Analisis regresi linear berganda adalah salah satu teknik statistik yang paling sering digunakan dalam penelitian kuantitatif. Tujuannya adalah untuk memahami hubungan antara satu variabel dependen (variabel terikat) dengan dua atau lebih variabel independen (variabel bebas). Penggunaan perangkat lunak statistik seperti SPSS (Statistical Package for the Social Sciences) sangat memudahkan proses analisis ini, mulai dari input data hingga interpretasi hasil.
Secara sederhana, regresi linear berganda mencoba menjelaskan variasi dalam variabel dependen dengan menggunakan prediksi linier dari beberapa variabel independen. Model regresi linear berganda dapat dituliskan dalam bentuk persamaan:
Y = β₀ + β₁X₁ + β₂X₂ + ... + βnXn + ε
Di mana:
SPSS menyediakan antarmuka yang intuitif untuk menjalankan analisis regresi linear berganda. Berikut adalah langkah-langkah umumnya:
Pastikan data Anda telah dimasukkan ke dalam SPSS dengan benar. Setiap variabel harus memiliki kolomnya sendiri, dan setiap responden atau observasi memiliki barisnya sendiri. Label variabel dan nilai yang relevan juga harus didefinisikan.
Pilih menu Analyze > Regression > Linear...
Dalam dialog Linear Regression, Anda perlu menempatkan:
Klik tombol Statistics untuk memilih statistik tambahan yang ingin Anda lihat, seperti:
Klik tombol Plots untuk memilih plot diagnostik, seperti:
Klik tombol Save untuk menyimpan nilai prediksi, residu, atau statistik lainnya ke dalam dataset Anda untuk analisis lebih lanjut.
Setelah semua pengaturan selesai, klik Continue pada dialog statistik dan plot, lalu klik OK pada dialog Linear Regression utama.
Hasil analisis regresi akan muncul di jendela Output SPSS. Bagian-bagian kunci yang perlu diperhatikan antara lain:
Tabel ini berisi koefisien regresi (B), kesalahan standar (Std. Error), statistik t, nilai signifikansi (Sig.), dan koefisien standar (Beta). Perhatikan kolom Sig. untuk setiap variabel independen. Jika nilai Sig. lebih kecil dari tingkat signifikansi yang Anda tentukan (biasanya 0.05), maka variabel independen tersebut memiliki pengaruh yang signifikan secara statistik terhadap variabel dependen.
Tabel ini memberikan gambaran tentang seberapa baik model regresi secara keseluruhan cocok dengan data. Nilai R adalah koefisien korelasi berganda, sedangkan R Square (R²) menunjukkan proporsi varians dalam variabel dependen yang dapat dijelaskan oleh variabel independen dalam model. Adjusted R Square lebih disukai ketika membandingkan model dengan jumlah variabel independen yang berbeda.
Tabel ANOVA menguji signifikansi model regresi secara keseluruhan. Perhatikan nilai Sig. pada baris ANOVA. Jika nilai ini kurang dari tingkat signifikansi yang ditentukan, maka model regresi secara keseluruhan signifikan.
Penting untuk diingat bahwa regresi linear berganda memiliki beberapa asumsi yang harus dipenuhi agar hasil analisis valid:
SPSS menyediakan alat diagnostik (melalui opsi plots dan statistics) untuk membantu Anda memeriksa pemenuhan asumsi-asumsi ini.
Dengan memahami langkah-langkah dan interpretasi hasil regresi linear berganda di SPSS, Anda dapat memperoleh wawasan yang lebih dalam mengenai hubungan antar variabel dalam penelitian Anda.