Tutorial Olah Data Regresi Linear Berganda (Lengkap dengan Contoh)
Tutorial Olah Data Regresi Linear Berganda (Lengkap dengan Contoh)
๐ Pendahuluan
Regresi linear berganda adalah salah satu teknik analisis statistik yang digunakan untuk mengetahui pengaruh lebih dari satu variabel bebas (independen) terhadap variabel terikat (dependen). Analisis ini sangat populer dalam skripsi, tesis, maupun penelitian kuantitatif karena mampu menjelaskan hubungan kompleks antar variabel. Artikel ini menyajikan tutorial lengkap mulai dari input data hingga interpretasi hasil di SPSS.
๐ Langkah-Langkah Analisis Regresi Linear Berganda
1. Persiapan Data
- Pastikan data sudah bersih dari outlier dan missing values.
- Tentukan variabel:
- Variabel terikat (Y) → misalnya Prestasi Akademik.
- Variabel bebas (X1, X2, X3) → misalnya Motivasi Belajar, Jam Belajar, Dukungan Orang Tua.
2. Input Data ke SPSS
- Masukkan data ke lembar kerja SPSS.
- Atur nama variabel dan skala pengukuran.
- Pastikan variabel bebas dan terikat sudah jelas.
3. Uji Asumsi Regresi
Sebelum menjalankan regresi, lakukan uji asumsi:
- Normalitas: Shapiro-Wilk atau Kolmogorov-Smirnov.
- Multikolinearitas: lihat nilai VIF (< 10) dan Tolerance (> 0.1).
- Heteroskedastisitas: cek scatterplot residual.
- Linearitas: pastikan hubungan antar variabel berbentuk linear.
4. Menjalankan Regresi di SPSS
- Pilih menu Analyze → Regression → Linear.
- Masukkan variabel terikat (Y) ke kotak Dependent.
- Masukkan variabel bebas (X1, X2, X3) ke kotak Independent(s).
- Klik OK untuk menjalankan analisis.
5. Membaca Output SPSS
Output utama yang perlu diperhatikan:
- Model Summary: nilai R dan R² → menunjukkan kekuatan hubungan.
- ANOVA Table: p-value → apakah model regresi signifikan.
- Coefficients Table: nilai ฮฒ (koefisien regresi) dan p-value tiap variabel → menunjukkan pengaruh masing-masing variabel bebas terhadap variabel terikat.
๐ Contoh Kasus
Peneliti ingin mengetahui pengaruh Motivasi Belajar (X1), Jam Belajar (X2), dan Dukungan Orang Tua (X3) terhadap Prestasi Akademik (Y).
- Model Summary: R² = 0.65 → 65% variasi prestasi akademik dijelaskan oleh ketiga variabel bebas.
- ANOVA Table: p-value = 0.001 (< 0.05) → model regresi signifikan.
- Coefficients Table:
- X1 (Motivasi Belajar): ฮฒ = 0.40, p = 0.02 → signifikan.
- X2 (Jam Belajar): ฮฒ = 0.25, p = 0.04 → signifikan.
- X3 (Dukungan Orang Tua): ฮฒ = 0.10, p = 0.15 → tidak signifikan.
๐ Interpretasi: Motivasi belajar dan jam belajar berpengaruh signifikan terhadap prestasi akademik, sedangkan dukungan orang tua tidak berpengaruh secara langsung.
๐ Rumus Regresi Linear Berganda
[ Y = a + b1X1 + b2X2 + b3X3 + e ]
Contoh hasil:
[
Prestasi = 50 + 0.40(Motivasi) + 0.25(Jam Belajar) + 0.10(Dukungan) + e
]
๐ Daftar Pustaka
- Field, A. (2017). Discovering Statistics Using SPSS. London: SAGE Publications.
- Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS. Semarang: Badan Penerbit Universitas Diponegoro.
- Santoso, S. (2019). Menguasai Statistik dengan SPSS. Jakarta: Elex Media Komputindo.
- Priyatno, D. (2020). SPSS untuk Analisis Statistik. Yogyakarta: Andi Offset.
๐ Kata Kunci SEO
- Regresi linear berganda
- Uji asumsi regresi
- Interpretasi output SPSS
- Multikolinearitas SPSS
- Analisis regresi skripsi
