NAMA : NABILA QUR’ANI

NIM : 2001036072
MATKUL : METODOLOGI PENELITIAN AKUNTANSI AK/D

TUGAS MENGOLAH DATA DI SPSS MENGGUNAKAN MOEL ANALISIS REGRESI

LINEAR BERGANDA (Dengan x minimal 2, dan n minimal 50)

Tujuan dari Analisis Regresi Linear Berganda adalah untuk memprediksi nilai Variabel tak
bebas/response (Y) Jika nilai variable-variabel bebas/predictor (X1, X2,X3) diketahui. Disamping
itu juga untuk mengetahui arah hubungan antara variable tak bebas dengan variable-variabel bebas.

Y = f (X1, X2, ...., Xn) dimana :

Y = variabel dependen
X1, X2, ...., Xn = variabel independent
Bentuk persamaannya adalah sebagai berikut :

Dimana : N = 52
Y = Harga Saham
X1 = ROA
X2 = ROE
X3 = PER
Tahap-tahapan dalam menganalisa :
1. Uji normalitas data
2. Uji linearitas data
3. Uji asumsi klasik
4. Uji kelayakan model
5. Uji Hipotesis
6. Analisis Regresi Berganda
Metode Penelitian : Kuantitatif

Jenis Dan Sumber Data : Data Sekunder Time Series

Metode Pengumpulan Data : Data Sekunder

Tahun ROA (X1) ROE (X2) PER (X3) Harga Saham (Y)
No Sektor Perbankan
(%) (%) (Rp) (Rp)
1 2011 2,83 25,74 18,02 8000
2012 2,65 22,58 18,99 9100
BCA
2013 2,87 22,29 16,61 9600
2014 2,99 21,19 19,16 13125
2 2011 1,94 15,35 12,22 3800
2012 2,11 16,19 9,79 3700
BNI
2013 2,34 19,00 8,13 3950
2014 2,60 17,75 10,50 6100
3 2011 3,21 30,28 11,03 6750
2012 3,39 28,80 9,17 6950
BRI
2013 3,41 26,92 8,37 7250
2014 3,02 24,82 11,85 11650
4 2011 2,52 16,17 11,55 4100
2012 2,43 13,35 13,14 5650
DANAMON
2013 2,64 14,33 8,70 3775
2014 2,26 13,18 16,16 4525
5 2011 2,30 20,26 12,81 6750
2012 2,52 20,96 11,77 12100
MANDIRI
2013 2,57 21,21 9,37 7850
2014 2,42 19,70 12,17 10775
6 2011 1,59 17,29 9,68 1220
2012 2,15 18,76 6,51 1100
CIMB
2013 1,57 16,60 5,17 920
2014 1,51 8,24 8,98 835
7 2011 1,71 8,44 14,17 420
2012 1,95 12,53 13,16 405
MAYBANK
2013 1,12 12,66 11,78 900
2014 1,50 4,86 12,32 300
8 2011 1,36 12,68 9,18 1326
2012 1,14 12,66 6,70 1317
PERMATA
2013 1,04 10,95 6,47 1260
2014 1,44 12,22 10,89 1505
9 2011 1,80 13,70 9,36 1227
2012 1,27 12,91 7,89 1210
BTPN
2013 1,10 11,45 6,31 1165
2014 1,18 12,63 11,60 1500
10 2011 2,67 20,75 13,20 10800
2012 2,61 25,67 18,54 9200
DBS
2013 2,00 23,75 18,12 6000
2014 2,49 21,98 16,30 9300
11 2011 2,78 20,56 12,77 11000
2012 2,11 18,55 6,99 1310
BTN
2013 1,79 16,73 5,30 950
2014 1,14 8,34 8,44 890
12 2011 2,51 20,20 12,40 6770
2012 2,59 20,88 11,33 8300
MNC BANK
2013 2,70 21,33 9,11 7380
2014 2,14 13,24 7,47 870
13 2011 2,09 13,22 8,12 740
2012 1,70 17,83 9,44 7600
PANIN BANK
2013 2,52 20,96 11,77 8100
2014 2,57 21,21 9,37 7850
1. DASAR PENGAMBILAN KEPUTUSA 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.

2. UJI LINEARITAS DATA

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 544452967,044 3 181484322,348 40,633 ,000b

Residual 214385978,879 48 4466374,560

Total 758838945,923 51

a. Dependent Variable: Harga Saham (Y)

b. Predictors: (Constant), PER (X3), ROE (X2), ROA (X1)

KESIMPULAN UJI LINEARITAS DATA

Berdasarkan Nilai Signifikansi dari Output Anova tabel output diatas, diketahui nilai sig
adalah sebesar 0,000. Karena nilai sig 0,000 < 0,05 maka sesuai dengan dasar pengambilan
keputusan dalam uji F dapat disimpulkan bahwa hipotesis diterima atau dengan kata lain
terdapat hubungan Linear.

