Selasa, 03 November 2015

Uji Hipotesis Menggunakan Regresi Berganda, Uji F, Uji T, Dan Adjusted R Squared

Menghitung Pesamaan Garis Regresi Linier Ganda
Analisis Regresi Linear Berganda adalah hubungan secara linier antara dua atau lebih variabel independen (X1, X2,...Xn) dengan variabel dependen (Y).

Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.

Adapun contoh persamaan regresi linear berganda adalah:

Y = a + b1.X1 + b2.X2

Keterangan:
Y = Variabel Terikat
X1 dan X2 = Variabel Bebas
a = Intersep
b1 dan b2 = konstanta

Langkah Mencari Persamaan Regresi Linear Berganda dengan Software IBM SPSS 21 bisa dipelajari DI SINI!

Uji F  
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-sama (simultan) terhadap variabel terikat. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi.

Penggunaan tingkat signifikansinya beragam, tergantung keinginan peneliti, yaitu 0,01 (1%) ; 0,05 (5%) dan 0,10 (10%).

Hasil uji F dilihat dalam tabel ANOVA dalam kolom sig. Sebagai contoh, kita menggunakan taraf signifikansi 5% (0,05), jika nilai probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.

Namun, jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.

Uji F bisa dilakukan dengan bantuan software SPSS, apabila ingin mempelajari Langkah Uji F dengan Software SPSS 21, silakan klik DI SINI!

Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig (significance).  Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat secara parsial.
Namun, jika probabilitas nilai t atau signifikansi > 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan antara masing-masing variabel bebas terhadap variabel terikat.

Sama halnya dengan Uji F, Uji t juga bisa dilakukan dengan bantuan software SPSS, apabila ingin mempelajari Langkah Uji t dengan Software SPSS 21, silakan klik DI SINI!!

Koefisien Determinasi (Adjusted R Square)
Uji ini bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel terikat yang diterangkan oleh variabel bebas.

Apabila analisis yang digunakan adalah regresi sederhana, maka yang digunakan adalah nilai RSquare. Namun, apabila analisis yang digunakan adalah regresi bergenda, maka yang digunakan adalah Adjusted R Square.

Hasil perhitungan Adjusted R2 dapat dilihat pada output Model Summary. Pada kolom Adjusted R2 dapat diketahui berapa persentase yang dapat dijelaskan oleh variabel-variabel bebas terhadap variabel terikat. Sedangkan sisanya dipengaruhi atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian.

Langkah mencari Koefisien Determinasi (Adjusted R Square) dengan software IBM SPSS 21 bisa anda lihat DI SINI!

Contoh:
Apabila nilai Adjusted R Square adalah 0,54; maka besarnya pengaruh variabel bebas terhadap variabel terikat adalah 54%, sedangkan sisanya (100 – 54 = 46%) dijelaskan oleh variabel lain di luar penelitian.

Langkah Mencari Persamaan Regresi Linear Berganda Dengan Menggunakan Software IBM SPSS 21

Regresi Linear Berganda merupakan salah satu teknik analisis data yang sering digunakan oleh seorang peneliti yang menggunakan pendekatan penelitian kuantitatif. Penelitian yang menggunakan Regresi Linear Berganda seringkali menggunakan judul dengan kata “Pengaruh” di depannya.

Sebagai contoh, “Pengaruh Periklanan dan Personal Selling Terhadap Volume Penjualan Perusahaan X”. Secara sekilas, kita bisa bahwa penelitian dengan judu tersebut menggunkan Regresi Linear Berganda. Namun, yang perlu diingat, bahwa tidak semua judul penelitian yang menggunakan kata “pengaruh” selalu menggunakan Regresi Linear Berganda.

Regresi Linear Berganda dinotasikan dalam persamaan berikut ini:

Y = a + b1.X1 + b2.X2 … + bn.Xn
Keterangan:
Y = Variabel terikat
X1 dan X2 = Variabel bebas
a = intersep
b1, b2 dan bn = konstanta

Banyaknya X tergantung dari jumlah variabel bebeas yang digunakan, yang secara teori, seorang peneliti boleh menggunakan variabel bebas sebanyak-banyaknya. Namun, dalam praktiknya apabila variabel bebas yang digunakan lebih dari 7, hasil regresi linear berganda akan bias. Sehingga apabila anda melakukan penelitian dengan variabel bebas lebih dari 7, sebaiknya tidak menggunakan regresi linear berganda.

Dalam olah data penelitian, kita tidak perlu menghitung persamaan regresi linear bergandanya secara manual, karena sudah ada banyak software yang bisa digunakan untuk analisis data, salah satunya adalah SPSS. Dalam artikel ini kita menggunakan software IBM SPSS 21. Namun, cara ini juga bisa dipraktikkan untuk SPSS versi sebelumnya: 20, 19, bahkan 16 dan 17.

