Regresi linear berganda SPSS interpretasi adalah salah satu topik yang paling banyak dicari mahasiswa manajemen dan ekonomi, baik di jenjang S1 maupun S2. Tidak mengherankan, karena hampir setiap penelitian kuantitatif di bidang bisnis dan sosial memerlukan analisis ini untuk menguji pengaruh lebih dari satu variabel independen terhadap satu variabel dependen. Masalahnya, banyak mahasiswa sudah mengumpulkan data lengkap tetapi bingung menentukan urutan langkah yang benar di SPSS, mulai dari uji asumsi klasik hingga membaca koefisien regresi di tabel output.
Regresi linear berganda adalah metode statistik yang mengukur hubungan antara dua atau lebih variabel independen (X) terhadap satu variabel dependen (Y) secara simultan. Di SPSS, analisis ini bisa diselesaikan melalui menu Analyze → Regression → Linear, dengan syarat data sudah memenuhi asumsi klasik seperti normalitas, bebas multikolinearitas, bebas heteroskedastisitas, dan bebas autokorelasi. Artikel ini memandu seluruh tahapannya secara konkret.
Direct Answer: Analisis regresi linear berganda di SPSS dimulai dari uji asumsi klasik (normalitas, multikolinearitas, heteroskedastisitas, autokorelasi), dilanjutkan dengan menjalankan menu Analyze → Regression → Linear, lalu membaca tabel Model Summary, ANOVA, dan Coefficients untuk interpretasi koefisien. Nilai Sig. < 0,05 menunjukkan variabel independen berpengaruh signifikan terhadap variabel dependen.
Tugas beres, bebas stres — biar Percetakan Wisuda yang mengerjakannya. Ahlinya Dokumen sejak 2004. Dari manapun kapanpun, bayar via QRIS, garansi revisi.💬 Kirim Dokumen
Yang Akan Kamu Dapatkan dari Artikel Ini
- Urutan lengkap uji asumsi klasik regresi di SPSS beserta kriteria kelulusannya
- Langkah-langkah menjalankan regresi linear berganda SPSS dari awal hingga output
- Cara membaca dan interpretasi output regresi SPSS: R Square, F hitung, dan koefisien B
- Studi kasus fiktif mahasiswa manajemen yang menguji pengaruh motivasi dan disiplin terhadap kinerja
- Checklist siap-analisis agar data tidak perlu diulang dari awal
Uji Asumsi Klasik Regresi Linear Berganda SPSS Wajib Dipenuhi Sebelum Analisis
Sebelum menjalankan regresi, SPSS tidak akan menolak perintahmu meskipun data belum memenuhi asumsi. Output tetap muncul, tetapi hasilnya bisa menyesatkan. Itulah mengapa uji asumsi klasik harus diselesaikan lebih dulu. Ada empat uji yang wajib dilakukan:
- Uji Normalitas — memastikan residual berdistribusi normal (gunakan Kolmogorov-Smirnov; Sig. > 0,05 = normal).
- Uji Multikolinearitas — memastikan tidak ada korelasi tinggi antar variabel independen (VIF < 10 dan Tolerance > 0,10 dianggap aman).
- Uji Heteroskedastisitas — memastikan varians residual konstan (scatterplot Zpred vs Zresid tidak membentuk pola tertentu).
- Uji Autokorelasi — memastikan tidak ada korelasi antar residual (nilai Durbin-Watson 1,5–2,5 umumnya diterima).
Cara Uji Normalitas Residual di SPSS
Masuk ke Analyze → Regression → Linear, klik Save, centang Unstandardized Residuals. Setelah regresi dijalankan, variabel RES_1 muncul di data. Kemudian buka Analyze → Nonparametric Tests → Legacy Dialogs → 1-Sample K-S, masukkan RES_1. Jika nilai Asymp. Sig. (2-tailed) > 0,05, residual terdistribusi normal.
Cara Uji Multikolinearitas di SPSS
Jalankan regresi melalui Analyze → Regression → Linear, klik Statistics, centang Collinearity diagnostics. Pada tabel Coefficients, kolom Tolerance dan VIF akan muncul. Nilai VIF < 10 berarti tidak ada multikolinearitas yang mengkhawatirkan.
Langkah-Langkah Regresi Linear Berganda SPSS: Tutorial Lengkap
Setelah keempat uji asumsi klasik terpenuhi, kamu bisa menjalankan analisis regresi linear berganda di SPSS. Berikut urutan langkahnya secara spesifik.