3. UJI ASUMSI KLASIK

A. DASAR PENGAMBILAN KEPUTUSAN UJI MULTIKOLINEARITAS

TOLERANCE DAN VIF

Menurut Imam Ghozali (2011: 1007-108) Tidak terjadi gejala multikolinieritas, jika nilai
Tolerance > 0,100 dan nilai FIV < 10,00

Coefficientsa

Unstandardized Standardized Collinearity

Coefficients Coefficients Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -7743,281 1205,756 -6,422 ,000

ROA (X1) 2157,966 836,978 ,355 2,578 ,013 ,311 3,214

ROE (X2) 246,895 93,026 ,356 2,654 ,011 ,327 3,054

PER (X3) 333,099 89,398 ,311 3,726 ,001 ,844 1,185

a. Dependent Variable: Harga Saham (Y)

 KESIMPULAN UJI MULTIKOLINIEARITAS

Tidak ada gejala multikolinearitas.

B. 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.

Tidak ada gejala heteroskedastisitas.

 Dapat dilihat juga dari nilai standard residual statistic rata-rata bernilai nol (0)

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -640,35 10721,28 4984,04 3267,346 52

Std. Predicted Value -1,721 1,756 ,000 1,000 52
Standard Error of Predicted
319,785 991,628 563,405 163,261 52
Value
Adjusted Predicted Value -838,01 11072,31 5029,82 3321,223 52
Residual -3583,844 5309,718 ,000 2050,280 52
Std. Residual -1,696 2,512 ,000 ,970 52
Stud. Residual -1,825 2,547 -,010 1,008 52
Deleted Residual -4150,046 5455,429 -45,778 2215,582 52
Stud. Deleted Residual -1,872 2,710 -,005 1,028 52
Mahal. Distance ,187 10,247 2,942 2,257 52
Cook's Distance ,000 ,132 ,021 ,030 52
Centered Leverage Value ,004 ,201 ,058 ,044 52

a. Dependent Variable: Harga Saham (Y)

KESIMPULAN UJI HETEROSKEDASTISITAS

Nilai std Residual mean menunjukkan 0,000 maka Tidak ada gejala heteroskedastisitas.

C. DASAR PENGAMBILAN KEPUTUSAN UJI AUTOKORELASI DURBIN

WATSON

Menurut Imam Ghozali (2011: 111) Tidak ada gejala autokorelasi, jika nilai Durbin Watson
terletak diantara du sampai dengan (4-du).

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 ,847a ,717 ,700 2113,380 1,693

a. Predictors: (Constant), PER (X3), ROE (X2), ROA (X1)

b. Dependent Variable: Harga Saham (Y)

Nilai Durbin Watson 1,693

 PEMBAHASAN DAN KESIMPULAN UJI AUTOKORELASI

• Nilai du dicari pada distribusi nilai table durbin waston berdasarkan jumlah variael
independent K (3) dan N (52) dengan signifikansi 5%
• du (1,674) < Durbin Watson (1,693) < 4-du (2,326)

Maka tidak ada Autokorelasi

4. UJI KELAYAKAN MODEL & UJI HIPOTESIS

A. DASAR PENGAMBILAN KEPUTUSAN UJI t PARSIAL (REGRESI LINEAR
BERGANDA) BERDASARKAN NILAI SIGNIFIKANSI

Menurut Imam Ghozali (2011: 101) jika nilai sig. < 0,05 maka artinya variable independent
(X) secara parsial berpengaruh terhadap variable dependen (Y).

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -7743,281 1205,756 -6,422 ,000

ROA (X1) 2157,966 836,978 ,355 2,578 ,013 ,311 3,214

ROE (X2) 246,895 93,026 ,356 2,654 ,011 ,327 3,054

PER (X3) 333,099 89,398 ,311 3,726 ,001 ,844 1,185

a. Dependent Variable: Harga Saham (Y)

KESIMPULAN UJI t PARSIAL

• Return On Assets (X1) berpengaruh terhadap Harga Saham (Y)
Karena berdasarkan nilai sig 0,013 lebih kecil dari 0,05
• Return On Equity (X2) berpengaruh terhadap Harga Saham (Y)
Karena berdasarkan nilai sig 0,011 lebih kecil dari 0,05
• Price Earning Ratio (Y) berpengaruh terhadap Harga Saham (Y)
Karena berdasarkan nilai sig 0,001 lebih kecil dari 0,05
B. DASAR PENGAMBILAN KEPUTUSAN UJI t PARSIAL (REGRESI LINEAR
BERGANDA) BERDASARKAN NILAI HITUNG DAN TABEL

Menurut V.Wiratna Sujarweni (2014:155), jika nilai t hitung > t tabel maka artinya variable
independent (X) secara Parsial berpengaruh terhadap dependent (Y).

