Regresi linier sederhana merupakan uji statistik yang berfungsi untuk mencari pengaruh satu variabel bebas terhadap variable terikat. Sama seperti regresi linier lainnya, untuk menggunakan uji ini harus memenuhi beberapa asumsi atau syarat kelayakan.
Ada banyak kasus yang menggunakan metode regresi linier ini untuk menyimpulkan data penelitian. Misalnya saja, pengaruh stress kerja terhadap kinerja karyawan, pengaruh besarnya gaji terhadap kinerja pegawai, pengaruh motivasi terhadap hasil ujian siswa dan contoh kasus lainnya.
Syarat Kelayakan Regresi Linier Sederhana
Setidaknya, ada enam syarat kelayakan yang harus kita penuhi saat menggunakan uji regresi linier ini. Pertama, jumlah sampel yang akan digunakan harus sama.
Kemudian, jumlah variabel independen atau variabel bebas (X) tidak lebih dari satu. Ketiga, nilai residual wajib berdistribusi normal.
Keempat, variabel independen (variabel bebas atau X) memiliki hubungan yang linier dengan variabel dependen (variabel terikat atau Y). Berikutnya, Tidak menunjukkan gejala heteroskedastisitas. Terakhir, untuk data time series tidak menunjukkan gejala autokorelasi.
Regresi Linier Sederhana dengan SPSS
Setelah data diinput ke dalam software SPSS, pilih menu “Änalyze”. Selanjutnya, pilih “Linear”.
Pilih variabel Y sebagai variabel terikat. Pilih variabel X1 sebagai variabel bebas.
Uji regresi linier sederhana dengan menggunakan SPSS akan menghasilkan empat table. Diantaranya, tabel variabel penelitian, ringkasan model atau model summary, table Anova dan tabel koefisien.
Dasar Pengambilan Keputusan
Ada dua hal yang dijadikan sebagai acuan dalam mengambil keputusan. Pertama adalah dengan membandingkan antara nilai signifikansi dan nilai probabilitas 0.05.
Jika nilai signifikansi lebih kecil dari 0.05, itu artinya variabel X memiliki pengaruh terhadap variabel Y. Jika nilai signifikansi lebih besar dari 0.05, itu artinya variabel X tidak memiliki pengaruh terhadap variabel Y. Pengambilan keputusan dalam regresi linier sederhana juga dapat dengan membandingkan nilai t-hitung dan t-tabel. Jika nilai t_hitung lebih besar dari t_tabel, itu artinya variabel X memiliki pengaruh terhadap variabel Y. Jika nilai t_hitung lebih kecil dari t_tabel, itu artinya variabel X tidak memiliki pengaruh terhadap variabel Y