Sebagai pendahuluan, kami sedikit memberikan penjelasan tentang sumbangan efektif regresi. Sumbangan efektif sebuah regresi linear, baik itu sederhana maupun ganda, digunakan untuk melihat seberapa besar kontribusi (pengaruh) variabel bebas terhadap variabel terikat.
Contoh:
Misalkan, sebuah penelitian dengan variabel bebas periklanan (X1) dan personal selling (X2) dan variabel terikatnya adalah volume penjualan (Y) mempunyai sumbangan efektif sebesar 0,436.
Interpretasinya adalah bahwa variabel periklanan dan personal selling dapat mempengaruhi volume penjualan hingga 43,6% (0,436 x 100), sedangkan sisanya (100 – 43,6 = 56,4%) dipengaruhi oleh variabel lain di luar penelitian.
Bagaimana Cara Menentukan Besarnya Sumbangan Efektif Regresi Linear?
Besarnya sumbangan efektif tersebut dilihat dari nilai R Square atau Adjusted R Square. Mengapa ada dua pilihan? Begini kriteria penentuannya:
Apabila teknik analisis datanya hanya terdiri dari satu sampai dua variabel bebas, kita menggunakan R Square, tetapi apabila jumlah variabel bebasnya lebih dari 2 (dua) maka lebih baik menggunakan Adjusted R Square yang nilainya selalu lebih kecil dari R Square (Totalia & Hindrayani, 2013).
Bagaimana Cara Mencari Nilai R Square dan Adjusted R Square dengan SPSS?
Berikut kami tampilkan langkah-langkah mencari nilai R Square dan Adjusted R Square dengan menggunakan software IBM SPSS 21. Seperti yang selalu kami katakan, bahwa meskipun kita di sini menggunakan software IBM SPSS 21, tetapi langkah-langkah yang kami tampilkan dalam artikel ini bisa juga diterapkan di software IBM SPSS versi sebelumnya (20, 19, bahkan 16 dan 17).
Okay, langsung saja, berikut langkah-langkahnya:
Kita melanjutkan contoh di atas, misalkan kita melakukan penelitian tentang pengaruh periklanan dan personal selling terhadap volume penjualan perusahaan maju jaya. Data yang diperoleh sebagai berikut:
No
|
Periklanan (X1)
|
Personal Selling (X2)
|
Volume Penjualan (Y)
|
1
|
29
|
22
|
31
|
2
|
24
|
19
|
25
|
3
|
26
|
18
|
27
|
4
|
28
|
21
|
27
|
5
|
29
|
18
|
26
|
6
|
27
|
22
|
27
|
7
|
23
|
17
|
26
|
8
|
32
|
31
|
36
|
9
|
23
|
21
|
31
|
10
|
32
|
28
|
36
|
11
|
27
|
23
|
32
|
12
|
32
|
28
|
36
|
13
|
25
|
17
|
24
|
14
|
21
|
21
|
25
|
15
|
24
|
21
|
26
|
16
|
25
|
18
|
27
|
17
|
25
|
20
|
27
|
18
|
29
|
18
|
23
|
19
|
23
|
18
|
24
|
20
|
32
|
30
|
36
|
1. Langkah pertama adalah input data tersebut ke dalam lembar kerja SPSS 21 (kami asumsikan anda sudah bisa melakukan input data ke dalam lembar kerja SPSS)
2. Langkah Kedua adalah Klik Analyze --> Regression --> Linear…
3. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Volume Penjualan ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Periklanan dan Personal Selling) ke dalam kotak ‘Independent’
4. Klik ‘OK’ untuk Mengakhiri
5. Akan Muncul Output Seperti di Bawah ini, yang Digunakan Hanya ‘Model Summary’
6. Interpretasi
Di dalam Tabel Model Summary akan langsung muncul nilai R Square dan Adjusted R Square, kita tinggal memilih mana yang akan digunakan berdasarkan ketentuan yang telah kami jelaskan di atas.
Karena kita hanya menggunakan 2 variabel bebas (periklanan dan personal selling) maka yang digunakan adalah R Square yaitu sebesar 0,847 atau 84,7%.
Dengan demikian dapat dikatakan bahwa besarnya pengaruh variabel periklanan dan personal selling terhadap volume penjualan adalah 84,7% sedangkan sisanya (15,3%) dipengaruhi oleh variabel lain di luar penelitian.
Tidak ada komentar:
Posting Komentar
Catatan: Hanya anggota dari blog ini yang dapat mengirim komentar.