BAB I
Pengantar Statistik
Statistik adalah metode, ilmu dan seni yang dipergunakan untuk mempelajari
pengumpulan data, analisis data dan interpretasi hasil analisis serta mempergunakannnya
untuk maksud peramalan. Statistika sering digunakan dalam penelitian kuantitatif, untuk
mengumpulkan, mengolah, dan mengambil kesimpulan. Pemilihan metode statistika
dipengaruhi oleh beberapa hal antara lain :
1. Tujuan Penelitian
Metode analisis statistika yang dipakai dalam penelitian tergantung dari tujuan
peneliti sendiri, apakah tujuan penelitian tersebut ingin menggambarkan objek penelitian
saja, atau membandingkan beberapa objek, atau ingin mengetahui hubungan antar objek
penelitian. Sehingga berdasarkan tujuan penelitiannya metode analisis statistik dapat dibagi
menjadi 3 antara lain :
a. Deskriptif : menggambar dan menjelaskan objek penelitian
Contoh : Analisis profil perusahaan gudang garam, deskripsi pegawai di kantor
perpajakan kota Malang, dan lain sebagainya
b. Komparatif : membandingkan dua atau lebih objek penelitian
Contoh : Membandingkan kualitas produk dari dua perusahaan yang berbeda,
mengetahui income perusahaan sesudah dilakukan pembaruan strategi perusahaan,
dan lain sebagainya
c. Assosiatif : mengetahui hubungan dan pengaruh antar variabel penelitian
Contoh : Meneliti pengaruh laba perusahaan terhadap nilai perusahan, dan lain
sebagainya
2. Skala Data
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi data nominal,
ordinal, interval dan ratio.
1) Data Nominal adalah data yang dinyatakan dalam bentuk kategori dan mengandung
unsur penamaan Data nominal mempunyai dua ciri :
a. Kategori data bersifat mutually exclusive (satu objek masuk hanya pada satu kelompok
saja),
b. Kategori data tidak disusun secara logis.
Contoh data nominal:
Jurusan Mahasiswa
Statistika
Ilmu Pemerintahan
Keperawatan
Statistika adalah pendekatan kuantitatif, sehingga data nominal yang bersifat kualitatif
harus dirubah menjadi data kuantitatif dengan cara pemberian skor (skoring). Yang perlu
diperhatikan bahwa dalam pemberian skor data nominal bersifat sembarang, yaitu hanya
sekedar untuk dapat membedakan (penamaan saja) sehingga dapat di bolak-balik.
2) Data Ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur
urutan (order=urut). Ciri dari data ini kategori data disusun berdasarkan urutan logis dan
sesuai dengan besarnya karakteristik yang dimiliki.
Contoh data ordinal:
Preferensi
Peralatan dan Teknologi canggih (seperti computer) yang
Skor
4
dimiliki BRI
Penataan desain dan baik interior maupun eksterior BRI
Penampilan dan kerapian karyawan BRI
Kebersihan dan kerapihan fasilitas BRI
2
3
4
3
2
1
Perbedaan antara pembuatan skor untuk data ordinal dan nominal adalah jika data
nominal skor dapat dibuat sembarang (tidak harus urut), tetapi untuk data ordinal urutan
menunjukkan arah tingkatan.
3) Data Interval adalah data yang selain mengandung unsur penamaan dan urutan juga
memiliki sifat interval (selangnya bermakna). Disamping itu data ini memiliki ciri angka
nolnya tidak mutlak. Skala interval mempunyai ciri matematis additivity, artinya kita dapat
menambah atau mengurangi.
Contoh data interval:
IP
0
1
2
3
4
Perhatikan bahwa 0 pada indeks Prestasi barangkali akan setara dengan < 30 untuk
skala nilai 1 100 dan 0 pada suhu dengan derajat celcius = 32o F.
4) Data Rasio adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna
dan angka nolnya mutlak (fixed zero point), sehingga rationya mempunyai makna.
Contoh data rasio:
Luas Bangunan (
Produksi
(satuan)
)
25
530
2
35
45
600
750
Disebut nolnya mutlak sebab memang tidak akan ada perusahaan yang produksinya
0. kalau produksinya nol berarti tidak ada perusahaan. Atau jika ada bangunan dengan luas
0 m2 itu berarti tidak ada bangunannya.
