ANALISIS

REGRESI
BERGANDA
KELOMPOK 4
 OUR TEAM

VELLA (149) VENUS (150) YUYUN (152) ALVINA (155) ANGGI (158)

CELINE (166) DEWI (170) DZAKIYAH (174) KANIA (182)

 Definisi

Analisis regresi merupakan teknik analisis data yang digunakan untuk mengkaji hubungan
antara beberapa variabel dan meramal suatu variabel. Teknik ini biasa dikenal dalam ilmu
statistika dan dikemukakan oleh Sir Francis Galton (1822-1911).

Dalam praktiknya, analisis regresi terbagi menjadi dua jenis yaitu regresi linier sederhana dan
regresi linier berganda. Pada regresi linier berganda, variabel bebasnya berjumlah lebih dari
satu dan memengaruhi variabel yang tak bebas.
 Definisi
Analisis regresi berganda adalah hubungan secara linear antara dua atau lebih variabel
independen (X1 X2,....Xn,) dengan variabel dependen (Y).

Analisis ini untuk memprediksikan nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan dan untuk mengetahui arah hubungan antara variabel
independen dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif.

Perbedaan penerapan metode ini hanya terletak pada jumlah variabel bebas yang digunakan.
Penerapan metode regresi berganda jumlah variabel bebas (independent) yang digunakan lebih
dari satu yang mempengaruhi satu variabel tak bebas (dependent).
 Rumus Regresi Berganda

Y = a + b₁ X₁ + b₂ X₂ + b₃ X₃ +.....+ bn Xn
Dimana :
Y = variabel terikat
X₁ = Variabel bebas pertama
X₂ = variabel bebas kedua
X₃ = variabel bebas ketiga
Xn = variabel bebas ke n
a dan b₁ serta b₂ = konstanta
 Contoh
Seorang mahasiswa bernama Handoko melakukan penelitian tentang
faktor-faktor yang mempengaruhi harga saham pada perusahaan di BEI
(Bursa Efek Indonesia).
Handoko dalam penelitiannya ingin mengetahui hubungan antara rasio
keuangan PER dan ROI terhadap harga saham. Dengan ini Handoko
menganalisis dengan bantuan program SPSS dengan alat analisis regresi
linear berganda.
Dari uraian di atas maka didapat variabel dependen (Y) adalah harga
saham, sedangkan variabel independen (X1 dan X2) adalah PER dan ROI.
 Langkah-Langkah Pada Program SPSS

1. —Buka program SPSS dengan klik Start >> All Programs >> SPSS Inc >> Statistic >> SPSS Statistic. Pada
kotak dialog SPSS Statis­tic, klik Cancel, hal ini karena ingin membuat data baru. Selanjutnya akan terbuka
tampilan halaman SPSS.
2. —Klik Variable View, kemudian pada kolom Name baris pertama ketik Y, baris kedua ketik X1, dan baris ketiga
ketik X2.
3. —Untuk kolom Decimals, ubah menjadi 0 untuk variabel Y (harga saham), sedangkan lainnya biarkan terisi 2.
4. —Pada kolom Label, untuk kolom pada baris pertama ketik HargaSaham, untuk kolom pada baris kedua ketik
PER, dan baris ketiga ketik ROI.
5. —Buka halaman data view dengan klik Data View, maka didapat kolom variabel Y, X1, dan X2. Kemudian
ketikkan data sesuai dengan variabelnya.
6. —Klik Analyze >> Regression >> Linier. Selanjutnya terbuka kotak dialog Linier Regression sebagai
berikut:
7. —Klik variabel Harga Saham dan masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI
kemudian masukkan ke kotak Independent(s). Klik OK, maka hasil output yang didapat adalah: >>Output
Latihan Analisis Regresi Linier Berganda<<
Persamaan Regresinya ;

Y = a + b1X1+ b2 X2
Y = 4604,424 + (-64,991)XI + 697,671X2
Y = 4604,424 - 64,991X, + 697,671 X2

—Keterangan:
—Y = Harga saham yang diprediksi (Rp)
—a = konstanta
—b1, b2 = koefisien regresi
—X1 = PER (%)
—X2 = ROI (%)
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).
 Uji Koefisien Regresi Secara Bersama-sama (Uji F)

1. Merumuskan Hipotesis :
—Ho: Tidak ada pengaruh antara PER dan ROI secara bersama-sama terhadap harga saham.
—H1: Ada pengaruh antara PER dan ROI secara bersama-sama terh­adap harga saham.
—
2. Menentukan tingkatsignifikansi
—Tingkat signifikansi menggunakan 0,005 (a = 5%)

