Top Banner
Ayo rek sinau SPSS ? Tutorial Analisis Regresi Linear Berganda Sofa Nur Ihtiari Wahyudi @Hak Cipta TIDAK Dilindungi UU Diterbitkan olah : Delapan Enam
32

Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Feb 19, 2016

Download

Documents

tutorial mengolah data menggunakan spss menggunakan spss 21
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Ayo rek sinau SPSS ? Tutorial Analisis Regresi Linear Berganda

Sofa Nur Ihtiari Wahyudi @Hak Cipta TIDAK Dilindungi UU Diterbitkan olah : Delapan Enam

Page 2: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)
Page 3: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 1 : Pengantar Teoritis

Bagian 2 : Pengenalan Tampilan SPSS

Bagian 3 : Input Data

Bagian 4 : Uji Asumsi Klasik

Bagian 5 : Pengujian Hipotesis

Page 4: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 1 : Pengantar Teoritis

Analisis regresi adalah bentuk hubungan antara dua peubah atau lebih khususnya hubungan antara peubah-peubah yang mengandung sebab akibat. (Wibisono, 2009)

Variabel "penyebab" disebut dengan bermacam- macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X).

Variabel “terkena akibat” dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.

Analisis Regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini.

Pada modul ini yang akan dibahas adalah analisa Regresi Liner yang terdiri atas Regresi Linier sederhana dan Regresi Linier berganda.

Regresi Linear Sederhana ?

Regresi linier sederhana adalah merupakan hubungan fungsional ataupun kausal satu variabel independen dengan satu variabel dependen (Purwanto S. K., 2012).

Model regresi linier sederhana dapat digambarkan sebagaimana gambar di bawah ini.

X Y

Persamaan umum regresi linier sederhana adalah: Y = a + bX

Y = Variabel Dependen

a = Konstansta/ Intercept

b = Koefisien regresi

X = Variabel Independen

Nilai a secara grafik adalah merupakan intercept /perpotongan pada sumbu Y jika harga X = 0. Secara teknis harga b merupakan tangen dari perbandingan antara perubahan harga Y pada perubahan harga X atau dapat dituliskan dengan ΔY/ΔX.

Page 5: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Regresi Linier Berganda ? ( THIS STUDY ............ )

Regresi Linear Berganda adalah regresi linier yang menggunakan dua atau lebih variabel independen/prediktor untuk meramalkan atau memprediksi satu variabel dependen/terikat. Jadi analisis regresi linier berganda akan dilakukan bila jumlah variabel independennya minimal 2. Model Regresi linier berganda untuk dia variabel bebas dan satu variabel terikat adalah sebagai berikut:

Parsial

X1

Y

X2

Simultan

Model diatas dapat dijelaskan bahwa dalam model regresi linier berganda mempunyai dua uji pengaruh yaitu :

1. Pengaruh variabel X (bebas) secara simultan terhadap variabel Y (terikat)

2. Pengaruh variabel X (bebas) secara Parsial terhadap variabel Y (terikat), yaitu meliputi :

a. Pengaruh variabel X1 terhadap variabel

b. Pengaruh variabel X2 terhadap variabel Y

Page 6: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Persamaan Regresi Linier Berganda

Pada prinsipnya persamaan regresi linier berganda adalah sama dengan persamaan pada regresi linier sederhana, yang membedakan adalah pada perrsamaan Regresi Linier Berganda jumlah variabel X lebih dari satu. berikut adalah beberapa contoh persamaan Regresi Linier Berganda:

1. Persamaan regresi untuk dua prediktor adalah:

Y = a0 + a1X1 + a2X2

2. Persamaan regresi untuk tiga prediktor adalah:

Y = a0 + a1X1 + a2X2+ a3X3

3. Persamaan regresi untuk n prediktor (independennya banyak) adalah:

Y = a0 + a1X1 + a2X2 + .... + anXn

Koefisien Regresi Linier Berganda

Persamaan regresi linier dimaksudkan untuk menjadi alat dalam membuat taksiran dan ramalan keadaan berdasarkan data kejadian dan aktivitas di masa yang lalu. Untukl membuat suatu persamaan Regresi Linier berganda terlebih dahulu dilakukan penelitian atau data laporan periode yang lalu. Berikut ini adalah diuraikan membuat persamaan regresi untuk dua variabel bebas X1 dan X2 , satu variabel terikat Y.

