BAB 6 ANALISIS REGRESI LINIER
6.4. Studi Kasus
Dalam bahan ajar ini akan diberikan 2 buah contoh kasus, yang pertama contoh kasus dalam bidang manajemen sumber daya manusia dan yang kedua contoh kasus dalam bidang akuntansi.
40 | P r a k t i k u m S P S S 2 1 . 0 1. Bidang MSDM
Judul penelitian : Pengaruh Motivasi dan Budaya Inovasi Terhadap Kinerja Karyawan PT. X
Tujuan : Ingin mengetahui pengaruh signifikan Motivasi dan Budaya Inovasi Terhadap Kinerja Karyawan
Sampel penelitian : 30 karyawan PT. X dengan hasil tabulasi sebagai berikut : Tabel 6.2. Data Motivasi, Budaya Inovasi dan Kinerja Karyawan PT. X
No X1 X2 Y No X1 X2 Y 1 16 19 15 16 16 20 18 2 17 16 20 17 16 20 20 3 17 20 20 18 17 20 20 4 17 19 20 19 17 15 17 5 17 20 20 20 21 18 20 6 14 20 15 21 19 20 20 7 20 20 20 22 19 20 20 8 19 15 15 23 17 20 20 9 18 16 17 24 19 20 20 10 20 20 20 25 20 20 20 11 16 15 15 26 20 20 20 12 20 20 20 27 17 20 17 13 18 18 18 28 17 17 20 14 15 15 15 29 19 17 17 15 20 19 19 30 16 15 15
Sumber : Data Simulasi Keterangan : X1 = Motivasi X2 = Budaya Inovasi Y = Kinerja Karyawan Langkah Menjawab 1. Menentukan hipotesis Hipotesis penelitian
“Diduga terdapat pengaruh yang signifikan Motivasi dan Budaya Inovasi
41 | P r a k t i k u m S P S S 2 1 . 0
Hipotesis Statistik (biasanya ada di bab 3 dalam sub bab analisis data
Secara Simultan
H0: 1= 2= 0; Secara simultan tidak terdapat pengaruh yang signifikan antara Motivasi dan Budaya Inovasi terhadap Kinerja Karyawan H1: Minimal satu i≠0, dimana i = 1,2; Secara simultan terdapat pengaruh
yang signifikan antara Motivasi dan Budaya Inovasi terhadap Kinerja Karyawan
Secara Parsial
H0: 1,2= 0; Secara parsial tidak terdapat pengaruh yang signifikan antara Motivasi dan Budaya Inovasi terhadap Kinerja Karyawan H1: 1,2≠0; Secara parsial terdapat pengaruh yang signifikan antara
Motivasi dan Budaya Inovasi terhadap Kinerja Karyawan 2. Taraf signifikansi α = 0,05
3. Menghitung Fhitung dan thitung dengan menggunakan SPSS 4. Kriteria pengujian :
Jika Fhitung dan thitung≤ Ftabel dan ttabel atau nilai sig. ≥ 0,05 maka H0 diterima
Jika Fhitung dan thitung > Ftabel dan ttabel atau nilai sig. < 0,05 maka H0 ditolak 5. Membandingkan Fhitung dan thitung dengan Ftabel dan ttabel atau nilai sig. dengan
0,05
6. Membuat kesimpulan
Praktek SPSS
Pilih menu ANALYZE, pilih REGRESSION, pilih linier
42 | P r a k t i k u m S P S S 2 1 . 0
Masukkan variable MOTIVASI (X1) dan BUDAYA INOVASI (X2) ke dalam INDEPENDENT(S) dan Kinerja Karyawan ke dalam
DEPENDENT
Gambar 6.2. Kotak dialog variabel yang dimasukkan
Klik STATITICS dan centang COLINIERITY DIAGNOSTICS,
DURBIN-WATSON dan klik continue
43 | P r a k t i k u m S P S S 2 1 . 0
Klik PLOT dan centang NORMAL PROBABILITY PLOT, masukkan
ZPRED ke dalam X dan SRESID ke dalam Y dan klik CONTINUE
Gambar 6.4. Kotak dialog uji heteroskedastisitas dan normalitas
Klik OK.
