Manajemen Fak. Ekonomi Univ. Muhammadiya
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Ana lisis Re gr e si Linie r
Wihandaru SP Uji Statistik 15
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Uj i St a t ist ik
A. Koe f isie n D e t e r m in a si ( R2 )
2
Koefisien determinasi (coefficient of determination atau R )
digunakan untuk mengukur proporsi variasi variabel terikat yang
dijelaskan oleh variabel penjelas (variabel bebas). Definisi khusus
ini memiliki penafsiran yang valid ( valid interpretation ) apabila
2
model estimasi (model regresi) mengandung konstanta. Nilai R
tergantung jumlah kuadrat residu ( ∑e ), apabila dimasukkan
2
suatu variabel tambahan kedalam model regresi (persamaan
regresi) akan mengakibatkan ∑e menjadi kecil dan akibatnya R
2
akan meningkat.
2
2
Meningkatnya nilai R ini sebenarnya karena
sifat metematik, oleh karena itu memasukkan variabel baru ke
dalam model estimasi (persamaan regresi) perlu pertimbangan
yang benar.
Wihandaru SP Uji Statistik 16
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
2
Koefisien determinasi disesuaikan ( adjusted R ) adalah
koefisien determinasi yang mempertimbangkan (disesuaikan
dengan) derajad bebas. Derajad bebas besarnya tergantung
dengan banyaknya variabel penjelas (variabel bebas). Koefisien
determinasi
disesuaikan
( adjusted
2
R)
digunakan
untuk
membandingkan 2 model estimasi apabila banyaknya variabel
penjelas tidak sama, misal model estimasi 1 memiliki variabel
penjelas sebanyak 4 buah dan model estimasi 2 memiliki variabel
penjelas sebanyak 5 buah.
Apabila kita membandingkan 2 model estimasi berdasarkan
koefisien determinasi maupun koefisien determinasi disesuaikan
harus hati-hati, hal ini karena tujuan menaksir model bukan
semata-mata
mencari
besarnya
nilai
koefisien
determinasi
maupun koefisien determinasi disesuaikan namun yang lebih
penting adalah untuk mendapatkan taksiran yang menyakinkan
mengenai
koefisien-koefisien
regresi
yang
mencerminkan
populasi yang sebenarnya dan menarik inferensi.
Wihandaru SP Uji Statistik 17
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Apabila
kita
memperoleh
nilai
koefisien
determinasi
maupun koefisien determinasi disesuaikan yang tinggi itu baik
sekali, namun jika diperoleh nilai yang rendah bukan berarti
model estimasi yang kita gunakan merupakan model estimasi
yang jelek.
Berkaitan dengan koefisien determinasi (R2) ada berbagai
kemungkinan, yaitu:
a.
2
R dan hanya beberapa koefisien yang regresi (beta) yang
signifikan.
b.
2
R mungkin signifikan tetapi tidak ada satupun koefisien
regresi (beta) yang signifikan.
c.
2
Semua koefisien regresi (beta) mungkin signifikan tetapi R
tidak signifikan atau
d.
2
Semua koefisien regresi (beta) dan R
mungkin tidak
signifikan.
Wihandaru SP Uji Statistik 18
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Merupakan kasus yang sering terjadi, terutama jika
Kasu s 1:
terdapat banyak variabel dalam persamaan regresi.
Kesulitan akan muncul apakah variabel yang tidak
signifikan harus dibuang.
Kasu s 2:
Hal ini menunjukkan adanya multikolinieritas.
Kasu s 3:
Sangat jarang terjadi dan mungkin tidak pernah
terjadi.
2
Kasu s 4:
Merupakan kasus dengan sedikit problematis. Jika R
tidak signifikan maka model estimasi tidak digunakan,
namun jika ada beberapa yang signifikan maka
variabel yang tidak signifikan dihilangkan dari model
estimasi dengan harapan nilai R2 akan meningkat
(menjadi signifikan).
