net/publication/335229749
CITATIONS READS
2 23,211
1 author:
Purwanto Purwanto
Al Husain Islamic Colledge
21 PUBLICATIONS 32 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Research on the Development of the Sharia Economic Study Program View project
All content following this page was uploaded by Purwanto Purwanto on 18 August 2019.
Penulis
ii
ANALISIS KORELASI DAN REGRESI LINIER
DENGAN SPSS 21
(Panduan Praktis untuk Penelitian Ekonomi Syariah)
Penulis:
Purwanto, SEI., MSI
ISBN: 978-602-51885-2-7
Editor:
Titis Rosowulan, M. Hum
Penyunting:
Ahmad Saifudin
Penerbit :
StaiaPress
Redaksi :
Jl. Meteseh – Purworejo KM. 11
Tempuran Magelang
Telp. (0293) 3191827
E-mail :staiapress@staia-sw.ac.id
Distributor Tunggal :
Koperasi Mahasiswa, Karyawan dan Dosen
Kampus STAI Al Husain Lantai I
Jl. Magelang – Purworejo KM. 11
Tempuran Magelang
E-mail: koperasikomandan@gmail.com
Cetakan Pertama, Juni 2019
Hak Cipta dilindungi undang-undang
Dilarang memperbanyak karya tulis ini dalam bentuk dan dengan cara apapun tanpa
ijin tertulis dari penerbit
iii
KATA PENGANTAR
iv
DAFTAR ISI
v
BAGIAN I
A. Analisis Korelasi
1
Selanjutnya analisis korelasi memiliki tiga jenis, tergantung
pada jenis data yang akan digunakan dalam sebuah analisis data.
Sujarweni (2008) mengambarkan jenis analisis korelasi sebagaimana
tabel berikut:
Tabel 2 Jenis Analisis Korelasi
2
NO Varibel X1 Varibel X2 NO Varibel X1 Varibel X2
1 Ekonomi Syariah Diterima 11 Ekonomi Syariah Diterima
2 Ekonomi Konven Tidak diterima 12 Ekonomi Syariah Diterima
3 Ekonomi Syariah Diterima 13 Ekonomi Syariah Diterima
4 Ekonomi Syariah Diterima 14 Ekonomi Syariah Diterima
5 Ekonomi Konven Diterima 15 Ekonomi Syariah Diterima
6 Ekonomi Konven Tidak diterima 16 Ekonomi Konven Diterima
7 Ekonomi Konven Diterima 17 Ekonomi Konven Diterima
8 Ekonomi Konven Tidak diterima 18 Ekonomi Syariah Diterima
9 Ekonomi Konven Tidak diterima 19 Ekonomi Syariah Diterima
10 Ekonomi Syariah Diterima 20 Ekonomi Syariah Diterima
3
Langkah melakukan analisis dengan SPSS 21 adalah sebagai
berikut:
Silahkah buka aplikasi SPSS 21 anda, sehingga tampak tampilan
sebagai berikut:
4
Baris
5
Stelah “Value” telah diberikan koding kemudian OK, Sehingga
akan menjadi seperti berikut:
6
Setelah Data Viewterbuka silahkan Copy paste data yang telah
diganti dengan kuantitatif pada halaman 3. Sehingga tampak
pada gambar berikut:
7
Pada lembar inilah analisis korelasi dengan koefisien Cramer
dilakukan. Adapun tahapan melakukan analisisnya adalah
sebagai berikut:
Analyze-Descriptive Statistics-
Crosstabs
8
Variabel Latar Belakang Pendidikan pindahkan ke Row (s) dan
variabel diterima pindahkan ke Columns (s). Sehingga tampak
seperti gambar berikut:
9
Klik Continue dan kemudian klik Statistics...kemudian tampak
pada gambar berikut
10
Output inilah yang menjadi dasar dalam mengambil keputusan
apakah ada hubungan antara latar belakang pendidikan dengan
diterima atau tidaknya mahasiswa untuk bekerja di bank syariah.
a. Perumusan Masalah
Apakah ada hubungan antara latar belakang pendidikan
dengan diterima atau tidaknya mahasiswa untuk bekerja di
bank syariah?
b. Hipotesis
Ho : Tidak Terdapat hubungan antara latar belakang
pendidikan dengan
diterima atau tidaknya mahasiswa untuk bekerja di bank
syariah.
