17

MATEMATIKA EKONOMI 1

DERET HITUNG

RISET AKUNTANSI

KATA PENGANTAR

KATA PENGANTAR Assalamu’alaikum Warahmatullahi Wabarakatuh. Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya sehingga modul praktikum Riset Akuntasi ini dapat terselesaikan. Modul praktikum ini merupakan penyempurnaan dari modul praktikum sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat meningkatkan pemahaman dasar materi praktikum serta sebagai pedoman bagi mahasiswa dalam melakukan penelitian-penelitian ekonomi. Selain itu, modul ini juga dapat digunakan sebagai dasar suatu pandangan mahasiswa dalam melihat keadaan perekonomian dan disesuaikan dengan teori-teori ekonomi yang ada. Dengan penuh kesadaran, bahwa modul praktikum ini masih perlu disempurnakan lagi, sehingga saran dan kritik untuk penyajian serta isinya sangat diperlukan. Akhir kata, terima kasih kepada tim Litbang Riset Akuntansi Laboratorium Manajemen Dasar 2015/2016 yang turut berpartisipasi dalam penulisan modul praktikum ini. Ucapan terima kasih juga kami sampaikan kepada seluruh pihak yang berpartisipasi sehingga pelaksanaan praktikum ini dapat berjalan dengan lancar. Wassalamu’alaikum Warahmatullahi Wabarakatuh.

Depok, Agustus 2016

Tim Litbang

LAB. MANAJEMEN DASAR

i

LITBANG PTA 16/17

RISET AKUNTANSI

TIM LITBANG

SUSUNAN TEAM LITBANG RISET AKUNTANSI

Staff Lista Kuspriatni Oktavia Anna Rahayu

Penanggung Jawab Adilah Layung Santini

ANOVA

RLB

Fikri Sea Javanesa

Uji T Yuna Indriani Nalla Mutiara Candra

Rani Oktaviani

Yustia Kholifah Sandra

Puji Nurul H

Tia Ayu Ningsih

Wulan Ratna Dewi

Lulu Soraya

Dwi Puspita Sari

Rahmadita Fandani

Yuni Ridho Asih

Gita Ratna Sari

Uji Normalitas

Danny Rachman

Siti Fariza Gita Dian Fajar

Oka Febyola Muhammad Mujahid

Ronaldo Viktor Hayyu Annisa

Muhammad Mujahid

Muhammad Mujahid

Muhammad Mujahid


ii

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR ISI

DAFTAR ISI

Halaman KATA PENGANTAR ......................................................................................

i

SUSUNAN TEAM LITBANG ........................................................................ iii DAFTAR ISI ...................................................................................................... iii DAFTAR TABEL .............................................................................................

v

DAFTAR GAMBAR ........................................................................................ vi UJI NORMALITAS I.

Konsep dasar riset ........................................................................... ... 1

II.

Uji normalitas .................................................................................. ... 2

III.

Contoh kasus ................................................................................... ... 7

IV.

Langkah-langkah software r-commander ........................................ ... 8

V.

Analisis pengujian ............................................................................. 15

UJI T UJI T - SAMPEL BEBAS I.

Pendahuluan ...................................................................................... 16

II.

Contoh kasus ..................................................................................... 18

III.

Langkah-langkah software r-commander ......................................... 19

IV.


UJI T - SAMPEL BERPASANGAN I.

Pendahuluan ...................................................................................... 26

II.

Contoh kasus ..................................................................................... 27

III.

Langkah-langkah software r-commander ......................................... 28

IV.



iii

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR ISI

ANOVA I.

Pendahuluan ...................................................................................... 33

II.

Contoh kasus ..................................................................................... 35

III.

Langkah-langkah software r-commander ........................................ 36

IV.


REGRESI LINIER BERGANDA I.

Pendahuluan ................................................................................. 46

II.

Tujuan penggunaan regresi linier berganda ................................. 46

III. Analisis regresi linier berganda .................................................... 46 IV. Contoh kasus ................................................................................ 56 V.

Langkah-langkah software r-commander .................................... 57

VI. Analisis pengujian ........................................................................ 63

DAFTAR PUSTAKA ......................................................................................... 66


iv

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR TABEL

DAFTAR TABEL Tabel 1.1 Output uji K-S dengan unstandardized residual …..……......…....…… 4 Tabel 1.2 Output uji K-S tanpa unstandardized residual …..……......….......…… 4 Tabel 2.1 Output uji independent t- test ...............................……......….......….. 17 Tabel 2.2 Output uji paired.........................................................…….....….....… 27 Tabel 3.1 Output uji anova...............................……......….......…….................... 35 Tabel 4.1 Output autokorelasi …..……..................................................…..…… 47 Tabel 4.2 Output multikolinieritas …..……...........................................…..…… 48 Tabel 4.3 Output koefisien korelasi …..…….........................................…..…… 52 Tabel 4.4 Output koefisien determinasi …..……...................................…..…… 52 Tabel 4.5 Output uji t …..……...............................................................…..…… 53 Tabel 4.6 Output uji f …..……...............................................................…..…… 55


v

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR GAMBAR

DAFTAR GAMBAR Gambar 1.1 Kurva skewness …..………………....…………...............…………. 3 Gambar 1.2 Kurva kurtosis …..………………....…………...............………..…. 3 Gambar 1.3 Tampilan grafik histogram pada SPSS …..….….............….………. 5 Gambar 1.4 Tampilan grafik normal probability plot pada SPSS yang tidak terdistribusi normal …..….…..........................................…………. 6 Gambar 1.5 Tampilan grafik normal probability plot pada SPSS yang terdistribusi normal …..….…..............................................................…………. 6 Gambar 1.6 Tampilan awal R-commander …..….….............…................……. 8 Gambar 1.7 Tampilan menu data …..….….............…….............................……. 8 Gambar 1.8 Tampilan data set …..….….............…..................…...............……. 9 Gambar 1.9 Tampilan data editor …..….…...........................……..............……. 9 Gambar 1.10 Tampilan variabel editor CR, DER, Harga Saham …...........……. 10 Gambar 1.11 Tampilan data editor yang telah diisi …...............................……. 11 Gambar 1.12 Tampilan R-commander yang telah diinput data ….............……. 11 Gambar 1.13 Tampilan menu pengolahan data …......................................……. 12 Gambar 1.14 Tampilan kotak dialog shapiro wilk test for normality ….....……. 13 Gambar 1.15 Tampilan output shapiro wilk test for normality …..............……. 14 Gambar 2.1 Tampilan menu awal R-commander …..……..............…………. 19 Gambar 2.2 Tampilan new data set …..………………....……..........…………. 19


