Indah Nur Rohmah_18510024_ Analisis Regresi Berganda Menggunakan SPSS

Analisis Regresi Berganda dengan Menggunakan SPSS

Nama/ Nim : Indah Nur Rohmah / 18510024

Mata Kuliah/ Dosen : Statistik II (B) / M. Nanang Choiruddin,SE.,MM

Analisis regresi berganda merupakan model persamaan yang menjelaskan hubungan satu variabel tak bebas atau response (Y) dengan dua atau lebih variabel bebas/predictor (X1,X2,…Xn). Tujuan dari uji regresi linear berganda adalah untuk memprediksi nilai variable tak bebas/response (Y) apabila nilai-nilai variabel bebasnya/predictor (X1.X2,…Xn) diketahui. Disamping itu juga untuk dapat mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel – variabel bebasnya.[1]

SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis statistika. SPSS (Statistical Package for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama diriis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politikdi University of Chicago.

SPSS digunakan digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran dan sebagainya. Selain analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data turunan) dan dokumentasi data (kamus meta-data ikut dimasukkan bersama data) juga merupakan fitur – fitur dari software dasar SPSS. Statistic yang termasuk software  dasar SPSS yaitu : Statistik Deskriptif, Statistik Bivariat, Prediksi Hasil Numerik dan Prediksi untuk Mengindentifikasi Kelompok.Analisis regresi linier berganda digunakan untuk mengetahui pengaruh atau hubungan secara linear antara dua atau lebih variabel independen dengan satu variabel dependen. Perbedaan dengan regresi linier sederhana adalah, bahwa regresi linier sederhana hanya menggunakan satu variabel independen dalam satu model regresi, sedangkan regresi linier berganda menggunakan dua atau lebih variabel independen dalam satu model regresi.

Contoh kasus: Seorang mahasiswa jurusan Manajemen melakukan penelitian tentang pengaruh  Working  capital  turnover  dan  Total  asset  turnover terhadap rentabilitas ekonomi pada perusahaan di BEI. variabel Working capital turnover dan Total asset turnover sebagai variabel independen (X1 dan X2) dan rentabilitas ekonomi sebagai variabel dependen (Y). Data-data yang telah di dapat sebagai berikut (halaman selanjutnya).

Data Pengaruh  Working  Capital  Turnover  Dan  Total  Asset  Turnover Terhadap Rentabilitas Ekonomi

X1	X2	Y
5.60	0.55	0.19
2.15	0.49	0.05
4.91	0.50	0.13
1.15	0.31	0.09
3.46	0.37	0.12
3.88	0.45	0.18
4.20	0.53	0.24
2.55	0.26	0.09
4.36	0.27	0.16
5.97	0.51	0.24
3.39	0.39	0.10
4.70	0.54	0.17
5.23	0.63	0.20
4.28	0.52	0.15
3.76	0.42	0.09

Langkah-langkah analisis  Regresi Linier Berganda pada SPSS  sebagai berikut:

1.       Buka program SPSS dengan klik Start >> All Programs  >>  IBM SPSS Statistics >> IBM SPSS Statistics 16.0

2.        Pada halaman SPSS 16.0 yang terbuka, klik Variable View,  maka akan terbuka halaman Variable View

3.         Selanjutnya membuat variabel. Pada kolom Name baris pertama ketik y, pada Label ketik Rentabilitas ekonomi, pada kolom Name baris kedua ketik x1, pada Label ketik Total asset turnover, dan pada kolom Name baris ketiga ketik x2, pada Label ketik Working capital turnover. Untuk kolom lainnya bisa dihiraukan (isian default)

Tampilan Variable View

4.       Jika sudah, masuk ke halaman Data View dengan klik Data View, maka akan terbuka halaman Data View. Selanjutnya isikan data.

Tampilan Data View

5.       Selanjutnya klik Analyze >> Regression >> Linear. Kemudian  akan terbuka kotak dialog seperti berikut:

Windows Linear Regression

6.       Masukkan variabel Rentabilitas ekonomi ke kotak Dependent, sedangkan variabel Working capital turnover dan Total asset turnover ke kotak Independent(s).

7.       Klik tombol Statistics, kemudian akan muncul kotak dialog sebagai berikut:

Windows Linear Regression: Statistics

8.       Karena akan dilakukan uji penyimpangan asumsi klasik yaitu multikolinearitas dan autokorelasi maka beri tanda centang pada Collinearity diagnostics dan Durbin-Watson. Setelah itu klik Continue dan akan kembali ke kotak dialog sebelumnya.

9.       Karena akan dilakukan uji penyimpangan asumsi klasik yaitu heteroskedastisitas, maka klik Plots. Kemudian akan muncul kotak dialog sebagai berikut:

Windows Linear Regression: Plots

10.   Klik *SRESID (Studentized Residual) kemudian masukkan ke kotak Y, dan klik *ZPRED (Standardized Predicted Value) kemudian masukkan ke kotak X. Setelah itu klik Continue  dan akan kembali ke kotak dialog sebelumnya.