2
2
Ru m u s ( R ) dan ( ad j u st ed R ) , sebagai berikut:
Model Estimasi:
Y = b0 + b1X1 + b2X2 + b3X3 + e
Wihandaru SP Uji Statistik 19
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
R =
2
b1 ∑ yx1 + b2 ∑ yx2 + b3 ∑ yx3
2
y
∑
AdjustedR2 = 1 − (1 − R2 )
( n − 1)
(n − k )
Keterangan:
n
Banyaknya observasi
k
Banyaknya variabel bebas
Contoh 1
Model Estimasi:
BETA = b0 + b1DOL + b2DFL + e
2
Nilai R = 0.180, hal ini menunjukkan bahwa proporsi pengaruh
variabel DOL dan DFL terhadap BETA sebesar 18% , sisanya
sebesar 82% dipengaruhi variabel lain diluar model estimasi.
Wihandaru SP Uji Statistik 20
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
B. Uj i Se ca r a Se r e n t a k ( Uj i F)
Uji F (uji statistik secara serentak) bertujuan untuk
mengidentifikasi apakah garis regresi dapat digunakan sebagai
penaksir.
Model Estimasi:
Y = b0 + b1X1 + b2X2 + b3X3 + e
Lan gk ah - lan g k ah :
1.
2.
Menentukan hipotesis
H0:
Garis regresi tidak bermakna sebagai penaksir.
Ha:
Garis regresi bermakna sebagai penaksir.
Menentukan wilayah kritis atau
Ftabel; alpha= 5% ; df 1= k; df 2= n – k – 1
Ftabel = …………
3.
Menentukan Fhitung, dengan rumus:
Wihandaru SP Uji Statistik 21
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Fhitung =
Mean square regression
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
Mean square residual
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
Sum of square regression
Mean square regression =
Df_regression
Sum of square regression = R2∑y2
( b 1 Σx 1 y ) + ( b 2 Σx 2 y ) + ( b 3 Σ x 3 y )
atau
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
Sum of square residual
Mean square residual =
df residual
Fhitung =
R2
( k − 1)
(1 − R 2 )
(n − k )
Wihandaru SP Uji Statistik 22
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
4.
Kesimpulan:
Fhitung > Ftabel Æ H0 ditolak Æ Ha diterima Æ
garis regresi bermakna sebagai penaksir.
Apabila menggunakan software statistik (misal SPSS) dapat
dilihat nilai sig. Apabila nilai sig . < 0. 05 dapat disimpulkan
bahwa garis regresi bermakna sebagai penaksir. Atau
variabel
penjelas
berpengaruh
(variabel
terhadap
bebas)
variabel
secara
serentak
tergantung
secara
signifikan.
Cat at an p en t in g :
Data yang digunakan untuk uji statistik ini sudah lolos u j i
n or m alit as,
uj i
lin ier it as,
uj i
m u lt ik olin ier it as,
uj i
h et er osk ed ast isit as d an u j i ot okor elasi.
Wihandaru SP Uji Statistik 23
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Contoh
Model Estimasi:
BETA = b0 + b1DOL + b2DFL + e
Tujuan Penelitian:
Mengidentifikasi apakah ada pengaruh yang signifikan
secara bersama-sama antara DOL dan DFL terhadap BETA atau
model fit.
Hipotesis Penelitian:
Diduga ada pengaruh yang signifikan secara bersama-sama
antara DOL dan DFL pada BETA.
Hasil ( pr in t ou t SPSS) :
Anova
Model
Sum of Squares DF Mean Square
1 Regression
14.182
2
7.091
Residual
64.632
87
0.743
Total
78.814
89
F
Sig.
9.545 0.000
a. Predictor: (Constant), DFL, DOL
b. Dependent Variable: BETA
Wihandaru SP Uji Statistik 24
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Kesimpulan:
Nilai sig. < 0.05 maka dapat disimpulkan bahwa Ada pengaruh
yang signifikan secara bersama-sama antara DOL dan DFL
terhadap BETA atau model fit .
C. Uj i Se ca r a Pa r sia l ( Uj i t )
Uji t (uji statistik koefisien regresi) bertujuan untuk
mengidentifikasi apakah koefisien regresi dari variabel penjelas
( independent variable) berpengaruh secara signifikan terhadap
variabel tergantung ( dependent variable).
