√ Uji Regresi Sederhana Dengan Spss Lengkap

Uji Regresi Sederhana dengan SPSS Lengkap | Analisis regresi sederhana digunakan untuk memprediksi atau menguji dampak satu variabel bebas atau variabel independent terhadap variabel terikat atau variabel dependent. Bila skor variabel bebas diketahui maka skor variabel terikatnya sanggup diprediksi besarnya. Analisis regresi juga sanggup dilakukan untuk mengetahui linearitas variabel terikat dengan variabel bebasnya.

Analisis regresi linear sederhana terdiri dari satu variabel bebas (predictor) dan satu variabel terikat (respon), dengan persamaan :

Y = a + bX

Keterangan :
Y : Variabel terikat
a : Konstanta regresi
bX : Nilai turunan atau peningkatan variabel bebas

DASAR PENGAMBILAN KEPUTUSAN UJI REGRESI SEDERHANA
Pengambilan keptusan dalam uji regresi sederhana sanggup mengacu pada dua hal, yakni dengan membandingkan nilai t hitung dengan t tabel, atau dengan membandingkan nilai signifikansi dengan nilai probabilitas 0,05.

Membanginkan nilai t hitung dan t tabel:

1. Jika nilai t hitung lebih besar dari nilai t tabel, artinya variabel bebas kuat terhadap variabel terikat.
2. Jika nilai t hitung tidak lebih besar dari nilai t tabel, artinya variabel bebas tidak kuat terhadap variabel terikat.

Membandingkan nilai signifikansi dengan probabilitas 0,05:

1. Jika nilai signifikansi tidak lebih dari nilai probabilitas 0,05, artinya variabel bebas kuat secara signifikan terhadap variabel terikat.
2. Jika nilai signifikansi lebih dari nilai probabilitas 0,05, artinya variabel bebas tidak kuat secara signifikan terhadap variabel terikat.

Setelah mengetahui tujuan dan dasar pengambilan keputusan dalam uji regresi sederhana, selanjutnya kita masuk praktek uji regresi sederhana dengan memakai rujukan penelitian dibawah ini.

Contoh Judul Penelitian : Pengaruh Trust (Kepercayaan) pada calon presiden terhadap partisipasi dalam pemilihan umum.

Identifikasi variabel penelitian : Variabel bebas (X) yaitu Trust, sedangkan variabel terikat (Y) yaitu Partisipasi.

Sebaiknya untuk latihan teman d0wnl0ad dulu data variabel X dan Y yang saya gunakan untuk praktek dalam artikel ini : DOWNLOAD DATA

LANGKAH-LANGKAH UJI REGRESI SEDERHANA DENGAN SPSS
1. Buka data penelitian yang sudah teman di atas, tampilan datanya sebagaimana gambar di bawah ini.

2. Dari sajian SPSS, pilih sajian Analyze, kemudian regression, kemudian klik Linear. Maka akan muncul kotak obrolan sebagai berikut:

3. Masukkan varibel Partisipasi ke kolom Dependent, dan masukkan variabel Trust ke kolom Independent(s). Pada Method kita pilih metode Enter.

4. Klik Statistics, kemudian berikan tanda pada Estimates dan Model Fit, Kemudian Klik Continue.. Terakhir klik Ok untuk mengakhiri perintah.



OUTPUT SPSS DAN PENJELASANNYA :



Output Bagian Pertama (Variabel Entered/removed) : Tabel di atas menjelaskan perihal variabel yang dimasukkan atau dibuang dan metode yang digunakan. Dalam hal ini variabel yang dimasukkan yaitu variabel nilai Trust sebagai predictor dan metode yang digunakan yaitu metode Enter.



Output Bagian Kedua (Model Summary) : Tabel di atas menjelaskan besarnya nilai korelasi/ hubungan (R) yaitu sebesar 0,463 dan dijelaskan besarnya prosentase dampak variabel bebas terhadap variabel terikat yang disebut koefisien determinasi yang merupakan hasil dari penguadratan R. Dari output tersebut diperoleh koefisien determinasi (R2) sebesar 0,215, yang mengandung pengertian bahwa dampak variabel bebas (Trust) terhadap variabel terikat (Partisipasi) yaitu sebesar 21,5%, sedangkan sisanya dipengaruhi oleh variabel yang lain.



Output pecahan Ketiga (ANOVA) : Pada pecahan ini untuk menjelaskan apakah ada dampak yang konkret (signifikan) variabel Trust (X) terhadap Variabel Partisipasi (Y). Dari output tersebut terlihat bahwa F hitung = 13,951 dengan tingkat signifikansi / Probabilitas 0,000 < 0,05, maka model regresi sanggup digunakan untuk memprediksi variabel partisipasi



Output Bagian Keempat (Coefficients) : Pada tabel Coefficients, pada kolom B pada Constant (a) yaitu 9,481, sedang nilai Trust (b) yaitu 0,438, sehingga persamaan regresinya sanggup ditulis :

Y = a + bX atau 9,481 + 0,438X

Koefisien b dinamakan keofisien arah regresi dan menyatakan perubahan rata-rata variabel Y untuk setiap perubahan variabel X sebesar satu satuan. Perubahan ini merupakan pertabahan bila b bertanda positif dan penurunan bila b bertanda negatif. Sehingga dari persamaan tersebut sanggup diterjemahkan :

1. Kostanta sebesar 9,481 menyatakan bahwa jikalau tidak ada nilai Trust maka nilai Partisipasi sebesar 9,481.
2. Koefisien regresi X sebesar 0,438 menyatakan bahwa setiap penambahan 1 nilai Trust, maka nilai Partisipasi bertambah sebesar 0,438

MAKNA HASIL UJI REGRESI SEDERHANA
Selain mengganbarkan persamaan regresi output ini juga menampilan uji signifikansi dengan uji t yaitu untuk mengetahui apakah ada dampak yang konkret (signifikan) variabel Trust (X) sendiri (partial) terhadap variabel Partispasi (Y).

HIPOTESIS :

1. Ho : Tidak ada dampak yang konkret (signifikan) variabel Trust (X) terhadap variabel Partispasi (Y).
2. H1 : Ada dampak yang konkret (signifikan) variabel Trust (X) terhadap variabel Partispasi (Y).

Dari output di atas sanggup diketahui nilai t hitung = 3,735 dengan nilai signifikansi 0,000 < 0,05, maka Ho ditolak dan H1 diterima, yang berarti Ada dampak yang konkret (signifikan) variabel Trust (X) terhadap variabel Partispasi (Y).

Maaf yaw temen-temen jikalau penjelasannya panjaaaaaAAAAAng sekali, selamat mencoba, dan agar berhasil..

Catatan-untuk memperjelas pemahaman teman ada baiknya simak video berikut : Video Uji Regresi Linear Sederhana dengan SPSS Sangat Detail

[Search : Uji Regresi Sederhana dengan SPSS Lengkap, Langkah-langkah Analisis Regresi Sederhana SPSS, Dasar pengambilan keputusan dalam uji Regresi Sederhana SPSS, uji t dalam analisis regresi sederhana]

[Img : Arsip Admin dari Program SPSS versi 21]
[Source : Widiyanto, Joko. 2012. SPSS For Windows. Surakarta: Badan Penerbit-FKIP Universitas Muhammadiyah Surakarta]

Lihat Juga: VIDEO Uji Regresi Sederhana dengan SPSS

Sumber http://www.konsistensi.com