Cara Membaca dan Menginterpretasikan Output SPSS untuk Uji t (Parsial) – Langkah demi Langkah

 

Panduan lengkap cara membaca dan menginterpretasikan output SPSS untuk uji t parsial, disajikan langkah demi langkah agar mudah dipahami oleh mahasiswa, guru, dan peneliti pemula.

Uji t parsial merupakan salah satu teknik analisis statistik paling sering digunakan dalam penelitian sosial, pendidikan, ekonomi, dan kesehatan. Tujuannya adalah untuk menguji apakah setiap variabel bebas secara individu berpengaruh signifikan terhadap variabel terikat dalam model regresi linear, dengan asumsi variabel lain tetap atau dikendalikan (Ghozali, 2021). Bagi banyak peneliti pemula, tantangan terbesar bukanlah menjalankan perintah di SPSS, melainkan memahami dan menafsirkan angka-angka yang muncul dalam tabel hasilnya. Artikel ini akan menjelaskan secara rinci, sistematis, dan praktis cara membaca serta menginterpretasikan output uji t parsial dari SPSS.

Apa Itu Uji t Parsial?

Secara konseptual, uji t parsial disebut juga sebagai uji signifikansi koefisien regresi secara individu. Berbeda dengan uji F yang menguji pengaruh semua variabel bebas secara bersamaan, uji t melihat pengaruh satu per satu variabel bebas terhadap variabel terikat (Sujarweni, 2021).

Rumusan Hipotesis:

• H₀: Variabel bebas secara parsial tidak berpengaruh signifikan terhadap variabel terikat
• H₁: Variabel bebas secara parsial berpengaruh signifikan terhadap variabel terikat

Tingkat kepercayaan yang umum digunakan adalah 95%, sehingga taraf signifikansi (α) ditetapkan sebesar 5% atau 0,05.

Langkah Sebelum Membaca Output

Sebelum melihat hasilnya, pastikan Anda telah menjalankan analisis regresi linear di SPSS dengan langkah:

1. Masukkan data ke lembar kerja SPSS
2. Pilih menu Analyze → Regression → Linear
3. Masukkan variabel terikat ke kotak Dependent
4. Masukkan variabel bebas ke kotak Independent(s)
5. Klik OK, maka akan muncul beberapa tabel output

Untuk uji t parsial, bagian yang paling penting adalah tabel Coefficients.

 

Langkah Demi Langkah Membaca Output SPSS

Berikut adalah contoh tabel Coefficients dari hasil analisis pengaruh Motivasi Belajar (X₁) dan Metode Pembelajaran (X₂) terhadap Prestasi Belajar (Y) pada 30 siswa:

Tabel 1. Coefficients

Table

Model	Unstandardized Coefficients		Standardized Coefficients	t	Sig.
	B	Std. Error	Beta
1 (Constant)	18,425	3,127		5,892	0,000
Motivasi Belajar	0,472	0,141	0,428	3,347	0,002
Metode Pembelajaran	0,319	0,138	0,301	2,312	0,029

Langkah 1: Mengenali Kolom-Kolom Utama

• B: Koefisien regresi tidak terstandarisasi, menunjukkan besar perubahan Y jika X naik 1 satuan
• Beta: Koefisien regresi terstandarisasi, untuk membandingkan kekuatan pengaruh antar variabel
• t: Nilai t hitung hasil perhitungan SPSS
• Sig.: Nilai probabilitas atau tingkat signifikansi uji

Langkah 2: Menentukan Signifikansi dengan Nilai Sig.

Ini adalah cara paling mudah dan paling sering digunakan. Kriteria keputusan:

Jika Sig. < 0,05** → H₀ ditolak, artinya pengaruh signifikan

Jika **Sig. > 0,05 → H₀ diterima, artinya pengaruh tidak signifikan (Ghozali, 2021)

Dari contoh:

• Motivasi Belajar: Sig. = 0,002 < 0,05 → Berpengaruh signifikan
• Metode Pembelajaran: Sig. = 0,029 < 0,05 → Berpengaruh signifikan

Langkah 3: Membandingkan Nilai t Hitung dengan t Tabel

Cara kedua adalah membandingkan nilai t hitung dengan t tabel. Derajat kebebasan (df) = n - k - 1 = 30 - 2 - 1 = 27. Nilai t tabel untuk α = 0,05 dua sisi adalah ±2,052.

Kriteria:

Jika t hitung > t tabel atau t hitung < -t tabel → H₀ ditolak

Jika -t tabel ≤ t hitung ≤ t tabel → H₀ diterima

Dari contoh:

• t hitung X₁ = 3,347 > 2,052 → Signifikan
• t hitung X₂ = 2,312 > 2,052 → Signifikan

Langkah 4: Menafsirkan Arah dan Besar Pengaruh

Lihat nilai B dan tandanya:

• Tanda positif: Jika X naik, maka Y juga naik
• Tanda negatif: Jika X naik, maka Y justru turun

Dari contoh:

• Koefisien X₁ = 0,472 → Setiap kenaikan 1 poin motivasi, prestasi naik 0,472 poin
• Koefisien X₂ = 0,319 → Setiap kenaikan 1 poin kualitas metode, prestasi naik 0,319 poin

 

Contoh Penulisan Hasil dalam Laporan

Berdasarkan analisis uji t parsial pada tabel Coefficients, diperoleh bahwa variabel motivasi belajar memiliki nilai t hitung = 3,347 dengan tingkat signifikansi sebesar 0,002. Karena nilai signifikansi lebih kecil dari 0,05, maka H₀ ditolak. Hal ini menunjukkan bahwa secara parsial motivasi belajar berpengaruh positif dan signifikan terhadap prestasi belajar siswa. Demikian pula variabel metode pembelajaran memiliki nilai t hitung = 2,312 dan Sig. = 0,029 < 0,05, sehingga juga berpengaruh positif dan signifikan terhadap prestasi belajar (Sujarweni, 2021).

 

Kesalahan Umum dan Cara Menghindarinya

1. Membingungkan uji t dengan uji F: Uji t untuk pengaruh individu, uji F untuk keseluruhan model
2. Mengabaikan arah koefisien: Jangan hanya tulis "berpengaruh", tetapi juga "positif" atau "negatif"
3. Menggunakan taraf α yang salah: Tetap konsisten menggunakan 0,05 kecuali ada alasan khusus
4. Membaca kolom Sig. 1 sisi vs 2 sisi: Secara baku SPSS menggunakan uji dua sisi

 

Daftar Sitasi

• Ghozali, I. (2021). Aplikasi analisis multivariat dengan program IBM SPSS 26 (Edisi 10). Semarang: Badan Penerbit Universitas Diponegoro.
• Sujarweni, V. W. (2021). Statistika untuk penelitian lengkap dengan aplikasi SPSS. Yogyakarta: Pustaka Baru Press.
• Santoso, S. (2020). Regresi linier berganda: Konsep dan aplikasi dengan SPSS. Jakarta: Elex Media Komputindo.
• Priyatno, D. (2020). Analisis regresi dan korelasi dengan SPSS. Yogyakarta: Andi Offset.

 

 

 

 

Jelajahi

DAFTAR ISI