2. Modul SPSS Regresi Berganda Data Sekunder
PELATIHAN SPSS DAN APLIKASINYA
Regresi Berganda – Data Keuangan (Sekunder)
Sihar Tambun
Email: sihar.tambun@yahoo.com
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS 17 AGUSTUS 1945 JAKARTA
Proses Penelitian
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
2
Contoh Judul Penelitian:
1. Menggunakan Data Primer
Pengaruh Kualitas Informasi Akuntansi dan Good
Corporate
Governance
terhadap
Dukungan
Manajemen Atas Usaha Usaha Berkelanjutan Di
Bidang Sosial Dan Lingkungan Hidup.
2. Menggunakan Data Sekunder
Pengaruh Perubahan Modal Kerja, Perubahan Laba,
dan Perubahan Pendapatan, terhadap Pergerakan
Harga Saham Industri Kimia Dasar yang Terdaftar di
BEI.
Note: Judul ini memberi informasi variabel independen dan variabel
dependen, bentuk pengujian, dan unit yang diteliti.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
3
Pengolahan Data Primer
Bersumber dari Kuisioner
1. Rekap Data Kuisioner di Excel atau
Langsung input di SPSS (Lihat Lampiran
kuisioner penelitian dan rekapnya).
2. Uji Kelayakan data dengan Uji Validitas
dan Uji Reliabilitas Data.
3. Pengujian Hipotesis dan Interpretasi Hasil
Pengolahan Data, meliputi signifikansi uji t
dan uji F (taraf 1%, 5%, 10%), beta
variabel, persamaan regresi, koefisien
determinasi, korelasi berganda, dan error.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
4
Pengolahan Data Sekunder
Bersumber dari Lap. Keuangan &
Pasar Modal
1. Rekap Data Keuangan di Excel atau Langsung
input di SPSS (Lihat Lampiran Data).
2. Uji Kelayakan data untuk regresi dengan uji
normalitas dan uji asumsi klasik
(multikolinieritas, autokoreasi, dan
heteroskedastisitas).
3. Pengujian Hipotesis dan Interpretasi Hasil
Pengolahan Data, meliputi signifikansi uji t
dan uji F (taraf 1%, 5%, 10%), beta variabel,
persamaan regresi, koefisien determinasi,
korelasi berganda, dan error.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
5
Input Nama Variabel
Aktifkan Program SPSS di lembaran kerja “Variable View”, buat file yang baru, ketik Nama variabel
dan Labelnya, kemudian kolom Decimal dibuat menjadi 4 digit. Perhatikan tampilan dibawah ini:
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
6
Input Data Variabel
Pindahkan lembaran kerja ke “Data View” lalu input data penelitian, atau Copy dari File Excel bila
sudah tersedia. Perhatikan tampilan dibawah ini:
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
7
Uji Regresi Berganda
Klik Analyze, Regression, Linier seperti tampilan dibawah ini:
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
8
Uji Regresi Berganda
Maka akan muncul tampilan seperti dibawah ini. Selajutnya perhatikan tampilan Linier Regression
yang menampilkan ruang untuk variabel Dependent dan Independent (s).
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
9
Uji Regresi Berganda
Kilik variable Y dan masukkan ke ruang Dependent, dan Variable X1, X2, dan X3 ke ruang
Independent (s). Selanjutnya perhatikan tombol Statistics dan Plots di kanan atas untuk langkah
selanjutnya.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
10
Uji Regresi Berganda
Klik Statistics maka akan muncul tampilan Linear Regression Statistics seperti dibawah ini. Klik
Durbin Watson dan Colinearity Diagnostics, selanjutnya klik Continue.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
11
Uji Regresi Berganda
Klik tombol Plots, maka akan muncul tampilan Linear Regression Plots. Klik Histogram dan Normal
Probability Plot. Selanjutnya klik *ZPRED ke ruang X dan *SRESID ke ruang Y. Lalu klik Continue
dan klik OK.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
12
Uji Asumsi Klasik :
Multikolinieritas
Uji Mulktiolineritas bertujuan untuk menguji apakah antar variable independent mempunyai
hubungan langsung (berkorelasi) sempurna. Jika iya, maka ketiga variabel independent tidak bisa
digunakan secara bersama sama sebagai variabel independent. Jika bebas dari masalah
multikolinieritas, maka ketiga variabel independent tersebut layak untuk digunakan secara bersama
sama dalam pengujian regresi berganda.