Okay, langsung saja, berikut langkah-langkahnya:
Kita melanjutkan contoh di artikel sebelumnya “Langkah Mencari Sumbangan Efektif Regresi (R Square / Adjusted R Square) dengan IBM SPSS 21”. Dalam artikel tersebut data yang digunakan adalah sebagai berikut:

No
Periklanan (X1)
Personal Selling (X2)
Volume Penjualan (Y)
1
29
22
31
2
24
19
25
3
26
18
27
4
28
21
27
5
29
18
26
6
27
22
27
7
23
17
26
8
32
31
36
9
23
21
31
10
32
28
36
11
27
23
32
12
32
28
36
13
25
17
24
14
21
21
25
15
24
21
26
16
25
18
27
17
25
20
27
18
29
18
23
19
23
18
24
20
32
30
36

1. Langkah pertama adalah input data tersebut ke dalam lembar kerja SPSS 21 atau SPSS versi lain (kami asumsikan anda sudah bisa melakukan input data ke dalam lembar kerja SPSS).

2. Langkah Kedua adalah Klik Analyze --> Regression --> Linear…

Langkah Mencari Persamaan Regresi Linear Berganda dengan Menggunakan Software IBM SPSS 21

3. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Volume Penjualan ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Periklanan dan Personal Selling) ke dalam kotak ‘Independent’

Langkah Mencari Persamaan Regresi Linear Berganda dengan Menggunakan Software IBM SPSS 21

4. Klik ‘OK’ untuk Mengakhiri

Langkah Mencari Persamaan Regresi Linear Berganda dengan Menggunakan Software IBM SPSS 21

5. Akan Muncul Output Seperti di Bawah ini, yang Digunakan Hanya ‘Coefficients’

Langkah Mencari Persamaan Regresi Linear Berganda dengan Menggunakan Software IBM SPSS 21

6. Interpretasi

Langkah Mencari Persamaan Regresi Linear Berganda dengan Menggunakan Software IBM SPSS 21

Terdapat beberapa kolom dalam tabel Coefficients di atas. Yang perlu anda perhatikan ketika akan mencari persamaan regresi linear bergandanya adalah kolom ‘B’. Dalam kolom B tersebut nilai (Constant) adalah 6,428; Periklanan (0,142) dan Personal Selling (0,852).

Constant merupakan konstanta persamaan regresi atau dikenal juga dengan nama Intersep. Sedangkan 0,142 dan 0,852 berturut-turut adalah konstanta untuk X1 dan X2. Sehingga apabila dituliskan, persamaan regresi linear berganda dari contoh penelitian tadi adalah:

Y  = 6,428 + 0,142X1 + 0,852X2

Interpretasi dari persamaan regresi tersebut adalah sebagai berikut:
Konstanta / intersep sebesar 6,428 secara matematis menyatakan bahwa jika nilai variabel bebas X1 dan X1 sama dengan nol maka nilai Y adalah 6,428. Dalam kata lain bahwa nilai volume penjualan perusahaan X tanpa periklanan dan personal selling adalah 6,428 unit.

Koefisien regresi variabel perencanaan realisasi produk (X1) sebesar 0,142 artinya bahwa peningkatan satu unit variabel periklanan dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan volume penjualan sebesar 0,142 unit.

Koefisien regresi variabel perencanaan realisasi produk (X2) sebesar 0,852 artinya bahwa peningkatan satu unit variabel personal selling dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan volume penjualan sebesar 0,852 unit.

Langkah Uji F Dengan IBM SPSS 21

Sebagaimana yang telah dibahas dalam artikel “Uji Hipotesis Menggunakan Regresi Berganda, Uji F, Uji t, dan Adjusted R Squared” bahwa Uji F digunakan untuk menguji salah satu hipotesis di dalam penelitian yang menggunakan analisis Regresi Linear Berganda.

Pada artikel kali ini, kami akan menampilkan langkah-langkah Uji F tersebut dengan menggunakan bantuansoftware IBM SPSS21.

Kami menggunakan software IBM SPSS 21, tetapi langkah-langkah yang kami tampilkan di sini bisa juga diterapkan pada software SPSS versi di bawah 21.

Ok. Langsung saja, kami asumsikan pembaca sudah mempunyai tabulasi data yang siap diolah di dalam SPSS. Misalkan kita mempunyai tabulasi data dengan 3 variabel, yang terdiri dari 2 variabel bebas dan 1 variabel terikat.