11
Ha : Terdapat hubungan antara latar belakang pendidikan
dengan diterima
atau tidaknya mahasiswa untuk bekerja di bank syariah.
c. Dasar pengambilan Keputusan
Ho di terima jika Sig > 0,05 Lihat pada output SPSS 21
pada bagian Symmetric
Ho di tolak jika Sig < 0,05 Measures
d. Pengambilan Keputusan
Dari hasil analisis dengan koefisien Cramer diperoleh hasil
jika Nilai Sig pada Phi, Cramer’s V dan Contingency
coefficient semuanya memiliki nilai Sig 0,006 (p<0,05)
sehingga keputusannya adalah menolak Ho. Artinya ada
korelasi antara mahasiswa lulusan dari prodi ekonomi syariah
dengan diterima atau tidaknya untuk bekerja di bank syariah.
2. Uji Kendall dan Rank Sperman
Analisis korelasi dengan Kendall dan Rank Sperman merupakan
analisis korelasi yang digunakan jika jenis data yang digunakan
berbentuk ordinal. Data ordinal merupakan data kualitatif yang
dikuantitatifkan seperti halnya data nominal, namun memiliki
tingkatan yang lebih tinggi. Hal ini dikarenakan “angka” yang
diberikan memiliki makna tingkatan bukan setara seperti data
nominal (Sujarweni, 2008). Contoh dari data ordinal adalah data
yang diperolah dari tanggapan responden terhadap sebuah
variabel penelitian. Seperti jika menjawab 1 Sangat Tidak Setuju, 2
Tidak Setuju, 3 Setuju dan 4 Sangat Setuju. Angka-angka tersebut
tidak lagi berkedudukan sama namun memiliki tingkatan.
Analisi korelasi dengan Kendall dan Rank Sperman dapat
digunakan jika salah satu variabel adalah berdata ordinal, dapat
12
juga variabel lainnya berdata rasio ataupun nominal (Sujarweni,
2008).
Contoh dari analisis Kendall dan Rank Sperman adalah sebagai
berikut:
Seorang dosen ingin mengetahui apakah ada hubungan antara
kualitas pembelajaran dengan kepuasan belajar mahasiswa.
Setelah kuesioner penelitian di distribusikan maka diperolah hasil
sebagai berikut:
NO Varibel X1 Varibel X2
1 Setuju Sangat Puas
2 Setuju Puas
3 Sangat Setuju Puas
4 Sangat Setuju Puas
5 Tidak Setuju Tidak Puas
6 Tidak Setuju Tidak Puas
7 Tidak Setuju Tidak Puas
8 Tidak Setuju Sangat Tidak Puas
9 Tidak Setuju Sangat Puas
10 Sangat Tidak Setuju Sangat Puas
11 Sangat Tidak Setuju Sangat Puas
12 Sangat Tidak Setuju Sangat Puas
13 Sangat Tidak Setuju Sangat Puas
14 Setuju Sangat Tidak Puas
15 Setuju Sangat Puas
16 Setuju Sangat Puas
17 Setuju Sangat Tidak Puas
18 Setuju Sangat Puas
19 Sangat Setuju Sangat Tidak Puas
20 Sangat Setuju Sangat Puas
13
Misalnya:
Pada Variabel X1
Sangat Setuju diganti angka 4
Setuju diganti angka 3
Tidak setuju diganti angka 2
Sangat Tidak setuju diganti angka 1
Pada Variabel X2
Sangat Puas diganti angka 4
Puas diganti angka 3
Tidak Puas diganti angka 2
Sangat Tidak Puas diganti angka 1
Sehingga data menjadi sebagai berikut:
NO Varibel X1 Varibel X2
1 3 4
2 3 3
3 4 3
4 4 3
5 2 2
6 2 2
7 2 2
8 2 1
9 2 4
10 1 4
11 1 4
12 1 4
13 1 4
14 3 1
15 3 3
16 3 3
17 3 1
18 3 4
19 4 1
20 4 4
14
Langkah selanjutnya untuk input data ke dalam aplikasi SPSS. 21.
