ADIL TRI HABDA HARAHAP 0905102010090 PENGANTAR EKONOMETRIKA (Kamis, 14.

20) ANALISIS REGRESI LINEAR BERGANDA Model Analisis regresi merupakan teknik statistika yang digunakan untuk mengidentifikasi dan membuat model mengenai kaitan antar variabel. Kaitan tersebut adalah antara satu variabel tak bebas dengan satu atau lebih variabel bebas. Jika model regresi tersebut melibatkan lebih dari satu variabel bebas dengan kaitan bersifat linear maka disebut model regresi liner berganda. Model umum matematisnya adalah sebagai berikut: yang terdiri dari satu variabel tak bebas (y) dan k buah variabel bebas (xi). Parameter-parameter j dimana j =0, 1, , k disebut koefisien regresi. Pengertian linear digunakan untuk menunjukkan fungsi linear dari paramater j-nya. Sedangkan menunjukkan pengaruh variabel lain yang tidak diamati. Model regresi tersebut akan diduga oleh model regresi yang diformulasikan berdasarkan contoh data yang diamati. Perhitungan yang akan digunakan dalam analisis regresi linear berganda disini melibatkan 1 variabel bebas dan 4 buah variabel tak bebas dengan contoh data sebanyak 24 buah item data untuk bidang kajian manajemen teknologi. Analisis yang dilakukan mencakup pengujian apakah datanya memenuhi asumsi distribusi normal, estimasi parameter model, pendugaan selang kepercayaan untuk populasinya, pengujian signifikansi hubungan linear pada model regresi yang diformulasikan, serta diagnosis regresinya yang terdiri dari evaluasi kecocokan model regresi, dentifikasi dan pengaruh data pencilan, dan pengujian adanya multikolinearitas. Pendefinisian Variabel Analisis regresi ini adalah untuk melihat hubungan antara daya saing bank (Y) dengan Kualifikasi Sumber Daya Manusia di bidang komputer(X1), tingkat restrukturisasi organisasi (X2), Tingkat integrasi Teknologi informasi yang diimplementasikan(X3), dan Tingkat diversifikasi produk dan jasa perbankan berbasis teknologi informasi (X4). Dengan analisis regresi diharapkan dapat diketahui variabel mana yang terkait linear dan seberapa besar signifikansinya terhadap daya saing bank. Jenis dan fungsi masing-masing variabel tersebut selengkapnya dapat dilihat pada tabel 1 berikut. Tabel 1. Jenis dan fungsi variabel yang akan dianalisis dengan model regresi linear berganda Fungsi Notasi Label Variabel Tingkat daya saing bank yang telah Tak bebas mengimplementasikan tekhnologi Y Informasi Kualifikasi SDM di bidang Bebas teknologi informasi Bebas Tingkat restrukturisasi oraganisasi Tingkat integrasi teknologi yang Bebas diimplikasikan Diversifikasi produk dan jasa bank Bebas berbasis teknologi informasi

Taraf pengukuran variabel-variabel yang digunakan adalah ordinal sehingga perlu dikonversi ke skala interval supaya bisa dianalisis dengan menggunakan model regresi. Data hasil ransformasi ke skala interval selengkapnya dapat dilihat pada Tabel 2 berikut ini. No. Y 1 136673 106433 81023 27302 33407 2 129085 108636 82700 32700 49550 3 156384 105611 86293 33856 57636 4 117553 119871 75461 27829 72004 5 140681 107520 74381 32344 64077 6 154653 107939 84675 28439 70027 7 160000 124857 90150 30036 69616 8 118320 113725 88795 29988 66741 9 98400 81300 40800 25584 36300 10 137100 123541 70600 27202 57661 11 160355 128440 76973 31850 57131 12 137780 124944 84874 30665 50286 13 135881 107695 70300 27634 64424 14 134872 108347 83910 27329 62126 15 131937 107569 82204 32227 65430 16 110000 100435 73246 26075 48082 17 156323 113772 90778 28087 70027 18 118014 97900 82980 27538 55662 19 130084 109709 83772 30144 62227 20 142554 108032 77143 27781 57850 21 159321 115916 87070 33463 70027 22 154118 118319 96701 32240 56800 23 132008 104575 71182 29329 50755 24 130000 100768 74661 32380 55474 Asumsi Kenormalan Data Analisis regresi mengandung asumsi-asumsi yang meliputi variabel tak bebas berhubungan secara linear dengan variabel bebas, variabel bebas tidak berkorelasi, semua variabel dalam skala interval, variabel dependent harus berdistribusi normal, dan variasi variabel tak bebas harus konstan. Pengujian yang akan dilakukan disini adalah uji normal saja. Uji normal berdasarkan analisis grafik dengan menggunakan 2 jenis grafik, yaitu (1) histogram distribusi normal untuk data residual dan (2) Grafik yang memplot probabilitas kumulatif data obervasi dengan dengan probabilitas kumulatif hasil regresinya. Kedua grafik yang dapat dihasilkan oleh program SPSS berdasarkan data pengukuran dapat dilihat pada Gambar 1 dan 2 berikut. Berdasarkan gambar 1, terlihat bahwa distribusi frekuensi kumulatif untuk data residu yang sudah distandarkan mendekati kurva normal (ditunjukkan oleh garis berwarna hitam).

