Ujian Regresi

Pengenalan

Ujian regresi merupakan satu teknik statistik yang digunakan untuk meramal (predict) atau menjelaskan hubungan antara satu variabel bersandar (dependent variable) dengan satu atau lebih variabel bebas (independent variable).

• Jika melibatkan satu variabel bebas → dipanggil Regresi Linear Sederhana.
• Jika melibatkan dua atau lebih variabel bebas → dipanggil Regresi Linear Berganda.

Contoh persoalan kajian:

• Adakah tahap motivasi boleh meramal pencapaian akademik pelajar?
• Adakah gaya pembelajaran dan sokongan keluarga mempengaruhi prestasi pelajar di sekolah?

---

1. Syarat-syarat Regresi

Sebelum menjalankan ujian regresi, beberapa andaian (assumptions) perlu dipenuhi bagi memastikan keputusan analisis adalah sah dan boleh dipercayai.

a. Lineariti

Hubungan antara variabel bebas dan variabel bersandar mestilah linear (bentuk garisan lurus). Ini boleh dilihat melalui scatter plot.

b. Normaliti

Data mestilah mengikut taburan normal, khususnya bagi residual (perbezaan antara nilai ramalan dan nilai sebenar).

c. Homoskedastisiti

Varians residual mestilah seragam (tidak bertabur terlalu jauh atau terlalu rapat pada nilai ramalan).

d. Tiada Multikolineariti

Variabel bebas tidak boleh mempunyai hubungan yang terlalu tinggi antara satu sama lain. Jika VIF (Variance Inflation Factor) > 10, maka terdapat masalah multikolineariti.

e. Residual Bebas (Independence of Errors)

Residual mestilah bebas, biasanya diuji menggunakan Durbin-Watson Test (nilai ideal antara 1.5 hingga 2.5).

---

2. Analisis Data Regresi

a. Regresi Linear Sederhana

Digunakan untuk menguji sejauh mana satu variabel bebas boleh meramal variabel bersandar.

Persamaan umum:

• Y = variabel bersandar (contoh: pencapaian akademik)
• a = pemalar (intercept)
• b = pekali regresi (slope)
• X = variabel bebas (contoh: motivasi)

Jika b signifikan (p < 0.05) → variabel X mempunyai pengaruh terhadap Y.

---

b. Regresi Linear Berganda

Digunakan apabila terdapat lebih daripada satu variabel bebas.

Persamaan umum:

---

c. Analisis dengan SPSS

1. Masukkan data dalam SPSS.
2. Klik: Analyze → Regression → Linear.
3. Pilih variabel bersandar (Dependent) dan variabel bebas (Independent).
4. Klik OK untuk mendapatkan output.

Contoh Output Ringkas:

Model	R²	Beta (β)	Sig.
Motivasi → Pencapaian	0.42	0.65	0.001

Interpretasi:

• R² = 0.42 → 42% variasi pencapaian boleh dijelaskan oleh motivasi.
• β = 0.65, p < 0.05 → motivasi mempunyai pengaruh signifikan terhadap pencapaian.

---

Kesimpulan

• Ujian regresi membolehkan penyelidik membuat ramalan berdasarkan variabel bebas.
• Syarat-syarat regresi perlu dipenuhi untuk menjamin keputusan sahih.
• Analisis regresi melalui SPSS membantu menilai sejauh mana variabel bebas memberi kesan kepada variabel bersandar.

---

Rujukan

• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage.
• Pallant, J. (2020). SPSS survival manual (7th ed.). Routledge.
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.