1. Pengertian Analisis Regresi.

Analisis Regresi adalah analisis yang mengukur pengaruh variabel bebas terhadap
variabel terikat. Pengukuran pengaruh ini melibatkan satu variabel bebas (X) dan variabel
terikat (Y), yang dinamakan analisis regresi linier sederhana dengan rumus Y= a+bX.
Nilai “a” adalah konstanta dan nilai “b” adalah koefisien regresi untuk variabel X.
Harga ‘a’ dapat dicari dengan rumus :

Harga ‘b’ dapat dicari dengan rumus :

Koefisien regresi ‘b’ 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.

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih
variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah
masing-masing variabel independen berhubungan positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.
            Persamaan regresi linear berganda sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Keterangan:
Y’                    =   Variabel dependen (nilai yang diprediksikan)
X1 dan X2      =   Variabel independen
a                      =   Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b                            =    Koefisien regresi (nilai peningkatan ataupun penurunan)

2. Pengukuran Analisis Regresi

Pengukuran pengaruh variabel yang melibatkan lebih dari satu variabel bebas
(X1,X2,X3,…,Xn), digunakan analisis regresi linier berganda, disebut linier karena setiap
estimasi atas nilai diharapkan memgalami peningkatan atau penurunan mengikuti garis
lurus. Berikut ini estimasi regresi linier berganda :
Y=a+b1X1+b2X2+b3X3+…+bnXn
Keterangan :
 Y                : variabel terikat (dependent)
X (1,2,3,…) : variabel bebas (independent)
a                 : nilai konstanta
b (1,2,3,…) : nilai koefisien regresi
Penggunaan nilai konstanta secara statistik dilakukan jika satuan-satuan variabel
X (independent) dan variabel Y (dependent) tidak sama. Sedangkan, bila variabel
X (independent) dan variabel Y (dependent), baik linier sederhana maupun berganda,
memiliki satuan yang sama maka nilai konstanta diabaikan dengan asumsi perubahan
variabel Y (dependent) akan proposional dengan nilai perubahan variabel
X (independent).
Dalam menentukan nilai ‘a’ dan ‘b1′,’b2′,’b3’,.., digunakan persamaan regresi linier
berganda:
1. SY = an+b1SX1++b2SX2+b3SX3+…
2. SX1Y = aSX1+b1SX1²+b2SX1X2+…
3. SX2Y = aSX2+b2SX1X2+b2SX21²+… dan seterusnya.
Untuk menghitung nilai ‘a’,’b1′,’b2′,’b3′,… pada persamaan regresi linier berganda dapat
dirumuskan =nx-1 di mana nx = banyaknya variabel bebas (X).

A. Analisis Korelasi Ganda (R)

Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel
independen (X1, X2,…Xn) terhadap variabel dependen (Y) secara serentak. Koefisien ini
menunjukkan seberapa besar hubungan yang terjadi antara variabel independen (X1, X2,……Xn)
secara serentak terhadap variabel dependen (Y). nilai R berkisar antara 0 sampai 1, nilai semakin
mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0
maka hubungan yang terjadi semakin lemah.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00    -   0,199    = sangat rendah
0,20    -   0,399    = rendah
0,40    -   0,599    = sedang
0,60    -   0,799    = kuat
0,80    -   1,000    = sangat kuat

Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai berikut:

                         Tabel. Hasil analisis korelasi ganda

 Berdasarkan tabel di atas diperoleh angka R sebesar 0,879. Hal ini menunjukkan bahwa
terjadi hubungan yang sangat kuat antara PER dan ROI terhadap harga saham.
B. Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk mengetahui prosentase
sumbangan pengaruh variabel independen (X1, X2,……Xn) secara serentak terhadap variabel
dependen (Y). Koefisien ini menunjukkan seberapa besar prosentase variasi variabel independen
yang digunakan dalam model mampu menjelaskan variasi variabel dependen. R2 sama dengan 0,
maka tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen
terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam model tidak
menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama dengan 1, maka
prosentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen
adalah sempurna, atau variasi variabel independen yang digunakan dalam model menjelaskan
100% variasi variabel dependen.
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai berikut:

