Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda | Baik.. Selamat pagi semuanya agar masih semangat dalam menuntaskan skripsi maupun tesisnya, dan jangan lupa “katakan pada dilan yang berat itu bukan Rindu tapi di ACC dosen”..hehe. Ok, pada pembahasan kali ini saya akan mengupas tetang cara menghitung SE (sumbangan efektif) dan SR (sumbangan relatif) dalam analisis regresi linear berganda dengan SPSS yang sudah anda lakukan sebelumnya. Sedikit dongeng saja, bahwa artikel kali ini bergotong-royong merupakan bab dari request beberapa pelanggan yang telah memakai jasa analisis data ke daerah saya. Baik, tidak usah berlama-lama mari kita mulai pembahasannya, mohon disimak dengan seksama.
Setelah anda melaksanakan uji hipoteisis melalui analisis regresi liner berganda, maka dari hasil tersebut minimal anda sudah mendapat kesimpulan bahwa variabel independen (X) mempunyai efek yang signifikan terhadap variabel dependen (Y) baik secara parsial (yakni efek masing-masing variabel X) maupun secara simultan (yakni efek campuran variabel X). Pada artikel sebelumnya, sudah saya jelaskan bahwa perhitungan untuk mendeteksi efek parsial ialah dengan melaksanakan uji t. Sementara, untuk perhitungan efek simultan ialah dengan melaksanakan uji F.
Dalam output analisis regresi linear berganda di SPSS, anda sudah sanggup menjumpai angka yang menunjukkan berapa besar (koefisien diterminasi) efek gotong royong variabel independen terhadap variabel dependen yakni dengan melihat nilai R Square atau R2. Namun demikian, dari tampilan output SPSS tersebut, anda belum bisa mengetahui seberapa besar (berapa %) donasi efek yang diberikan oleh masing-masing variabel independen (X) terhadap variabel dependen (Y), serta belum sanggup melihat variabel X apa yang mempunyai efek paling mayoritas terhadap variabel Y.
KONSEP DASAR SE DAN SR DALAM ANALISIS REGRESI LINEAR BERGANDA
Perlu anda pahami bahwa efek variabel X atau sering disebut dengan “Sumbangan Prediktor” intinya merupakan pembagian terstruktur mengenai dari besarnya donasi efek (dalam hitungan persen %) dari masing-masing variabel independen terhadap variabel dependen. Dalam statistik santunan prediktor ini dikelompokkan menjadi 2 (dua) macam, yaitu santunan efektif (SE) serta santunan relatif (SR).
Sumbangan efektif (SE) ialah ukuran santunan suatu variabel prediktor atau variabel independen terhadap variabel kriterium (dependen) dalam analisis regresi. Penjumlahan dari santunan efektif untuk semua variabel independen ialah sama dengan jumlah nilai yang ada pada keofisien determinasi atau R square (R2). Sementara itu, santunan relatif (SR) merupakan suatu ukuran yang menunjukkan besarnya santunan suatu variabel prediktor terhadap jumlah kuadrat regresi. Jumlah santunan relatif dari semua variabel independen ialah 100% atau sama dengan 1.
Syarat untuk sanggup menghitung SE dan SR ialah dengan mempunyai hasil analisis hubungan dan regresi. Untuk itu, dari data penelitian di bawah ini saya akan melaksanakan analisis hubungan dan regresi untuk mengetahui hasilnya.
[Download Data]
Catatan: dari data di atas, kita hendak mengetahui berapa % santunan efektif (SE) dan santunan relatif (SR) yang diberikan variabel Lingkungan Kerja (X1) dan Kompetensi (X2) terhadap variabel Motivasi Kerja (Y).
Output SPSS Analisis Korelasi
Output SPSS Analisis Regresi
Dari output SPSS di atas, maka syarat-syarat yang diharapkan untuk menghitung santunan efektif (SE) dan santunan relatif (SR) sudah sanggup dikatakan lengkap. Untuk mempermudah penghitungan SE dan SR yang akan dilakukan maka kita perlu meringkas tabel hasil di atas. Adapun ringkasan hasil dari analisis hubungan dan regresi ialah sebagai berikut:
CARA MENGHITUNG SUMBANGAN EFEKTIF (SE) | Rumus menghitung SE ialah sebagai berikut:
Sumbangan Efektif Variabel Lingkungan Kerja (X1) terhadap Motivasi Kerja (Y)
SE(X1)% = BetaX1 x rxy x 100%
SE(X1)% = 0,408 x 0,579 x 100%
SE(X1)% = 23,6%
Sumbangan Efektif Variabel Kompetensi (X2) terhadap Motivasi Kerja (Y)
SE(X2)% = BetaX2 x rxy x 100%
SE(X2)% = 0,394 x 0,571 x 100%
SE(X2)% = 22,5%
Sumbangan Efektif (SE) total sanggup dihitung sebagai berikut:
SE total = SE(X1)% + SE(X2)%
SE total = 23,6% + 22,5%
SE total = 46,1%
KESIMPULAN: menurut hasil perhitungan di atas sanggup diketahui bahwa santunan efektif (SE) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) ialah sebesar 23,6%. Sementara santunan efektif (SE) variabel kompetensi (X2) terhadap motivasi kerja (Y) ialah sebesar 22,5%. Dengan demikian sanggup disimpulkan bahwa variabel X1 mempunyai efek lebih mayoritas terhadap variabel Y dari pada variabel X2. Untuk total SE ialah sebesar 46,1% atau sama dengan koefisien determinasi (Rsquare) analisis regresi yakni 46,1%.
