Regresi Linear Berganda SPSS: Langkah, Cara Membaca Output, dan Contoh Interpretasi
Daftar isi
Regresi linear berganda adalah analisis yang paling sering dipakai di skripsi kuantitatif. Dengan analisis ini kamu bisa melihat pengaruh dua atau lebih variabel bebas (X) terhadap satu variabel terikat (Y), sekaligus menguji hipotesis penelitian.
Artikel ini membahas langkah di SPSS, cara membaca output, dan cara menuliskannya di Bab 4.
Sebelum mulai
Pastikan dua hal sudah beres:
- Instrumen valid dan reliabel (untuk data kuesioner). Lihat uji validitas dan reliabilitas SPSS.
- Asumsi klasik terpenuhi. Lihat uji asumsi klasik regresi.
Gunakan skor total (jumlah) atau rata-rata butir setiap variabel. Pilih salah satu dan konsisten.
Langkah di SPSS
- Buka Analyze → Regression → Linear.
- Masukkan Y ke kotak Dependent, semua X ke kotak Independent(s).
- Method: Enter.
- Klik Statistics, centang Estimates, Model fit, dan Collinearity diagnostics.
- Klik OK.
SPSS akan mengeluarkan beberapa tabel. Tiga yang paling penting adalah Model Summary, ANOVA, dan Coefficients.
Membaca tabel Coefficients
Misalkan penelitian berjudul Pengaruh Harga (X1), Kualitas Produk (X2), dan Promosi (X3) terhadap Keputusan Pembelian (Y) dengan 100 responden menghasilkan output berikut:
| Variabel | B | Std. Error | t | Sig. |
|---|---|---|---|---|
| (Constant) | 4,215 | 1,872 | 2,252 | 0,027 |
| Harga (X1) | 0,284 | 0,091 | 3,121 | 0,002 |
| Kualitas Produk (X2) | 0,356 | 0,088 | 4,045 | 0,000 |
| Promosi (X3) | 0,097 | 0,079 | 1,228 | 0,222 |
Kolom B (Unstandardized Coefficients) dipakai untuk menyusun persamaan regresi:
Y = 4,215 + 0,284X1 + 0,356X2 + 0,097X3 + e
Cara menginterpretasikan persamaan
- Konstanta 4,215: jika Harga, Kualitas Produk, dan Promosi bernilai nol, Keputusan Pembelian bernilai 4,215.
- Koefisien X1 = 0,284 (positif): setiap kenaikan satu satuan skor Harga meningkatkan Keputusan Pembelian sebesar 0,284, dengan asumsi variabel lain tetap.
- Koefisien X2 = 0,356: kenaikan satu satuan Kualitas Produk meningkatkan Keputusan Pembelian sebesar 0,356.
- Koefisien X3 = 0,097: arahnya positif, tetapi perlu dilihat signifikansinya pada uji t.
Tanda positif atau negatif menunjukkan arah pengaruh. Signifikan atau tidaknya dilihat dari kolom Sig., yang dibahas di artikel uji t, uji F, dan koefisien determinasi.
Menentukan variabel paling dominan
Kalau dosen bertanya variabel mana yang paling berpengaruh, lihat kolom Standardized Coefficients (Beta), bukan B. Beta sudah distandarkan sehingga bisa dibandingkan antar variabel yang satuannya berbeda. Nilai Beta absolut terbesar menunjukkan variabel paling dominan.
Contoh kalimat Bab 4
Berdasarkan hasil analisis regresi linear berganda, diperoleh persamaan Y = 4,215 + 0,284X1 + 0,356X2 + 0,097X3 + e. Koefisien regresi seluruh variabel bebas bernilai positif, yang berarti semakin baik persepsi konsumen terhadap harga, kualitas produk, dan promosi, semakin tinggi pula keputusan pembelian. Variabel Kualitas Produk memiliki koefisien terbesar sehingga menjadi faktor yang paling kuat mendorong keputusan pembelian.
Agar pembahasanmu tidak hanya membaca angka, gunakan rumus 4 lapis interpretasi.
Kesalahan yang sering terjadi
- Memakai kolom Beta untuk menyusun persamaan. Persamaan regresi memakai B.
- Menyimpulkan "berpengaruh" hanya dari tanda koefisien tanpa melihat Sig.
- Lupa menulis "dengan asumsi variabel lain konstan" (ceteris paribus).
- Tidak konsisten antara hipotesis di Bab 2–3 dan cara pengujiannya di Bab 4.
Pertanyaan yang sering ditanyakan
Apa bedanya regresi linear sederhana dan berganda?
Regresi linear sederhana memakai satu variabel bebas, sedangkan regresi linear berganda memakai dua atau lebih variabel bebas terhadap satu variabel terikat.
Kalau konstanta bernilai negatif, apakah salah?
Tidak selalu salah. Konstanta adalah nilai Y ketika semua X bernilai nol, yang sering tidak realistis pada data skala Likert. Fokus utama interpretasi tetap pada koefisien dan signifikansi variabel bebas.
Berapa minimal sampel untuk regresi linear berganda?
Aturan praktis yang sering dipakai adalah minimal 10–20 responden per variabel bebas, dan secara umum minimal 30. Penentuan sampel yang lebih tepat dibahas di artikel cara menentukan jumlah sampel penelitian.
