TUGAS KULIAH ANALISIS REGRESI

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRICE EARNING

RATIO SAHAM-SAHAM PERUSAHAAN YANG TERDAFTAR DI BURSA EFEK
JAKARTA

Oleh:
Febbi Meidawati
G14130017

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2016

Daftar Isi
PENDAHULUAN

Latar Belakang

Tujuan

TINJAUAN PUSTAKA

Regresi Linear Berganda

Uji Asumsi Klasik 2

Uji Asumsi Multikolinearitas 2
Uji Asumsi Heteroskedastisitas
Uji Asumsi Autokorelasi

Uji Asumsi Normalitas 2

BAHAN DAN METODE

Metode Pengumpulan Data

Metode Pengolahan Data

HASIL DAN PEMBAHASAN

Persamaan Regresi dan Interpretasinya

Pengujian Asumsi10
Pemilihan Model Regresi Terbaik

13

SIMPULAN 16
DAFTAR PUSTAKA

16

LAMPIRAN 16

PENDAHULUAN
Latar Belakang
Analisis regresi merupakan alat statistika yang memanfaatkan
hubungan antara dua atau lebih peubah kuantitatif sehingga salah
satu peubah dapat diramalkan dari peubah lainnya. Analisis tersebut
bertujuan untuk mengetahui hubungan antara variabel penjelas dan
variabel terikat. Dalam analisis regresi, variabel yang mempengaruhi
disebut Independent Variable (variabel bebas) dan variabel yang
dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam
persamaan regresi hanya terdapat satu variabel bebas dan satu
variabel terikat, maka selanjutnya disebut regresi linear sederhana,
sedangkan jika variabel bebasnya lebih dari satu, maka selanjutnya
disebut sebagai regresi linear beganda.
Umumnya, satu variabel terikat tidak hanya dipengaruhi oleh
satu peubah penjelas/bebas. Maka dari itu, regresi linear berganda
seringkali dimodelkan untuk menyelesaikan kasus ini. Pada penulisan
makalah ini, akan dibahas bagaimana penerapan analisis regresi
berganda pada studi kasus faktor-faktor yang mempengaruhi Price
Earning Ratio saham-saham perusahaan yang terdaftar di bursa efek
Jakarta.
Tujuan
Tujuan dari penulisan makalah ini adalah untuk mengetahui
penerapan analisis regresi berganda dan menentukan model terbaik
pada kasus faktor-faktor yang mempengaruhi Price Earning Ratio
saham-saham perusahaan yang terdaftar di bursa efek Jakarta. Selain
itu, penulisan makalah ini disusun untuk memenuhi tugas akhir mata
kuliah Analisis Regresi (STK331).
TINJAUN PUSTAKA
Regresi Linear Berganda dan Korelasi
Regresi linear berganda adalah regresi di mana variabel
terikatnya (Y) dihubungkan atau dijelaskan lebih dari satu variabel,
mungkin dua, tiga dan seterusnya variabel bebas (X1 , X2 , X3 , , Xn)
namun masih menunjukkan diagram hubungan yang linier.
Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan
karakteristik hubungan yang ada walaupun masih saja ada variabel
yang terabaikan. Jika sebuah variabel terikat dihubungkan dengan n
1

variabel
bebas
maka
bergandanyadituliskan :

dugaan

persamaan

regresi

linier

^y = 0 + 1 X 1+ 2 X 2 ++ n X n
Korelasi berganda merupakan alat ukur mengenai hubungan
yang tejadi antaara variabel terikat (Y) dengan dua atau lebih variabel
bebas (X1, X2, X3, , Xn). Dengan analisis korelasi berganda, keeratan
atau kuat tidaknya hubungan (kuat, lemah atau tidak ada hubungan
sama sekali) antara variabel-variabel tersebut dapat diketahui.
Keeratan hubungan ini dinyatakan dengan istilah koefisien
korelasi.Koefisien korelasi berganda merupakan indeks atau angka
yang digunakan untuk mengukur keeratan hubungan antara tiga
variabel atau lebih.
Uji Asumsi Klasik
1. Uji Asumsi Multikolinearitas
Uji asumsi multikolinearitas bertujuan untuk menguji
apakah dalam model regresi ditemukan kolinearitas yang tinggi
antar peubah bebas. Multikolinearitas dapat dideteksi melalui
nilai toleransi dan Variance Inflation Factor (VIF). Apabila nilai
toleransi mendekati 1 dan VIF berada disekitar angka 1, maka
regresi bebas dari multikolinearitas (Santoso, 2000).
2. Uji Asumsi Homoskedastisitas
Uji asumsi homoskedastisitas bertujuan untuk menguji
apakah dalam model regresi linear terjadi ketidaksamaan ragam
dari residual satu pengamatan ke residual pengamatan yang
lainnya. Dara pengambilan keputusan ada atau tidaknya
heteroskedastisitas, sebagai berikut :
a Jika ada pola tertentu seperti titik titik yang ada
membentuk suatu pola literatur (bergelombang,
melebar,
kemudian
menyempit),
maka
terjadi
heteroskedastisitas
b Jika tidak ada pola tertentu yang jelas serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heteroskedastisitas.
c Dengan menggunakan uji formal, melalu uji Bartlett
dapat juga diperiksa kehomogenan ragamnya
3. Uji Asumsi Autokorelasi
Uji asusmi autokorelasi bertujuan untuk menguji apakah
dalam suatu model regresi linear terdapat korelasi antar anggota
sampel yang diurutkan berdasarkan waktu. Untuk mendiagnosis
adanya autokorelasi dalam suatu model regresi, maka dilakukan
2

pengujian terhadap nilai uji Durbin-Watson (Santoso, 2000).