11.   Klik OK, maka hasil output sebagai berikut:

Hasil Output

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	Total asset turnover, Working Capital Turnovera	.	Enter
a. All requested variables entered.
b. Dependent Variable: Rentabilitas Ekonomi

Dari output dapat dilihat bahwa variabel independen yang dimasukkan ke dalam model adalah Total asset turn over dan Working capital turnover, dan variabel dependennya adalah Rentabilitas ekonomi. Dan tidak ada variabel yang dikeluarkan (removed). Sedangkan metode regresi menggunakan Enter.

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	.783a	.613	.548	.03859	1.553
a. Predictors: (Constant), Total asset turnover, Working Capital Turnover
b. Dependent Variable: Rentabilitas Ekonomi

Pada keluaran di atas nilai – nilai penting adalah :[2]

1.       Nilai R2 sebesar 0,613 artinya prosentase sumbangan pengaruh variabel Total asset turn over dan Working terhadap rentabilitas ekonomi sebesar 61,3%, sedangkan sisanya sebesar dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model ini.

2.       Nilai Adjusted R2 : Nilai Adjusted R2 sebesar 0,548 menunjukkan kecocokan model regresi yang kita buat hamper benar karena nilai ini jauh berada di bawah angka 1. Kecocokan model diukur dengan ketentuan nilai yang semakin mendekati 1 mempunyai kecocokan model yang sesuai.

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	.028	2	.014	9.493	.003a
	Residual	.018	12	.001
	Total	.046	14
a. Predictors: (Constant), Total asset turnover, Working Capital Turnover
b. Dependent Variable: Rentabilitas Ekonomi

Collinearity Diagnosticsa
Model	Dimension	Eigenvalue	Condition Index	Variance Proportions
				(Constant)	Working Capital Turnover	Total asset turnover
1	1	2.932	1.000	.01	.01	.00
	2	.047	7.900	.52	.61	.00
	3	.021	11.786	.47	.38	1.00
a. Dependent Variable: Rentabilitas Ekonomi

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.	Collinearity Statistics
		B	Std. Error	Beta			Tolerance	VIF
1	(Constant)	.001	.044		.015	.988
	Working Capital Turnover	.032	.010	.731	3.157	.008	.602	1.662
	Total asset turnover	.041	.121	.078	.338	.742	.602	1.662
a.        Dependent Variable: Rentabilitas Ekonomi

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	.0503	.2133	.1467	.04493	15
Std. Predicted Value	-2.145	1.483	.000	1.000	15
Standard Error of Predicted Value	.010	.026	.016	.006	15
Adjusted Predicted Value	.0237	.2059	.1457	.04697	15
Residual	-.04885	.08273	.00000	.03572	15
Std. Residual	-1.266	2.144	.000	.926	15
Stud. Residual	-1.337	2.279	.011	1.023	15
Deleted Residual	-.06537	.09351	.00095	.04428	15
Stud. Deleted Residual	-1.388	2.898	.047	1.142	15
Mahal. Distance	.009	5.603	1.867	1.874	15
Cook's Distance	.000	.395	.084	.135	15
Centered Leverage Value	.001	.400	.133	.134	15
a. Dependent Variable: Rentabilitas Ekonomi

Output Anova

Nilai F hitung adalah 9,493 dengan taraf signifikan 0.003. Nilai signifikan ini lebih kecil dari 0,005 yang mengandung arti bahwa, secara serempak bahwa variable bebas berpengaruh signifikan terhadap variable tak bebas untuk taraf signifikan 5 %.[3]

Output Coefficients

Uji t parsial digunakan untuk mengetahui pengaruh variable-variable bebas terhadap variable tak bebasnya secara parsial.

Berdasarkan hasil yang terdapat dalam table diatas, maka dapat dibentuk suatu perasamaan regresi linear berganda  yaitu :

Y = 0.001 + 0.023 X1 + 0.041 X2

Y = Rentabilitas Ekonomi

X1  = Working Capital Turnover

X2  = Total Asset Turnover

Uji t (uji    koefisien    regresi    secara    parsial) digunakan untuk mengetahui apakah secara parsial Working capital turnover dan Total asset turnover berpengaruh secara signifikan atau tidak terhadap rentabilitas ekonomi. Pengujian menggunakan tingkat signifikansi 0,05 dan 2 sisi. Langkah-langkah pengujian sebagai berikut:

Pengujian koefisien variabel Working capital turnover (b1) :

a.    Merumuskan hipotesis

Ho :   Working capital turnover secara parsial tidak berpengaruh terhadap rentabilitas ekonomi

