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)
Contoh kasus:
Kita
mengambil 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. Dengan ini Bambang
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.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Tahun
|
Harga Saham (Rp)
|
PER (%)
|
ROI (%)
|
1990
|
8300
|
4.90
|
6.47
|
1991
|
7500
|
3.28
|
3.14
|
1992
|
8950
|
5.05
|
5.00
|
1993
|
8250
|
4.00
|
4.75
|
1994
|
9000
|
5.97
|
6.23
|
1995
|
8750
|
4.24
|
6.03
|
1996
|
10000
|
8.00
|
8.75
|
1997
|
8200
|
7.45
|
7.72
|
1998
|
8300
|
7.47
|
8.00
|
1999
|
10900
|
12.68
|
10.40
|
2000
|
12800
|
14.45
|
12.42
|
2001
|
9450
|
10.50
|
8.62
|
2002
|
13000
|
17.24
|
12.07
|
2003
|
8000
|
15.56
|
5.83
|
2004
|
6500
|
10.85
|
5.20
|
2005
|
9000
|
16.56
|
8.53
|
2006
|
7600
|
13.24
|
7.37
|
2007
|
10200
|
16.98
|
9.38
|
Langkah-langkah pada program SPSS
Ø Masuk program SPSS
Ø Klik variable view pada SPSS data editor
Ø Pada kolom Name
ketik y, kolom Name pada baris kedua ketik x1, kemudian untuk baris kedua ketik
x2.
Ø Pada kolom Label,
untuk kolom pada baris pertama ketik Harga Saham, untuk kolom pada baris kedua
ketik PER, kemudian pada baris ketiga ketik ROI.
Ø Untuk kolom-kolom
lainnya boleh dihiraukan (isian default)
Ø Buka data view
pada SPSS data editor, maka didapat kolom variabel y, x1, dan x2.
Ø Ketikkan data
sesuai dengan variabelnya
Ø Klik Analyze - Regression - Linear
Ø Klik variabel
Harga Saham dan masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI
kemudian masukkan ke kotak Independent.
Ø Klik Statistics,
klik Casewise diagnostics, klik All cases. Klik Continue
Ø Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise
diagnostics adalah sebagai berikut:
Tabel. Hasil Analisis Regresi Linear Berganda
Persamaan regresinya sebagai berikut:
Y’ = a + b1X1+ b2X2
Y’ = 4662,491 + (-74,482)X1 + 692,107X2
Y’ = 4662,491 - 74,482X1 + 692,107X2
Keterangan:
Y’ = Harga saham yang diprediksi (Rp)
a = konstanta
b1,b2 = koefisien regresi
X1 = PER (%)
X2 = ROI (%)
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
- Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2) nilainya adalah 0, maka harga saham (Y’) nilainya adalah Rp.4662,491.
- Koefisien regresi variabel PER (X1)
sebesar -74,482; artinya jika variabel independen lain nilainya tetap
dan PER mengalami kenaikan 1%, maka harga saham (Y’) akan mengalami
penurunan sebesar Rp.74,482. Koefisien bernilai negatif artinya terjadi
hubungan negatif antara PER dengan harga saham, semakin naik PER maka
semakin turun harga saham.
- Koefisien regresi variabel ROI (X2)
sebesar 692,107; artinya jika variabel independen lain nilainya tetap
dan ROI mengalami kenaikan 1%, maka harga saham (Y’) akan mengalami
peningkatan sebesar Rp.692,107. Koefisien bernilai positif artinya
terjadi hubungan positif antara ROI dengan harga saham, semakin naik ROI
maka semakin meningkat harga saham.
Nilai
harga saham yang diprediksi (Y’) dapat dilihat pada tabel Casewise
Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara harga saham dengan Predicted Value, dan Std. Residual (standardized residual)
adalah nilai residual yang telah terstandarisasi (nilai semakin
mendekati 0 maka model regresi semakin baik dalam melakukan prediksi,
sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin
tidak baik model regresi dalam melakukan prediksi).
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.
2. Menentukan 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.
D. 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).
Dari hasil analisis regresi output dapat disajikan sebagai berikut:
Tabel. Uji t
Langkah-langkah pengujian sebagai berikut:
Pengujian koefisien regresi variabel PER
1. Menentukan Hipotesis
Ho : Secara parsial tidak ada pengaruh signifikan antara PER dengan harga saham.
Ha : Secara parsial ada pengaruh signifikan antara PER dengan harga saham
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5%
3. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar -1,259
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 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi =
0,025) hasil diperoleh untuk t tabel sebesar 2,131 (Lihat pada
lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong
ketik =tinv(0.05,15) lalu enter.
5. Kriteria Pengujian
Ho diterima jika -t tabel < t hitung < t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan thitung dengan t tabel
Nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima
7. Kesimpulan
Oleh
karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho
diterima, artinya secara parsial tidak ada pengaruh signifikan antara
PER dengan harga saham. Jadi dari kasus ini dapat disimpulkan bahwa
secara parsial PER tidak berpengaruh terhadap harga saham pada
perusahaan di BEJ.
Pengujian koefisien regresi variabel ROI
1. Menentukan Hipotesis
Ho : Secara parsial tidak ada pengaruh signifikan antara ROI dengan harga saham
Ha : Secara parsial ada pengaruh signifikan antara ROI dengan harga saham
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5%.
3. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar 5,964
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 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,131.
5. Kriteria Pengujian
Ho diterima jika -t tabel £ t hitung £ t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan thitung dengan t tabel
Nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak
7. Kesimpulan
Oleh
karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak,
artinya secara parsial ada pengaruh signifikan antara ROI dengan harga
saham. Jadi dari kasus ini dapat disimpulkan bahwa secara parsial ROI
berpengaruh positif terhadap harga saham pada perusahaan di BEJ.