Model Estimasi:
Y = b0 + b1X1 + b2X2 + b3X3 + e
Menguji koefisien regresi [ b 1]
Wihandaru SP Uji Statistik 25
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Lan gk ah - lan g k ah :
1.
Menentukan hipotesis
H0: b1= 0
Ha: b1≠0
Koefisien
regresi
[ b 1]
tidak
berpengaruh
terhadap variabel tergantung secara signifikan.
Koefisien regresi [ b 1]
berpengaruh terhadap
variabel tergantung secara signifikan.
2.
Menentukan wilayah kritis atau
t tabel; alpha = 5% ; df = n – k – 1
t tabel = ……
3.
Menentukan t hitung, dengan rumus:
t hitung
4.
=
b1
S b1
Kesimpulan:
t tabel < t hitung < t tabel Æ H0 ditolak Æ Ha diterima Æ
Wihandaru SP Uji Statistik 26
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
koefisien b 1 signifikan atau koefisien b1 berpengaruh
terhadap variabel tergantung.
Dalam uji statistik
model estimasi (persamaan regresi)
akan menghasilkan empat kemungkinan yaitu:
1.
Secara serentak signifikan dan secara parsial semua atau
beberapa variabel bebas yang signifikan.
2.
Secara serentak signifikan dan secara parsial semua variabel
bebas tidak signifikan.
3.
Secara serentak tidak signifikan dan secara parsial beberapa
variabel bebas yang signifikan.
4.
Secara serentak tidak signifikan dan secara parsial semua
variabel bebas tidak signifikan.
Kem u n g kin an 1:
Merupakan kasus yang biasa terjadi, jika
variabel bebas jumlahnya banyak. Pertanyaan
yang muncul apakah variabel bebas yang tidak
signifikan harus dibuang.
Wihandaru SP Uji Statistik 27
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Kem u n g kin an 2:
Merupakan kasus yang biasa terjadi, karena
ada multikolinieritas. Pertanyaan yang muncul
apakah
variabel
bebas
yang
terdapat
multikolinieritas harus dibuang.
Kem u n g kin an 3:
Merupakan kasus yang sangat jarang terjadi
bahkan tidak pernah terjadi.
Kem u n g kin an 4:
Merupakan
sehingga
kasus
ada
yang
beberapa
memiliki
tindakan
problem
yaitu:
memasukkan variabel yang signifikan dalam
model regresi, selanjutnya diuji apakah secara
serentak signifikan.
Contoh
Model Estimasi:
BETA = b0 + b1DOL + b2DFL + e
Tujuan Penelitian:
Mengidentifikasi apakah ada pengaruh yang signifikan
masing-masing variabel penjelas yaitu: DOL dan DFL terhadap
BETA.
Wihandaru SP Uji Statistik 28
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Hipotesis Penelitian:
1.
Diduga ada pengaruh yang signifikan antara DOL terhadap
BETA.
2.
Diduga ada pengaruh yang signifikan antara DFL terhadap
BETA.
Hasil ( pr in t ou t SPSS) :
Coefficients
Unstandardized
Standardized
Coefficients
Coefficients
Std.
Model
Beta
T
Sig.
5.253
0.000
B
Error
1 Constant
0.521
0.099
DOL
-8.853E-02
0.020
-0.424
-4.369 0.000
DFL
-1.367E-04
0.019
-0.001
-0.007 0.994
a. Dependent Variable: BETA
Wihandaru SP Uji Statistik 29
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Kesimpulan:
1.
DOL memiliki nilai sig. < 0.05, maka dapat disimpulkan ada
pengaruh yang signifikan antara DOL terhadap BETA.
2.
DFL memiliki nilai sig.> 0.05, maka dapat disimpulkan tidak
ada pengaruh yang signifikan antara DFL terhadap BETA.
D a f t a r Pust a k a
Ghozali, I mam (2007), Edisi 4, Aplikasi Analisis Multivariate
dengan Program SPSS, BP Universitas Diponegoro,
Semarang.
Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics,
McGraw-Hill, New York.
Sumodiningrat,
Gunawan (1998),
Pengantar , BPFE, Yogyakarta.
