modul kecil

PENGOLAHAN DAN ANALISIS DATA DENGAN SPSSAnalisis Regresi Berganda

Regresi berganda merupakan analisis dengan menggunakan variable lebih dari 1 variabel bebas. Regresi Berganda adalah bagian dari analisis multivariate. Tujuan utama analisis regresi berganda adalah untuk menduga besarnya koefisien regresi. Selanjutnya, koefisien regresi inilah yang akan menunjukkan besarnya pengaruh variable bebas (independent variable/X) terhadap peubah tak bebas (dependent variable/Y).

Model Regresi

Bentuk Persamaan regresi

Y = Variabel terikat (dependent variable)

X1-n= Varibel bebas (independent variable)

= Konstanta= Koefisien regresiMengolah data Dengan SPSS

Pengenalan SPSS

1. Buka SPSS , bisa open lewat program, windows explorer atau klik dua kali icon SPSS.

Hasilnya akan nampak seperti ini:

Beberapa menu utama yang penting dalam SPSS adalah sebagai berikut:

Analyze ( digunakan untuk menganalisa data

Transform ( digunakan untuk memanipulasi data

File ( berisi fasilitas pengelolaan atau manajemen data dan file

Graph ( digunakan untuk memvisualkan data

Utilities ( digunakan berkaitan dengan utilitas

Membuat Variabel

Anda juga akan menjumpai menu di kiri bawah Data View dan Variable View.

a. Membuat Variabel

Langkah pertama adalah dengan mendefinisikan terlebih dahulu variabelnya:

1. Aktifkan variable view

2. Isikan data-data variabel:

Name( nama variable (Default Max 8 karakter)

Type ( tipe data dari variable

Width( mengatur banyaknya karakter yang dibutuhkan suatu data.

Decimal ( untuk data yang bertipe numeric.

Label ( untuk memberi keterangan penjelas dari variable.

Values( untuk menentukan label variable dan nilai dari label tersebut.

Missing ( digunakan apabila dalam data yang akan diolah terdapat data-data yang hilang atau tidak ada. Misalkan, pada kolom missing diisi tanda * maka apabila dalam variabel tersebut data yang disikan adalah tanda * berarti data tersebut tidak ada.

Coloum( digunakan untuk menentukan lebar kolom data.

Align ( untuk mengatur tampilan data rata kiri, rata kanan, atau tengah.

Measure ( menunjukkan jenis pengukuran data apakah bertipe skala (kuantitatif asli), nominal, atau ordinal (untuk data kualitatif). Misalkan kita akan melakukan analisis regresi berganda dengan variable bebas dan terikat sbb: Variabel TerikatVariabel Bebas

Harga SahamROA

NPM

SBI

Pengungkapan Informasi

b. Untuk memasukkan data Klik Data View.Dengan Data sebagai berikut:

NOROANPMSBIPIHARGANOROANPMSBIPIHARGA

112.3016.005.60026001917.6022.005.6013200

213.5017.505.6002800209.8011.005.6002300

315.6020.005.60129002111.3012.005.6002300

417.6021.005.60131002215.3019.005.6012700

59.8012.005.60025002314.6019.005.6002900

611.3015.005.60022002416.5020.005.6012700

715.3020.005.60131002517.0021.005.6013100

814.6018.605.60028502615.1019.005.4012600

916.5019.005.60129002714.3018.005.4002500

1017.0021.005.50134002815.2019.005.4012700

1115.1019.005.50130002913.2016.005.4002500

1213.2517.005.50026003015.2020.005.4012500

1312.3016.005.50025003117.5021.005.4013100

1414.3018.005.50026003214.3018.005.4002600

159.6011.005.5001900339.6011.005.4001900

168.6011.005.5001700348.6010.005.4001700

179.1213.005.5001600359.1211.005.4001800

1814.2018.205.60026003614.2019.005.4002800

c. Klik Analize > Regression >Linier,

Dependent untuk Variabel terikat dan Independent (s) untuk variable bebas.

Klik Statistik

Klik Plot.

Hasil Analisis

a. Hasil Korelasi

Correlations

HARGA SAHAMROANPMSBIPENGUNGKAPAN INFORMASI

Pearson CorrelationHARGA SAHAM1.000.911.891.329.628

ROA.9111.000.974.175.753

NPM.891.9741.000.159.701

SBI.329.175.1591.000.110

PENGUNGKAPAN INFORMASI.628.753.701.1101.000

Sig. (1-tailed)HARGA SAHAM..000.000.025.000

ROA.000..000.154.000

NPM.000.000..177.000

SBI.025.154.177..262

PENGUNGKAPAN INFORMASI.000.000.000.262.

NHARGA SAHAM3636363636

ROA3636363636

NPM3636363636

SBI3636363636

PENGUNGKAPAN INFORMASI3636363636

b. Hasil Regresi

a. Predictors: (Constant), PENGUNGKAPAN INFORMASI, SBI, NPM, ROA

b. Dependent Variable: HARGA SAHAM

ANOVAb

ModelSum of SquaresdfMean SquareFSig.