- Buka SPSS, masuk ke Variable View. Definisikan nama variabel dependen (misalnya
Kinerja) dan variabel independen (misalnyaMotivasi,Disiplin). Pastikan tipe data Numeric dan skala Scale. Pindah ke Data View dan masukkan seluruh nilai responden. - Lakukan keempat uji asumsi klasik seperti dijelaskan pada bagian sebelumnya. Pastikan semua kriteria terpenuhi sebelum lanjut ke regresi utama.
- Klik Analyze → Regression → Linear. Jendela Linear Regression akan terbuka.
- Pindahkan variabel dependen (
Kinerja) ke kotak Dependent. Pindahkan semua variabel independen (Motivasi,Disiplin) ke kotak Independent(s). Biarkan Method tetap Enter. - Klik Statistics, centang Estimates, Confidence intervals, Model fit, dan Collinearity diagnostics. Klik Continue.
- Klik OK. SPSS akan menghasilkan tiga tabel utama: Model Summary, ANOVA, dan Coefficients. Ketiga tabel ini adalah inti dari interpretasi output regresi SPSS.
Langkah 1: Persiapkan Data di SPSS
Langkah 2: Jalankan Uji Asumsi Klasik
Langkah 3: Buka Menu Regresi Linear
Langkah 4: Masukkan Variabel
Langkah 5: Aktifkan Output Statistik Tambahan
Langkah 6: Jalankan dan Baca Output
Interpretasi Output Regresi Linear Berganda SPSS: Panduan Membaca Tiga Tabel Utama
| Tabel Output SPSS | Yang Dibaca | Kriteria Interpretasi |
| Model Summary | R Square (R²) dan Adjusted R Square | Semakin mendekati 1, semakin besar kemampuan variabel independen menjelaskan variansi variabel dependen. Gunakan Adjusted R² untuk model dengan lebih dari satu variabel independen. |
| ANOVA | Nilai F hitung dan Sig. | Jika Sig. < 0,05, model regresi secara simultan berpengaruh signifikan terhadap variabel dependen (uji F). |
| Coefficients | Nilai B (Unstandardized) dan Sig. masing-masing variabel | Jika Sig. < 0,05, variabel independen tersebut berpengaruh signifikan secara parsial (uji t). Nilai B menunjukkan arah dan besaran pengaruh. |
Contoh persamaan regresi yang terbentuk dari output Coefficients: Y = a + b₁X₁ + b₂X₂, misalnya Kinerja = 2,14 + 0,47 Motivasi + 0,38 Disiplin. Artinya, setiap kenaikan satu satuan Motivasi meningkatkan Kinerja sebesar 0,47 poin, dengan asumsi variabel lain konstan. Interpretasi koefisien regresi seperti ini langsung bisa ditempelkan di Bab IV laporan penelitian.
Studi Kasus: Mahasiswa Manajemen Menguji Pengaruh Motivasi dan Disiplin terhadap Kinerja Karyawan
Dita, mahasiswa S1 Manajemen di sebuah universitas swasta di Surabaya, sedang menyusun skripsi tentang faktor-faktor yang memengaruhi kinerja karyawan di perusahaan ritel. Ia sudah mengumpulkan data dari 85 responden melalui kuesioner dengan skala Likert 1–5, mengukur dua variabel independen: Motivasi Kerja (X1) dan Disiplin Kerja (X2), terhadap variabel dependen Kinerja Karyawan (Y).
Sebelum menjalankan regresi, Dita memastikan uji asumsi klasik dipenuhi. Uji Kolmogorov-Smirnov menghasilkan Sig. 0,112 (normal). Nilai VIF untuk Motivasi adalah 2,34 dan untuk Disiplin 2,41 (bebas multikolinearitas karena VIF < 10). Scatterplot tidak menunjukkan pola kerucut, dan Durbin-Watson bernilai 1,987 (bebas autokorelasi).
Setelah menjalankan regresi di SPSS, tabel Model Summary menunjukkan Adjusted R² = 0,612, artinya Motivasi dan Disiplin secara bersama-sama menjelaskan 61,2% variansi Kinerja Karyawan. Tabel ANOVA menghasilkan F = 67,43 dengan Sig. 0,000, yang berarti model signifikan. Dari tabel Coefficients, koefisien B untuk Motivasi = 0,47 (Sig. 0,002) dan untuk Disiplin = 0,38 (Sig. 0,019) — keduanya signifikan secara parsial.
