Cara Uji Regresi Linier Berganda di SPSS 25 (Langkah demi Langkah)

Dalam penelitian kuantitatif, kita sering ingin mengetahui apakah beberapa faktor memiliki hubungan dengan suatu hasil tertentu. Misalnya, apakah motivasi dan minat belajar berkaitan dengan prestasi mahasiswa? Untuk menjawab pertanyaan seperti ini, salah satu metode statistik yang dapat digunakan adalah analisis regresi linier berganda.

Regresi linier berganda merupakan metode statistik yang digunakan untuk menganalisis hubungan antara satu variabel dependen (variabel terikat) dan dua atau lebih variabel independen (variabel bebas). Melalui analisis ini, Kawan-kawan dapat melihat arah hubungan, memperkirakan besarnya perubahan nilai variabel terikat, serta menguji signifikansi model dan masing-masing variabel bebas.

Pada artikel ini, saya akan membahas cara melakukan uji regresi linier berganda menggunakan SPSS 25, mulai dari menyiapkan data, menjalankan analisis, memeriksa asumsi regresi, membaca tabel output, hingga menyusun interpretasi hasil untuk skripsi atau laporan penelitian.

1. Memahami Konsep Regresi Linier Berganda

Sebelum membuka SPSS, Kawan-kawan perlu memahami terlebih dahulu tujuan analisis yang akan dilakukan.

Regresi linier berganda digunakan ketika penelitian melibatkan satu variabel terikat dan setidaknya dua variabel bebas. Sebagai contoh, kita ingin menganalisis hubungan motivasi dan minat belajar dengan prestasi mahasiswa.

Dalam contoh tersebut, variabel penelitian dapat disusun sebagai berikut.

• Variabel X1: Motivasi

• Variabel X2: Minat

• Variabel Y: Prestasi

Motivasi dan minat berperan sebagai variabel bebas, sedangkan prestasi menjadi variabel terikat.

Secara umum, persamaan regresi linier berganda dapat ditulis sebagai berikut:

Ŷ = a + b₁X₁ + b₂X₂

Keterangan:

• Ŷ = nilai prediksi variabel terikat

• a = konstanta

• b₁ = koefisien regresi variabel X1

• b₂ = koefisien regresi variabel X2

• X1 = variabel bebas pertama

• X2 = variabel bebas kedua

Jika terdapat lebih dari dua variabel bebas, persamaan tersebut dapat diperluas dengan menambahkan koefisien dan variabel yang sesuai.

Perlu diingat, regresi linier berganda tidak otomatis membuktikan hubungan sebab-akibat. Interpretasi hasil harus mempertimbangkan desain penelitian, cara pengumpulan data, variabel yang dimasukkan ke dalam model, serta asumsi statistik yang relevan.

2. Persiapan Data dan Pemeriksaan Asumsi Regresi

Sebelum menjalankan analisis regresi linier berganda di SPSS 25, pastikan data penelitian sudah tersusun dengan benar.

Setiap baris umumnya mewakili satu responden atau satu unit pengamatan, sedangkan setiap kolom berisi satu variabel penelitian. Periksa kembali apakah data kosong, salah input, atau nilai yang tidak wajar dapat memengaruhi hasil analisis.

Selain itu, model regresi linier berganda memiliki sejumlah asumsi yang perlu diperiksa sesuai karakteristik data dan tujuan penelitian.

A. Uji Normalitas Residual

Uji normalitas bertujuan memeriksa apakah residual model regresi memiliki distribusi yang mendekati normal. Residual adalah selisih antara nilai aktual dan nilai prediksi model.

Pemeriksaan dapat dilakukan menggunakan histogram residual, normal P-P Plot, atau pengujian statistik seperti Kolmogorov-Smirnov sesuai kebutuhan.

Jika menggunakan uji statistik dengan taraf signifikansi 0,05, nilai Sig. lebih besar dari 0,05 umumnya berarti tidak terdapat cukup bukti untuk menolak hipotesis normalitas. Namun, hasil ini tidak membuktikan bahwa residual pasti berdistribusi normal. Ukuran sampel dan pemeriksaan grafik juga perlu dipertimbangkan.

B. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk mengetahui apakah terdapat hubungan linear yang terlalu kuat di antara variabel-variabel bebas dalam model.

Salah satu cara pemeriksaannya adalah melihat nilai Tolerance dan Variance Inflation Factor (VIF) pada tabel Coefficients.