vi

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR GAMBAR

Gambar 2.3 Tampilan new data set …..….........................….............……….…. 20 Gambar 2.4 Tampilan data editor…..….….........................................….………. 20 Gambar 2.5 Tampilan variabel editor skor.... ....................................……….…. 21 Gambar 2.6 Tampilan variabel editor kode…..….….............……..............……. 21 Gambar 2.7 Tampilan isi data editor …..….….............…….......................……. 21 Gambar 2.8 Tampilan bin numeric …..….….............….............................……. 22 Gambar 2.9 Tampilan bin names …..….…...........................……..............……. 22 Gambar 2.10 Tampilan menu olah data …..................................................……. 23 Gambar 2.11 Tampilan independent sample t-test ….....................................…. 23 Gambar 2.12 Tampilan output independent sample t-test …......................……. 24 Gambar 2.13 Tampilan menu awal R-commander ….....................................… 28 Gambar 2.14 Tampilan new data set …......................................................……. 29 Gambar 2.15 Tampilan data editor ….............................................................…. 29 Gambar 2.16 Tampilan menu variabel editor …......................…...................…. 30 Gambar 2.17 Tampilan menu data editor setelah input data …......................…. 30 Gambar 2.18 Tampilan menu olah data ….................................................……. 31 Gambar 2.19 Tampilan paired t-test …...........................................................…. 31 Gambar 2.20 Tampilan hasil R-commander …..........................................……. 32 Gambar 3.1 Tampilan menu awal R-commander …..………..................…….

36

Gambar 3.2 Tampilan new data set …..………………....……..........…………. 37 LAB. MANAJEMEN DASAR

vii

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR GAMBAR

Gambar 3.3 Tampilan data editor …..….........................…................……….…. 37 Gambar 3.4 Tampilan variabel editor…..….…..................................….………. 38 Gambar 3.5 Tampilan data editor sudah diinput ................................……….…. 38 Gambar 3.6 Tampilan menu data editor setelah input data.............................…. 39 Gambar 3.7 Tampilan menu …..….….............……....................................……. 39 Gambar 3.8 Tampilan bin numeric …..….….............….............................……. 40 Gambar 3.9 Tampilan bin names …..….…...........................……..............……. 40 Gambar 3.10 Tampilan menu olah data …..................................................……. 41 Gambar 3.11 Tampilan levene’s test …..........................................................…. 41 Gambar 3.12 Tampilan output …................................................................……. 42 Gambar 3.13 Tampilan menu ….....................................................................…. 43 Gambar 3.14 Tampilan menu ….................................................................……. 43 Gambar 3.15 Tampilan output …...................................................................…. 44 Gambar 4.1 Tampilan output tidak terjadi heteroskedastisitas …..…….………. 50 Gambar 4.2 Tampilan output terjadi heteroskedastisitas …....……....…………. 50 Gambar 4.3 Tampilan awal r-commander …..…...........…................……….…. 57 Gambar 4.4 Tampilan menu data …..….…........................................….………. 57 Gambar 4.5 Tampilan new data set ....................................................……….…. 58 Gambar 4.6 Tampilan data editor …..….….............……............................……. 58 Gambar 4.7 Tampilan variabel editor biaya iklan …..….…........................……. 59 LAB. MANAJEMEN DASAR

viii

LITBANG PTA 16/17

RISET AKUNTANSI

DAFTAR GAMBAR

Gambar 4.8 Tampilan variabel editor biaya promosi ….............................……. 59 Gambar 4.9 Tampilan variabel editor hasil penjualan …..….….................……. 59 Gambar 4.10 Tampilan isi data editor …....................................................……. 60 Gambar 4.11 Tampilan window R-commander …........................................…. 60 Gambar 4.12 Tampilan statistics …............................................................……. 61 Gambar 4.13 Tampilan linear regression …...................................................…. 61 Gambar 4.14 Tampilan hasil output ….......................................................……. 62


ix

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

UJI NORMALITAS

I.

KONSEP DASAR RISET Fellin, Tripodi dan Meyer (1969) riset adalah suatu cara sistematik untuk maksud meningkatkan, memodifikasi dan mengembangkan pengetahuan yang dapat disampaikan (dikomunikasikan) dan diuji (diverifikasi) oleh peneliti lain. Pada dasarnya riset adalah setiap proses yang menghasilkan ilmu pengetahuan. Dalam bidang ekonomi tingkat kesalahan yang biasa digunakan adalah 5 %. 1.1 Klasifikasi Riset

Berdasarkan Tujuan

Ilmiah : Untuk mengembangkan serta menemukan teori. Hasil dari riset ini menjadi dasar dalam riset non ilmiah. Non Ilmiah : Untuk pemecahan masalah dalam berbagai bidang.

1.2 Tujuan Riset 1. Penemuan teori, hukum dll yang sebelumnya belum pernah diketahui. 2. Pembuktian atas keraguan terhadap informasi atau pengetahuan tertentu 3. Pengembangan atas pengetahuan yang sudah ada.

1.3 Statistika Deskriptif dan Inferensia 1. Statistika deskriptif adalah statistika yang meliputi kegiatan-kegiatan pengumpulan, penyajian, penyederhanaan atau penganalisisan, dan penentuan ukuran-ukuran khusus dari suatu data tanpa penarikan kesimpulan..Contoh : Ukuran statistik, distribusi binomial dll. 2. Statistika inferensia adalah ilmu mengenai penarikan kesimpulan dan pengambilan keputusan tentang makna statistik yang telah dihitung. Contoh : Uji Anova, Regresi Linier Berganda dll.


1

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

1.4 Langkah – langkah Riset 1. Mendefinisikan dan merumuskan masalah 2. Melakukan studi pustaka 3. Memformulasikan hipotesis 4. Menentukan model / desain penelitian 5. Mengumpulkan data 6. Mengolah dan menyajikan informasi 7. Menganalisis dan menginterpretasi 8. Membuat generalisasi dan kesimpulan 9. Membuat laporan / tulisan

1.5 Software Statistik. 1. SPSS (Statistical Package for the Social Science) 2. Amos (Analysis of Moment Structure) 3. Lisrel (Linier Structural Relationship) 4. R-Commander dan lain - lain

II.