Output SPSS (ditampilkan dalam lampiran laporan penelitian)
Variables Entered/Removedb
Model Variables Entered Variables Removed Method
1 Budaya Inovasi, Motivasi
. Enter
a. All requested variables entered. b. Dependent Variable: Kinerja Karyawan
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 ,736a ,542 ,508 1,435 2,069
a. Predictors: (Constant), Budaya Inovasi, Motivasi b. Dependent Variable: Kinerja Karyawan
44 | P r a k t i k u m S P S S 2 1 . 0
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 65,798 2 32,899 15,985 ,000a
Residual 55,569 27 2,058
Total 121,367 29
a. Predictors: (Constant), Budaya Inovasi, Motivasi b. Dependent Variable: Kinerja Karyawan
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,180 3,279 ,055 ,957
Motivasi ,465 ,155 ,402 2,995 ,006 ,941 1,062
Budaya Inovasi ,540 ,138 ,527 3,928 ,001 ,941 1,062
45 | P r a k t i k u m S P S S 2 1 . 0 INTERPRETASI OUTPUT SPSS
1. Persamaan Regresi (table Coefficient)
Model Unstandardized Coefficients B Std. Error 1 (Constant) ,180 3,279 Motivasi ,465 ,155 Budaya Inovasi ,540 ,138
a. Dependent Variable: Kinerja Karyawan
Y= a+b1X1+b2X2
= 0,180 + 0,465X1 + 0,540X2
- a = 0,180; artinya apabila MOTIVASI (x1) dan BUDAYA INOVASI (x2)
diasumsikan tidak memiliki pengaruh sama sekali (=0) maka Kinerja karyawan adalah sebesar 0,180
- b1= 0,465;artinya apabila MOTIVASI (x1) naik 1 (satu) satuan dan BUDAYA INOVASI (x2) tetap maka Kinerja karyawan akan naik sebesar 0,465
46 | P r a k t i k u m S P S S 2 1 . 0
- b2= 0,540; artinya apabila BUDAYA INOVASI (x2) naik 1 (satu) satuan dan MOTIVASI (x1) tetap maka Kinerja karyawan akan naik sebesar 0,540 2. Koefisien Determinasi (table model summary)
Merupakan besarnya variasi dari Kinerja karyawan (Y) yang dapat dijelaskan oleh MOTIVASI (x1) dan BUDAYA INOVASI (x2)
Model R R Square Adjusted R Square
1 ,736a ,542 ,508
Nilai R-Square=0,542 menunjukkan besarnya variasi MOTIVASI (x1) dan BUDAYA INOVASI (x2) dalam menjelaskan variasi Kinerja karyawan (Y) adalah sebesar 54,2%. Berarti masih ada variabel lain sebesar 45,8% yang dapat menjelaskan variasi Kinerja karyawan tetapi tidak diteliti dalam penelitian ini.
