Halo Sobat Sederhana! Pada kesempatan kali ini, kita akan membahas tentang cara membaca hasil regresi sederhana SPSS. Regresi sederhana merupakan salah satu metode analisis statistik yang digunakan untuk mempelajari hubungan antara satu variabel bebas dengan satu variabel terikat. Dalam analisis regresi sederhana, terdapat beberapa hasil output yang harus dipahami dengan baik. Berikut ini adalah penjelasannya:
1. Tabel Koefisien
Tabel koefisien merupakan salah satu hasil output utama dari analisis regresi sederhana. Tabel ini berisi informasi tentang nilai koefisien regresi, standar error, t-statistic, dan signifikansi untuk setiap variabel bebas yang digunakan dalam analisis regresi sederhana.
Setiap variabel bebas akan memiliki satu baris di tabel koefisien. Pada setiap baris tersebut, terdapat beberapa nilai yang perlu dipahami:
- Koefisien Regresi: Nilai ini menunjukkan seberapa besar perubahan yang terjadi pada variabel terikat jika terjadi perubahan satu satuan pada variabel bebas.
- Standar Error: Nilai ini menunjukkan seberapa akurat estimasi koefisien regresi yang dihasilkan. Semakin rendah nilai standar error, semakin akurat estimasi koefisien regresi tersebut.
- t-Statistic: Nilai ini menunjukkan seberapa signifikan koefisien regresi yang dihasilkan. Semakin besar nilai t-statistic, semakin signifikan koefisien regresi tersebut.
- Signifikansi: Nilai ini menunjukkan apakah koefisien regresi tersebut signifikan secara statistik atau tidak. Jika nilai signifikansi lebih kecil dari 0,05, maka koefisien regresi tersebut dianggap signifikan.
Contoh Tabel Koefisien
Model |
Std. Error of the Estimate |
R-squared |
Adjusted R-squared |
F-statistic |
Significance F |
Coefficients |
---|---|---|---|---|---|---|
(Constant) |
1.848 |
– |
– |
– |
– |
4.028 |
Variabel Bebas 1 |
0.523 |
0.386 |
0.378 |
47.326 |
0.000 |
1.134 |
Pada contoh tabel koefisien di atas, terdapat dua variabel yaitu konstanta (constant) dan variabel bebas 1. Koefisien regresi untuk variabel bebas 1 adalah 1.134 dengan standar error sebesar 0.523 dan signifikansi sebesar 0.000. Dapat disimpulkan bahwa variabel bebas 1 memiliki pengaruh signifikan terhadap variabel terikat.
2. Tabel ANOVA
Tabel ANOVA (Analysis of Variance) merupakan tabel yang digunakan untuk menguji apakah model regresi yang dibuat signifikan atau tidak. Tabel ini berisi informasi tentang nilai F-statistic, signifikansi F, dan jumlah variansi yang dapat dijelaskan oleh model regresi yang dibuat.
Pada tabel ANOVA, terdapat dua jenis variansi yaitu:
- Variansi Total (SST): Variansi total adalah jumlah variansi dari seluruh nilai observasi pada variabel terikat.
- Variansi Residual (SSE): Variansi residual adalah jumlah variansi yang tidak dapat dijelaskan oleh model regresi yang dibuat. Variansi ini sering disebut juga sebagai variansi error.
Jumlah variansi yang dapat dijelaskan oleh model regresi yang dibuat dapat dihitung dengan cara:
R^2 = 1 – (SSE / SST)
Nilai R^2 yang semakin mendekati 1 menunjukkan bahwa model regresi yang dibuat semakin baik dalam menjelaskan hubungan antara variabel bebas dan variabel terikat.
