Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda | Baik.. Selamat pagi semuanya semoga masih semangat dalam menyelesaikan 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 cerita saja, bahwa artikel kali ini sebetulnya merupakan bagian dari request beberapa pelanggan yang telah menggunakan jasa analisis data ke tempat saya. Baik, tidak usah berlama-lama mari kita mulai pembahasannya, mohon disimak dengan seksama.

Setelah anda melakukan uji hipoteisis melalui analisis regresi liner berganda, maka dari hasil tersebut minimal anda sudah mendapatkan kesimpulan bahwa variabel independen (X) mempunyai pengaruh yang signifikan terhadap variabel dependen (Y) baik secara parsial (yakni pengaruh masing-masing variabel X) maupun secara simultan (yakni pengaruh gabungan variabel X). Pada artikel sebelumnya, sudah saya jelaskan bahwa perhitungan untuk mendeteksi pengaruh parsial adalah dengan melakukan uji t. Sementara, untuk perhitungan pengaruh simultan adalah dengan melakukan uji F.

Dalam output analisis regresi linear berganda di SPSS, anda sudah dapat menjumpai angka yang menunjukkan berapa besar (koefisien diterminasi) pengaruh bersama-sama 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 %) kontribusi pengaruh yang diberikan oleh masing-masing variabel independen (X) terhadap variabel dependen (Y), serta belum dapat melihat variabel X apa yang memiliki pengaruh paling dominan terhadap variabel Y.

KONSEP DASAR SE DAN SR DALAM ANALISIS REGRESI LINEAR BERGANDA

Perlu anda pahami bahwa pengaruh variabel X atau sering disebut dengan “Sumbangan Prediktor” pada dasarnya merupakan penjabaran dari besarnya kontribusi pengaruh (dalam hitungan persen %) dari masing-masing variabel independen terhadap variabel dependen. Dalam statistik sumbangan prediktor ini dikelompokkan menjadi 2 (dua) macam, yaitu sumbangan efektif (SE) serta sumbangan relatif (SR).

Bagaimana cara menghitung SE dan SR dalam Analisis Regresi?

Sumbangan efektif (SE) adalah ukuran sumbangan suatu variabel prediktor atau variabel independen terhadap variabel kriterium (dependen) dalam analisis regresi. Penjumlahan dari sumbangan efektif untuk semua variabel independen adalah sama dengan jumlah nilai yang ada pada keofisien determinasi atau R square (R2). Sementara itu, sumbangan relatif (SR) merupakan suatu ukuran yang menunjukkan besarnya sumbangan suatu variabel prediktor terhadap jumlah kuadrat regresi. Jumlah sumbangan relatif dari semua variabel independen adalah 100% atau sama dengan 1.

Syarat untuk dapat menghitung SE dan SR adalah dengan memiliki hasil analisis korelasi dan regresi. Untuk itu, dari data penelitian di bawah ini saya akan melakukan analisis korelasi dan regresi untuk mengetahui hasilnya.

Data Praktek Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

[Download Data]

Catatan: dari data di atas, kita hendak mengetahui berapa % sumbangan efektif (SE) dan sumbangan 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 SPSS
Setelah saya melakukan analisis korelasi dan regresi maka diperoleh output sebagai berikut:

Output SPSS Analisis Korelasi
Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

Output SPSS Analisis Regresi

Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

Dari output SPSS di atas, maka syarat-syarat yang diperlukan untuk menghitung sumbangan efektif (SE) dan sumbangan relatif (SR) sudah dapat dikatakan lengkap. Untuk mempermudah penghitungan SE dan SR yang akan dilakukan maka kita perlu meringkas tabel hasil di atas. Adapun ringkasan hasil dari analisis korelasi dan regresi adalah sebagai berikut:

Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

CARA MENGHITUNG SUMBANGAN EFEKTIF (SE) | Rumus menghitung SE adalah sebagai berikut:

