oleh
Hadi Susanto (4111412049)
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2015
TUGAS AKHIR
Penyelesaian:
1. ANALISIS REGRESI GANDA
Sumber data: Skripsi Prastanto Jurusan Akuntansi Fakultas Ekonomi Universitas
Negeri Semarang tahun 2013 dengan judul “PENGARUH FINANCING TO
DEPOSIT RATIO (FDR), NON PERFORMING FINANCING (NPF), DEBT TO
EQUITY RATIO (DER), QUICK RATIO (QR), DAN RETURN ON EQUITY
(ROE) TERHADAP PEMBIAYAAN MURABAHAH PADA BANK UMUM
SYARIAH DI INDONESIA”.
Datanya disajikan pada tabel berikut:
NO FDR NPF DER QR ROE MURABAHAH
1 98.44 5.82 22.05 46.78 42.13 4260860
2 90.27 3.23 18.81 36.01 28.74 4275141
3 92.93 7.32 21.36 25.82 8.49 4224625
4 85.82 4.1 23.5 33.94 8.03 4374017
5 99.47 5.85 24.96 25.25 26.86 4739375
6 103.71 3.93 31.37 23.48 19.63 5052662
7 99.68 3.36 26.07 23.48 11.54 4215954
8 91.52 3.51 20.63 23.48 17.78 6121165
9 95.82 3.99 19.74 18.8 21.93 7092993
10 95.71 3.57 17.45 14.81 21.79 8133434
11 92.45 3.71 16.76 13.96 20.02 8764560
12 85.18 1.78 16.63 13.96 20.79 9435965
13 86.85 2.15 20.37 30.01 38.77 5847224
14 87.03 1.92 22.9 22.8 38.21 6798223
15 87.93 2.16 23.95 36.2 40.17 6936820
16 83.07 1.35 21.83 18.03 44.2 7689196
17 83.93 0.66 20.47 30.07 53.1 8569175
18 85.16 0.88 41.42 32.37 60.04 9822006
19 86.31 1.45 22.22 20.89 64.83 10607670
20 82.54 1.29 22.45 19.01 63.58 12255138
21 84.06 1.12 22.23 35.09 74.43 12702188
22 88.52 1.14 19.13 30.2 68.22 14770401
23 89.86 1.26 20.96 33.59 67.03 16324345
24 86.03 0.95 21.34 45.96 64.84 18102709
25 90.23 1.16 53.28 27.47 9.72 2250429
26 85.2 0.98 71.4 8.78 25.32 2499984
27 82.25 1 34.22 10.93 35.11 2686092
28 81.39 1.28 34.03 8.4 39.97 2823858
29 92.43 1.8 48.92 10.23 65.27 2935533
30 86.86 2.02 62.64 8.95 61.27 3022213
31 89.11 2.6 45.74 8.56 37.28 3051150
32 78.17 2.11 43.14 6.58 26.81 2875311
33 79.2 2.64 40.56 6.75 16.43 2677729
34 81.48 2.14 56.57 6.62 18.56 2720300
35 83 2.25 52.19 6.92 16.74 2954155
36 83.08 1.79 48.6 9.93 16.89 3337997
Correlations
X1 X2 X3 X4 X5 Y
N 36 36 36 36 36 36
N 36 36 36 36 36 36
N 36 36 36 36 36 36
* ** **
X4 Pearson Correlation .341 .156 -.571 1 .307 .530
N 36 36 36 36 36 36
** **
X5 Pearson Correlation -.204 -.528 -.130 .307 1 .640
N 36 36 36 36 36 36
** ** **
Y Pearson Correlation -.016 -.311 -.575 .530 .640 1
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Model Summary
a. Predictors: (Constant), X5
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Correlations
Control Variabels X1 X2 X3 X4 Y
df 0 33 33 33 33
df 33 0 33 33 33
df 33 33 0 33 33
df 33 33 33 0 33
df 33 33 33 33 0
Model Summary
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Correlations
Control Variabels X1 X2 X4 Y
df 0 32 32 32
df 32 0 32 32
df 32 32 0 32
df 32 32 32 0
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Correlations
Control Variabels X1 X4 Y
df 0 32 32
df 32 0 32
df 32 32 0
Model Summary
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Correlations
Control Variabels X1 Y
df 0 32
Y Correlation -.094 1.000
df 32 0
Model Summary
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
KESIMPULAN