bisa juga dengan Adjusted R-Square (tapi semestinya digunakan untuk
pemilihan model terbaik) 3. Pengujian Hipotesis
a. Uji F (Pengaruh secara simultan) dilihat di table Anova
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 65,798 2 32,899 15,985 ,000a
Residual 55,569 27 2,058
Total 121,367 29
Nilai Fhitung=15,985 > Ftabel (2,27) =3,354 atau nilai sig. = 0,000 < 0,05
H0 ditolak; artinya secara bersama-sama MOTIVASI (x1) dan BUDAYA INOVASI (x2) memiliki pengaruh yang signifikan terhadap Kinerja karyawan (Y)
Catatan : Untuk mencari F table caranya dengan melihat df1 dan df2
df1 = k = banyak variable bebas df2 = n-k-1; n = banyaknya data Atau dengan menggunakan excel ketik
“=Finv(probability, deg_freedom1, deg_freedom2)” enter
47 | P r a k t i k u m S P S S 2 1 . 0
b. Uji t (Pengaruh secara parsial/Individu) dilihat di table coefficient
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,180 3,279 ,055 ,957 Motivasi ,465 ,155 ,402 2,995 ,006 Budaya Inovasi ,540 ,138 ,527 3,928 ,001
a. Dependent Variable: Kinerja Karyawan
- Untuk MOTIVASI (X1) Nilai thitung= 2,995 > ttabel(α/2;27) = 2,052
atau nilai sig. = 0,006 < 0,05 H0 ditolak; artinya MOTIVASI (X1) secara parsial berpengaruh signifikan terhadap Kinerja karyawan (Y)
- Untuk BUDAYA INOVASI (X2) Nilai thitung=3,928 > ttabel(α/2;27)
= 2,052 atau nilai sig. = 0,001 < 0,05 H0 ditolak; artinya BUDAYA INOVASI (X2) secara parsial berpengaruh signifikan terhadap Kinerja karyawan (Y)
Catatan : Untuk mencari t table caranya dengan melihat α=0,05 dan df - Jika pengujian 1 arah maka yang dilihat langsung α = 0,05;
jika pengujian 2 arah maka α = 0,05/2 = 0,025 - df= n-k-1; n = banyaknya data
Atau bisa menggunakan Excel ketik “=tinv(probability, deg_freedom)” enter
48 | P r a k t i k u m S P S S 2 1 . 0 INTERPRETASI ASUMSI KLASIK
1. Normalitas
Dari gambar di atas dapat dilihat bahwa titik-titik menyebar mengikuti garis diagonal dan berada di sekita garis diagonal sehingga dapat disimpulkan residual berdistribusi normal
2. Multikolinieritas (Tabel coefficients)
Model Collinearity Statistics Tolerance VIF 1 (Constant) MOTIVASI ,941 1,062 BUDAYA INOVASI ,941 1,062
a. Dependent Variable: Kinerja karyawan
Dari table di atas diketahui bahwa nilai VIF kedua variable kurang dari 10, sehingga tidak terjadi hubungan antar variable bebas atau asumsi multikolinieritas telah terpenuhi
49 | P r a k t i k u m S P S S 2 1 . 0
3. Heteroskedastisitas
Gambar di atas menunjukkan titik-titik menyebar secara acak tidak membentuk pola serta berada di atas nol dan di bawa nol, sehingga asumsi heteroskedastisitas telah terpenuhi
4. Autokeralasi (table model summary)
Model Durbin-Watson
1 2,069
a. Predictors: (Constant), BUDAYA INOVASI, MOTIVASI b. Dependent Variable: Kinerja karyawan
Nilai durbin watson (dw) yang dihasilkan adalah 2,069; nilai du (2,30) =1,57 sehingga 4-du=4-1,57=2,43
Dapat disimpulkan nilai durbin watson (dw) terletak antara du s/d 4-u sehingga asumsi autokorelasi telah terpenuhi
Catatan : nilai du dicari dari table durbin Watson dengan cara mencari pertemuan antara kolom k = banyak variable bebas dan baris n = banyak data
