Analisis Regresi Linear Berganda Sekaligus Uji Asumsi Klasik Dengan SPSS@Somad - Daqoms

Support by www.StatistikaSomad_Daqoms.
com
Analisis Regresi Linear Berganda Sekaligus

Uji Asumsi Klasik dengan SPSS
Oleh : Somad_Daqoms
KONSEP DASAR ANALISIS REGRESI LINEAR BERGANDA

1. Analisis regresi linear berganda bertujuan untuk mengetahui
pengaruh dua atau lebih variabel independent (X) terhadap

variabel dependent (Y).
2. Menurut V. Wiratna Sujarweni (2014; 181) Model regresi liner
berganda dapat disebut sebagai model yang baik (memiliki ketepatan

dalam estimasi, tidak bias dan konsisten) jika model tersebut
memenuhi asumsi normalitas dan bebas dari asumsi klasik
multikolinearitas, heteroskedastistias, dan autokorelasi
(data time series).

Support by www.StatistikaSomad_Daqoms.com
CONTOH KASUS
Judul penelitian : Pengaruh Pemahaman Peraturan Perpajakan (X1),

Penghindaran Pajak (X2) dan Sanksi Pajak (X3) terhadap Kepatuhan Wajib
Pajak (Y). Data primer cross section.
TAHAPAN ANALISIS
1. Persiapkan Tabulasi Data Penelitian.

2. Analisis Regresi Linear Berganda + Uji Asumsi Klasik (Normalitas,
Multikolinearitas, Heteroskedastisitas, dan Autokorelasi) dengan SPSS.

3. Melihat Dasar Pengambilan Keputusan dalam Uji Normalitas,
Multikolinearitas, Heteroskedastisitas, Autokorelasi dan Regresi Linear

Berganda (Uji t dan Uji F).
4. Pembahasan dan Pembuatan Kesimpulan.

DASAR PENGAMBILAN KEPUTUSAN UJI NORMALITAS

PROBABILITY PLOT
Menurut Imam Ghozali (2011: 161) Model regresi dikatakan berdistribusi
normal jika data ploting (titik- titik) yang menggambarkan data

sesungguhnya mengikuti garis diagonal.
KESIMPULAN UJI NORMALITAS

Model regresi berdistribusi normal.
Alternatif dengan uji komogorov smirnov
DASAR PENGAMBILAN KEPUTUSAN UJI NORMALITAS

HISTOGRAM
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukan pola distribusi normal,
maka model regresi memenuhi asumsi normlitas atau data berdistribusi
normal.
Jika data tidak menyebar disekitar garis diagonal dan tidak mengikuti
arah garis diagonal atau grafik histogramnya tidak menunjukan pola
distribusi normal, maka model regresi tidak memenuhi asumsi normlitas
atau data tidak berdistribusi normal.

KESIMPULAN UJI NORMALITAS

Grafik histogram menunjukan pola distribusi normal, maka model regresi
berdistribusi normal.
Alternatif dengan uji komogorov smirnov
DASAR PENGAMBILAN KEPUTUSAN UJI

MULTIKOLINEARITAS TOLERANCE DAN VIF
Menurut Imam Ghozali (2011: 107-108) Tidak terjadi gejala multikolinieritas, jika
nilai Tolerance > 0,100 dan nilai VIF < 10,00.
KESIMPULAN UJI MULTIKOLINEARITAS

Tidak ada gejala multikolinearitas.
DASAR PENGAMBILAN KEPUTUSAN UJI HETEROSKEDASTISTIAS

SCATTERPLOTS
Menurut Imam Ghozali (2011: 139) Tidak terjadi heteroskedastisitas, jika tidak
ada pola yang jelas (bergelombang, melebar kemudian menyempit) pada
gambar scatterplots, serta titik-titik menyebar di atas dan dibawah angka 0
pada sumbu Y.
KESIMPULAN UJI HETEROSKEDASTISTIAS

Tidak ada gejala heteroskedastisitas.
Alternatif dengan uji glejser
DASAR PENGAMBILAN KEPUTUSAN UJI AUTOKORELASI

DURBIN WATSON
Menurut Imam Ghozali (2011: 111) Tidak ada gejala autokorelasi, jika nilai Durbin
Watson terletak antara du sampai dengan (4-du).
PEMBAHASAN DAN KESIMPULAN UJI AUTOKORELASI
Nilai du dicari pada distribusi nilai tabel durbin Watson berdasarkan k (3) dan
N (50) dengan signfikansi 5%.

du (1,674) < Durbin Watson (1,759) < 4-du (2,326)
Tidak ada gejala autokorelasi.