Pengambilan keputusan ada atau tidaknya autokorelasi, sebagai
berikut :
a Jika nilai Durbin-Watson kurang dari -2, berarti ada
autokorelasi
b Jika nilai Durbin-Watson diantara -2 sampai +2, berarti
tidak ada autokorelasi
c Jika nilai Durbin-Watson lebih dari +2, berarti
autokorelasi negatif.
4. Uji Asumsi Normalitas
Uji asumsi normalitas bertujuan untuk menguji sebuah
model regresi, variabel independen, variabel dependen, atau
keduanya mempunyai distribusi normal atau tidak. Model regresi
yang baik adalah distribusi normal atau mendekati normal. Dasar
pengambilan keputusan memenuhi asumsi ini atau tidak,
sebagai berikut :
a Jika data menyebar normal disekitar garis diagonal dan
mengikuti arah garis diagonal, maka regresi memenuhi
asumsi normalitas.
b Jika data yang menyebar jauh dari garis diagonal dan
mengikuti arah garis diagonal, maka regresi tidak
memenuhi asumsi normalitas.

BAHAN DAN METODE

Metode Pengumpulan Data
Dalam penulisan makalah ini, penulis menggunakan data
sekunder yang diperoleh dari skripsi seorang mahasiswa Universitas
Islam Indonesia yang bernama Abdul Khalid. Skripsi ini berjudul Analisis
Faktor-Faktor yang Mempengaruhi Price Earning Ratio Saham-Saham Perusahaan yang
Terdaftar di Bursa Efek Jakarta.
Metode Pengolahan data
Untuk melihat faktor-faktor yang mempengaruhi Price Earning
Ratio saham-saham perusahaan yang terdaftar di bursa efek Jakarta,
penulis menggunakan analisis regresi linier berganda dengan bantuan
software Minitab. Sesuai data dari skripsi tersebut, penulis
menggunakan 6 variabel sebagai variabel penjelas dan 1 peubah
terikat.
Dengan menggunakan analisis regresi linier berganda, penulis
akan menduga parameter regresi dengan menggunakan metode
3

kuadrat terkecil (MKT) atau dikenal juga dengan metode ordinary least
square (OLS). Agar penduga bagi parameter regresi yang didapatkan
dengan menggunakan MKT merupakan penduga yang baik maka
sisaan atau galat harus memenuhi asumsi Gauss-Markov berikut ini:
E [ i ]=0
1
(nilai harapan/rataan sisaan = 0)
2

E [ i2 ] = 2

peubah penjelas)
E [ i j ]=0, i j
(sisaan saling bebas satu sama lain)

(ragam sisaan homogen untuk setiap nilai

Setelah kondisi-kondisi tersebut terpenuhi, langkah selanjutnya

adalah melakukan analisis regresi linier berganda terhadap data yang
dimiliki, melalui serangkaian proses perhitungan akan diperoleh
dugaan persamaan regresi bagi peubah terikat (Y). Nilai dugaan bagi
diperoleh dengan menggunakan metode jumlah kuadrat terkecil, yaitu
n

dengan meminimumkan

i2
i=1

(Jumlah Kuadrat Sisaan).

Selain diperoleh dugaan persamaan regresi, akan diperoleh juga

ANOVA (tabel sidik ragam) dan hasil serangkaian pengujian terhadap
dugaan parameter regresi (uji-t dan uji-F). Melalui hasil pengujian
tersebut dapat dilihat peubah penjelas mana saja yang berpengaruh
(p-value < taraf nyata yang digunakan) terhadap peubah teriat (Y),
baik itu pengaruh secara parsial atau individu (uji-t) maupun pengaruh
secara simultan atau bersamaan (uji-F).
Perlu diperhatikan juga adanya multikolinieritas antar peubah
penjelas, multikolinieritas yang tinggi
dapat mengakibatkan
kesimpulan yang dihasilkan tidak sesuai dengan kenyataan. Dengan
adanya
multikolinearitas
yang
tinggi,
akan
mengakibatkan
overestimate terhadap penduga yang diperoleh meskipun tetap tak
bias. Multikolinieritas dapat dilihat dari nilai Variance Inflation Factor
(VIF). Jika nilai VIF lebih dari 5, hal ini mengindikasikan adanya
multikolinearitas (VIF>5)
HASIL DAN PEMBAHASAN
Persamaan Regresi dan Interpretasinya
Prosedur pengolahan data Dari hasil operasionalisasi variabel
yang akan diuji, nilai variabel tersebut dimasukan dengan program
Minitab 16 Statistical Software. Untuk mengetahui pengaruh masingmasing variabel yang diteliti terhadap Price Earning Ratio (PER) maka
gunakan model regresi linier berganda.
Regression Analysis: PER in versus g Salesn; g ROEn; ...
4

The regression equation is

PER in = 15,3 + 0,0943 g Salesn - 0,0834 g ROEn + 0,0782 DPRn - 0,740 SBIn
+ 0,00620 g DERn + 0,0713 g ROIn
Predictor
Constant
g Salesn
g ROEn
DPRn
SBIn
g DERn
g ROIn

Coef
15,304
0,09433
-0,08339
0,07821
-0,7403
0,006203
0,071310

S = 7,03494

SE Coef
3,404
0,03695
0,01264
0,01142
0,2467
0,008682
0,006270

R-Sq = 65,4%

T
4,50
2,55
-6,60
6,85
-3,00
0,71
11,37

P
0,000
0,012
0,000
0,000
0,003
0,477
0,000

R-Sq(adj) = 63,4%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
g Salesn
g ROEn
DPRn
SBIn
g DERn
g ROIn

DF
1
1
1
1
1
1

DF
6
101
107

SS
9462,2
4998,5
14460,8

MS
1577,0
49,5

F
31,87

P
0,000

Seq SS
121,7
30,4
2783,4
124,1
0,1
6402,6

Unusual Observations
Obs
1
11
30
36
37
58
59
68
78
88
101
102

g Salesn
24,2
-9,3
-12,0
13,0
17,2
33,3
-16,4
6,8
18,1
38,5
31,7
21,7

PER in
22,590
2,930
25,390
29,070
28,500
96,610
31,180
46,820
27,170
32,280
28,490
9,890