50 | P r a k t i k u m S P S S 2 1 . 0 2. Bidang Akuntansi
Judul penelitian : Faktor-faktor yang mempengaruhi harga saham pada perusahaan manufaktur di BEI tahun 2008 sd 2011
Tujuan : Ingin mengetahui pengaruh yang signifikan rasio keuangan PER dan ROI terhadap Harga Saham
Sampel penelitian : 5 perusahaan manufaktur (perusahaan A, B, C, D dan E) Periode : 2008 sd 2011
Tabel 6.3. Data PER, ROI dan Harga Saham
Perusahaan Tahun PER ROI Harga
Saham Perusahaan A 2008 15,56 5,83 8000 Perusahaan B 2008 8,00 8,75 10000 Perusanaan C 2008 16,57 9,20 10600 Perusahaan D 2008 14,83 8,82 9270 Perusahaan E 2008 5,97 6,23 9000 Perusahaan A 2009 16,56 8,53 9000 Perusahaan B 2009 16,98 9,38 10200 Perusanaan C 2009 4,24 6,03 8750 Perusahaan D 2009 10,85 5,20 6500 Perusahaan E 2009 16,93 10,25 11430 Perusahaan A 2010 10,50 8,62 9450 Perusahaan B 2010 14,45 12,42 12800 Perusanaan C 2010 4,00 4,75 8250 Perusahaan D 2010 13,24 7,37 7600 Perusahaan E 2010 7,47 8,00 8300 Perusahaan A 2011 17,24 12,07 13000 Perusahaan B 2011 12,68 10,40 10900 Perusanaan C 2011 3,28 3,14 7500 Perusahaan D 2011 5,05 5,00 8950 Perusahaan E 2011 7,45 7,72 8200
Sumber : Data simulasi
Langkah Menjawab
1. Menentukan hipotesis
Hipotesis penelitian
“Diduga terdapat pengaruh yang signifikan PER dan ROI terhadap Harga Saham”
51 | P r a k t i k u m S P S S 2 1 . 0
Hipotesis Statistik (biasanya ada di bab 3 dalam sub bab analisis data
Untuk Simultan
H0: 1= 2= 0; Secara simultan tidak terdapat pengaruh yang signifikan antara PER dan ROI terhadap Harga Saham
H1: Minimal satu i≠0, dimana i = 1,2; Secara simultan terdapat pengaruh yang signifikan antara PER dan ROI terhadap Harga Saham
Untuk Parsial
H0: 1,2= 0; Secara parsial tidak terdapat pengaruh yang signifikan antara PER dan ROI terhadap Harga Saham
H1: 1,2≠0; Secara parsial terdapat pengaruh yang signifikan antara PER dan ROI terhadap Harga Saham
2. Taraf signifikansi α = 0,05
3. Menghitung Fhitung dan thitung dengan menggunakan SPSS 4. Kriteria pengujian :
Jika Fhitung dan thitung≤ Ftabel dan ttabel atau nilai sig. ≥ 0,05 maka H0 diterima
Jika Fhitung dan thitung > Ftabel dan ttabel atau nilai sig. < 0,05 maka H0 ditolak 5. Membandingkan Fhitung dan thitung dengan Ftabel dan ttabel atau nilai sig. dengan
0,05
6. Membuat kesimpulan
Praktek SPSS
Langkah-langkah di SPSS sama dengan contoh pada kasus manajemen di atas
Pilih menu ANALYZE, pilih REGRESSION, pilih linier
Masukkan variable PER (X1) dan ROI (X2) ke dalam INDEPENDENT(S)
dan Harga Saham ke dalam DEPENDENT
Klik STATITICS dan centang COLINIERITY DIAGNOSTICS,
DURBIN-WATSON dan klik continue
Klik PLOT dan centang NORMAL PROBABILITY PLOT, masukkan
ZPRED ke dalam X dan SRESID ke dalam Y dan klik CONTINUE
52 | P r a k t i k u m S P S S 2 1 . 0
Output SPSS (ditampilkan dalam lampiran laporan penelitian)
Variables Entered/Removedb
Model Variables Entered Variables Removed Method
1 ROI, PERa . Enter
a. All requested variables entered. b. Dependent Variable: Harga Saham
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 ,879a ,773 ,746 860,648 2,424
