Sederhana.co.id Semua Serba Sederhana
Hello Sobat Sederhana! Kali ini kita akan membahas tentang cara membaca output regresi sederhana di SPSS. Untuk kamu yang sudah melakukan analisis regresi sederhana di SPSS, pasti sudah tidak asing lagi dengan output yang dihasilkan. Namun, bagi yang baru belajar atau masih awam, bisa jadi merasa bingung dan kesulitan membaca hasil output yang dihasilkan oleh SPSS. Oleh karena itu, artikel ini akan memberikan panduan lengkap tentang cara membaca output regresi sederhana di SPSS. Yuk, kita simak bersama-sama!
1. Output Regresi Sederhana SPSS
Sebelum masuk ke pembahasan detail tentang bagaimana membaca output regresi sederhana di SPSS, alangkah baiknya kita pahami terlebih dahulu tentang apa itu output regresi sederhana di SPSS.
Output regresi sederhana di SPSS adalah tampilan hasil analisis regresi sederhana yang dilakukan menggunakan program SPSS. Pada output ini, terdapat berbagai macam informasi dan statistik yang sangat penting untuk dipahami dan diinterpretasikan untuk mendapatkan hasil analisis yang akurat dan tepat.
1.1. Variabel Dependan dan Independen
Sebelum membahas detail tentang output regresi sederhana di SPSS, kita harus pahami dulu tentang variabel dependan dan independen. Variabel dependan adalah variabel yang ingin dijelaskan atau diprediksi, sedangkan variabel independen adalah variabel yang digunakan untuk menjelaskan atau memprediksi variabel dependan.
Contohnya, dalam sebuah penelitian tentang pengaruh pendidikan terhadap penghasilan, maka penghasilan adalah variabel dependan, sedangkan pendidikan adalah variabel independen.
Setelah kita memahami tentang variabel dependan dan independen, kita bisa melanjutkan untuk membahas tentang cara membaca output regresi sederhana di SPSS.
2. Tampilan Output Regresi Sederhana di SPSS
Output regresi sederhana di SPSS terdiri dari beberapa tabel dan informasi statistik. Berikut ini adalah contoh tampilan output regresi sederhana di SPSS:
| Model Summary | |
|---|---|
| R | 0.776 |
| R Square | 0.603 |
| Adjusted R Square | 0.584 |
| Std. Error of the Estimate | 0.566 |
Pada contoh output di atas, terdapat tabel Model Summary. Tabel ini menampilkan informasi statistik tentang model regresi sederhana yang telah diuji. Berikut ini adalah penjelasan dari tiap baris pada tabel Model Summary:
2.1. R
R adalah koefisien korelasi antara variabel independen dan dependen. Nilai R berkisar antara -1 hingga 1. Semakin mendekati 1, maka semakin kuat hubungan antara variabel independen dan dependen. Sedangkan, semakin mendekati -1, maka semakin kuat pula hubungan antara variabel independen dan dependen, namun dalam arah yang berlawanan. Bila nilai R adalah 0, maka tidak ada hubungan sama sekali antara variabel independen dan dependen.
Pada contoh output di atas, nilai R adalah 0.776. Hal ini menunjukkan bahwa terdapat hubungan yang kuat antara variabel independen dan dependen.
2.2. R Square
R Square adalah koefisien determinasi. Koefisien determinasi menunjukkan seberapa besar variabilitas variabel dependen dapat dijelaskan oleh variabel independen. Nilai R Square berkisar antara 0 hingga 1. Semakin mendekati 1, maka semakin besar variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen.
Pada contoh output di atas, nilai R Square adalah 0.603. Hal ini menunjukkan bahwa 60.3% variabilitas penghasilan dapat dijelaskan oleh pendidikan.
2.3. Adjusted R Square
Adjusted R Square adalah koefisien determinasi yang telah disesuaikan untuk jumlah sampel dan jumlah variabel independen. Adjusted R Square memiliki nilai yang sama dengan R Square pada saat jumlah sampel dan jumlah variabel independen sama. Namun, bila jumlah sampel dan jumlah variabel independen berbeda, maka nilai Adjusted R Square akan berbeda pula.
Pada contoh output di atas, nilai Adjusted R Square adalah 0.584. Hal ini menunjukkan bahwa 58.4% variabilitas penghasilan dapat dijelaskan oleh pendidikan setelah disesuaikan dengan jumlah sampel dan jumlah variabel independen.
2.4. Std. Error of the Estimate
Std. Error of the Estimate adalah estimasi dari standard deviation dari residual (selisih antara nilai penghasilan yang diukur dan yang diprediksi). Semakin kecil nilai Std. Error of the Estimate, maka semakin baik model yang digunakan untuk memprediksi penghasilan.
Pada contoh output di atas, nilai Std. Error of the Estimate adalah 0.566. Hal ini menunjukkan bahwa model regresi sederhana yang digunakan cukup baik untuk memprediksi penghasilan.