Fit
7,179
9,955
10,589
11,198
10,066
93,622
9,840
43,307
8,738
8,155
11,788
6,121

SE Fit
1,044
6,706
1,557
1,438
1,072
6,934
1,441
5,056
1,346
2,791
1,262
3,350

Residual
15,411
-7,025
14,801
17,872
18,434
2,988
21,340
3,513
18,432
24,125
16,702
3,769

St Resid
2,22R
-3,31RX
2,16R
2,60R
2,65R
2,51RX
3,10R
0,72 X
2,67R
3,74R
2,41R
0,61 X

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

Model Regresi
PER 0 + 1 g Salesn 2 0,0834 g ROEn+ 3 DPRn 4 SBIn+ 5 g DERn+ 6 g ROIn+

Keterangan:
5

PER in = Price Earning Ratio saham pada tahun ke-n

0 = Intersep
g Salesn = Pertumbuhan penjualan pada tahun ke-n
g ROEn = Pertumbuhan Return on Equity pada tahun ke-n
DPRn = Dividend Payout Ratio pada tahun ke-n
SBIn = Tingkat suku bunga Sertifikat Bank Indonesia pada tahun ke-n
g DERn = Pertumbuhan Debt to Equity Ratio pada tahun ke-n
g ROIn = Pertumbuhan Return On Investment pada tahun ke-n
1 , 2 , 3 , 4 , 5 , 6 = Koefisien variabel penjelas

= Standar error

Persamaan Regresi

PER 15,3+0,0943 g Salesn0,0834 g ROEn+ 0,0782 DPRn0,740 SBIn+0,00620 g DERn+0,0713 g RO

Interpretasi:
15,3 = Besarnya Price Earning Ratio saat pertumbuhan penjualan,
pertumbuhan Return on Equity, Dividend Payout Ratio, tingkat suku
bunga Sertifikat Bank Indonesia, pertumbuhan Debt to Equity Ratio,
dan pertumbuhan Return On Investment sama dengan nol adalah
sebesar 1530,4%.
0,0943 = Jika pertumbuhan penjualan naik 100% maka besarnya ratarata Price Earning Ratio akan naik sebesar 9,43% dengan asumsi
pertumbuhan Return on Equity, Dividend Payout Ratio, tingkat suku
bunga Sertifikat Bank Indonesia, pertumbuhan Debt to Equity Ratio,
dan pertumbuhan Return On Investment konstan.
-0,0834 = Jika pertumbuhan Return on Equity naik 100% maka
besarnya rata-rata Price Earning Ratio akan turun sebesar 8,34%
dengan asumsi pertumbuhan penjualan, Dividend Payout Ratio, tingkat
6

suku bunga Sertifikat Bank Indonesia, pertumbuhan Debt to Equity

Ratio, dan pertumbuhan Return On Investment konstan;
0,0782 = Jika Dividend Payout Ratio naik 100% maka besarnya ratarata Price Earning Ratio akan naik sebesar 7,82% dengan asumsi
pertumbuhan penjualan, pertumbuhan Return on Equity, tingkat suku
bunga Sertifikat Bank Indonesia, pertumbuhan Debt to Equity Ratio,
dan pertumbuhan Return On Investment konstan;
-0,740 = Jika tingkat suku bunga Sertifikat Bank Indonesia naik 100%
maka besarnya rata-rata Price Earning Ratio akan turun sebesar 7,40%
dengan asumsi pertumbuhan penjualan, pertumbuhan Return on
Equity, Dividend Payout Ratio, pertumbuhan Debt to Equity Ratio, dan
pertumbuhan Return On Investment konstan;
0,00620 = Jika pertumbuhan Debt to Equity Ratio naik 100% maka
besarnya rata-rata Price Earning Ratio akan naik sebesar 0,62%
dengan asumsi pertumbuhan penjualan, pertumbuhan Return on
Equity, Dividend Payout Ratio, tingkat suku bunga Sertifikat Bank
Indonesia, dan pertumbuhan Return On Investment konstan;
0,0713 = Jika pertumbuhan Return On Investment naik 100% maka
besarnya rata-rata Price Earning Ratio akan naik sebesar 7,13%
dengan asumsi pertumbuhan penjualan, pertumbuhan Return on
Equity, Dividend Payout Ratio, tingkat suku bunga Sertifikat Bank
Indonesia, dan pertumbuhan Debt to Equity Ratio.
Uji f
Uji f digunakan untuk mengetahui pengaruh secara keseluruhan dari
variabel-variabel penjelas terhadap variabel responnya. Langkahlangkah pengujiannya sebagai berikut:
a. Membuat formulasi uji hipotesis
H0: 1 = 2 = 3 = 4 = 5 = 6 = 0 (tidak ada pengaruh yang
signifikan antara pertumbuhan penjualan, pertumbuhan Return
On Equity, Dividend Payout Ratio, tingkat suku bunga Sertifikat
Bank Indonesia, pertumbuhan Debt to Equity Ratio, dan
pertumbuhan Return On Investment secara keseluruhan
terhadap Price Earning Ratio)
H1: minimal ada satu i 0 (ada pengaruh yang signifikan antara
pertumbuhan penjualan, pertumbuhan Return on Equity,
Dividend Payout Ratio, tingkat suku bunga Sertifikat Bank
Indonesia, pertumbuhan Debt to Equity Ratio, dan pertumbuhan
7

Return On Investment
Earning Ratio)

secara

keseluruhan terhadap

Price

b. Menentukan besarnya untuk mengetahui tingkat signifikansi

hasil pengolahan data. Nilai ditetapkan sebesar 5% atau selang
kepercayaan 95%
c. Menghitung nilai f
d. Membuat kriteria pengujian hipotesis
H0 ditolak bila:
P-value < ( = 0,05)
Dengan menggunakan ANOVA, kita dapat mengetahui hasil dari uji f.
Berikut ini ANOVA yang didapat dari output program Minitab 16
Statistical Software:
Analysis of Variance
Source
Regression
Residual Error
Total

DF
6
101
107

SS
9462,2
4998,5
14460,8

MS
1577,0
49,5

F
31,87

P
0,000

P-value yang didapat adalah 0,000. Artinya, H0 ditolak.

