FEB Univ. 17 Agustus 1945 Jakarta Program Pengabdian Masyarakat 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 Tim Dosen FEB

FEB Univ. 17 Agustus 1945 Jakarta Program Pengabdian Masyarakat Proses Penelitian Tim Dosen FEB UTA'45 Jkt Pelatihan SPSS Tim Dosen FEB

Contoh Judul Penelitian: Menggunakan Data Primer Pengaruh Kualitas Informasi Akuntansi dan Good Corporate Governance terhadap Dukungan Manajemen Atas Usaha Usaha Berkelanjutan Di Bidang Sosial Dan Lingkungan Hidup. 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

Pengolahan Data Primer Bersumber dari Kuisioner Rekap Data Kuisioner di Excel atau Langsung input di SPSS (Lihat Lampiran kuisioner penelitian dan rekapnya). Uji Kelayakan data dengan Uji Validitas dan Uji Reliabilitas Data. 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

Pengolahan Data Sekunder Bersumber dari Lap. Keuangan & Pasar Modal Rekap Data Keuangan di Excel atau Langsung input di SPSS (Lihat Lampiran Data). Uji Kelayakan data untuk regresi dengan uji normalitas dan uji asumsi klasik (multikolinieritas, autokoreasi, dan heteroskedastisitas). 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

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

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

Uji Regresi Berganda Klik Analyze, Regression, Linier seperti tampilan dibawah ini: Tim Dosen FEB UTA'45 Jkt Pelatihan SPSS

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

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

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

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

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

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 1,40 1,67 1,737 2,33 2,60 4 Tim Dosen FEB UTA'45 Jkt Pelatihan SPSS

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

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

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

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

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

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