Edisi
I,
Ekonometrika
Wihandaru SP Uji Statistik 30
Ana lisis Re gr e si Linie r
Wihandaru SP Uji Statistik 15
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Uj i St a t ist ik
A. Koe f isie n D e t e r m in a si ( R2 )
2
Koefisien determinasi (coefficient of determination atau R )
digunakan untuk mengukur proporsi variasi variabel terikat yang
dijelaskan oleh variabel penjelas (variabel bebas). Definisi khusus
ini memiliki penafsiran yang valid ( valid interpretation ) apabila
2
model estimasi (model regresi) mengandung konstanta. Nilai R
tergantung jumlah kuadrat residu ( ∑e ), apabila dimasukkan
2
suatu variabel tambahan kedalam model regresi (persamaan
regresi) akan mengakibatkan ∑e menjadi kecil dan akibatnya R
2
akan meningkat.
2
2
Meningkatnya nilai R ini sebenarnya karena
sifat metematik, oleh karena itu memasukkan variabel baru ke
dalam model estimasi (persamaan regresi) perlu pertimbangan
yang benar.
Wihandaru SP Uji Statistik 16
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
2
Koefisien determinasi disesuaikan ( adjusted R ) adalah
koefisien determinasi yang mempertimbangkan (disesuaikan
dengan) derajad bebas. Derajad bebas besarnya tergantung
dengan banyaknya variabel penjelas (variabel bebas). Koefisien
determinasi
disesuaikan
( adjusted
2
R)
digunakan
untuk
membandingkan 2 model estimasi apabila banyaknya variabel
penjelas tidak sama, misal model estimasi 1 memiliki variabel
penjelas sebanyak 4 buah dan model estimasi 2 memiliki variabel
penjelas sebanyak 5 buah.
Apabila kita membandingkan 2 model estimasi berdasarkan
koefisien determinasi maupun koefisien determinasi disesuaikan
harus hati-hati, hal ini karena tujuan menaksir model bukan
semata-mata
mencari
besarnya
nilai
koefisien
determinasi
maupun koefisien determinasi disesuaikan namun yang lebih
penting adalah untuk mendapatkan taksiran yang menyakinkan
mengenai
koefisien-koefisien
regresi
yang
mencerminkan
populasi yang sebenarnya dan menarik inferensi.
Wihandaru SP Uji Statistik 17
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Apabila
kita
memperoleh
nilai
koefisien
determinasi
maupun koefisien determinasi disesuaikan yang tinggi itu baik
sekali, namun jika diperoleh nilai yang rendah bukan berarti
model estimasi yang kita gunakan merupakan model estimasi
yang jelek.
Berkaitan dengan koefisien determinasi (R2) ada berbagai
kemungkinan, yaitu:
a.
2
R dan hanya beberapa koefisien yang regresi (beta) yang
signifikan.
b.
2
R mungkin signifikan tetapi tidak ada satupun koefisien
regresi (beta) yang signifikan.
c.
2
Semua koefisien regresi (beta) mungkin signifikan tetapi R
tidak signifikan atau
d.
2
Semua koefisien regresi (beta) dan R
mungkin tidak
signifikan.
Wihandaru SP Uji Statistik 18
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Merupakan kasus yang sering terjadi, terutama jika
Kasu s 1:
terdapat banyak variabel dalam persamaan regresi.
Kesulitan akan muncul apakah variabel yang tidak
signifikan harus dibuang.
Kasu s 2:
Hal ini menunjukkan adanya multikolinieritas.
Kasu s 3:
Sangat jarang terjadi dan mungkin tidak pernah
terjadi.
2
Kasu s 4:
Merupakan kasus dengan sedikit problematis. Jika R
tidak signifikan maka model estimasi tidak digunakan,
namun jika ada beberapa yang signifikan maka
variabel yang tidak signifikan dihilangkan dari model
estimasi dengan harapan nilai R2 akan meningkat
(menjadi signifikan).