UJI NORMALITAS

2.1. Pengertian Uji Parametrik dan Non Parametrik 1. Uji Parametrik adalah jenis pengujian dimana data yang digunakan harus memiliki parameter tertentu. Contoh : Anova, Regresi Linier Berganda, Uji t, dll. 2. Uji Non Parametrik adalah jenis pengujian yang datanya tidak perlu memiliki parameter tertentu. Contoh : Chi Square, Spearman – rho.

2.2.

Pengertian Uji Normalitas Uji normalitas adalah suatu bentuk pengujian tentang kenormalan

distribusi data. Tujuan dari uji ini adalah untuk mengetahui apakah data yang diambil adalah data yang terdistribusi normal. Maksud dari data terdistribusi


2

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

normal adalah bahwa data akan mengikuti bentuk distribusi normal dimana datanya memusat pada nilai rata-rata dan median

2.3.

Ciri – ciri Data Terdistribusi Normal

1. Menggunakan Shapiro Wilk Test Of Normality.

Dalam hal ini, data

dinyatakan terdistribusi normal apabila nilai yang diperoleh dari ShapiroWilk Test of Normality harus lebih besar dari (>) 0,05. 2. Menggunakan Uji Skewness. Dalam uji ini, peneliti membandingkan antara nilai skewness dengan standar error skewness data dapat dikatakan normal bila mempunyai nilai antara -2 sampai dengan 2. Atau dapat dilihat dengan kemencengan grafik , jika titik puncak berada ditengah maka data terdistribusi normal.

Gambar 1.1 Kurva Skewness 3. Menggunakan Uji Kurtosis. Dalam uji ini, peneliti membandingkan antara nilai kurtosis dengan standar error kurtosis data dapat dikatakan normal bila mempunyai nilai antara -2 sampai dengan 2. Atau dapat dilihat dengan keruncingan grafik ,Jika grafiknya membentuk mesokurtik atau

Gambar 1.2 Kurva Kurtosis


3

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

4. Menggunakan Uji Kolmogorov – Smirnov. Dalam hal ini, data dinyatakan terdistribusi normal apabila nilai yang diperoleh dari Uji K-S (dilihat dari Asymp. Sig) harus lebih besar dari (>) 0,05. Berikut adalah output SPSS uji normalitas menggunakan K – S Test. Tabel 1.1 Output Uji K-S dengan Unstandardized Residual

Sumber : Hutami,Rescyana Putri,. 2012 Dari Hasil Uji K-S diatas dapat dilihat Asymp. Sig. (P-Val) sebesar 0,000 < 0,05 maka data dikatakan tidak terdistribusi normal.

Tabel 1.2 Output Uji K-S tanpa Unstandardized Residual

Sumber :Amaliyah, Siti. 2012.


4

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Dari Hasil Uji K-S diatas dapat dilihat Asymp. Sig. (P-Val) kelima variabel > 0,05 maka data dikatakan terdistribusi normal.

5. Menggunakan Uji Grafik  Menggunakan Grafik Histogram. Dengan grafik histogram data yang diteliti ditampilkan menjadi diagram batang. Jika grafik tersebut menyerupai kurva lonceng maka data dinyatakan terdistribusi normal.

Sumber : Kurniawanda ,A.M. 2013. Gambar 1.3 Tampilan Grafik Histogram pada SPSS

Analisis : Dari hasil uji grafik diatas dapat dilihat diagram batang hampir menyerupai kurva normal maka data dikatakan terdistribusi normal.  Menggunakan Grafik Plot. Normal tidaknya distribusi data juga dapat dilihat dari grafik plot atau Normal probability plot, dimana indikatornya adalah titik – titik yang menyebar disekitar garis diagonal. Jika titik – titik mendekati garis diagonal maka data dinyatakan terdistribusi normal


5

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Sumber :Hutami,Rescyana Putri,. 2012 Gambar 1.4 Tampilan Grafik Normal Probability Plot pada SPSS yang Tidak Terdistribusi Normal.

Analisis : Dari hasil uji grafik Normal Probability plot diatas dapat dilihat titik – titik menyebar jauh dari garis maka data dikatakan tidak terdistribusi normal

Sumber :Hutami,Rescyana Putri,. 2012 Gambar 1.5 Tampilan Grafik Normal Probability Plot pada SPSS yang Terdistribusi Normal


6

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Analisis : Dari hasil uji grafik Normal Probability plot diatas dapat dilihat titik – titik menyebar mendekati garis maka data dikatakan terdistribusi normal. 2.4 Cara Mengatasi Data yang tidak Terdistribusi Normal 1. Gabungkan nilai data (Unstandardized) sebelum melakukan uji. 2. Lakukan berbagai metode uji normalitas karena nilai tiap uji terkadang berbeda. 3. Transformasikan data menjadi Log atau Ln. 4. Gunakan Uji Non Parametrik.

III.

CONTOH KASUS Saipul seorang mahasiswa Gunadarma ingin mengetahui apakah data current ratio, debt to equity dan harga saham PT. Sea Otoparts.Tbk tahun 2005 hingga 2014 yang akan digunakan untuk Penulisan Ilmiahnya terdistribusi normal atau tidak. Berikut datanya : Tahun

Current Ratio

Debt To Equity Ratio

Harga Saham

2005

1.5

1.5

715

2006

1.7

1.7

711

2007

1.6

1.6

716

2008

1.6

1.6

711

2009

1.1

1.1

701

2010

1.1

1.1

717

2011

1.0

1.0

777

2012

1.1

1.1

776

2013

1.7

1.5

767

2014

1.7

1.6

766


7

LITBANG PTA 16/17

RISET AKUNTASI

IV.

MATERI NORMALITAS

LANGKAH-LANGKAH SOFTWARE R-COMMANDER 1. Tekan icon R commander pada desktop, kemudian akan muncul tampilan seperti dibawah ini.

Gambar 1.6 Tampilan Awal R-Commander 2. Pilih menu Data, New Data Set. Masukan nama dari data set adalah Normalitas kemudian tekan tombol OK.

Gambar 1.7 Tampilan Menu Data


8

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Gambar 1.8 Tampilan Data Set 3. Akan muncul Data Editor yang digunakan untuk menginput data yang akan diuji.

Gambar 1.9 Tampilan Data Editor 4. Masukkan data dengan var1 untuk CR, var2 untuk DER dan var3 untuk Harga Saham. Jika data editor tidak aktif maka dapat diaktifkan dengan menekan Rgui di Taskbar Windows pada bagian bawah layar monitor. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variabel yang ingin di setting. Pemilihan type, dipilih numeric pada semua variabel.


