Perbedaan Regresi Sederhana dan Regresi Berganda dalam SPSS
Perbedaan Regresi Sederhana dan Regresi Berganda dalam SPSS
Dalam penelitian kuantitatif, analisis regresi merupakan salah satu metode statistik paling populer untuk mengukur sejauh mana pengaruh variabel bebas (independen) terhadap variabel terikat (dependen). Namun, mahasiswa sering kali masih bingung dalam menentukan jenis regresi mana yang tepat untuk judul skripsi atau tesis mereka: apakah Regresi Linear Sederhana atau Regresi Linear Berganda?
Meskipun keduanya menggunakan menu yang sama di aplikasi SPSS (Analyze > Regression > Linear), terdapat perbedaan mendasar mulai dari jumlah variabel, rumus persamaan, syarat uji asumsi klasik, hingga cara membaca tabel outputnya.
Artikel ini akan mengupas tuntas perbedaan kedua metode analisis regresi tersebut agar Anda tidak salah langkah saat mengolah data penelitian.
1. Perbedaan Jumlah Variabel Penelitian
Perbedaan paling mendasar dan paling mudah dikenali terletak pada jumlah variabel bebas (X) yang digunakan dalam model penelitian.
- Regresi Linear Sederhana: Hanya melibatkan satu variabel bebas (X) dan satu variabel terikat (Y).
- Contoh Judul: "Pengaruh Kualitas Pelayanan (X) terhadap Kepuasan Pelanggan (Y)".
- Regresi Linear Berganda: Melibatkan dua atau lebih variabel bebas (X1, X2, X3, dst.) dan satu variabel terikat (Y).
- Contoh Judul: "Pengaruh Kualitas Pelayanan (X1), Harga (X2), dan Lokasi (X3) terhadap Kepuasan Pelanggan (Y)".
2. Perbedaan Rumus Persamaan Regresi
Karena jumlah variabel bebasnya berbeda, rumus persamaan matematika yang disusun dari tabel Coefficients SPSS juga mengalami penyesuaian.
- Persamaan Regresi Sederhana:
Y=a+bX
(Keterangan: Y adalah variabel terikat, a adalah konstanta, b adalah koefisien regresi, dan X adalah variabel bebas). - Persamaan Regresi Berganda:
Y=a+b1X1+b2X2+...+bnXn
(Keterangan: Terdapat penambahan koefisien (b1, b2) hingga \(bn) sesuai dengan banyaknya jumlah variabel bebas dalam penelitian).
3. Perbedaan Syarat Uji Asumsi Klasik
Sebelum melakukan analisis regresi, peneliti wajib lolos uji asumsi klasik. Namun, syarat uji asumsi klasik pada regresi berganda jauh lebih ketat dibanding regresi sederhana.
- Pada Regresi Sederhana: Anda hanya perlu melakukan Uji Normalitas, Uji Linearitas, dan Uji Heteroskedastisitas (ditambah Uji Autokorelasi jika data berbentuk time series). Anda tidak perlu melakukan Uji Multikolinearitas karena variabel bebasnya hanya satu.
- Pada Regresi Berganda: Semua uji di atas wajib dilakukan, ditambah satu uji wajib yaitu Uji Multikolinearitas (melihat nilai Tolerance dan VIF). Uji ini mutlak diperlukan untuk memastikan tidak ada korelasi tinggi di antara sesama variabel bebas.
4. Perbedaan Cara Membaca Output SPSS
Saat Anda menjalankan analisis di SPSS, output yang muncul sebenarnya identik (terdiri dari tabel Model Summary, ANOVA, dan Coefficients). Namun, cara menginterpretasikan angka-angka di dalamnya memiliki perbedaan penting:
A. Tabel Model Summary (Koefisien Determinasi)
- Regresi Sederhana: Gunakan nilai pada kolom R Square untuk melihat persentase pengaruh variabel X terhadap Y.
- Regresi Berganda: Disarankan menggunakan nilai pada kolom Adjusted R Square. Nilai Adjusted R Square jauh lebih stabil dan tidak bias meskipun peneliti menambahkan banyak variabel bebas ke dalam model.
B. Tabel ANOVA (Uji F)
- Regresi Sederhana: Tabel ANOVA pada regresi sederhana biasanya jarang dibahas secara terpisah karena hasil signifikansinya akan selalu sama persis dengan nilai signifikansi pada Uji T (parsial).
- Regresi Berganda: Tabel ANOVA wajib dibahas karena berfungsi sebagai Uji Simultan (Uji F), yaitu untuk menjawab hipotesis apakah seluruh variabel X secara bersama-sama berpengaruh signifikan terhadap variabel Y.
C. Tabel Coefficients (Uji T)
- Regresi Sederhana: Nilai pada kolom
tdanSig.langsung menjawab satu-satunya hipotesis penelitian Anda. - Regresi Berganda: Nilai pada kolom
tdanSig.berfungsi sebagai Uji Parsial (Uji T) untuk menjawab masing-masing hipotesis secara terpisah (pengaruh X1 terhadap Y, X2 terhadap Y, dan seterusnya).
Tabel Ringkasan Perbedaan Regresi Sederhana vs Berganda
Untuk memudahkan pemahaman Anda, berikut adalah tabel perbandingan cepat antara kedua metode tersebut:
| Aspek Perbedaan | Regresi Linear Sederhana | Regresi Linear Berganda |
|---|---|---|
Jumlah Variabel Bebas (X) | Hanya 1 variabel bebas | 2 atau lebih variabel bebas |
Jumlah Variabel Terikat (Y) | 1 variabel terikat | 1 variabel terikat |
Uji Multikolinearitas | Tidak diperlukan | Wajib dilakukan (Cek VIF & Tolerance) |
Acuan Koefisien Determinasi | Menggunakan nilai R Square | Menggunakan nilai Adjusted R Square |
Peran Tabel ANOVA (Uji F) | Jarang digunakan (hasil sama dengan Uji T) | Wajib digunakan untuk Uji Simultan |
Peran Tabel Coefficients (Uji T) | Menjawab hipotesis tunggal | Menjawab hipotesis secara parsial (individu) |
Kata Kunci:
- Keyword Utama: perbedaan regresi sederhana dan regresi berganda dalam spss
- Keyword Turunan: beda regresi linear sederhana dan berganda, cara membaca r square dan adjusted r square, syarat uji regresi berganda spss, contoh judul regresi sederhana dan berganda, uji f dan uji t dalam regresi.
Daftar Pustaka:
- Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25. Semarang: Badan Penerbit Universitas Diponegoro.
- Priyatno, D. (2018). SPSS: Panduan Mudah Olah Data Bagi Mahasiswa & Umum. Yogyakarta: Andi Offset.
- Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
