Panduan Membaca Output SPSS untuk Pemula
Cara mudah membaca nilai signifikansi (p-value) dan interpretasi R-Square pada analisis regresi linear berganda.
Mulai dari tabel Model Summary
Pada regresi linear dengan intersep, R Square merangkum proporsi variasi variabel terikat yang dijelaskan model pada data yang dianalisis. Nilai 0,45 berarti sekitar 45% variasi tersebut dijelaskan model, bukan bukti hubungan sebab-akibat. Bandingkan juga Adjusted R Square dan periksa kesesuaian model serta residual.
Baca tabel ANOVA untuk uji F
Dalam regresi linear berganda standar, uji F menguji hipotesis nol bahwa seluruh koefisien slope sama dengan nol. Nilai Sig. di bawah tingkat signifikansi yang ditetapkan sebelumnya memberikan bukti untuk menolak hipotesis nol, dengan asumsi model terpenuhi. Hasil signifikan tidak otomatis membuktikan model layak, akurat, atau hubungan sebab-akibat.
Tabel Coefficients untuk uji t
Kolom B menunjukkan perubahan prediksi variabel terikat per satu unit prediktor ketika prediktor lain tetap. Baca arah koefisien, interval kepercayaan, dan nilai Sig. terhadap hipotesis yang ditetapkan. Nilai p bukan probabilitas hipotesis benar; p yang besar juga tidak membuktikan tidak ada hubungan. Laporkan besar efek, ketidakpastian, dan pemeriksaan asumsi, bukan hanya label signifikan.