9

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Gambar 1.10 Tampilan Variabel Editor CR, DER, Harga Saham

5. Kemudian isi masing-masing variabel sesuai dengan data soal setelah selesai isi data kemudian tekan tombol X (close) pada Data Editor.


10

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Gambar 1.11 Tampilan Data Editor yang Telah Diisi.

6. Selanjutnya pilih Window R commander maka akan muncul tampilan seperti ini. Terdapat kata “Normalitas  edit (as.data.frame(NULL)”, yang menunjukan data berhasil diinput.

Gambar 1.12 Tampilan R-Commander yang Telah Diinput Data.


11

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

7. Pilih Statistic pada menubar, lalu pilih summaries, klik Shapiro Wilk Test Of Normality

Gambar 1.13 Tampilan Menu Pengolahan Data.

8. Akan muncul tampilan kotak dialog Shapiro-Wilk test of normality. Pilih salah satu variable, misal dimulai dari CR, lalu klik OK, dan akan keluar hasilnya. Data yang keluar tersebut hanya satu (yaitu untuk data CR) , data yang lain tidak dapat keluar pada satu kali pengolahan. Oleh sebab itu, lakukan langkah ini secara berulang terhadap variabel DER dan Harga saham. Akan Muncul tabel dialog, lalu pilih variabel yang nilai normalitasnya ingin ditampilkan.


12

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Gambar 1.14 Tampilan kotak dialog Shapiro Wilk Tes for Normality.

9.

Maka akan muncul hasil pada output window sebagai berikut.


13

LITBANG PTA 16/17

RISET AKUNTASI

MATERI NORMALITAS

Gambar 1.15 Tampilan Output Hasil Shapiro Wilk Tes for Normality


14

LITBANG PTA 16/17

RISET AKUNTASI

V.

MATERI NORMALITAS

ANALISIS PENGUJIAN

1) Kriteria pengujian P-Value > 0,05 = data terdistribusi normal P-Value > 0,05 = data tidak terdistribusi normal

2) Nilai P value Current Ratio

: 0.0134

Debt To Equity Ratio

: 0.02735

Harga Saham

: 0.009997

3) Keputusan P-value Current Ratio < 0,05

: data tidak terdistribusi normal

P-value Debt To Equity Ratio < 0,05


P-value Harga Saham < 0,05


4) Kesimpulan : Karena data Current Ratio, Debt To Equity Ratio dan Harga Saham tidak terdistribusi normal, maka dapat dikatakan data tida terdistribusi normal


15

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

UJI T SAMPEL BEBAS (INDEPENDENT SAMPLE T-TEST) I.

PENDAHULUAN Pengujian Hipotesis dengan distribusi t adalah pengujian hipotesis yang

menggunakan distribusi t sebagai uji statistik. Distribusi ini pertama kali diterbitkan dalam suatu makalah oleh W.S Gosset pada tahun 1908. Pada waktu itu Gosset bekerja pada perusahaan bir Irlandia yang melarang penerbitan oleh Karyawannya. Untuk mengelakkan larangan tersebut, ia menerbitkan karyanya secara rahasia dibawah nama “student”. Karena itulah distribusi t biasa disebut Distribusi Student. •

Pengertian Uji T Uji ini akan membandingkan rata-rata dari dua grup yang tidak berhubungan

satu dengan yang lain, dengan tujuan apakah kedua grup tersebut mempunya ratarata yang sama ataukah tidak. •

•

Fungsi Uji T -

Untuk memperkirakan interval rata-rata.

-

Untuk menguji hipotesis tentang rata-rata suatu sampel.

-

Menunjukkan batas penerimaan suatu hipotesis.

-

Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya

Ciri – Ciri Uji T Kasus yang diuji bersifat acak

•

Asumsi Uji T -

Data bertipe kuantitatif/numerik, baik itu interval atau rasio

-

Data berdistribusi normal

-

Data sampel berjumlah sedikit (< 30)


16

LITBANG PTA 16/17

RISET AKUNTASI

•

MATERI INDEPENDEN

Syarat Uji T P-value > 0,05 maka Ho diterima P-value < 0,05 maka Ha diterima Tabel 2.1 Output uji independent t-test

Sumber : Apriyo,ari,. 2013

Berdasarkan tabel tersebut dapat dilihat secara rata-rata bahwa nilai rata-rata Significant (2-tailed) sebesar 0,192 lebih besar dari Level of Significant 5% (0,192>0,050) hal ini membuktikan bahwa data diatas identik.


17

LITBANG PTA 16/17

RISET AKUNTASI

•

MATERI INDEPENDEN

LANGKAH-LANGKAH ANALISIS PENGUJIAN Langkah-langkah pengujian independent sample t-test adalah : 1) Menentukan hipotesis pengujian H0 : Rata-rata kedua sampel adalah identik atau sama H1 : Rata-rata kedua sampel adalah tidak identik atau tidak sama 2) Kriteria pengujian P-value > 0,05 maka H0 diterima P-value < 0,05 maka H1 diterima 3) Lihat hasil P-value 4) Menentukan keputusan 5) Membuat kesimpulan dari keputusan yang telah dibuat.

II.

CONTOH KASUS Seorang peneliti ingin melakukan penelitian pada PT. Indo drink Indonesia Tbk dengan 2 rasio yang berbeda yaitu Return On Assets (ROA) dan Return On Equity (ROE) untuk periode 2010-2015. Berikut adalah data Return On Assets (ROA) dan Return On Equity (ROE).

Periode

ROA

ROE

2010

555

150

2011

666

155

2012

777

166

2013

567

177

2014

657

176

2015

765

170


18

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

III. LANGKAH-LANGKAH SOFTWARE 1. Tekan icon R Commander pada desktop, kemudian akan muncul tampilan seperti gambar di bawah ini :

Gambar 2.1 : Tampilan menu awal R Commander

2. Pilih menu Data > New Data Set, masukkan nama dari data set adalah independent (tanpa spasi) kemudian tekan tombol OK

Gambar 2.2 : Tampilan New Data Set


19

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

Gambar 2.3 : Tampilan New Data Set

Kemudian akan muncul Data Editor

Gambar 2.4 : Tampilan Data Editor

3. Klik dua kali Var 1 kemudian ganti namanya menjadi SKOR lalu pilih numerik lalu close, setelah itu klik dua kali Var 2 kemudian ganti namanya menjadi KODE lalu pilih numerik lalu close. Jika data editor tidak aktif maka dapat diaktifkan dengan menekan Rgui di taskbar windows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekan close.