CARA MENGHITUNG SUMBANGAN RELATIF (SR) | Rumus menghitung SR ialah sebagai berikut
Sumbangan Relatif Variabel Lingkungan Kerja (X1) terhadap Motivasi Kerja (Y)
SR(X1)% = SE(X1)% / R2
SR(X1)% = 23,6% / 46,1%
SR(X1)% = 51,2%
Sumbangan Relatif Variabel Kompetensi (X2) terhadap Motivasi Kerja (Y)
SR(X2)% = SE(X2)% / R2
SR(X2)% = 22,5% / 46,1%
SR(X2)% = 48,8%
Sumbangan Relatif (SR) total sanggup dihitung sebagai berikut:
SR total = SR(X1)% + SR(X2)%
SR total = 51,2% + 48,8%
SR total = 100%
KESIMPULAN: menurut hasil perhitungan di atas sanggup diketahui bahwa santunan relatif (SR) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) ialah sebesar 51,2%. Sementara santunan relatif (SR) variabel kompetensi (X2) terhadap motivasi kerja (Y) ialah sebesar 48,8%. Untuk total SR ialah sebesar 100% atau sama dengan 1.
[Search: Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda, Pengertian Sumbangan Efektif (SE) dan Sumbangan Relatif (SR), Rumus mencari Sumbangan Efektif dan Sumbangan Relatif dalam Uji Regresi Linear Berganda dengan SPSS]
Setelah anda melaksanakan uji hipoteisis melalui analisis regresi liner berganda, maka dari hasil tersebut minimal anda sudah mendapat kesimpulan bahwa variabel independen (X) mempunyai efek yang signifikan terhadap variabel dependen (Y) baik secara parsial (yakni efek masing-masing variabel X) maupun secara simultan (yakni efek campuran variabel X). Pada artikel sebelumnya, sudah saya jelaskan bahwa perhitungan untuk mendeteksi efek parsial ialah dengan melaksanakan uji t. Sementara, untuk perhitungan efek simultan ialah dengan melaksanakan uji F.
Dalam output analisis regresi linear berganda di SPSS, anda sudah sanggup menjumpai angka yang menunjukkan berapa besar (koefisien diterminasi) efek gotong royong variabel independen terhadap variabel dependen yakni dengan melihat nilai R Square atau R2. Namun demikian, dari tampilan output SPSS tersebut, anda belum bisa mengetahui seberapa besar (berapa %) donasi efek yang diberikan oleh masing-masing variabel independen (X) terhadap variabel dependen (Y), serta belum sanggup melihat variabel X apa yang mempunyai efek paling mayoritas terhadap variabel Y.
KONSEP DASAR SE DAN SR DALAM ANALISIS REGRESI LINEAR BERGANDA
Perlu anda pahami bahwa efek variabel X atau sering disebut dengan “Sumbangan Prediktor” intinya merupakan pembagian terstruktur mengenai dari besarnya donasi efek (dalam hitungan persen %) dari masing-masing variabel independen terhadap variabel dependen. Dalam statistik santunan prediktor ini dikelompokkan menjadi 2 (dua) macam, yaitu santunan efektif (SE) serta santunan relatif (SR).
Sumbangan efektif (SE) ialah ukuran santunan suatu variabel prediktor atau variabel independen terhadap variabel kriterium (dependen) dalam analisis regresi. Penjumlahan dari santunan efektif untuk semua variabel independen ialah sama dengan jumlah nilai yang ada pada keofisien determinasi atau R square (R2). Sementara itu, santunan relatif (SR) merupakan suatu ukuran yang menunjukkan besarnya santunan suatu variabel prediktor terhadap jumlah kuadrat regresi. Jumlah santunan relatif dari semua variabel independen ialah 100% atau sama dengan 1.