Contoh Tabel ANOVA
Model |
Sum of Squares |
Degree of Freedom |
Mean Square |
F |
Significance F |
---|---|---|---|---|---|
Regression |
245.789 |
1 |
245.789 |
47.326 |
0.000 |
Residual |
387.231 |
98 |
3.949 |
– |
– |
Total |
633.020 |
99 |
– |
– |
– |
Pada contoh tabel ANOVA di atas, terdapat dua jenis variansi yaitu variansi regresi (regression) dan variansi residual. F-statistic untuk variansi regresi adalah 47.326 dengan signifikansi sebesar 0.000. Dapat disimpulkan bahwa model regresi yang dibuat signifikan untuk menjelaskan hubungan antara variabel bebas dan variabel terikat.
3. Tabel Residual
Tabel residual adalah tabel yang berisi informasi tentang nilai residual untuk setiap observasi. Residual merupakan selisih antara nilai observasi dengan nilai yang diprediksi oleh model regresi yang dibuat. Dalam tabel residual ini, kita dapat melihat apakah terdapat pola tertentu dalam nilai residual yang menunjukkan adanya kesimpangsiuran dalam model regresi yang dibuat.
Contoh Tabel Residual
Observation |
Predicted Value |
Residual |
---|---|---|
1 |
7.00 |
0.70 |
2 |
9.00 |
-2.00 |
3 |
10.00 |
1.00 |
4 |
8.00 |
2.00 |
5 |
6.00 |
-0.80 |
Pada contoh tabel residual di atas, terdapat lima observasi dengan nilai residual yang berbeda-beda. Tidak terdapat pola tertentu dalam nilai residual yang menunjukkan adanya kesimpangsiuran dalam model regresi yang dibuat.
4. FAQ
1. Apa itu analisis regresi sederhana?
Analisis regresi sederhana merupakan salah satu metode analisis statistik yang digunakan untuk mempelajari hubungan antara satu variabel bebas dengan satu variabel terikat. Dalam analisis regresi sederhana, variabel bebas digunakan untuk memprediksi atau menjelaskan nilai variabel terikat.
2. Apa itu koefisien regresi?
Koefisien regresi adalah nilai yang menunjukkan seberapa besar perubahan yang terjadi pada variabel terikat jika terjadi perubahan satu satuan pada variabel bebas. Semakin besar nilai koefisien regresi, semakin besar pula pengaruh variabel bebas terhadap variabel terikat.
3. Bagaimana cara menguji signifikansi koefisien regresi?
Untuk menguji signifikansi koefisien regresi, kita dapat menggunakan nilai t-statistic dan signifikansi yang terdapat pada tabel koefisien. Jika nilai signifikansi kurang dari 0,05, maka koefisien regresi dikatakan signifikan secara statistik.
4. Apa itu tabel ANOVA?
Tabel ANOVA (Analysis of Variance) merupakan tabel yang digunakan untuk menguji apakah model regresi yang dibuat signifikan atau tidak. Tabel ini berisi informasi tentang nilai F-statistic, signifikansi F, dan jumlah variansi yang dapat dijelaskan oleh model regresi yang dibuat.
5. Apa itu residual?
Residual adalah selisih antara nilai observasi dengan nilai yang diprediksi oleh model regresi yang dibuat. Dalam tabel residual, kita dapat melihat apakah terdapat pola tertentu dalam nilai residual yang menunjukkan adanya kesimpangsiuran dalam model regresi yang dibuat.
6. Bagaimana cara mengetahui apakah model regresi yang dibuat signifikan?
Kita dapat menggunakan nilai F-statistic dan signifikansi yang terdapat pada tabel ANOVA untuk mengetahui apakah model regresi yang dibuat signifikan atau tidak. Jika nilai signifikansi kurang dari 0,05, maka model regresi yang dibuat dikatakan signifikan secara statistik.
7. Apa itu nilai R^2?
Nilai R^2 menunjukkan seberapa besar variansi yang dapat dijelaskan oleh model regresi yang dibuat. Nilai R^2 yang semakin mendekati 1 menunjukkan bahwa model regresi yang dibuat semakin baik dalam menjelaskan hubungan antara variabel bebas dan variabel terikat.