2
2
Ru m u s ( R ) dan ( ad j u st ed R ) , sebagai berikut:
Model Estimasi:
Y = b0 + b1X1 + b2X2 + b3X3 + e
Wihandaru SP Uji Statistik 19
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
R =
2
b1 ∑ yx1 + b2 ∑ yx2 + b3 ∑ yx3
2
y
∑
AdjustedR2 = 1 − (1 − R2 )
( n − 1)
(n − k )
Keterangan:
n
Banyaknya observasi
k
Banyaknya variabel bebas
Contoh 1
Model Estimasi:
BETA = b0 + b1DOL + b2DFL + e
2
Nilai R = 0.180, hal ini menunjukkan bahwa proporsi pengaruh
variabel DOL dan DFL terhadap BETA sebesar 18% , sisanya
sebesar 82% dipengaruhi variabel lain diluar model estimasi.
Wihandaru SP Uji Statistik 20
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
B. Uj i Se ca r a Se r e n t a k ( Uj i F)
Uji F (uji statistik secara serentak) bertujuan untuk
mengidentifikasi apakah garis regresi dapat digunakan sebagai
penaksir.
Model Estimasi:
Y = b0 + b1X1 + b2X2 + b3X3 + e
Lan gk ah - lan g k ah :
1.
2.
Menentukan hipotesis
H0:
Garis regresi tidak bermakna sebagai penaksir.
Ha:
Garis regresi bermakna sebagai penaksir.
Menentukan wilayah kritis atau
Ftabel; alpha= 5% ; df 1= k; df 2= n – k – 1
Ftabel = …………
3.
Menentukan Fhitung, dengan rumus:
Wihandaru SP Uji Statistik 21
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Fhitung =
Mean square regression
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
Mean square residual
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
Sum of square regression
Mean square regression =
Df_regression
Sum of square regression = R2∑y2
( b 1 Σx 1 y ) + ( b 2 Σx 2 y ) + ( b 3 Σ x 3 y )
atau
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
Sum of square residual
Mean square residual =
df residual
Fhitung =
R2
( k − 1)
(1 − R 2 )
(n − k )
Wihandaru SP Uji Statistik 22
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
4.
Kesimpulan:
Fhitung > Ftabel Æ H0 ditolak Æ Ha diterima Æ
garis regresi bermakna sebagai penaksir.
Apabila menggunakan software statistik (misal SPSS) dapat
dilihat nilai sig. Apabila nilai sig . < 0. 05 dapat disimpulkan
bahwa garis regresi bermakna sebagai penaksir. Atau
variabel
penjelas
berpengaruh
(variabel
terhadap
bebas)
variabel
secara
serentak
tergantung
secara
signifikan.
Cat at an p en t in g :
Data yang digunakan untuk uji statistik ini sudah lolos u j i
n or m alit as,
uj i
lin ier it as,
uj i
m u lt ik olin ier it as,
uj i
h et er osk ed ast isit as d an u j i ot okor elasi.
Wihandaru SP Uji Statistik 23
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Contoh
Model Estimasi:
BETA = b0 + b1DOL + b2DFL + e
Tujuan Penelitian:
Mengidentifikasi apakah ada pengaruh yang signifikan
secara bersama-sama antara DOL dan DFL terhadap BETA atau
model fit.
Hipotesis Penelitian:
Diduga ada pengaruh yang signifikan secara bersama-sama
antara DOL dan DFL pada BETA.
Hasil ( pr in t ou t SPSS) :
Anova
Model
Sum of Squares DF Mean Square
1 Regression
14.182
2
7.091
Residual
64.632
87
0.743
Total
78.814
89
F
Sig.
9.545 0.000
a. Predictor: (Constant), DFL, DOL
b. Dependent Variable: BETA
Wihandaru SP Uji Statistik 24
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Kesimpulan:
Nilai sig. < 0.05 maka dapat disimpulkan bahwa Ada pengaruh
yang signifikan secara bersama-sama antara DOL dan DFL
terhadap BETA atau model fit .
C. Uj i Se ca r a Pa r sia l ( Uj i t )
Uji t (uji statistik koefisien regresi) bertujuan untuk
mengidentifikasi apakah koefisien regresi dari variabel penjelas
( independent variable) berpengaruh secara signifikan terhadap
variabel tergantung ( dependent variable).
Model Estimasi:
Y = b0 + b1X1 + b2X2 + b3X3 + e
Menguji koefisien regresi [ b 1]
Wihandaru SP Uji Statistik 25
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Lan gk ah - lan g k ah :
1.