3. Jumlah Variabel
Jumlah variabel penelitian juga menentukan analisis statistika yang akan dipakai
pada suatu penelitian, analisis statistika yang digunakan untuk membandingkan dua
perusahaan
hanya
berdasarkan
jumlah
penjualannya
saja
jelas
berbeda
jika
membandingkan berdasarkan jumlah karyawan, aset, dan juga laba perusahaan perbulan.
Sehingga berdasarkan jumlah variabelnya analisis statistik dibagi menjadi 2 antara lain:
1. Analisis Statistik Univariat : Analisis Statistika yang memperhitungkan faktor atau
variabel tungal
Contoh : membandingkan jumlah pernjualan barang dari perusahaan A dan perusahaan
B
2. Analisis Statistik Multivariat : Analisis Statistika yang memperhitungkan banyak faktor
atau multi variabel
Contoh : membandingkan nilai perusahaan dilihat dari laba, aset, dan berbagai aspek
lainnya
BAB II
Analisis Deskriptif
2. Contoh Kasus
Kualitas Pelayanan Dalam Membayar Pajak di Kota Batu
Data Karakteristik Responden
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Jenis Kelamin
Laki-Laki
Laki-Laki
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
Perempuan
Perempuan
Pendidikan
SMA
SD
SMA
Sarjana
Sarjana
SMA
SMP
SMA
Sarjana
SMP
SMA
SD
SMA
SD
Kualitas Pelayanan
5
2
3
1
4
4
4
5
5
3
3
3
4
4
4
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Perempuan
Laki-Laki
Perempuan
Perempuan
Laki-Laki
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
SMA
Sarjana
SMP
SMA
Sarjana
Sarjana
SD
SMP
SMP
SMA
Sarjana
Sarjana
SMA
SMA
Sarjana
Sarjana
SMP
SMA
SMA
SMA
Sarjana
SD
SD
SD
SMP
SMP
SMA
SD
SD
SMA
SMP
SMP
SD
SD
SMP
SMP
4
2
2
1
4
4
4
2
2
5
4
4
4
3
3
3
3
4
4
4
4
4
4
5
5
3
3
3
3
4
4
4
4
4
4
5
4. Setelah muncul kotak dialog seperti dibawah, klik tanda panah ke arah kanan untuk
memasukkan variabel yang akan di deskripsikan
5. Setelah semua dipindahkan semua variabel dipindahkan, klik tombol chart untuk
membuat diagram pada variabel yang akan dideskriptifkan
6. Setelah muncul kotak dialog seperti di bawah, pilih diagram yang diinginkan contoh
diagram pie (pie chart), setelah itu klik continue
b. Output SPSS
Setelah di lakukan analisis maka akan keluar output seperti dibawah ini :
Frequencies
Valid
Missing
Statistics
Pelayanan Jenis_Kelamin Pendidikan
50
50
50
0
0
0
Pada Output Baris Valid diatas menunjukkan jumlah data pada masing-masing
variabel yang telah diinput sedangkan baris Missing menunjukkan jumlah data yang hilang
Frequency Table
Jenis_Kelamin
Frequency Percent
Valid
Perempuan
Laki-Laki
Total
24
26
50
48.0
52.0
100.0
Valid
Percent
48.0
52.0
100.0
Cumulative
Percent
48.0
100.0
Pendidikan
8
Frequenc
Percent
Valid
Valid
SD
SMP
SMA
Sarjana
Total
10
13
16
11
50
Percent
20.0
26.0
32.0
22.0
100.0
20.0
26.0
32.0
22.0
100.0
Pelayanan
Frequenc Percent
y
sangat tidak
Valid
puas
tidak puas
Cukup
Puas
Sangat Puas
Total
Cumulative
Percent
20.0
46.0
78.0
100.0
Valid
Cumulative
Percent
Percent
4.0
4.0
4.0
5
12
24
7
50
10.0
24.0
48.0
14.0
100.0
10.0
24.0
48.0
14.0
100.0
14.0
38.0
86.0
100.0
Output diagram yang didapat sama dengan output di excel namun tampilan grafisnya
lebih baik, sehingga lebih representative jika digunakan untuk presentasi
10
BAB III
Korelasi
namun yang
sering digunakan dalam penelitian sosial maupun ekonomi adalah korelasi pearson dan
korelasi spearman.
