Dari kedua hasil data berupa grafik di atas menunjukkan, data yang diperoleh mendekati garis melengkung pada grafik histogram dan juga mendekati
garis pada regression standardized residual yang sama-sama berarti data berdistribusi normal.
2. Uji Regresi Linear Berganda
Sebelum peneliti memberikan hasil uji regresi linear berganda, peneliti ingin memaparkan hasil uji regresi linear sederhana terlebih dahulu. Analisis regresi
linear sederhana ini dipakai untuk menganalisa hubungan linear antara satu variabel independen dengan satu variabel dependen.
74
Dalam penelitian ini ingin melihat bagimana hubungan variabel dependen dengan independen apabila
kesatuan variabel independen disatukan.
Tabel 26. Uji Regresi Linear Sederhana
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.822
a
.676 .673
11.574 a. Predictors: Constant, TayanganIklanPartaiPolitikGolkar
Maksudnya, 67,6 dari variabel penayangan iklan partai politik Golkar tersebut memengaruhi perilaku memilih masyarakat. Sedangkan, 32,4 sisanya
dijelaskan oleh faktor lain di luar model variabel di atas.
74
Duwi Priyatno, 5 Jam Belajar Olah Data SPSS 17, Yogyakarta: Andi Offset, 2009, h. 172.
Tabel 27. Koefisien Regresi Linear Sederhana
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-3.777 7.408
-.510 .611
TayanganIklanPartaiPoli tikGolkar
1.200 .091
.822 13.253
.000 a. Dependent Variabel: PerilakuMemilih
Dengan begitu persamaan untuk regresi linear sederhana ini ialah: Perilaku Memilih = 3,777 + 1, 2 x Tayangan Iklan Golkar + e
Pada tabel di atas, nilai signifikan variabel tayangan iklan Golkar = 0,000 0,05 sehingga, Ho ditolak. Artinya, variabel independen tayangan iklan Golkar
secara simultan bersama-sama berpengaruh positif dan signifikan dengan perilaku memilih masyarakat.
Sedangkan, untuk melihat uji regresi linear berganda di mana pada penelitian ini terdapat lebih dari satu variabel independen. Dari hasil penelitian yang setelah
itu diolah menggunakan bantuan software IBM SPSS Statistics 22 didapatkan hasil seperti berikut:
Tabel 28. Koefisien Regresi Linear Berganda
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.921 6.864
.134 .894
Visibility -.009
.299 -.002
-.031 .975
.612 1.634
Audience Salience
1.527 .347
.305 4.393
.000 .668
1.497 Valence
1.758 .189
.666 9.312
.000 .630
1.588 a. Dependent Variabel: PerilakuMemilih
Dari tabel di atas, maka dapat diperoleh persamaan regresi linear bergandanya seperti berikut:
Y = 0,921 + - 0,09 �
�
+ 1,527 �
�
+ 1,758 �
�
Dari persamaan tersebut dapat diartikan bahwa setiap terdapat satu satuan kenaikan visibilitas yakni tingkat atau jumlah menonjolnya berita, maka perilaku
memilih berkurang sebesar 0,09, satu kenaikan tingkat menonjolnya bagi khalayak akan bertambah sebesar 1,527, dan jika terdapat satu kenaikan valensi
atau kesenangan masyarakat akan cara penyajiannya akan bertambah sebesar 1,758.
3. Uji – F
Kemudian data yang telah didapatkan peneliti juga mengolahnya ke dalam software IBM SPSS Statistics 22 dalam menemukan nilai uji-F penelitian. Dari
olahan tersebut, didapatkan data seperti di bawah ini:
Tabel 29. Hasil Uji – F
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
25602.227 3
8534.076 76.232
.000
b
Residual 9179.773
82 111.948
Total 34782.000
85 a. Dependent Variabel: PerilakuMemilih
b. Predictors: Constant, Valence, AudienceSalience, Visibility
Dari hasil yang diperoleh pada tabel di atas, dapat ditemukan bahwa nilai signifikan F sebesar 0,000. Dengan begitu, sig F 0,01 sebagai nilai alphanya.