Uji Normalitas (Kolmogorof Smirnof)

dengan SPSS
One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 50
Normal Parametersa,b Mean .0000000
Std. Deviation 3.48276939
Most Extreme Differences Absolute .107
Positive .107
Negative -.105
Test Statistic .107
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Pengambilan Keputusan
Jika nilai Signifikansi > 0,05 maka data berdistribusi normal

Jika nilai Signifikansi < 0,05 maka data tidak berdistribusi normal
KESIMPULAN UJI NORMALITAS KOLMOGOROF SMIRNOV
Nilai Signifikansi 0,20 > 0,05 dapat disimpulkan data berdistribusi

normal
DASAR PENGAMBILAN KEPUTUSAN UJI t PARSIAL (REGRESI LINEAR BERGANDA)

BERDASARKAN NILAI SIGNIFIKANSI
Menurut Imam Ghozali (2011: 101) jika nilai Sig. < 0,05 maka artinya variabel
independent (X) secara parsial berpengaruh terhadap variabel dependent (Y).
KESIMPULAN UJI t PARSIAL
Pemahaman Peraturan Perpajakan (X1) tidak berpengaruh terhadap Kepatuhan

Wajib Pajak (Y)
Penghindaran Pajak (X2) berpengaruh terhadap Kepatuhan Wajib Pajak (Y)
Sanksi Pajak (X3) berpengaruh terhadap Kepatuhan Wajib Pajak (Y)

DASAR PENGAMBILAN KEPUTUSAN UJI t PARSIAL (REGRESI LINEAR
BERGANDA) BERDASARKAN NILAI HITUNG DAN TABEL
Menurut V. Wiratna Sujarweni (2014; 155), jika nilai thitung > ttabel maka
artinya variabel independent (X) secara parsial berpengaruh terhadap
variabel dependent (Y).

Rumus mencari ttabel = (α/2; n-k-1) = (0,05/2 ; 50-3-1) = (0,025 ; 46) = 2,013
MELIHAT PERBADINGAN NILAI t DENGAN KURVA
3,212
2
2,421
2,013
-2,013
1
0,532
KESIMPULAN UJI t PARSIAL

X1 tidak berpengaruh terhadap Y
X2 berpengaruh positif terhadap Y
X3 berpengaruh positif terhadap Y

DASAR PENGAMBILAN KEPUTUSAN UJI F SIMULTAN (REGRESI LINEAR

BERGANDA) BERDASARKAN NILAI SIGNIFIKANSI
Menurut Imam Ghozali (2011: 101) jika nilai Sig. < 0,05 maka artinya variabel
independent (X) secara simultan berpengaruh terhadap variabel dependent
(Y).
KESIMPULAN UJI F SIMULTAN

Return On Assets (X1), Return On Equity (X2) dan Price Earning Ratio (X3)
secara simultan berpengaruh terhadap Harga Saham (Y)
DASAR PENGAMBILAN KEPUTUSAN UJI F SIMULTAN (REGRESI LINEAR
BERGANDA) BERDASARKAN NILAI HITUNG DAN TABEL
Menurut V. Wiratna Sujarweni (2014; 154), jika nilai Fhitung > Ftabel maka
artinya variabel independent (X) secara simultan berpengaruh
terhadap variabel dependent (Y).