Page 7: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 2 : Pengenalan Tampilan SPSS

Ada sembilan menu utama yang dimiliki SPSS for windows, yaitu:

1. File. Digunakan untuk membuat file baru atau membuka file, menyimpan file. 2. Edit. Digunakan untuk memodifikasi, mengkopi, menghapus, mencari dan

mengganti data atau teks dari output windows maupun syntak windows. 3. Data. Digunakan untuk membuat pilihan global dari file data SPSS, seperti

pendefinisian variabel, penggabungan file, transpose data, mengambil sebagai case dan sebagainya.

4. Transform. Digunakan untuk mentranformasi data, yaitu pembentukan variabel baru yang valuenya merupakan hasil tranformasi dari value variabel-variabel yang sudah ada. Atau memodifikasi variabel yang sudah ada berdasarkan variabel yang lain. Seperti tranformasi dengan operator aritmatik, fungsi aritmatika, fungsi statistik dan sebagainya.

5. Analyze. Digunakan untuk memilih berbagai prosedur pengolahan secara statistik seperti tabulasi silang (crosstab), korelasi, regresi linier, analisis varians, penyusunan laporan dan sebagainya.

6. Graph. Digunakan untuk mengaktualisasikan data berupa bar chart, pie chart, histogram, scatterplots (diagram pencar), dan bentuk-bentuk grafik lainnya.

7. Utilities. Digunakan untuk mengubah fonts, mengakses data secara dinamik, menampilkan berbagai informasi mengenai isi file data SPSS, atau menampilkan indeks dari perintah-perintah SPSS.

8. Windows. Digunakan untuk mengatur, memilih, dan mengontrol atribut-atribut windows SPSS.

Page 8: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

9. Help. Digunakan untuk membuka windows standart Microsoft Help yang memuat informasi bantuan bagaimana menggunakan bantuan berbagai fasilitas pada SPSS. Informasi bantuan ini juga bisa didapatkan lewat setiap kotak dialog.

Tampilan di atas adalah sebagai database untuk mengatur komposisi karakter data (VARIABLE VIEW). Penjelasannya sebagai berikut :

NAME

Pemberian nama variabel harus memenuhi ketentuan berikut ini :

1. Nama variabel harus diawali dengan huruf dan karakter yang selanjutnya boleh huruf, angka dan simbol @,#, atau $.

2. Nama variabel tidak boleh diakhiri dengan tanda titik.

3. Harus dihindari pemberian nama variabel yang diakhiri dengan garis bawah.

4. Panjang nama variabel tidak boleh lebih ari 8 karakter.

5. Spasi kosong an spesial karakter !,? dan * tidak digunakan.

6. Nama variabel tidak boleh sama satu variabel dengan variabel lainnya.

7. Tidak membedakan huruf kecil dengan huruf kapital.

8. Tidak menggunakan kata-kata yang sudak ada pada sistem atau bahasa pemrograman SPSS yaitu, ALL,AND, BY,EQ, GT, LT, NE, NOR, OR, TO, AND.

TYPE

Tipe (memformat data sesuai dengan data yang di masukkan) data yang ada pada SPSS adalah

1. Numeric, merupakan tipe angka dengan tanda plus dan tanda minus didepan angka serta indikator desimal. Lebar maksimal 40 karakter.

2. Comma, merupakan tipe yang termasuk angka, tanda plus dan tanda minus didepan angka, indikator desimal serta pemisah ribuan.

3. Dot, tipe ini sama dengan tipe comma, yang membedakan hanyalah pemisah ribuan, yang digunakan adalah titik.

4. Scientifik notation, merupakan type data yang menggunakan lambang atau notasi ilmiah seperti log, alfa, dll.

5. Date, tipe ini menampilkan data dalam format tanggal atau waktu.

6. Dollar, tipe ini adalah tanda $ sebuah titik sebagai indikator desimal dan beberapa tanda koma pemisah ribuan.

7. Custom curency, tipe ini digunakan untuk menampilakan format mata uang seperti Rp. 65.000.

Page 9: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

8. String, digunakan untuk karakter huruf dan karajter lainnya.

WIDHT

Width digunakan untuk mengatur lebar cell.

