Keluaran regresi dari program statistik biasanya terdiri dari beberapa tabel penuh angka. Tidak semua angka itu perlu dibahas, tapi ada empat bagian yang hampir selalu ditanyakan: koefisien, uji t, uji F dan koefisien determinasi. Artikel ini membahas cara membaca masing-masing dan menerjemahkannya ke kalimat.
Persamaan regresi dan koefisiennya
Regresi linear berganda dengan dua variabel bebas punya bentuk umum:
Y = a + b1X1 + b2X2 + e
Keterangan: Y adalah variabel terikat, a adalah konstanta, b1 dan b2 adalah koefisien regresi, X1 dan X2 adalah variabel bebas, dan e adalah residual.
Contoh dengan angka karangan, hasil regresi kinerja (Y) terhadap pelatihan (X1) dan motivasi (X2):
Y = 1,20 + 0,35X1 + 0,42X2
Cara membacanya:
- Konstanta 1,20 adalah nilai Y yang diprediksi bila X1 dan X2 sama dengan nol. Pada skala Likert, kondisi nol sering tidak masuk akal, jadi konstanta jarang perlu ditafsirkan panjang.
- Koefisien 0,35 pada X1 berarti setiap kenaikan satu satuan skor pelatihan diikuti kenaikan 0,35 satuan skor kinerja, dengan asumsi motivasi tetap.
- Tanda koefisien menunjukkan arah. Positif berarti searah, negatif berarti berlawanan arah.
Kalau koefisien yang keluar bertanda berlawanan dengan hipotesis, jangan diabaikan. Itu temuan yang perlu dibahas.
Keluaran program biasanya menampilkan dua jenis koefisien: yang belum distandarkan dan yang sudah distandarkan (sering disebut beta). Koefisien yang belum distandarkan dipakai untuk menulis persamaan, karena satuannya sama dengan data asli. Koefisien terstandar berguna untuk membandingkan variabel bebas mana yang pengaruhnya relatif lebih besar, karena skalanya sudah disamakan. Sebut dengan jelas koefisien mana yang kamu pakai di setiap kalimat.
Uji t: pengaruh masing-masing variabel
Uji t menguji apakah setiap variabel bebas berpengaruh terhadap variabel terikat secara parsial, yaitu sambil memperhitungkan variabel bebas lain di model.
Cara membaca yang umum diajarkan: bandingkan nilai signifikansi setiap variabel dengan taraf yang dipilih, umumnya 0,05. Bila lebih kecil, hipotesis nol untuk variabel itu ditolak dan pengaruhnya dinyatakan signifikan. Cara lain adalah membandingkan t hitung dengan t tabel. Kedua cara memberi kesimpulan yang sama bila dihitung dengan benar. Ikuti buku metode dan pedoman yang dipakai kampusmu.
Ingat bahwa signifikan tidak sama dengan besar. Pengaruh bisa signifikan secara statistik tapi kecil secara praktis, terutama pada sampel besar.
Uji F: model secara keseluruhan
Uji F menguji apakah semua variabel bebas secara bersama-sama berpengaruh terhadap variabel terikat. Cara bacanya mirip uji t: nilai signifikansi dibandingkan dengan taraf yang dipilih.
Uji F yang signifikan tidak berarti setiap variabel signifikan. Bisa saja model secara keseluruhan signifikan, tapi hanya satu dari dua variabel bebas yang signifikan pada uji t. Tulis kedua hasil apa adanya.
Koefisien determinasi
Koefisien determinasi (R²) menunjukkan seberapa besar variasi variabel terikat yang bisa dijelaskan oleh variabel bebas dalam model. Nilainya antara 0 dan 1.
Untuk regresi berganda, banyak buku menyarankan membaca adjusted R², karena R² biasa selalu naik setiap kali variabel ditambahkan, walaupun variabel itu tidak berguna.
Contoh kalimat dengan nilai karangan: “Nilai adjusted R² sebesar 0,48 menunjukkan bahwa pelatihan dan motivasi menjelaskan hampir separuh variasi kinerja, sedangkan sisanya dijelaskan oleh faktor lain di luar model.”
R² yang rendah bukan kegagalan. Perilaku manusia dipengaruhi banyak hal, dan penelitianmu memang hanya mengambil sebagian.
Menulis hasilnya di bab 4
Urutan penulisan yang rapi:
- Tampilkan tabel ringkas berisi koefisien, nilai t dan signifikansi, bukan tangkapan layar utuh.
- Tulis persamaan regresinya.
- Jelaskan arti setiap koefisien dalam satu kalimat.
- Laporkan hasil uji t per hipotesis, lengkap dengan keputusan diterima atau ditolak.
- Laporkan uji F dan koefisien determinasi.
Pastikan uji asumsi sudah dilaporkan sebelum bagian ini, karena pembaca perlu tahu bahwa model layak ditafsirkan. Penjelasannya ada di uji asumsi klasik sebelum regresi. Penafsiran yang lebih dalam, yaitu kenapa hasilnya seperti itu, disimpan untuk bagian pembahasan.