Resume
4hYJBc4SMww • Uji Regresi Linear Berganda menggunakan SPSS serta Uji Asumsi yang Menyertainya
Updated: 2026-02-12 02:11:10 UTC
Back Source
Prev Next

Berikut adalah rangkuman komprehensif dan terstruktur dari konten video mengenai analisis regresi linear berganda menggunakan SPSS:

Panduan Lengkap Analisis Regresi Linear Berganda Menggunakan SPSS: dari Asumsi hingga Interpretasi

Inti Sari (Executive Summary)

Video ini memberikan tutorial langkah demi langkah tentang cara melakukan analisis regresi linear berganda menggunakan perangkat lunak SPSS. Pembahasan mencakup pengenalan konsep dasar, persiapan dan input data, pengujian asumsi klasik (linearitas, normalitas, multikolinearitas), serta interpretasi output analisis untuk menyusun persamaan regresi dan laporan penelitian yang valid.

Poin-Poin Kunci (Key Takeaways)

  • Definisi: Regresi linear berganda digunakan untuk memprediksi nilai variabel dependen (terikat) berdasarkan dua atau lebih variabel independen (bebas).
  • Syarat Data: Semua variabel (dependen dan independen) harus berupa data kontinu (interval atau rasio).
  • Uji Asumsi: Sebelum analisis, data harus memenuhi asumsi linearitas, normalitas residual, homoskedastisitas, dan bebas dari multikolinearitas (VIF < 10).
  • Prosedur SPSS: Melibatkan pengaturan Variable View, input data pada Data View, penggunaan Scatterplot untuk linearitas, dan menu Analyze untuk regresi serta uji asumsi.
  • Interpretasi Hasil: Meliputi pembacaan nilai R Square (efek variabel), signifikansi ANOVA, dan penyusunan persamaan regresi berdasarkan nilai koefisien (B).

Rincian Materi (Detailed Breakdown)

1. Pendahuluan dan Konsep Dasar

Video ini dibuka dengan pengenalan kanal Ensiklopedia Ahmad Fauzi yang membahas analisis data dan statistik. Topik utamanya adalah lanjutan dari regresi linear sederhana, yaitu Regresi Linear Berganda.
* Tujuan Pembelajaran:
1. Melakukan uji asumsi klasik.
2. Melakukan analisis regresi linear berganda.
3. Melaporkan hasil analisis dengan format yang benar.
* Definisi: Memprediksi nilai sebuah variabel berdasarkan minimal dua variabel lainnya. Melibatkan minimal tiga variabel: satu variabel dependen (kriteria) dan dua atau lebih variabel independen (prediktor).
* Contoh Kasus: Memprediksi Hasil Belajar (dependen) berdasarkan Literasi Sains, Keterampilan Berpikir Kritis, dan Keterampilan Metakognitif (independen).

2. Persiapan dan Input Data pada SPSS

Langkah awal adalah memasukkan data ke dalam SPSS. Data contoh terdiri dari 60 siswa dengan empat variabel semuanya berskala kontinu (interval/hasil tes).
* Pengaturan Variabel (Variable View):
* Name: LS (Literasi Sains), KBK (Keterampilan Berpikir Kritis), KM (Keterampilan Metakognitif), HB (Hasil Belajar).
* Label: Sesuaikan dengan nama lengkap variabel.
* Measure: Pilih Scale untuk semua variabel.
* Input Data (Data View):
* Data disalin dari Excel dan ditempel (paste) ke dalam Data View SPSS.

3. Pengujian Asumsi Klasik

Sebelum melakukan analisis regresi, beberapa asumsi harus dipenuhi:
* Asumsi Variabel: Variabel dependen tunggal, independen lebih dari satu, dan semuanya kontinu.
* Uji Linearitas:
* Diperiksa untuk setiap variabel independen terhadap variabel dependen (total 3 kali pemeriksaan).
* Metode: Menggunakan Scatterplot melalui menu Graphs > Legacy Dialogs > Scatter/Dot > Simple Scatter.
* Interpretasi: Jika pola data menyebar membentuk garis lurus, hubungan dinyatakan linear.
* Uji Normalitas:
* Dilakukan pada residual (bukan data mentah). Variabel residual (RES_1) dihasilkan otomatis saat analisis regresi dijalankan.
* Metode: Analyze > Descriptive Statistics > Explore. Pilih Normality plots with tests.
* Interpretasi: Berdasarkan tabel Tests of Normality (Kolmogorov-Smirnov), jika nilai Sig. > 0,05, data berdistribusi normal.
* Uji Multikolinearitas:
* Diperiksa melalui tabel Coefficients pada output regresi.
* Indikator: Nilai Variance Inflation Factor (VIF). Syaratnya adalah VIF antara 1 sampai 10. Jika VIF > 10, terjadi multikolinearitas dan regresi tidak boleh dilanjutkan.

4. Interpretasi Hasil Analisis Regresi

Setelah asumsi terpenuhi, langkah berikutnya adalah menginterpretasi output SPSS:
* Model Summary:
* Nilai R Square menunjukkan effect size. Pada contoh ini, R Square = 0,325.
* Makna: 32,5% variasi Hasil Belajar siswa ditentukan oleh ketiga variabel independen (Literasi Sains, Berpikir Kritis, Metakognitif). Sisanya (67,5%) dipengaruhi variabel lain yang tidak diteliti.
* ANOVA:
* Digunakan untuk menguji signifikansi model secara keseluruhan.
* Jika nilai Sig. < 0,05, model regresi signifikan dan dapat digunakan untuk memprediksi.
* Koefisien Regresi:
* Tabel ini memberikan nilai untuk menyusun persamaan regresi dari kolom B (Unstandardized Coefficients).

5. Penyusunan Persamaan Regresi

Berdasarkan nilai konstanta dan koefisien dari tabel output, persamaan regresi disusun sebagai berikut