Note : Sebelum analisis regresi linier baik sederhana maupun berganda, diperlukan uji asumsi. Uji asumsi klasik ini merupakan salah satu syarat agar hasil estimasi model regresi tidak “Bias”.
UJI RELIABILITAS, pengujian yang menunjukkan apakah suatu instrumen yang digunakan untuk memperoleh informasi dapat dipercaya untuk mengungkap informasi di lapangan sebagai alat pengumpulan data.
note :tergantung/menyesuaikan
● jika nilai Cronbach's Alpha > 0,60 maka kuesioner/angket dinyatakan reliabel/konsisten.
● jika nilai Cronbach's Alpha < 0,60 maka kuesioner/angket dinyatakan tidak reliabel/tidak konsisten.
Langkah-langkah 1 :
1. masukkan variabel ke data view, kemudian tulis nama variabel ke variabel view. Ubahmeasurepada variable viewmenjadi “scale”
2. analyze - scale - reliability analysis - masukkan semua variabel - klik statistik - pada “descriptives for”
klik scale if item deleted - continue - OK
3. lihat tabel reliability statistics pada Cronbach's Alpha > 0,60 dpt disimpulkan bahwa semua item pertanyaan angket/kuesioner untuk variabel tersebut adalah reliabel/konsisten, begitupun sebaliknya.
4. lihat tabelitem-total statistics pada kolom cronbach`s alpha if item deleted, dilihat untuk semua aitem nya.
UJI NORMALITAS,berguna untuk melihat apakah data penelitian berdistribusi normal/tidak. (wajib dilakukan untuk setiap data penelitian)
Langkah-langkah :
1. analyze - regression - masukkan variabel ke dependent (Y)
(terpengaruh) danindependent (X) (mempengaruhi) - klik plots - centang salah satu antara histogram/normal probability plot- OK.
Cara membaca hasil :
● histogram, apabila garis melengkung ke atas seperti membentuk gunung dan terlihat sempurna dengan kaki yang simetris, maka dpt disimpulkan bahwa data dalam penelitian berdistribusi normal.
● normal probability plots, jika titik-titik mengikuti garis diagnal dari titik 0 dan tidak melebar terlalu jauh, maka dpt disimpulkan data berdistribusi normal.
Langkah-langkah 2 :
1. analyze - regression - masukkan variabel ke dependent (Y) (terpengaruh) danindependent (X) (mempengaruhi) - klik save - klik unstandardized pada residuals - klik continue
2. dilihat pada tabel test of normality, kolom kolmogorov (untuk responden > 100) sedangkan shapiro (responden <
50).
note : Data dikatakan memenuhi asumsi atau uji asumsi normalitas terpenuhi jika nilai signifikansi diatas 0,05 dan tidak terpenuhi jika di bawah 0,05.
UJI KORELASI, analisis data yang berfungsi untuk mengetahui tingkat keeratan hubungan antara variabel bebas (X) dan variabel tidak bebas (Y).
Langkah-langkah :
1. analyze - correlate - bivariate - masukan semua variabel - klik pearson - klik two tailed - klik flag significant correlations - OK
2. lihat pada tabelcorrelations
note :
● berdasarkan nilai sig. (2-tailed) : jika nilai sig. (2-tailed) < 0,05 maka terdapat korelasi antar variabel yang dihubungkan, begitupun sebaliknya.
● berdasarkan tanda bintang (*) : jika terdapat tanda bintang (*) atau (**) pada nilai pearson correlation maka antara variabel yang di analisis terjadi korelasi, begitupun sebaliknya. (*) menunjukkan korelasi pada signifikansi 1% / 0,01, (**) menunjukkan korelasi pada signifikansi5% / 0,05.
UJI LINEARITAS, untuk mengetahui apakah dua variabel mempunyai hubungan yang linear secara signifikan atau tidak.
note : uji linearitas ini merupakan syarat sebelum dilakukannya analisis regresi linear.
Rentang Nilai : jika nilai deviation from linearity sig > 0,05 maka ada hubungan yang linear secara signifikan antara variabel independent dengan dependent.
Langkah-langkah :
1. analyze - compare means - means
- masukan dependent
(terpengaruh) dan independent (mempengaruhi) - klik options - pada bagian “statistics for first layer” kliktest of linearity- continue - OK - lihat pada tabel anova
UJI ANALISIS REGRESI, untuk mengukur besarnya pengaruh satu variabel independent.
Langkah-langkah :
1. analyze - regression - linear -
masukkan dependent
(terpengaruh) dan independent (mempengaruhi) - pada bagian method pilih enter (abaikan pilihan lainnya) - OK
Cara membuat persamaan : rumus regresi linear sederhanaY = a + bX
● a, angkaconstantdari B
● b, angka dibawahconstant pada B (apabila nilai menyatakan negatif (-), maka menjadi Y = a - bX)
● Y, dependent variabel
● X, predictors/constant
● lihat pada tabel coefficients di kolom B.
contoh soal
1. untuk melihat signifikansi itu pada tabel anova
2. melihat sumbangan efektif variabel dari tabel model summary (R square) dijadikan persen, misal 0,595 menjadi 59,5%
3. persamaan regresi dilihat pada tabel coefficients
KATEGORISASI, untuk mengkategorikan subjek kita memiliki skor skala yang tinggi, sedang, atau rendah.
1. analyze - descriptive statistic - frequencies - masukkan variabel - klik statistics - centang mean, median, SD, kuartil - OK - lihat nilai mean dan SD (pada tabel statistics)
2. rumus 3 kategori :
● tinggi/baik mean + 1SD ≤ X (hasil ditambah 0,1 pas masuk pengkategorian, highest)
● sedang/cukup mean − 1SD ≤ X < Mean + 1SD (range dan through)
● rendah/kurang X < Mean
− 1SD (hasil dikurang 0,1 pas masuk pengkategorian, lowest)
3. transform - recode into different variabel - pada output variabel isi nama (Kat_variabel apa) - klik old and new values - centang output variabel are strings - isi new value (tinggi/baik, dsb) - masukan hasil ke (lowest, highest, range, through) - klik add - continue - klik change - OK
4. analyze - descriptive statistics - frequencies - masukkan hasil kategorisasi - klik OK
5. lihat tabel kategorisasi