Rumus mencari ttabel = (k ; n-k) = (3 ; 50-3) = (3 ; 47) = 2,80
KESIMPULAN UJI F SIMULTAN

Pemahaman Peraturan Perpajakan (X1), Penghindaran Pajak (X2) dan
Sanksi Pajak (X3) secara simultan berpengaruh terhadap Kepatuhan Wajib
Pajak (Y)
UJI KOEFESIEN DETERMINASI
Output SPSS (Model Summary)
Dari output diatas, didapatkan nilai R Square (Koefesien Determinasi)

sebesar 0,367 yang artinya pengaruh variabel independent X1, X2, dan
X3 terhadap variabel dependen (Y) sebesar 36,7%. Sedangkan sisanya
(100% - 36,7% = 63,3%) dipengaruhi oleh variabel lain diluar persamaan
regresi ini atau variabel yang tidak diteliti.
UJI KORELASI
DASAR PENGAMBILAN KEPUTUSAN
Jika nilai sig F Change < 0,05, maka berkorelasi

Jika nilai sig F Change > 0,05, maka tidak berkorelasi
PEDOMAN DERAJAT HUBUNGAN
Nilai Pearson Correlation 0,00 s/d 0,20 = Tidak ada korelasi.

Nilai Pearson Correlation 0,21 s/d 0,40 = Korelasi lemah.
Nilai Pearson Correlation 0,41 s/d 0,60 = Korelasi sedang.
Nilai Pearson Correlation 0,61 s/d 0,80 = Korelasi kuat.
Nilai Pearson Correlation 0,81 s/d 1,00 = Korelasi sempurna.
KESIMPULAN UJI KORELASI
Nilai Sig. F Change untuk hubungan (korelasi) X1, X2, dan X3 secara
simultan terhadap Y adalah 0,000 < 0,05 sehingga dapat
disimpulkan bahwa terdapat hubungan (korelasi) secara simultan
terhadap variabel Y.
Nilai koefesien korelasi (R) X1, X2, dan X3 adalah 0,606, artinya
derajat hubungan antara variabel X1, X2 dan X3 merupakan kategori
korelasi sedang.
UJI Validitas Pearson Product Moment

Untuk Koesioner dengan SPSS
Oleh : Somad_Daqoms
KONSEP DASAR UJI VALIDITAS PEARSON
1. Uji validitas berguna untuk mengetahui kevalidan atau kesesuaian

kuesioner yang digunakan oleh peneliti dalam mengukur dan
memperoleh data penelitian dari para responden.
2. Koesioner peneliti dikatakan berkualitas jika sudah terbukti validitas
dan reliabilitasnya.
3. Uji validitas pearson product moment mengunakan prinsip
mengkorelasikan antara masing-masing skor item koesioner dengan
skor total jawaban responden.
DASAR PENGAMBILAN KEPUTUSAN UJI VALIDITAS

PEARSON
 Pembandingan Nilai rhitung dengan rtabel
1. Jika nilai rhitung > rtabel = Valid
2. Jika nilai rhitung < rtabel = Tidak valid
Cara mencari nilai rtabel dengan N = 50 pada signifikansi 5% pada

distribusi nilai rtabel statistik. Maka diperoleh nilai rtabel sebesar 0,279
 Melihat nilai Signifikansi (Sig).

1. Jika nilai signifikansi < 0,05 = Valid
2. Jika nilai signifikansi > 0,05 = Tidak valid
Output Validasi Variabel X1,X2 dan X3 SPSS
Validasi X1
Validasi X2
Validasi X3
RINGKASAN HASIL UJI VALIDASI PEARSON
Variabel X1
No item rhitung rtabel 5% (50) Sig. Kriteria

1 0,892 0,279 0,000 Valid
2 0,842 0,279 0,000 Valid
3 0,892 0,279 0,000 Valid
4 0,900 0,279 0,000 Valid
5 0,759 0,279 0,000 Valid
6 0,878 0,279 0,000 Valid
7 0,902 0,279 0,000 Valid
8 0,780 0,279 0,000 Valid
9 0,902 0,279 0,000 Valid
10 0,923 0,279 0,000 Valid
11 0,833 0,279 0,000 Valid
12 0,906 0,279 0,000 Valid
13 0,797 0,279 0,000 Valid
14 0,880 0,279 0,000 Valid
15 0,833 0,279 0,000 Valid
Variabel X2

