Cara Melakukan Uji Regresi Linier Berganda Di SPSS

02 November 2020 - Eko Wahyu Adhi

Hello Audiens. Software yang kini telah di akuisisi oleh perusahaan IBM Corporation SPSS (Statistical Product And Service Solutions) merupakan sebuah software yang digunakan untuk membuat analisis terhadap berbagai bentuk data.

Uji Regresi Linier Berganda dilakukan bertujuan untuk dapat mengetahui apakah terhadap hubungan antar tiap-tiap variabel yang akan diuji. Dengan melakukan pengujian ini peneliti dapat membuat kesimpulan terhadap data yang diteliti saat ini.

Sebagai catatan ada beberapa hal yang perlu di perhatikan sebelum dapat melakukan Uji Regresi Linier Berganda, Data yang akan dilakukan pengujian diharap sudah berdistribusi normal dan sudah perlu bebas dari uji Heteroskedastisitas, Multikolieritas, serta Autokorelasi ( Data Sekunder). Untuk data primer data tersebut harus berdistribusi normal dan bebas dari uji Heteroskedastisitas, Multikolieritas.

1. Sebelum dapat melanjutkan ke proses selanjutnya pastikan kamu sudah memiliki data yang akan di teliti, Berikut adalah data yang sudah saya miliki yang akan di lanjutkan ke proses penelitian.


2. Masuk ke software SPSS, Selanjutnya pilih Variable View.


3. Berikutnya lakukan hal yang sama seperti gambar yang tertera dibawah, Pastikan pada kolom Label tidak tertukar antara variable X dengan variable Y. Lalu pergi ke Data View.


4. Tempelkan seluruh data yang sudah dimiliki sebelumnya pada tiap variable, Lebih detail perhatikan pada gambar dibawah.


5. Selanjutnya klik tab Analyze - Regression - Linear.


6. Maka akan muncul tampilan seperti berikut.


7. Pada langkah ini pindahkan variable X pada kolom Independent(s) dan pindahkan variable Y pada kolom Dependent, Perhatikan pada gambar yang tertera dibawah. Selanjutnya klik OK.


HASIL UJI KELAYAKAN MODEL

Uji F yang dilakukan dalam tabel ANOVA Uji Regressi Linear Berganda digunakan untuk melihat apakah terdapat kelayakan model dari regressi tersebut.

Apakah sudah memenuhi kelayakan model ?

Ho = Tidak memenuhi kelayakan model.
Ha = Memenuhi kelayakan model.

Cara 1 pengambilan keputusan.

Jika nilai signifikansi > 0,05 maka Ho diterima.
Jika nilai signifikansi < 0,05 maka Ho ditolak.

Cara 2 pengambilan keputusan.

F hitung < F tabel, Maka Ho diterima.
F hitung > F tabel, Maka Ho ditolak.


Pengambilan keputusan menggunakan cara 1

Diketahui bahwa hasil dari nilai signifikansi diatas didapat 0,000 maka dapat dinyatakan bahwa Ho ditolak karena < 0,05.

Pengambilan keputusan menggunakan cara 2

F Table


Berikut cara yang dapat digunakan untuk menentukan nilai F Tabel.

V1 = k dan V2 = n-k-1 yang berarti V1 = 2 dan V2 = 19-2-1 = 16.
K = Merupakan jumlah variabel independen ataupun variabel X.
N = Merupakan total jumlah sample.

Berdasarkan cara dalam menentukan nilai F tabel maka didapat 16 dengan nilai 3,63.

Diketahui nilai F hitung dari output diatas sebesar 158.923. Dapat di asumsikan jika nilai F hitung > F tabel yaitu sebesar 158.923 maka dapat dinyatakan bahwa Ho ditolak yang berarti telah memenuhi kelayakan model.

HASIL UJI HIPOTESIS


Rumusan Masalah

1. Apakah terdapat pengaruh antara kualitas terhadap pembelian ?
2. Apakah terdapat pengaruh antara pelayanan terhadap pembelian ?

