4.4 Analisis Regresi Linear Berganda
Metode analisis regresi linier berfungsi untuk mengetahui pengaruhhubungan antara variabel independent variabel inovasi, variabel proaktif dan berani menanggung
resiko dan variabel dependent kinerja perusahaan akan digunakan analisis regresi linear berganda multiple regression analysis. untuk memperoleh hasil yang lebih
terarah, maka peneliti menggunakan bantuan program software SPSS versi 13 dengan
menggunakan metode Enter. Metode Enter dilakukan dengan memasukkan semua
variabel bebas sebagai variabel prediktor, Seluruh variabel akan dimasukkan ke dalam analisis untuk mengetahui apakah variabel independent mempunyai pengaruh yang
positif dan signifikan terhadap variabel dependent. Penulis sebelum melakukan analisis regresi berganda, melakukan pengujian
asumsi klasik. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan tidak bias.
Kriteria pengujian asumsi klasik yang harus dipenuhi, yaitu: 1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Distribusi data tidak normal, karena terdapat
nilai ekstrem data yang diambil. Pada uji normalitas ada dua cara yang dapat digunakan yaitu:
a Analisis Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu diagonal
dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut:
Universitas Sumatera Utara
Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal
maka model regresi memenuhi asumsi normalitas. Apabila data menyebar jauh dari diagonal atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
Gambar 4.1 Hasil Uji
Normal P-P Plot Of Regression Standardized Residual
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E xpect
ed C um
Prob Dependent Variable: Kinerjaperusahaan
Normal P-P Plot of Regression Standardized Residual
Sumber : Hasil Pengolahan SPSS 13 Pada uji normalitas Gambar 4.1, P-P plot menunjukkan bahwa tiitk-titik
menyebar di sekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data yang diperoleh berdistribusi normal.
Universitas Sumatera Utara
b Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametrik
Kolmogorof-Smirnov K-S. Apabila nilai Kolmogorof-Smirnov Z
≤ Z tabel atau nilai asymp. Sig. 2 tailed
α maka data dinyatakan berdistribusi normal. Berikut adalah tabel hasil uji Kolmogorov Smirnov.
Tabel 4.6 Hasil Uji
Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 30
Normal Parametersa,
b Mean
.0000000 Std. Deviation
.62395104 Most Extreme
Differences Absolute
.123 Positive
.115 Negative
-.123 Kolmogorov-Smirnov Z
.671 Asymp. Sig. 2-tailed
.759
Sumber: Hasil Pengolahan SPSS 13 Menurut Umar 2008:181 bahwa, apabila pada hasil uji Kolmogorov
Smirnov , nilai Asymp. Sig 2-tailed lebih besar dari 0,05
α = 5, tingkat signifikan maka data berdistribusi normal. Pada Tabel 4.6 dapat dilihat,
probabilitas hasil uji Kolmogorov Smirnov yaitu 0,759 lebih besar dari 0,05. Sehingga model regresi yang didapat adalah berdistribusi normal.
Universitas Sumatera Utara
2 Uji Multikolinieritas Uji ini bertujuan untuk menguji apakah di dalam model regresi linier
ditemukan adanya korelasi yang tinggi di antara variabel bebas. Untuk mengetahui ada atau tidaknya multikolinieritas antar variabel dengan
melihat nilai dari variance inflation factor VIF dari masing-masing variabel independent terhadap variabel dependent.
Pengambilan Keputusannya: VIF 5 maka diduga mempunyai persoalan multikolinieritas
VIF 5 maka tidak terdapat multikolinieritas Tolerence 0,1 maka diduga mempunyai persoalan multikolinieritas
Tolerence 0,1 maka tidak terdapat multikolinieritas Pengujian multikolinearitas dapat dilihat pada tabel 4.7 berikut ini :
Tabel 4.7 Hasil Uji Multikolinearitas
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 2.214
1.589 1.393
.175 Inovasi
.168 .072
.481 2.330
.028 .196
1.095 Proaktif
.519 .275
.455 1.890
.070 .144
2.938 Berani
Menanggung Resiko
-.011 .100
-.025 -.114
.910 .169
1.916
a Dependent Variable: Kinerja Perusahaan Sumber : Hasil Pengolahan SPSS 13
Universitas Sumatera Utara
Berdasarkan Tabel 4.7 di atas, terlihat untuk semua variable independen memiliki angka VIF 5 dan nilai Tolerance 0,1. Dengan demikian dapat
disimpulkan model regresi tersebut tidak terjadi multikolinearitas 3 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain.
