ANALISA LINEAR

BERGANDA DENGAN
PROGRAM SPSS-16
NOVEMBER 24, 2013 GABRIEL AEMAN

9 Votes

ANALISA LINEAR BERGANDA DENGAN PROGRAM SPSS-16

Tutorial kali ini kita akan membahasa Analisa Stattistik dengan

menggunakan aplikasi Software Statistik Pakage Software Systen
(SPSS). Kali ini dengan menggunakan SPSS-ver 16 , Aplikasi ini sangat
mudah digunakan terutama dalam bentuk analisa Statistik data
kuantitatif.

Kali ini data yang akan kita gunakan adalah data keuangan yang
diambil dari sebuah Laporan Keuangan Perusahaan, kita akan
menganalisa apakah Non Performing Loans (NPL), Biaya Operasional
dan Pengeluaran Opersional (BOPO) dan Return on Assset (ROA).
Betul.!!! Sobat data yang kita gunakan adalah Rasio Keuangan,
Analisa Regresi Berganda dapat kita gunakan pada variable yang
bersifat Rasio dengan persayaratan jumlah Sample (dalam hal ini data
akurat) yang kita gunakan Minimal berjumlah 6 (enam)sample,
berbeda dengan Analisa yang bersifat Logistik atau menyangkut
jumlah populasi atau data yang diambil bersifat langsung, dalam
analisa terssebut sample yang digunakan minimum 30-n (30 sample).

Hipotesis dalam Uji Statistik sangat dibutuhkan tapi kali ini kita abaikan
Hipotesisnya yachhhhhh sobat nanti qlo bikin hipotesis jangan lupa
hasil uji hipotesis diterima di tolak nanti taruh juga di dalam hasil
penelitian

Sobat kita golongkan varibel terlebih dahulu yakni Variabel Terikan (Y)
dan Variabel Bebas (X)
NPL =X1

BOPO = X2

ROA = Y

Berikut ini adalah data Rasio yang kita peroleh secara Sekunder atau
data yang telah dikelolah menjadi sebuah Angka Mutlak (RASIO)
dengan n-6

NPL =X1 BOPO = X2 ROA = Y

0.31 1.2 3.7

0.44 1.3 3.6

0.89 1.0 3.1

1.23 1.6 2.9

1.24 1.2 2.7

0.45 2.5 3.2

0.43 2.6 3.2

0.34 1.2 3.5

PENGUJIAN LINEAR BERGANDA DENGAN STATISTIK SPSS-16

Pertama jalankan Program SPSS

Langkah 1

Pilih data view pada bagian bawah halaman spss dan masukan cukup
angka yang terterah di tabel di atas
Langkah 2

Pilih Variabel View yang berada di samping data View maka di

sini sobat kita akan memberikan keterangan mengenai data-data yang

kita imput barusan, lihat gambar dibawah ini
Ketiklah pada kolom Label berurutan kebawah NPL,KAP, ROA
Langka 3

Pada langka ini kita akan melakukan analisa, tetapi sebelum malakukan
anlisa regresi linear berganda kita harus melakukan uji ASUMSI
KLASIK, hal ini dilakukan untuk menguji apakah persamaan yang kita
gunakan atau uji statistic yang kita gunakan berdistribusi Normal atau
tidak, jika berdistribusi Normal artinya Data yang kita gunakan Layak
untuk dilakukan uji Regresi Linear Berganda.
Adapun Uji Klasik yang kita gunakan kali ini adalah

1. Uji Multikoreliniaritas
2. Uji Heteroskedastisidas
3. Uji Normatif
MULTIKOLINEARITAS

Multikolinieritas berarti adanya hubungan yang kuat di antara

beberapa atau semua variabel bebas pada model regresi. Jika terdapat
Multikolinieritas maka koefisien regresi menjadi tidak tentu, tingkat
kesalahannya menjadi sangat besar dan biasanya ditandai dengan nilai
koefisien determinasi yang sangat besar tetapi pada pengujian parsial
koefisien regresi, tidak ada ataupun kalau ada sangat sedikit sekali
koefisien regresi yang signifikan. Pada penelitian ini digunakan nilai
variance inflation factors (VIF) sebagai indikator ada
tidaknya multikolinieritas diantara variabel bebas nilai VIF harus lebih
besar dari 10.
Dari menu Utama SPSS
klik ANALYZEREGRESSIONLINEARhingga tampak seperti gambar
berikut
 Setelah kotak dialog muncul, Seret ROA kedalam kolom variabel
Dependen dan NPL, BOPO ke kolom variabelti Independen pada
kotak Method pilih Entek lalu tekan/klik OK, perhatikan ganbar
dibawah :

Selanjutnya klik menu STATISTICS dan centang ESTIMATES (Untuk

meminta koefisien Regresi), COVARIANCE MATRIX (untuk meminta
matrix korelasi antara variabel independen), MATRIX FIT (untuk
meminta koefisien determinasi ), Part and Partial Correlation (untuk
meminta korelasi parsial dan zero order korelasi) dan Collinearity
Diagnosis(untuk meminta nilai tolerance dan VIF) , Klik CONTINUE
OK
 Hasil Output SPSS menunjukan :

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1
.956a .915 .880 .11968

a. Predictors: (Constant), BOPO, NPL

Terlihat bahwa nilai R Squre cukup tinggi sebesar 91% menunjukan

nilai yang lebih besar dari = 5% dan Nilai VIF keseluruhan yang diatas
10% menunjukan tidak adanya gejalah Multikolinearitas.