Pedoman praktis yang sering digunakan adalah:

• Tolerance lebih besar dari 0,10.

• VIF kurang dari 10.

Kriteria tersebut merupakan pedoman umum, bukan batas mutlak untuk semua penelitian. Nilai yang mendekati batas perlu ditafsirkan dengan mempertimbangkan konteks model.

C. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan memeriksa apakah varians residual relatif konstan pada berbagai tingkat nilai prediksi.

Pemeriksaan dapat dilakukan menggunakan scatterplot antara residual dan nilai prediksi, atau melalui metode pengujian tertentu seperti uji Glejser.

Dalam uji Glejser, nilai Sig. di atas 0,05 umumnya diinterpretasikan sebagai tidak ditemukannya bukti statistik yang cukup mengenai heteroskedastisitas berdasarkan pengujian tersebut. Namun, hasil ini tidak menjamin bahwa seluruh masalah heteroskedastisitas telah teratasi.

D. Uji Linearitas dan Independensi Residual

Hubungan antara variabel bebas dan variabel terikat perlu sesuai dengan bentuk linear yang diasumsikan model. Kawan-kawan dapat memeriksa pola hubungan dan residual untuk menilai apakah bentuk model sudah memadai.

Independensi residual juga perlu diperhatikan. Untuk data runtun waktu (time series), pemeriksaan autokorelasi, misalnya menggunakan statistik Durbin-Watson, dapat menjadi bagian dari evaluasi model. Pada data lain, cara pemeriksaannya perlu disesuaikan dengan desain pengumpulan data.

Catatan penting: Tidak semua penelitian harus menggunakan daftar uji asumsi yang persis sama. Pemeriksaan yang diperlukan bergantung pada desain penelitian, jenis data, dan tujuan analisis. Regresi linier berganda juga tidak mensyaratkan semua variabel bebas berdistribusi normal; asumsi normalitas dalam inferensi klasik berkaitan dengan residual model.

3. Langkah-Langkah Uji Regresi Linier Berganda di SPSS 25

Setelah data siap, kita dapat mulai menjalankan analisis regresi linier berganda menggunakan SPSS versi 25.

Langkah 1. Masukkan Data ke Variable View dan Data View

Buka aplikasi IBM SPSS Statistics 25.

Pada tab Variable View, buat tiga variabel sesuai contoh penelitian, yaitu:

• X1 untuk Motivasi

• X2 untuk Minat

• Y untuk Prestasi

Pada kolom Name, masukkan nama variabel tanpa spasi. Kolom Label dapat digunakan untuk menuliskan nama lengkap variabel agar lebih mudah dikenali.

Jika variabel diukur menggunakan skor numerik, atur kolom Measure ke Scale sesuai karakteristik datanya.

Setelah itu, pindah ke tab Data View. Masukkan data responden ke dalam kolom yang sesuai. Kawan-kawan juga dapat menyalin data dari Microsoft Excel dan menempelkannya ke SPSS, asalkan urutan kolom dan barisnya sudah benar.

Langkah 2. Buka Menu Regresi Linier

Pada menu utama SPSS 25, klik:

Analyze → Regression → Linear...

SPSS akan menampilkan jendela Linear Regression yang digunakan untuk menentukan variabel dan pengaturan analisis.

Langkah 3. Masukkan Variabel Dependen dan Independen

Pada jendela Linear Regression, masukkan variabel sesuai perannya.

• Masukkan Prestasi (Y) ke kotak Dependent.

• Masukkan Motivasi (X1) dan Minat (X2) ke kotak Independent(s).

Pastikan tidak ada variabel yang tertukar. Variabel dependen merupakan hasil yang ingin dijelaskan atau diprediksi, sedangkan variabel independen merupakan faktor yang dimasukkan ke dalam model.

Untuk analisis regresi berganda dasar, metode Enter dapat digunakan agar semua variabel bebas yang dipilih dimasukkan secara bersamaan ke dalam model.

Langkah 4. Atur Statistik yang Akan Ditampilkan

Klik tombol Statistics... pada jendela Linear Regression.

Untuk memperoleh output yang dibutuhkan, Kawan-kawan dapat mencentang pilihan berikut:

• Estimates, untuk menampilkan estimasi koefisien regresi.

• Model fit, untuk menampilkan informasi kecocokan model, termasuk tabel ANOVA.