DECIMAL

Decimal digunakan untukmengatur berapa angka di belakang koma

LABEL

Label digunakan untuk memberikan keterangan dari variabel-variabel yang ada, agar lebih informatif dan anda tidak lupa terhadap data yang didalamnya. Disamping ada Variabel label juga ada value label untuk nilai – nilai variabel faktor berupa data kategorik seperti contiohnya kelas. Untuk data numerik tidak perlu ada value label.

COLUMS

adalah lebar kolom untuk data ini, standarnya 8 character. Anda bisa mengubahnya sendiri sesuai yang anda kehendaki.

MISSING

berisi beberapa pilihan menangani missing value.

1. Tanpa ada missing value.

2. Diskret missing value : digunakan untuk menyediakan data mana sajakah yang akan dihilangkan atau ditinggalkan.

3. Range missing value : data yang berupa interval yaitu nilai terendah sampai nilai tertinggi yang akan dihilangkan atau ditinggalkan.

ALIGN

digunakan untuk menentukan data tersebut akan tampil secara rata kiri, rata kanan, atau center.

MEASSURE

digunakan untuk menetukan macam data. Macam data ada tiga yaitu : Nominal dimana untuk menghitung yang merupakan data diskret, scale serta ordinal untuk menentukan data kontinu yaitu data mengukur.

Page 10: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

TAMPILAN DATA VIEW (Seperti pada Ms. Excel)

MARI KITA LANGSUNG KE PRAKTIKNYA.....

Memakai Judul :

“Pengaruh Return On Asset ( ROA) dan Net Profit Margin (NPM) Terhadap Laba Bersih Perusahaan Rokok yang Terdaftar Di BEI 2009-2013 Dengan Model

Perhitungan Triwulan”

Sampel : Gudang Garam (GGRM), Sampoerna (HMSP), dan Bentoel (RMBA)

N= 44

Persamaan/Model Regresinya : Laba = a +b1ROA + b2NPM + e

Nama Variabel

Page 11: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 3 : Input Data

Cara 1 : Dengan copy paste dari Ms. Excel (Recommended)

Cara 2 : Open data dari SPSS

** Catatan : Data harus diurutkan kebawah berdasarkan Perusahaan atau Tahun/Triwulan secara konsisten

Lakukan sampai seperti tampilan di atas

Page 12: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 4 : Statistik Deskriptif

Pada Data View SPSS, Pilih menu Analyze – Descriptive Statistics – Descriptives, masukan semua variabel ke kotak Varibel (yang sebelah kanan). Klik menu Options, centang Mean, Std. Deviation, Maximum dan Minimum > Continue dan OK.

Tampilan Ouput : Pada bagian awal Bab III tinggal menarasikan hasil statistik deskriptifnya

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

ROA 44 -.08 .35 .0832 .09769

NPM 44 -.10 .16 .0820 .07245

Laba 44 -661152000000 7430950000000 1938674246603,64 1929747059290,929

Valid N (listwise) 44

Page 13: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 5 : Uji Asumsi Klasik

1. UJI NORMALITAS Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Cara Pertama ANALISA GRAFIK, Langkahnya sebagai berikut : 1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak

Dependent, isikan variabel Y (Laba) dan pada kotak Independent, isikan variabel X1, X2, (ROA dan NPM)

2. Pilih metode Enter, kemudian klik Button Plots, dan aktifkan atau centang pada Normal probability plot, tekan button Continue dan OK.

Page 14: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Tampilan Ouput :

Dasar pengambilan keputusan:

Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

Tetapi karena menggunakan grafik, interprestasi tiap orang dapat berbeda karena unsur subjektifitas, maka sobat dapat menggunakan metode lainnya, di mana teman-teman dapat menggunakan Uji Statistik Kolmogorov Smirnov. Caranya sebagai berikut :

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (Laba) dan pada kotak Independent, isikan variabel X1, X2, (ROA dan NPM)

2. Pilih metode Enter, kemudian klik Button Save. 3. Berikan centang pada Unstandardized pada kolom Residuals, lalu klik Continue,

kemudian pilih OK.

4. Abaikan tampilan output

Page 15: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Maka pada data view akan ada kolom baru sebagai hasil dari Data Residual (RES_1)

5. Selanjutnya pada Data View SPSS, akan muncul kolom baru dengan nama

kolom RES_1, ini merupakan residual regresi.

6. Pilih menu Analyze - Nonparametric Test - Legacy Dialogs – (1-Sample K-S),

kemudian Pindahkan Unstandardized Residual ke kolom Test Variable List di

sebelah kanan, centang pada Normal, lalu klik OK.