HETEROSKEDATISIDAS

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain. Apabila koefisien korelasi dari masing-masing
variabel independen ada yang signifikan pada tingkat kekeliruan 5%
(0,05), mengindikasikan adanya heteroskedastisitas.

Lankukan analisa regresi seperti diatas

(ANALIZELINEARREGRESSION) masukan variabel dependen dan
independent. Kemudian pilih option PLOT, masukan
 variabel SRESIDpada kotak Y, dan ZPRED pada kotak X kemudian
klik CONTINUE dan OK
Perhatikan gambar di bawah :

Maka output vieweer yang dihasilkan seperti dibawah ini :

Terlihat grafik scalerplot diatas bahwa titik tidak menyebar secara acak
baik dibawah angka 0 pada sumbuh Y. Hal ini menyimpulkan bahwa
terjadi Heterokedastisidas model Regresi. Maka data yang kita gunakan
memenuhi syarat untuk dilakukan Regresi Berganda.

UJI NORMATIF

Uji Normatif adalah uji asumsi klasik terakhir yang kita gunakan
sebelum kita melanjutkan ke uji Regresi Linear berganda. Asumsi
normalitas merupakan persyaratan yang sangat penting pada
pengujian kebermaknaan (signifikansi) koefisien regressi, apabila
model regressi tidak berdistribusi normal maka kesimpulan dari uji F
dan uji t masih meragukan, karena statistik uji F dan uji t pada analisis
regressi diturunkan dari distribusi normal.
Lakukan seperti langka sebelumnya dalam uji
Heteroskedastisidas (ANALIZELINEARREGRESSIONPLOTS),
selanjutkan tinggal mencentang/
menaktifkan HISTOGRAM dan NORMAL PROBABILITY
PLOT pada bagian Standardized Residual Plot abaikan yang lain dan
tekan CONTINUE dan OK.
Output yang dihasilkan sebagai berikut :

Grafik diatas mempertegas bahwa model regressi yang diperoleh

berdisitribusi normal, dimana sebaran data berada disekitar garis

diagonal.
Nah sobat kita telah melakukan tiga uji asumsi klasik dan hasil output
SPSS menunjukan bahwa uji Asumsi Klasik memenuhi persyaratan
untuk melakukan uji Regresi Linear Berganda.
UJI REGRESI LINEAR BERGANDA

UJi Linear Bergandai dilakukan untuk memprediksi apakah variable X

berpengaruh terhadap variabel Y dan seberapa besar pengaruhnya
kedua variabel bebas terhadap variabel terikat Y, Uji Regresi Linear
Berganda teridir dari Uji secara Simultan (Uji F) dan Uji Secara Parsial
(Uji T).

Seperty yang kita lakukan sebelumnya lakukan tahap

(ANALIZELINEARREGRESSIONOK) mudahkan sobat, maka akan
tampil outpun yang akan kit abaca seperti dibawah ini :
Nah.. cara bacanya begini :

Uji F-test

Uji F digunakan untuk mengetahui apakah variabel-variabel

independen secara simultan berpengaruh signifikan terhadap variabel
dependen. Derajat kepercayaan yang digunakan adalah 0,05. Apabila
nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel
maka hipotesis alternatif, yang menyatakan bahwa semua variabel
independen secara simultan berpengaruh signifikan terhadap variabel
dependen. Outputnya sebagai berikut :
 ANOVAb

Sum of Mean
Model Squares df Square F Sig.

Regressio
n
.767 2 .384 26.779 .002a

Residual
.072 5 .014

1 Total
.839 7

a. Predictors: (Constant), NPL, BOPO

b. Dependent Variable: ROA

Tabel 5.11. Uji F menunjukan bahwa nilai Fhitung sebesar 26.779 dengan
tingkat (sig) 0.002 atau dapat nilai signifikansi 0.002 lebih kecil dari
nilai probabilitas 0.005.
Hal tersebut membuktikan bahwa terdapat pengaruh
signifikan antara NPL dan BOPO terhadap ROA atau Secara
Simultan (bersama-sama) NPL dan BOPO signifikan terhadap
ROA

Uji t-test

Uji t digunakan untuk mengetahui apakah variabel-variabel independen

secara parsial berpengaruh nyata atau tidak terhadap variabel
dependen. Derajat signifikansi yang digunakan adalah 0,05. Apabila
nilai signifikan lebih kecil dari derajat kepercayaan maka kita menerima
hipotesis alternatif, yang menyatakan bahwa suatu variabel
independen secara parsial mempengaruhi variabel dependen.
Outputnya sebagai berikut :
 Coefficientsa

Standardiz
ed
Unstandardized Coefficient
Coefficients s

Model B Std. Error Beta t Sig.