1Regression6256180.58841564045.14750.704.000a

Residual956249.9673130846.773

Total7212430.55635

a. Predictors: (Constant), PENGUNGKAPAN INFORMASI, SBI, NPM, ROA


Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics

BStd. ErrorBetaToleranceVIF

1(Constant)-4435.3441876.778-2.363.025

ROA155.68452.621.9632.959.006.04024.773

NPM1.58237.406.013.042.967.04820.958

SBI891.388344.107.1722.590.014.9651.036

PENGUNGKAPAN INFORMASI-114.67793.625-.125-1.225.230.4112.431

a. Dependent Variable: HARGA SAHAM

Pembahasan Hasil Regresi

Uji Normalitas Data

Data dianggap normal jika dari normal P-P Plot of regression standardized Residul berada sepanjang garis diagonal.

Atau

Model tidak terjadi Heteroskedasitas jika dari Scattreplot tidak membentuk suatu Pola tertentu.

Uji Multikolinieritas, Tidak terjadi multikolineritas jika Nilai VIF < 10

Coefficientsa



1(Constant)-4435.3441876.778-2.363.025

ROA155.68452.621.9632.959.006.04024.773

NPM1.58237.406.013.042.967.04820.958

SBI891.388344.107.1722.590.014.9651.036



Dari hasil menunjukkan bahwa Variance Inflations Factor (VIF) antara ROA dan NPM > 10, maka salah satu varibel dihilangkan, yaitu NPM.

Coefficientsa



1(Constant)-4432.1031845.732-2.401.022

ROA157.80115.963.9769.885.000.4252.353

SBI890.510338.080.1722.634.013.9681.033



Hasil dengan Menghilangkan Variabel NPM

Analisis Hasil Regresi

Kolom R menunjukkan angka koefisien korelasi yaitu sebesar 0,931.Hal ini menunjukkan bahwa hubungan antara variable sangat kuat.

Kolom R Square=0.867 merupakan kuadrat dari nilai korelasi.R square juga disebut koefisien determinasi.hal ini berarti bahwa variable bebas yang ditunjukkan oleh ROA, SBI dan PI mampu menjelaskan variasi variable terikat (harga saham) sebesar 86,7% dan 13,3% dijelaskan oleh variable lain diluiar model (100-86,7%)

ANOVAb

ModelSum of SquaresdfMean SquareFSig.

1Regression6256125.43332085375.14469.781.000a

Residual956305.1233229884.535

Total7212430.55635

a. Predictors: (Constant), PENGUNGKAPAN INFORMASI, SBI, ROA


Pengujian secara Simultan (Uji F)Berdasarkan hasil analisis menunjukkan diperoleh nilai F Hitung sebesar 69.781 dengan tingkat probabilitas sebesar 0.000. Nilai probablitas yang ditunjukkan oleh nilai sig. sebesar 0.00 lebih kecil dari 0.00, maka dapat diambil keputusan bahwa secara simultan atau bersama-sama variable ROA, SBI dan PI berpengaruh trehadap harga saham.

Pengujian secara Parsial (Uji t)

Coefficientsa



1(Constant)-4432.1031845.732-2.401.022

ROA157.80115.963.9769.885.000.4252.353

SBI890.510338.080.1722.634.013.9681.033



Variabel ROA

Berdasarkan hasil analisis menunjukkan bahwa t hitung sebesar 9.885 dengan tingkat probabilitas sebesar 0.000. Nilai probabalitas yang ditunjukkan oleh nilai sig. sebesar 0.00 yang lebih kecil dari 0.00, maka dapat diambil keputusan bahwa ROA berpengaruh trehadap harga saham.

Variabel SBI

Berdasarkan hasil analisis menunjukkan bahwa t hitung sebesar 92.634 dengan tingkat probabilitas sebesar 0.013. Nilai probabalitas yang ditunjukkan oleh nilai sig. sebesar 0.013 yang lebih kecil dari 0.00, maka dapat diambil keputusan bahwa SBI berpengaruh trehadap harga saham.

Variabel Pengungkapan Informasi

Berdasarkan hasil analisis menunjukkan bahwa t hitung sebesar -1.287dengan tingkat probabilitas sebesar 0.207. Nilai probabalitas yang ditunjukkan oleh nilai sig. sebesar 0.207yang lebih besar dari 0.00, maka dapat diambil keputusan bahwa Pengungkapan informasi tidak berpengaruh terhadap harga saham.

Coefficientsa



1(Constant)-4432.1031845.732-2.401.022

ROA157.80115.963

.9769.885.000.4252.353

SBI890.510338.080.1722.634.013.9681.033


R2 = 0,837

F hit =69.781

Sig. = 0,000


Uji F Y = -4432,103 + 157,801 X1 + 890,510 X2 -0,115,565

Data View Untuk Memasukkan data

Untuk Menganalisis

Data

Variabel View Untuk Membuat Variabel

3

modul kecil

Documents