Daftar isi
Dalam regresi linear berganda, ada dua uji hipotesis yang hampir selalu dilaporkan:
- Uji F (simultan): apakah semua variabel bebas bersama-sama berpengaruh terhadap variabel terikat?
- Uji t (parsial): apakah setiap variabel bebas berpengaruh, dengan memperhitungkan variabel bebas lainnya?
Uji F (simultan)
Hipotesis:
- H₀: semua koefisien regresi variabel bebas = 0 (tidak berpengaruh secara simultan).
- H₁: minimal satu koefisien ≠ 0 (berpengaruh secara simultan).
Dasar keputusan: H₀ ditolak bila Sig. pada tabel ANOVA < 0,05, atau bila F hitung > F tabel dengan df₁ = k dan df₂ = n − k − 1 (k = banyaknya variabel bebas, n = banyaknya data).
Uji t (parsial)
Hipotesis untuk setiap variabel bebas:
- H₀: koefisien variabel tersebut = 0.
- H₁: koefisien ≠ 0 (uji dua sisi).
Dasar keputusan: H₀ ditolak bila Sig. pada tabel Coefficients < 0,05, atau bila |t hitung| > t tabel dua sisi dengan df = n − k − 1. Arah pengaruh dilihat dari tanda koefisien B.
Bila hipotesis penelitianmu searah (mis. "berpengaruh positif"), sebagian pedoman memakai uji satu sisi; tuliskan pilihannya di Bab 3.
Contoh (data rekaan, 40 responden)
Variabel terikat Y, dua variabel bebas X1 dan X2. Jadi k = 2 dan n = 40, sehingga df uji F = (2; 37) dan df uji t = 37. F tabel 5% = 3,252 dan t tabel 5% dua sisi = 2,026.
Uji F: F hitung = 7,227 > 3,252 dan Sig. = 0,002 < 0,05. H₀ ditolak: X1 dan X2 secara simultan berpengaruh terhadap Y. R² = 0,281.
| Variabel | B | t hitung | Sig. | Keputusan |
|---|---|---|---|---|
| X1 | 0,351 | 3,161 | 0,003 | Berpengaruh positif signifikan |
| X2 | 0,164 | 1,775 | 0,084 | Tidak berpengaruh signifikan |
X1: |3,161| > 2,026, H₀ ditolak. X2: |1,775| < 2,026, H₀ tidak ditolak.
Angka ini rekaan untuk latihan; hasilnya sudah dicocokkan dengan R.
Contoh di atas memperlihatkan bahwa uji F yang signifikan tidak berarti semua variabel bebas signifikan.
Cara di SPSS dan di Metodologi
Di SPSS
Analyze → Regression → Linear, masukkan Y ke Dependent dan X ke Independent(s). Uji F ada di tabel ANOVA, baris Regression. Uji t ada di tabel Coefficients, kolom t dan Sig.
Di Metodologi
- Buka olah data; menu Regresi linear langsung terpilih.
- Tempel tabel dari Excel atau Google Sheets (dengan baris judul), atau pilih file CSV atau Excel. Datanya diolah di browser dan tidak dikirim ke server.
- Di tab Variabel, beri label yang jelas dan label nilai untuk kode kelompok (mis. 1 = Eksperimen).
- Di tab Analisis, pilih variabel terikat (Y) dan satu atau beberapa variabel bebas (X), lalu tekan Jalankan regresi.
- Baca tabel ANOVA (uji F) dan Coefficients (uji t per variabel). Nama tabel dan kolomnya sama dengan output SPSS, dan di bawahnya ada hipotesis, dasar keputusan, kesimpulan, serta kalimat untuk Bab 4.
- Salin tabel ke Word, atau unduh semua hasil sebagai file Word atau Excel, dengan gaya tabel SPSS atau APA.
Bedanya dengan SPSS: Uji asumsi klasik (normalitas residual, Tolerance dan VIF, Glejser, Breusch-Pagan, Durbin-Watson lengkap dengan dL dan dU) dihitung sekaligus, tanpa menyimpan residual atau menjalankan regresi kedua. Run test belum tersedia. Semua angka dicocokkan dengan R; lihat akurasi perhitungan.
Punya data? Hitung regresi linear beserta uji asumsi klasiknya langsung di browser, lengkap dengan tabel bergaya SPSS dan kalimat untuk Bab 4. Datamu tidak dikirim ke server.
Olah datamuMenuliskannya di Bab 4
Hasil uji F menunjukkan nilai F hitung sebesar 7,227 dengan signifikansi 0,002 (< 0,05), sehingga X1 dan X2 secara simultan berpengaruh signifikan terhadap Y. Secara parsial, X1 berpengaruh positif dan signifikan (t = 3,161; Sig. = 0,003), sedangkan X2 tidak berpengaruh signifikan (t = 1,775; Sig. = 0,084).
Kesalahan umum
- Memakai df yang salah untuk F tabel atau t tabel. Hitung dari n dan banyaknya variabel bebas, bukan dari banyaknya butir kuesioner.
- Menyimpulkan "berpengaruh" hanya dari besar koefisien B tanpa melihat Sig.
- Menafsirkan variabel yang tidak signifikan sebagai "berpengaruh negatif".
- Melaporkan uji F dan t sebelum memeriksa uji asumsi klasik.
Besarnya pengaruh secara bersama-sama dibahas di koefisien determinasi.
Pertanyaan umum
Bagaimana kalau uji F signifikan tetapi semua uji t tidak signifikan?
Ini sering terjadi bila variabel bebas saling berkorelasi kuat (multikolinearitas): bersama-sama mereka menjelaskan Y, tetapi sulit dipisahkan mana yang berpengaruh. Periksa Tolerance dan VIF, lalu pertimbangkan menggabungkan atau mengurangi variabel bebas yang mirip.
Mana yang lebih dulu dibaca, uji F atau uji t?
Umumnya uji F dulu. Bila model secara simultan tidak signifikan, uji t biasanya tidak banyak artinya. Urutan penulisan di Bab 4 yang lazim: uji asumsi klasik, persamaan regresi, uji t, uji F, lalu koefisien determinasi; ikuti urutan yang diminta pedoman kampusmu.
Apakah membandingkan dengan F tabel dan t tabel harus dilakukan?
Tidak harus. Membandingkan Sig. dengan 0,05 memberi keputusan yang sama persis. Sebagian dosen meminta keduanya ditulis; untuk itu, F tabel dan t tabel bisa dicari dengan df yang sesuai.