Korelasi Pearson digunakan untuk mengetahui hubungan antar variabel yang
datanya berupa data numerik (skala data : interval dan rasio). Contohnya jika kita ingin
meneliti hubungan antara jumlah penjualan dengan laba harian, atau meneliti hubungan
ukuran perusahaan dengan kinerja perusahaan, dan lain sebagainya.
Korelasi Spearman digunakan untuk mengetahui hubungan antar variabel yang
datanya berupa data ordinal, kebanyakan kasus berupa data persepsi. Contohnya jika kita
ingin mengetahui minat baca koran mahasiswa dengan wawasan politik mahasiswa, dan lain
sebagainya.
Analisis korelasi bertujuan untuk mengetahui arah dan keeratan antar variabel, untuk
menentukan keeratan tersebut dapat dilihat dari koefisien korelasi, berikut beberapa hal
yang perlu diketahui tentang koefisien korelasi :
1. Nilai Koefisien korelasi besarnya berada diantara -1 sampai 1, semakin besar maka
keeratan hubungannya semakin dekat
2. Arah hubungan ditentukan oleh tanda koefisien korelasi yaitu jika,
a. Positif, artinya jika X naik (turun) maka Y naik(turun).
b. Negatif, artinya jika X naik (turun) maka Y turun(naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X
3. Keeratan hubungan berdasarkan koefisien korelasi dapat digolongkan sebagai berikut :
0,00 0,199 = sangat rendah
0,20 0,399 = rendah
0,40 -0,599 = sedang
0,60 0,799 = kuat
0,80 1,000 = sangat kuat
11
Periode
1
2
Kurs
No
Periode
Desember 2013
Nopember
Rupiah
12087.1000
10392.7000
IHSG
4274.18
4256.44
26
27
3
4
5
6
7
8
9
10
11
12
13
2013
Oktober 2013
Sep-13
Agustus 2013
Juli 2013
Juni 2013
Mei 2013
Apr-13
Maret 2013
Februari 2013
Januari 2013
Desember 2012
11366.9000
9022.6000
8938.4000
8927.9000
10073.4000
9482.7000
9760.9000
9709.4000
11852.8000
9687.3000
9645.9000
4510.63
4316.18
4195.09
4610.38
4818.9
5068.63
5034.07
4940.99
4795.79
4453.7
4316.69
14
Nopember
9628.0000
15
16
17
18
19
20
21
22
23
24
25
2012
Oktober 2012
Sep-12
Agustus 2012
Juli 2012
Juni 2012
Mei 2012
Apr-12
Maret 2012
Februari 2012
Januari 2012
Desember 2011
9597.1000
9566.4000
11346.2000
10572.5000
9499.8000
9456.6000
9451.1000
9290.2000
9175.5000
9165.3000
9025.8000
Kurs
IHSG
Nopember 2011
Oktober 2011
Rupiah
9109.1000
9088.5000
3715.08
3790.85
28
29
30
31
32
33
34
35
36
37
38
Sep-11
Agustus 2011
Juli 2011
Juni 2011
Mei 2011
Apr-11
Maret 2011
Februari 2011
Januari 2011
Desember 2010
Nopember
9015.2000
8895.2000
8765.5000
8532.0000
8533.2000
8564.0000
8555.8000
8651.3000
8761.5000
8912.6000
9037.4000
3549.03
3841.73
4130.8
3888.57
3836.97
3819.62
3678.67
3470.35
3409.17
3703.51
3531.21
4276.14
39
2010
Oktober 2010
8975.8000
3635.32
4350.29
4262.56
4060.33
4142.34
3955.58
3832.82
4180.73
4121.55
3985.21
3941.69
3821.99
40
41
42
43
44
45
46
47
48
49
50
Sep-10
Agustus 2010
Juli 2010
Juni 2010
Mei 2010
Apr-10
Maret 2010
Februari 2010
Januari 2010
Desember 2009
Nopember
8971.8000
9049.5000
9148.4000
9183.2000
9027.3000
9173.7000
9348.2000
9275.5000
9457.8000
9470.0000
9881.5000
3501.3
3081.88
3069.28
2913.68
2796.96
2971.25
2777.3
2549.03
2610.8
2534.36
2415.84
2009
12
3. Setelah Muncul Kotak Seperti pada gambar, pilih variabel yang akan diuji korelasi lalu
tekan tombol kanan untuk memindah variabel ke kotak variable
13
4. Setelah variabel yang akan dianalisis sudah berada di kotak variabel, kemudian pada
pilihan coefficient correlation, pilih pearson
b. Output SPSS
Kemudian Akan Muncul Output dibawah Ini
14
Correlations
Kurs_Rupiah
Kurs_Rupiah Pearson
IHSG
.578**
Correlation
Sig. (2-tailed)
N
IHSG
Pearson
.000
60
60
**
.578
Correlation
Sig. (2-tailed)
N
.000
60
60
3.
