Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel.
Variabel yang mempengaruhi sering disebut variabel bebas, variabel
independen atau variabel penjelas. Variabel yang dipengaruhi sering
disebut dengan variabel terikat atau variabel dependen. Regresi linear
hanya dapat digunakan pada skala interval dan ratio.
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).
Regresi Linear Sederhana
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh
antara satu buah variabel bebas terhadap satu buah variabel terikat.
Persamaan umumnya adalah:
Y = a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a
adalah konstanta (intercept) yang merupakan titik potong antara garis
regresi dengan sumbu Y pada koordinat kartesius.
Langkah penghitungan analisis regresi dengan menggunakan program SPSS
adalah: Analyse --> regression --> linear. Pada jendela yang ada,
klik variabel terikat lalu klik tanda panah pada kota dependent. Maka
variabel tersebut akan masuk ke kotak sebagai variabel dependen. Lakukan
dengan cara yang sama untuk variabel bebas (independent). Lalu klik OK
dan akan muncul output SPSS.
Interpretasi Output
- Koefisien determinasi
Koefisien determinasi
mencerminkan seberapa besar kemampuan variabel bebas dalam menjelaskan
varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di mana nilai
yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam
menjelaskan varians variabel terikatnya.
- Nilai t hitung dan signifikansi
Nilai t hitung > t tabel berarti ada pengaruh yang signifikan antara
variabel bebas terhadap variabel terikat, atau bisa juga dengan
signifikansi di bawah 0,05 untuk penelitian sosial, dan untuk penelitian
bursa kadang-kadang digunakan toleransi sampai dengan 0,10.
- Persamaan regresi
Sebagai ilustrasi variabel bebas: Biaya promosi dan variabel terikat:
Profitabilitas (dalam juta rupiah) dan hasil analisisnya Y = 1,2 + 0,55
X. Berarti interpretasinya:
- Jika besarnya biaya promosi meningkat sebesar 1 juta rupiah, maka profitabilitas meningkat sebesar 0,55 juta rupiah.
- Jika biaya promosi bernilai nol, maka profitabilitas akan bernilai 1,2 juta rupiah.
Interpretasi terhadap nilai intercept (dalam contoh ini 1,2 juta) harus
hati-hati dan sesuai dengan rancangan penelitian. Jika penelitian
menggunakan angket dengan skala likert antara 1 sampai 5, maka
interpretasi di atas tidak boleh dilakukan karena variabel X tidak
mungkin bernilai nol.
Regresi Linear Berganda
Analisis regresi linear berganda sebenarnya sama dengan analisis regresi
linear sederhana, hanya variabel bebasnya lebih dari satu buah.
Persamaan umumnya adalah:
Y = a + b1 X1 + b2 X2 + .... + bn Xn.
Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a
adalah konstanta (intersept) dan b adalah koefisien regresi pada
masing-masing variabel bebas.
Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi,
pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3)
terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:
Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3
- Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
- Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
- Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara
hati-hati. Jika pengukuran variabel dengan menggunakan skala Likert
antara 1 sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika
variabel motivasi, kompensasi dan kepemimpinan bernilai nol, karena
ketiga variabel tersebut tidak mungkin bernilai nol karena Skala Likert
terendah yang digunakan adalah 1.
Analisis regresi linear berganda memerlukan pengujian secara serempak
dengan menggunakan F hitung. Signifikansi ditentukan dengan
membandingkan F hitung dengan F tabel atau melihat signifikansi pada
output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan
(serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi
secara parsial tidak. Sebagai ilustrasi: seorang penjahat takut terhadap
polisi yang membawa pistol (diasumsikan polisis dan pistol secara
serempak membuat takut penjahat). Akan tetapi secara parsial, pistol
tidak membuat takut seorang penjahat. Contoh lain: air panas, kopi dan
gula menimbulkan kenikmatan, tetapi secara parsial, kopi saja belum
tentu menimbulkan kenikmatan.
Penggunaan metode analisis regresi linear berganda memerlukan uji asumsi klasik yang
secara statistik harus dipenuhi. Asumsi klasik yang sering digunakan
adalah asumsi normalitas, multikolinearitas, autokorelasi,
heteroskedastisitas dan asumsi linearitas..
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah 1) koefisien determinasi;
2) Uji F dan 3 ) uji t. Persamaan regresi sebaiknya dilakukan di akhir
analisis karena interpretasi terhadap persamaan regresi akan lebih
akurat jika telah diketahui signifikansinya. Koefisien determinasi
sebaiknya menggunakan Adjusted R Square dan jika bernilai negatif maka uji F dan uji t tidak dapat dilakukan.
Bentuk-bentuk regresi yang juga sering digunakan dalam penelitian adalah regresi logistik atau regresi ordinal.
Bentuk-bentuk regresi yang juga sering digunakan dalam penelitian adalah regresi logistik atau regresi ordinal.
Pertanyaan-pertanyaan yang sering muncul
- Dalam uji regresi sederhana apakah perlu menginterpretasikan nilai F hitung?
Uji F adalah uji kelayakan model (goodness of fit) yang harus
dilakukan dalam analisis regresi linear. Untuk analisis regresi linear
sederhana Signifikansi pada Uji F sama hasilnya dengan signifikansi pada
uji t.
- Kapan menggunakan uji satu arah dan kapan menggunakan uji dua arah?
Penentuan arah pengujian adalah
berdasarkan masalah penelitian, tujuan penelitian dan perumusan
hipotesis. Jika hipotesis sudah menentukan arahnya, maka sebaiknya
digunakan uji satu arah, tetapi jika hipotesis belum menentukan arah,
maka sebaiknya menggunakan uji dua arah. Penentuan arah pada hipotesis
berdasarkan tinjauan literatur. Contoh hipotesis dua arah: Terdapat
pengaruh antara kepuasan terhadap kinerja. Contoh hipotesis satu arah:
Terdapat pengaruh positif antara kepuasan terhadap kinerja. Nilai t
tabel juga berbeda antara satu arah dan dua arah. Jika menggunakan
signifikansi, maka signifikansi hasil output dibagi dua terlebih dahulu,
baru dibandingkan dengan 5%.
- Apa bedanya korelasi dengan regresi?
Korelasi adalah hubungan dan regresi adalah
pengaruh. Korelasi bisa berlaku bolak-balik, sebagai contoh A
berhubungan dengan B demikian juga B berhubungan dengan A. Untuk regresi
tidak bisa dibalik, artinya A berpengaruh terhadap B, tetapi tidak
boleh dikatakan B berpengaruh terhadap A. Dalam kehidupan sehari-hari
kedua istilah itu (hubungan dan pengaruh) sering dipergunakan secara
rancu, tetapi dalam ilmu statistik sangat berbeda. A berhubungan dengan B
belum tentu A berpengaruh terhadap B. Tetapi jika A berpengaruh
terhadap B maka pasti A juga berhubungan dengan B. (Dalam analisis
lanjut sebenarnya juga ada pengaruh yang bolak-balik yang disebut dengan
recursive, yang tidak dapat dianalisis dengan analisis regresi tetapi menggunakan (structural equation modelling).
Tidak ada komentar:
Posting Komentar