Jadi dapat disimpulkan bahwa dengan metode seleksi maju diperoleh model
persamaan regresi terbaik untuk data “PENGARUH FINANCING TO DEPOSIT
RATIO (FDR), NON PERFORMING FINANCING (NPF), DEBT TO EQUITY
RATIO (DER), QUICK RATIO (QR), DAN RETURN ON EQUITY (ROE)
TERHADAP PEMBIAYAAN MURABAHAH PADA BANK UMUM SYARIAH DI
INDONESIA” yaitu:
̂
1.2. METODE SELEKSI MUNDUR
Langkah-langkah pemilihan model persamaan terbaik dengan metode seleksi
mundur dengan bantuan SPSS yaitu:
Langkah 1: Meregresikan semua variabel bebas (X1, X2, X3, X4, X5) dengan
variabel terikat Y. Caranya adalah:
Klik Analyze Regression Linear
Masukkan Y ke dalam kotak “Dependent” dan X1, X2, X3, X4, X5 ke
dalam kotak “Independents”
Klik OK
Model Summary
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
dan
mempunyai . Dengan kata lain, X1, X2, X3, X4, X5 mempengaruhi Y
sebesar 71%.
Berdasarkan tabel coefficients pada output menunjukkan bahwa:
X1 tidak signifikan karena sig X1 = 0.661 > 0.05
X2 tidak signifikan karena sig X2 = 0.051 > 0.05
X3 signifikan karena sig X3 = 0.000 < 0.05
X4 tidak signifikan karena sig X4 = 0.243 > 0.05
X5 signifikan karena sig X5 = 0.009 < 0.05
Karena X1, X2 dan X4 tidak signifikan maka yang mempunyai nilai sig terbesar
harus dikeluarkan dari model persamaan yaitu X1.
Langkah 2: Mengeluarkan X1 dari model persamaan.
Langkah 3: Meregresikan variabel bebas X2, X3, X4, X5 dengan variabel terikat
Y dengan cara:
Klik Analyze Regression Linear
Masukkan Y ke dalam kotak “Dependent” dan X2, X3, X4, X5 ke dalam
kotak “Independents”
Klik OK
Model Summary
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Karena X2 dan X4 tidak signifikan maka yang mempunyai nilai sig terbesar harus
dikeluarkan dari model persamaan yaitu X4.
Langkah 4: Mengeluarkan X4 dari model persamaan.
Langkah 5: Meregresikan variabel bebas X2, X3, X5 dengan variabel terikat Y
dengan cara:
Klik Analyze Regression Linear
Masukkan Y ke dalam kotak “Dependent” dan X1, X3, X4 ke dalam
kotak “Independents”
Klik OK
Model Summary
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .809 .655 .634 2.53665E6
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variabel: Y
KESIMPULAN
Jadi dapat disimpulkan bahwa dengan metode seleksi mundur diperoleh model
persamaan regresi terbaik untuk data “PENGARUH FINANCING TO DEPOSIT
RATIO (FDR), NON PERFORMING FINANCING (NPF), DEBT TO EQUITY
RATIO (DER), QUICK RATIO (QR), DAN RETURN ON EQUITY (ROE)
TERHADAP PEMBIAYAAN MURABAHAH PADA BANK UMUM SYARIAH DI
INDONESIA” yaitu:
̂
Keterangan:
X1: Kompetensi Profesional Guru
X2: Cara Belajar Siswa
Y: Hasil Belajar
Namun dalam hal ini, penulis hanya melakukan Uji Normalitas menggunakan Uji
Histogram dan Uji Kolmogorov-Smirnov.
Unstandardized
Residual
N 48
Positive .087
Negative -.104
Kolmogorov-Smirnov Z .724
diterima jika nilai sig (2-tailed) > 5%. Besarnya nilai Kolmogorov-Smirnov
hasil pengolahan SPSS adalah 0,724 dan nilai signifikan 0,672 > 0,05 hal ini
berarti diterima yang berarti data terdistribusi normal dan model persamaan
regresi memenuhi asumsi normalitas.