Pengaruh Peningkatan Kualitas Mutu Pelayanan KPP dengan Bertambahnya Jumlah Wajib
Pajak (Studi Kasus KPP Pratama Batu)
Kepatuhan Wajib Pajak
4
5
5
3
5
4
5
4
3
4
4
5
4
4
4
4
4
Pelayanan
4
4
4
3
5
4
5
5
4
3
3
4
4
4
4
3
4
15
4
3
5
3
5
5
4
4
1
4
3
5
5
5
5
4
5
4
4
5
5
5
4
4
5
5
4
4
5
5
5
5
5
4
4
4
3
4
4
4
5
5
4
4
5
5
4
4
3
5
3
4
4
4
4
5
3
4
4
5
5
5
5
4
3
3
5
4
4
4
4
4
4
4
4
4
3
2
4
4
4
3
4
4
3
5
5
4
4
5
3
4
5
4
3
4
16
5
4
5
5
5
5
3
5
5
5
5
4
3
5
4
4
5
5
5
5
4
4
4
4
4
4
4
5
4
4
4
4
4
4
5
4
4
4
4
4
4
4
4
4
5
4
5
4
5
5
4
5
5
4
4
5
4
4
4
4
4
3
5
3
3
4
5
5
5
4
17
3. Setelah muncul kotak dialog seperti dibawah pindahkan semua variabel yang akan diuji
hubungannya
18
4. Setelah Semua variabel yang diuji dipindahkan ke kotak varibel (sebelah kanan),
kemudian centang spearman pada correlation coefficient
5. Kemudian Klik Ok
19
b. Output SPSS
Kemudian Akan Muncul Output dibawah
Correlations
Kepatuhan
Wajib
Pajak
Pelayanan
1.000
.199*
.047
100
100
.199*
1.000
Sig. (2-tailed)
.047
100
100
Coefficient
Pajak
Sig. (2-tailed)
N
Pelayanan Correlation
Coefficient
20
BAB IV
Uji Validitas Dan Reliabilitas
2. Uji Validitas
Contoh Data Kuesioner:
Responden
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
1
5
4
4
5
5
5
5
5
5
5
5
3
4
5
5
2
4
4
4
2
5
3
4
4
2
4
3
3
3
5
3
2
2
2
4
4
2
2
2
3
5
5
4
5
5
5
5
3
5
5
5
4
4
5
3
4
4
4
2
4
5
5
5
5
5
4
5
5
5
5
5
5
3
5
5
5
5
3
5
Item Pertanyaan
5
6
5
2
4
5
3
4
4
3
3
1
4
2
2
2
1
2
1
2
2
2
1
2
2
2
1
2
2
3
2
2
2
2
2
2
1
2
2
2
7
2
1
3
1
3
3
2
2
1
2
5
2
2
1
1
1
1
1
2
8
5
5
5
5
5
4
4
5
5
5
5
3
5
5
5
5
5
5
5
9
5
5
4
5
5
5
5
2
5
5
5
4
5
5
5
5
4
4
4
10
3
5
5
5
5
5
5
5
5
5
4
2
5
4
4
1
4
3
3
Total
42
42
41
42
39
41
38
33
37
41
40
29
33
37
36
31
33
29
31
21
20
21
22
23
24
25
26
27
28
29
30
5
5
4
4
4
4
4
5
5
4
5
1
1
2
2
1
1
1
2
2
1
2
4
4
4
4
2
5
3
3
2
4
4
5
5
5
5
3
5
5
5
5
5
5
1
1
2
1
2
1
2
2
3
2
2
1
5
2
2
1
2
1
1
2
2
1
1
1
3
1
1
1
1
1
4
1
1
5
5
5
5
5
5
4
4
5
4
5
3
3
4
4
4
3
5
3
5
3
3
4
3
3
3
3
3
4
2
2
1
1
30
33
34
31
26
30
30
28
35
27
29
22
3. Pindahkan semua skor jawaban item pertanyaan dan total jawaban ke kotak sebelah
kanan
5. Kemudian Klik OK
23
b. Output SPSS
Kemudian Akan Muncul Output dibawah ini
Correlations
total
item1
Pearson Correlation
.427*
