3. Analisis Regresi
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah
memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan
pengujian hipotesis.
a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel
independen dan variabel dependen, melalui pengaruh LN_ROI X
1
, LN_TATO X
2
, dan LN_DR X
3
terhadap LN_Investment Y. Hasil regresi dapat dilihat pada tabel 4.6 berikut ini:
Tabel 4.6 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant -2.261
.490 -4.619
.000 LN_ROI
.332 .231
.221 1.435
.157 .707
1.415 LN_TATO
.135 .613
.033 .221
.826 .768
1.303 LN_DR
.812 .369
.322 2.197
.032 .778
1.285 a. Dependent Variable:
LN_INVESTMENT
Sumber : Hasil Olah Data SPSS oleh Penulis, 2010 Persamaan regresi adalah sebagai berikut:
Y= α + β1X1 + β2X2 + β3X3 + ε
Universitas Sumatera Utara
I = - 2,261 + 0,332ROI + 0,135 TATO + 0,812 DR Dari persamaan tersebut diketahui 2 hal, yaitu konstanta dan koefisien regresi.
1. Konstanta sebesar – 2,261 menyatakan bahwa jika tidak ada ROI,
TATO, dan DR, maka Investasi Aktiva Tetap menurun sebesar 2,261. 2.
Koefisien regresi ROI sebesar 0,332 menyatakan bahwa setiap penambahan 1 ROI maka akan menaikkan Investasi Aktiva Tetap
sebesar 0,332. 3.
Koefisien regresi TATO sebesar 0,135 menyatakan bahwa setiap penambahan 1 TATO akan menambah Investasi Aktiva Tetap sebesar
0,135. 4.
Koefisien regresi DR sebesar 0,812 menyatakan bahwa setiap penambahan 1 DR maka akan menambah Investasi Aktiva Tetap
sebesar 0,812.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah
nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan
Universitas Sumatera Utara
untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen semakin terbatas.
Tabel 4.7 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .339
a
.115 .065
1.51214 1.993
a. Predictors: Constant, LN_DR, LN_TATO, LN_ROI b. Dependent Variable: LN_INVESTMENT
Sumber : Hasil Olah Data SPSS oleh Penulis, 2010 Dari hasil pengolahan regresi berganda pada tabel 4.7, dapat diketahui
bahwa nilai R adalah 0,339 atau 33,9 yang berarti bahwa korelasi atau hubungan antara Investasi Aktiva Tetap LN_Investment dengan variabel
independennya LN_ROI, LN_TATO dan LN_DR tidak begitu kuat. Nilai R Square dari output diatas adalah sebesar 0,115. Ini berarti
bahwa variasi dari variabel independen yang terdiri dari Return On Investment, Total Asset Turnover, dan Debt Ratio hanya mampu menjelaskan
variasi variabel dependen Investasi Aktiva Tetap sebesar 11,5. Selebihnya dijelaskan oleh variabel lain yang tidak dimasukkan dalam model regresi.
c. Pengujian Hipotesis