Uji Regresi Berganda

(excel dan spss)

Analisis Regresi
Analisis Regresi adalah analisis yang digunakan untuk mengetahui pengaruh atau
perubahan antara Variabel. Variabel yang dimaksud adalah Variabel bebas
(Independent) dan Variabel terikat (Dependent).

• Variabel bebas (Independent) yaitu Variabel yang mempengaruhi (berada di sb X)

• Variabel terikat (Dependent) yaitu variabel yang dipengaruhi oleh variabel lain.
(berada di sumbu Y)
 Macam-macam analisis Regresi ada 2 yaitu Analisis Regresi Linear
Sederhana dan Analisis Regresi Linear Berganda.

Analisis Regresi Linear Sederhana.

Analisis regresi linier sederhana adalah hubungan secara linear

antara satu variabel independen (X) dengan variabel dependen (Y).

Analisis ini untuk mengetahui arah hubungan antara variable

independen dengan variabel dependen apakah positif atau negatif
 Persamaan Regresi Linear sederhana

Y = a + bX + e
Keterangan :
Y = Variabel terikat
a = Konstanta (besarnya Y jika X = 0)
b = Koefisien regresi (besarnya perubahan Y akibat perubahan X)
X = Variabel Bebas
e = Kesalahan penganggu (eror).
Nilai dari a dan b pada persamaan regresi dapat dihitung dengan rumus berikut :
 Biaya Volume
NO Promosi Penjualan
1 12 56
2 13.5 62.43
3 12.75 60.85 Pengaruh Biaya Promosi dengan Volume Pen-
4 12.6 61.3 jualan
5 14.85 65.825
6 15.2 66.354 80
7 15.75 65.26
8 16.8 68.798 75
9 18.45 70.47 f(x) = 1.25848828503964 x + 44.9026476345709
R² = 0.87014840294164
10 17.9 65.2 70

Volume Penjualan
11 18.25 68
12 16.48 64.2
65
13 17.5 65.3
14 19.56 69.562
15 19 68.75 60
16 20.45 70.256
17 22.65 72.351 55
18 21.4 70.287
19 22.9 73.564 50
10 12 14 16 18 20 22 24 26
20 23.5 75.642
Biaya Promosi
 Coefficientsa
Standardized
Unstandardized Coefficients
Model Coefficients
B Std. Error Beta t Sig.
1 (Constant) 44.903 2.052   21.888 .000
BiayaPromosi
1.258 .115 .933 10.983 .000

a. Dependent Variable: VolumePenjualan

Persamaan regresinya sebagai berikut:

Y’ = a + bX
Y’ = 44.903 + 1.258X

a. Konstanta sebesar 44.903; artinya jika biaya promosi (X) nilainya adalah 0, maka volume penjulan (Y’)
nilainya Positif yaitu sebesar 44.90

b. Koefisien regresi variabel harga (X) sebesar 1.258; artinya jika harga mengalami kenaikan Rp.1, maka
volume penjualan (Y’) akan mengami peningkatan sebesar Rp.1.258. Koefisien bernilai positif artinya
terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin
meningkatkan volume penjualan. 
Analisis Regresi Linear Berganda

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 negative.

Persamaan regresi linear berganda
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)
Contoh kasus pada uji normalitas, yaitu sebagai berikut:
Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor yang mempengaruhi harga
saham pada perusahaan di BEJ. Bambang dalam penelitiannya ingin mengetahui hubungan antara rasio
keuangan PER dan ROI terhadap harga saham.
Tahun Harga PER (%) ROI (%)
Saham
1990 8.3 4.9 6.47 Grafik Hubungan Harga saham dg ROI dan PER
1991 7.5 3.28 3.14 14
1992 8.95 5.05 5
1993 8.25 4 4.75 13

1994 9 5.97 6.23

1995 8.75 4.24 6.03 12
f(x) = 0.567021869054783 x + 4.81709481573954
1996 10 8 8.75 R² = 0.722705756311328
11
1997 8.2 7.45 7.72
1998 8.3 7.47 8 10 f(x) = 0.162220279176334 x + 7.49203654385325
R² = 0.227389490889548
1999 10 12.68 10.4
2000 12.8 14.45 12.42 9

2001 9.45 10.5 8.62

8
2002 13 17.24 12.07
2003 8 15.56 5.83 7
2004 6.5 10.85 5.2
2005 9 16.56 8.58 6
2 4 6 8 10 12 14 16 18 20
2006 7.6 13.24 7.37
2007 10.2 16.98 9.38
 Coefficientsa

Unstandardized Standardized
Persamaan regresinya sebagai berikut: Coefficients Coefficients

Model B Std. Error Beta t Sig.