Rumus Menghitung SE Sumbangan Efektif

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 dapat dihitung sebagai berikut:
SE total = SE(X1)% + SE(X2)%
SE total = 23,6% + 22,5%
SE total = 46,1%

KESIMPULAN: berdasarkan hasil perhitungan di atas dapat diketahui bahwa sumbangan efektif (SE) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) adalah sebesar 23,6%. Sementara sumbangan efektif (SE) variabel kompetensi (X2) terhadap motivasi kerja (Y) adalah sebesar 22,5%. Dengan demikian dapat disimpulkan bahwa variabel X1 memiliki pengaruh lebih dominan terhadap variabel Y dari pada variabel X2. Untuk total SE adalah sebesar 46,1% atau sama dengan koefisien determinasi (Rsquare) analisis regresi yakni 46,1%.


CARA MENGHITUNG SUMBANGAN RELATIF (SR) | Rumus menghitung SR adalah sebagai berikut

Rumus Menghitung SR Sumbangan Relatif

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 dapat dihitung sebagai berikut:
SR total = SR(X1)% + SR(X2)%
SR total = 51,2% + 48,8%
SR total = 100%

KESIMPULAN: berdasarkan hasil perhitungan di atas dapat diketahui bahwa sumbangan relatif (SR) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) adalah sebesar 51,2%. Sementara sumbangan relatif (SR) variabel kompetensi (X2) terhadap motivasi kerja (Y) adalah sebesar 48,8%. Untuk total SR adalah sebesar 100% atau sama dengan 1.
Tonton: VIDEO Praktik Mencari Sumbangan Efektif dan Sumbangan Relatif Regresi Berganda
Mungkin sekian dulu pembahasan mengenai Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda, cukup mudahkan untuk dipraktekkan.. untuk latihan kawan-kawan boleh download contoh data di atas, jika hasilnya sama dengan perhitungan yang saya lakukan sebagaimana hasil di pada artikel ini, maka itu artinya kawan-kawan sudah mampu 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]

10 Responses to "Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda"

  1. selamat siang pak. saya mau tanya, contoh kasus di atas kedua variabel memiliki nilai sig > 0,05 maka dapat disimpulkan bahwa kedua variabel tidak berpengaruh signifikan kan. lalu apa kah masih boleh utk dicari tahu seberapa besar sumbangannya (brpa besar pengaruhnya) lagi, sedangkan uji t menyimpulkan tsb tdk berpengaruh. terimakasih sblmnya pak

    BalasHapus
    Balasan
    1. contoh kasus diatas nilai sig lebih kecil dari 0,05:
      Sig X1: 0,028 < 0,05
      Sig X2: 0,033 < 0,05

      Hapus
    2. Siang pak,, saya mau tanya , untuk rumusnya referensi dari buku apa ya? Terimakasih sebelumnya pak,,

      Hapus
    3. Selamat siang pak,,saya mau tanya..untuk rumusnya referensi dari buku apa ya?judul dan penulisnya siapa?.Terimakasih sebelumnya..

      Hapus
    4. Dalam jurnal penelitian mbak

      Hapus
    5. selamat siang pak saya mau tanya, referensinya jurnal apa ya pak? apakah bisa memberikan linknya pak? terimakasih sebelumnya

      Hapus
  2. saya mau tanya pak, penelitian saya menggunakan 2 variabel bebas dan 1 variabel terikat. secara stimulan kedua variabel bebas memiliki hubungan yang signifikan namun secara parsial salah satu variabel bebas tidak memiliki hubungan yang signifikan, apakah bisa dihitung SE dan SR nya? terimakasih

    BalasHapus
    Balasan
    1. bisa pak..silahkan dihitung SE dan SR nya

      Hapus
  3. Assalaamu'alaikum... Mas, bisa bantu cara bikin distribusi frekuensi data berkelompok?

    BalasHapus

Silahkan tinggalkan jejak sobat disini. Sehingga saya tau bahwa artikel di atas bermanfaat. Terimakasih