Page 16: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Tampilan Ouput :

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 44

Normal Parametersa,b

Mean -,0001054

Std. Deviation 696301030570,

17740000

Most Extreme Differences

Absolute ,119

Positive ,119

Negative -,081

Kolmogorov-Smirnov Z ,787

Asymp. Sig. (2-tailed) ,565

a. Test distribution is Normal.

Page 17: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

b. Calculated from data.

Bedasarkan gambar diatas, nilai Signifikan > Alpha ( 0.565 > 0.05 ), jadi bisa disimpulkan

bahwa data residual terdistribusi dengan normal.

2. UJI MULTIKOLONIERITAS

Untuk Uji Multikolonieritas sebenarnya ada beberapa metode, namun menggunakan atau melihat nilai VIF atau Tolerance akan lebih menguatkan persepsi kita mengenai hal itu, makanya lebih suka dengan menggunakan nilai VIF atau Tolerance untuk menyimpulkan ada atau tidaknya gejala Multikolonieritas pada model atau variabel yang kita miliki. Langkahnya sebagai berikut :

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (Laba) dan pada kotak Independent, isikan variabel X1, X2, (ROA dan NPM)

2. Hilangkan centang pada Unstandardized pada kolom Residuals. 3. Pilih metode Enter, 4. Klik Button Statistics, berikan centang seperti pada gambar dibawah ini, dan klik

Continue dan OK 5.

Page 18: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Ada banyak tampilan output, namun amati tabel seperti dibawah ini :

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig. Collinearity

Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) 340992201301,629 163529893884,208 2,085 ,043

ROA 17271843542219,086 1763124709580,933 ,874 9,796 ,000 ,399 2,509

NPM 1962067210184,621 2377286756319,015 ,074 ,825 ,414 ,399 2,509

a. Dependent Variable: Laba

Pengambilan Keputusan dengan Melihat Nilai VIF dan Tolerance:

Melihat nilai Tolerance : • Tidak terjadi Multikolinearitas , jika nilai Tolerance lebih besar 0,10. • Terjadi Multikolinearitas, jika nilai Tolerance lebih kecil atau sama dengan

0,10.

Melihat nilai VIF (Variance Inflation Factor) : • Tidak terjadi Multikonieritas, jika nilai VIF lebih kecil 10,00. • Terjadi Multikonieritas, jika nilai VIF lebih besar atau sama dengan 10,00.

Berdasarkan outputdiatas, dapat disimpulkan bahwa Tidak terjadi Multikolinearitas antar variabel independent dalam model regresi karena nilai Tolerance > 0.1 (0,399 > 0,1) dan nilai VIF < 10 ( 2,509 < 10).

3. UJI AUTOKORELASI

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Uji statistik yang akan dijelaskan di bawah hanya Uji Durbin-Watson dan Uji dengan Run Test.

# Uji Durbin-Watson

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (Laba) dan pada kotak Independent, isikan variabel X1, X2, (ROA dan NPM)

2. Hilangkan centang pada Unstandardized pada kolom Residuals. 3. Pilih metode Enter 4. Klik Button Statistics, berikan centang seperti pada gambar dibawah ini, dan klik

Continue dan OK.

Page 19: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Ada banyak tampilan output, namun amati tabel seperti dibawah ini :

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

Durbin-Watson

1 ,933a ,870 ,863 713081775874,

252

,992

a. Predictors: (Constant), NPM, ROA

b. Dependent Variable: Laba

DOWNLOAD DULU TABEL CURBIN-WATSON, Kalau sudah lihat tabel dengan Signifikansi 5%

Silahkan bandingkan Nilai DW hitung dengan DW tabel sesuai dengan kriteria. Berdasarkan gambar diatas, didapatkan bahwa: Nilai DW = 0,992 nilai ini akan dibandingkan dengan nilai tabel signifikansi 5%, dengan (n=44) dan jumlah variabel independent (K=2) **Pada tabel adanya n=45, jadi gunakan perkiraan antara n=40 dengan n=45, karena n=44 berada diantaranya. INI CARAKU SENDIRI, MOHON KALAU ADA YANG SALAH DIKOREKSI Apabila nilai n= nya sudah ada pada tabel lebih enak. Untuk n=40, dL nya 1,391 dan dU nya 1,600 Untuk n=45, dL nya 1,430 dan dU nya 1,615