Y’ = a + b1X1+ b2X2 1 (Constant)
4.662 .668   6.976 .000
Y’ =  4.662 + (-0.74)X1 + 692X2 PER
-.074 .059 -.214 -1.259 .227
Y’ =  4.662 – 0.74 X1 + 692X2 ROI
.692 .116 1.012 5.964 .000
a. Dependent Variable: Harga Saham

Persamaan regresi di atas dapat dijelaskan sebagai berikut:

a. Konstanta sebesar 4.662; artinya jika PER (X1) dan ROI (X2) nilainya adalah 0, maka harga saham (Y’)
nilainya adalah Rp.4.662
b. Koefisien regresi variabel PER (X1) sebesar -0.74; artinya jika variabel independen lain nilainya tetap dan PER
mengalami kenaikan 1%, maka harga saham (Y’) akan mengalami penurunan sebesar Rp.74.
c. Koefisien regresi variabel ROI (X2) sebesar 692; artinya jika variabel independen lain nilainya tetap dan ROI
mengalami kenaikan 1%, maka harga saham (Y’) akan mengalami peningkatan sebesar Rp.692.
Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen (X1, X2,…
Xn) terhadap variabel dependen (Y) secara serentak. Jika nilai semakin mendekati 1 berarti hubungan
yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka Hubungan yang terjadi semakin
lemah.

0,00    -   0,199    = Sangat Lemah

0,20    -   0,399    = Lemah
0,40    -   0,599    = Netral
0,60    -   0,799    = Kuat
0,80    -   1,000    = Sangat Kuat
 Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai berikut:

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate

1
.863a .745 .742 .87080
a. Predictors: (Constant), ROI, PER
b. Dependent Variable: HargaSaham

Berdasarkan hasil di atas diperoleh angka R sebesar 0,863. Hal ini menunjukkan bahwa terjadi hubungan yang

sangat kuat antara PER dan ROI terhadap harga saham.

• Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk mengetahui Kontribusi pengaruh
variabel independen (X1, X2,……Xn) secara serentak terhadap variabel dependen (Y).

 
Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 .863 a
.745 .742 .87080
a. Predictors: (Constant), ROI, PER
b. Dependent Variable: HargaSaham

Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,745 atau (74,5%). Hal ini
menunjukkan bahwa ROI dan PER berkontribusi 74.5% terhadap perubahan Harga Saham. Selain
itu 25.5% perubahan harga saham ini akibat variabel lain.
• 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).

Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel dibawah ini

ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 38.621 2 19.310 25.465 .000b
Residual
11.374 15 .758    
Total
49.995 17      
a. Dependent Variable: HargaSaham
b. Predictors: (Constant), ROI, PER
Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
• 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.
• Menentukan F hitung
Berdasarkan tabel  diperoleh F hitung sebesar 25,465

• Menentukan F tabel
Dengan menggunakan tingkat keyakinan 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 (dapat dicari di Ms Excel dengan cara ketik =finv(0.05,2,15).

• Kriteria pengujian

Ho diterima bila F hitung < F tabel

Ho ditolak bila F hitung > F tabel

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 harga
saham. Jadi dari kasus ini dapat disimpulkan bahwa PER
dan ROI secara bersama-sama
berpengaruh terhadap harga saham pada perusahaan di
BEJ
Yang dihasilkan :
1. Persamaan garis regresinya ( bisa dibuat di bagian koefisien )
2. Koefisien korelasi (r) (seberpa kuat hubungan antar variable)
3. Koef Determisnasi (r2) (presentase seberapa kuat hubungan antar
variable)
4. Uji F