Menentukan hipotesis
H0: b1= 0
Ha: b1≠0
Koefisien
regresi
[ b 1]
tidak
berpengaruh
terhadap variabel tergantung secara signifikan.
Koefisien regresi [ b 1]
berpengaruh terhadap
variabel tergantung secara signifikan.
2.
Menentukan wilayah kritis atau
t tabel; alpha = 5% ; df = n – k – 1
t tabel = ……
3.
Menentukan t hitung, dengan rumus:
t hitung
4.
=
b1
S b1
Kesimpulan:
t tabel < t hitung < t tabel Æ H0 ditolak Æ Ha diterima Æ
Wihandaru SP Uji Statistik 26
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
koefisien b 1 signifikan atau koefisien b1 berpengaruh
terhadap variabel tergantung.
Dalam uji statistik
model estimasi (persamaan regresi)
akan menghasilkan empat kemungkinan yaitu:
1.
Secara serentak signifikan dan secara parsial semua atau
beberapa variabel bebas yang signifikan.
2.
Secara serentak signifikan dan secara parsial semua variabel
bebas tidak signifikan.
3.
Secara serentak tidak signifikan dan secara parsial beberapa
variabel bebas yang signifikan.
4.
Secara serentak tidak signifikan dan secara parsial semua
variabel bebas tidak signifikan.
Kem u n g kin an 1:
Merupakan kasus yang biasa terjadi, jika
variabel bebas jumlahnya banyak. Pertanyaan
yang muncul apakah variabel bebas yang tidak
signifikan harus dibuang.
Wihandaru SP Uji Statistik 27
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Kem u n g kin an 2:
Merupakan kasus yang biasa terjadi, karena
ada multikolinieritas. Pertanyaan yang muncul
apakah
variabel
bebas
yang
terdapat
multikolinieritas harus dibuang.
Kem u n g kin an 3:
Merupakan kasus yang sangat jarang terjadi
bahkan tidak pernah terjadi.
Kem u n g kin an 4:
Merupakan
sehingga
kasus
ada
yang
beberapa
memiliki
tindakan
problem
yaitu:
memasukkan variabel yang signifikan dalam
model regresi, selanjutnya diuji apakah secara
serentak signifikan.
Contoh
Model Estimasi:
BETA = b0 + b1DOL + b2DFL + e
Tujuan Penelitian:
Mengidentifikasi apakah ada pengaruh yang signifikan
masing-masing variabel penjelas yaitu: DOL dan DFL terhadap
BETA.
Wihandaru SP Uji Statistik 28
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Hipotesis Penelitian:
1.
Diduga ada pengaruh yang signifikan antara DOL terhadap
BETA.
2.
Diduga ada pengaruh yang signifikan antara DFL terhadap
BETA.
Hasil ( pr in t ou t SPSS) :
Coefficients
Unstandardized
Standardized
Coefficients
Coefficients
Std.
Model
Beta
T
Sig.
5.253
0.000
B
Error
1 Constant
0.521
0.099
DOL
-8.853E-02
0.020
-0.424
-4.369 0.000
DFL
-1.367E-04
0.019
-0.001
-0.007 0.994
a. Dependent Variable: BETA
Wihandaru SP Uji Statistik 29
Manajemen Fak. Ekonomi Univ. Muhammadiyah Yogyakarta
Kesimpulan:
1.
DOL memiliki nilai sig. < 0.05, maka dapat disimpulkan ada
pengaruh yang signifikan antara DOL terhadap BETA.
2.
DFL memiliki nilai sig.> 0.05, maka dapat disimpulkan tidak
ada pengaruh yang signifikan antara DFL terhadap BETA.
D a f t a r Pust a k a
Ghozali, I mam (2007), Edisi 4, Aplikasi Analisis Multivariate
dengan Program SPSS, BP Universitas Diponegoro,
Semarang.
Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics,
McGraw-Hill, New York.
Sumodiningrat,
Gunawan (1998),
Pengantar , BPFE, Yogyakarta.
Edisi
I,
Ekonometrika
Wihandaru SP Uji Statistik 30