Jadi, cukup bukti untuk menyatakan bahwa ada pengaruh yang
signifikan antara pertumbuhan penjualan, pertumbuhan Return on
Equity, Dividend Payout Ratio, tingkat suku bunga Sertifikat Bank
Indonesia, pertumbuhan Debt to Equity Ratio, dan pertumbuhan
Return On Investment secara keseluruhan terhadap Price Earning Ratio
pada taraf nyata 5 %.
Koefisien Determinasi
S = 7,03494

R-Sq = 65,4%

R-Sq(adj) = 63,4%

Berdasarkan output program Minitab 16 Statistical Software, koefisien

determinasinya 65,4%.
Interpretasi: Keragaman Price Earning Ratio yang dapat dijelaskan oleh
pertumbuhan penjualan, pertumbuhan Return on Equity, Dividend
Payout Ratio, tingkat suku bunga Sertifikat Bank Indonesia,
pertumbuhan Debt to Equity Ratio, dan pertumbuhan Return On
Investment hanya 65,4%, sisanya 34,6% dijelaskan variabel lain yang
tidak dijelaskan oleh model.
Uji t
Uji t digunakan untuk mengetahui koefisien regresi secara parsial dari
variabel penjelas terhadap variabel respon. Langkah-langkah pengujian
adalah sebagai berikut:
8

a. Membuat formulasi uji hipotesis

1. Faktor pertumbuhan penjualan
H0: 1 =
0 (tidak ada pengaruh signifikan faktor
pertumbuhan penjualan terhadap Price Earning Ratio)
H1: 1 0 (ada pengaruh signifikan faktor pertumbuhan
penjualan terhadap Price Earning Ratio)
2. Faktor pertumbuhan Return on Equity
H0: 2 =
0 (tidak ada pengaruh signifikan faktor
pertumbuhan Return on Equity terhadap Price Earning
Ratio)
H1: 2 0 (ada pengaruh signifikan faktor pertumbuhan
Return on Equity terhadap Price Earning Ratio)
3. Faktor Dividend Payout Ratio
H0: 3 = 0 (tidak ada pengaruh signifikan faktor Dividend
Payout Ratio terhadap Price Earning Ratio)
H1: 3 0 (ada pengaruh signifikan faktor Dividend Payout
Ratio terhadap Price Earning Ratio)
4. Faktor tingkat suku bunga Sertifikat Bank Indonesia
H0: 4 = 0 (tidak ada pengaruh signifikan faktor tingkat
suku bunga Sertifikat Bank Indonesia terhadap Price
Earning Ratio)
H1: 4 0 (ada pengaruh signifikan faktor tingkat suku
bunga Sertifikat Bank Indonesia terhadap Price Earning
Ratio)
5. Faktor pertumbuhan Debt to Equity Ratio
H0: 5 =
0 (tidak ada pengaruh signifikan faktor
pertumbuhan Debt to Equity Ratio terhadap Price Earning
Ratio)
H1: 5 0 (ada pengaruh signifikan faktor pertumbuhan
Debt to Equity Ratio terhadap Price Earning Ratio)
6. Faktor pertumbuhan Return On Investment
H0: 6 =
0 (tidak ada pengaruh signifikan faktor
pertumbuhan Return On Investment terhadap Price
Earning Ratio)

H1: 6 0 (ada pengaruh signifikan faktor pertumbuhan

Return On Investment terhadap Price Earning Ratio)
b. Menentukan besarnya untuk mengetahui tingkat signifikansi
hasil pengolahan data. Nilai ditetapkan sebesar 5 %.
c. Menghitung nilai t
d. Membuat kriteria pengujian hipotesis
H0 ditolak bila:
P-value < ( = 0,05)
Berikut ini output yang didapat dari program Minitab 16 Statistical
Software:
Predictor
Constant
g Salesn
g ROEn
DPRn
SBIn
g DERn
g ROIn

Coef
15,304
0,09433
-0,08339
0,07821
-0,7403
0,006203
0,071310

SE Coef
3,404
0,03695
0,01264
0,01142
0,2467
0,008682
0,006270

T
4,50
2,55
-6,60
6,85
-3,00
0,71
11,37

P
0,000
0,012
0,000
0,000
0,003
0,477
0,000

Kesimpulannya,
1. Faktor pertumbuhan penjualan
Cukup bukti untuk menyatakan bahwa ada pengaruh yang
signifikan antara pertumbuhan penjualan terhadap Price Earning
Ratio pada taraf nyata 5 %.
2. Faktor pertumbuhan Return on Equity
Cukup bukti untuk menyatakan bahwa ada pengaruh yang
signifikan antara pertumbuhan Return on Equity terhadap Price
Earning Ratio pada taraf nyata 5 %.
3. Faktor Dividend Payout Ratio
Cukup bukti untuk menyatakan bahwa ada pengaruh yang
signifikan antara Dividend Payout Ratio terhadap Price Earning
Ratio pada taraf nyata 5 %.
4. Faktor tingkat suku bunga Sertifikat Bank Indonesia
Cukup bukti untuk menyatakan bahwa ada pengaruh yang
signifikan antara tingkat suku bunga Sertifikat Bank Indonesia
terhadap Price Earning Ratio pada taraf nyata 5 %.
5. Faktor pertumbuhan Debt to Equity Ratio
Cukup bukti untuk menyatakan bahwa ada pengaruh yang
signifikan antara pertumbuhan Debt to Equity Ratio terhadap
Price Earning Ratio pada taraf nyata 5 %.
6. Faktor pertumbuhan Return On Investment