Dua variabel bebas tersebut misalkan Praktik Kerja Industri / Prakerin (X1) dan Motivasi Kerja (X2). Satu variabel terikatnya adalah Kesiapan Kerja (Y), sehingga apabila data tersebut sudah ditabulasi akan seperti gambar di bawah ini:


Adapun Langkah-langkah Uji F menggunakan SPSS 21 adalah sebagai berikut:
1. Klik Analyze --> Regression --> Linear …


2. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Kesiapan Kerja ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Prakerin dan Motivasi Kerja) ke dalam kotak ‘Independent’


3. Klik ‘OK’ untuk mengakhiri langkah


4. Setelah itu, akan muncul window baru yaitu output dari analisis tersebut. Yang digunakan hanya tabel ‘ANOVA’ khususnya untuk kolom ‘F’ dan ‘Sig.’


Kriteria Pengujian
Setelah melihat tabel ‘ANOVA’ di atas, langkah selanjutnya adalah kriteria pengujiannya. Terdapat dua cara kriteria pengujian, dan bisa dipilih salah satu saja, yaitu:
1. Nilai ‘F’
Nilai F dalam contoh di atas adalah 14,055. Angka ini adalah nilai F hitung, yang selanjutnya dibandingkan dengan nilai F tabel. Apabila nilai F hitung lebih besar dari F tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X1) dan Motivasi Kerja (X2) secara simultan terhadap Kesiapan Kerja (Y) dan sebaliknya.

2. Nilai‘Sig.’
‘Sig.’ di sini berarti taraf Signifikansi. Kriteria pengujiannya adalah apabila nilai ‘Sig.’ lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1 tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X1) dan Motivasi Kerja (X2) secara simultan terhadap Kesiapan Kerja (Y) dan sebaliknya.

Tutorial Uji T Dengan IBM SPSS 21

Uji t yang dimaksud dalam artikel ini adalah uji parsial yang digunakan dalam pengujian hipotesis penelitian yang menggunakan analisis regresi linear berganda.

Kalau dalam artikel yang lalu kita menampilkan Tutorial Uji F dengan IBM SPSS 21, kali ini kita akan membahasTutorial Uji t dengan IBM SPSS 21. Langkah-langkah pengujiannya sebagian besar sama, perbedaannya terletak pada tabel yang digunakan. Kalau dalam Uji Fmenggunakan tabel ANOVA, sedangkan dalam Uji t yang digunakan adalah tabel Coefficients.

Dalam analisis regresi linear berganda, Uji t digunakan untuk uji parsial (sendiri-sendiri) dalam arti menguji pengaruh masing-masing variabel bebas terhadap variabel terikat.

Misalnya anda ingin menguji pengaruh Prakerin (X1) dan Motivasi Kerja (X2) terhadap Kesiapan Kerja (Y). Terdapat dua variabel bebas dan satu variabel terikat. Uji t digunakan untuk menguji pengaruh antara variabel X1 terhadap Y dan X2 terhadap Y. Berbeda dengan Uji F yang digunakan untuk menguji pengaruh X1 dan X2 (bersama-sama) terhadap Y.

Sama halnya dalam Uji F, kami asumsikan pembaca sudah mempunyai tabulasi data penelitian. Berikut contoh tabulasi penelitian yang sudah kami masukkan dalam SPSS:


Baik, langsung saja kami tampilkan langkah-langkah pengujiannya:
1. Klik Analyze --> Regression --> Linear …

Tutorial Uji t dengan IBM SPSS 21

2. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Kesiapan Kerja ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Prakerin dan Motivasi Kerja) ke dalam kotak ‘Independent’

 
3. Klik ‘OK’ untuk mengakhiri langkah


4. Setelah itu, akan muncul window baru yaitu output dari analisis tersebut. Yang digunakan hanya tabel ‘Coefficients’ khususnya untuk kolom ‘t’ dan ‘Sig.’

Kriteria Pengujian
Setelah melihat tabel ‘Coefficients di atas, langkah selanjutnya adalah kriteria pengujiannya. Terdapat dua cara kriteria pengujian, dan bisa dipilih salah satu saja, yaitu:

1. Nilai ‘t’
Nilai t dalam contoh di atas adalah 3,206 untuk X1 dan 2,912 untuk X2. Angka ini disebut dengan t hitung, yang selanjutnya dibandingkan dengan nilai t tabel. Apabila nilai t hitung kedua variabel tersebut lebih besar dari t tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X1) dan Motivasi Kerja (X2) secara parsial (sendiri-sendiri) terhadap Kesiapan Kerja (Y).

2. Nilai‘Sig.’
‘Sig.’ di sini berarti taraf Signifikansi. Kriteria pengujiannya adalah apabila nilai ‘Sig.’ lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1 tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X1) dan Motivasi Kerja (X2) secara parsial (sendiri-sendiri) terhadap Kesiapan Kerja (Y).