Histogram

Dependent Variable: Y

Frequency

0 -3 -2 -1 0 1 2

Mean =9.37E-17 Std. Dev. =0.909 N =24

Sedangkan berdasarkan Gambar 2 diatas maka data observasi juga mendekati distribusi normal, Regression Standardized Residual yaitu ditunjukkan dengan titik-titik yang secara acak dan tidak berpola berada disekitar garis diagonal (garis dimana probabilitas kumulatif observasi sama dengan probabilitas kumulatif regresi). Jadi Normal P-P Plot of Regression Standardized Residual asumsi mengenai kenormalan data terpenuhi atau data hasil pengamatan tersebut bisa dianalisis dengan menggunakan regresi linear.
Dependent Variable: Y

1.0

Expected Cum Prob

0.8

0.6

0.4

0.2

0.0 0.0 0.2 0.4 0.6 0.8 1.0

Pendugaan dan Uji Hipotesis Observed Cum Prob Model persamaan regresi linear berganda yang akan digunakan dalam perhitungan adalah sebagai berikut : Penentuan nilai-nilai koefisien persamaan regresi, yaitu 0, 1, 2, 3, dan 4, menggunakan metoda jumlah kuadrat terkecil. Perhitungan selengkapnya untuk penentuan nilai-nilai koefisien tersebut dengan menggunakan perangkat lunak SPSS adalah sebagai berikut : Coefficients(a)

Model 1

Unstandardized Coefficients B Std. Error 37105.08 5 .325 .332 1.200 .307

Standardized Coefficients Beta

t Zero-order -.468

Sig. Partial .645 .095 .258 .154 .678

(Constan t) 17362.287 X1 .571 X2 .387 X3 1.780 X4 .129 a Dependent Variable: Y

.350 .249 .263 .078

1.756 1.165 1.483 .421

Nilai-nilai estimasi untuk koefisien j adalah nilai-nilai yang terlihat pada tabel yaitu nilai-nilai B untuk setiap variabel, yaitu = -17362.287 , = 0,571 , = 0,387 , = 1,780 , dan = 0,129, atau dengan persamaan regresi selengkapnya adalah: berikut: 1. Koefisien regresi yang positif pada setiap variabel bebas menunjukkan bahwa daya saing bank akan semakin tinggi jika kualifikasi SDM di bidang komputer, tingkat restrukturisasi organisasi, tingkat integrasi teknologi informasi, dan diversifikasi produk perbankan berbasis teknologi informasi semakin tinggi, 2. Jika untuk satu variabel bebas berubah sebesar 1 pada saat variabel bebas lainnya tetap maka pengaruhnya terhadap daya saing bank adalah meningkat 0,571 satuan jika kualifikasi SDM meningkat 1 satuan, meningkat 0,387 satuan jika tingkat restrukturisasi meningkat 1 satuan, meningkat 1,780 satuan jika tingkat integrasi teknologi meningkat 1 satuan, dan meningkat sebesar 0,129 satuan jika diversifikasi produk meningkat 1 satuan.