Silahkah buka aplikasi SPSS 21 anda, sehingga tampak tampilan
sebagai berikut:
15
Baris
16
Adapun koding pada variabel X2 adalah sebagai berikut:
17
Setelah data view terbuka silahkan kopy paste data yang telah
diganti dengan kuantitatif pada halaman 9-10. Sehingga tampak
pada gambar berikut:
18
Pada lembar inilah analisis korelasi dengan Kendall dan Rank
Sperman dilakukan. Adapun tahapan melakukan analisisnya
adalah sebagai berikut:
Analyze-Correlate-Bivariate
19
Variabel kualitas pembelajaran dan kepuasan pembelajaran
pindahkan pada Variables. Sehingga tampak seperti gambar
berikut:
20
Kemudian klik OK, sehingga akan adaoutput dari analisis
kendall dan Spearman berikut
Kualitas Kepuasan
Pembelajaran Pembelajaran
Correlation Coefficient 1,000 -,228
Kualitas
Sig. (2-tailed) . ,240
Pembelajaran
Kendall' N 20 20
s tau_b Correlation Coefficient -,228 1,000
Kepuasan
Sig. (2-tailed) ,240 .
Pembelajaran
N 20 20
Correlation Coefficient 1,000 -,287
Kualitas
Sig. (2-tailed) . ,220
Pembelajaran
Spearma N 20 20
n's rho Correlation Coefficient -,287 1,000
Kepuasan
Sig. (2-tailed) ,220 .
Pembelajaran
N 20 20
21
Output inilah yang menjadi dasar dalam mengambil keputusan
apakah ada hubungan antara kualitas pembelajaran dengan
kepuasan pembelajaran.
a. Perumusan Masalah
Apakah ada hubungan antara kualitas pembelajaran dengan
kepuasan pembelajaran?
b. Hipotesis
Ho : Tidak terdapat hubungan antara kualitas pembelajaran
dengan
kepuasan pembelajaran.
Ha : Terdapat hubungan antara kualitas pembelajaran dengan
kepuasan
pembelajaran
Dasar pengambilan Keputusan
Ho di terima jika Sig > 0,05 Lihat pada output SPSS 21 pada
Ho di tolak jika Sig < 0,05 bagian Sig. (2-tailed)
c. Pengambilan Keputusan
Dari hasil analisis dengan Kendall's tau_b dan Spearman's
rhodiperoleh hasil jika Nilai Sig pada semuanya memiliki
nilai Sig 0,220 (p>0,05) sehingga keputusannya adalah
menerima Ho. Artinya tidak ada korelasi antara kualitas
pembelajaran dengan kepuasan pembelajaran. Korelasi yang
dihasilkan adalah 0,287 berarti antara kualitas pembelajaran
dengan kepuasan pembelajaran memiliki hubungan yang
lemah namun negatif.
22
3. Uji Pearson Product Moment
Uji korelasi dengan Pearson Product Moment merupakan
uji korelasi manakala data yang digunakan adalah data rasio.
Data rasio merupakan data yang menggambarkan kondisi yang
sesungguhnya seperti jumlah gaji pegawai, jumlah penjualan,
jumlah biaya iklan dan lain sebagainya.
Contoh dari analisis korelasi Pearson Product Moment adalah
sebagai berikut:
Dalam rangka meningkatkan jumlah mahasiswa, maka STAI Al
Husain meningkatkan anggaran belanja untuk kegiatan promosi.
