Uji regresi adalah salah satu teknik analisis statistika yang digunakan untuk menguji hubungan antara satu atau lebih variabel independen (variabel prediktor) dengan satu variabel dependen (variabel respons) dalam sebuah model regresi. Tujuan dari uji regresi adalah untuk menentukan seberapa kuat hubungan antara variabel independen dan variabel dependen, dan untuk menentukan apakah hubungan tersebut signifikan secara statistik.
Uji regresi dapat dilakukan dengan menggunakan beberapa metode, termasuk regresi linier sederhana, regresi linier berganda, dan regresi logistik. Dalam uji regresi, data dipetakan ke dalam suatu model matematis yang menggambarkan hubungan antara variabel independen dan variabel dependen. Kemudian, model tersebut diuji untuk melihat seberapa baik model tersebut dapat menjelaskan variasi dalam data.
Dalam uji regresi, beberapa statistik penting yang digunakan untuk mengevaluasi hubungan antara variabel independen dan variabel dependen meliputi:
- Koefisien determinasi (R-squared), yang mengukur seberapa besar variasi dalam variabel dependen dapat dijelaskan oleh variasi dalam variabel independen.
- Koefisien regresi, yang menunjukkan besarnya pengaruh setiap variabel independen terhadap variabel dependen.
- Statistik uji F, yang digunakan untuk menguji signifikansi model secara keseluruhan.
- Statistik uji t, yang digunakan untuk menguji signifikansi koefisien regresi.
Uji regresi sangat penting dalam banyak aplikasi statistika, termasuk ekonomi, sains sosial, kedokteran, dan ilmu pengetahuan lainnya. Uji regresi dapat memberikan informasi yang sangat berharga tentang hubungan antara variabel dan dapat digunakan untuk membuat prediksi dan mengidentifikasi faktor-faktor yang mempengaruhi variabel dependen.
Regresi linier sederhana, regresi linier berganda, dan regresi logistik adalah teknik analisis statistika yang berbeda, meskipun semuanya digunakan untuk menganalisis hubungan antara variabel independen dan variabel dependen.
- Regresi linier sederhana: Regresi linier sederhana digunakan ketika hanya ada satu variabel independen yang mempengaruhi variabel dependen. Dalam regresi linier sederhana, hubungan antara variabel independen dan variabel dependen dinyatakan dalam bentuk persamaan garis lurus. Tujuannya adalah untuk menentukan seberapa kuat hubungan antara variabel independen dan variabel dependen, serta mengukur besarnya pengaruh variabel independen terhadap variabel dependen.
- Regresi linier berganda: Regresi linier berganda digunakan ketika ada lebih dari satu variabel independen yang mempengaruhi variabel dependen. Dalam regresi linier berganda, hubungan antara variabel independen dan variabel dependen dinyatakan dalam bentuk persamaan linear yang lebih kompleks. Tujuannya adalah untuk menentukan seberapa kuat hubungan antara setiap variabel independen dan variabel dependen, serta mengukur besarnya pengaruh masing-masing variabel independen terhadap variabel dependen.
- Regresi logistik: Regresi logistik digunakan untuk menguji hubungan antara variabel independen dan variabel dependen yang bersifat kategorikal. Dalam regresi logistik, variabel dependen yang akan diprediksi adalah variabel kategorikal yang hanya memiliki dua kategori (misalnya, “ya” atau “tidak”, “benar” atau “salah”, dll.). Hubungan antara variabel independen dan variabel dependen dinyatakan dalam bentuk fungsi logistik. Tujuannya adalah untuk menentukan faktor-faktor yang mempengaruhi kemungkinan terjadinya suatu peristiwa atau kategori variabel dependen.
Perbedaan antara ketiga jenis regresi ini terletak pada jumlah dan jenis variabel independen dan jenis variabel dependen yang digunakan. Pemilihan jenis regresi yang tepat harus didasarkan pada jenis data yang dianalisis dan tujuan analisis tersebut.
Berikut ini adalah langkah-langkah untuk melakukan regresi linier sederhana, regresi linier berganda, dan regresi logistik dengan menggunakan SPSS:
- Regresi Linier Sederhana a. Buka program SPSS dan masukkan data yang akan dianalisis. b. Pilih menu “Analyze” di toolbar utama dan klik “Regression” > “Linear”. c. Pada jendela “Linear Regression”, pilih variabel dependen dan variabel independen yang ingin dianalisis dengan mengklik tombol “Dependent” dan “Independent” dan pindahkan variabel tersebut ke kotak “Variables” di sebelah kanan jendela. d. Klik tombol “Statistics” dan pilih koefisien regresi dan uji asumsi klasik untuk dianalisis. e. Klik tombol “OK” untuk menampilkan hasil analisis regresi linier sederhana.