10

Cukup bukti untuk menyatakan bahwa ada pengaruh yang

signifikan antara pertumbuhan Return On Investment terhadap
Price Earning Ratio pada taraf nyata 5 %.
Koefisien Baku
Koefisien baku digunakan untuk melihat besarnya kontribusi variabel
penjelas ke-i terhadap variabel respon.
Source
g Salesn
g ROEn
DPRn
SBIn
g DERn
g ROIn

DF
1
1
1
1
1
1

Seq SS
121,7
30,4
2783,4
124,1
0,1
6402,6

Berdasarkan output Minitab, dapat disimpulkan bahwa variabel

penjelas yang memiliki kontribusi terbesar terhadap Price Earning
Ratio adalah pertumbuhan Return on Investment, yaitu jika
pertumbuhan Return on Investment naik sebesar 1 standar deviasi
maka Price Earning Ratio akan naik sebesar 6402,6 standar deviasi.
Pengujian Asumsi
Uji asumsi dengan eksplorasi

11

Residual Plots for PER in

Normal Probability Plot

Versus Fits

99,9
99

20
Residual

Percent

90
50
10
1
0,1

10
0
-10

-20

-10

0
Residual

10

20

20

Histogram

40
60
Fitted Value

80

Versus Order

20

Residual

Frequency

20
15
10
5
0

10
0
-10

-10

-5

5
10
Residual

15

20

25

1 10 20 30 40 50 60 70 80 90 100
Observation Order

Karena dengan eksplorasi belum menghasilkan kesimpulan yang jelas,

maka dilakukan uji formal.
1

Pemeriksaan Kemohogenan Ragam (Homoskedastisitas)

Dari plot versus fits dapat dilihat tebaran dari sisaan. Kehomogenan ragam
terlihat dari lebar pita yang tidak sama besar dengan titik tengah 0. Lebar dari 0 ke
atas yaitu 20 sedangkan ke bawah yaitu 10. Pada gambar tersebut terlihat bahwa
tebaran plot kurang menyebar seimbang dengan lebar pita yang tidak sama besar,
maka belum dapat dikatakan ragam sisaan homogen. Untuk mengecek
kehomogenan ragamnya, dapat dengan dilakukan uji Glejser dengan hipotesis
sebagai berikut:
H0 : Ragam sisaan homogen
H1 : Ragam sisaan tidak homogen
Uji yang dilakukan yaitu, memutlakkan nilai residual yang didapat ketika
meregresikan Y dengan 6 variabel bebas. Kemudian nilai mutlak residual ini
diregresikan dengan 6 variabel bebas.
Berikut output minitabnya:
Analysis of Variance
Source
Regression
Residual Error
Total

DF
6
101
107

SS
49,47
2200,06
2249,52

MS
8,24
21,78

F
0,38

P
0,891

12

Dari tabel sidik ragam di atas, terlihat bahwa nilai-p yang dihasilkan yaitu
0.891. Nilai-P yang dihasilkan > (0.05), maka keputusannya tak tolak H0.
Kesimpulannya, cukup bukti untuk menyatakan bahwa ragam sisaan homogen
pada taraf nyata 5%.
Pemeriksaan Kenormalan Sisaan
Pemeriksaan kenormalan sisaan dapat dilihat pada gambar normal
probability plot of the residuals. Sisaan dikatakan menyebar normal bila tebaran
data menghampiri garis lurus mengikuti garis diagonal. Untuk lebih meyakinkan
dapat digunakan uji Formal yaitu salah satunya uji Kolmogorov-Smirnov.
Hipotesis yang digunakan adalah :
H0 : Sisaan menyebar normal
H1 : Sisaan tidak menyebar normal
Berikut output yang dihasilkan oleh software Minitab :
Probability Plot of RESI1
Normal
99,9

Mean
StDev
N
KS
P-Value

99
95
90

Percent

5,045
4,585
108
0,143
<0,010

80
70
60
50
40
30
20
10
5
1
0,1

-10

-5

10
RESI1

15

20

25

Pada gambar di atas, terlihat nilai-p yang dihasilkan yaitu 0.010. Nilai-p
ini < (0.05) sehingga keputusannya tolak H 0. Kesimpulannya, tidak cukup bukti
untuk menyatakan bahwa sisaan menyebar normal pada taraf nyata 5%.
Gunakan transformasi Box-Cox untuk mengatasinya:

13

Box-Cox Plot of RESI1

Lower CL

20

Upper CL
Lambda
(using 95,0% confidence)

StDev

15

Estimate

0,28

Lower CL
Upper CL

0,11
0,45

Rounded Value

0,28

10

5
Limit
-1

1
Lambda

Berdasarkan transformasi Box-Cox, nilai optimal adalah 0,28

dengan selang kepercayaan bagi adalah 0,11 sampai 0,45.
3

Pemeriksaan Autokorelasi
Uji asumsi ini bisa dilihat pada gambar versus order. Tebaran data pada
gambar tersebut tidak berpola atau acak sehingga bisa disimpulkan bahwa antar
sisaan saling bebas. Untuk mengecek autokorelasi, dapat juga dilakukan dengan
Runs Test, dengan hipotesis sebagai berikut:
H0 : Tidak ada autokorelasi
H1 : Ada autokorelasi
Berikut output minitabnya :
Runs Test: RESI1
Runs test for RESI1
Runs above and below K = 5,04517
The observed number of runs = 53
The expected number of runs = 51,8704
41 observations above K; 67 below
P-value = 0,817