Data penelitian sekunder dikatakan bebas dari masalah multikolineritas apabila kolom Colinearity
Statistics menujukkan hasil Tollerance diatas 0,1 dan Nilai Variation Inflasi Factor (VIF) tidak lebih
dari sepuluh. Hasil Tollerance yang dihasilkan seluruhnya diatas 0,1 dan hasil VIF seluruhnya tidak
lebih dari 10. Hal ini berarti data penelitian bebas dari masalah multikolieritas.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
13
Uji Asumsi Klasik : Autocorrelation
Uji autokorelasi bertujuan untuk menguji apakah ada hubungan otomatis antara variabel dependent
dengan variable independent. Hasilnya bebas dari masalah autokorelasi. Diuji dengan model
Durbin Waton, gunakan Table Durbin Watson, pada kolom K=3 (jumlah variable bebas) dan baris
yang ke 48 (jumah data).
0
Tim Dosen FEB UTA'45
Jkt
1,40
1,67
1,737
2,33
Pelatihan SPSS
2,60
4
14
Uji Asumsi Klasik :
Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk memastikan bahwa data bersifat heterogen, secara umum
tidak memiliki sifat pergerakan data yang sama, tidak menumpuk atau tidak membentuk pola garis
tertentu. Memperhatikan hasil gambar dibawah ini, data masih menyebar secara acak, dan dapat
disimpulkan bahwa data bebas dari masalah heteroskedastisitas.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
15
Uji Normalitas
Uji normalitas dapat dilihat dari pergerakan data yang masih berada disekitar garis diagonal. Artinya
persamaan regresi yang dihasilkan akan bersifat BLUE (Best Linear Unbiased Estimation).
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
16
Hasil Uji Parsial (Uji t)
Hasil uji regresi parsial, signifikan atau tidak dapat dilihat dengan dua cara. Cara Pertama, Variabel
X berpengaruh signifikan terhadap Variabel Y apabila hasil Sig < 0,05 atau dibawah 5%. Hasil sig
untuk Variabel X1 adalah 0,606 atau 60,6%. Hasil sig untuk Variabel X2 adalah 0,025 atau 2,5%.
Hasil sig untuk Variabel X3 adalah 0,169 atau 16,9%. Jadi hanya variabel X2 yang memiliki Sig <
0,05. Dengan demikian, berdasarkan cara yang pertama ini, hanya variabel X2 yang berpengaruh
signifikan terhadap Y.
Cara Kedua, membandingkan t hitung dengan t tabel. Signifikan apabila t hitung > t tabel. Hasil
pengujian menunjukkan bahwa bahwa t hitung untuk X1 adalah -0,520. Nilai t hitung untuk X2
adalah 2,314. Nilai t hitung untuk X3 adalah 1,400. Sedangkan nilai t tabel adalah 2,01. Hasil t tabel
sebesar 2,01 dapat dilihat dari tabel distribusi t untuk uji dua arah, pada kolom 0,05 atau (5%) dan
pada baris 45 (jumlah data 48 dikurangi jumlah variabel bebas 3). Jadi hanya variabel X2 yang
memiliki t hitung lebih besar dari t tabel. Dengan demikian berdasarkan cara kedua ini, hanya
variabel X2 yang berpengaruh signifikan terhadap Y.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
17
Hasil Uji Parsial (Persamaan
Regresi)
Beta pengaruh yang dihasilkan untuk Variable X1 adalah negatif, sedangkan beta pengaruh yang
dihasilkan untuk X2 dan X3 adalah beta yang positif, artinya bahwa pengaruh yang diberikan oleh
X2 dan X3 terhadap Y adalah positif, yang berarti bahwa pengaruhnya searah.
Persamaan regresi yang terbentuk adalah: Y = 0,570 - 0,072 X1 + 0,330 X2 + 0,203 X3 + e.