KESIMPULAN
Berdasarkan langkah-langkah uji normalitas yang telah dilakukan dengan melihat
histogram, normal P-P plot of regression standardized residual dan One-Sample
Kolmogorov-Smirnov Test menunjukkan bahwa data berdistribusi normal. Jadi
dapat disimpulkan bahwa data berdistribusi normal.
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
a. Dependent Variable: Y
Dapat dilihat bahwa setiap variabel bebas mempunyai nilai tolerance > 0,1 dan
nilai VIF < 10, sehingga dapat disimpulkan bahwa tidak ada multikolinieritas
antar variabel bebas dalam model regresi ini.
KESIMPULAN:
Berdasarkan langkah-langkah multikolinieritas dengan melihat nilai Variance
Inflation Factor (VIF) dan Tolerance (TOL) pada model persamaan regresi
menunjukkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model
regresi ini. Jadi dapat disimpulkan bahwa tidak terjadi persoalan multikolinearitas
pada data yang diuji.
Standardized
Unstandardized Coefficients Coefficients
Ketentuan:
1. Tidak terjadi heteroskedastisitas jika nilai sig > 0.05
2. Terjadi heteroskedastisitas jika nilai sig < 0.05
ANALISIS
Berdasarkan tabel coefficients pada output, diperoleh nilai:
Sig X1 = 0,896 > 0,05
Sig X2 = 0,329 > 0,05
Karena Sig X1 dan Sig X2 lebih dari 0,05, sehingga dapat disimpulkan bahwa
pada data ini tidak terjadi heteroskedastisitas.
KESIMPULAN
Berdasarkan langkah-langkah uji heteroskedastisitas yang telah dilakukan dengan
mengamati grafik scatterplots dan uji Glejser menunjukkan bahwa data tidak
mengalami heteroskedastisitas.
Namun dalam hal ini, penulis hanya menggunakan Uji Run Test.
UJI AUTOKORELASI DENGAN RUN TEST
Langkah-langkah pengujiannya sebagai berikut:
Masukkan data ke SPSS
Klik Analyze Regression Linear
Masukkan Y ke dalam kotak “Dependent” dan X1, X2 ke dalam kotak
“Independent”
Klik Save centang “Unstandardized” pada Residuals
Klik Continue
Klik OK
Selanjutnya pada data SPSS akan muncul kolom RES_1 ini merupakan
residual regresi
Klik Analyze Nonparametric Test Runs
Masukkan RES_1 ke kolom Test Variable List
Klik OK
Runs Test
Unstandardized
Residual
a
Test Value -.63915
Total Cases 48
Number of Runs 26
Z .146
a. Median
Ketentuan:
Jika Asymp. Sig. signifikansinya > 0.05 maka tidak terdapat masalah
autokorelasi pada data yang diuji.
Jika Asymp. Sig. signifikansinya < 0.05 maka terdapat masalah
autokorelasi pada data yang diuji.
ANALISIS
Berdasarkan tabel Runs Test pada output, nilai Asymp. Sig. = 0.884 > 0.05.
Artinya, tidak terdapat masalah autokorelasi pada data yang diuji.
KESIMPULAN:
Berdasarkan langkah-langkah uji autokorelasi menggunakan Uji Run Test
disimpulkan tidak ada masalah autokorelasi pada data tersebut. Jadi dapat
disimpulkan bahwa tidak terjadi masalah autokorelasi pada data yang diuji.
3. UJI KORELASI
3.1. UJI KORELASI PRODUCT MOMENT
(Menghitung Korelasi Product Moment dapat dilakukan dengan Simpangan,
dengan Angka Kasar, dan dengan SPSS).
Sebuah Pabrik Penggilingan Padi ingin diketahui kemampuan mesin produksinya.