Untuk itu bagian keuangan ingin mengetahui apakah ada korelasi
antara jumlah anggaran untuk promosi dengan jumlah
mahasiswa yang mendaftar. Setelah data berhasil dikumpulkan
maka diperoleh data sebagai berikut:
Tahun Anggaran Promosi X1 Jumlah Mahasiswa X2
(Dalam Rp)
2008 5.400.300 130
2009 5.704.500 180
2010 6.804.800 210
2011 7.804.800 200
2012 8.804.800 189
2013 9.804.800 175
2014 10.804.800 180
2015 10.804.800 131
2016 10.804.800 121
2017 10.804.800 103
23
Selanjutnya klik pada variable View. Sehingga akan tampak
tampilan sebagai berikut:
Baris
24
Pada Label baris 1 silahkan tuliskan nama variabel, dalam kasus
ini adalah anggaran promosi, bagian Name silahkan isi X1. Pada
baris 2 selanjutnya tuliskan nama variabel dalam kasus ini adalah
jumlah mahasiswa dan pada bagian Name isikan X2. Sehingga
akan menjadi seperti berikut:
25
Setelah data view terbuka silahkan Copy paste data pada
halaman 17. Sehingga tampak pada gambar berikut:
Analyze-Correlate-Bivariate
26
Setelah itu klik Bivariate kemudian akan tampak gambar berikut:
27
Selanjutnya pada Correlatioan Coefficients beri tanda √
padaPearson. Pada Test of Significance aktifkan Two-tailed,
dan beri tanda √ pada Flag significant correlations,
sehinggatampak pada gambar berikut:
28
Correlations
Anggaran Jumlah
Promosi Mahasiswa
Pearson 1 -,401
Anggaran Correlation
Promosi Sig. (2-tailed) ,251
N 10 10
Pearson -,401 1
Jumlah Correlation
Mahasiswa Sig. (2-tailed) ,251
N 10 10
c. Pengambilan Keputusan
29
Dari hasil analisis dengan Pearson Product Moment diperoleh
hasil jika Nilai Sig pada memiliki nilai Sig 0,251 (p>0,05)
sehingga keputusannya adalah menerima Ho. Artinya tidak
ada korelasi antara anggaran promosi dengan jumlah
mahasiswa. Korelasi yang dihasilkan adalah -0,401 berarti
antara anggaran promosi dengan jumlah mahasiswa memiliki
hubungan yang sedang, namun negatif.
30
BAGIAN II
A. Analisis Regresi
31
variabel penjelas. Korelasi antara nilai ujian matematika dan ujian
statistik adalah sama dengan korelasi antara ujian statistik dan
ujian matematika. Objek utama dalam korelasi adalah mengukur
kekuatan atau kekuatan hubungan linear antar variabel. Selain itu
korelasi menurut Ghozali (2018) tidak menunjukkan hubungan
fungsional. Sementara pada analisis regresi, terdapat asimetri
pada bagaimana sebuah varibel dependen dan variabel
independen diperlakukan. Variabel dependen diasumsikan sebagi
nilai statistika, acak serta stokastik (memiliki distribusi
probalitas). Ghozali (2018) menyatakan dalam analisis regresi
selain mengukur kekuatan hubungan juga menunjukkan arah
hubungan antara variabel dependen dan independen.
3. Uji Asumsi Klasik dalam Analisis Regresi
a. Uji Normalitas
Uji normalitas data adalah uji yang dilakukan apakah dalam
suatu model regresi memiliki data yang bertrisbusi normal
ataukah tidak (Ghozali, 2018). Uji yang penting dalam analisis
regresi adalah uji normalitas, karena uji normalitas merupakan
syarat yang harus dipenuhi dalam statistik parametrik.
Salah satu cara untuk menguji normalitas adalah dengan
menggunakan uji statistik non-parametrikOne-Sample
Kolmogorov-Smirnov (Sujarweni, 2008). Guna mengetahui
normal tidaknya data maka dilakukan dengan melihat hasil
dari Asymp. Sig. Jika nilai Asymp. Sig >0,05 maka data
berdistribusi normal, namun jika nilai Asymp. Sig < 0,05 maka
data tidak berdistribusi normal (Sujarweni, 2008).
32
b. Uji Linearitas
Uji linearitas merupakan uji yang digunakan untuk melihat
apakah suatu model regresi model sudah berbentuk linier
ataukah tidak (Ghozali, 2011). Tujuan utama dari uji linearitas
adalah untuk menyakinkan peneliti bahwa model regresi telah
benar-benar memenuhi asumsi linearitas.