• Collinearity diagnostics, untuk memperoleh informasi terkait multikolinearitas, termasuk nilai Tolerance dan VIF pada tabel Coefficients.

Jika ingin memeriksa autokorelasi residual, pilihan Durbin-Watson juga dapat digunakan apabila sesuai dengan desain penelitian.

Setelah selesai memilih pengaturan, klik Continue untuk kembali ke jendela utama.

Langkah 5. Simpan Residual untuk Pemeriksaan Asumsi

Jika Kawan-kawan ingin memeriksa normalitas residual atau heteroskedastisitas melalui grafik, klik tombol Save... pada jendela Linear Regression.

Pada bagian Residuals, pilih Unstandardized atau Standardized sesuai metode pemeriksaan yang akan dilakukan. Pada bagian Predicted Values, pilih nilai prediksi yang diperlukan untuk membuat scatterplot.

Klik Continue setelah pengaturan selesai.

Residual dan nilai prediksi yang disimpan akan muncul sebagai variabel baru di Data View. Nama variabel yang dibuat SPSS dapat berbeda sesuai pilihan penyimpanan.

Langkah 6. Jalankan Analisis Regresi

Setelah semua pengaturan selesai, klik OK.

SPSS akan membuka jendela Output Viewer yang berisi hasil analisis regresi linier berganda.

Beberapa tabel utama yang perlu diperhatikan adalah:

1. Model Summary

2. ANOVA

3. Coefficients

Ketiga tabel tersebut memiliki fungsi berbeda. Model Summary menjelaskan kemampuan model dalam menerangkan variasi variabel terikat, ANOVA digunakan untuk menguji signifikansi model secara keseluruhan, sedangkan Coefficients digunakan untuk menilai koefisien dan signifikansi masing-masing variabel bebas.

4. Cara Membaca Output Regresi Linier Berganda di SPSS 25

Setelah analisis selesai, jangan langsung mengambil kesimpulan hanya dari satu tabel. Kawan-kawan perlu membaca setiap tabel berdasarkan tujuan pengujian.

A. Membaca Tabel Model Summary

Tabel Model Summary menyajikan informasi mengenai kemampuan model regresi dalam menjelaskan variasi variabel terikat.

Dua nilai yang sering diperhatikan adalah R Square dan Adjusted R Square.

R Square (R²) menunjukkan proporsi variasi variabel terikat yang dapat dijelaskan oleh model regresi berdasarkan variabel bebas yang dimasukkan.

Misalnya, hasil analisis menunjukkan nilai R Square sebesar 0,650.

Artinya, model regresi yang menggunakan variabel Motivasi dan Minat dapat menjelaskan sekitar 65% variasi Prestasi pada data yang dianalisis. Sisa 35% merupakan variasi yang tidak dijelaskan oleh model tersebut.

Sisa variasi itu tidak selalu berarti seluruhnya disebabkan oleh variabel lain yang tidak diteliti. Variasi tersebut juga dapat berkaitan dengan kesalahan pengukuran, variasi acak, atau keterbatasan model.

Sementara itu, Adjusted R Square merupakan nilai R Square yang telah disesuaikan dengan jumlah prediktor dan ukuran sampel. Nilai ini sering dipertimbangkan ketika mengevaluasi model yang melibatkan beberapa variabel bebas.

B. Membaca Tabel ANOVA (Uji F)

Tabel ANOVA pada output regresi digunakan untuk menguji apakah model yang memasukkan seluruh variabel bebas secara bersama-sama memberikan penjelasan statistik yang signifikan terhadap variabel terikat.

Dalam contoh ini, pengujian dilakukan untuk melihat apakah Motivasi dan Minat secara bersama-sama berhubungan secara signifikan dengan Prestasi dalam model regresi.

Hipotesis pengujian secara umum adalah:

• H₀: Seluruh koefisien regresi variabel bebas selain konstanta sama dengan nol.

• H₁: Setidaknya ada satu koefisien regresi variabel bebas yang tidak sama dengan nol.

Dengan taraf signifikansi 0,05, pedoman pengambilan keputusan adalah:

• Jika nilai Sig. kurang dari 0,05, H₀ ditolak.

• Jika nilai Sig. lebih besar dari 0,05, H₀ tidak dapat ditolak.

Jika H₀ ditolak, hasilnya menunjukkan bahwa model regresi secara keseluruhan signifikan secara statistik. Namun, hasil uji F tidak berarti semua variabel bebas secara individual pasti signifikan. Untuk melihat hasil masing-masing variabel, periksa tabel Coefficients.