                      Tabel. Hasil analisis determinasi

Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,772 atau (77,2%). Hal
ini menunjukkan bahwa prosentase sumbangan pengaruh variabel independen (PER dan ROI)
terhadap variabel dependen (harga saham) sebesar 77,2%. Atau variasi variabel independen yang
digunakan dalam model (PER dan ROI) mampu menjelaskan sebesar 77,2% variasi variabel
dependen (harga saham). Sedangkan sisanya sebesar 22,8% dipengaruhi atau dijelaskan oleh
variabel lain yang tidak dimasukkan dalam model penelitian ini.
Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu lebih kecil
dari R Square dan angka ini bisa memiliki harga negatif. Menurut Santoso (2001) bahwa untuk
regresi dengan lebih dari dua variabel bebas digunakan Adjusted R2 sebagai koefisien
determinasi.
Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model regresi
dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 870,80 atau Rp.870,80 (satuan
harga saham), hal ini berarti banyaknya kesalahan dalam prediksi harga saham sebesar
Rp.870,80. Sebagai pedoman jika Standard error of the estimate kurang dari standar deviasi Y,
maka model regresi semakin baik dalam memprediksi nilai Y.

C. Uji Koefisien Regresi Secara Bersama-sama (Uji F)

Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn) secara
bersama-sama berpengaruh secara signifikan terhadap variabel dependen (Y). Atau untuk
mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel dependen atau
 tidak. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi (dapat
digeneralisasikan), misalnya dari kasus di atas populasinya adalah 50 perusahaan dan sampel
yang diambil dari kasus di atas 18 perusahaan, jadi apakah pengaruh yang terjadi atau
kesimpulan yang didapat berlaku untuk populasi yang berjumlah 50 perusahaan.
Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel 2 berikut ini.

                                                     Tabel.  Hasil Uji F

Tahap-tahap untuk melakukan uji F adalah sebagai berikut:

1.   Merumuskan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara PER dan ROI secara bersama-sama terhadap harga
saham.
Ha : Ada pengaruh secara signifikan antara PER dan ROI secara bersama-sama terhadap harga saham.
ntukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang
sering digunakan dalam penelitian)
      3.   Menentukan F hitung
Berdasarkan tabel  diperoleh F hitung sebesar 25,465
4.      Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 (jumlah variabel–1)  = 2, dan df 2
(n-k-1) atau 18-2-1  = 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen), hasil
diperoleh untuk F tabel sebesar 3,683 (Lihat pada lampiran) atau dapat dicari di Ms Excel
dengan cara pada cell kosong ketik =finv(0.05,2,15) lalu enter.
5.      Kriteria pengujian
- Ho diterima bila F hitung < F tabel
- Ho ditolak bila F hitung > F tabel
6.  Membandingkan F hitung dengan F tabel.
            Nilai F hitung > F tabel (25,465 > 3,683), maka Ho ditolak.
7.  Kesimpulan
            Karena F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada pengaruh secara
signifikan antara  price earning ratio  (PER) dan return on investmen (ROI) secara bersama-
sama terhadap terhadap harga saham. Jadi dari kasus ini dapat disimpulkan bahwa PER dan ROI
secara bersama-sama berpengaruh terhadap harga saham pada perusahaan di BEJ.
Daftar Pustaka
Dawai Simfoni. 2016. Analisis Regresi Linier Ganda.
https://dawaisimfoni.wordpress.com/karya-tulis-ilmiah-2/metodologi-penelitian/analisis-regresi-
2/. 21 November 2019.
Duwi Consultant. 2011. Analisis Regresi Linier Berganda.
http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html. 21 November 2019.