Dokumen ini menjelaskan cara melakukan uji regresi linier sederhana menggunakan program IBM SPSS 20 untuk melihat hubungan antara variabel bebas X1 dengan variabel terikat Y. Langkah-langkahnya adalah memasukkan data ke dalam SPSS, memilih analisis regresi linier, memindahkan variabel Y ke dependent dan X1 ke independent, lalu menampilkan hasil uji statistik seperti nilai koefisien determinasi, nilai korelasi, nilai signifikan reg

1. Uji Regresi Linier Sederhana X1
terhadap Y
• Cara kerja klik start > IBM 20, pada variabel view input
data atau jika data sudah dimasukan dalam file maka
ketik file data open X1, Y klik Analyze > Regression >
Linear,
• akan muncul Linear Regression maka pindahkan
vaiabel Y ke dependent dan vaiabel X1 ke Indendent,
• Klik Statistics akan muncul Linear Regression Statistics,
centang Estmates, Model Fit, R squared change >
continiu dan centang lagi options akan muncul Linear
regretion options centang use probability, centang
Include contant in equation > klik continiu > klik oke
maka akan muncul data di bawah ini:
ps Chris Hukubun Uji Regrasi Linier Sederhana 1

2. Mengisi data ke Excel untuk Jumlah
Setelah mengisi data ditek
dari A-AC, Klik AutoNum
hasilnya
Jumlah
Nilai
ps Chris Hukubun Uji Regrasi Linier Sederhana 2

3. ps Chris Hukubun Uji Regrasi Linier Sederhana 3
Kliik Varibel
View
Ketik Variabel
Y, X1, X2, X3
Decimal (0)

4. Masukan data jumlah Variabel Y,
X1, X2, X3 ke SPSS 20
ps Chris Hukubun Uji Regrasi Linier Sederhana 4
Klik Data View

5. klik Analyze > Regression > Linear,
ps Chris Hukubun Uji Regrasi Linier Sederhana 5

6. Ctrl + A, variabel Y dipindahakan ke
kolom Dependent
ps Chris Hukubun Uji Regrasi Linier Sederhana 6

7. Variabel Y di kolom Dependent List
Variabel X1 di kolom Independent List
Klik
Options
ps Chris Hukubun Uji Regrasi Linier Sederhana 7

8. Centang
Tes for
Linearity
ps Chris Hukubun Uji Regrasi Linier Sederhana 8

9. Klik
Statistics
ps Chris Hukubun Uji Regrasi Linier Sederhana 9

10. Centang
Estimates
Model fit
Klik Continiue
ps Chris Hukubun Uji Regrasi Linier Sederhana 10

11. Klik Oke
ps Chris Hukubun Uji Regrasi Linier Sederhana 11

12. Hasilnya seperti ini:
Variables Entered/Removeda
Model
Variables
Entered
Variables Removed Method
1 X1b . Enter
a. Dependent Variable: Y
b. All requested variables entered.
ps Chris Hukubun Uji Regrasi Linier Sederhana 12

13. Model Summary
Model
R
R
Square
Adjusted R
Square
Std. Error
of the
Estimate
Change Statistics
R Square
Change
F
Change
df1 df2 Sig. F
Change
1 .855a .730 .729 6.056 .730 468.166 1 173 .000
a. Predictors: (Constant), X1
Nilai koefisien determinasi R2 = 730
Nilai korelasi R = 855
Adjusted R Square = 729
ps Chris Hukubun Uji Regrasi Linier Sederhana 13

14. ANOVAa
(Anlysis Of Variance)
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 17171.503 1 17171.503 468.166 .000b
Residual 6345.331 173 36.678
Total 23516.834 174
a. Dependent Variable: Y
b. Predictors: (Constant), X1
Nilai df regresi = 1, regresi sederhana = 0,000
ps Chris Hukubun Uji Regrasi Linier Sederhana 14

15. Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 35.567 3.575 9.950 .000
X1 2.054 .095 .855 21.637 .000
a. Dependent Variable: Y
Nilai B konstant 35,567
Nilai Variabel X1 = 2,054
Y = 35,567 + 2,054 X1
Nilai t = 9,950
Nilai signifikan 0,000
Nilai t X1 = 21,637
Signifikan = 0,000
ps Chris Hukubun Uji Regrasi Linier Sederhana 15