3. Menentukan F hitung
—Berdasarkan tabel diperoleh F hitung sebesar 28,953
—
4. Menentukan F tabel
—Dengan menggunakan tingkat keyakinan 95%, a= 5%, df 1 Jumlah variabel 1) atau 3-1 = 1, dan
df 2(n-k-1) atau 20-2-1 = 17 (n adalah jumlah kasus dan k adalah jumlah variabel independen),
hasil diperoleh untuk F tabel sebesar 3,592 dapat dicari di Ms Excel dengan cara pada cell
kosong ketik =finv(0.05,2,17) lalu tekan Enter.

5. Kriteria pengujian
— Ho diterima bila F hitung ≤ F tabel
7. Kesimpulan
— Ho ditolak bila F hitung> F tabel
—
Karena F hitung > F tabel (28,953 > 3,592), maka Ho ditolak,
6. Membandingkan F hitung dengan F tabel. artinya PER dan ROI secara bersama-sama berpengaruh
—Nilai F hitung > F tabel (28,953 > 3,592), maka Ho ditolak. terhadap harga saham pada perusahaan di BEI.
 Uji Koefisien Regresi Secara Parsial (Uji T)

—Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen (X1,
X2,…Xn) secara parsial berpengaruh signifikan terhadap variabel dependen (Y). Hasil uji t
dapat dilihat pada output Coefficients dari hasil analisis Regresi Linier Berganda di atas.
 Uji Koefisien Regresi Secara Parsial (Uji T)
Pengujian koefisien regresi variabel PER
—1. Menentukan Hipotesis
—Ho: Secara parsial tidak ada pengaruh antara PER dengan harga saham
—H1: Secara parsial ada pengaruh antara PER dengan harga saham

2. Menentukan tingkat signifikansi

—Tingkat signifikansi menggunakan 0,05 (a = 5%)

3. Menentukan t hitung
—Berdasarkan output diperoleh t hitung sebesar -1, 154
—
4. Menentukan t tabel
—Tabel distribusi t dicari pada a = 5% : 2= 2,5% (uji 2 sisi) dengan derajat kebebasan
(df) n-k-1 atau 20-2-1 = 17 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
—Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebes
ar 2,110 (Lihat pada Tabel t) atau dapat dicari di Ms Excel dengan cara pada cell
kosong ketik =tinv(0.05,17) lalu tekan Enter.
7. Kesimpulan
5. Kriteria Pengujian
Oleh karena nilai -t hitung >-t tabel (-1,154 >-2,110) maka
—Ho diterima jika -t tabel <_ t hitung <_ t tabel
—Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
Ho diterima, artinya secara parsial PER tidak berpengaruh
— terhadap harga saham pada perusahaan di BEI.
6. Membandingkan t hitung dengan t tabel
—Nilai -t hitung > -t tabel (-1,154 > -2,110), maka Ho diterima.
 Uji Koefisien Regresi Secara Parsial (Uji T)
Pengujian koefisien regresi variabel ROI

1. Menentukan Hipotesis
—Ho: Secara parsial tidak ada pengaruh antara ROI dengan harga saham
—H1: Secara parsial ada pengaruh antara ROI dengan harga saham
—
—2. Menentukantingkat signifikansi
—Tingkat signifikansi menggunakan 0,05 (a = 5%)

3. Menentukan t hitung
—Berdasarkan output diperoleh t hitung sebesar 6,091
—
4. Menentukan t tabel
—Tabel distribusi t dicari pada a = 5% : 2= 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 20-2-1 =
17 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
—Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,110 (Lihat pada Tabel
t) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,17) lalu tekan Enter.

5. Kriteria Pengujian 7. Kesimpulan

—Ho diterima jika -t tabel <_ t hitung<_ t tabel Oleh karena nilai t hitung > t tabel (6,091 > 2,110) maka Ho
—Ho ditolak jika -t hitung< -t tabel atau t hitung> t tabel
ditolak, artinya secara parsial ROI berpengaruh terhadap
—
harga saham pada perusahaan di BEI.
6. Membandingkan t hitung dengan t tabel
—Nilai t hitung > t tabel (6,091 > 2,110) maka Ho ditolak. T hitung positif artinya ROI berpengaruh positif terhadap harga
saham di perusahaan di BEI.
Terima Kasih