T U G A S S TAT I S T I K A B I S N I S

ANALISI REGRESI LINEAR

Disusun Oleh - Kelompok 8 :

1. Andy J. Hartanto 6032222XXX
2. Chamdana 6032222XXX
3. Gagah Maulidin Hidayat 6032222XX
4. Riddo Risantoro 6032222124
Disajikan Data Laporan Laba-Rugi & Neraca, Arus Kas dari 6 Perusahaan
P r o d u s e n K a b e l , d a l a m R e n t a n g Wa k t u 1 0 Ta h u n ( s o u r c e : w w w. i d x . c o . i d )
PERTUMBUHANM KEUANGAN
DATA LAPORAN

PERUSAHAAN
 PRESENTATION TITLE
Perusahaan tersebut diantaranya :
• JECC
• IKBI
• SCCO
• KHLI
• VOKS
• KBLM

Variabel – variable yang terdapat pada data tersebutdiantaranya :

• DER (Dept of Equity Ratio)
• Growth
• Kurs
• ROA (Retur of Assets)

Akan dilakukan analisis regresi linear guna untuk mendapatkan hubungan antara beberapa variable tersebut terhadap pertumbuhan
keuangan di masing – masing.

Dengan Langkah – Langkah sebagai berikut :

3
1. UJ I ASUMSI KLASIK
 Uji asumsi klasik merupakan prasyarat analisis regresi berganda, pengujian ini harus dipenuhi agar
penaksiran parameter dan koefisien regresi tidak bias. Pengujian asumsi klasik ini meliputi :
1. Uji Normalitas
2. Uji Multikolinearitas
3. Uji Autokorelasi
4. Uji Heteroskedastisitas

Hasil uji asumsi klasik dalam penelitian ini dapat dijelaskan sebagai berikut

5
1. Uji Normalitas
Uji Nnormalitas adalah uji statistik untuk memeriksa apakah data yang diuji memiliki distribusi normal atau tidak.
Dalam laporan ini pengujian normalitas data menggunakan uji Kolmogorov-Smirnov (Kolmogorov-Smirnov Test) dengan melihat
signifikansi dari residual yang dihasilkan dan pendekatan grafik normal probability plot.
Deteksi normalitas dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Hasil uji normalitas data dari residual yang
diperoleh sebagai berikut :

One-Sample Kolmogorov-Smirnov Test

Unstandardized
  Residual Interpretasi dari hasil tersebut :
N 114 nilai signifikansi di atas 0,05 yaitu sebesar 0,200.
Normal Parametersa,b Mean .0000000 Hal ini menunjukkan bawha data residual
Std. Deviation .02049546 tersebut terdistribusi secara normal.
Most Extreme Differences Absolute .057
Positive .057
Negative -.041
Test Statistic .057

Asymp. Sig. (2-tailed) .200c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

2. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan
ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan
jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas (Ghozali,
2013).

Untuk menentukan heteroskedastisitas dapat menggunakan uji Glejser. Dasar pengambilan keputusan pada uji ini
jika nilai signifikansi ≥ 0,05 maka dapat disimpulkan tidak terjadi masalah heteroskedastisitas
jika nilai signifikansi < 0,05 maka dapat disimpulkan terjadi masalah heteroskedastisitas

Hasil uji heteroskedastisitas yang diperoleh sebagai berikut :

Coefficientsa
Standardize Interpretasi dari hasil tersebut :
d nilai signifikansi dari masing – masing variabel
Unstandardized Coefficient di atas 0,05 Hal ini menunjukan bahwa data
Coefficients s residual tersebut tidak terjadi heterokedatisitas
Model B Std. Error Beta t Sig.
1 (Constant) .029 .012   2.330 .022
DER (X1) -.001 .001 -.093 -.980 .329
GROWTH -.005 .007 -.067 -.684 .495
(X2)
KURS (X3) -1.154E-6 .000 -.092 -.938 .350
a. Dependent Variable: ABS_RES
3. Uji Multikolinearitas
Pengujian ini dimaksudkan untuk melihat apakah terdapat dua atau lebih variabel bebas yang berkorelasi secara linier. Apabila terjadi
keadaan ini maka kita akan menghadapi kesulitan untuk membedakan pengaruh masing- masing variabel bebas terhadap variabel
terikatnya. Untuk mendeteksi adanya gejala multikolonieritas dalam model penelitian dapat dilihat dari :
 nilai toleransi (tolerance value) atau nilai Variance Inflation Factor (VIF)
 Batas tolerance > 0,10 dan batas VIF < 10,00, sehingga dapat disimpulkan tidak terdapat multikolinearitas diantara variabel bebas
Hasil dari pengujian multikolonieritas pada laporan ini ditunjukkan seperti pada tabel berikut :
 Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) .080 .020   3.999 .000    
DER (X1) -.003 .001 -.237 -2.722 .008 .994 1.006