a. Predictors: (Constant), ROI, PER b. Dependent Variable: Harga Saham
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 42891144,751 2 21445572,376 28,953 ,000a
Residual 12592155,249 17 740715,015
Total 55483300,000 19
a. Predictors: (Constant), ROI, PER b. Dependent Variable: Harga Saham
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 4604,424 661,443 6,961 ,000
PER -64,991 56,322 -,190 -1,154 ,264 ,490 2,039
ROI 697,671 114,543 1,005 6,091 ,000 ,490 2,039
54 | P r a k t i k u m S P S S 2 1 . 0 INTERPRETASI OUTPUT SPSS
1. Persamaan Regresi (table Coefficient)
Model Unstandardized Coefficients B Std. Error 1 (Constant) 4604,424 661,443 PER -64,991 56,322 ROI 697,671 114,543
a. Dependent Variable: Harga Saham
Y = a+b1X1+b2X2
= 4604,424 - 64,991X1 + 697,671X2
- a = 4604,424; artinya apabila PER (x1) dan ROI (x2) diasumsikan tidak memiliki pengaruh sama sekali (=0) maka Harga Saham adalah sebesar 4604,424
- b1= - 64,991;artinya apabila PER (x1) naik 1 (satu) persen dan ROI (x2) tetap maka Harga Saham akan turun sebesar 64,991 Rupiah
- b2= 697,671; artinya apabila ROI (x2) naik 1 (satu) persen dan PER (x1) tetap maka Harga Saham akan naik sebesar 697,671 Rupiah
2. Koefisien Determinasi (table model summary)
Merupakan besarnya variasi Harga Saham (Y) yang dapat dijelaskan oleh PER (x1) dan ROI (x2)
Model R R Square Adjusted R Square
1 ,879a ,773 ,746
nilai R-Square=0,773 menunjukkan besarnya variasi PER (x1) dan ROI (x2) dalam menjelaskan variasi Harga Saham (Y) adalah sebesar 77,3%. Berarti masih ada variabel lain sebesar 22,7% yang dapat menjelaskan variasi Harga Saham tetapi tidak diteliti dalam penelitian ini.
bisa juga dengan Adjusted R-Square (tapi semestinya digunakan untuk
pemilihan model terbaik)
55 | P r a k t i k u m S P S S 2 1 . 0
a. Uji F (Pengaruh secara simultan) dilihat di table Anova
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 42891144,751 2 21445572,376 28,953 ,000a
Residual 12592155,249 17 740715,015
Total 55483300,000 19
Nilai Fhitung=28,953 > Ftabel (2,17) =3,592 atau nilai sig. = 0,000 < 0,05
H0 ditolak; artinya secara bersama-sama PER (x1) dan ROI (x2) memiliki pengaruh yang signifikan terhadap Harga Saham (Y)
Catatan : Untuk mencari F table caranya dengan melihat df1 dan df2
df1 = k = banyak variable bebas df2 = n-k-1; n = banyaknya data
Atau dengan menggunakan excel ketik
“=Finv(probability, deg_freedom1, deg_freedom2)” enter
b. Uji t (Pengaruh secara parsial/Individu) dilihat di table coefficient
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4604,424 661,443 6,961 ,000 PER -64,991 56,322 -,190 -1,154 ,264 ROI 697,671 114,543 1,005 6,091 ,000
- Untuk PER (X1) Nilai thitung= - 1,154 < ttabel(α/2;17) = 2,110 atau
nilai sig. = 0,264 > 0,05 H0 diterima; artinya PER (X1) secara parsial tidak berpengaruh signifikan terhadap Harga Saham (Y)
- Untuk ROI (X2) Nilai thitung=6,091 > ttabel (α/2;17) = 2,110 atau
nilai sig. = 0,000 < 0,05 H0 ditolak; artinya ROI (X2) secara parsial berpengaruh signifikan terhadap Harga Saham (Y)
Catatan : Untuk mencari t table caranya dengan melihat α=0,05 dan df - Jika pengujian 1 arah maka yang dilihat langsung α = 0,05;
