a.

Persamaan Analisis Regresi Berganda

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 29.913 5.767 5.187 .000

1 Earnings per share -5.324 1.634 -.627 -3.258 .005

Dividend percentage 1.449 1.798 .155 .806 .431

a. Dependent Variable: Price to earnings ratio

Berdasarkan hasil diatas, persamaan regresi linier berganda dapat disusun

sebagai berikut:

Y= 29,913 - 5,324X1 + 1,449X2 + e

a) Nilai konstanta sebesar 29,913, hal ini menunjukan apabila variabel

Earnings per share, Dividend percentage dan Return on Asset, jika
dianggap konstan (0), maka Price to earnings ratio adalah 29,913.
b) Koefisien regresi variabel Earnings per share (x1) sebesar -5,324. Hal ini
berarti setiap kenaikan Earnings per share sebesar 1% akan menurunkan
Price to earnings ratio sebesar -5,324.
c) Koefisien regresi variabel Dividend percentage (x2) sebesar 1,449. Hal ini
berarti setiap kenaikan Dividend percentage sebesar 1% akan menaikkan
Price to earnings ratio sebesar 1,449.

b. R Square dan Adjusted R Square

Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate
a
1 .621 .386 .314 9.54948

a. Predictors: (Constant), Dividend percentage, Earnings per share

b. Dependent Variable: Price to earnings ratio

 Berdasarkan hasil tabel diatas, besarnya R Square adalah 0,386. Hasil
perhitungan statistic ini berarti kemampuan variabel independen (Earnings per
share, Dividend percentage dan Return on Asset) dalam menerangkan perubahan
variabel dependen (Price to earnings ratio) sebesar 38,6% sisanya 61,4%
dijelaskan oleh variabel lain diluar model regresi yang dianalisis.

Berdasarkan hasil tabel diatas Adjusted R Square adalah nilai R Square

yang telah disesuaikan yaitu 0,314. Hasil perhitungan statistic ini berarti
kemampuan variabel independen (Earnings per share, Dividend percentage dan
Return on Asset) dalam menerangkan perubahan variabel dependen (Price to
earnings ratio) sebesar 31,4% sisanya 68,6% dijelaskan oleh variabel lain diluar
model regresi yang dianalisis.

c. Uji Signifikansi

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 29.913 5.767 5.187 .000

1 Earnings per share -5.324 1.634 -.627 -3.258 .005

Dividend percentage 1.449 1.798 .155 .806 .431

a. Dependent Variable: Price to earnings ratio

Berdasarkan tabel diatas, dapat diketahui bahwa Earnings per share

mempunyai nilai tingkat signifikan sebesar 0,005 < 0,05, maka H0 ditolak dan
H1 diterima. Sehingga Earnings per share berpengaruh terhadap Price to
earnings ratio.
Dividend percentage mempunyai nilai tingkat signifikan sebesar 0,431 > 0,05,
maka H0 diterima dan H2 ditolak. Sehingga Dividend percentage tidak
berpengaruh terhadap Price to earnings ratio.
 d. Koefisien Determinasi (Coefficient Of Determination)
Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .621a .386 .314 9.54948

a. Predictors: (Constant), Dividend percentage, Earnings per share

b. Dependent Variable: Price to earnings ratio

Berdasarkan hasil tabel diatas, besarnya R Square adalah 0,386. Hasil

perhitungan statistic ini berarti kemampuan variabel independen (Earnings per
share, Dividend percentage dan Return on Asset) dalam menerangkan perubahan
variabel dependen (Price to earnings ratio) sebesar 38,6% sisanya 61,4%
dijelaskan oleh variabel lain diluar model regresi yang dianalisis.

e. Uji F Anova

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 975.519 2 487.760 5.349 .016b

1 Residual 1550.274 17 91.193

Total 2525.793 19

a. Dependent Variable: Price to earnings ratio

b. Predictors: (Constant), Dividend percentage, Earnings per share

Berdasarkan hasil diatas, menunjukan nilai Fhitung 5,349 > 3,59 Ftabel
dan signifikan untuk Earnings per share dan Dividend percentage, adalah 0,016
atau kurang dari 0,05. Jadi model regresi Earnings per share dan Dividend
percentage, secara simultan berpengaruh terhadap Price to earnings ratio.
 f. Hipotesis Uji t