Artinya, jika X1, X2 dan X3 adalah nol, maka Variabel Y akan Konstan sebesar 0,570. Apabila
terjadi kenaikan X1 sebesar 1, maka akan terjadi penurunan Y sebesar 0,072 dan demikian
sebaliknya. Apabila terjadi kenaikan X2 sebesar 1, maka akan terjadi kenaikan Y sebesar 0,330
dan demikian sebaliknya. Apabila terjadi kenaikan X3 sebesar 1, maka akan terjadi kenaikan Y
sebesar 0,203 dan demikian sebaliknya.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
18
Hasil Uji Simultan (Uji F)
Hasil uji simultan dapat dilihat dengan dua cara juga. Cara pertama, secara bersama sama Variabel
X1, X2 dan X3 akan berpengaruh signifikan terhadap Y, apabila Sig < 0,05. Hasilnya pada table
ANOVA dibawah ini menunjukkan hasil Sig 0,024, yang berarti bahwa secara bersama sama
variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y.
Cara kedua adalah, secara bersama sama Variabel X1, X2 dan X3 akan berpengaruh signifikan
terhadap Y, apabila F hitung > F tabel. Hasilnya pada table ANOVA dibawah ini menunjukkan hasil
F hitung adalah 3,463. Sedangkan F table adalah sebesar 2,82. Hasil Ftabel 2,82 dapat dilihat pada
tabel distribusi F, pada kolom 3 (total seluruh variabel 4 dikurangi jumlah variabel terikat 1) pada
baris ke 44 (total data 48 dikurangi jumlah variabel 4). Hal ini berarti bahwa secara bersama sama
variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
19
Koefisien Determinasi
Koefisien determinasi adalah kemampuan seluruh variabel bebas dalam menjelaskan variable
terikat. Koefisien Determinasi Adjustend R Square sebesar 0,136 atau sebesar 13,6% yang berarti
bahwa kemampuan Variabel X1, X2 dan X3 dalam menjelaskan Variabel Y, adalah sebesar 13,6%.
Sedang sisa sebesar 86,4% dijelaskan oleh variabel lain diluar dari variabel penelitian ini.
R sebesar 0,437 memiliki arti bahwa korelasi bergandanya adalah sedang. Tingkat error yang
dihasilkan dalam persamaan regresi dari hasil penelitian ini adalah 0,864 atau 86,4%.
Sekian
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
20
Regresi Berganda – Data Keuangan (Sekunder)
Sihar Tambun
Email: sihar.tambun@yahoo.com
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS 17 AGUSTUS 1945 JAKARTA
Proses Penelitian
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
2
Contoh Judul Penelitian:
1. Menggunakan Data Primer
Pengaruh Kualitas Informasi Akuntansi dan Good
Corporate
Governance
terhadap
Dukungan
Manajemen Atas Usaha Usaha Berkelanjutan Di
Bidang Sosial Dan Lingkungan Hidup.
2. Menggunakan Data Sekunder
Pengaruh Perubahan Modal Kerja, Perubahan Laba,
dan Perubahan Pendapatan, terhadap Pergerakan
Harga Saham Industri Kimia Dasar yang Terdaftar di
BEI.
Note: Judul ini memberi informasi variabel independen dan variabel
dependen, bentuk pengujian, dan unit yang diteliti.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
3
Pengolahan Data Primer
Bersumber dari Kuisioner
1. Rekap Data Kuisioner di Excel atau
Langsung input di SPSS (Lihat Lampiran
kuisioner penelitian dan rekapnya).
2. Uji Kelayakan data dengan Uji Validitas
dan Uji Reliabilitas Data.
3. Pengujian Hipotesis dan Interpretasi Hasil
Pengolahan Data, meliputi signifikansi uji t
dan uji F (taraf 1%, 5%, 10%), beta
variabel, persamaan regresi, koefisien
determinasi, korelasi berganda, dan error.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
4
Pengolahan Data Sekunder
Bersumber dari Lap. Keuangan &
Pasar Modal
1. Rekap Data Keuangan di Excel atau Langsung
input di SPSS (Lihat Lampiran Data).
2. Uji Kelayakan data untuk regresi dengan uji
normalitas dan uji asumsi klasik
(multikolinieritas, autokoreasi, dan
heteroskedastisitas).
