Ekonometrika

By:
Finda Dwita Sari, S.E., M.Ak

FAKULTAS EKONOMI DAN BISNIS ISLAM

JURUSAN PERBANKAN SYARIAH
UNIVERSITAS ISLAM NEGERI SULTHAN THAHA SYAIFUDDIN JAMBI
Regresi Linear Berganda
(SPSS v.21)
(menggunakan Data Panel)
Regresi Linear Berganda adalah
model regresi linear dengan melibatkan lebih
dari satu variable bebas atau predictor dan satu
variabel terikat. Dalam bahasa inggris, istilah ini
disebut dengan Multiple Linear Regression.
 Y = α+ β1X1+ β2X2+…..+ βnXn+ e

Y : Variabel Terikat
α : Konstanta
X1 : Variabel Bebas 1
β1 : Koefisien Regresi 1
X2 : Variabel Bebas 2
β2 : Koefisien Regresi 2
Xn : Variabel Bebas ke-n
βn : Koefisien Regresi ke-n
e : Standard Error

Koefisien regresi ‘β’ adalah kontribusi besarnya perubahan nilai variabel

bebas, semakin besar nilai koefisien regresi maka kontribusi perubahan
semakin besar, demikian pula sebaliknya akan semakin lecil. Kontribusi
perubahan variabel bebas (X) juga ditentukan oleh koefisien regresi positif
atau negatif.

Kasus dan Tutorial Membuat Regresi

Rumus Regresi Linear Berganda Linear Berganda menggunakan SPSS V.21
Contoh kasus yang akan diselesaikan
 3.

1. Buka SPSS dan pilih Type in Data

2. Klik sheet Variabel View
3. Buatlah/ ketik seperti pengaturan di atas (tergantung soal/
kasus)

2.
 1. Setelah selesai pengaturan di sheet
Variabel View, klik Data View
2. Copy data dari File Excel yang diberikan
(hanya copy yang data angka inti saja,
abaikan nomor urut, tahun, nama variabel,
dsb (seperti gambar di samping) dan Paste
2. di sheet Data View (tampilan akan seperti
di samping).

1.
 Model Regresi
1. Klik Analyze – Regression – Linear
2. Klasifikasikan variabel ke kotak masing-masing
3. Klik Ok

2.

3.
Setelah tekan OK, akan keluar Output
seperti gambar.

Tabel yang diperlukan dalam menganalisis,

copy ke file Ms. Word sebagai kertas kerja
untuk diinterpretasikan. Jika sudah di-
copy as special (aktifkan saja yang Image)
dan di-paste ke file Ms. Word (jangan
lupa disimpan), hasil Output di SPSS tadi
disarankan untuk keluar (x) (boleh
disimpan atau tidak) agar tidak
membingungkan untuk output-output
berikutnya (berlaku untuk setiap output
atau setiap hasil uji).

Tabel yang diperlukan adalah tabel yang

berjudul ANOVA, Coefficients dan Model
Summary. Tabel ANOVA digunakan untuk
melihat F(hitung) atau melihat hasil untuk
Uji Simultan. Tabel Coefficient digunakan
untuk model regresi. Tabel Model
Summary digunakan untuk melihat hasil
Uji Koefisien Determinasi.
 Y = 2.150,157 + 10,335 X1 + 5,504 X2 – 1.624,551 X3 – 104,271 X4 + e

• a = 2.150,157; artinya jika EPS, PER, ROE dan DER sama dengan 0, maka
Harga Sahamnya Rp 2.150,157.
• B1 = 10,335; artinya jika EPS meningkat Rp 1/lbr saham, maka Harga
sahamnya meningkat sebesar Rp 10,335/ lbr saham.
• B2 = 5,504; artinya jika PER meningkat 1%, maka harga sahamnya
meningkat sebesar Rp 5,504/ lbr saham.
• B3 = -1.624,552; artinya jika ROE meningkat 1%, maka harga sahamnya
menurun sebesar Rp 1.624,552/ lbr saham.
• B4= -104,271; artinya jika DER meningkat sebesar 1%, maka harga
sahamnya menurun sebesar Rp 104,271/ lbr saham.
 Uji Hipotesis
Uji Hipotesis dilakukan untuk membuktikan
apakah Hipotesis kita diterima atau ditolak.

Uji Statistik t (Uji t) dilakukan untuk menguji

hipotesis pengaruh secara parsial.

Uji Statistik F (Uji F) dilakukan untuk menguji

hipotesis pengaruh secara simultan.
 Langkah Uji Hipotesis
• Klik Analyze – Regression – Linear
• Klasifikasikan variabel ke kotak masing-masing
• Klik Ok
(langkah di atas sama seperti membuat model
regresi di awal)
Jika Sig F < 0.05 maka Hipotesis diterima
Jika Sig t masing-masing variabel bebas < 0.05
maka Hipotesis diterima
 Fokus ke Tabel ANOVA untuk melihat Uji F

Sig F adalah 0,437 > 0,05 maka EPS, PER, ROE dan DER tidak berpengaruh secara
simultan (bersama-sama) terhadap Harga Saham.
Fokus ke Tabel Coefficients untuk melihat
Uji t

Sig t EPS adalah 0,175 > 0,05 maka EPS tidak berpengaruh secara parsial terhadap
Harga Saham
Sig t PER adalah 0,546 > 0,05 maka PER tidak berpengaruh secara parsial terhadap
Harga Saham
Lanjutkan untuk variabel ROE dan DER.
 Koefisien Determinasi (R2)
• Pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen.
• Koefisien determinasi merupakan cara untuk mengukur besarnya
peranan atau pengaruh variabel independen terhadap variabel
dependen.
• Besarnya koefisien determinasi adalah 0 sampai dengan 1. Nilai R2
(R Square) yang kecil menunjukkan kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen sangat
terbatas. Nilai R2 yang mendekati 1 menunjukkan bahwa variabel-
variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen.
• Jika variabel bebas hanya 1 (satu), maka nilai yang digunakan adalah
nilai di kolom R-Sqaure
• Jika variabel bebas lebih dari 1 (satu), maka nilai yang digunakan
adalah nilai di kolom Adjusted R-Square.
 Koefisien Determinasi
(langkahnya sama seperti membuat model regresi di awal), namun tabel yang
digunakan adalah tabel Model Summary.

Nilai Adjusted R Square adalah 0,026 atau sama dengan 2,6%, artinya
kemampuan variabel EPS, PER, ROE, DER dalam menjelaskan varians
variabel harga saham adalah hanya sebesar 2,6% sedangkan
97,4%nya dijelaskan oleh variabel lain. (Jadi model regresi kita untuk
kasus ini tidak cukup bagus karena variabel bebas yang dipilih tidak
cukup menjelaskan tentang Harga Saham).
 Tugas

Lakukan olah data yang telah diberikan dan buat

laporannya dalam file word!