Hipotesis ( Dugaan )

Ho1 = Tidak terdapat pengaruh antara kualitas terhadap pembelian.
Ha1 = Terdapat pengaruh antara kualitas terhadap suatu pembelian.
Ho2 = Tidak terdapat pengaruh antara pelayanan terhadap pembelian.
Ha2 = Terdapat pengaruh antara pelayanan terhadap pembelian.

Dasar pengambilan keputusan

Cara 1 pengambilan keputusan

Jika nilai signifikansi > 0,05 Maka Ho di diterima.
Jika nilai signifikansi < 0,05 maka Ho ditolak.

Cara 2 pengambilan keputusan

T hitung < T tabel, Maka Ho diterima.
T hitung > T tabel, Maka Ho ditolak.

Jika hasil dari deret T ada yang mengarah ke positif dan negatif, Baiknya untuk melanjutkan pengujian dengan menggunakan pengujian 2 sisi.

Namun dalam pengujian kali ini hasil T menandakan angka yang positif, Maka cukup dilakukan dengan pengujian 1 sisi.

T Table

Kualitas (X1) terhadap Pembelian (Y)

Dengan menggunakan cara pertama didapat nilai signifikansi sebesar 0,030 < 0,05 maka dapat dinyatakan bahwa Ho ditolak.

Dengan menggunakan cara kedua diketahui bahwa nilai T hitung sebesar 2,379 > T Tabel sebesar 1,729 yang berarti dapat dinyatakan bahwa Ho ditolak, Sehingga terdapat pengaruh antara kualitas terhadap pembelian.

Pelayanan (X2) terhadap Pembelian (Y)

Dengan menggunakan cara pertama didapat nilai signifikansi sebesar 0,000 < 0,05 maka dapat dinyatakan bahwa Ho ditolak.

Dengan menggunakan cara kedua diketahui bahwa nilai T hitung sebesar 6,414 > T Tabel sebesar 1,729 yang berarti dapat dinyatakan bahwa Ho ditolak, Sehingga terdapat pengaruh antara pelayanan terhadap pembelian.

Berikut adalah persamaan regressinya : Y = 27,265 + 0,228(X1) + 0,376(X2) + e.

Kesimpulan

Kualitas memiliki pengaruh yang positif terhadap pembelian, Pengaruh positif itu sebesar 0,228 yang bermaksud jika kualitas makin tinggi maka pembelian juga akan semakin tinggi.

Pelayanan juga memiliki pengaruh positif terhadap pembelian, Pengaruh itu diketahui sebesar 0,376 menandakan jika kualitas pelayanan semakin tinggi maka minat pembelian juga akan semakin meningkat.

Dari kedua variabel tersebut pelayanan memiliki pengaruh yang paling besar 0,376 selanjutnya diikuti dengan variabel kualitas sebesar 0,228.

Catatan : Jika data yang digunakan untuk pengujian merupakan salah satu bagian dari data primer maka dalam menentukan persamaan regressinya perlu menggunakan nilai beta.

HASIL UJI KOEFISIEN DETERMINASI


Diketahui bahwa nilai R Square sebesar 0,952. Dapat disimpulkan bahwa 95,2% pembelian di pengaruhi oleh variabel-variabel yang diteliti sebelumnya yaitu Kualitas dan Pelayanan. Dimana sisanya 4,8% dipengaruhi oleh faktor-faktor lain yang sisanya belum di teliti dalam penelitian kali ini.

Catatan : Berdasarkan data dari penelitian kali ini hanya menggunakan variabel independen sebanyak 2 variabel maka dalam menentukan Koefisien Determinasi menggunakan nilai R Square, Namun apabila jumlah variabel independen melebihi 2 variabel untuk menentukan Koefisien Determinasinya menggunakan Adjusted R Square.

Jika kamu mendapatkan kendala saat mengikuti langkah diatas, Kamu bisa memanfaatkan kolom komentar untuk memberikan pertanyaan kami akan senantiasa membantu untuk membantu masalah yang kamu hadapi saat ini.


KOMENTAR

Ating
01 Desember 2020

makasihh my.problem sangat membantu


Admin
01 Desember 2020

@Ating Terima kasih atas bentuk komentar positifnya, Semoga bisa bermanfaat.


Jika komentar berisi kata - kata negatif maka tidak akan di tampilkan.