Resume Analisis Regresi Berganda Menggunakan SPSS 20

(Pengaruh Working Capital Turnover dan Total Asset Turnover Terhadap Rentabilitas Ekonomi Pada Perusahaan di BEI)

Nama/NIM     : Kharisatun Niswah/18510114

Mata Kuliah   : Statistik II

Dosen              : M. Nanang Choiruddin,SE.,MM

         Analisis regresi linier ganda merupakan alat analisis peramalan nilai pengaruh antara dua variabela bebas atau lebih (X) terhadap satu variabel terikat (Y) dalam rangka membuktikan ada tidaknya hubungan fungsional atau kausal antara dua variabel bebas atau lebih (X) tersebut terhadap satu variabel terikat (Y). Analisis regresi linier berganda memberikan kemudahan bagi pengguna untuk memasukkan lebih dari satu variabel bebas hingga k dimana banyaknya k kurang dari jumlah observasi (n).

Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Variabel independen (independent variable) adalah tipe variabel yang menjelaskan atau mempengaruhi variabel yang lain. Variabel dependen (dependent variable) adalah tipe variabel yang dijelaskan atau dipengaruhi oleh variabel independen.

Data yang digunakan biasanya berskala interval atau rasio. Paradigma analisis regresi linier ganda dapat digambarkan atau ilustrasikan pada gambar berikut:

Regresi Linier Berganda yang akan disimulasikan pada bagian ini menggunakan pendekatan

Ordinary Least Squares (OLS). Penjelasan akan dibagi menjadi 4 (empat) tahapan, yaitu:

1. Persiapan Data (Tabulasi Data)

    Persiapan data dimaksudkan untuk melakukan input data ke dalam software SPSS.

2.  Estimasi Model Regresi Linier (Berganda)

   Setelah data di-input kedalam software SPSS, maka langkah selanjutnya adalah melakukan estimasi (pendugaan) model (persamaan) regresi linier.

3.  Pengujian Asumsi Klasik

  Pengujian asumsi klasik dilakukan setelah model regresi diestimasi, bukan sebelum model diestimasi. Tidak mungkin pengujian asumsi klasik dilakukan sebelum model regresi diestimasi, karena pengujian asumsi klasik yang meliputi normalitas, heteroskedastisitas dan autokorelasi membutuhkan data residual model yang didapat setelah model terbentuk. Apabila model yang terbentuk tidak memenuhi asumsi klasik yang disyaratkan, maka dibutuhkan modifikasi/transformasi/penyembuhan terhadap data ataupun model regresi.

4    4. Uji Kelayakan Model (Goodness of Fit Model)

·      Uji Keterandalan Model (Uji F)

Merupakan tahapan awal mengidentifikasi model regresi yang diestimasi layak atau tidak. Layak (andal) disini maksudnya adalah model yang diestimasi layak digunakan untuk menjelaskan pengaruh variabel-variabel bebas terhadap variabel terikat.

·      Uji Koefisien Regresi (Uji t)

Uji t dalam regresi linier berganda dimaksudkan untuk menguji apakah parameter (koefisien regresi dan konstanta) yang diduga untuk mengestimasi persamaan/model regresi linier berganda merupakan parameter yang tepat atau belum. Maksud dari tepat adalah parameter tersebut mampu menjelaskan perilaku variabel bebas dalam mempengaruhi variabel terikatnya.

·      Koefisien Determinasi

Menjelaskan variasi pengaruh variabel bebas terhadap variabel terikatnya atau sebagai proporsi pengaruh seluruh variabel bebas terhadap variabel terikat. Nilai koefisien determinasi dapat diukur oleh nilai Rsquare atau Adjusted R-Square. R-Square digunakan pada saat variabel bebas hanya 1 saja (Regresi Linier Sederhana), sedangkan Adjusted R-Square digunakan pada saat variabel bebas lebih dari satu.

5       5. Intepretasi Model Regresi Linier (Berganda)

    Interpretasi yang dilakukan terhadap koefisien regresi meliputi dua hal, tanda dan besaran. Tanda menunjukkan arah hubungan. Tanda dapat bernilai positif atau negatif. Positif menunjukkan pengaruh yang searah antara variabel bebas terhadap variabel terikat, sedangkan negatif menunjukkan pengaruh yang berlawanan arah. Searah maksudnya adalah, apabila variabel bebas mengalami kenaikan maka variabel terikat akan mengalami hal yang sama. Sedangkan apabila variabel bebas mengalami penurunan maka akan berdampak kepada variabel terikat juga. Berlawan arah maksudnya apabila variabel bebas mengalami kenaikan maka variabel terikat akan mengalami hal yang sebaliknya yaitu penurunan. Sebaliknya, apabila variabel bebas mengalami penurunan maka variabel terikat akan mengalami peningkatan. Sedangkan besaran menjelaskan nominal slope persamaan regresi.