Ha  :  Working capital turnover secara parsial berpengaruh terhadap rentabilitas ekonomi

b.    Menentukan t hitung dan Nilai Signifikansi

Dari output di dapat t hitung sebesar 3,157 dan Signifikansi 0,008

c.     Menentukan  t tabel

T tabel dapat dilihat pada tabel statistik  pada signifikansi 0,05 dibagi 2 = 0,025 dengan derajat kebebasan df = n-k-1 atau 15-2-1 =12, hasil diperoleh untuk t tabel sebesar 2,179 (Lihat pada lampiran t tabel).

d.    Kriteria Pengujian

Jika t tabel lebih besar dari t hitung maka Ho diterima dan sebaliknya.

e.    Berdasarkan Signifikasi

Jika signifikasi lebih besar dari 0.05 maka Ho diterima.

f.     Kesimpulan

Nilai t hitung lebih besar dari t tabel yaitu (3,157 > 2,197)  dan signifikasi < 0,5 (0,008 < 0,05) maka Ho ditolak, jadi dapat disimpulkan bahwa Working capital turnover secara parsial berpengaruh terhadap rentabilitas ekonomi. Nilai  t  hitung  positif  artinya  berpengaruh  positif,  yaitu jika Working  capital  turnover  meningkat  maka  rentabilitas  ekonomi  juga  akan meningkat.

Pengujian koefisien variabel Total asset turnover (b2)

a.       Merumuskan hipotesis

 Ho : Total asset turnover secara parsial tidak berpengaruh terhadap  rentabilitas ekonomi.

 Ha    : Total asset turnover secara parsial berpengaruh terhadap rentabilitas ekonomi.

b.      Menentukan t hitung dan nilai Signifikansi Dari output di dapat t hitung sebesar 0,338 dan Signifikansi 0,742

c.        Menentukan  t tabel T tabel dapat dilihat pada tabel statistik pada signifikansi 0,05 /2 = 0,025 dengan derajat kebebasan df = n-k-1 atau 15-2-1 = 12, hasil diperoleh untuk t tabel sebesar 2,179 (Lihat pada lampiran t tabel).

d.      Kriteria  Pengujian  

Jika t tabel lebih besar dari t hitung maka Ho diterimadan sebaliknya.

e.      Berdasar  Signifikansi:

Jika signifikasi lebih besar dari 0,05 maka Ho diterima dan sebaliknya.

f.        Membuat kesimpulan Nilai t hitung < t tabel (0,338 < 2,179) dan Signifikansi > 0,05 (0,742 > 0,05) maka Ho ditolak, jadi dapat disimpulkan bahwa Total asset turnover secara parsial tidak berpengaruh terhadap rentabilitas.[4]

Scatterplot

Dari output dapat diketahui bahwa titik-titik tidak membentuk pola yang jelas, dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, jadi dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam model regresi[5]

DAFTAR PUSTAKA

Purnomo, Rochmat.2016. Analisis Statistik Ekonomi dan Bisnis dengan SPSS.Ponorogo : CV. Wade Group

Gani, Irwan dan Siti Amalia.2015. Alat Analisis Data : Aplikasi Statistik untuk Penelitian Bidang Ekonomi dan Sosial. Yogyakarta : CV.Andi Offset

Zuliarni,Sri.2012. Pengaruh Kinerja Keuangan Terhadap Harga Saham Pada Perusahaan Mining & Mining Service di Bursa Efek Indonesia. Jurnal Aplikasi Bisnis. Vol 3 No 1

Sarwono, Jonathan. 2013.12 Jurus Ampuh SPSS Untuk Riset Aplikasi. Jakarta : PT Elex Media Komputindo.

Yudiatmaja,Fridayana.2013. Analisis Regresi dengan Menggunakan Aplikasi Komputer SPSS. Jakarta : PT Gramedia Pustaka Utama.

---

[1] Yudiatmaja,Fridayana.2013. Analisis Regresi dengan Menggunakan Aplikasi Komputer SPSS. Jakarta: PT Gramedia Pustaka Utama. Hal 15

[2] Sarwono, Jonathan. 2013.12 Jurus Ampuh SPSS Untuk Riset Aplikasi. Jakarta : PT Elex Media Komputindo. Hal 49

[3] Zuliarni,Sri.2012. Pengaruh Kinerja Keuangan Terhadap Harga Saham Pada Perusahaan Mining & Mining Service di Bursa Efek Indonesia. Jurnal Aplikasi Bisnis. Vol 3 No 1

[4] Purnomo, Rochmat.2016. Analisis Statistik Ekonomi dan Bisnis dengan SPSS.Ponorogo : CV. Wade Group. Hal 161

[5] Gani, Irwan dan Siti Amalia.2015. Alat Analisis Data : Aplikasi Statistik untuk Penelitian Bidang Ekonomi dan Sosial. Yogyakarta : CV.Andi Offset hal 149