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 29.913 5.767 5.187 .000

1 Earnings per share -5.324 1.634 -.627 -3.258 .005

Dividend percentage 1.449 1.798 .155 .806 .431

a. Dependent Variable: Price to earnings ratio

Berdasarkan tabel diatas, dapat diketahui bahwa Earnings per share

mempunyai nilai thitung = -3,258 < ttabel = 2,1098 dengan tingkat signifikan
sebesar 0,005 < 0,05, maka H0 ditolak dan H1 diterima. Sehingga Earnings per
share berpengaruh negatif terhadap Price to earnings ratio.
Dividend percentage mempunyai nilai thitung = 0,806 < ttabel = 2,1098
dengan tingkat signifikan sebesar 0,431 > 0,05, maka H0 diterima dan H2
ditolak. Sehingga Dividend percentage tidak berpengaruh terhadap Price to
earnings ratio.

g. Uji Normality dari Residuals

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 20
Mean .0000000
Normal Parametersa,b
Std. Deviation 9.03290386
Absolute .221
Most Extreme Differences Positive .135
Negative -.221
Kolmogorov-Smirnov Z .991
Asymp. Sig. (2-tailed) .280

a. Test distribution is Normal.

b. Calculated from data.

Dari hasil uji asumsi klasik untuk menguji normalitas residual yaitu
menggunakan uji One Sample Kolmogorov-Smirnov (K-S) didapatkan Besarnya
nilai signifikansi 0,280 yang lebih dari alpha (0,05) hasil tersebut menunjukkan
bahwa data berdistribusi normal.

h. Uji Multikolinieritas
Coefficientsa

Model Unstandardized Standardized t Sig. Collinearity

Coefficients Coefficients Statistics

B Std. Error Beta Tolerance VIF

(Constant) 29.913 5.767 5.187 .000

Earnings per share -5.324 1.634 -.627 -3.258 .005 .974 1.027
1
Dividend 1.449 1.798 .155 .806 .431 .974 1.027
percentage

a. Dependent Variable: Price to earnings ratio

Dari perhitungan yang ada pada tabel hasil uji multikolinearitas, diperoleh
nilai tolerance untuk semua variabel > 0,10 dan nilai VIF < 10, maka model
regresi tersebut tidak mengalami multikolinearitas.

i. Uji Homokedastistias
 Berdasarkan gambar di atas terlihat bahwa tidak ada pola yang jelas serta
titik-titik tersebut menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini
menunjukkan bahwa data dalam penelitian ini tidak terjadi heteroskedastisitas.

j. Uji Autokorelasi (Tes Durbin Watson)

Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu
observasi ke observasi lainnya. Salah satu cara untuk mendeteksi ada tidaknya
autokorelasi adalah dengan uji Durbin-Watson (DW Test). Berdasarkan hasil
pengujian yang telah dilakukan, ditemukan bahwa nilai DW Test pada model
regresi dan dapat dilihat pada tabel .. berikut:
Tabel .. Hasil Uji Autokorelasi
du < d < 4 – du Keterangan
1,8116 < 1,918 < 2,1884 Tidak ada gejala autokorelasi
Sumber: Hasil Olah Data SPSS

Lampiran output

Model Summaryb
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate

1 .621a .386 .314 9.54948 1.918

a. Predictors: (Constant), Dividend percentage, Earnings per share

b. Dependent Variable: Price to earnings ratio

Berdasarkan tabel di atas menunjukkan bahwa nilai d >du dan d < 4-du,
sehingga dapat disimpulkan bahwa model regresi yang digunakan tidak terjadi
autokorelasi.
Run MATRIX procedure:

**************** PROCESS Procedure for SPSS Version 3.5.3

****************

Written by Andrew F. Hayes, Ph.D. www.afhayes.com

Documentation available in Hayes (2018).
www.guilford.com/p/hayes3

******************************************************************
********
Model : 1
Y : reaction
X : cond
W : pmi

Sample
Size: 123

******************************************************************
********
OUTCOME VARIABLE:
reaction

Model Summary
R R-sq MSE F df1 df2
p
,4688 ,2198 1,9225 11,1725 3,0000 119,0000
,0000