Untuk mendeteksi gejala heteroskedastisitas, ada dua cara yang dapat digunakan yaitu:
a Analisis Grafik Dengan menggunakan grafik Scatterplot. Apabila data yang berbentuk
titik-titik tidak membentuk suatu pola atau menyebar, maka model regresi tidak terkena heteroskedastisitas. Berikut adalah gambar
Scatterplot untuk uji heteroskedastisitas:
Universitas Sumatera Utara
Gambar 4.2 Hasil
Scatterplot Uji Heteroskedastisitas
-2 -1
1 2
Regression Standardized Predicted Value
-3 -2
-1 1
2
R egressi
on S tudent
iz ed D
el et
ed P
ress R
esi dual
Dependent Variable: KinerjaPerusahaan Scatterplot
Sumber: Hasil Pengolahan SPSS 13
Dari Gambar 4.2, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
b Analisis Statistik Selain melalui scatterplot heteroskedastisitas dapat juga dideteksi
melalui uji Glejser. Tabel 4.8 berikut ini menampilkan hasil pengujian heteroskedastisitas dengan uji Glejser.
Universitas Sumatera Utara
Tabel 4.8 Hasil Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.454 .781
3.143 .004
Inovasi .080
.035 .823
2.249 .533
Proaktif -.230
.135 -.728
-1.705 .644
Berani Menanggung
Resiko -.058
.049 -.467
-1.186 .247
a Dependent Variable: absut Sumber : Hasil Pengolahan SPSS 13
Pada Tabel 4.8 dapat dilihat bahwa semua variabel bebas tidak signifikan dengan variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari
masing-masing variabel bebas lebih besar dari tingkat signifikansi α sig
0,05. Dengan demikian dapat disimpulkan bahwa data bebas dari heteroskedastisitas.
Berdasarkan hasil pengujian asumsi klasik diatas, ternyata data telah lulus uji asumsi klasik, sehingga data siap untuk diregresi linier berganda. Hasil dari analisis
regresi linier berganda dapat dilihat pada Tabel 4.9
Tabel 4.9 Regresi Linear Berganda
Coefficientsa
Model Unstandardized
Coefficients Sig.
B Std. Error
1 Constant
2.214 1.589
.175 Inovasi
.168 .072
.028 Proaktif
.519 .275
.070 Berani
Menanggung Resiko
-.011 .100
.910
a Dependent Variable: Kinerjaperusahaan Sumber: Hasil Pengolahan SPSS 13
Universitas Sumatera Utara
Pengolahan data tersebut menghasilkan suatu model Regresi Linear Berganda sebagai berikut:
Y = 2,214 + 0,168 + 0,159 – 0,11 + e
Dimana: Y
: Kinerja perusahaan a
: Konstanta b
1
-b
3
: Koefisien regresi X
1
: Variabel Inovasi X
2
: Variabel Proaktif X
3
: Variabel Berani Menanggung resiko e
: Standard error Interpretasi model:
a. Konstanta a = 2,214 artinya tanpa mempertimbangkan variabel independent, maka Kinerja Perusahaan pada pabrik pengolahan crumb rubber di Kabupaten Asahan
akan diperoleh sebesar 2,214 b. Koefisien Regresi Variabel Inovasi X
1
= 0,168 artinya setiap penambahan Variabel Inovasi sebesar 1 sedangkan variabel lainnya dianggap konstan, maka akan
menaikkan karena positif Kinerja Perusahaan pada pabrik pengolahan crumb rubber
di Kabupaten Asahan sebesar 0,168. c. Koefisien Regresi Variabel Proaktif X
2
= 0,159 artinya setiap penambahan Variabel Proaktif sebesar 1 sedangkan variabel lainnya dianggap konstan, maka
akan menaikkan karena positif Kinerja Perusahaan pada pabrik pengolahan crumb rubber
di kabupaten Asahan sebesar 0,159
Universitas Sumatera Utara
d. Koefisien Regresi Variabel Berani Menanggung Resiko X
3
= - 0,11 artinya setiap penambahan komponen Berani Menanggung Resiko sebesar 1 sedangkan variabel
lainnya dianggap konstan, maka akan menurunkan karena negatif Kinerja Perusahaan pada pabrik pengolahan crumb rubber di Kabupaten Asahan
a. Uji F Uji Serentak
Kategori