Sig. (2-tailed)
.017
N
item2
Pearson Correlation
Sig. (2-tailed)
N
item3
Pearson Correlation
Sig. (2-tailed)
N
item4
Pearson Correlation
Pearson Correlation
N
31
31
.588**
.000
31
.470**
.008
31
.454*
Sig. (2-tailed)
.010
31
Pearson Correlation
.225
Sig. (2-tailed)
.223
N
Pearson Correlation
Sig. (2-tailed)
N
item10
.000
Pearson Correlation
N
item9
.602**
.202
Sig. (2-tailed)
item8
31
Sig. (2-tailed)
item7
.000
.236
Sig. (2-tailed)
item6
.754**
Pearson Correlation
N
item5
31
Pearson Correlation
Sig. (2-tailed)
N
31
.579**
.001
31
.656**
.000
31
Untuk Melihat kevalidan item pertanyaan dapat dilihat pada nilai signifikansi, seperti
yang terdapat pada output diatas jika nilai signifikansi kurang dari tingkat kesalahan yang
ditetapkan peneliti
pada contoh kasus diatas diketahui bahwa semua item pertanyaan valid, kecuali item
pertanyaan ke-4 dan ke-8, karena nilai signifikansinya lebih dari alpha (0,05) yaitu pada item4 sebesar 0,202 sedangkan pada item ke-8 sebesar 0,223 sehingga pertanyaan tersebut
dinyatakan tidak valid dan harus dihilangkan atau diganti dengan pertanyaan yang lain.
24
Setelah ke-2 item pertanyaan yang tidak valid dihilangkan maka bisa dilanjutkan dengan
menguji reliabilitas dari kuesioner dengan menggunakan uji reliabilitas menggunakan
software SPSS dengan langkah-langkah sebagai berikut :
3. Uji Reliabilitas
a. Langkah-langkah Uji Reliabilitas
1. Klik menu Analyze, pilih Scale, Reliability Analysis
2. Setelah Muncul kotak Reliability Analysis, pindahkan semua item pertanyaan yang
telah dinyatakan valid pada uji validitas ke kotak sebelah kanan (kotak items)
3. Setelah semua item pertanyaan yang valid sudah dipindahkan, kemudian klik Ok
25
b. Output SPSS
Setelah dilakukan analisis reliabilitas maka keluar output seperti berikut
Reliability
Untuk melihat apakah semua item pertanyaan tersebut sudah reliabel dapat dilihat
pada inlai Alpha Cronbach nya, jika nilai alpha cronbach nya lebih dari 0,6 maka pertanyaanpertanyaan tersebut sudah reliabel, pada contoh kasus diketahui bahwa nilai alpha cronbach
sebesar 0,729 lebih besar daripada 0,6 sehingga pertanyaan-pertanyaan tersebut sudah
bisa dijadikan acuan sebagai penelitian selanjutnya.