Contoh Studi Kasus Pada Perusahaan di BEI

Seorang mahasiswa jurusan akuntansi 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 diperoleh yakni sebagai berikut:

               

Hasil Output SPSS yakni sebagai berikut:

Output Variables Entered/Removed

            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.

Output Model Summary

R adalah korelasi berganda, yaitu korelasi antara dua atau lebih variabel independen terhadap variabel dependen. Nilai R berkisar antara 0 sampai 1, jika mendekati 1 maka hubungan semakin erat tetapi jika mendekati 0 maka hubungan semakin lemah. Angka R didapat 0.772, artinya korelasi antara variabel Total asset turn over dan Working terhadap rentabilitas ekonomi sebesar 0.772, hal ini berarti terjadi hubungan yang erat karena nilai mendekati 1.

R Square (R²), yaitu menunjukkan koefisien determinasi. Artinya persentase sumbangan pengaruh variabel independen terhadap variabel dependen. Nilai R² sebesar 0.596, artinya persentase sumbangan pengaruh variabel Total asset turn over dan Working terhadap rentabilitas ekonomi sebesar 59.6%, sedangkan sisanya sebesar dipengaruhi oleh variabel lain yang tidak dimasukkan dalam model ini.

Adjusted R Square, adalah R Square yang telah disesuaikan, nilai sebesar 0.529. Ini  menunjukkan sumbangan pengaruh variabel independen terhadap variabel dependen. Standard Error of the Estimate, adalah ukuran kesalahan prediksi, nilai sebesar 0.03934. Artinya kesalahan yang dapat terjadi dalam memprediksi rentabilitas ekonomi sebesar 0.03934.

Durbin-Watson, yaitu nilai yang menunjukkan ada atau tidaknya autokorelasi dalam model regresi. Model regresi yang baik seharusnya tidak terjadi autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi maka nilai DW akan dibandingkan dengan DW tabel, dengan kriteria sebagai berikut:

-       Jika DW < dL atau DW > 4-dL berarti terdapat autokorelasi.

-       Jika DW terletak antara dU dan 4-dU berarti tidak ada autokorelasi.

-  Jika DW terletak antara dL dan dU atau diantara 4-dU dan 4-dL, maka tidak menghasilkan kesimpulan yang pasti.

     

     Nilai DW dari output didapat 1.613. Untuk nilai dL dan dU dapat dilihat pada DW tabel pada Signifikansi 0.05 dengan n (jumlah data) = 15 dan k (jumlah variabel independen) = 2 didapat nilai dL adalah 0.946 dan dU adalah 1.543, jadi nilai 4-dU=2.457 dan 4-dL=3.054. Hal ini berarti nilai DW (1.613) berada pada daerah antara dU dan 4-U, maka tidak ada autokorelasi.

Output ANOVA
          Analisis varian yaitu uji koefisien regresi secara bersama-sama (uji F) untuk menguji signifikansi pengaruh beberapa variabel independen terhadap variabel dependen. Pengujian menggunakan tingkat signfikansi 0.05. Langkah-langkah uji F adalah sebagai berikut:

1.         Merumuskan Hipotesis

Ho :  Working capital turnover dan Total asset turnover secara bersama-sama tidak berpengaruh terhadap rentabilitas ekonomi.

Ha : Working capital turnover dan Total asset turnover secara bersama-sama berpengaruh terhadap rentabilitas ekonomi.

2.         Menentukan F hitung dan nilai Signifikansi

 Dari output diperoleh F hitung sebesar 8.864 dan nilai signifikansi sebesar 0.004.

3.         Menentukan F tabel

F tabel pada tingkat signifikansi 0.05 dengan df 1 (jumlah variabel–1) = 2, dan df 2 (n-k-1) atau 15-2-1 = 12 (n adalah jumlah data dan k adalah jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 3.885.

4.       Kriteria pengujian

·         Jika F hitung < F tabel maka Ho diterima

·         Jika F hitung > F tabel maka Ho ditolak

          5.       Membuat kesimpulan

F hitung > F tabel (8,864 > 3,885) dan Signifikansi < 0,05 (0,004 < 0,05) maka Ho ditolak, jadi dapat disimpulkan bahwa Working capital turnover dan Total asset turnover secara bersama-sama berpengaruh terhadap rentabilitas ekonomi.

