Uji t, Uji F, dan Koefisien Determinasi (R²): Cara Membaca dan Menulisnya di Skripsi

Setelah regresi linear berganda dijalankan, tahap berikutnya adalah pengujian hipotesis. Di sinilah tiga istilah yang sering bikin bingung muncul: uji t, uji F, dan koefisien determinasi (R²).

Ketiganya menjawab pertanyaan berbeda:

Uji t (pengaruh parsial)

Uji t menguji hipotesis untuk tiap variabel bebas secara terpisah.

Kriteria keputusan (pilih salah satu, sesuai Bab 3):

• Sig. < 0,05 → H0 ditolak, Ha diterima (berpengaruh signifikan).
• t hitung > t tabel → berpengaruh signifikan.

Cara mencari t tabel: df = n − k − 1, dengan n = jumlah sampel dan k = jumlah variabel bebas. Untuk n = 100 dan 3 variabel bebas, df = 96 sehingga t tabel (α = 5%, dua arah) ≈ 1,985.

Perhatikan juga arah koefisien. Jika hipotesismu "berpengaruh positif" tetapi koefisiennya negatif dan signifikan, hipotesis tetap tidak terdukung karena arahnya berlawanan.

Contoh interpretasi uji t

Variabel Kualitas Produk (X2) memiliki t hitung 4,045 > t tabel 1,985 dengan signifikansi 0,000 < 0,05. Dengan demikian, H2 diterima, yang berarti kualitas produk berpengaruh positif dan signifikan terhadap keputusan pembelian.

Variabel Promosi (X3) memiliki t hitung 1,228 < t tabel 1,985 dengan signifikansi 0,222 > 0,05. Dengan demikian, H3 ditolak, yang berarti promosi tidak berpengaruh signifikan terhadap keputusan pembelian.

Hipotesis yang ditolak bukan berarti penelitianmu gagal. Justru di pembahasan kamu perlu menjelaskan kemungkinan penyebabnya dan mengaitkannya dengan penelitian terdahulu.

Uji F (pengaruh simultan)

Uji F melihat apakah seluruh variabel bebas secara bersama-sama berpengaruh terhadap variabel terikat. Uji ini sering juga disebut uji kelayakan model.

Kriteria:

• Sig. < 0,05 pada tabel ANOVA → berpengaruh simultan, atau
• F hitung > F tabel.

Cara mencari F tabel: df1 = k, df2 = n − k − 1. Untuk n = 100 dan k = 3, F tabel (α = 5%) dengan df (3; 96) ≈ 2,70.

Contoh interpretasi uji F

Hasil uji F menunjukkan F hitung 28,417 > F tabel 2,70 dengan signifikansi 0,000 < 0,05. Artinya, harga, kualitas produk, dan promosi secara simultan berpengaruh signifikan terhadap keputusan pembelian.

Koefisien determinasi (R²)

R² menunjukkan persentase variasi Y yang bisa dijelaskan oleh variabel-variabel X dalam model.

• Untuk satu variabel bebas, gunakan R Square.
• Untuk dua atau lebih variabel bebas, gunakan Adjusted R Square, karena R Square cenderung naik setiap kali variabel ditambahkan.

Contoh interpretasi R²

Nilai Adjusted R Square sebesar 0,452 menunjukkan bahwa 45,2% variasi keputusan pembelian dapat dijelaskan oleh harga, kualitas produk, dan promosi. Sisanya sebesar 54,8% dijelaskan oleh variabel lain di luar model penelitian ini, misalnya citra merek atau ulasan konsumen.

Menyebut contoh variabel lain di luar model membuat pembahasanmu lebih matang dan sering menjadi bahan saran untuk penelitian selanjutnya.

Urutan penulisan di Bab 4

1. Analisis regresi linear berganda (persamaan).
2. Uji t (parsial), dibahas per hipotesis.
3. Uji F (simultan).
4. Koefisien determinasi.

Beberapa kampus menaruh uji F sebelum uji t. Ikuti pedoman kampus atau contoh skripsi di prodimu. Struktur lengkap Bab 4 bisa kamu lihat di artikel sistematika Bab 4 skripsi kuantitatif.

Pertanyaan yang sering ditanyakan

Kalau uji F signifikan tapi ada uji t yang tidak signifikan, apakah wajar?

Wajar. Uji F melihat pengaruh semua variabel secara bersama-sama, sedangkan uji t melihat pengaruh masing-masing. Bisa saja model secara keseluruhan layak, tetapi ada satu variabel yang pengaruhnya tidak signifikan secara parsial.

R Square kecil, apakah penelitian saya buruk?

Tidak otomatis buruk. Pada penelitian perilaku dan sosial, R² sekitar 0,2–0,5 cukup umum. Yang penting kamu menjelaskan bahwa masih ada faktor lain di luar model dan menyebutkan contohnya.

Pakai sig. atau t tabel untuk uji hipotesis?

Keduanya memberi kesimpulan yang sama. Gunakan kriteria yang tertulis di Bab 3, dan kalau ingin lebih lengkap, sebutkan keduanya di Bab 4.