Jika nilai Sig. pada output SPSS tertulis 0,000, laporkan sebagai p < 0,001, bukan p = 0,000.

C. Membaca Tabel Coefficients

Tabel Coefficients merupakan bagian penting dalam analisis regresi linier berganda. Tabel ini memuat koefisien regresi, statistik uji, dan nilai signifikansi untuk masing-masing variabel dalam model.

Beberapa kolom yang perlu diperhatikan adalah:

• Unstandardized Coefficients (B): koefisien yang digunakan untuk menyusun persamaan regresi dalam satuan asli variabel.

• Standardized Coefficients (Beta): koefisien dalam skala standar yang dapat membantu membandingkan hubungan relatif antarvariabel dalam kondisi yang sesuai.

• t: statistik pengujian untuk koefisien masing-masing variabel.

• Sig.: nilai p untuk pengujian koefisien regresi.

• Tolerance dan VIF: informasi yang digunakan untuk memeriksa multikolinearitas.

Nilai Sig. pada setiap variabel digunakan untuk menguji apakah koefisien regresi variabel tersebut berbeda secara statistik dari nol, dengan mempertimbangkan variabel lain dalam model.

Jika nilai Sig. kurang dari 0,05, koefisien tersebut signifikan pada taraf 5%. Jika nilainya lebih besar dari 0,05, bukti statistik belum cukup untuk menyatakan koefisien berbeda dari nol pada taraf tersebut.

5. Cara Membuat Persamaan Regresi dari Output SPSS

Untuk menyusun persamaan regresi, gunakan nilai Unstandardized Coefficients (B) pada tabel Coefficients, bukan nilai Standardized Coefficients (Beta).

Sebagai ilustrasi, misalnya output penelitian menunjukkan nilai berikut:

• Constant = 2,612

• Motivasi (X1) = 0,192

• Minat (X2) = 0,888

Dengan menggunakan angka contoh tersebut, persamaan regresinya adalah:

Ŷ = 2,612 + 0,192X₁ + 0,888X₂

Persamaan ini merupakan ilustrasi cara membaca output. Angka tersebut tidak boleh dianggap sebagai hasil penelitian Kawan-kawan sebelum benar-benar diperoleh dari data yang dianalisis.

Interpretasinya adalah sebagai berikut.

Konstanta sebesar 2,612

Konstanta menunjukkan nilai prediksi Prestasi ketika Motivasi dan Minat bernilai nol. Interpretasi ini perlu mempertimbangkan apakah nilai nol masuk akal dan berada dalam rentang pengamatan variabel penelitian.

Koefisien Motivasi sebesar 0,192

Dengan Minat dianggap tetap, kenaikan satu satuan Motivasi berkaitan dengan kenaikan nilai prediksi Prestasi sebesar 0,192 satuan, berdasarkan model tersebut.

Koefisien Minat sebesar 0,888

Dengan Motivasi dianggap tetap, kenaikan satu satuan Minat berkaitan dengan kenaikan nilai prediksi Prestasi sebesar 0,888 satuan.

Karena kedua koefisien bernilai positif, arah hubungan yang diperkirakan model adalah positif. Namun, arah koefisien saja belum cukup untuk menyatakan bahwa pengaruhnya signifikan secara statistik. Kawan-kawan tetap perlu memeriksa nilai Sig. pada tabel Coefficients.

6. Cara Membaca Uji t (Uji Parsial)

Uji t digunakan untuk menguji koefisien setiap variabel bebas secara individual dengan memperhitungkan variabel bebas lainnya dalam model.

Sebagai contoh ilustrasi, anggap output Coefficients menunjukkan hasil berikut:

• Sig. Motivasi (X1) = 0,395

• Sig. Minat (X2) = 0,006

Dengan taraf signifikansi 0,05, interpretasinya adalah:

1. Motivasi terhadap Prestasi

Nilai Sig. sebesar 0,395 lebih besar dari 0,05. Dengan demikian, koefisien Motivasi tidak signifikan secara statistik pada taraf 5% setelah Minat diperhitungkan dalam model.

Artinya, data belum memberikan bukti statistik yang cukup bahwa koefisien regresi Motivasi berbeda dari nol dalam model tersebut.

