Pengujian Asumsi Klasik dan Regresi Berganda.

Proses uji asumsi klasik dan regresi berganda bisa dilakukan secara bersama sama yang sebelumnya didahului dengan uji validitas dan reabilitas. (baca artikel sebelumnya Analisis Regresi Linear berganda). Adapun tahapan tahapan pengujian asumsi klasik dan Regresi Berganda sebagai berikut :

Pilih menu Analyze, pilih Regression, pilih linear, tampilannya akan tampak sebagai berikut.

Klik linear maka akan tampak kotak perintah sbb: ikuti langkah berikut:

Masukkan peubah bebas (hanya nilai total saja, x1, x2 ) pada kotak independent
Masukkan peubah terikat (hanya nilai total Y) pada kotak dependent
Berikutnya klik icon “statistics….” Kemudian beri tanda check ( ) pada kotak yang telah disediakan, sesuaikan dengan contoh. Selanjutnya klik continue dan klik Ok, maka SPSS sedang running… tunggu beberapa saat dan hasil analisis regresi berganda sudah bisa dilihat seperti tampilan berikut ini.

Berikutnya adalah melakukan interpretasi atas hasil analisis regresi. Dalam membaca PRINT OUT SPSS tersebut, saudara harus bersandar pada rumusan masalah, tujuan dan hipotesis penelitian. Artinya tidak semua angka-angka/parameter diinterpretasikan. Dalam contoh ini telah disebutkan bahwa peneliti ingin mengetahui dan menguji:
Apakah ada pengaruh antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama mapun secara parsial

Dengan demikian hipotesis penelitian akan dinyatakan :

1. Ada Pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama


2. Ada Pengaruh yang signifikan antara gaji karyawan (x1) terhadap prestasi kerja (Y)(parsial)


3. Ada Pengaruh yang signifikan antara kedisiplinan (x2) terhadap prestasi kerja (Y) (parsial)

Jika dimungkinkan, saudara juga diperbolehkan menduga bahwa salah satu variabel mempunyai pengaruh paling dominan, asalkan saudara mempunyai argumen yang kuat berdasarkan teori maupun penelitian terdahulu, ingat harus punya argumen tidak sekedar menduga tanpa dasar.
Misalnya, Diduga gaji karyawan (x1) mempunyai pengaruh yang paling dominan terhadap prestasi kerja (Y), hal ini tentunya harus didukung dengan alasan yang kuat bukan sekedar ikut kebiasaan selama ini.

Membaca/Menginterpreasi Print Output SPPS regresi Berganda
Pengujian hipotesis,

Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama. Untuk pengujian penelitian, secara statistik biasanya ada prosedur sbb

1. Lihat nilai R (koefisien korelasi berganda) gunanya untuk mengetahui keeratan hubungan antara peubah x1 dan x2 (secara sumultan) terhadap peubah terikat (y).
   Nilai korelasi bisa bernotasi negative maupun positif, notasi ini mengindikasikan bentuk atau arah hunungan yang terjadi. Perhatikan Kriteria nilai korelasi pada tabel berikut:
   
   
   Hasil analisis menunjukkan nilai R= 0.738, hal ini menunjukkan bahwa terdapat hubungan yang cukup kuat antara gaji karyawan (x1) dan kedisipliinan (x2) secara bersama-sama terhadap prestasi kerja (Y). Artinya jika x1 dan x2 meningkat maka Y juga akan meningkat (korelasi positif). (R = dilihat pada tabel ke 2 Model Summary, Kolom 2)
   
   
2. Lihat nilai R square (R2) juga disebut sebagai koefisien determinasi gunanya untuk mengetahui besarnya kontribusi peubah bebas (x) secara serempak didalam menjelaskan peubah terikat (Y). R Square juga dapat menunjukkan ragam naik atau turunnya peubah terikat (Y) yang diterangkan oleh pengaruh linier peubah bebas (X).
   Ukuran nilai R Square adalah 0. R2 ( 1, artinya semakin mendekati angka satu berarti garis regresi yang terbentuk dapat meramalkan peubah terikat (Y) secara lebih baik menuju kesempurnaan (model fit)
   Dalam tabel model summary (hal 13) kita lihat nilai R2 sebesar 0,544. Hal ini diartikan bahwa peubah bebas dalam hal ini gaji dan kedisiplinan secara bersama- sama menjelaskan peubah prestasi kerja sebesar 54,4 %, sedangkan sisanya 45,6 % dijelaskan oleh peubah lain yang tidak diteliti dalam penelitian ini atau model penelitian.
   Semakin besar nilai R2 semakin menunjukkan ketepatan model yang telah disusun (model yang dimaksud adalah model teori penelitian ini).
   
   
3. Lihat Nilai F statistic (biasa disebut Uji F) dan Nilai Sig. (lihat table ANOVA) NIlai F statistic dapat digunakan untuk mengetahui tingkat signifikansi kontribusi peubah bebas (secara bersama-sama) dalam menjelaskan peubah terikat. Artinya apakah pengaruhnya nyata atau bermakna. Dengan membandingkan nilai F statistic dengan nilai F table dapat diketahui tingkat signifikansinya.
   
   Kita lihat dari table ANOVA bahwa nilai F stat sebesar 16.03 sedangkan F table dapat di tentukan dengan cara sebagai berikut: Lihat df (degree of freedom) atau derajat bebas (db) rumusnya k, n-k-1 atau langsung lihat di table anova, df nya adalah 2 (jumlah peubah bebas), dan 27 (jumlah responden – peubah bebas -1 jadi 30-2-1=27) setelah diketahui df nya berikutnya lihat table F yang tersedia di setiap buku statistic. Cara baca tabelnya adalah sebagai berikut :
   Lihat angka 2 pada kolom db pembilang dan lihat angka 27 pada kolom db penyebut dan hubungkan perpotongan keduanya pada tingkat alpha (misal 0,05) maka akan terlihat angka sebesar 3,35.
   Jika kita bandingkan antara F stat dengan F table maka 16,03 3.35, jadi keputusannya adalah menerima hipotesis yang menyatakan bahwa terdapat pengaruh yang signifikan antara gaji karyawan (x1) dan Kedisiplinan karyawan (x2) secara bersama-sama terhadap prestasi kerja karyawan (Y)

Sumber :
Hanif Mauludin (2010), Metode Penelitian dan Pengolahan Data Penelitian, Modul Pengolahan Data SPSS