NAMA

NIM

PRAKTIKUM MANAJEMEN KEUANGAN

ANALISIS REGRESI
Variables Entered/Removedb
Model
1

Variables
Entered

Variables
Removed

GROWTH,
COL, CRa

Method
. Enter

a. All requested variables entered.

b. Dependent Variable: ROE

Model Summary

Model
1

R Square
.146a

Adjusted R Square

.021

Std. Error of the Estimate

-.002

171.88425

a. Predictors: (Constant), GROWTH, COL, CR

Dari tampilan output spss model sumarry besarnya adjusted R square adalah -0,002, hal ini berarti 2% variasi ROE tidak dapat dijelaskan oleh var
growth, cr, col. Sedangkan sisanya (100%-2%= 98%) dijelaskan oleh sebab-sebab yang lain diluar model.
Standar eror estimate sebesar 171.88425. makin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi
variabel dependent.

ANOVAb
Sum of
Squares

Model
1

Regression

df

Mean Square

79407.604

26469.201

Residual

3663480.109

124

29544.194

Total

3742887.713

127

Sig.
.445a

.896

a. Predictors: (Constant), GROWTH, COL, CR

b. Dependent Variable: ROE
Dari uji ANOVA atau F Test didapat nilai F hitung sebesar 0.896 dengan probabilitas 0.445 karena
probabilitas lebih besar dari 0.05, maka model regresi tidak dapat digunakan untuk memprediksi
ROE atau dapat dikatakan bahwa GROWTH, CR, COL secara bersama-sama tidak berpengaruh
terhadap ROE.
Coefficientsa
Unstandardized Coefficients
Model
1

Std. Error

(Constant)

8.127

43.371

CR

-.053

.160

COL

112.491

GROWTH

-46.053

a. Dependent Variable: ROE

Dari ketiga variabel independent
yang dimaksukkan kedalam model
regresi variabel CR, COL dan
GROWTH tidak signifikan hal ini
dapat dilihat dari probabilitas
signifikan untuk ketiga variabel
diatas 0.05. dari sini dapat
disimpulkan bahwa variabel ROE
tidak dipengaruhi oleh variabel CR,
COL, GROWTH.

Standardized
Coefficients
Beta

Sig.
.187

.852

-.032

-.330

.742

85.350

.126

1.318

.190

73.132

-.057

-.630

.530

ANALISIS FAKTOR
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

.535

Approx. Chi-Square

22.292

Df

Sig.
.000
Hasil uji KMO ternyata diatas 0,50, bearti data dapat dilakukan analisis faktor.

Total Variance Explained

Initial Eigenvalues

Extraction Sums of Squared Loadings

Comp
onent Total

% of
Variance

Cumulative
%

1.449

48.296

48.296

.930

31.005

79.301

.621

20.699

100.000

Total

% of
Variance

Cumulative %

1.449

48.296

48.296

Extraction Method: Principal Component

Analysis.
Dari ketiga variabel yang dianalisis ternyata hasil ekstraksi komputer menjadi satu faktor (nilai eigen
value = 1 menjadi faktor). Faktor ini mampu menjelaskan 48.29% variasi.
Component Matrixa
Component
1
GROWT
.456
H
COL

.772

CR

-.804

Extraction Method:
Principal Component
Analysis.
a. 1 components
extracted.

Analisis faktor yang telah kita lakukan diatas sering disebut dengan exploratory factor analysis
karena kita ingin mencari pengelompokkan baru variabel asli menjadi variabel yang jumlahnya
semakin sedikit. Karena variabel asli yang kita gunakan hanya sedikit, maka jumlah variabel tetap
(konstan).