20

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

Gambar 2.5 : Tampilan Variabel Editor SKOR

Gambar 2.6 : Tampilan Variabel Editor KODE

Kemudian masing-masing variabel sesuaikan dengan data di soal. Setelah selesai isi data, kemudian tekan tombol X (close).

Gambar 2.7 : Tampilan Isi Data Editor


21

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

4. Untuk mengecek kebanaran data yang sudah dimasukkan, tekan tombol View data set maka akan muncul tampilan, Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki data yang salah. Untuk merubah variabel numerik buku pada tampilan R Commander pilih : Manage Variables In Active Data Set kemudian pilih Bin Numeric Variable

Gambar 2.8 : Tampilan Manage Variable

Kemudian akan muncul tampilan :

Gambar 2.9 : Tampilan Bin Numerik


22

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

Ket : pilih KODE karena kode untuk bentuk ada di kolom KODE dan Number Of Bins di drag ke angka 2 karena kode yang telah diisi sebelumnya hanya sampai 2 kemudian akan muncul tampilan rubah nama bin :

Gambar 2.10 : Tampilan Bin Names

5. Jika data sudah benar, pilih menu Statistics > Means > Independent Sample T-Test

Gambar 2.11 : Tampilan menu olah data


23

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

6. Pada Respons Variable pilih METODE kemudian tekan tombol OK

Gambar 2.12 : Tampilan Independent Sample T-Test

7. Maka akan muncul hasil pada output window sebagai berikut :

Gambar 2.13 : Tampilan Output Independent Sample T-Test


24

LITBANG PTA 16/17

RISET AKUNTASI

MATERI INDEPENDEN

IV. ANALISIS PENGUJIAN 1. Hipotesis H0 : Rata-rata rasio yang digunakanadalah identik atau sama H1 : Rata-rata rasio yang digunakanadalah tidak identik atau tidak sama

2. Kriteria Pengujian Jika probabilitas (p-value) > 0,05 maka H0 diterima Jika probabilitas (p-value) < 0,05 maka H0 ditolak

3. Dari hasil pengolahan R-Programing diperoleh P value = 0,0000001486

4. Keputusan Hasil perhitungan menyatakan bahwa besarnya probabilitas (p-value) adalah 0,0000001486karena probabilitas lebih kecil daripada taraf uji yang digunakan dalam penelitian atau p- value < α atau 0,0000001486< 0,05 maka H1 diterima.

5. Kesimpulan Rata-rata rasio yang digunakanadalah tidak identik atau tidak sama atau sama


25

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

UJI T SAMPEL BERPASANGAN (PAIRED SAMPLE T-TEST)

I.

PENDAHULUAN Paired sample t-test adalah uji t dimana sampel berpasangan. Pengujian ini

digunakan untuk menguji perbandingan rata – rata sampel yang berpasangan. Pengujian ini biasanya dilakukan pada suatu sampel antara sebelum dan sesudah diberikan perlakuan.

Tujuan uji paired sample t-test adalah untuk menguji

perbandingan rata – rata sampel yang berpasangan. 1.1. Syarat dari uji paired sample t-test P-Value > 0,05 maka H 0 diterima P-Value < 0,05 maka H 1 diterima

1.2. Langkah – Langkah Analisis Pengujian 1. Hipotesis H 0 : Tidak ada perbedaan rata-arata ntara sebelum dan sesudah adanya perlakuan H 1 : Ada perbedaan rata-arata ntara sebelum dan sesudah adanya Perlakuan

2. Kriteria/ Syarat Pengambilan Keputusan P Value > 0,05 H 0 Diterima P Value < 0,05 H 1 Diterima 3. Lihat P-Value 4. Mengambil Keputusan 5. Menentukan Kesimpulan


26

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

Tabel 2.2 Output uji paired

Sumber : Model analisis dengan SPSS 17. 2013 •

Kolom Mean pada hasil paired-samples t test table menunjukkan rata-rata perbedaan antara triglyceride dan pengukuran weight sebelum diet dan 6 bulan proses diet.

•

Kolom

Sig. (2-tailed) menampilkan probabilitas (signifikansi) di

dalam

statistik t yang memiliki nilai mutlak sama dengan atau lebih besar dari yang diperoleh t statistik. Ketika nilai signifikan untuk perubahan berat kurang dari 0.05, kita dapat menyimpulkan bahwa rata -rata hilangnya 8.06 pon setiap pasien bukanlah dalam kaitan dengan variasi dan memang dapat melekat pada diet tersebut. Kemudian arti nilai signifikan lebih besar dari 0.10 untuk perubahan level triglyceride menunjukkan diet tidak dengan mantap untuk mengurangi level triglyceride responden.

II.

CONTOH KASUS Seorang mahasiswa ingin mengetahui apakah ada perbedaan tingkat

pengetahuan mengenai saham pada mahasiswa fakultas ekonomi sebelum dan sesudah adanya acara seminar yang dilakukan oleh BEM FE. Untuk mengetahui apakah ada perbedaan tingkat pengetahuan sebelum dan sesudah acara seminar tersebut maka dilakukan penyebaran kuesioner dengan mengambil sample 17 mahasiswa untuk mengisi kuesioner secara jujur. Jumlah pertanyaan yang diajukan dalam kuesioner ada 17 pertanyaan. Total jawaban dari setiap kuesioner yang diisi responden adalah sebagai berikut.


27

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 III.

Pengetahuan sebelum 101 105 107 111 155 156 100 115 116 117 111 101 165 107 106 111 100

Pengetahuan sesudah 150 155 111 155 167 175 101 117 110 176 117 107 175 111 160 115 111

LANGKAH-LANGKAH SOFTWARE R-COMMANDER

1. Tekan icon R Commander pada dekstop, kemudian muncul tampilan seperti gambar dibawah ini.

Gambar 2.13 Tampilan menu awal R Commander.


28

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

2. Pilih data, lalu klik new data set, akan muncul name box. Lalu ganti namanya menjadi paired seperti gambar dibawah ini.

Gambar 2.14 Tampilan Menu New Data Set

3.

Lalu akan muncul data editor seperti gambar dibawah ini.

Gambar 2.15 Tampilan Data Editor 4. Kemudian ganti Var 1 menjadi Sebelum, dan Var 2 menjadi Sesudah. Lalu ganti type menjadi Numerik.