Terlihat bahwa nilai-p yang dihasilkan yaitu 0.817 > (0.05) sehingga
keputusannya tak tolak H0. Kesimpulannya, cukup bukti untuk menyatakan bahwa
tidak ada autokorelasi pada taraf nyata 5%
Multikolinearitas
14

Untuk memeriksa apakah terdapat multikolinearitas pada regresi berganda,

dapat diperiksa melalui nilai Variance Inflation Factor (VIF). Berikut output yang
dihasilkan dari software Minitab :
The regression equation is
PER in = 15,3 + 0,0943 g Salesn - 0,0834 g ROEn + 0,0782 DPRn - 0,740
SBIn
+ 0,00620 g DERn + 0,0713 g ROIn
Predictor
Constant
g Salesn
g ROEn
DPRn
SBIn
g DERn
g ROIn

Coef
15,304
0,09433
-0,08339
0,07821
-0,7403
0,006203
0,071310

SE Coef
3,404
0,03695
0,01264
0,01142
0,2467
0,008682
0,006270

T
4,50
2,55
-6,60
6,85
-3,00
0,71
11,37

P
0,000
0,012
0,000
0,000
0,003
0,477
0,000

VIF
1,067
1,559
1,029
1,069
1,007
1,557

Terlihat dari output di atas, nilai VIF yang dihasilnya tidak ada yang
melebihi 5 atau semua nilai VIF kurang dari 5, sehingga dapat disimpulkan bahwa
tidak ada multikolinearitas.
Pemilihan Model Regresi Terbaik
1

Forward selection
Metode ini bekerja dengan menyeleksi satu persatu peubah yang dimasukan ke
dalam model secara bertahap. Berikut output yang dihasilkan software Minitab:
Stepwise Regression: PER in versus g Salesn; g ROEn; ...
Forward selection.

Alpha-to-Enter: 0,05

Response is PER in on 6 predictors, with N = 108

Step
Constant

1
10,169

2
6,569

3
6,572

4
14,928

5
15,378

g ROIn
T-Value
P-Value

0,0453
6,39
0,000

0,0461
7,57
0,000

0,0690
10,60
0,000

0,0711
11,09
0,000

0,0710
11,38
0,000

0,085
6,22
0,000

0,075
6,29
0,000

0,075
6,48
0,000

0,078
6,87
0,000

-0,079
-6,00
0,000

-0,081
-6,29
0,000

-0,083
-6,61
0,000

-0,61
-2,48
0,015

-0,75
-3,03
0,003

DPRn
T-Value
P-Value
g ROEn
T-Value
P-Value
SBIn
T-Value
P-Value
g Salesn
T-Value

0,094
2,56

15

P-Value
S
R-Sq
R-Sq(adj)
Mallows Cp

0,012
9,92
27,82
27,14
106,9

8,52
47,24
46,24
52,2

7,38
60,82
59,69
14,5

7,20
63,03
61,59
10,0

7,02
65,26
63,56
5,5

Output di atas dihasilkan ketika Alpha-to-enter yang digunakan sebesar 0.05.

Terlihat bahwa dari 6 peubah yang digunakan, terdapat 5 peubah yang signifikan
dan layak untuk dimasukan ke dalam model dengan S sebesar 7.02, R-Sq (adj)
sebesar 63.56% dan CP-Mallows sebesar 5.5. Saat Alpha-to-enter diganti menjadi
0.1 dan 0.15 tetap ada 5 peubah yang signifikan sehingga dapat disimpulkan
bahwa model regresi yang terbaik berdasarkan metode forward selection didapat
dengan 5 peubah yaitu Y = 15.378 + 0.0710gROIn + 0.078DPRn 0.083gROEn
-0.75SBIn + 0.094gSalesn.
2

Backward Elimination
Lain halnya dengan metode sebelumnya, backward elimination bekerja dengan
cara menyisihkan peubah yang dianggap tidak layak untuk dimasukan ke dalam
model atau tidak signifikan terhadap taraf nyata pengujian. Berikut output yang
dihasilkan dari software Minitab:
Stepwise Regression: PER in versus g Salesn; g ROEn; ...
Backward elimination.

Alpha-to-Remove: 0,05

Response is PER in on 6 predictors, with N = 108

Step
Constant

1
15,30

2
15,38

g Salesn
T-Value
P-Value

0,094
2,55
0,012

0,094
2,56
0,012

g ROEn
T-Value
P-Value

-0,083
-6,60
0,000

-0,083
-6,61
0,000

DPRn
T-Value
P-Value

0,078
6,85
0,000

0,078
6,87
0,000

SBIn
T-Value
P-Value

-0,74
-3,00
0,003

-0,75
-3,03
0,003

g DERn
T-Value
P-Value

0,0062
0,71
0,477

g ROIn
T-Value
P-Value

0,0713
11,37
0,000

0,0710
11,38
0,000

16

S
R-Sq
R-Sq(adj)
Mallows Cp

7,03
65,43
63,38
7,0

7,02
65,26
63,56
5,5

Output di atas dihasilkan dengan menggunakan nilai Alpha-to-remove sebesar

0.05 (disamakan dengan metode sebelumnya supaya dapat dibandingkan mana
yang terbaik). Model yang terbaik ditunjukan pada step 2 dengan kriteria S, R-Sq
(adj) dan CP-Mallows yang terbaik. Model regresi terbaik menurut metode ini
sama dengan metode forward selection yaitu Y = 15.378 + 0.0710gROIn +
0.078DPRn 0.083gROEn -0.75SBIn + 0.094gSalesn.
3

Stepwise Method
Metode ini menggabungkan dua metode sebelumnya yaitu stepwise selection dan
backward elimination. Berikut output dari software Minitab :
Stepwise Regression: PER in versus g Salesn; g ROEn; ...
Alpha-to-Enter: 0,05