(Consta
nt)
4.140 .164 25.197 .000

BOPO
-.207 .075 -.373 -2.755 .040

1 NPL
-.866 .119 -.984 -7.266 .001

a. Dependent Variable:
ROA

Uji statistik t-test (PARSIAL) menunjukan:

1. Pengaruh NPL (1) terhadap ROA (Y)

Non Performing Loans (NPL) memiliki nilai signifikansi (Sig.) 0.001 pada
tabelCoefficientsa dengan nilai (derajat signifkansi) 0.05 artinya
0.001<0.05 atau Terdapat pengaruh yang signifikan Kredit Bermasalah
(NPL) terhadap variabel terikat Profitabilitas (ROA).
2. Pengaruh BOPO (2) terhadap ROA (Y)
Kualitas Aktiva Produktif (KAP) memiliki nilai signifkansi (Sig,) 0.040
dengan nilai (derajat signifkansi) 0.05 artinya 0.04<0.05
atau terdapat pengaruh yang signifikan antara Biaya Operasional dan
Pendapatan Operasional (BOPO) terhadap Profitabilitas (ROA).

Koefisien Determinan (R)

Koefisien determinasi digunakan untuk mengetahui seberapa besar

hubungan dari beberapa variabel dalam pengertian yang lebih jelas.
Koefisien determinasi akan menjelaskan seberapa besar perubahan
atau variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi
pada variabel yang lain.
Dalam bahasa sehari-hari adalah kemampuan variabel bebas untuk
berkontribusi terhadap variabel tetapnya dalam satuan persentase.

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1
.956a .915 .880 .11968

a. Predictors: (Constant), NPL, BOPO

b. Dependent Variable: ROA

Uji determinasi menunjukan bahwa nilai (Adjusted R Square) 0.88 hal

ini menunjukan bahwa KAP dan NPL berpengaruh 88% terhadap
ROA(Profitabilitas) dan sisanya 22% dipengaruhi oleh variabel lain yang
tidak diteliti.

Analisis Regresi Linear Berganda

Analisis regresi berganda digunakan untuk menguji pengaruh variabel

independen yaitu kredit bermasalah dan BOPO terhadap profitabilitas.
Estimasi model regresi linier berganda ini menggunakan software SPSS
dan diperoleh hasil output sebagai berikut :
 Coefficientsa

Standardiz
ed
Unstandardized Coefficient
Coefficients s

Model B Std. Error Beta t Sig.

(Consta
nt)
4.140 .164 25.197 .000

BOPO
-.207 .075 -.373 -2.755 .040

1 NPL
-.866 .119 -.984 -7.266 .001

a. Dependent Variable:
ROA

Hasil uji Regresi Linear berganda menunjukan bahwa

1. Nilai (constant) menunjukan nilai sebesar 4,140 artinya

jika nilai variabel independent (bebas) nol maka nilai
varibel dependen (terikat) sebesar 4.140 dalam hal ini jika Rasio
NPL dan BOPO bernilai 0,00 (nol) maka rasio ROA akan meningkat
sebesar 4% (pembulatan)
2. Nilai variabel Non Performing Loans (NPL) menunjukan tanda
negative dinilai (-0.984) artinya setiap kenaikan 1(satu) nilai pada
variabel NPL dalam hal ini meningkatkan 1% Rasio NPL akan
menurukan nilai variabel Y (Rasio ROA) sebesar 0,99%
3. Nilai varibel BOPO juga menunjukan tanda negative yang berarti
setiap kenaikan 1(satu) nilai pada variabel KAP akan menurunkan
nilai variabel Y, dalam hal ini setiap meningkatnya 1% Rasio KAP
akan menurunkan profitabilitas (ROA) sebesar 0.37%
NAH selesai sudah Tutorial uji Statistik Linear Berganda dan bagi yang
lagi buat Skripsi semoga ini bisa membantu terutama yang bikin Sripsi
menyangkut Laporan keuangan dengan Rasio, dan Ingat sobat analisa
Rasio yang kita gunakan dan kita pelajari biasanya pada kenyataannya
hanya untuk Informasi buat keadaan yang sudah berlalu atau sekedar
info peforma perusahaan satu tahun berjalan mengenai tingkat
kesehatannya, sementara mengapa Rasio Keuangan digunakan Analisa
Statistik jawabanya Analisa Statistik itu digunakan
untuk MEMPREDIKSI kedepan mengenai keuangan perusahaan
kedepannya dan dari hasil olahan statistic maka perusahaan bisa
mengambil kebijakan mengenai perencanaan keuangan
kedepannya.. !!!