3. Tabel Coefficients
Tabel Coefficients menampilkan informasi tentang koefisien regresi sederhana. Berikut ini adalah contoh tampilan tabel Coefficients:
Unstandardized Coefficients |
Standardized Coefficients |
t |
Sig. |
|
|---|---|---|---|---|
B |
0.740 |
0.776 |
8.549 |
0.000 |
Std. Error |
0.087 |
NaN |
NaN |
NaN |
Lower 95% |
0.565 |
0.629 |
NaN |
NaN |
Upper 95% |
0.914 |
0.922 |
NaN |
NaN |
Tabel Coefficients terdiri dari beberapa kolom, yaitu:
3.1. Unstandardized Coefficients
Unstandardized Coefficients adalah koefisien regresi yang tidak distandardisasi. Koefisien ini menunjukkan seberapa besar pengaruh variabel independen terhadap variabel dependen. Semakin besar nilai koefisien, maka semakin besar pula pengaruh variabel independen terhadap variabel dependen.
Pada contoh output di atas, nilai Unstandardized Coefficients untuk pendidikan adalah 0.740. Hal ini menunjukkan bahwa setiap peningkatan satu tahun pendidikan akan meningkatkan penghasilan sebesar 0.740.
3.2. Standardized Coefficients
Standardized Coefficients adalah koefisien regresi yang distandardisasi. Koefisien ini menunjukkan seberapa besar pengaruh variabel independen terhadap variabel dependen dalam satuan standar deviasi. Semakin besar nilai koefisien, maka semakin besar pula pengaruh variabel independen terhadap variabel dependen.
Pada contoh output di atas, nilai Standardized Coefficients untuk pendidikan adalah 0.776. Hal ini menunjukkan bahwa setiap peningkatan satu standar deviasi pendidikan akan meningkatkan penghasilan sebesar 0.776.
3.3. t
t adalah uji statistik untuk koefisien regresi. Semakin besar nilai t, maka semakin signifikan pengaruh variabel independen terhadap variabel dependen.
Pada contoh output di atas, nilai t untuk pendidikan adalah 8.549. Hal ini menunjukkan bahwa pengaruh pendidikan terhadap penghasilan sangat signifikan.
3.4. Sig.
Sig. atau p-value adalah nilai probabilitas dari uji statistik t. Semakin kecil nilai p-value, maka semakin signifikan pengaruh variabel independen terhadap variabel dependen.
Pada contoh output di atas, nilai Sig. untuk pendidikan adalah 0.000. Hal ini menunjukkan bahwa pengaruh pendidikan terhadap penghasilan sangat signifikan.
4. Tabel ANOVA
Tabel ANOVA (Analysis of Variance) menampilkan informasi tentang uji signifikansi dari model regresi sederhana. Berikut ini adalah contoh tampilan tabel ANOVA:
| ANOVA | |||
|---|---|---|---|
| Sum of Squares | df | Mean Square | |
| Regression | 124.058 | 1 | 124.058 |
| Residual | 81.826 | 98 | 0.835 |
| Total | 205.884 | 99 | |
Tabel ANOVA terdiri dari beberapa kolom, yaitu:
4.1. Sum of Squares
Sum of Squares adalah jumlah kuadrat dari selisih antara penghasilan yang diukur dan yang diprediksi oleh model regresi sederhana.
4.2. df
df (degree of freedom) adalah derajat kebebasan. df untuk Regression adalah 1, dan df untuk Residual adalah n-2 (n adalah jumlah sampel).
4.3. Mean Square
Mean Square adalah jumlah kuadrat dibagi dengan df. Mean Square untuk Regression adalah Sum of Squares Regression / df Regression, sedangkan Mean Square untuk Residual adalah Sum of Squares Residual / df Residual.
Pada contoh output di atas, nilai Mean Square untuk Regression adalah 124.058 dan Mean Square untuk Residual adalah 0.835.
Dari tabel ANOVA, kita bisa menghitung nilai F, yaitu:
| ANOVA | ||||
|---|---|---|---|---|
| Sum of Squares | df | Mean Square | ||
| Regression | 124.058 | 1 | 124.058 | |
| Residual | 81.826 | 98 | 0.835 | |
| Total | 205.884 | 99 | ||
| F | 1 | 147.145 | 0.000 | |
Nilai F untuk model regresi sederhana dihitung sebagai Mean Square Regression / Mean Square Residual. Semakin besar nilai F, maka semakin signifikan model regresi sederhana.
Pada contoh output di atas, nilai F adalah 147.145 dan nilai p-value adalah 0.000. Hal ini menunjukkan bahwa model regresi sederhana yang digunakan sangat signifikan dalam memprediksi penghasilan.
5. Kesimpulan
Demikianlah panduan lengkap tentang cara membaca output regresi sederhana di SPSS. Dengan memahami informasi dan statistik yang terdapat pada output regresi sederhana di SPSS, kamu bisa mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen, dan bisa membuat kesimpulan yang lebih akurat dan tepat.
Semoga panduan ini bermanfaat untuk kamu. Jangan lupa untuk selalu berlatih dan mencoba analisis regresi sederhana di SPSS. Sampai jumpa di artikel menarik lainnya!