Salah satu cara untuk melakukan uji linearitas adalah dengan
menggunakan uji Deviation From Linearity. Jika nilai signifikan
(p>0,05) maka model kita dapat dikatakan linier (Widhiarso,
2010).
c. Uji Multikolonieritas
Uji ini bertujuan untuk membuktikan ada tidaknya korelasi
antara variabel independen Ghozali (2011). Oleh karena tujuan
dari uji ini adalah untuk mendeteksi ada tidaknya korelasi
antar variabel independen dalam satu model regresi, maka
pada analisis regresi sederhana uji ini tidak perlu dilakukan.
Uji regresi yang baik adalah antara variabel independen tidak
memiliki korelasi.
Uji multikolonieritas menurut Sujarweni (2008) bertujuan
untuk menghidari adanya kebiasan atau ambiguitas dalam
proses pengambilan keputusan mengenai paengaruh secara
parsial antara variabel independen dengan variabel dependen.
Salah satu cara yang digunakan untuk mendeteksi
multikolonieritas dalam analisis regresi adalah dengan
melihat nilai Variance Inflation Factor (VIF). Suatu model
regresi apabila nilai VIF menghasilkan angka 1-10 maka model
regresi tidak mengandung multikolonieritas (Sujarweni, 2008).
33
d. Uji Autokorelasi
Autokorelasi sering terjadi pada model regresi yang
menggunakan data time series (runtut waktu). Tujuan dari uji
autokorelasi adalah untuk melakukan pengujian ada tidaknya
korelasi antara kesalahan penganggu pada periode t (tahun
observasi) dengan kesalahan penganggu pada t-1 (tahun
sebelumnya). Masalah autokorelasi muncul karena kesalahan
penganggu tidak bebas dari satu observasi dengan observasi
lainnya.
Guna mendeteksi ada tidaknya autokoresi dalam model
regresi salah satu metodenya adalah menggunakan nilai
Durbin Watson (Sujarweni, 2008). Kriteria dalam menentukan
ada tidaknya autokoresi adalah sebagai menurut Ghozali
(2011) adalah sebagai berikut:
du < d<4-du
Dimana:
du: durbin Watson tabel
d : nilai durbin watson
e. Uji Heteroskedastisitas
Model regresi yang baik menurut Ghozali (2011) adalah data
bersifat homoskedastisitas atau tidak terjadi
heteroskedastisitas. Heteroskedastisitas merupakan pengujian
yang dilakukan untuk mengetahui apakah dalam satu model
regresi terjadi perbedaan variance dari residual satu
pengamatan ke pengamatan yang lain.
34
Salah satu metode untuk mendeteksi sebuah model regresi
terjadi masalah heteroskedastisitas atau tidak salah satu
caranya adalah dengan melakukan Uji Glejser (Sujarweni,
2008).
Kriteria ada tidaknya heteroskedastisitas dapat dilihat dari
tingkat signifkansi antara variabel independen dengan
variabel dependen. Jika variabel independen secara signifikan
mempengaruhi variabel dependen maka dapat dipastikan
model regresi mengandung masalah heteroskedastisitas
(Ghozali, 2011).
Pada contoh kali ini kita akan melakukan analisis regresi linier
berganda. Adapun rumusan yang hendak dijawab dalam analisis
regresi linier berganda pada contoh kali ini adalah sebagai berikut:
1. Apakah terdapat pengaruh antara rasio pembiayaan bermasalah
dengan profitabilitas bank Syariah Al Husain?
2. Apakah terdapat pengaruh antara rasio pembiayaan dengan
profitabilitas bank Syariah Al Husain?
3. Apakah terdapat pengaruh secara bersama-sama antara rasioa
pembiayaan bermasalah dan rasio pembiayaan dengan
profitabilitas bank Syariah Al Husain?
Setelah dilakukan penelitian maka diperoleh data sebagaimana
lampiran I halaman 47.
Untuk melakukan analisis dengan regresi linier berganda maka
mulai dengan membuka SPSS. 21, sehingga ada tampilan berikut:
35
Setelah terbukakemudian klik “Variable View”, maka akan ada tampilan
sebagai berikut:
Baris
36
Kemudian pada baris pertama “Label” tuliskan nama variabel
Profitabilitas, kemudian pada baris kedua “Label” tuliskan nama
variabel Pembiayaan Bermasalah) dan pada baris ke tiga “Label”
tuliskan nama variabel Pembiayaan.