26
BAB V
Uji Komparatif
Risiko Likuiditas
Konvensional
Syariah
2,917%
118,250%
6,380%
188,447%
6,127%
142,205%
4,455%
130,196%
6,203%
270,127%
a. Langkah-langkah Analisis :
1. Masukkan data likuiditas terlebih dahulu dengan format seperti berikut
2. Kemudian klik analyze, pilih compare means, kemudian klik independent-samples Ttest
27
3. Setelah muncul kotak dialog seperti dibawah, pindah data tipe di group variabel dan
rasio resiko di test variable
4. Setelah selesai, kemudian klik define groups, untuk mengisikan jumlah kelompok
5. Isikan angka 1 pada group 1 dan angka 2 pada group 2, kemudian klik continue
28
b. Output SPSS
Pertama yang harus diperhatikan adalah pada kolom levenes test, kolom ini
digunakan untuk memilih uji t yang akan dipakai pada kolom sebelahnya, jika nilai
signifikansi pada levenes test lebih besar dari 0,05 maka signifikansi uji t yang dipakai
adalah yang berada di paling atas sendiri sejajar dengan equal variances assumed, namun
jika lebih kecil dari o,05 ujit yang dipakai adalah signifikansi uji t yang paling bawah sejajar
dengan equal variances not assumed.
Pada contoh kasus didapatkan bahwa nilai signifikansi pada levenes test lebih kecil
dari 0,05 sehingga uji t yang dipakai adalah uji t paling bawah, dan didapatkan nilai
signifikansi sebesar 0,004 nilai tersebut kurang dari alpha = 0,05 sehingga dikatakan
terdapat perbedaan rasio resiko likiditas antara Bank Konvensional dan Syariah.
Pengaruh Kebijakan Pemecahan Saham (Stock Split) terhadap Return Saham perusahaan.
(Studi Kasus Perusahaan Terbuka yang terdaftar di Bursa Efek Indonesia).
Data Return Saham Sebelum dan Setelah Stock Split Tahun 2008
Perusahaan
BBCA
BRNA
DOID
INCO
MIRA
PANS
PANR
2. Kemudian Klik Analyze, pilih compare means, kemudian pilih paired-samples T-test
3. Masukkan sebelum pada kolom variabel 1 dan sesudah pada kolom variabel 2
30
4. Klik Ok
b. Output SPSS
Untuk melihat apakah terdapat perbedaan return saham perusahaan sebelum stocksplit dan sesudah stock-split, dapat dilihat pada nilai signifikansi yang berada pada kolom
paling ujung pada output uji T, jika nilai signifikansi kurang dari 0,05 maka dapat dinyatakan
terdapat perbedaan return saham sebelum dan sesudah stock-split. Pada contoh kasusu
didapatkan nilai signifikansi lebih dari 0.05 sehingga dikatakan tidak terdapat perbedaan
return saham sebelum dan sesudah diberlakukan stock split
Jenis Bank
Bank
Pemerintahan
Bank Swasta
Nasional
Bank Swasta
Asing
Tahun
1999
2000
2001
2002
2003
1999
2000
2001
2002
2003
1999
2000
2001
2002
2003
Rasio Keuangan
96.21
83.76
80.6
87.42
84.5
24.6
30.6
41.8
40.3
43.37
56.5
72.2
80.8
75.5
88.1
32
a. Langkah-langkah ANOVA:
1. Susun data seperti berikut
3. Pada kotak dialog One Way ANOVA, masukkan variabel Rasio Keungan pada
Dependent List dan Bank pada Faktor.
33
b. Outputs SPSS
ANOVA
Rasio Keuangan
Sum of
Between
Squares
6931.31
Groups
Within Groups
Total
9
961.793
7893.112
Mean
df
Square
2
3465.660
12
14
80.149
F
43.240
Sig.
.000
Untuk melihat apakah terdapat perbedaan rasio keuangan antara ketiga bank
tersebut, dapat dilihat pada nilai signifikansi yang terdapat pada Tabel ANOVA, pada tabel
tersebut dapat diketahui bahwa ada perbedaan rasio keuangan antara ketiga Bank (nilai sig
< 0.00). Karena hasil uji F signifikan, maka dapat dilakukan uji lanjutan (Post-Hoc Test) yaitu
untuk mengetahui bank manakah yang memiliki rasio keuangan berbeda.
34
Rasio Keuangan
a
Tukey HSD
Bank
Bank Swasta Nasional
Bank Swasta Asing
Bank Pemerintahan
Sig.