GROWTH (X2) .024 .011 .202 2.241 .027 .923 1.084

KURS (X3) -5.308E-6 .000 -.242 -2.685 .008 .928 1.077

a. Dependent Variable: ROA (Y)

Interpretasi dari hasil tersebut :

nilai VIF dari masing – masing variabel di atas
kurang dari 10 . Hal ini menunjukan bahwa data
residual tersebut tidak terjadi multikolinearitas
4. Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara
sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak
boleh ada korelasi antara observasi dengan data observasi sebelumnya. Model regresi yang baik adalah regresi yang bebas dari
autokorelasi atau tidak terjadi autokorelasi. Untuk mengetahuinya dengan cara membandingkan nilai D-W dengan nilai d dari tabel
DurbinWatson :

 Jika DW < dL atau DW > 4 – dL, kesimpulannya pada data tersebut terdapat autokorelasi
 Jika dU < DW < 4 – dU, kesimpulannya pada data tersebut tidak terdapat autokorelasi
 Tidak ada kesimpulan jika: dL ≤ DW ≤ dU atau 4 – dU ≤ DW ≤ 4–dL

 
Apabila hasil uji Durbin-Waston tidak dapat disimpulkan apakah terdapat autokerelasi atau tidak maka dilanjutkan dengan runs
test.
 Hasil dari pengujian autokorelasi pada laporan ini ditunjukkan seperti pada tabel berikut ini :

Model Summaryb

Adjusted R Std. Error of Durbin- Nilai DW = 1.749

Model R R Square Square the Estimate Watson
1 .416 a
.173 .150 .02077 1.749
a. Predictors: (Constant), KURS (X3), DER (X1), GROWTH (X2)
b. Dependent Variable: ROA (Y)

Dari table tersebut, nilai DW akan dibandingkan dengan :

• nilai tabel signifikansi 5%,
• dengan jumlah sampel 114 (n)
• jumlah variabel independen 3 (k = 3), maka diperoleh nilai du sebesar 1,60, dan nilai DW sebesar 1,48 lebih kecil dari batas
atas (du) yakni 1,60 dan kurang dari (4-du) atau 4 - 1,60 = 2,4 Jadi dapat disimpulkan bahwa terdapat autokorelasi.

Question :
Angka ini darimana?
Kalau dicek di table kok ketemu dL = 1,641 &
dU = 1,7488, bisa jadi tidak ada kesimpulan.
Tabel by googling
2 . ANALI SI REGRE SI
B ERG ANDA
Setelah semua uji asumsi klasik terpenuhi selanjutnya dilakukan analisis regresi linier berganda. Untuk menguji
Pengaruh DER, Growth dan kurs terhadap ROA . Adapun hasil persamaan regresi linier berganda untuk melihat
Pengaruh DER, Growth dan kurs terhadap ROA ditunjukkan dengan hasil perhitungan regresi seperti tabel di bawah ini:

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) .080 .020   3.999 .000    
DER (X1) -.003 .001 -.237 -2.722 .008 .994 1.006
GROWTH (X2) .024 .011 .202 2.241 .027 .923 1.084
KURS (X3) -5.308E-6 .000 -.242 -2.685 .008 .928 1.077

a. Dependent Variable: ROA (Y)

Dari tabel Sig. di atas dapat diinterprestasikan sebagai berikut :

 DER berpengaruh terhadap ROA dengan sig. (0,008) dengan taraf a = 5%
 GROWTH berpengaruh terhadap ROA dengan sig. (0,027) dengan taraf a = 5%
 KURS berpengaruh terhadap ROA dengan sig. (0,008) dengan taraf a = 5%
13
3. KO EFI SI EN DETE RMINASI
Koefisien determinasi (Adj. R2) dari hasil regresi menunjukkan seberapa besar variabel dependen bisa dijelaskan
oleh variabel-variabel bebasnya.
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .416 a
.173 .150 .02077 1.749
a. Predictors: (Constant), KURS (X3), DER (X1), GROWTH (X2)
b. Dependent Variable: ROA (Y)

Interpretasi dari hasil tersebut :

Koefisien determinasi (R.square) menunjukkan angka
sebesar 0,173
Hal ini berarti :
 Kontribusi DER, Growth & KURS terhadap ROA adalah
sebesar 17,3%
 82,7% sisanya dijelaskan oleh variable yang tidak
diungkap dalam perhitungan ini
4 . UJI H IPOTE SIS
1. Uji Parsial

2. Uji Simultan
 PRESENTATION TITLE
Summary
XXXXXXXXXX

18
9/3/20XX 19

PRESENTATION TITLE

THANK YOU
Presenter name
Email address
Website