Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel
independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel
independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen
apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan
Keterangan:
Kita mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut: Seorang mahasiswa
bernama Bambang melakukan penelitian tentang faktor-faktor yang mempengaruhi harga saham
pada perusahaan di BEJ. Bambang dalam penelitiannya ingin mengetahui hubungan antara rasio
keuangan PER dan ROI terhadap harga saham. Dengan ini Bambang menganalisis dengan bantuan
program SPSS dengan alat analisis regresi linear berganda. Dari uraian di atas maka didapat variabel
dependen (Y) adalah harga saham, sedangkan variabel independen (X1 dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut:
Ø Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, kemudian untuk baris kedua ketik
x2.
Ø Pada kolom Label, untuk kolom pada baris pertama ketik Harga Saham, untuk kolom pada baris kedua
Ø Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan x2.
Ø Klik variabel Harga Saham dan masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI
Ø Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
Ø Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise diagnostics adalah
sebagai berikut:
Tabel. Hasil Analisis Regresi Linear Berganda
Keterangan:
a = konstanta
Nilai harga saham yang diprediksi (Y’) dapat dilihat pada tabel Casewise Diagnostics (kolom
Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara harga saham
dengan Predicted Value, dan Std. Residual (standardized residual) adalah nilai residual yang telah
terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan
prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model
regresi dalam melakukan prediksi).
A. Analisis Korelasi Ganda (R)
Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen
(X1, X2,…Xn) terhadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan seberapa
besar hubungan yang terjadi antara variabel independen (X1, X2,……Xn) secara serentak terhadap
variabel dependen (Y). nilai R berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti
hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang
terjadi semakin lemah.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi sebagai
berikut:
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai berikut:
hubungan yang sangat kuat antara PER dan ROI terhadap harga saham.
B. Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk mengetahui prosentase
sumbangan pengaruh variabel independen (X1, X2,……Xn) secara serentak terhadap variabel
dependen (Y). Koefisien ini menunjukkan seberapa besar prosentase variasi variabel independen
yang digunakan dalam model mampu menjelaskan variasi variabel dependen. R 2sama dengan 0,
maka tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen
terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam model tidak
menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama dengan 1, maka prosentase
sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen adalah
sempurna, atau variasi variabel independen yang digunakan dalam model menjelaskan 100% variasi
variabel dependen.
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai berikut:
Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn) secara bersama-
sama berpengaruh secara signifikan terhadap variabel dependen (Y). Atau untuk mengetahui apakah
model regresi dapat digunakan untuk memprediksi variabel dependen atau tidak. Signifikan berarti
hubungan yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan), misalnya dari kasus di
atas populasinya adalah 50 perusahaan dan sampel yang diambil dari kasus di atas 18 perusahaan,
jadi apakah pengaruh yang terjadi atau kesimpulan yang didapat berlaku untuk populasi yang
berjumlah 50 perusahaan.
Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel 2 berikut ini.
Tabel. Hasil Uji F
Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
1. Merumuskan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara PER dan ROI secara bersama-sama terhadap harga
saham.
Ha : Ada pengaruh secara signifikan antara PER dan ROI secara bersama-sama terhadap harga saham.
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang
3. Menentukan F hitung
4. Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 (jumlah variabel–1) = 2, dan df 2 (n-k-1)
atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen), hasil diperoleh
untuk F tabel sebesar 3,683 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell
5. Kriteria pengujian
7. Kesimpulan
Karena F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada pengaruh secara signifikan
antara price earning ratio (PER) dan return on investmen (ROI) secara bersama-sama terhadap
terhadap harga saham. Jadi dari kasus ini dapat disimpulkan bahwa PER dan ROI secara bersama-
Tabel. Uji t
Langkah-langkah pengujian sebagai berikut:
Pengujian koefisien regresi variabel PER
1. Menentukan Hipotesis
Ho : Secara parsial tidak ada pengaruh signifikan antara PER dengan harga saham.
Ha : Secara parsial ada pengaruh signifikan antara PER dengan harga saham
3. Menentukan t hitung
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1
atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan
pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,131 (Lihat pada
lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,15) lalu enter.
5. Kriteria Pengujian
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
7. Kesimpulan
Oleh karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima, artinya secara parsial tidak
ada pengaruh signifikan antara PER dengan harga saham. Jadi dari kasus ini dapat disimpulkan
bahwa secara parsial PER tidak berpengaruh terhadap harga saham pada perusahaan di BEJ.
1. Menentukan Hipotesis
Ho : Secara parsial tidak ada pengaruh signifikan antara ROI dengan harga saham
Ha : Secara parsial ada pengaruh signifikan antara ROI dengan harga saham
3. Menentukan t hitung
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1
atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan
pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,131.
5. Kriteria Pengujian
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak, artinya secara parsial ada
pengaruh signifikan antara ROI dengan harga saham. Jadi dari kasus ini dapat disimpulkan bahwa
secara parsial ROI berpengaruh positif terhadap harga saham pada perusahaan di BEJ.
Daftar Pustaka:
Arikunto, Suharsimi, “Prosedur Penelitian : Suatu Pendekatan Praktek”, Edisi Revisi V, Jakarta: PT Rineka
Cipta, 2002.
Santoso, Singgih, 2000, Buku Latihan SPSS Statistik Parametrik. PT.ELEK Media Komputindo. Jakarta
Sekaran, Uma. 2006. Research Methods For Business: Metodologi Penelitian untuk Bisnis, Penerbit Salemba
Empat.
Alhusin, Syahri, “Aplikasi Statistik Praktis dengan Menggunakan SPSS 10 for Windows”, Edisi Kedua,
Priyatno, Duwi, “Mandiri Belajar SPSS”, Cetakan Ketiga, Yogyakarta: Media Kom, 2008.
Ghazali, Imam, 2016, “Aplikasi Analisis Multivariat Dengan Program IBM SPSS 23”,Cetakan kedelapan,
Priyatno, Duwi, 2013, “Mandiri Belajar Analisis Data Dengan SPSS”, Yogyakarta: Media Kom.
Priyatno, Duwi, 2014, “SPSS 22 Pengolah Data Terpraktis”, Edisi 1, Yogyakarta: ANDI.
Santoso, Singgih, 2013, “Menguasai SPSS 21 di Era Informasi”. PT.ELEK Media Komputindo. Jakarta.
Sekaran, Uma, 2000. “Research Methods for Business, A Skill Building Approach”, New York: John Wiley n
Sons