Simple Linear

Regression
Research Analysis
SPSS Tutorial
Statistics and Probability

November 2024

ISSUED BY
Prof. Dr. Gede Rasben Dantes, S.T., M.T.I.
Putu Dhanu Driya, [Link]., M.A.
Research Title: Does The Number Of Applications
Installed On Smartphone Affect The Screen Time Average?

Setup The Variable and Import Data

Setup the variable

Import the data

1
Uji Validitas
• Dasar Pengambilan Keputusan
Setiap uji dalam statistik tentu mempunyai dasar dalam pengambilan keputusan
sebagai bahan acuan atau pedoman untuk membuat kesimpulan. Begitu pula uji
validitas product moment pearson correlation ini. Adapun dasar pengambilan
keputusan dalam uji ini, bisa dilakukan melalui beberapa cara yaitu:
1. Membandingkan Nilai r dengan Nilai r Tabel
▪ Jika nilai r hitung > r tabel, maka item soal angket tersebut dinyatakan
valid.
▪ Jika nilai r hitung < r tabel, maka item soal angket tersebut dinyatakan
tidak valid.
2. Membandingkan Nilai Sig. (2-tailed) dengan probabilitas 0.05
▪ Jika nilai Sig. (2-tailed) < 0,05 dan Pearson Correlation bernilai positif,
maka item soal angket tersebut valid.
▪ Jika nilai Sig. (2-tailed) < 0,05 dan Pearson Correlation bernilai negatif,
maka item soal angket tersebut tidak valid.
▪ Jika nilai Sig. (2-tailed) > 0,05, maka item soal angket tersebut tidak
valid.
3. Membaca r Tabel
Cara membaca R tabel adalah dengan melihat pada probabilitas tertentu,
dimana yang biasa digunakan adalah nilai 0,05. Selanjutnya tentukan berapa
nilai DF (degree of freedom) atau derajat kebebasan dengan rumus (df = n
– 2). Dimana N adalah besarnya sampel. jika sampel sejumlah 50, maka DF =
50 – 2 = 48.

2
3
4
• Uji Validitas Pada SPSS
Pilih menu analyze, kemudian pilih sub menu Correlate, lalu pilih Bivariate.
Kemudian muncul kotak baru, dari kotak dialog "Bivariate Correlations", masukkan
semua variabel ke kotak Variables:. Pada bagian "Correlation Coefficients" centang
(v) Pearson, pada bagian "Test of Significance" pilih Two-tailed. Centang Flag
significant Correlations lalu klik Ok untuk mengakhiri perintah.

5
Validitas Dengan Perbandingan r Tabel dan r Hitung
N = 40
Df= 40 – 2 = 38

r Tabel = 0.2638
Bandingkan r hitung dan r tabel, gunakan dasar perhitungan r tabel dan r hitung
Variabel R Tabel R Hitung Keterangan
X 0.2638 0.996 → Lebih Valid
Besar
Y 0.2638 0.996 → Lebih Valid
Besar

Validitas Dengan Perbandingan Nilai Sig. Dengan Probabilitas 0.05

Variabel Nilai Sig. Keterangan

X < 0.01 Valid
Y < 0.01 Valid

Karena nilai Sig. (2-tailed) < 0,05 dan Pearson Correlation bernilai positif, maka item
soal angket tersebut valid.

6
Uji Reliabilitas
Dasar Keputusan dalam Uji Reliabilitas Alpha Cronbach’s
Dalam bukunya (V. Wiratna Sujarweni. 2014. SPSS untuk Penelitian. Yogyakarta: Pustaka
Baru Press. Hal-193) menjelaskan bahwa uji reliabilitas dapat dilakukan secara bersama-
sama terhadap seluruh butir atau item pertanyaan dalam angket (kuesioner) penelitian.
Adapun dasar pengambilan keputusan dalam uji reliabilitas adalah sebagai berikut:
• Jika nilai Cronbach's Alpha > 0,60 maka kuesioner atau angket dinyatakan reliabel
atau konsisten.
• Sementara, jika nilai Cronbach's Alpha < 0,60 maka kuesioner atau angket
dinyatakan tidak reliabel atau tidak konsisten.

Uji Reliabilitas Pada SPSS

Pada SPSS pilih analyze, lalu pilih scale, kemudian pilih reliability analysis, kemudian
masukkan semua variabel ke kotak items, dengan memilih model alpha. Kemudian pilih
statistics, pada bagian descriptive for klik Scale if Item Deleted, lalu pilih continue, lalu pilih
OK.

7
8
Interpretasi Uji Reliabilitas

Dari tabel output di atas diketahui ada N of Items (banyaknya variabel) ada 2 buah item
dengan nilai Cronbach's Alpha sebesar 0,722. Karena nilai Cronbach's Alpha 0,722 > 0,60,
maka sebagaimana dasar pengambilan keputusan dalam uji reliabilitas di atas, dapat
disimpulkan bahwa kedua variabel adalah reliabel atau konsisten.

Uji Heterokesdastisitas
Uji heteroskedastisitas merupakan bagian dari uji asumsi klasik dalam analisis regresi yang
bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance
(variasi) dari nilai residual satu pengamatan ke pengamatan yang lain. Jika variance dari
nilai residual satu pengamatan ke pengamatan lain bersifat tetap, maka disebut
homoskedastisitas, namun jika variance dari nilai residual satu pengamatan ke pengamatan
lain berbeda maka disebut heteroskedastisitas. Model regresi yang baik seharusnya tidak
terjadi gejala heteroskedastisitas.