Alpha-to-Remove: 0,05

Response is PER in on 6 predictors, with N = 108

Step
Constant

1
10,169

2
6,569

3
6,572

4
14,928

5
15,378

g ROIn
T-Value
P-Value

0,0453
6,39
0,000

0,0461
7,57
0,000

0,0690
10,60
0,000

0,0711
11,09
0,000

0,0710
11,38
0,000

0,085
6,22
0,000

0,075
6,29
0,000

0,075
6,48
0,000

0,078
6,87
0,000

-0,079
-6,00
0,000

-0,081
-6,29
0,000

-0,083
-6,61
0,000

-0,61
-2,48
0,015

-0,75
-3,03
0,003

DPRn
T-Value
P-Value
g ROEn
T-Value
P-Value
SBIn
T-Value
P-Value
g Salesn
T-Value
P-Value
S
R-Sq
R-Sq(adj)
Mallows Cp

0,094
2,56
0,012
9,92
27,82
27,14
106,9

8,52
47,24
46,24
52,2

7,38
60,82
59,69
14,5

7,20
63,03
61,59
10,0

7,02
65,26
63,56
5,5

Output yang dihasilkan metode ini pun sama dengan dua metode sebelumnya
sehingga dapat disimpulkan bahwa model regresi yang terbaik didapat dengan 5
peubah yaitu Y = 15.378 + 0.0710gROIn + 0.078DPRn 0.083gROEn -0.75SBIn
+ 0.094gSalesn.
17

SIMPULAN
Setelah dilakukan berbagai analisis untuk mencari model regresi yang terbaik,
maka dapat disimpulkan bahwa dengan menggunakan metode stepwise (regresi bertatar)
kita telah mendapatkan model regresi yang terbaik. Model terbaik yang didapatkan yaitu
Y = 15.378 + 0.0710gROIn + 0.078DPRn 0.083gROEn -0.75SBIn + 0.094gSalesn.
Model terbaik ini dipilih berdasarkan kriteria-kriteria tertentu, diantaranya memiliki nilai
S yang rendah, R-Sq (adj) yang tinggi, serta nilai CP-Mallows yang mendekati
banyaknya parameter.
DAFTAR PUSTAKA
Draper NR, Smith H. 1992. Analisis Regresi Terapan. Edisi ke-2. Sumantri B,
penerjemah. Jakarta: Gramedia Pustaka.
Khalid, Abdul. 2006. Analisis faktor-faktor yang mempengaruhi price earning ratio
saham-saham perusahaan yang terdaftar di Bursa Efek Jakarta [skripsi]. Yogyakarta
(ID): Universitas Islam Indonesia.
Santoso, S. 2000. SPSS Mengolah Data Statistik Secara Profesional. PT. Elex Media
Komputindo. jakarta.
LAMPIRAN

Case
1

g
Sales
n
24,2

2
3

43,32
25,19

4
5
6
7
8
9
10

-29,87
-1,69
-21,66
44,15
28,76
5,41
18,15

g
ROEn
-10,37
198,6
4
5,47
171,3
8
-80,75
0,48
-6,31
2,85
-23,47
9,58

11
12
13
14
15
16

-9,29
9,01
40,5
20,43
11,19
15,29

-12,54
-23,22
-20,9
10,56
-20,56
-0,33

DPRn
24,42

SBIn
16,62

g
DERn
10,17

39,93
49,49

14,8
9,9

-23,08
-12

17,46
21,93
20,91
17,13
17,12
16,96
14,36

16,62
14,8
9,9
16,62
14,8
9,9
16,62

14,29
14,69
18,96
18,96
19,68
30,67

14,8
9,9
16,62
14,8
9,9
16,62

-66,25
-11,11
-33,33
19,89
-32,23
-34,97
-55,13
757,1
4
-92,67
-18,4
-22,55
-12,66
-14,84

g
ROIn
-13,22
243,3
6
12,29
284,7
2
-80,26
7,4
-17,11
31,76
-3,73
44,61

PER
in
22,59

-5,28
-21,41
-11,94
0,73
4,19
11,65

2,93
3,65
13,35
10,67
11,38
7,67

10,31
9,48
1,35
6,69
7,22
9,59
7,47
10,14
2,73

18

17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

12,44
8,53
12,13
-4,83
3,77
20,09
16,52
10,5
40,25
7,55
-3
19,11
4,22
-11,96
10,65
0,93
-0,78
26,65
7,13
13
17,24

4,53
-32,72
-10,49
-22,92
11,88
-30,65
-15,59
-22,01
-13,46
39,94
-24,09
-9,67
-25,76
-63,94
-12,01
-27,6
-30,04
67,24
-60,99
-61,02
-41,92

38
39
40
41
42
43
44
45
46
47
48

-18,05
37,54
-2,07
-6,09
8,52
26,77
-15,36
73,31
13,1
24,99
5,34

49
50
51

36,2
-8,35
7,06

-10,47
-27,39
-7,49
0,08
-32,19
-3,18
-77,36
54,19
-6,62
-8,11
-3,42
121,1
2
-10,61
-64,48

52
53
54
55

25,15
43
17,06
40,5

56

-16,2

67,12
-16,56
20,15
-97,21
256,1
3

32,74
43,81
82,61
76,72
78,05
27,65
27,66
31,39
11,78
13,46
38,38
21,22
7,14
32,98
30,72
30,91
21,71
24,69
20,05
20,4
58,39
128,2
4
29,95
67,35
53,69
10,3
28,58
34,02
42,13
26,61
30,66
37,3

14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62

19,7
-13,29
-24,51
-11,69
17,65
-16,88
-7,81
-1,69
4,07
-30,47
-13,48
3,92
-42,14
-42,39
-14,93
-28,07
14,63
-5,88
32,29
63,78
-12,06

