Edy Sitepu -- [email protected]/ Politeknik Negeri Medan Contents PAR (PARAMETRIC TEST) .................................................................................................1 Kasus 1 Validitas dan Reliabilitas Test.....................................................................................1 Uji Asumsi Klasik ....................................................................................................................7 1) Uji Normalitas ............................................................................................................7 2) Uji Linearitas.............................................................................................................12 3) Uji Autokorelasi dengan DW Test ..........................................................................14 4) Uji Multikolinearitas ................................................................................................ 15 5) Uji Heteroskedastisitas ............................................................................................ 15 Kasus 1 Regresi Linier Sederhana ........................................................................................... 17 Kasus 2 Regresi Linier Berganda ............................................................................................ 22 PAR (PARAMETRIC TEST) Kasus 1 Validitas dan Reliabilitas Test Misalnya terdapat tabulasi data sbb: Menuju Akses Data 1) Uji Validitas
32
Embed
Contents - Eddiestp's Blog · Uji Asumsi Klasik ... sehingga dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas. 2) Uji Linearitas Kemudian muncul . Edy Sitepu -- [email protected]
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Sig. (2-tailed) .083 .001 .010 .005 .135 .002 .003 .000
N 23 23 23 23 23 23 23 23 23
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).
Keterangan: Kuat lemahnya hubungan dua variabel ditunjukkan oleh nilai Pearson Correlation (R) dimana nilai secara umum dibagi menjadi sbb: 0.00 - 0.25 korelasi sangat lemah 0.25 - 0.50 korelasi moderat 0.50 - 0.75 korelasi kuat
0.75 - 1.00 korelasi sangat kuat Untuk lebih baiknya harus dibandingkan antara r hitung dengan r tabel Jika r hitung > r tabel valid Cari nilai r tabel lihat jumlah responden (sampel) Dalam hal ini N = 23 Pada signifikansi = 0,05 atau 5% Maka diperoleh nilai r tabel = 0,3961
Dari hasil ini sepintas dapat dilihat nilai Cronbach Alpa > 0,5 demikian pula
pada semua item pertanyaan Y1 s.d. y14 semuna > 0,5.
Namun untuk memastikan perlu dibandingkan dengan r tabel seperti pada uji
validitas.
Jika r hitung > r tabel reliabel Cari nilai r tabel lihat jumlah responden (sampel) Dalam hal ini N = 23 Pada signifikansi = 0,05 atau 5% Maka diperoleh nilai r tabel = 0,3961 Jika r hitung > 0,3961 reliabel Ada teori lain yang mengatakan bila Cronbach Alfa > 0,6 maka Reliabel
SPSS akan menyajikan dua data sekaligus Kormogorov_Smirnov dan Shapiro-Wilk Shapiro Wilk jika sampel kurang dari 50 Kormogorov Smirnov jika sampel lebih dari 50 Hasilnya karena nilai signifikansi = 0,200 Dimana 0,200 > 0,05 berdistribusi normal Selanjutna bisa dilihat dari Normal QQ Plot Dimana garis lurus adalah keadaan ideal data dan titik-tidak dekat dengan garis
Cara lain yang paling sering dipakai Analyze Regression Linear Pada Plot centang Normaliti dan Histogram
Berdasarkan hasil output SPSS di atas kita dapat melihat grafik plot. Dimana gambar P-Plot terlihat titik-titik mengikuti dan mendekati garis diagonalnya sehingga dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
Koefisen korelasi R=0.614 menunjukkan tingkat hubungan variabel dependen dengan variabel independen pada tingkat kuat (0.614) untuk slala 0 - 1. Kuat lemahnya hubungan dua variabel ditunjukkan oleh nilai Pearson Correlation (R) dimana nilai secara umum dibagi menjadi sbb: 0.00 - 0.25 korelasi sangat lemah 0.25 - 0.50 korelasi moderat 0.50 - 0.75 korelasi kuat 0.75 - 1.00 korelasi sangat kuat Nilai R square = 0.377 dari tabel di atas menunjukkan bahwa 37.7 % dari varians Price dapat dijelaskan oleh perubahan dalam variabel page. ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 393.429 1 393.429 3.628 .105b
Residual 650.571 6 108.429
Total 1044.000 7
a. Dependent Variable: Price b. Predictors: (Constant), Page
UJI F (Uji Simultan) Uji F dimaksudkan untuk menguji apakah variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen. Kasus ini variabel independenya hanya satu, yaitu Page (jumlah halaman). Hipotesis: H0: variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen H1: variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen Dasar Pengambilan Keputusan: Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak Keputusan:
Pada tabel di atas nilai sig = 0.105 > 0.05, sehingga H0 diterima, yang berarti variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen. (ingat: kasus ini adalah kasus satu variabel independen)
Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) 48.000 16.942 2.833 .030
Page .051 .027 .614 1.905 .105
a. Dependent Variable: Price
Uji t Uji t dimaksudkan untuk menguji apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Hipotesis: H0: variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen H1: variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 atau t tabel < t hitung < t tabel maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 atau t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak Keputusan: Pada tabel di atas nilai sig variabel Page 0.105 > 0.05 sehingga H0 tidak ditolak, yang berarti variabel independen Page secara parsial tidak berpengaruh signifikan terhadap variabel Price. Dengan demikian persamaan estimasinya adalah : Price = 48 + 0.051*Page
a. Predictors: (Constant), ROI, PER b. Dependent Variable: harga_saham
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”
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
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.
3) Uji F/Uji Simultan/Uji Serempak
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 dimisalkan:
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 berikut ini.
a. Dependent Variable: harga_saham b. Predictors: (Constant), ROI, PER
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)
Commented [es1]: Nilai F Hitung harus lebih besar dari F tabel baru dapat dikatakan bahwa secara simultan variabel yang digunakan secara bersama-sama signifikan mempengaruhi variabel Y dalam hal ini “Harga Saham”
Commented [es2]: Nilai signifikansi ini memastikan bila secara simultan variabel yang digunakan signifikan mempengaruhi variabel terikat (Y)
3. Menentukan F hitung Berdasarkan tabel diperoleh F hitung sebesar 25,465 (dilihat dari hasil outpt spss pada tabel Anova diatas.
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. Jika dihitung secara manual nilai distribusi F dapat dihitung sbb:
3,68232
Dengan tabel bisa dilihat pada df (n2) = 15, dan jumlah variabel bebas = 2 (n1), Diperoleh nilai F = 3,66
5. Kriteria pengujian: - Ho diterima 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.
4) Uji t/Uji Parsial/Uji per Variabel
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:
Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) 4662.491 668.382 6.976 .000
PER -74.482 59.161 -.214 -1.259 .227
ROI 692.107 116.049 1.012 5.964 .000
a. Dependent Variable: harga_saham
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 = 0,05) 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.
2,13145
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
2,13145
5) Kriteria Pengujian
Ho diterima jika -t tabel > t hitung t tabel Ho ditolak jika -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.
5) Uji Koefisien Regresi
Berdasarkan tabel coefficients regresi sbb, dapat disusun model dalam bentuk persamaan regresi:
Y’ = Harga saham yang diprediksi (Rp) a = konstanta b1,b2 = koefisien regresi X1 = PER (%) X2 = ROI (%)
Persamaan regresi di atas dapat dijelaskan sebagai berikut: 1) Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2) nilainya
adalah 0, maka harga saham (Y’) nilainya adalah Rp.4662,491. 2) 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.
3) 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).
6) Uji Asumsi Klasik a. Normalitas b. Multikolineartas c. Heteroskedastisitas d. Autokorelasi