- Regresi Linier Berganda a. Buka program SPSS dan masukkan data yang akan dianalisis. b. Pilih menu “Analyze” di toolbar utama dan klik “Regression” > “Linear”. c. Pada jendela “Linear Regression”, pilih variabel dependen dan beberapa variabel independen yang ingin dianalisis dengan mengklik tombol “Dependent” dan “Independent” dan pindahkan variabel tersebut ke kotak “Variables” di sebelah kanan jendela. d. Klik tombol “Statistics” dan pilih koefisien regresi dan uji asumsi klasik untuk dianalisis. e. Klik tombol “OK” untuk menampilkan hasil analisis regresi linier berganda.
- Regresi Logistik a. Buka program SPSS dan masukkan data yang akan dianalisis. b. Pilih menu “Analyze” di toolbar utama dan klik “Regression” > “Binary Logistic”. c. Pada jendela “Binary Logistic Regression”, pilih variabel dependen dan variabel independen yang ingin dianalisis dengan mengklik tombol “Dependent” dan “Independent” dan pindahkan variabel tersebut ke kotak “Variables” di sebelah kanan jendela. d. Klik tombol “Method” dan pilih metode penyelesaian yang diinginkan (misalnya, “Enter” atau “Stepwise”). e. Klik tombol “Statistics” dan pilih koefisien regresi dan uji asumsi klasik untuk dianalisis. f. Klik tombol “OK” untuk menampilkan hasil analisis regresi logistik.
Demikianlah langkah-langkah melakukan regresi linier sederhana, regresi linier berganda, dan regresi logistik dengan SPSS. Namun, sebelum melakukan analisis regresi, pastikan bahwa data telah memenuhi asumsi dan syarat dari masing-masing jenis regresi untuk menghasilkan hasil analisis yang valid dan dapat dipercaya.
Berikut adalah contoh interpretasi hasil uji regresi linier sederhana, regresi linier berganda, dan regresi logistik:
- Regresi Linier Sederhana Contoh hasil analisis regresi linier sederhana:
- Variabel independen: X
- Variabel dependen: Y
- Koefisien determinasi (R-Square) = 0.75
- Signifikansi F-test < 0.05
- Variabel independen (X) memiliki hubungan positif yang signifikan dengan variabel dependen (Y) sebesar 0.75.
- Model regresi linier sederhana ini secara statistik signifikan dalam menjelaskan hubungan antara variabel independen (X) dan variabel dependen (Y).
- Regresi Linier Berganda Contoh hasil analisis regresi linier berganda:
- Variabel dependen: Y
- Variabel independen: X1, X2, dan X3
- Koefisien determinasi (R-Square) = 0.85
- Signifikansi F-test < 0.05
- Variabel independen (X1, X2, dan X3) secara bersama-sama memiliki hubungan positif yang signifikan dengan variabel dependen (Y) sebesar 0.85.
- Model regresi linier berganda ini secara statistik signifikan dalam menjelaskan hubungan antara variabel independen (X1, X2, dan X3) dan variabel dependen (Y).
- Regresi Logistik Contoh hasil analisis regresi logistik:
- Variabel dependen: Y (dichotomous)
- Variabel independen: X1, X2, dan X3
- Koefisien determinasi (Nagelkerke R-Square) = 0.70
- Signifikansi Wald test < 0.05
- Variabel independen (X1, X2, dan X3) secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel dependen (Y) dalam menjelaskan kemungkinan kejadian (misalnya, kejadian sakit atau sehat).
- Model regresi logistik ini secara statistik signifikan dalam menjelaskan hubungan antara variabel independen (X1, X2, dan X3) dan variabel dependen (Y).
Dalam interpretasi hasil analisis regresi, penting untuk mengacu pada nilai koefisien determinasi dan signifikansi uji yang digunakan untuk menentukan kekuatan dan signifikansi hubungan antara variabel independen dan variabel dependen. Selain itu, perlu juga melihat nilai koefisien regresi dan confidence interval-nya untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen.