Tahun Harga Saham (Rp)

1990
8300
1991
7500
1992
8950
1993
8250
1994
9000
1995
8750
1996
10000
1997
8200
1998
8300
1999
10900
2000
12800
2001
9450
2002
13000
2003
8000
2004
6500
2005
9000
2006
7600
2007
10200

PER (%)
4.90
3.28
5.05
4.00
5.97
4.24
8.00
7.45
7.47
12.68
14.45
10.50
17.24
15.56
10.85
16.56
13.24
16.98

ROI (%)
6.47
3.14
5.00
4.75
6.23
6.03
8.75
7.72
8.00
10.40
12.42
8.62
12.07
5.83
5.20
8.53
7.37
9.38

Persamaan regresinya sebagai berikut:

Y = a + b1X1+ b2X2
Y = 4662,491 + (-74,482)X1 + 692,107X2
Y = 4662,491 - 74,482X1 + 692,107X2
Keterangan:
Y
= Harga saham yang diprediksi (Rp)
a
= konstanta
b1,b2 = koefisien regresi
X1
= PER (%)
X2
= ROI (%)
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
- Konstanta sebesar 4662,491; artinya jika PER (X 1) dan ROI (X2) nilainya adalah
0, maka harga saham (Y) nilainya adalah Rp.4662,491.
- Koefisien regresi variabel PER (X1) sebesar -74,482; artinya jika variabel
independen lain nilainya tetap dan PER mengalami kenaikan 1%, maka harga
saham (Y) akan mengalami penurunan sebesar Rp.74,482. Koefisien bernilai

negatif artinya terjadi hubungan negatif antara PER dengan harga saham,
semakin naik PER maka semakin turun harga saham.
- Koefisien regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel
independen lain nilainya tetap dan ROI mengalami kenaikan 1%, maka harga
saham (Y) akan mengalami peningkatan sebesar Rp.692,107. Koefisien bernilai
positif artinya terjadi hubungan positif antara ROI dengan harga saham,
semakin naik ROI maka semakin meningkat harga saham.

No

Periklanan
(X1)

Personal
Selling
(X2)

Volume
Penjuala
n (Y)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

29
24
26
28
29
27
23
32
23
32
27
32
25
21
24
25
25
29
23
32

22
19
18
21
18
22
17
31
21
28
23
28
17
21
21
18
20
18
18
30

31
25
27
27
26
27
26
36
31
36
32
36
24
25
26
27
27
23
24
36

SUMMARY OUTPUT
Regression Statistics
0.923712
Multiple R
176
0.853244
R Square
184
Adjusted R
0.834899
Square
707
Standard
1.839060
Error
155
Observation
s
19
ANOVA
df
Regression

SS
2

314.6226

16
18

54.11428
368.7368

Coefficien
ts
6.876087
Intercept
372
0.107842
29
967
0.869628
22
253

Standard
Error

Residual
Total

3.359883
0.183144
0.143707

MS
157.31
13
3.3821
42

t Stat
2.0465
26
0.5888
43
6.0514
15

F
46.512
32

Significa
nce F
2.15E-07

Pvalue

Lower
95%

0.0575
0.5641
88
1.68E05

-0.24655
-0.2804
0.56498
4

Upper
95%
13.998720
45
0.4960907
36
1.1742726
15

Lower
95.0%
0.24655
-0.2804
0.56498
4

Upper
95.0%
13.9987
2
0.49609
1
1.17427
3

Terdapat beberapa kolom dalam tabel Coefficients di atas. Yang perlu anda perhatikan ketika akan mencari
persamaan regresi linear bergandanya adalah kolom B. Dalam kolom B tersebut nilai (Constant) adalah
6,87; Periklanan (0,108) dan Personal Selling (0,869).
Constant merupakan konstanta persamaan regresi atau dikenal juga dengan nama Intersep. Sedangkan
0,108 dan 0,869 berturut-turut adalah konstanta untuk X1 dan X2. Sehingga apabila dituliskan, persamaan
regresi linear berganda dari contoh penelitian tadi adalah:

Y = 6,87 + 0,108X1 + 0,869X2

Interpretasi dari persamaan regresi tersebut adalah sebagai berikut:
Konstanta / intersep sebesar 6,87 secara matematis menyatakan bahwa jika nilai variabel bebas X1 dan
X1 sama dengan nol maka nilai Y adalah 6,87. Dalam kata lain bahwa nilai volume penjualan perusahaan X
tanpa periklanan dan personal selling adalah 6,87 unit.
Koefisien regresi variabel perencanaan realisasi produk (X1) sebesar 0,108 artinya bahwa peningkatan
satu unit variabel periklanan dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan
volume penjualan sebesar 0,108 unit.
Koefisien regresi variabel perencanaan realisasi produk (X2) sebesar 0,869 artinya bahwa peningkatan
satu unit variabel personal selling dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan
volume penjualan sebesar 0,869 unit.