29

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

Gambar 2.16 Tampilan Menu Variabel Editor

5. Kemudian masukan data sesuai dengan soal yang ada

Gambar 2.17 Tampilan Menu Data Editor Setelah Input Data


30

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

6. Setelah itu pilih Statistics – Mean – Paired t-test.

Gambar 2.18 Tampilan Menu Olah Data

7. Kemudian akan muncul dialog box, pilih Sebelum untuk First Variable dan Sesudah untuk Second Variable seperti gambar di bawah ini.

Gambar 2.19 Tampilan Menu Paired t-Test


31

LITBANG PTA 16/17

METODE RISET

MATERI PAIRED

8. Kemudian klik Ok dan akan muncul output seperti gambar dibawah ini.

Gambar 2.20 Tampilan Hasil R-Commander

IV.

ANALISIS PENGUJIAN

1. Hipotesis H 0 : Tidak ada perbedaan rata-rata pengetahuan tentang saham sebelum dan sesudah adanya acara seminar H 1 : Ada perbedaan rata-rata pengetahuan tentang saham sebelum dansesuadah adanya acara seminar 2. Syarat dan ketentuan P-value > 0.05 maka H 0 diterima P-value < 0.05 maka H 1 diterima 3. Nilai P-value = 0.002277 4. Keputusan : karena nilai P-value < 0.05 maka H 1 diterima 5. Kesimpulan : Ada perbedaan rata-rata pengetahuan tentang saham sebelum dan sesudah adanya acara seminar


32

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

UJI ANOVA ( Analysis Of Variance )

I.

PENDAHULUAN Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil

perlakuan (treatment) pada sebuah populasi dengan populasi yang lain dengan metode uji hipothesis yang ada (Distribusi Z,Chi Kuadrat, atau Distribusi-T). Membandingkan satu rata-rata populasi dengan satu rata-rata populasi yang lain, selain memakan waktu, juga beresiko mengandung kesalahan yang besar. Untuk itu, kita memerlukan sebuah metode yang cepat dan beresiko mengandung kesalahan lebih kecil, yakni ANOVA (Analysis of Variance) Anova merupakan uji perbedaan rata-rata lebih dari dua populasi disebut juga analisis of varians, dipopulerkan oleh Sir Ronald Aylmer Fisher, seorang pendiri modern pada tahun 1920. Distribusi F digunakan sebagai statisti uji untuk anova. Analisis ini digunakan untuk : 1. Menguji hipotesis perbedaan rata-rata antara lebih dari dua populasi 2. Menguji apakah varians populasinya sama ataukah tidak

1.1.

Adapun ciri-ciri uji anova yaitu : 1. Tidak pernah bernilai negative 2. Merupakan distribusi yang continue yang mendekati sumbu X tetapi tidak pernah menyentuhnya 3. Kemencengannnya positif 4. Didasarkan pada dua derajat kebebasan

1.2.

Asumsi : 1. Populasi-populasi yang akan diuji berdistribusi normal 2. Varians dari populasi-populasi tersebut adalah sama 3. Sampel tidak berhubungan satu dengan yang lain


33

LITBANG PTA 16/17

METODE RISET

1.3.

MATERI ANOVA

Langkah – Langkah Analisis Pengujian Uji Kesamaan Varians:Lihat output livene’s test of homogeneity of varians

1. Hipotesis Uji Varians : H0

: Varians ketiga populasi identik

H1

: Varians ketiga populasi tidak identik

2. Kriteria Pengujian H0 diterima jika F Prob > 0.05 H1 diterima jika F Prob < 0.05 3. Nilai Probabilitas : (F Prob) 4. Pengambilan keputusan ; Jika Probabilitas > 0.05, maka H0 di terima Jika Probabilitas < 0.05, maka H1 di terima 5. Kesimpulan : Penjabaran dari hipotesis yang diterima. 6. Contoh H0 diterima : Jadi varians dari ketiga populasi adalah identik Pada tahap selanjutnya jika varians yang identik maka atau Ho diterima maka dilanjutkan menggunakan uji Anova, jika Ho ditolak maka penelitian hanya sampai pada tahap uji kesamaan varians saja. Uji Anova : Lihat output analysis of varians / one way anova 1. Hipotesis yang di gunakan untuk uji anova : H0 : ke-3 rata-rata populasi adalah identik H1 : ke-3 rata-rata populasi adalah tidak identik 2. Kriteria Pengujian H0 diterima jika F Prob > 0.05 H1 diterima jika F Prob < 0.05 3. Nilai Probabilitas : (F Prob) 4. Pengambilan keputusan Jika Probabilitas > 0.05, maka H0 di terima Jika Probabilitas < 0.05, maka H1 di terima


34

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

5. Kesimpulan : Penjabaran dari hipotesis yang diterima. Contoh H0 diterima : Jadi ke-3 rata-rata populasi adalah identik

Tabel 3.1 Output uji anova

Sumber : Desti Widiyana, 2013

Dari data diatas diperoleh bahwa nilai signifikansi Anova = 0.020 lebih kecil dari 0.05 yang menandakan bahwa H0 ditolak atau Ha diterima. Jadi dapat disimpulkan bahwa rata- rata data diatas tidak identik.

II.

CONTOH KASUS Bu siska adalah pemilik dari rumah makan khas sunda, ia ingin meneliti apakah ada perbedaan rata rata penjualan ketiga menu ayam yang di tawarkan di rumah makannya tersebut. Terdapat 3 jenis menu ayam yang ditawarkan yaitu, ayam bakar, ayam goreng dan pepes ayam. Berikut adalah data penjualan menu ayam dalam 15 hari :


35

LITBANG PTA 16/17

METODE RISET

III.

MATERI ANOVA

Hari

Ayam Bakar

Ayam Goreng

Pepes Ayam

1

10

11

15

2

16

15

16

3

16

17

15

4

17

16

16

5

16

15

16

6

15

16

15

7

11

17

11

8

16

11

10

9

17

16

17

10

15

15

16

11

11

10

15

12

10

15

16

13

15

16

17

14

16

17

11

15

17

15

17

LANGKAH-LANGKAH SOFTWARE R-COMMANDER

1. Tekan icon R Commander pada dekstop, kemudian muncul tampilan seperti gambar dibawah ini.

Gambar 3.1 Tampilan menu awal R Commander LAB. MANAJEMEN DASAR

36

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

2. Pilih data, lalu klik new data set (dataset baru), akan muncul name box. Lalu ganti namanya menjadi ANOVA seperti gambar dibawah ini.

