Resume
m_au1u5Gnn8 • Uji Regresi Linear Sederhana 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 video tutorial mengenai analisis Regresi Linier Sederhana menggunakan SPSS.

Panduan Lengkap Analisis Regresi Linier Sederhana & Uji Asumsi dengan SPSS

Inti Sari (Executive Summary)

Video ini menjelaskan tutorial lengkap tentang cara melakukan analisis Regresi Linier Sederhana menggunakan software SPSS, mulai dari persiapan data, pengujian asumsi klasik (linearitas, normalitas, homoskedastisitas), hingga interpretasi output dan pelaporan hasil penelitian. Pembahasan difokuskan pada studi kasus hubungan antara Literasi Sains (variabel independen) dan Keterampilan Berpikir Kritis (variabel dependen) pada siswa. Video ini juga menekankan pentingnya memenuhi asumsi statistik sebelum menyimpulkan hasil regresi untuk memastikan validitas penelitian.

Poin-Poin Kunci (Key Takeaways)

  • Konsep Dasar: Regresi linier sederhana digunakan untuk memprediksi nilai satu variabel (dependen/Y) berdasarkan nilai variabel lainnya (independen/X).
  • Asumsi Klasik: Sebelum analisis, data harus memenuhi asumsi skala interval/rasio, linearitas, independensi, tidak ada outlier yang signifikan, normalitas residual, dan homoskedastisitas.
  • Prosedur SPSS: Tutorial mencakup langkah teknis input data, pembuatan scatter plot untuk uji linearitas, konfigurasi menu Linear Regression, dan penggunaan menu Explore untuk uji normalitas.
  • Interpretasi Output: Penjelasan detail mengenai cara membaca tabel ANOVA (signifikansi model), Koefisien Determinasi (R-Square), dan Koefisien Regresi (persamaan Y).
  • Pelaporan: Panduan struktur penulisan hasil penelitian, dimana uji asumsi dilaporkan terlebih dahulu sebelum hasil analisis regresi utama.

Rincian Materi (Detailed Breakdown)

1. Pendahuluan dan Konsep Regresi Linier

Video ini dibuka oleh kanal Ensiklopedia Ahmad Fauzi yang membahas analisis data dan penelitian pendidikan biologi. Topik utamanya adalah Regresi Linier Sederhana menggunakan SPSS sebagai kelanjutan dari materi korelasi.
* Tujuan Pembelajaran: Melakukan uji asumsi klasik, analisis regresi, menentukan koefisien determinasi (effect size), dan melaporkan hasil analisis secara benar.
* Definisi: Regresi linier sederhana dipakai untuk memprediksi nilai variabel dependen (kriteria) berdasarkan variabel independen (prediktor). Contoh: Memprediksi hasil belajar berdasarkan kesadaran metakognitif.
* Asumsi yang Harus Dipenuhi:
* Variabel menggunakan skala pengukuran interval atau rasio (bukan nominal/ordinal).
* Terdapat hubungan linear antar variabel.
* Independensi observasi (data satu responden tidak memengaruhi responden lain).
* Tidak ada outlier yang signifikan.
* Residual berdistribusi normal.
* Homoskedastisitas (varian residual konstan).

2. Studi Kasus dan Input Data SPSS

  • Studi Kasus: Hubungan antara Literasi Sains (X) dan Keterampilan Berpikir Kritis (Y) siswa biologi dengan sampel 60 siswa.
  • Langkah Input Data:
    1. Buka SPSS, masuk ke Variable View.
    2. Beri nama variabel (misal: ID, LS, KBK) dan beri label lengkap di kolom Label.
    3. Atur Measure: ID = Nominal; LS dan KBK = Scale.
    4. Pindah ke Data View, salin data angka (tanpa header) dari Excel, lalu tempel (paste).
    5. Simpan file (misalnya: "data regresi linier sederhana").

3. Uji Asumsi: Linearitas

Uji linearitas dilakukan untuk memastikan hubungan antara variabel X dan Y berbentuk garis lurus.
* Prosedur: Graphs > Legacy Dialogs > Scatter/Dot > Simple Scatter > Define.
* Pengaturan: Masukkan Literasi Sains ke sumbu X (Axis) dan Keterampilan Berpikir Kritis ke sumbu Y.
* Interpretasi: Jika pola titik data menyebar mengikuti garis lurus (naik atau turun), asumsi linearitas terpenuhi. Pada kasus ini, semakin tinggi literasi sains, semakin tinggi keterampilan berpikir kritis.