Output Coefficients

·   Unstandardized Coefficients adalah nilai koefisien yang tidak terstandarisasi, nilai ini menggunakan satuan yang digunakan pada data variabel dependen. Koefisien B terdiri nilai konstan (harga Y, jika X₁ dan X₂ = 0) dan koefisien regresi (nilai yang menunjukkan peningkatan atau penurunan variabel Y yang didasarkan variabel X₁ dan X₂).

·      Standard Error adalah nilai maksimum kesalahan dalam memperkirakan rata-rata populasi berdasar sampel. Nilai ini untuk mencari t hitung.

·   Standardized Coefficients, yakni nilai koefisien yang terstandarisasi atau ada patokan tertentu, jika mendekati 0 maka hubungan antara variabel X dengan Y semakin lemah.

·    t hitung adalah pengujian signifikansi untuk mengetahui pengaruh variabel X₁ dan X₂ terhadap Y secara parsial, apakah berpengaruh signifikan atau tidak. Untuk mengetahui hasil signifikansi, angka t hitung akan dibandingkan dengan t tabel.

·      Signifikansi yaitu besarnya probabilitas untuk memperoleh kesalahan dalam mengambil keputusan. Jika tingkat signifikansi 0.05, maka peluang kesalahan maksimal 5% dan 95% keputusan adalah benar.

·       Collinearity Statistics adalah angka yang menunjukkan ada atau tidaknya hubungan linear secara sempurna atau mendekati sempurna antar variabel independen dalam model regresi. Asumsi klasik yang digunakan pada model regresi linier berganda yaitu bahwa tidak adanya multikolinearitas antar variabel independen.

Variabel yang menyebabkan multikolinearitas dapat dilihat dari nilai tolerance yang lebih kecil dari 0,1 atau nilai VIF yang lebih besar dari nilai 10 (Hair et al. 1992). Dari output di dapat nilai tolerance lebih dari 0,1 dan VIF kurang dari 10, sehingga tidak terjadi multikolinearitas.

Persamaan regresi linier berganda dengan 2 variabel independen adalah sebagai berikut:

                                                                Y’ = a + b₁X₁ + b₂X₂

Keterangan:

Y’            : Nilai prediksi variabel dependen (Rentabilitas ekonomi)

a              : Konstanta, yaitu nilai Y’ jika X₁ dan X₂ = 0

b₁,b₂       : Koefisien regresi, yaitu nilai peningkatan atau penurunan variabel Y’ yang didasarkan                          variabel X₁ dan X₂

X₁            : Variabel independen (Working capital turnover)

X₂            : Variabel independen (Total asset turnover)

Nilai-nilai pada output kemudian dimasukkan ke dalam persamaan regresi linier berganda sebagai berikut:

Y’ = 0.002 + 0.031X₁ + 0.098X₂

-          Nilai konstanta (a) adalah 0.002. hal ini dapat diartikan jika variabel independen bernilai   0, maka rentabilitas ekonomi nilainya 0.002.

-        Nilai koefisien regresi variabel Working capital turnover (b₁) bernilai positif yaitu 0.031. Artinya setiap peningkatan Working capital turnover sebesar 1 satuan, maka akan meningkatkan rentabilitas ekonomi sebesar 0.031 satuan dengan asumsi variabel independen lain bernilai tetap.

-       Nilai koefisien regresi variabel Total asset turnover (b₂) bernilai positif yaitu 0.48. Artinya setiap peningkatan Total asset turnover sebesar 1 satuan, maka akan meningkatkan rentabilitas ekonomi sebesar 0.048 satuan dengan asumsi variabel independen lain bernilai tetap.

Uji t

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:

v Pengujian koefisien variabel Working capital turnover (b₁)

1.    Merumuskan hipotesis

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

Ha  :Working capital turnover secara parsial berpengaruh terhadap rentabilitas ekonomi

2.    Menentukan t hitung dan Nilai Signifikansi

Dari output di dapat t hitung sebesar 3.006 dan Signifikansi 0.011

3.    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

4.    Kriteria Pengujian

Jika -t tabel < t hitung < t tabel maka Ho diterima

Jika -t hitung < -t tabel atau t hitung > t tabel maka Ho ditolak.

5.    Berdasar Signifikansi:

Jika Signifikansi > 0.05 maka Ho diterima.

Jika Signifikansi < 0.05 maka Ho ditolak.