Kemudian pada kolom “Name” pada baris pertama tuliskan Y, baris
kedua X1 dan baris ke tiga X2, Sehingga akan tampak gambar
berikut:
37
Setelah terbuka kemudian silahkan Copy paste data, pada lampiran
I sehingga tampilan menjadi sebagai berikut:
38
Sampai disini analisis regresi linear berganda dapat dianalisis lebih
lanjut, namun terlebih dahulu harus dilakukan uji asumsi klasik
terlebih dahulu. Sebagaimana telah dijelaskan sebelumnya untuk
dapat melakukan analisis atau menjawab masalah dengan analisis
regresi terlebih dahulu harus memenuhi uji asumsi klasik.
1. Uji Normalitas Data
Langkah untuk melakukan uji normalitas data adalah sebagai
berikut:
Pilih menu Analyze Nonparametric Test Legacy Dialogs
1-Sample KS...kemudian klik
39
Kemudian pindahkan semu variabel penelitian ke dalam kotak
Test Variable List, sehingga tampilannya menjadi sebagai
berikut:
40
Setelah semua variabel dipindahkan maka Klik OK, maka akan
keluar output SPSS.21 berikut:
41
Setelah terbuka kemudian kita siap melakukan uji linearitas data
penelitian. Tahapanya adalah Analyze Compare Means
Means
42
Kemudian klik Means, sehingga muncul kontak dialog
berikut:
43
PadaStatistics for First Layer aktifkan kotak Test for linearity.
Kemudian klikContinue. Kemudian OK dan akan muncul output
berikut:
44
Pada hasil Deviation From Linearity memiliki nilai signifikan (p
> 0,05) yaitu 0,164 sehingga dapat disimpulkan jika variabel
dalam penelitian ini memiliki hubungan yang linear.
3. Uji Multikolonieritas
Guna melakukan uji ini maka buka kembali data yang telah
digunakan untuk analisis normalitas dan linearitas. Sehingga
akan ada tampilan berikut:
45
Kemudian Klik, sehingga muncul kotak dialog berikut:
46
Pindahkan semua variabel berdasarkan fungsinya, yaitu variabel
Profitabilitas pindakan pada kotak Dependen. Kemudian
variabel Pembiayaan Bermasalah dan Pembiayaan pindahkan
pada kotak Independent (s). Sehingga tampak seperti gambar
berikut:
47
Klik Continue. Ketika kita meng-Klik Continue maka akan
kembali pada tampilan berikut:
48
Kemudian pada Plots. Ketika kita meng-Klik Plots maka akan
kembali pada tampilan berikut:
Dari hasil di atas maka nilai VIF lebih kecil dari 10, sehingga
model regresi dinyatakan telah terbebas dari multikolonieritas.
Sebagaimana telah disebutkan sebelumnya jika suatu model
regresi apabila nilai VIF menghasilkan angka 1-10 maka model
regresi tidak mengandung multikolonieritas (Sujarweni, 2008).
49
4. Uji Autokorelasi
Guna mendeteksi ada tidaknya autokorelasi dalam model regresi
salah satu metodenya adalah menggunakan nilai Durbin Watson
(Sujarweni, 2008). Hasil dari analisis diperoleh hasil jika nilai
Durbin Watson adalah 0,893 (Perhatikan lingkaran merah).
Dimana:
du : durbin Watson tabel
d : nilai durbin Watson
50
Dari tabel durbin Watson di atas maka nilai du untuk untuk
variabel independen sebanyak 2 variabel dan jumlah sampel
sebanyak 84 adalah 1,6942. Sehingga
du < d<4-du
1,6942 < 0,893<2,3058
Dari kriteria di atas maka dapat disimpulkan jika model regresi
pada penelitian ini mengandung autokorelasi, karena tidak
memenuhi kriteria.
5. Heteroskedastisitas
Salah satu metode untuk mendeteksi sebuah model regresi
apakah memiliki masalah heteroskedastisitas atau tidak salah satu
caranya adalah dengan melakukan Uji Glejser (Sujarweni, 2008).
Jika variabel independen secara signifikan (p<0,05)
mempengaruhi variabel dependen maka dapat dipastikan model
regresi mengandung masalah heteroskedastisitas Ghozali (2011).