• Rumus mencari t tabel = (alpha/2; n-k-1) = (0,05/2; 52-3-1) = (0,025 ; 48) = 2,011

KESIMPULAN UJI t PARSIAL BERDASARKAN NILAI t HITUNG DAN t TABEL

Melihat perbandingan Nilai t dengan KURVA

• Return On Assets (X1) berpengaruh Positif terhadap Harga Saham (Y)

Karena berdasarkan nilai t tabel 2,011 lebih kecil dari t hitung 2,578 dan masuk kedalam
area positif, maka semakin meningkat ROA (X1) maka semakin meningkatkan Harga
Saham (Y)
• Return On Equity (X2) berpengaruh Positif terhadap Harga Saham (Y)
Karena berdasarkan nilai t tabel 2,011 lebih kecil dari t hitung 2,578 dan masuk kedalam
area positif, maka semakin meningkat ROA (X1) maka semakin meningkatkan Harga
Saham (Y)
• Price Earning Ratio (Y) berpengaruh Positif terhadap Harga Saham (Y)
Karena berdasarkan nilai t tabel 2,011 lebih kecil dari t hitung 2,578 dan masuk kedalam
area positif, maka semakin meningkat ROA (X1) maka semakin meningkatkan Harga
Saham (Y)

C. DASAR PENGAMBILAN KEPUTUSAN UJI F SIMULTAN (REGRESI LINEAR

BERGANDA) BERDASARKAN NILAI SIGNIFIKANSI

Menurut Imam Ghozali (2011:101) jika nilai sig. < 0,05 maka artinya variable Independent
(X) secara simultan berpengaruh terhadap variable dependent (Y)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 544452967,044 3 181484322,348 40,633 ,000b

Residual 214385978,879 48 4466374,560

Total 758838945,923 51
 a. Dependent Variable: Harga Saham (Y)
b. Predictors: (Constant), PER (X3), ROE (X2), ROA (X1)

KESIMPULAN UJI F SIMULTAN

Berdasarkan tabel anova diatas dapat dilihat nilai Sig 0,000 < 0,05 maka dapat disimpulkan
Return On Assets (X1), Return On Equity (X2), dan Price Earning Ratio (X3) secara
simultan berpengaruh terhadap Harga Saham (Y).

D. DASAR PENGAMBILAN KEPUTUSAN UJI F SIMULTAN (REGRESI LINEAR

BERGANDA) BERDASARKAN NILAI HITUNG DA TABEL

Menurut V.Wiratna Sujarweni (2014: 154), jika nilai F hitung > F tabel maka artinya variable
independent (X) secara simultan berpengaruh terhadap variable dependent (Y).

• Rumus mencari f tabel = (k ; n-k) = (3 ; 52-3) = (3 ; 49) = 2,79

KESIMPULAN UJI F STIMULTAN

Karena nilai F hitung 40,633 lebih besar dari nilai F tabel 2,79 maka dapat disimpulkan
bahwa Return On Assets (X1), Return On Equity (X2) dan Price Earning Ratio (X3) secara
simultan berpengaruh terhadap Harga Saham (Y).

➢ Berapa persen pengaruh yang diberikan variabel X baik secara parsial maupun simultan
terhadap variabel Y?

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson

1 ,847a ,717 ,700 2113,380 1,693

a. Predictors: (Constant), PER (X3), ROE (X2), ROA (X1)

b. Dependent Variable: Harga Saham (Y)

 ➢ Maka Pengaruh yang diberikan variable X baik secara parsial maupun simultan terhadap
variabel Y adalah 71,7%

5. ANALISIS REGRESI BERGANDA

Persamaan regresi:

Y= b0 + b1 X1 + b2 X2 + b3 X3 + e

HARGA SAHAM = 0,05 + 2157,966 ROA (X1) + 246,895 ROE (X2) + 333,099 PER (X3) +
1205,756

REFERENSI

1. Imam Ghozali. 2011. Aplikasi Analisis Multivariate dengan Program IMB SPSS 19.
Semarang. Badam Penerbit Undip.
2. V.Wiratna Sujarweni.2014. SPSS untuk penelitian. Yogyakarta: Pustaka baru Press.