-8,52
-25,1
1,76
-18,6
4,36
-24,99
-12,95
-21,54
-15,14
68,68
-18,92
-11,82
0,44
-54,8
-6,56
-19,14
-32,8
73,05
-66,36
-71,3
-35,75

7,02
12,52
3,89
6,81
7,47
7,97
7,65
14,23
15,07
9,96
14,31
4,03
9,52
25,39
2,87
4,03
5,1
3,82
7,22
29,07
28,5

14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9

-22,29
23,53
-15,15
-28,57
10
-30,43
12,5
-5,56
-32
-11,76
6,67

6,45
18,34
3,37
3,58
9,78
2,31
9,35
6,32
2,66
3,28
3,52

9,47
8,72
23,07

16,62
14,8
9,9

-1,99
-28,55
-9,46

0,26
0,3
0,35
45,75

16,62
14,8
9,9
16,62

-26,03
-48,5
-21,67
29,36

16,76

14,8

-49,65

4,32
-36,09
-4,12
6,99
-33,33
3,18
-77,57
54,58
0
-6,4
-4,56
125,1
8
18,21
-61,35
108,6
6
26,35
36,45
-97,59
403,2
1

3,79
1,57
5,08
4,38
6,04
12,97
15,25
3,44
19

57

19,12

-75,74

47,44

9,9

63,38

13,89

-18,75
23,08

-80,77
1150,
55
-26,36

58
59

33,33
-16,4

20,47
-24,01

16,62
14,8

60
61
62
63
64
65
66
67

11,13
-0,18
-1,62
4,27
15,01
-5,02
4,53
12,38

16,41
63,55
-20,27
-29,7
-69,43
24,94
-5,12
-18,6

68
69
70
71
72
73
74
75
76

6,77
5,67
13,94
4
10,45
43,58
39,52
11,81
-7,09

-30
16,02
-34,68
-20,19
-0,06
3,28
14,51
-5,16
-54,85

77
78
79
80
81
82
83
84
85
86
87

9,16
18,05
21,91
-1,41
34,13
22,98
9,76
8,41
23,44
16,67
15,8

88
89
90
91
92
93
94
95

38,5
4,03
5,96
31,05
-8,36
-2,63
26,5
-4,35

-63,17
8,8
-13,2
-43,35
26,54
-24,47
-10,91
-6,75
-10,03
-5,63
27,77
253,5
6
2,3
29,24
-67,22
-41,53
-5,69
-34,88
-88,33

92,75
86,6
143,4
9
0,19
0,25
0,18
41,96
40,46
41,32
42,78
484,3
1
94,9
19,32
30,36
20,38
30,26
19,17
7,11
0,6
300,0
7
0,39
31,77
0,06
62
56,8
56,91
11,85
30,11
39
47,07

9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62

25
-46,95
-33,63
-14,67
-17,74
-15,69
-6,98
-13,41

13,01
140,2
-2,84
-24,91
-67,18
31,23
-2,78
-13,46

27,55
3,59
4,08
5,67
17,13
11,73
10,33
8,56

14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62

-4,23
13,24
13,11
-20,77
31,71
-9
-24,18
-20,29
-18,99

-28,53
9,87
-39,88
-7,15
-16,62
9,84
35,84
7,73
-50,88

46,82
7,18
3,95
5,41
5,09
6,96
3,83
8,71
11,99

14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8
9,9

-17,19
52,83
-17,65
-46,43
73,33
-13,89
-9,68
-10,71
-5,17
-3,64
18,87

29,02
27,17
4,17
5,98
7,09
4,61
5,87
8,23
14,07
14,2
21,33

16,62
14,8
9,9
16,62
14,8
9,9
16,62
14,8

-15
-21,57
11,25
-37,5
-31,01
-26,89
-20
25

-60,58
-7,92
-8,96
-37,33
16,25
-21,77
-8,61
-4,6
-8,34
-4,32
19,97
294,2
5
19,83
20,44
-52
-22,79
16,35
-34,37
-88,46

22,73
24,27
20,8
21,39
29,47
9,15
29,51
264,0

96,61
31,18

32,28
9,42
13,87
1,44
2,62
3,58
1,79
18,48
20

96
97
98
99
100
101

-24,22
21,87
-8,72
-4,25
71,72
31,7

102

21,7

103
104
105
106
107
108

73,5
27,75
30,35
21,78
13,35
8,92

151,9
1
-29
3,37
-46,8
-72,33
-76,57
305,9
9
148,5
2
26,08
-36,1
1,64
-17,81
-11,39

1
105,0
4
23,84
24,23
37,9
40
44,96

9,9
16,62
14,8
9,9
16,62
14,8

-20
-11,9
-10,14
0
-8,47
0

9,56

9,9

5,56

155,4
2
-23,29
10,31
-46,72
-71,05
-76,46
292,1
6

52,23
41,52
54,84
44
47
56

16,62
14,8
9,9
16,62
14,8
9,9

98,4
-18,15
-6,4
8,43
-21,11
-8,45

66,84
44,85
-33,28
-2,18
-8,79
-7,95

12,82
5,47
4,62
13,64
6,74
28,49
9,89
7,93
4,85
11,18
11,7
11,8
20,13

Residual Histogram for PER in

Histogram
(response is PER in)
20

Frequency

15

10

-10

-5

5
10
Residual

15

20

25

Normplot of Residuals for PER in

21

Normal Probability Plot

(response is PER in)
99,9
99

Percent

95
90
80
70
60
50
40
30
20
10
5
1
0,1

-20

-10

0
Residual

10

20

30

Residuals vs Fits for PER in

Versus Fits
(response is PER in)
25
20

Residual

15
10
5
0
-5
-10
0

10

20

30

40
50
60
Fitted Value

70

80

90

22

Residuals vs Order for PER in

Versus Order
(response is PER in)
25
20

Residual

15
10
5
0
-5
-10
1

10

20

30

40
50
60
70
Observation Order

80

90

100

23