Model
coeff se t p LLCI
ULCI
constant -,1483 ,7176 -,2066 ,8367 -1,5692
1,2726
cond 1,8493 1,1260 1,6423 ,1032 -,3804
4,0790
pmi ,6320 ,1296 4,8778 ,0000 ,3755
,8886
Int_1 -,2827 ,1944 -1,4541 ,1486 -,6677
,1023

Product terms key:

Int_1 : cond x pmi

Test(s) of highest order unconditional interaction(s):

R2-chng F df1 df2 p
X*W ,0139 2,1144 1,0000 119,0000 ,1486
----------
Focal predict: cond (X)
Mod var: pmi (W)

Data for visualizing the conditional effect of the focal

predictor:
Paste text below into a SPSS syntax window and execute to produce
plot.
DATA LIST FREE/
cond pmi reaction .
BEGIN DATA.
,0000 4,2804 2,5570
1,0000 4,2804 3,1962
,0000 5,6016 3,3920
1,0000 5,6016 3,6577
,0000 6,9229 4,2271
1,0000 6,9229 4,1193
END DATA.
GRAPH/SCATTERPLOT=
pmi WITH reaction BY cond .

*********************** ANALYSIS NOTES AND ERRORS

************************

Level of confidence for all confidence intervals in output:

95,0000

------ END MATRIX -----

a. Persamaan regresi
Berdasarkan hasil diatas, persamaan regresi linier berganda dapat disusun sebagai
berikut:

Y= -0,1483 + 1,8493X + 0,632M – 0,2827Interaksi + e

b. Pengaruh Signifikan
Berdasarkan hasil analisis diatas diketahui variabel Int_1 memiliki nilai P
sebesar 0,1486 dimana nilai tersebut lebih besar dari 0,05. Artinya adalah tidak
ada efek moderasi dari PMI pada hubungan antara Cond dengan Reaction.

c. Interpretrasi Koefisien Regresi

Y= -0,1483 + 1,8493X + 0,632M – 0,2827Interaksi + e

a) Nilai konstanta sebesar -0,1483, hal ini menunjukan apabila variabel
Cond, PMI dan Interaksi Moderasi, jika dianggap konstan (0), maka
Reaction adalah -0,1483.
b) Koefisien regresi variabel Cond (x) sebesar 1,8493. Hal ini berarti setiap
kenaikan Cond sebesar 1% akan menaikkan Reaction sebesar 1,8493.
 c) Koefisien regresi variabel PMI (M) sebesar 0,632. Hal ini berarti setiap
kenaikan PMI sebesar 1% akan menaikkan Reaction sebesar 0,632.
d) Koefisien regresi variabel Interaksi (Int_1) sebesar -0,2827. Hal ini berarti
setiap kenaikan PMI sebesar 1% akan menurunkan Reaction sebesar
-0,2827.

Direct Effect Dan Indirect Effect Berpengaruh Signifikan

Berdasarkan tabel diatas, dapat diketahui bahwa Cond mempunyai nilai

thitung = 1,6428 < ttabel = 1,980 dengan tingkat signifikan sebesar 0,1032 > 0,05,
maka H0 diterima dan H1 ditolak. Sehingga Cond tidak berpengaruh terhadap
Reaction.
PMI mempunyai nilai thitung = 4,8778 > ttabel = 1,980 dengan tingkat
signifikan sebesar 0,000 < 0,05, maka H0 ditolak dan H2 diterima. Sehingga
PMI berpengaruh terhadap Reaction.

Berdasarkan tabel tersebut diperoleh hasil bahwa besarnya Fhitung adalah

11,1725 dengan nilai signifikansi sebesar 0,000 < 0,05. Untuk menguji hipotesis
Fhitung dikonsultasikan dengn Ftabel yaitu dengan df 1=3 dan df 2 = 119 dengan
taraf signifikansi 0,05 maka diperolah Ftabel sebesar 2,68. Berdasarkan hasil
diatas, menunjukan nilai Fhitung 11,1725 > 2,68 Ftabel dan signifikan untuk
Cond, PMI dan Int_1, adalah 0,000 atau kurang dari 0,05. Jadi model regresi
Cond, PMI dan Int_1, secara simultan berpengaruh terhadap Reaction.