1 0,842 0,279 0,000 Valid
2 0.892 0,279 0,000 Valid
3 0,876 0,279 0,000 Valid
4 0,916 0,279 0,000 Valid
5 0,784 0,279 0,000 Valid
6 0,892 0,279 0,000 Valid
7 0,892 0,279 0,000 Valid
8 0,799 0,279 0,000 Valid
9 0,873 0,279 0,000 Valid
10 0,819 0,279 0,000 Valid
Variabel X3

1 0,884 0,297 0,000 Valid
2 0,098 0,297 0,000 Tidak valid
3 0,796 0,297 0,000 Valid
4 0,930 0,297 0,000 Valid
5 0,914 0,297 0,000 Valid
6 0,923 0,297 0,000 Valid
7 0,910 0,297 0,000 Valid
8 0,844 0,297 0,000 Valid
9 0,890 0,297 0,000 Valid
10 0,872 0,297 0,000 Valid
11 0,807 0,297 0,000 Valid
12 0,923 0,297 0,000 Valid
13 0,890 0,297 0,000 Valid
14 0,892 0,297 0,000 Valid
15 0,923 0,297 0,000 Valid
KESIMPULAN UJI VALIDASI
Kuesioner Variabel X1 = Valid (15 kuesioner valid)

Kuesioner Variabel X2 = Valid (10 kuesioner valid)
Kuesioner Variabel X3 = Valid (dari 15 kueioner 14 kuesioner valid
dan 1 kuesioner Tidak Valid).
UJI Reliabilitas Cronbach Alpha Untuk

Koesioner dengan SPSS
Oleh : Somad_Daqoms
KONSEP DASAR UJI REALIBILITAS CRONBACH ALPHA
1. Kuesioner penelitian dikatakan berkualitas jika sudah terbukti validitas

dan reliabelitasnya.
2. Uji reliabilitas dilakukan setelah item kuesioner dinyatakan valid.
3. Uji relibilitas bertujuan untuk melihat apakah kuesioner memiliki
konsistensi jika pengukuran dilakukan dengan kuesioner tersebut
dilakukan secara berulang.
4. Uji reliabilitas dapat dilakukan secara Bersama-sama terhadap seluruh
item kuesioner dalam suatu variabel penelitian.
DASAR PENGAMBILAN KEPUTUAN UJI RELIABILITAS CRONBACH ALPHA
Menurut Wiratna sujerweni (2014), kuesioner dikatakan reliabel jika nilai

chronbach alpha > 0,6.
Output Relibialitas Variabel X1,X2 dan X3

SPSS
Reliabilitas X1 Reliabilitas X2 Reliabilitas X3

KESIMPULAN UJI
RELIABILITAS
Nilai chronbach alpha variabel X1 0,975 dengan 15 item. chronbach

alpha variabel X1 0,975 > 0,6 maka dapat disimpulan bahwa item
kuesioner untuk variabel X1 dinyatakan reliabel atau konsisten untuk
digunakan dalam penelitian.

alpha variabel X2 0,960 > 0,6, maka dapat disimpulan bahwa item

alpha variabel X3 0,978 > 0,6, maka dapat disimpulan bahwa item
Item kuesioner Pemahaman Peraturan Perpajakan (X1), Penghindaran

Pajak (X2), dan Sanksi Pajak (X3) dapat dinyatakan reliabel atau
konsisten untuk digunakan dalam penelitian.

Analisis Regresi Linear Berganda Sekaligus Uji Asumsi Klasik Dengan SPSS@Somad - Daqoms

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Regresi Linear Berganda Sekaligus Uji Asumsi Klasik Dengan SPSS@Somad - Daqoms

Diunggah oleh

Hak Cipta:

Format Tersedia

Support by www.StatistikaSomad_Daqoms.

Analisis Regresi Linear Berganda Sekaligus

KONSEP DASAR ANALISIS REGRESI LINEAR BERGANDA

pengaruh dua atau lebih variabel independent (X) terhadap

2. Menurut V. Wiratna Sujarweni (2014; 181) Model regresi liner

berganda dapat disebut sebagai model yang baik (memiliki ketepatan

memenuhi asumsi normalitas dan bebas dari asumsi klasik

multikolinearitas, heteroskedastistias, dan autokorelasi

(data time series).

