Uji T Dengan Spss

Tinta Pasee Uji Hipotesis Uji Parsial Atau Uji T Dengan

Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS

Sahid Raharjo Analisis Data, Analisis Regresi

Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS | Baik selamat pagi, setelah selesai melakukan analisis regresi linear berganda dengan SPSS, maka pada artikel kali ini kita akan melanjutkan dengan pemaknaan atau penafsiran dari hasil analisis tersebut melalui uji t. Adapun untuk pembahasan lengkapnya mari kita mulai.

Uji t merupakan salah satu uji hipotesis penelitian dalam analisis regresi linear sederhana maupun analisis regresi linear multiples (berganda). Uji t bertujuan untuk mengetahui apakah variabel bebas atau variabel independen (X) secara parsial (sendiri-sendiri) berpengaruh terhadap variabel terikat atau variabel dependen (Y).

Contoh Kasus Uji t Parsial dalam Analisis Regresi

Saya akan memperlihatkan tabel output SPSS dari hasil analisis regresi linear multiples (berganda) yang sudah kita praktekkan pada artikel sebelumnya. Adapun hasil tersebut dapat anda lihat pada gambar di bawah ini.

Dari tabel output SPSS "Coefficients" di atas, kita akan melakukan uji untuk mengetahui apakah varaibel Motivasi (X1) dan Minat (X2) secara parsial berpengaruh terhadap variabel Prestasi (Y). Adapun hipotesis yang kita ajukan dalam penelitian ini adalah:

H1 atau hipotesis pertama: ada pengaruh Motivasi (X1) terhadap Prestasi (Y).
H2 atau hipotesis kedua: ada pengaruh Minat (X2) terhadap Prestasi (Y).

Dasar Pengambilan Keputusan Uji t Parsial dalam Analisis Regresi

Untuk melakukan uji hipotesis penelitian di atas, maka lebih dahulu kita harus mengetahui dasar pengambilan keputusan dalam uji t parsial. Dalam hal ini ada dua acuan yang dapat kita pakai sebagai dasar pengambilan keputusan, pertama dengan melihat nilai signifikansi (Sig), dan kedua membandingkan antara nilai t hitung dengan t tabel.

Berdasarkan Nilai Signifikansi (Sig.)

Jika nilai Signifikansi (Sig). < probabilitas 0,05 maka ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis diterima.
Jika nilai Signifikansi (Sig). > probabilitas 0,05 maka tidak ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis ditolak.

Berdasarkan Perbandingan Nilai t hitung dengan t tabel

Jika nilai t hitung > t tabel maka ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis diterima.
Jika nilai t hitung < t tabel maka tidak ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis ditolak.

Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS

1. Melakukan Uji t Parsial (Uji t Pertama "Motivasi")

Uji t pertama dilakukan untuk mengetahui apakah ada pengaruh Motivasi (X1) terhadap Prestasi (Y).

Berdasarkan Nilai Signifikansi (Sig.)

Berdasarkan tabel output SPSS "Coefficients" di atas diketahui nilai Signifikansi (Sig) variabel Motivasi (X1) adalah sebesar 0,395. Karena nilai Sig. 0,395 > probabilitas 0,05, maka dapat disimpulkan bahwa H1 atau hipotesis pertama ditolak. Artinya tidak ada pengaruh Motivasi (X1) terhadap Prestasi (Y).

Perbandingan Nilai t hitung dengan t tabel (Uji t Pertama)

Berdasarkan output SPSS di atas diketahui nilai t hitung variabel motivasi adalah sebesar 0,894. Karena nilai t hitung 0,894 < t tabel 2,262, maka dapat disimpulkan bahwa H1 atau hipotesis pertama ditolak. Artinya tidak ada pengaruh Motivasi (X1) terhadap Prestasi (Y).

Rumus untuk Mencari Nilai t tabel: t tabel = (α/2 ; n-k-1 atau df residual) t tabel = (0,05/2 ; 12-2-1) t tabel = (0,05/2 ; 12-2-1) t tabel = (0,025 ; 9)

Keterangan: angka 9 ini sebenarnya sudah ada secara otomatis pada tabel output SPSS, tanpa perlu kita hitung dengan rumus manual seperti cara di atas. Letaknya ada di tabel output "ANOVA". Lihat gambar.