Gambar 3.2 Tampilan New Data Set 3. Lalu akan muncul data editor seperti gambar dibawah ini.

Gambar 3.3 Tampilan Data Editor 4. Kemudian ganti Var 1 menjadi Penjualan, dan Var 2 menjadi Menu. Lalu ganti type menjadi Numerik.


37

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

Gambar 3.4 Tampilan Variabel Editor 5. Kemudian isi masing-masing variable sesuai dengan data soal setelah isi data kemudian tekan tombol X (Close)

Gambar 3.5 Tampilan Data Editor Sudah Input Data


38

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

Gambar 3.6 Tampilan menu data editor setelah input data 6. Untuk merubah variable numeric bin pada tampilan R-commander pilih : data – Manage variables in active data set kemudian pilih Bin numeric variable.

Gambar 3.7 Tampilan Menu


39

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

7. Kemudian akan muncul tampilan :

Gambar 3.8 Tampilan bin numeric 8. Kemudian akan muncul tampilan ubah nama bin :

Gambar 3.9 Tampilan bin names 9. Jika data sudah benar, pilih menu Statistics, Varians, Levene’s Test.


40

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

Gambar 3.10 Tampilan Menu Olah Data

10. Pada Response Variable pilih variable penjualan pilih mean kemudian tekan OK.

Gambar 3.11 Tampilan levene’s test


41

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

11. Hasil Uji Varians

Gambar 3.12 Tampilan Output Analisis : Dari hasil output di atas F probabilitas 0,5786 > 0,05 maka H0 di terima. Kesimpulannya rata-rata ketiga varians sampel identik. Maka dapat di lanjutkan untuk uji Anova


42

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

12. Pilih menu R-commander untuk mencari nilai Anova. Pilih menu Statistics, Means, One-way ANOVA

Gambar 3.13 Tampilan Menu 13. Kemudian akan muncul tampilan :

Gambar 3.14 Tampilan Menu Untuk Response Variable pilih penjualan, aktifkan Pairwise comparisons of means jika ingin melihat Grafik.


43

LITBANG PTA 16/17

METODE RISET

MATERI ANOVA

14. Maka akan muncul hasil pada output window sebagai berikut:

Gambar 3.15 Tampilan Output Analisa : Dari hasil output di atas menunjukan F probabilitas 0,922 > 0,05 maka Ho Diterima atau kesimpulannya rata-rata penjualan dari ketiga menu ayam adalah identik (sama).


44

LITBANG PTA 16/17

METODE RISET

IV.

MATERI ANOVA

ANALISIS PENGUJIAN

UJI KESAMAAN VARIANS 1. Hipotesis uji varians H0 : Varians penjualan dari ketiga menu ayam tersebut adalah identik. H1 : Varians penjualan dari ketiga menu ayam tersebut adalah tidak identik. 2. Kriteria Pengujian H0 diterima jika F Prob > 0.05 H1 diterima jika F Prob < 0.05 3. Nilai Probabilitas : 0.873(F Prob) 4. Keputusan : H0 diterima karena F Prob > 0.05 5. Kesimpulan : Jadi, varians penjualan dari ketiga menu ayam tersebut adalah identik.

Catatan : Apabila Pr (>F) >= 0.05, maka pengujian dapat dilanjutkan ke uji anova.tapi jika Pr (>F) < 0.05, pegujian tidak dapat dilanjutkan ke uji anova.

UJI ANOVA 1. Hipotesis Uji Anova H0 : Rata-rata penjualan dari ketiga menu ayam adalah identik. H1 : Rata-rata penjualan dari ketiga menu ayam adalah tidak identik. 2. Kriteria Pengujian H0 diterima jika F Prob > 0.05 H1 diterima jika F Prob < 0.05 3. Nilai Probabilitas : 0.922 (F Prob) 4. Keputusan : H0 diterima karena F Prob > 0.05 5. Kesimpulan : Jadi , rata-rata penjualan dari ketiga menu ayam adalah identik.


45

LITBANG PTA 16/17

METODE RISET

MATERI RLB

REGRESI LINIER BERGANDA

I.

PENDAHULUAN Regresi linier berganda adalah Alat analisis yang digunakan untuk

mengetahui pengaruh dua atau lebih variabel bebas terhadap variabel terikat. Variabel X atau sering disebut dengan variabel bebas (independent) adalah variabel yang mempengaruhi variabel tak bebas. Sedangkan variabel Y atau disebut dengan variabel terikat (dependent) adalah variabel yang dipengaruhi oleh variabel bebas. Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut variabel yang diterangkan dengan satu atau dua variabel yang menerangkan. II.

TUJUAN PEGGUNAAN REGRESI LINIER BERGANDA. 1.

Untuk membuat estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel bebas.

2.

Untuk menguji hipotesis karakteristik dependensi.

3.

Untuk meramalkan nilai rata-rata variabel bebas berdasarkan pada nilai variabel bebas diluar pengakuan sampel.

III. ANALISIS REGRESI LINIER BERGANDA 1.

Uji Asumsi Klasik Empat asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda, yaitu:

 Uji Normalitas Uji normalitas adalah suatu bentuk pengujian tentang kenormalan suatu data dengan tujuan untuk mengetahui apakah data yang diambil adalah data yang terdistribusi normal atau tidak. Untuk dapat


46

LITBANG PTA 16/17

METODE RISET

MATERI RLB

melanjutkan ke dalam uji regresi linier berganda terlebih dahulu datanya harus normal. Lebih jelasnya silahkan buka kembali materi tentang uji normalitas.  Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara pengamatan pada periode t dengan pengamatan pada periode t-1. Model regresi yang baik seharusnya bebas autokorelasi. Untuk mengetahui autokorelasi atau tidak dapat dilakukan dengan Uji Durbin Watson (DW) menurut Singgih Santoso (2000:218) secara umum angka Durbin Watson (DW) yang dapat dijadikan dalam pengambilan keputusan salah satunya adalah: a.

Bila nilai Durbin Watson lebih dari 2 (> 2) berarti terjadi autokorelasi.

b.