N
5
5
5
Untuk mengetahui bank mana saja yang memiliki rasio keuangan yang berbeda dan
mana yang sama dapat dilihat pada kolom subset for alpha, pada uji tukey, bank yang
terletak dalam satu subset menunjukkan bahwa tidak terdapat perbedaan rasio keuangan
pada bank tersebut, sehingga berdasakan hasil uji lanjutan Tukey dapat diketahui bahwa
Bank Swasta Nasional berbeda dengan kedua bank lainnya (pada subset 1 hanya terdiri
dari Bank tersebut).
35
BAB VI
Regresi
Keterangan:
Y
X1
X2
Xn
36
1. Normalitas
Analisis regresi mensyaratkan agar data yang dianalisis menyebar secara normal,
menyebar secara normal artinya tidak terdapat data yang ekstrem yang merupakan pencilan,
atau jauh dari data yang lainnya, normalitas dari data yang diregresikan dapat dilihat salah
satunya menggunakan P-P Plot, apabila data tidak menyebar normal maka analisis regresi
tidak dapat dilakukan sebab dapat memberikan hasil yang bias, atau tidak sesuai dengan
data yang didapat.
2. Non-Multikolinearitas
Dalam analisis regresi hanya terdapat satu pengaruh yaitu pengaruh variabel bebas
terhadap variabel terikat, sehingga dalam analisis regresi dengan banyak variabel bebas,
tidak boleh terdapat hubungan antar variabel bebasnya, ini yang disebut sebagai nonmultikolinearitas, sebab apabila terdapat hubungan antar variabel bebas hal tersebut akan
mempengaruhi hasil dari penelitian, untuk melihat apakah terdapat multikolinearitas atau
tidak dapat menggunakan VIF dari hasil analisis regresi
3. Non-Heterokedastisitas
Dalam analisis regresi data yang digunakan haruslah homogen, maksudnya berasal
dari populasi yang sama, contohnya kita ingin meneliti pengaruh besar perusahaan terhadap
gaji karyawan maka, data yang diambil haruslah dari perusahaan yang sejenis, dalam hal
produksinya maupun besar tidaknya perusahaan tersebut, untuk mengetahui homogenitas
dari suatu data regresi dapat menggunakan plot residual
4. Non-Autokorelasi
Dalam regresi terdapat persyaratan bahwa tidak boleh terdapat hubungan natar data
yang didapat, hubungan antar data itu disebut autokorelasi, contohnya jika kita ingin meneliti
pengaruh laba terhadap rasio keuangan maka data yang kita ambil dari beberapa
perusahaan tidak boleh saling mempengaruhi, contohnya laba perusahaan pertama tidak
boleh dipengaruhi oleh laba perusahaan kedua dan seterusnya, asumsi ini dapat diuji
menggunakan koefisisen durbin watson
37
3. Contoh Kasus
Pengaruh Besar Perusahaan (Size) dan Corporate Governance (CG) terhadap Return of
Equity (ROE)
Perusahaan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
ROE
17,57
15,42
22,19
11,43
3,13
29,56
19,24
13,79
1,71
12,38
31,55
3,30
14,58
5,79
24,00
32,25
16,12
2,23
0,40
14,91
SIZE
12,94
12,64
13,48
13,17
12,75
12,59
13,64
12,86
11,67
13,28
12,90
12,62
11,89
11,32
13,57
13,16
12,44
12,14
11,42
13,29
CG
85,99
82,65
91,67
82,98
82,23
76,99
69,33
91,42
77,6
84,58
84,11
82,55
77,53
82,65
86,89
82,98
73,19
76,96
69,97
85,26
38
3. Masukkan variabel ROE pada kotak variabel dependen sedangkan CG dan SIZE pada
kotak variabel dependen
39
4. Klik menu statistik, kemudian centang collinearity diasnogtics, dan durbin watson
seperti contoh, kemudian klik continue
5. kemudian klik menu plots, masukkan ZPRED pada kolom sebelah kiri, pada kotak Y dan
SDRESID pada kotak X, kemudian centang normal probability plot kemudian klik
continue
6. Klik Ok
40
b. Output SPSS
Regression
Model Summaryb
Model
R
.586a
Adjusted R
Std. Error of
Square
the Estimate
R Square
.343
.266
Durbin-Watson
8.51207
2.530
Squares
Regression
df
Mean Square
643.584
321.792
Residual
1231.740
17
72.455
Total
1875.324
19
F
4.441
Sig.