Page 20: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

DARIPADA BINGUNG MENDING ASUMSIKAN KALAU N=45 ................. KALAU MASIH BINGUNG, KITA BARENG-BARENG TANYA KE MAHA GURU NYA METPEN / SPSS

Kembali ke hasil output kita bahwa nilai DW = 0,992, jadi patokannya Untuk n=45....... dL= 1,430

dU= 1,615 Syarat tidak terjadi Autokorelasi adalah : dU < Nilai DW < (4-Du) Dari nilai DW di atas masuk pada kategori “ 0 < Nilai DW < dU “ yang berarti TIDAK ADA AUTOKRELASI POSITIF dengan keptusan TOLAK ( 0 < 0,992 < 1,615 maka dapat disimpulkan bahwa Terdapat Autokorelasi (Tidak terdapat autokorelasi positif, namun terdapat negatif pada data yang diuji).

NAH, LEBIH BAIK KITA COBA DENGAN CARA YANG KEDUA.

# Uji Run Test

Langkahnya adalah sebagai berikut :

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (Laba) dan pada kotak Independent, isikan variabel X1, X2, (ROA dan NPM)

2. Pilih metode Enter, kemudian klik Button Save. 3. Berikan centang pada Unstandardized pada kolom Residuals, lalu klik Continue,

kemudian pilih OK.

4. Abaikan tampilan output ........CARA INI SEPERTI SAAT UJI KOLMOGORV SMIRNOV.........

5. Kemudian dilanjutkan dengan Pilih menu Analyze - Nonparametric Test - Legacy Dialogs – Runs, kemudian Pindahkan RES_1 ke kolom Test Variable List di sebelah kanan, centang pada Median, lalu klik OK

Page 21: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)
Page 22: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Ada banyak tampilan output, namun amati tabel seperti dibawah ini :

Runs Test

Unstandardized

Residual

Test Valuea

-

147668271532,

89140

Cases < Test Value 22

Cases >= Test Value 22

Total Cases 44

Number of Runs 10

Z -3,813

Asymp. Sig. (2-tailed) ,000

a. Median

Hasil run test menunjukkan bahwa nilai Asymp. Sig. (2-tailed) < 0.05 yang berarti data yang dipergunakan tidak cukup random sehingga TERDAPAT MASALAH AUTOKORELASI pada data yang diuji.

Hal ini sesuai hasil Uji Durbin-Watson yang menyatakan terdapat Autokorelasi.

SEKARANG KITA BEAJAR TREATMENT / PERLAKUAN DATA OUTLIER ( EKSTRIM ) DENGAN TRANSFORMASI DATA

Tranformasi Data bisa menjadi LN, LG10, SQRT, dll.

Setiap variabel ditransformasikan.

*Hindari penghapusan data, kalau masih memungkinkan dilakukan transformasi, dicoba terlebih dahulu saja. Kalau N nya banyak dan dengan transformasi belum juga bisa berhasil, boleh dilakukan penghapusan data pengamatan yang dianggap outlier.

Page 23: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

# Kita coba dengan memakai LN

Langkahnya adalah sebagai berikut :

1. Sekarang yang harus kita lakukan adalah meng-LN-kan ketiga variebel tersebut, SPSS juga sudah menyediakan fasilitas tersebut.

2. Klik menu Transform – Compute Variable, kemudian lakukan seperti gambar dibawah ini, Kotak Target Variable diisi dengan nama variabel/kolom baru ( Untuk ROA misal dinamai LN_ROA, begitu pula variabel NPM dan Laba).

3. Pada Function Group pilih All dan nanti akan muncul banyak menu pada Functions And Specials Variables. Pilih Ln dan masukan ke dengan klik Panah ke atas.

Page 24: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

4. Selanjutnya pada kotak Numeric Expression akan muncul Ln(?), tugas kita adalah

mengisi tanda kurung dengan memasukan Variabel (Misal : ROA) dengan Klik ROA pada kolom varibel dan klik Panah ke kanan yang mengarah ke Numeric Expression.

5. Selanjutnya klik OK 6. Abaikan tampilan output 7. Selanjutnya pada Data View SPSS, akan muncul kolom baru dengan nama

kolom LN_ROA (Sesuai pemberian nama di Compute Varible, ini tampilan data

setelah di-LN-kan

....LAKUKAN CARA SERUPA UNTUK VARIBEL YANG LAIN (NPM DAN LABA)....