3. Pengujian Hipotesis dan Interpretasi Hasil
Pengolahan Data, meliputi signifikansi uji t
dan uji F (taraf 1%, 5%, 10%), beta variabel,
persamaan regresi, koefisien determinasi,
korelasi berganda, dan error.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
5
Input Nama Variabel
Aktifkan Program SPSS di lembaran kerja “Variable View”, buat file yang baru, ketik Nama variabel
dan Labelnya, kemudian kolom Decimal dibuat menjadi 4 digit. Perhatikan tampilan dibawah ini:
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
6
Input Data Variabel
Pindahkan lembaran kerja ke “Data View” lalu input data penelitian, atau Copy dari File Excel bila
sudah tersedia. Perhatikan tampilan dibawah ini:
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
7
Uji Regresi Berganda
Klik Analyze, Regression, Linier seperti tampilan dibawah ini:
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
8
Uji Regresi Berganda
Maka akan muncul tampilan seperti dibawah ini. Selajutnya perhatikan tampilan Linier Regression
yang menampilkan ruang untuk variabel Dependent dan Independent (s).
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
9
Uji Regresi Berganda
Kilik variable Y dan masukkan ke ruang Dependent, dan Variable X1, X2, dan X3 ke ruang
Independent (s). Selanjutnya perhatikan tombol Statistics dan Plots di kanan atas untuk langkah
selanjutnya.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
10
Uji Regresi Berganda
Klik Statistics maka akan muncul tampilan Linear Regression Statistics seperti dibawah ini. Klik
Durbin Watson dan Colinearity Diagnostics, selanjutnya klik Continue.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
11
Uji Regresi Berganda
Klik tombol Plots, maka akan muncul tampilan Linear Regression Plots. Klik Histogram dan Normal
Probability Plot. Selanjutnya klik *ZPRED ke ruang X dan *SRESID ke ruang Y. Lalu klik Continue
dan klik OK.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
12
Uji Asumsi Klasik :
Multikolinieritas
Uji Mulktiolineritas bertujuan untuk menguji apakah antar variable independent mempunyai
hubungan langsung (berkorelasi) sempurna. Jika iya, maka ketiga variabel independent tidak bisa
digunakan secara bersama sama sebagai variabel independent. Jika bebas dari masalah
multikolinieritas, maka ketiga variabel independent tersebut layak untuk digunakan secara bersama
sama dalam pengujian regresi berganda.
Data penelitian sekunder dikatakan bebas dari masalah multikolineritas apabila kolom Colinearity
Statistics menujukkan hasil Tollerance diatas 0,1 dan Nilai Variation Inflasi Factor (VIF) tidak lebih
dari sepuluh. Hasil Tollerance yang dihasilkan seluruhnya diatas 0,1 dan hasil VIF seluruhnya tidak
lebih dari 10. Hal ini berarti data penelitian bebas dari masalah multikolieritas.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
13
Uji Asumsi Klasik : Autocorrelation
Uji autokorelasi bertujuan untuk menguji apakah ada hubungan otomatis antara variabel dependent
dengan variable independent. Hasilnya bebas dari masalah autokorelasi. Diuji dengan model
Durbin Waton, gunakan Table Durbin Watson, pada kolom K=3 (jumlah variable bebas) dan baris
yang ke 48 (jumah data).
0
Tim Dosen FEB UTA'45
Jkt
1,40
1,67
1,737
2,33
Pelatihan SPSS
2,60
4
14
Uji Asumsi Klasik :
Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk memastikan bahwa data bersifat heterogen, secara umum
tidak memiliki sifat pergerakan data yang sama, tidak menumpuk atau tidak membentuk pola garis
tertentu. Memperhatikan hasil gambar dibawah ini, data masih menyebar secara acak, dan dapat
disimpulkan bahwa data bebas dari masalah heteroskedastisitas.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
15
Uji Normalitas
Uji normalitas dapat dilihat dari pergerakan data yang masih berada disekitar garis diagonal. Artinya
persamaan regresi yang dihasilkan akan bersifat BLUE (Best Linear Unbiased Estimation).
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
16
Hasil Uji Parsial (Uji t)
Hasil uji regresi parsial, signifikan atau tidak dapat dilihat dengan dua cara. Cara Pertama, Variabel
X berpengaruh signifikan terhadap Variabel Y apabila hasil Sig < 0,05 atau dibawah 5%. Hasil sig
untuk Variabel X1 adalah 0,606 atau 60,6%. Hasil sig untuk Variabel X2 adalah 0,025 atau 2,5%.