4. Konfigurasi Analisis Regresi dan Uji Asumsi Lainnya

Untuk melakukan uji normalitas dan homoskedastisitas, kita perlu menjalankan analisis regresi terlebih dahulu untuk menghasilkan data residual.
* Prosedur Utama: Analyze > Regression > Linear.
* Pengaturan:
* Dependent: Keterampilan Berpikir Kritis.
* Independent: Literasi Sains.
* Menu Statistics: Centang Descriptives dan Durbin-Watson.
* Menu Plots (Uji Homoskedastisitas): Masukkan ZPRED ke sumbu X dan ZRESID ke sumbu Y.
* Menu Save (Uji Normalitas): Centang Unstandardized (di kolom Residuals) untuk menghasilkan variabel residual baru di Data View.

5. Uji Asumsi: Normalitas dan Homoskedastisitas

Setelah mengklik OK pada langkah sebelumnya, SPSS akan menghasilkan output dan variabel baru (RES_1).
* Uji Normalitas (Shapiro-Wilk):
* Buka menu Analyze > Descriptive Statistics > Explore.
* Masukkan variabel Standardized Residual (RES_1) ke kotak Dependent List.
* Klik Plots, centang Normality plots with tests.
* Interpretasi: Lihat nilai Sig. (Shapiro-Wilk). Jika > 0,05, residual berdistribusi normal.
* Uji Homoskedastisitas:
* Lihat pada Output berupa Scatter Plot antara ZPRED dan ZRESID.
* Asumsi terpenuhi jika titik-titik menyebar secara merata ke atas dan ke bawah angka 0 (tidak membentuk pola tertentu seperti corong).

6. Interpretasi Output Regresi

Video menjelaskan cara membaca tabel output SPSS:
* Model Summary: Menunjukkan nilai R (korelasi) dan R Square (koefisien determinasi). R Square menjelaskan seberapa besar kontribusi variabel X terhadap Y (contoh: 0,907 berarti 90,7%).
* ANOVA: Digunakan untuk menguji signifikansi model regresi secara keseluruhan.
* Lihat nilai Sig. Jika < 0,05, model regresi signifikan atau layak digunakan. (Catatan: Jika SPSS menampilkan 0,000, tulis sebagai p < 0,001).
* Coefficients: Berisi informasi untuk membuat persamaan regresi.
* Constant (Konstanta): Nilai Y jika X = 0.
* B (Koefisien Regresi): Nilai perubahan Y akibat setiap kenaikan 1 unit X.

7. Cara Melaporkan Hasil Penelitian

Bagian terakhir memberikan contoh kalimat pelaporan yang akademis:
* Urutan Laporan: Uji asumsi (Linearitas, Normalitas, Homoskedastisitas) dilaporkan terlebih dahulu, baru diikuti hasil analisis regresi.
* Contoh Laporan Asumsi:
* Linearitas: "Berdasarkan scatter plot, literasi sains memiliki hubungan yang linier dengan keterampilan berpikir kritis."
* Normalitas: "Hasil uji Shapiro-Wilk ($W = 0,961, df = 60, p = 0,052$) menunjukkan residual berdistribusi normal."
* Contoh Laporan Regresi:
* Signifikansi: "Hasil uji ANOVA menunjukkan nilai $F(1, 58) = 587$ dengan $p < 0,001$, yang berarti model regresi signifikan."
* Persamaan: "Diperoleh persamaan regresi $Y = 5,529 + 1,010X$. Artinya, setiap kenaikan 1 poin literasi sains, akan meningkatkan keterampilan berpikir kritis sebesar 1,010 poin."

Kesimpulan & Pesan Penutup

Video ini menyimpulkan bahwa analisis regresi linier sederhana adalah alat yang powerful untuk memprediksi dan menilai pengaruh variabel, namun akurasinya sangat bergantung pada pemenuhan asumsi klasik. Dengan mengikuti langkah-langkah input data, uji asumsi, dan interpretasi output yang telah dijelaskan, peneliti dapat melaporkan hasil analisis secara valid dan ilmiah. Video ditutup dengan mengajak penonton untuk menyimak materi selanjutnya mengenai Regresi Linier Berganda.