ANALISA LINEAR BERGANDA DENGAN PROGRAM SPSS-16

Data yang digunakan 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). Data yang digunakan 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 abaikan Hipotesisnya nanti klo 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 diperoleh secara Sekunder atau data yang telah dikelolah menjadi sebuah Angka Mutlak (RASIO) dengan n-6

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 ANALYZE→REGRESSION→LINEAR hingga 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 :

Terlihat bahwa nilai R Squre cukup tinggi sebesar 91% menunjukan nilai yang lebih besar dari α= 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 ( ANALIZE→LINEAR→REGRESSION) masukan variabel dependen dan independent. Kemudian pilih option PLOT,  masukan variabel SRESID pada 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 (ANALIZE→LINEAR→REGRESSION→PLOTS), 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 (ANALIZE→LINEAR→REGRESSION→OK) 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 :

Tabel 5.11. Uji F’ menunjukan  bahwa nilai F_hitung 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 :

Uji statistik t-test (PARSIAL) menunjukan:

1. Pengaruh NPL (ϰ1) terhadap ROA (Y)

Non Performing Loans (NPL) memiliki nilai signifikansi (Sig.) 0.001 pada tabel Coefficients^a dengan nilai α(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 (ϰ2) terhadap ROA (Y)

Kualitas Aktiva Produktif (KAP) memiliki nilai signifkansi (Sig,) 0.040 dengan nilai α(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 (R­²)

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.

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 :

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%