Langkah dalam melakukan uji Glejser adalah buka kembali data
untuk melakukan uji sebelumnya, sehingga tampak pada gambar
berikut:
51
Kemudian klikAnalyze Regression Linear. Klik
52
Kemudian Klik, sehingga muncul kotak dialog berikut:
53
Kemudian klik pada Save, kemudian pada kolom Residual
aktifkan (√) Unstandardized
54
Kemudian klik Continue dan kemudian OK. Setelah di klik OK
maka data pada awal analisis menjadi sebagai berikut:
55
Kemudian Klik, sehingga akan muncul tampilan sebagai berikut:
56
Kemudian klik OK.
Setelah diklik OK maka data akan mengalami penambahan satu
variabel, sebagaimana pada gambar berikut:
57
Kemudian klik, sehingga akan ada tampilan berikut:
58
Pindahkan semua variabel berdasarkan fungsinya, yaitu variabel
Profitabilitas pindakan pada kotak Dependen. Kemudian
variabel Pembiayaan Bermasalah dan Pembiayaan pindahkan
pada kotak Independent (s). Sehingga tampak seperti gambar
berikut:
59
Tingkat Sig menunjukkan bahwa variabel independen tidak
signifikan (p>0,05) dalam mempengaruhi variabel dependen,
sehingga maka dapat dipastikan model regresi tidak
mengandung masalah heteroskedastisitas.
C. Persamaan yang Dihasilkan
60
3. Koefisien Regresi X2 (Pembiayaan)
Arti dari koefisien tersebut adalah jika ada peningkatan pada
variabel X1 (pembiayaan) sebesar 1% maka profitabilitas bank
Syariah Al husain akan mengalami peningkatan sebesar 14,7%
dengana asumsi variabel lain tetap.
D. Uji Hipotesis
61
0,05), sehingga keputusannya menolak H0 dan menerima Ha.
Hal ini berarti variabel pembiayaan bermasalahmemiliki
pengaruh signifikan dan negatif positif terhadap profitabilitas
bank syariah Al Husain.
b. Variabel Pembiayaan (X2)
Berdasarkan hasil pengujian diketahui bahwa variabel
pembiayaanmemiliki nilai t 0,002 (p < 0,05), sehingga
keputusannya menolak H0 dan menerima Ha. Hal ini berarti
variabel pembiayaan memiliki pengaruh signifikan dan positif
terhadap profitabilitas bank Syariah Al Husain.
2. Pengujian Secara Simultan (Uji F)
62
Bila P-Value < 0,05 maka H0 ditolak
Berdasarkan hasil pengujian diperoleh hasil sebagi berikut:
Dari hasil di atas maka dapat diketahui nilai sig. sebesar 0,000 (p
< 0,05), sehingga keputusannya menolak H0 dan menerima Ha.
Kesimpulan dari hasil analisis ini adalah terdapat pengaruh secara
bersama-sama antara pembiayaan bermasalah dan pembiayaan
terhadapprofitabilitas.
3. Koefisien Determinasi (R2)
63
Berdasarkan hasil analisis diketahui bahwa nilai koefisien
determinasi diperoleh 0,154 atau 15,4%. Sedangkan sisanya sebesar
84,6% dipengaruhi oleh variabel lain di luar model.
64
DAFTAR PUSTAKA
65
LAMPIRAN I DATA REGRESI
Pembiayaan Pembiayaan
Profitabilitas Pembiayaan Profitabilitas Pembiayaan
NO Bermasalah NO Bermasalah
(Y) (X2) (Y) (X2)
(X1) (X1)
66
35 1,5 5,5 95,49 77 2,07 2,92 102,08
36 1,5 4,0 89,7 78 2,1 2,64 104,43
37 1,7 4,4 88,67 79 2,02 2,75 104,83
38 1,8 4,8 90,96 80 2,01 3,01 102,53
39 2,1 4,5 95,07 81 2,04 2,8 103,27
40 2,1 4,5 95,57 82 1,94 2,96 103,03
41 1,3 4,8 96,65 83 1,96 3,08 102,58
42 1,7 3,9 96,08 84 2 2,62 100,32
67
View publication stats