jika pengujian 2 arah maka α = 0,05/2 = 0,025 - df= n-k-1; n = banyaknya data
Atau bisa menggunakan Excel ketik “=tinv(probability, deg_freedom)” enter
56 | P r a k t i k u m S P S S 2 1 . 0 INTERPRETASI ASUMSI KLASIK
1. Normalitas
Dari gambar di atas dapat dilihat bahwa titik-titik menyebar mengikuti garis diagonal dan berada di sekita garis diagonal sehingga dapat disimpulkan residual berdistribusi normal
2. Multikolinieritas (Tabel coefficients)
Model Collinearity Statistics Tolerance VIF 1 (Constant) PER ,490 2,039 ROI ,490 2,039
a. Dependent Variable: Harga Saham
Dari tabel di atas diketahui bahwa nilai VIF kedua variable kurang dari 10, sehingga tidak terjadi hubungan antar variable bebas atau asumsi multikolinieritas telah terpenuhi
57 | P r a k t i k u m S P S S 2 1 . 0
3. Heteroskedastisitas
Gambar di atas menunjukkan titik-titik menyebar secara acak tidak membentuk pola serta berada di atas nol dan di bawa nol, sehingga asumsi heteroskedastisitas telah terpenuhi
4. Autokeralasi (table model summary)
Model Durbin-Watson
1 2,424
a. Predictors: (Constant), ROI, PER b. Dependent Variable: Harga Saham
Nilai durbin watson (dw) yang dihasilkan adalah 2,424; nilai du (2,20) =1,54 sehingga 4-du=4-1,54=2,46
Dapat disimpulkan nilai durbin watson (dw) terletak antara du s/d 4-u sehingga asumsi autokorelasi telah terpenuhi
Catatan : nilai du dicari dari table durbin Watson dengan cara mencari pertemuan k = banyak variable bebas dengan n = banyak data
NB : Jika Asumsi Normalitas dan Heteroskedastisitas tidak terpenuhi maka dapat dilakukan TRANSFORMASI DATA dengan menggunakan LOGARITMA
58 | P r a k t i k u m S P S S 2 1 . 0
Langkah-Langkah :
1. Klik TRANSFORM COMPUTE.
Gambar 6.5. Menu transformasi variabel Sehingga muncul kotak dialog berikut :
59 | P r a k t i k u m S P S S 2 1 . 0
2. Isi kolom Target Variable dengan calon variable baru (misal L_x1)
Gambar 6.7. Kotak dialog target variable
3. Isi kolom Numeric Expression dengan LG10(x1) atau bisa dipilih melalui kolom Function and Special Variable
Gambar 6.8. Kotak dialog numeric expression
Klik OK
60 | P r a k t i k u m S P S S 2 1 . 0
DAFTAR PUSTAKA
Ghazali, I., 2005, Aplikasi Analisis Multivariate dengan SPSS, Badan Penerbit Universitas Diponegoro, Semarang.
Gujarati D.N., Porter C., 2010, Dasar-Dasar Ekonometrika, Edisi 5, Penerjemah : Eugenia Mardanugraha, Sita Wardhani, dan Carlos Mangunsong, Salemba Empat, Jakarta.
McClave J.T., Benson P.G., Sincich T., 2011, Statistik untuk Bisnis dan Ekonomi, Jilid 2 Edisi Kesebelas, Alih Bahasa : Irzam Hardiansyah, Erlangga, Jakarta.
Nurgiyantoro, B., Gunawan & Marzuki, 2004, Statistik Terapan Untuk Ilmu-ilmu Sosial, Gadjah Mada University Press, Yogyakarta
Priyatno, D., 2010, Paham Analisa Statistik Data dengan SPSS, Mediakom, Yogyakarta
Riduwan, 2011, Dasar-dasar Statistika, Alfabeta, Bandung
Santoso, S., 2011, Mastering SPSS Versi 19, Elex Media Komputindo, Jakarta Setiawan dan Kusrini D.E., 2010, Ekonometrika, Andi Offset, Yogyakarta Sulistiyo, J., 2010, 6 hari jago SPSS 17, Cakrawala, Yogyakarta