adalah dengan melihat nilai sig. jika nilai sig < alfa (tingkat kesalahan) dengan alfa = 0.05. maka model regresi layak digunakan untuk memprediksi

3. 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 x.

makna hasil uji regresi sederhana

selain menggambar model persamaan regresi, dengan uji t kita bisa mengetahui apakah adanya pengaruh antara variabel atau tidak.

Hipotesis :

Ho = tidak adanya pengaruh antara variabel x= pkrt terhadap variabel y= pdrb.

H1 = adanya pengaruh antara variabel x= pkrt terhadap variabel y= pdrb.

dari output sebelumnyadiketahui nilai t-hitung = 114,056 pada tabel coefficients, dengan nilai sig 0.00<0.05,. maka Ho ditolak, yang berarti adanya pengaruh antara variabel x= pkrt terhadap variabel y= pdrb.