.028a
41
Pada Output ANOVA, bagian terpenting adalah pada nilai signifikansi, nilai
signifikansi pada tabel ANOVA menunjukkan pengaruh variabel bebas secara bersamaan
terhadap variabel terikat, dalam hal ini pengaruh bersamaan SIZE dan CG terhadap ROE,
jika nilainya kurang dari 0,05, maka tabel ANOVA untuk regresi data contoh dapat
disimpulkan bahwa terdapat pengaruh secara bersamaan yang signifikan dari SIZE dan CG
terhadap ROE.
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
(Consta
nt)
SIZE
Std. Error
-91.943
37.570
8.372
3.127
.004
.355
CG
Beta
Collinearity Statistics
t
Sig.
Tolerance
VIF
-2.447
.026
.585
2.677
.016
.810
1.235
.002
.010
.992
.810
1.235
a. Dependent Variable:
ROE
Pada Output coefficient bagian terpenting adalah pada nilai B, signifikansi, dan VIF,
signifikansi menunjukkan apakah terdapat pengaruh variabel bebas terhadap variabel terikat
secara sendiri-sendiri jika nilai signifikansi kurang dari 0,05 maka dapat disimpulakn bahwa
terdapat pengaruh yang signifikan variabel bebas terhadap variabel terikat, pada tabel
coefficient data contoh dapat diketahui bahwa nilai signifikansi SIZE kurang dari 0,05 ini
menunjukkan bahwa SIZE mempengaruhi ROE secara signifikan, sedangkan pada
signifikansi CG didapatkan nilainya sebesar 0,992 lebih besar daripada 0,05, sehingga dapat
disimpulkan CG tidak mempengaruhi ROE secara signifikan.
Kolom VIF menunjukkan apakah data yang kita analisis sudah memenuhi asumsi
non-multikolinearitas atau tidak, jika tiap nilai VIF < 10, maka data yang kita analisis sudah
memenuhi asumsi non-multikolinearitas, pada data contoh didapatkan nilai VIF kedua
variabel sebesar 1,235 lebih kecil dari 10, maka dapat disimpulkan bahwa data contoh sudah
memenuhi asumsi non-multikolinearitas
Bagian penting terakhir yaitu kolom B, kolom ini menunjukkan model regresi yang kita
dapat nilai konstanta menunjukkan besarnya 0 , sedangkan nilai yang lainnya menunjukkan
pengaruh masing-masing variabel bebas terhadap variabel terikat sehingga berdasarkan
kolom B kita mendapatkan persaamaan regresi sebagai berikut :
42
Berdasarkan model tersebut dapat kita ketahui bahwa pengaruh size terhadap ROE
sebesar 8,372 sehingga apabila size perusahaan bertambah 1 satuan maka ROE akan
bertambah sebesar 8,372, begitu juga dengan CG apabila bertambah 1 satuan akan
meningkatkan ROE sebesar 0,04
Charts
Output Normal P-P Plot menunjukkan apakah data kita sudah memenuhi asumsi
normalitas apabila titik-titik pada P-P plot yang menunjukkan data kita menyebar disekitar
garis diagonal maka data kita sudah memenuhi asumsi normalitas, pada output data contoh
dapat dilihat pada P-P plot titik-titik data menyebar disekitar garis diagonal sehingga dapat
disimpulkan bahwa data contoh sudah memenuhi asumsi normalitas
43
Output yang terakhir adalah plot residual yang digunakan untuk mengetahui apakah
data yang kita analisis sudah memenuhi asumsi non-heterokedatisistas atau tidak, untuk
mengetahuinya dapat kita ketahui plot pada scatter plot output SPSS apabila plot atau titik
pada gambar menyebar di atas dan dibawah nilai 0, dan tidak membentuk pola tertentu,
maka data yang kita analisis sudah memenuhi asumsi non-heterokedastisitas, dengan
melihat gambar output SPSS dapat diktahui bahwa plot residual menyebar di atas dan
dibawah 0, dan tidak membentuk pola tertentu, sehingga dapat disimpulkan bahwa data
contoh sudah memenuhi asumsi non-heterokedatisitas.
44
45