Maka setelah semua di LN-kan maka akan muncul tampilan seperti gambr di bawah ini :

Page 25: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Setelah kita memiliki data yang sudah di LN kan maka lakukan kembali Prosedur Uji DW dan Run Test, jadi yang dipakai adalah yang Ln, bukan yang aslinya (termasuk saat membuat data Unstandarized atau RES).

Ini adalah hasil untuk Uji Run Test setelah di LN-kan :

Runs Test

Unstandardized

Residual

Test Valuea -,08016

Cases < Test Value 18

Cases >= Test Value 19

Total Cases 37

Number of Runs 12

Z -2,331

Asymp. Sig. (2-tailed) ,020

a. Median

Hasil run test setelah data di Ln-kan menunjukkan bahwa nilai Asymp. Sig. (2-tailed) > 0.05 yang berarti data yang dipergunakan cukup random sehingga tidak terdapat masalah autokorelasi pada data yang diuji.

Untuk Uji DW bisa dicoba sendiri

Page 26: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

4. UJI HETEROSKEDASTISITAS

#Menggunakan Metode Glejser

Langkahnya adalah sebagai berikut :

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (LN_Laba) dan pada kotak Independent, isikan variabel X1, X2, (LN_ROA dan LN_NPM). Ingat, mulai sekarang untuk langkah berikutnya menggunakan Variabel LN_ !!!

2. Pilih metode Enter, kemudian klik Button Save. 3. Berikan centang pada Unstandardized pada kolom Residuals, lalu klik Continue,

kemudian pilih OK. ......... Kalau sudah memiliki data RES_2 (yang digunakan untuk Run Test data yang sudah di-Ln-kan, maka tidak perlu melakukan proses Unstandarized lagi.....

4. Sekarang yang harus kita lakukan adalah meng-absolutkan nilai Residual (RES_2) tersebut, SPSS juga sudah menyediakan fasilitas tersebut.

......... Langkah selanjutnya seperti me-Ln-kan varibel, namun ini menggunakan pilihan ABS (Absolut).....

5. Klik menu Transform – Compute Variable, kemudian lakukan seperti gambar dibawah ini, Kotak Target Variable diisi dengan nama variabel/kolom baru ( Misal menggunkan nama ABS_RES2).

Page 27: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

6. Pada Function Group pilih All dan nanti akan muncul banyak menu pada Functions And Specials Variables. Pilih ABS dan masukan ke dengan klik Panah ke atas.

7. Selanjutnya pada kotak Numeric Expression akan muncul ABS(?), tugas kita adalah mengisi tanda kurung dengan memasukan Variabel RES_2 (Unstandarized Residual ke 2) dengan Klik RES_2 (Unstandarized Residual ke 2) pada kolom varibel dan klik Panah ke kanan yang mengarah ke Numeric Expression.

Page 28: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

8. Selanjutnya klik OK 9. Lihat pada data view maka akan muncul variabel baru bernama ABS_RES2

10. Setelah variabel RES_2 diabsolutkan, maka langkah selanjutnya adalah klik menu Analyze - Regression – Linear, Masukkan variabel ABS_RES2 pada kotak Dependent dan masukkan variabel LN_ROA dan LN_NPMpada kotak Independen.

11. Pada Button Save. Jangan lupa hilangkan centang di Unstandardized pada kolom Residuals, lalu klik Continue, kemudian pilih OK.

Dasar Pengambilan Keputusan:

Tidak terjadi heteroskedastisitas, jika nilai T.hitung lebih kecil dari T.tabel dan nilai signifikansi lebih besar dari 0.05 (5%).

Terjadi heteroskedastisitas, jika nilai Thitung lebih besar dari Ttabel dan nilai signifikansi lebih kecil dari 0.05 (5%).

Ada banyak tampilan output, namun amati tabel seperti dibawah ini :

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1

(Constant) ,419 ,154 2,713 ,010

LN_ROA -,147 ,082 -,511 -1,793 ,082

LN_NPM ,192 ,107 ,512 1,796 ,081

a. Dependent Variable: ABS_RES2

Page 29: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Dengan melihat nilai Sig. dan alpha= 5%. Terlihat bahwa nilai Sig > alpha 0,05 untuk semua variabel independen yang artinya tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Jadi dapat disimpulkan bahwa model regresi tidak mengandung adanya Heteroskedastisitas.