Persamaan regresi yang terbentuk: Kinerja = 2,14 + 0,47 Motivasi + 0,38 Disiplin. Dita kemudian menuliskan interpretasi ini langsung di Bab IV skripsinya. Karena semua asumsi terpenuhi dan hasil konsisten, Dita tidak perlu mengulang pengolahan data dari awal.
Checklist Sebelum Menjalankan Regresi Linear Berganda di SPSS
- ✅ Pastikan variabel dependen dan semua variabel independen sudah terdefenisi dengan tipe Numeric dan skala Scale di SPSS.
- ✅ Lakukan uji normalitas residual — nilai Sig. Kolmogorov-Smirnov harus > 0,05.
- ✅ Verifikasi nilai VIF semua variabel independen < 10 untuk memastikan bebas multikolinearitas.
- ✅ Periksa scatterplot Zpred vs Zresid — pastikan tidak ada pola sistematis (heteroskedastisitas).
- ✅ Cek nilai Durbin-Watson di Model Summary — kisaran 1,5–2,5 menunjukkan bebas autokorelasi.
- ✅ Pastikan jumlah sampel minimal 5× jumlah variabel independen untuk kekuatan statistik yang memadai.
Jika penelitianmu juga melibatkan uji beda antara dua kelompok atau lebih, kamu bisa mempelajari langkahnya di artikel Cara Uji Beda ANOVA dan Uji T dengan SPSS sebagai pelengkap analisis kuantitatifmu.
FAQ: Pertanyaan Umum Seputar Regresi Linear Berganda SPSS
Bagaimana cara memasukkan data ke SPSS untuk analisis regresi linear berganda?
Buka SPSS, masuk ke Variable View untuk mendefinisikan nama dan tipe variabel, lalu pindah ke Data View untuk memasukkan nilai masing-masing variabel. Pastikan variabel dependen dan semua variabel independen sudah terdaftar sebelum menjalankan analisis regresi.
Bagaimana cara membaca nilai koefisien regresi di output SPSS?
Pada tabel Coefficients di output SPSS, perhatikan kolom B (Unstandardized Coefficients) untuk nilai koefisien masing-masing variabel independen, dan kolom Sig. untuk menguji signifikansi. Jika Sig. < 0,05, variabel tersebut berpengaruh signifikan terhadap variabel dependen.
Apa saja uji asumsi klasik yang wajib dilakukan sebelum regresi linear berganda di SPSS?
Empat uji asumsi klasik wajib dalam regresi linear berganda di SPSS adalah: uji normalitas (Kolmogorov-Smirnov atau P-Plot), uji multikolinearitas (nilai VIF < 10), uji heteroskedastisitas (scatterplot Zpred vs Zresid), dan uji autokorelasi (Durbin-Watson). Keempat uji ini harus terpenuhi sebelum hasil regresi dianggap valid.
Apa perbedaan nilai R Square dan Adjusted R Square dalam output regresi SPSS?
R Square mengukur proporsi variansi variabel dependen yang dijelaskan oleh semua variabel independen dalam model, sedangkan Adjusted R Square menyesuaikan nilai tersebut berdasarkan jumlah variabel. Gunakan Adjusted R Square saat model memiliki lebih dari satu variabel independen agar hasilnya lebih akurat.
Kesimpulan
Analisis regresi linear berganda di SPSS bukan sekadar menjalankan menu dan mencetak tabel. Kualitas hasil sangat bergantung pada apakah uji asumsi klasik dipenuhi sebelumnya. Dengan memahami alur dari uji normalitas, multikolinearitas, heteroskedastisitas, hingga autokorelasi, kamu bisa memastikan interpretasi output regresi SPSS yang dihasilkan benar-benar valid dan siap ditempelkan di Bab IV. Berdasarkan pengalaman percetakanwisuda.com sejak 2004 membantu mahasiswa S1 hingga S3 — khususnya di bidang manajemen dan ekonomi — regresi berganda adalah permintaan olah data paling konsisten setiap semester. Percetakan Wisuda, Ahlinya Dokumen, siap membantu jika kamu membutuhkan bantuan teknis pengolahan datamu.