9
Dasar Pengambilan Keputusan
Dasar pengambilan keputusan berguna sebagai pedoman atau acuan dalam menentukan
sebuah kesimpulan atau keputusan atas hasil analisis yang telah dilakukan. Adapun dasar
pengambilan keputusan dalam uji heteroskedastisitas dengan menggunakan uji glejser
adalah sebagai berikut:
1) Jika nilai signifikansi (Sig.) lebih besar dari 0,05, maka kesimpulannya adalah tidak
terjadi gejala heteroskedastisitas dalam model regresi.
2) Sebaliknya, jika nilai nilai signifikansi (Sig.) lebih kecil dari 0,05, maka kesimpulannya
adalah terjadi gejala heteroskedastisitas dalam model regresi.

Uji Heteroskesdastisitas pada SPSS

1. Membuat persamaan regresi dari variabel penelitian dan memunculkan variabel
baru yakni variabel Unstandardized residual atau RES_1. Caranya adalah, masuk
Data View, dari menu SPSS pilih Analyze → Regression → Linier…

2. Akan muncul kotak dialog dengan nama “Linear Regression” selanjutnya

masukkan variabel Nilai Import (Y) ke kolom Dependent: lalu masukkan variabel
Indek Harga (X1) dan GNP (X2) ke kolom Independent(s). Setelah itu klik Save…

10
3. Akan muncul kotak dialog dengan nama “Linear Regression: Save”, selanjutnya
pada bagian “Residuals”, berikan tanda centang (v) pada Unstandardized.
Dengan mengabaikan pilihan lain, klik Continue

11
4. Selanjutnya klik Ok (abaikan output SPSS yang muncul), buka Data View maka
pada Data View akan bertambah variabel baru dengan nama RES_1

5. Langkah berikutnya adalah membuat variabel absolute dari residual Abs_RES

yang akan digunakan sebagai dependent variabel dalam uji Glejser. Caranya, dari
menu utama SPSS pilih Transform, kemudian klik Compute Variable…

12
6. Selanjutnya pada kotak dialog “Compute Variable” yang muncul, pada kotak
“Target Variable” tuliskan Abs_RES lalu pada kotak “Numeric Expression”
ketikan ABS(RES_1)

7. Klik Ok (abaikan output SPSS yang muncul), pada Data View akan ada variabel
baru dengan nama Abs_RES

13
8. Berikutnya adalah melakukan uji Glejser untuk persamaan regresi Indek Harga
(X1) dan GNP (X2) terhadap variabel Absolute residual atau Abs_RES. Caranya
dari menu utama SPSS pilih Analyze → Regression →Linier…

14
9. Pada kotak dialog “Linear Regression” yang muncul, keluarkan variabel Nilai
Import (Y) yang terdapat pada kolom Dependent, ganti dengan variabel
Abs_RES

15
10. Langkah terakhir adalah klik Ok. Pada Output SPSS akan ada hasil yang akan
diinterpretasikan.

16
Interpretasi Uji Heteroskesdastisitas

Untuk memaknai atau menginterpretasikan hasil uji heteroskedastisitas dengan uji Glejser
ini, maka akan dilihat tabel output “Coefficients” dengan variabel Abs_RES berperan
sebagai variabel dependent. Berdasarkan output di atas diketahui nilai signifikansi (Sig.)
untuk variabel Indek Harga (X1) adalah 0,530. Sementara, nilai signifikansi (Sig.) untuk
variabel GNP (X2) adalah 0,583. Karena nilai signifikansi kedua variabel di atas lebih besar

17
dari 0,05 maka sesuai dengan dasar pengambilan keputusan dalam uji Glejser, dapat
disimpulkan bahwa tidak terjadi gejala heteroskedastisitas pada model regresi.

Uji Regresi Linear Sederhana

Regresi linear sederhana adalah metode statistik yang digunakan untuk menganalisis
hubungan antara dua variabel, yaitu satu variabel independen (prediktor) dan satu
variabel dependen (respons).

Uji Regresi Linear Sederhana Dengan SPSS

1. Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

2. Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel

independen (bebas) lalu klik tombol OK,

18
Interpretasi Hasil Regresi

Tabel diatas digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. <0.001
yang berarti kurang dari kriteria signifikan (0,05), dengan demikian model persamaan
regresi berdasarkan data penelitian adalah signifikan artinya, jumlah aplikasi terinstall
mempengaruhi jumlah screentime pengguna, sesuai dengan Hipotesis 1.

19
Tabel diatas menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan regresi : Y =0.925 + 0,182 X1.

Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada
contoh diatas nilai korelasi adalah 0,996. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori tinggi.

Melalui tabel Model Summary juga diperoleh nilai R Square atau koefisien determinasi (KD)
yang menunjukkan seberapa tinggi model regresi yang dibentuk oleh interaksi variabel
bebas dan variabel terikat. Nilai KD yang diperoleh adalah 99.92% yang dapat ditafsirkan
bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 99.92% terhadap variabel
Y dan 0.08% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1.

20