Maka t tabel = angka 0,025 ; 9 ini kemudian kita cari pada distribusi nilai t tabel statistik maka ditemukan nilai t tabel sebesar 2,262. Lihat gambar.

[Download distribusi nilai t tabel statistik lengkap]

Keterangan:

a= tingkat kepercayaan penelitian, dalam hal ini a= 0,05. n= jumlah sampel yang digunakan, dalam hal ini adalah 12 orang siswa. k= jumlah variabel independen, dalam hal ini ada 2 variabel yakni motivasi dan minat. df residual= derajad kebebasan nilai residual.

Kurva Regresi Uji t Parsial (Uji t Pertama)

Berdasarkan gambar kurva regresi di atas, diketahui nilai t hitung sebesar 0,894 terletak di area tidak ada pengaruh. Dengan demikian dapat ditarik sebuah kesimpulan bahwa H1 atau hipotesis pertama ditolak yang berarti tidak ada pengaruh Motivasi (X1) terhadap Prestasi (Y).

2. Melakukan Uji t Parsial (Uji t Kedua "Minat")

Uji t kedua dilakukan untuk mengetahui apakah ada pengaruh Minat (X2) terhadap Prestasi (Y).

Berdasarkan Nilai Signifikansi (Sig.)

Berdasarkan tabel output SPSS "Coefficients" di atas diketahui nilai Signifikansi (Sig) variabel Minat (X2) adalah sebesar 0,006. Karena nilai Sig. 0,006 < probabilitas 0,05, sehingga dapat disimpulkan bahwa H2 atau hipotesis kedua terima. Artinya ada pengaruh Minat (X2) terhadap Prestasi (Y).

Perbandingan Nilai t hitung dengan t tabel (Uji t Kedua)

Berdasarkan output SPSS di atas diketahui nilai t hitung variabel minat adalah sebesar 3,567. Karena nilai t hitung 3,567 > t tabel 2,262, maka dapat disimpulkan bahwa H2 atau hipotesis kedua terima. Artinya ada pengaruh Minat (X2) terhadap Prestasi (Y).

Kurva Regresi Uji t Parsial (Uji t Kedua)

Berdasarkan gambar kurva regresi di atas, diketahui nilai t hitung sebesar 3,567 terletak di area pengaruh positif. Dengan demikian dapat ditarik sebuah kesimpulan bahwa H2 atau hipotesis kedua diterima yang berarti ada pengaruh positif Minat (X2) terhadap Prestasi (Y).

Catatan: Pengaruh positif disebut juga dengan pengaruh searah. Maksudnya adalah jika variabel Minat (X2) mengalami peningkatan maka variabel Prestasi (Y) juga akan mengalami peningkatan. Atau dengan kata lain semakin tinggi minat belajar seorang siswa maka akan mampu meningkatkan prestasi belajar.

Setelah kita mengetahui hasil uji t parsial untuk variabel motivasi dan minat terhadap prestasi belajar dalam analisis regresi linear berganda, maka selanjutnya kita akan melakukan uji F untuk mengetahui apakah variabel Motivasi (X1) dan Minat (X2) secara simultan (bersama-sama) berpengaruh terhadap variabel Prestasi (Y). Adapun pembahasan tentang ini terdapat dalam artikel: Cara Melakukan Uji F Simultan dalam Analisis Regresi

Demikian pembahasan kita pada kesempatan kali ini, semoga sukses dan lancar ya untuk penelitiannya. Selanjutnya, jika anda suka dengan panduan ini silahkan anda bagikan ke media sosial, supaya ilmu ini dapat bermanfaat bagi banyak orang yang membutuhkannya. Terimakasih.

[Kata Kunci Pencarian: Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS, Langkah-Langkah Uji t Parsial dalam Analisis Regresi Linear Berganda, Rumus Mencari Distribusi Nilai t Tabel dalam Analisis Regresi Multiples, Dasar Pengambilan Keputusan untuk Uji t Parsial dalam Analisis Regresi, Cara Mudah Melakukan Uji t dengan SPSS]