#Menggunakan Grafik Plot

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (LN_Laba) dan pada kotak Independen, isikan variabel X1, X2, (LN_ROA dan LN_NPM.

2. Pilih metode Enter, kemudian klik Button Save. 3. Berikan centang pada Unstandardized pada kolom Residuals, lalu klik Continue,

kemudian pilih OK. 4. Kemudian klik Button Plots dan akan muncul menu Linear Regression Plots. 5. Masukan variabel SRESID pada kotak pilihan Y 6. Masukan variabel ZPRED pada kotak pilihan X 7. Tekan Continue, abaikan yang lain 8. Klik OK

Ada banyak tampilan output, namun amati tabel seperti dibawah ini :

Titik-titik menyebar secara rata (tidak membentuk pola), sehingga bisa dismpulkan bahwa regresi tidak mengandung adanya Heteroskedastisitas

Page 30: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

Bagian 5 : Pengujian Hipotesis

UJI ASUMSI KLASIK SELESAI, SEKARANG KITA MASUK KE PENGUJIAN HIPOTESISNYA

# Koefisien Determinasi

Langahnya sebagai berikut :

1. Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel Y (LN_Laba) dan pada kotak Independen, isikan variabel X1, X2, (LN_ROA dan LN_NPM).

2. Pada kotak Method pilih Enter. 3. Abaikan yang lain dan klik OK

**LANGKAH DI ATAS SEKALIGUS UNTUK Uji F dan Uji T**

Ada banyak tampilan output, namun amati tabel seperti dibawah ini :

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

1 ,957a ,916 ,911 ,45668

a. Predictors: (Constant), LN_NPM, LN_ROA

b. Dependent Variable: LN_Laba

Dari tampilan di atas dihasilkan bahwa nilai Adjusted R Square adalah 0,911. Hal ini berarti 91,1% Laba bisa dijelaskan oleh variasi independen ROA dan NPM. Sedangkan sisanya (100% - 91,1% = 8,9%) dijelaskan oleh variabel independen yang lain.

Page 31: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

# Uji Signifikansi Simultan ( Uji Statistik F )

Untuk Uji Statistik F hanya perlu mengamati tabel seperti dibawah ini :

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 76,931 2 38,466 184,441 ,000b

Residual 7,091 34 ,209

Total 84,022 36

a. Dependent Variable: LN_Laba

b. Predictors: (Constant), LN_NPM, LN_ROA

Dari tabel ANOVA di atas, nilai F.Hitung sebesar 184.441 dengan probabilitas 0,000. Karena probabilitasnya jauh dibawah 0,05 ( < 5%) maka ROA dan NPM secara bersama-sama erpengaruh terhadap Laba.

# Uji Signifikansi Parameter Individual ( Uji Statistik t )

Untuk Uji Statistik t hanya perlu mengamati tabel seperti dibawah ini :

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 32,556 ,260 124,975 ,000

LN_ROA ,650 ,138 ,409 4,698 ,000

LN_NPM 1,226 ,180 ,592 6,805 ,000

a. Dependent Variable: LN_Laba

Dari hasil tampilan di atas, bisa dilihat bahwa probabilitas kedua variabel independen ROA dan NPM siginifikan pada 0,05 ( keduanya 0,000 < 0,05). Dari sini bisa disimpulkan bahwa Laba dipengaruhi oleh ROA dan NPM dengan persamaan matematis :

LABA = 32,556 + 0,650 ROA +1,226 NPM

Page 32: Ayo Belajar Spss ( Analisis Regresi Linear Berganda)

SEKIAN DAN TERIMA KASIH

SEMOGA BISA MEMBANTU

TUGAS AKHIR TEMAN-TEMAN

Spesial saya persembahkan untuk :

Moch. Nur Chozin dan Wahyuningsih ( Pangeran Katon)

Bapak / Ibu Dosen Akuntansi FE Unesa

Mahasiswa Akuntansi FE Unesa

Teman-teman seletingku 2011

Terakhir, untuk Tanah Air Tercinta, INDONESIA

Kontak Kritik, Saran, dan Koreksi Materi :

081335137879

[email protected]

FB : Sofa Nur Ihtiari Wahyudi

Alamat : Ds. Sugihwaras, Kec. Saradan Kab. Madiun