6.    Membuat kesimpulan

Nilai t hitung > t tabel (3.006 > 2.179) dan Signifikansi < 0.05 (0.011 < 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.

v Pengujian koefisien variabel Total asset turnover (b₂)

1.    Merumuskan hipotesis

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

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

2.    Menentukan t hitung dan nilai Signifikansi

Dari output di dapat t hitung sebesar 0.386 dan Signifikansi 0.706

3.    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.

4.    Kriteria Pengujian

Jika -t tabel < t hitung < t tabel maka Ho diterima.

Jika -t hitung < -t tabel atau t hitung > t tabel maka Ho ditolak.

5.    Berdasar Signifikansi:

Jika Signifikansi > 0,05 maka Ho diterima.

Jika Signifikansi < 0,05 maka Ho ditolak. 

6.    Membuat kesimpulan

Nilai t hitung < t tabel (0.386 < 2.179) dan Signifikansi > 0.05 (0.706 > 0.05) maka Ho ditolak, jadi dapat disimpulkan bahwa Total asset turnover secara parsial tidak berpengaruh terhadap rentabilitas ekonomi.

Uji Asumsi Klasik Regresi

a.    Uji Normalitas Residual

Uji normalitas residual digunakan untuk menguji apakah nilai residual yang dihasilkan terdistribusi secara normal atau tidak. Dari Grafik, dapat diketahui bahwa titik-titik menyebar sekitar garis dan mengikuti garis diagonal maka nilai residual tersebut normal.

b.    Uji Multikolinearitas

Multikolinearitas artinya variabel independen memiliki hubungan linear yang sempurna atau mendekati sempurna. Model regresi yang baik seharusnya tidak terjadi korelasi sempurna. Cara untuk mengetahui ada atau tidaknya gejala multikoliniearitas antara lain dengan melihat nilai Variance Inflation Factor (VIF) dan Tolerance, apabila nilai VIF kurang dari 10 dan Tolerance lebih dari 0,1 maka dinyatakan tidak terjadi multikoliniearitas (Ghozali, 2011). Dari output dapat dilihat bahwa nilai Tolerance ke dua variabel lebih dari 0.100 dan VIF kurang dari 10, maka dapat disimpulkan  tidak terjadi multikolinearitas antar variabel bebas.

c.       Uji Autokorelasi

Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut waktu atau tempat. Model regresi yang baik seharusnya tidak terjadi autokorelasi. Nilai DW dari output didapat 1.613. Untuk nilai dL dan dU dapat dilihat pada DW tabel pada Signifikansi 0.05 dengan n (jumlah data) = 15 dan k (jumlah variabel independen) = 2 didapat nilai dL adalah 0.946 dan dU adalah 1.543, jadi nilai 4-dU=2.457 dan 4-dL=3.054. Hal ini berarti nilai DW (1.613) berada pada daerah antara dU dan 4-U, maka tidak ada autokorelasi.

d.      Uji Heteroskedastisitas

Heterokedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Dasar kriterianya dalam pengambilan keputusan yaitu:

-        Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka terjadi heteroskedastisitas.

-        Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

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.

DAFTAR PUSTAKA

Dirnaeni, Desti.Analisis Regresi Berganda. hlm 27

Iqbal, Muhammad.Pengolahan Data dengan Regresi Linier Berganda (dengan SPSS). hlm 1

Janie, Dyah Nurmala Arum.2012.Statistik Deskriptif & Regresi Linier Berganda dengan SPSS. Semarang: Semarang University Press. hlm 11-18

Lawendatu, Jamner R., John S. Kekenusa, dan Djoni Hatidja.2014.Regresi Linier Berganda untuk Menganalisis Pendapatan Petani Pala. JdC. 03 (01). hlm 67

Machali, Imam.2015.Statistik Itu Mudah.Yogyakarta:Lembaga Ladang Kata. hlm 140

Mona, Margaretha G., John S. Kekenusa, dan Jantje D. Prang.2015.Penggunaan Regresi Linier Berganda untuk Menganalisis Pendapatan Petani Kelapa (Studi Kasus: Petani Kelapa di Desa Beo, Kecamatan Beo, Kabupaten Talaud.JdC. 04 (02). hlm 197

Purnomo, Rochmat Aldy.2016.Analisis Statistik Ekonomi dan Bisnis Dengan SPSS. Ponorogo:CV Wade Group. hlm 161-172

Setyawarno, Didik.Panduan Statistik Terapan Untuk Penelitian Pendidikan. Bab III, Praktikum 7

Resume ini dapat diakses melalui via google drive 👇👇👇

https://drive.google.com/open?id=1MRYCVJl64DqPWqhEX4JgxqHskOIww8iC