Syarat untuk sanggup menghitung SE dan SR ialah dengan mempunyai hasil analisis hubungan dan regresi. Untuk itu, dari data penelitian di bawah ini saya akan melaksanakan analisis hubungan dan regresi untuk mengetahui hasilnya.
[Download Data]
Catatan: dari data di atas, kita hendak mengetahui berapa % santunan efektif (SE) dan santunan relatif (SR) yang diberikan variabel Lingkungan Kerja (X1) dan Kompetensi (X2) terhadap variabel Motivasi Kerja (Y).
Praktek: Cara Melakukan Analisis Korelasi dengan SPSS
Praktek: Cara Melakukan Analisis Regresi Multiples dengan SPSSSetelah saya melaksanakan analisis hubungan dan regresi maka diperoleh output sebagai berikut:
Output SPSS Analisis Korelasi
Output SPSS Analisis Regresi
Dari output SPSS di atas, maka syarat-syarat yang diharapkan untuk menghitung santunan efektif (SE) dan santunan relatif (SR) sudah sanggup dikatakan lengkap. Untuk mempermudah penghitungan SE dan SR yang akan dilakukan maka kita perlu meringkas tabel hasil di atas. Adapun ringkasan hasil dari analisis hubungan dan regresi ialah sebagai berikut:
CARA MENGHITUNG SUMBANGAN EFEKTIF (SE) | Rumus menghitung SE ialah sebagai berikut:
SE(X1)% = BetaX1 x rxy x 100%
SE(X1)% = 0,408 x 0,579 x 100%
SE(X1)% = 23,6%
Sumbangan Efektif Variabel Kompetensi (X2) terhadap Motivasi Kerja (Y)
SE(X2)% = BetaX2 x rxy x 100%
SE(X2)% = 0,394 x 0,571 x 100%
SE(X2)% = 22,5%
Sumbangan Efektif (SE) total sanggup dihitung sebagai berikut:
SE total = SE(X1)% + SE(X2)%
SE total = 23,6% + 22,5%
SE total = 46,1%
KESIMPULAN: menurut hasil perhitungan di atas sanggup diketahui bahwa santunan efektif (SE) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) ialah sebesar 23,6%. Sementara santunan efektif (SE) variabel kompetensi (X2) terhadap motivasi kerja (Y) ialah sebesar 22,5%. Dengan demikian sanggup disimpulkan bahwa variabel X1 mempunyai efek lebih mayoritas terhadap variabel Y dari pada variabel X2. Untuk total SE ialah sebesar 46,1% atau sama dengan koefisien determinasi (Rsquare) analisis regresi yakni 46,1%.
CARA MENGHITUNG SUMBANGAN RELATIF (SR) | Rumus menghitung SR ialah sebagai berikut
Sumbangan Relatif Variabel Lingkungan Kerja (X1) terhadap Motivasi Kerja (Y)
SR(X1)% = SE(X1)% / R2
SR(X1)% = 23,6% / 46,1%
SR(X1)% = 51,2%
Sumbangan Relatif Variabel Kompetensi (X2) terhadap Motivasi Kerja (Y)
SR(X2)% = SE(X2)% / R2
SR(X2)% = 22,5% / 46,1%
SR(X2)% = 48,8%
Sumbangan Relatif (SR) total sanggup dihitung sebagai berikut:
SR total = SR(X1)% + SR(X2)%
SR total = 51,2% + 48,8%
SR total = 100%
KESIMPULAN: menurut hasil perhitungan di atas sanggup diketahui bahwa santunan relatif (SR) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) ialah sebesar 51,2%. Sementara santunan relatif (SR) variabel kompetensi (X2) terhadap motivasi kerja (Y) ialah sebesar 48,8%. Untuk total SR ialah sebesar 100% atau sama dengan 1.
Tonton: VIDEO Praktik Mencari Sumbangan Efektif dan Sumbangan Relatif Regresi BergandaMungkin sekian dulu pembahasan mengenai Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda, cukup mudahkan untuk dipraktekkan.. untuk latihan kawan-kawan boleh download pola data di atas, bila karenanya sama dengan perhitungan yang saya lakukan sebagaimana hasil di pada artikel ini, maka itu artinya kawan-kawan sudah bisa menghitung SE dan SR.. selamat mencoba..semoga sukses.
[Search: Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda, Pengertian Sumbangan Efektif (SE) dan Sumbangan Relatif (SR), Rumus mencari Sumbangan Efektif dan Sumbangan Relatif dalam Uji Regresi Linear Berganda dengan SPSS]