Hasil sig untuk Variabel X3 adalah 0,169 atau 16,9%. Jadi hanya variabel X2 yang memiliki Sig <
0,05. Dengan demikian, berdasarkan cara yang pertama ini, hanya variabel X2 yang berpengaruh
signifikan terhadap Y.
Cara Kedua, membandingkan t hitung dengan t tabel. Signifikan apabila t hitung > t tabel. Hasil
pengujian menunjukkan bahwa bahwa t hitung untuk X1 adalah -0,520. Nilai t hitung untuk X2
adalah 2,314. Nilai t hitung untuk X3 adalah 1,400. Sedangkan nilai t tabel adalah 2,01. Hasil t tabel
sebesar 2,01 dapat dilihat dari tabel distribusi t untuk uji dua arah, pada kolom 0,05 atau (5%) dan
pada baris 45 (jumlah data 48 dikurangi jumlah variabel bebas 3). Jadi hanya variabel X2 yang
memiliki t hitung lebih besar dari t tabel. Dengan demikian berdasarkan cara kedua ini, hanya
variabel X2 yang berpengaruh signifikan terhadap Y.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
17
Hasil Uji Parsial (Persamaan
Regresi)
Beta pengaruh yang dihasilkan untuk Variable X1 adalah negatif, sedangkan beta pengaruh yang
dihasilkan untuk X2 dan X3 adalah beta yang positif, artinya bahwa pengaruh yang diberikan oleh
X2 dan X3 terhadap Y adalah positif, yang berarti bahwa pengaruhnya searah.
Persamaan regresi yang terbentuk adalah: Y = 0,570 - 0,072 X1 + 0,330 X2 + 0,203 X3 + e.
Artinya, jika X1, X2 dan X3 adalah nol, maka Variabel Y akan Konstan sebesar 0,570. Apabila
terjadi kenaikan X1 sebesar 1, maka akan terjadi penurunan Y sebesar 0,072 dan demikian
sebaliknya. Apabila terjadi kenaikan X2 sebesar 1, maka akan terjadi kenaikan Y sebesar 0,330
dan demikian sebaliknya. Apabila terjadi kenaikan X3 sebesar 1, maka akan terjadi kenaikan Y
sebesar 0,203 dan demikian sebaliknya.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
18
Hasil Uji Simultan (Uji F)
Hasil uji simultan dapat dilihat dengan dua cara juga. Cara pertama, secara bersama sama Variabel
X1, X2 dan X3 akan berpengaruh signifikan terhadap Y, apabila Sig < 0,05. Hasilnya pada table
ANOVA dibawah ini menunjukkan hasil Sig 0,024, yang berarti bahwa secara bersama sama
variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y.
Cara kedua adalah, secara bersama sama Variabel X1, X2 dan X3 akan berpengaruh signifikan
terhadap Y, apabila F hitung > F tabel. Hasilnya pada table ANOVA dibawah ini menunjukkan hasil
F hitung adalah 3,463. Sedangkan F table adalah sebesar 2,82. Hasil Ftabel 2,82 dapat dilihat pada
tabel distribusi F, pada kolom 3 (total seluruh variabel 4 dikurangi jumlah variabel terikat 1) pada
baris ke 44 (total data 48 dikurangi jumlah variabel 4). Hal ini berarti bahwa secara bersama sama
variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y.
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
19
Koefisien Determinasi
Koefisien determinasi adalah kemampuan seluruh variabel bebas dalam menjelaskan variable
terikat. Koefisien Determinasi Adjustend R Square sebesar 0,136 atau sebesar 13,6% yang berarti
bahwa kemampuan Variabel X1, X2 dan X3 dalam menjelaskan Variabel Y, adalah sebesar 13,6%.
Sedang sisa sebesar 86,4% dijelaskan oleh variabel lain diluar dari variabel penelitian ini.
R sebesar 0,437 memiliki arti bahwa korelasi bergandanya adalah sedang. Tingkat error yang
dihasilkan dalam persamaan regresi dari hasil penelitian ini adalah 0,864 atau 86,4%.
Sekian
Tim Dosen FEB UTA'45
Jkt
Pelatihan SPSS
20