Analisis Regresi Ganda : Statistika Penjas

Analisis Regresi Ganda menggunakan program SPSS 22

Pada kali ini kita akan melakukan Analisis Regresi Ganda dengan menggunakan bantuan program IBM SPSS Statistics 22. Sebelum kita mulai teman-taman sekalian, ada baiknya sekilas kita mengetahui tentang regresi itu sendiri.

Menurut Jackson (2009) Analisis Regresi a procedure that allows us to predict an individual’s score on one variable based on knowing one or more other variables. Analisis regresi sama halnya dengan korelasi, yaitu menentukan persamaan hubungan antar variabel dengan tujuan untuk membangun model matematika yang akan membantu membuat prediksi tentang dampak variasi variabel (Bass, 2007).  Dalam Penelitian analisis regresi digunakan untuk menjawab Hipotesis penelitian kuantitatif.

Langkah awal sebelum melakukan analisis regresi adalah mengumpulkan data variabel penelitian. Pada contoh dibawah kita memiliki data hasil tes dan pengukuran;  Kekuatan otot lengan (X1), Keseimbangan badan (X2) dan Kemampuan servis atas permainan Bola voli (Y) dengan jumlah sampel (N) berjumlah 30 orang.

No	Nama Sampel	Kekuatan Otot Lengan (X1)	Keseimbangan Badan (X2)	Kemampuan Servis Atas Bolavoli (Y)
1	Abdillah	9	17,05	48
2	Adriansyah	8	7,23	22
3	Fauzi	12	9,27	37
4	Nurhadi	4	23,39	39
5	Ahmad	8	3,57	27
6	Ari	6	7	46
7	Ashar	2	3,89	26
8	Eko	10	12,38	48
9	Guritno	4	7,86	25
10	Hendra	2	5,13	28
11	Hery	8	7,23	35
12	Hudi	5	12,94	41
13	Irfan	4	18,12	28
14	Jaka	3	9,27	25
15	Jamalludin	6	7	37
16	Jecky	9	3,57	34
17	Juhriansyah	8	17,73	33
18	Kurniawan	6	12,68	27
19	Hairi	9	11,23	39
20	Buhari	6	18,12	39
21	Kadir	10	7	28
22	Arifin	6	12,94	38
23	Yaltsin	8	5,89	36
24	Niharja	6	10,92	37
25	Jaki	7	6,89	38
26	Romia	3	10,92	34
27	Rusdi	8	12,68	40
28	Sapto	9	17,73	41
29	Sugi	12	5,13	38
30	Wahyu	13	13,89	42

Selanjutnya, kita  melakukan analisis regresi ganda dengan menggunakan bantuan aplikasi SPSS Statistics 22. Berikut langkah-langkahnya;

a) Buka aplikasi SPSS 22

b) Klik sheet “Variable View” dan “Data View” silahkan input data variabel anda.

d) Klik menu “Analyze” pada toolbar

e) Klik “Regression”  kemudian Klik “Linear”

f) Muncul layar “Linear Regression” 

g) Masukkan variabel bebas ke kolom “Independent(s)” dan masukkan variabel terikat ke kolom “Dependent”

h) Klik “Statistics”. Muncul kotak “Linear Regression Statistics”. 

i) Centang dan bila selesai Klik “Continue”

j) Klik "Ok". “Bim salabim”

k) Muncullah lembar Output Analisis Regression

Secara sederhana hasil output analisis data regresi diatas dapat kita uraikan sebagai berikut:

Model Summary

Uji R Square  bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel terikat yang diterangkan oleh variabel bebas.

Hipotesis statistik:

H0= ρy.12 ≤ 0
H1= ρy.12 >  0

Dari hasil analisis diperoleh nilai koefisien korelasi ganda (R y.12) = 0,574 dan Fhit (Fchange) = 6,637, serta p-value = 0,005 < 0,05. Jadi, H0 ditolak dan H1 diterima. Sehingga koefisien korelasi ganda antara X1 dan X2 terhadap Y adalah berarti atau signifikan. Sedangkan koefisien determinasi ditunjukkan oleh R Square = 0,280. Jadi, terdapat pengaruh secara bersama-sama antara Kekuatan Otot Lengan (X1) dan Keseimbangan Badan ( X2) terhadap Kemampuan Servis atas Bola Voli (Y) sebesar 28 %, selebihnya dipengaruhi oleh variabel lain yang tidak kita masukkan dalam contoh penelitian ini.

Anova

Uji F digunakan untuk menguji salah satu hipotesis di dalam penelitian yang menggunakan analisis regresi linear berganda dan tabelnya adalah menggunakan tabel ANOVA.

Hipotesis:

H0:β1  = β2  atau  H0 : β1- β2 = 0
H1:β1 ≠  β2  atau  H1: β1- β2  ≠ 0

Dari hasil analisis regresi diatas diperoleh nilai F dimana Fhit = 6,637  dan  p-value = 0,005 < 0,05. Jadi, H0 ditolak dan H1 diterima . Sehingga kesimpulannya terdapat pengaruh linear variabel Kekuatan Otot Lengan (X1) dan Keseimbangan Badan ( X2) dan Kemampuan Servis atas Bola Voli (Y)

Coefficients

Berdasarkan  hasil output analisis regresi diatas juga diperoleh nilai B atau konstanta b0 = 22,227,  koefisien regresi b1 = 1,042 dan b2 = 0,531. Sehingga persamaan regresi linear ganda adalah Ŷ= 22,227 + 1,042 X1 + 0,531X2.

Hipotesis: 

H0:β1  ≤ 0 vs H1:β1  > 0
H0:β2  ≤ 0 vs H1:β2  > 0

Pada tabel diperoleh nilai koefisien Kekuatan Otot Lengan (X1) dimana thit = 2,743 dan p-value = 0,011/2 = 0,005 < 0,05.  Jadi , H0 ditolak dan H1 diterima. Sehingga Kekuatan Otot Lengan (X1) berpengaruh positif terhadap Kemampuan Servis atas Bola Voli (Y). Kemudian, nilai koefisien Keseimbangan Badan ( X2) dimana thit = 2,74 dan p-value = 0,020/2 = 0,01 < 0,05.  Jadi , H0 ditolak dan H1 diterima, yang bermakna Keseimbangan Badan ( X2) berpengaruh positif terhadap Kemampuan Servis atas Bola Voli (Y).

Demikianlah postingan kali ini, selamat belajar dan berlatih, semoga sukses. 

wassalam.

Sumber:

Bass, I. 2007. Six Sigma Statistics with Excel and Minitab. the United States of America: The McGraw-Hill Companies. Tersedia di http://ezproxy.athabascau.ca:2050/assetviewer.aspx?bookid=22126&chunkid=969682950.

Jackson, S.L. 2009. Research Methods and Statistics: A Critical Thinking Approach. Third Edited. United States: Wadsworth, Cengage Learning.