Data diamati dalam setiap jam untuk jangka waktu 20 hari. Data pengamatan
disajikan sebagai berikut:
Hari Waktu (Jam) Hasil (Ton)
1 2 10
2 4 15
3 6 18
4 8 20
5 10 30
6 2 9
7 4 16
8 6 19
9 8 21.5
10 10 29.75
11 2 10.5
12 4 14
13 6 18
14 8 21
15 10 31.5
16 2 11
17 4 13
18 8 22
19 10 29.5
20 2 10.5
Jadi
√( )( ) √( )( )
Correlations
X Y
N 20 20
N 20 20
No Kemampuan
Responden Kepribadian Manajemen
1 1 2
2 10 8
3 2 13
4 11 20
5 9 9
6 3 14
7 20 1
8 16 19
9 8 10
10 19 18
11 17 3
12 15 15
13 6 7
14 14 11
15 7 17
16 5 4
17 18 16
18 13 6
19 12 12
20 4 5
Model yang digunakan dalam analisis korelasi Kendall sekaligus digunakan
sebagai statistik uji. Model itu dinyatakan sbagai berikut:
( )
Keterangan:
= Koefisien korelasi Kendall (besarnya antara -1 s/d 1)
S = Selisih jumlah rank X dan Y
n = Banyaknya sampel
Hipotesis:
Hipotesis yang digunakan dalam menganalisis koefisien korelasi Kendall adalah:
(X dan Y saling bebas atau independen)
(X dan Y tidak saling bebas)
Kriteria penolakan :
Tolak jika
Terima jika
Diperoleh
Menghitung t
( )
( ) ( ) ( )
Correlations
X Y
N 20 20
Y Correlation Coefficient .168 1.000
N 20 20
Diperoleh
Dengan mengambil maka dari tabel distribusi diperoleh
Artinya tidak terdapat korelasi yang nyata antara kepribadian dan kemampuan
manajemen.
Dari tabel di atas dapat diketahui bahwa korelasi Kendall antara variabel
kepribadian (X) dengan kemampuan manajemen (Y) adalah sebesar 0,168 dengan
arah positif. Hal ini berarti perubahan yang dialami oleh kepribadian akan diikuti
secara positif oleh kemampuan manajemen. Hubungan antara kedua variabel
tersebut tidak signifikan karena nilai P atau Sig. sebasar 0,299 atau lebih besar
dari tingkat kesalahan yang dipasang 0,05 (5%).
KESIMPULAN:
Berdasarkan analisis korelasi dengan korelasi Kendall dan uji keberartian analisis
korelasi dapat disimpulkan bahwa tidak ada hubungan yang berarti (signifikan)
antara kepribadian dengan kemampuan manajemen.
No X Y
1 64 42
2 56 46
3 50 40
4 68 55
5 76 65
6 84 88
7 90 86
8 66 56
9 85 62
10 90 92
11 75 55
12 92 81
Sehingga
( )
Keterangan:
= koefisien korelasi spearman
d = selisih peringkat untuk masing-masing pasangan
n = jumlah pengamatan / observasi
Dari perhitungan koefisien Korelasi Spearman, dapat diketahui bahwa dalam
penelitian ini hubungan antara Skor Motivasi dengan Nilai Statistika adalah
sangat kuat yaitu sebesar 0,881.
Correlations
X Y
**
Spearman's X Correlation Coefficient 1.000 .881
rho
Sig. (2-tailed) . .000
N 12 12
**
Y Correlation Coefficient .881 1.000
N 12 12
Korelasi rank Spearman antara variabel motivasi belajar dengan prestasi belajar
statistika adalah sebesar 0,881 dengan arah positif. Hal ini berarti semakin besar
nilai semakin besar pula nilai . Hubungan antara kedua variabel tersebut
signifikan karena nilai Sig. sebesar 0,000 atau lebih kecil dari tingkat kesalahan
yang ditetapkan 0,05 (5%). Tanda bintang dua ** juga menunjukkan hubungan
kedua variabel tersebut sangat signifikan.
KESIMPULAN
Berdasarkan analisis korelasi dengan korelasi Spearman dan uji keberartian
analisis korelasi dapat disimpulkan bahwa ada hubungan yang berarti (signifikan)
antara skor motivasi dengan nilai statistika.