[SPSS] ANALISIS REGRESI

Tujuan: Untuk mengetahui bentuk hubungan antara variabel respon “Y” (dependen/tak bebas/terikat) dengan variabel prediktor “X” (independen/bebas).

Asumsi: (1) Sampel berdistribusi normal dan (2) Diambil secara acak dari populasi yang berdistribusi normal

Kegunaan: meramalkan nilai dari variabel bebas, jika setiap nilai dari variabel takbebas diketahui.

Analisis Regresi merupakan analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah lainnya.

Latihan!

Seorang peneliti ingin mengetahui apakah ada hubungan antara kelimpahan ulat bulu dengan keberadaan semut rangrang, kunjungan burung pemakan serangga serta kenaikan suhu, pada 20 pohon mangga yang diamati. Pengamatan dilakukan di Probolinggo yang sedang terserang wabah serangan ulat bulu. Berdasarkan hasil analisis korelasi pada praktikum sebelumnya, peneliti ingin mengetahui lebih mendalam apakah suhu memengaruhi kelimpahan ulat bulu di pohon mangga dalam bentuk hubungan sebab akibat, dimana suhu adalah sebab dan kelimpahan ulat bulu adalah akibat.

Data sebagai berikut:

Selanjutnya inputkan data ke program SPSS, seperti berikut:

Kemudian setelah itu kita cek bagaimana distribusi datanya dalam hal ini data mengikuti sebaran normal atau tidak. Salah satu cara untuk mengeceknya yaitu melalui uji KS. Langkahnya adalah klik Analyze lalu Nonparametric tests lalu pilih 1-sample KS.... masukkan variable yang akan dicek distribusi datanya ke dalam kolom test variable list.

Setelah output keluar dapat diketahui bahwa keempat data berdistribusi normal. Taunya dari mana? Jika angka Asymp. Sig. (2-tailed) >0.05 maka artinya DATA BERDISTRIBUSI NORMAL. Pada latihan kali ini kita hanya ingin melakukan analisis regresi antara suhu dan kelimpahan ulat bulu.

Selanjutnya, kita lakukan analisis regresi dengan cara klik Analyze, lalu pilih Regression, dan selanjutnya pilih Linier seperti tampilan di bawah ini:

Kemudian akan muncul laman Linier Regression seperti di bawah ini. Selanjutnya, masukkan variabel Jumlah Ulat Bulu ke dalam kolom Dependent dan variabel Suhu ke dalam kolom Independent. Lalu, klik OK!

Output hasil analisis akan muncul sebagai berikut:

Berdasarkan output diatas dapat diketahui bahwa Nilai R menunjukkan sebesar 0.733. Artinya bahwa terdapat hubungan yang kuat antara suhu dan kelimpahan ulat bulu. Nilai R square menunjukkan sebesar 0.537 atau 53.7%. Artinya bahwa kelimpahan ulat bulu dipengaruhi sebesar 53.7% oleh besarnya suhu lokasi penelitian, sedangkan sisanya 46.3% kelimpahan ulat bulu dipengaruhi oleh variabel lain di luar suhu. Hal ini mengindikasikan cukup tingginya tingkat determinasi suhu terhadap kelimpahan ulat bulu di pohon mangga.

Nilai R: menunjukkan kuat/tidaknya hubungan linier antar dua variabel.

Nilai R square: memprediksi  kontribusi pengaruh variabel X terhadap variabel Y.

Berdasarkan output diatas diketahui juga bahwa nilai sig. <0.05 menunjukkan adanya hubungan/korelasi yang bermakna.