2. Minat terhadap Prestasi

Nilai Sig. sebesar 0,006 lebih kecil dari 0,05. Dengan demikian, koefisien Minat signifikan secara statistik pada taraf 5% setelah Motivasi diperhitungkan dalam model.

Jika koefisien B Minat bernilai positif, hasil tersebut menunjukkan hubungan positif yang signifikan secara statistik dalam model yang dianalisis.

Perlu diingat bahwa nilai koefisien dan nilai signifikansi pada contoh ini hanya ilustrasi interpretasi. Untuk menyusun kesimpulan penelitian, gunakan hasil output yang benar-benar diperoleh dari data Kawan-kawan.

7. Ringkasan Cara Membaca Output Regresi SPSS

Berikut ringkasan tiga tabel utama agar lebih mudah diingat.

Tabel Output	Bagian yang Dilihat	Tujuan
Model Summary	R Square dan Adjusted R Square	Menilai proporsi variasi Y yang dijelaskan model
ANOVA	F dan Sig.	Menguji signifikansi model secara keseluruhan
Coefficients	B, t, Sig., Tolerance, dan VIF	Menafsirkan koefisien, menguji masing-masing variabel, serta memeriksa multikolinearitas

Jangan menyamakan R Square dengan uji signifikansi. Nilai R Square menggambarkan kemampuan penjelasan model pada data, sedangkan uji F dan uji t menjawab pertanyaan pengujian statistik yang berbeda.

8. Contoh Penulisan Hasil Regresi untuk Skripsi

Setelah membaca output SPSS, Kawan-kawan perlu menyajikan hasil analisis dalam bentuk narasi yang sesuai dengan angka sebenarnya.

Berikut contoh format penulisan yang dapat disesuaikan:

“Berdasarkan hasil analisis regresi linier berganda, diperoleh nilai R Square sebesar [nilai R Square]. Hasil tersebut menunjukkan bahwa model yang terdiri atas variabel [X1] dan [X2] mampu menjelaskan sebesar [persentase]% variasi pada variabel [Y] dalam data yang dianalisis.

Berdasarkan tabel ANOVA, diperoleh nilai F sebesar [nilai F] dengan nilai signifikansi [nilai Sig.]. Dengan taraf signifikansi 0,05, hasil tersebut menunjukkan bahwa model regresi [signifikan/tidak signifikan] secara statistik.

Berdasarkan tabel Coefficients, variabel [X1] memiliki koefisien regresi sebesar [nilai B] dengan nilai signifikansi [nilai Sig.], sedangkan variabel [X2] memiliki koefisien regresi sebesar [nilai B] dengan nilai signifikansi [nilai Sig.]. Interpretasi masing-masing koefisien dilakukan dengan mempertimbangkan arah koefisien, nilai signifikansi, dan variabel lain yang dimasukkan ke dalam model.”

Ganti seluruh bagian dalam tanda kurung siku dengan hasil output penelitian yang sebenarnya. Hindari menyalin angka contoh pada artikel ini ke dalam skripsi jika angka tersebut bukan hasil analisis data Kawan-kawan.

Kesimpulan

Analisis regresi linier berganda di SPSS 25 dapat dilakukan melalui menu Analyze → Regression → Linear. Setelah menentukan variabel dependen dan independen, Kawan-kawan dapat mengatur statistik yang diperlukan, menjalankan analisis, kemudian membaca hasilnya melalui tabel Model Summary, ANOVA, dan Coefficients.

Model Summary membantu melihat proporsi variasi variabel terikat yang dapat dijelaskan model. Tabel ANOVA digunakan untuk menguji signifikansi model secara keseluruhan, sedangkan tabel Coefficients digunakan untuk menilai arah, besaran, dan signifikansi koefisien masing-masing variabel bebas.

Sebelum menyimpulkan hasil, pastikan data telah diperiksa, asumsi yang relevan telah dievaluasi, serta interpretasi dilakukan sesuai desain penelitian. Regresi linier berganda merupakan alat analisis yang bermanfaat, tetapi kesimpulan penelitian tetap harus didasarkan pada kualitas data dan metode yang tepat.

Semoga panduan ini membantu Kawan-kawan yang sedang belajar SPSS 25, mengolah data penelitian, atau menyusun skripsi. Untuk membaca tutorial teknologi, panduan aplikasi, dan artikel lainnya, silakan kunjungi blog saya di https://www.rizkiibnurahmad.my.id.

Artikel ini ditulis oleh Rizki Ibnu Rahmad.