Judul penelitian : Pengaruh Pemahaman Peraturan Perpajakan (X1),

1. Persiapkan Tabulasi Data Penelitian.

Multikolinearitas, Heteroskedastisitas, dan Autokorelasi) dengan SPSS.

Multikolinearitas, Heteroskedastisitas, Autokorelasi dan Regresi Linear

4. Pembahasan dan Pembuatan Kesimpulan.

DASAR PENGAMBILAN KEPUTUSAN UJI NORMALITAS

Menurut Imam Ghozali (2011: 161) Model regresi dikatakan berdistribusi

normal jika data ploting (titik- titik) yang menggambarkan data

KESIMPULAN UJI NORMALITAS

DASAR PENGAMBILAN KEPUTUSAN UJI NORMALITAS

diagonal atau grafik histogramnya menunjukan pola distribusi normal,

maka model regresi memenuhi asumsi normlitas atau data berdistribusi

arah garis diagonal atau grafik histogramnya tidak menunjukan pola

distribusi normal, maka model regresi tidak memenuhi asumsi normlitas

atau data tidak berdistribusi normal.

KESIMPULAN UJI NORMALITAS

DASAR PENGAMBILAN KEPUTUSAN UJI

KESIMPULAN UJI MULTIKOLINEARITAS

DASAR PENGAMBILAN KEPUTUSAN UJI HETEROSKEDASTISTIAS

KESIMPULAN UJI HETEROSKEDASTISTIAS

DASAR PENGAMBILAN KEPUTUSAN UJI AUTOKORELASI

PEMBAHASAN DAN KESIMPULAN UJI AUTOKORELASI

N (50) dengan signfikansi 5%.

Tidak ada gejala autokorelasi.

Uji Normalitas (Kolmogorof Smirnof)

One-Sample Kolmogorov-Smirnov Test

Jika nilai Signifikansi > 0,05 maka data berdistribusi normal

KESIMPULAN UJI NORMALITAS KOLMOGOROF SMIRNOV

Nilai Signifikansi 0,20 > 0,05 dapat disimpulkan data berdistribusi

DASAR PENGAMBILAN KEPUTUSAN UJI t PARSIAL (REGRESI LINEAR BERGANDA)

KESIMPULAN UJI t PARSIAL

Pemahaman Peraturan Perpajakan (X1) tidak berpengaruh terhadap Kepatuhan

Penghindaran Pajak (X2) berpengaruh terhadap Kepatuhan Wajib Pajak (Y)

Sanksi Pajak (X3) berpengaruh terhadap Kepatuhan Wajib Pajak (Y)

DASAR PENGAMBILAN KEPUTUSAN UJI t PARSIAL (REGRESI LINEAR

BERGANDA) BERDASARKAN NILAI HITUNG DAN TABEL

artinya variabel independent (X) secara parsial berpengaruh terhadap

variabel dependent (Y).

MELIHAT PERBADINGAN NILAI t DENGAN KURVA

KESIMPULAN UJI t PARSIAL

X2 berpengaruh positif terhadap Y

X3 berpengaruh positif terhadap Y

DASAR PENGAMBILAN KEPUTUSAN UJI F SIMULTAN (REGRESI LINEAR

KESIMPULAN UJI F SIMULTAN

DASAR PENGAMBILAN KEPUTUSAN UJI F SIMULTAN (REGRESI LINEAR

BERGANDA) BERDASARKAN NILAI HITUNG DAN TABEL

artinya variabel independent (X) secara simultan berpengaruh

terhadap variabel dependent (Y).

KESIMPULAN UJI F SIMULTAN

UJI KOEFESIEN DETERMINASI

Output SPSS (Model Summary)

Dari output diatas, didapatkan nilai R Square (Koefesien Determinasi)

DASAR PENGAMBILAN KEPUTUSAN

Jika nilai sig F Change < 0,05, maka berkorelasi