Bila nilai Durbin Watson kurang dari 2 (< 2) berarti tidak terjadi autokorelasi. Dibawah ini adalah contoh hasil SPSS untuk uji autokorelasi

dengan judul “Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia”. Tabel 4.1 Output Autokorelasi

Sumber: Jurnal Ekonomi dan Bisnis Vol 3 No. 2 Tahun 2004 Berdasarkan gambar diatas, didapat nilai Durbin Watson (DW) sebesar 1,839. Hal ini berarti nilai 1,839 < 2, artinya tidak ada autokorelasi pada model regresi. LAB. MANAJEMEN DASAR

47

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Cara yang dapat dilakukan jika terjadi autokorelasi, antara lain : Jika regresi kita memiliki autokorelasi, maka ada beberapa opsi penyelesaiannya antara lain : a. Tentukan apakah autokorelasi yang terjadi merupakan pure autocorrelation. b. Jika yang terjadi adalah pure autocorrelation, maka solusi autokorelasi adalah dengan mentransformasi.  Uji Multikolonieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antarvariabel bebas (independent). Model regresi yang baik seharusnya bebas multikolinieritas atau tidak terjadi korelasi antarvariabel variabel bebas (independent). Untuk mengetahui ada tidaknya gejala multikolinieritas di dalam model regresi, maka perlu diperhatikan hal-hal berikut ini: a.

Nilai Tolerance harus lebih besar dari 0,10

b.

Nilai Variance Infaltion Factor (VIF) lebih kecil dari 10 Dibawah ini adalah contoh hasil SPSS untuk uji multikolonieritas

dengan judul “Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia”. Tabel 4.2 Output Multikolinieritas

Sumber: Jurnal Ekonomi dan Bisnis Vol 3 No. 2 Tahun 2004


48

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Berdasarkan gambar diatas diketahui bahwa nilai tolerance ketiga variabel independen lebih besar dari 0.1 dan nilai VIF dari ketiga variabel independen tersebut kurang dari 10, maka dapat disimpulkan bahwa tidak ada multikolinieritas. Cara yang dapat dilakukan jika terjadi multikolonieritas, antara lain : Jika regresi kita memiliki multikolonieritas, maka ada beberapa opsi penyelesaiannya antara lain : a. Menggabungkan data crossection dan time series (pooling data). b. Keluarkan satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi. c. Transformasi variabel merupakan salah satu cara mengurangi hubungan linier diantara variabel independen. Transformasi dapat dilakukan dengan bentuk logaritma. d. Gunakan metode analisis yang lainnya.  Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik seharusnya bebas heteroskedastisitas. Dengan melihat grafik plot antara nilai variabel terikat (SRESID) dengan residual (ZPRED). Jika ada pola tertentu, seperti titik-titik yang membentuk

pola

yang

teratur

(menyempit,

melebar,

maupun

bergelombang) maka terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah ataupun diatas angka 0 pada sumbu Y, maka terjadi homoskedastisitas. Dibawah ini adalah contoh hasil SPSS untuk uji heteroskedastisitas dengan judul “Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham


49

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Perusahaan Sektor Asuransi Di Bursa Efek Indonesia” yang tidak terjadi heteroskedastisitas. Gambar 4.1 Tampilan Output Tidak Terjadi Heteroskedastisitas

Sumber: Jurnal Ekonomi dan Bisnis Vol 3 No. 2 Tahun 2004 Dari gambar diatas dapat dilihat bahwa tidak ada pola yang jelas, titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, sehingga dapat disimpulkan bahwa tidak ada heteroskedastisitas. Dibawah ini adalah contoh hasil SPSS untuk uji heteroskedastisitas dengan judul “Peran Variabel Citra Perusahaan, Kepercayaan Dan Biaya Perpindahan Yang Memediasi Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan” yang terjadi heteroskedastisitas. Gambar 4.2 Tampilan Output Terjadi Heteroskedastisitas

Sumber: Skripsi, Karsono, Tahun 2009 LAB. MANAJEMEN DASAR

50

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Dari gambar diatas dapat dilihat bahwa terdapat pola yang jelas, titik-titik membentuk garis mengikuti sumbu Y, sehingga dapat disimpulkan bahwa terdapat heteroskedastisitas. Cara yang dapat dilakukan jika terjadi heteroskedastisitas, antara lain : Jika regresi kita memiliki heteroskedastisitas, dengan cara pola heteroskedastisitas. Ada beberapa asumsi pola heteroskedastisitas antara lain : a.

Asumsi 1 : error variance σ2 i terhadap X2 i.

b.

Asumsi 2 : error variance σ2 i terhadap variabel independen Xi atau disebut transformasi akar kuadrat.

2.

c.

Asumsi 3 : error variance σ2 i terhadap kuadrat nilai Y.

d.

Asumsi 4 : lakukan transformasi dalam bentuk logaritma.

Persamaan Regresi Linier Berganda

Y = α + β1X1 + β2X2 + β3X3 + … + βnXn + e Keterangan : Y = Variabel Terikat (dependent variable) α

= Konstanta

β1 – βn

= Koefisien Regresi

X1 – Xn

= Variabel Bebas (independent variable)

e

= Standar Error

3. Koefisien Korelasi (r) Koefisien korelasi adalah koefisien yang digunakan untuk mengetahui hubungan antara variabel X dan Y. Syaratnya yaitu : a.

Jika r = +1 atau mendekati +1, maka hubungannya kuat dan searah.

b.

Jika r = 0 atau mendekati 0, maka hubungannya sangat lemah atau bahkan tidak ada hubungan sama sekali.


51

LITBANG PTA 16/17

METODE RISET

c.

MATERI RLB

Jika r = -1 atau mendekati -1, maka hubungannya kuat dan tidak searah. Dibawah ini adalah contoh hasil SPSS untuk koefisien korelasi

dengan judul “Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia”. Tabel 4.3 Output Koefesien Korelasi

Sumber: Jurnal Ekonomi dan Bisnis Vol 3 No. 2 Tahun 2004 Berdasarkan gambar diatas, didapat nilai koefisien korelasi sebesar 0,631. Hal ini berarti nilai 0,631 mendekati +1, maka hubungannya kuat dan searah yang artinya memenuhi syarat koefisien korelasi.

4.

Koefisien Determinasi (R2) Koefisien determinasi adalah koefisien yang digunakan untuk mengetahui seberapa besar variabel bebas mempengaruhi variabel terikat. Nilai koefisien determinasi berkisar antara 0 sampai dengan 1. Dibawah ini adalah contoh hasil SPSS untuk koefisien determinasi dengan judul “Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia”. Tabel 4.4 Output Koefesien Determinasi



52

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Berdasarkan gambar diatas, didapat nilai koefisien determinasi sebesar 0,342. Hal ini berarti nilai 0,342 berkis ar antara 0 sampai dengan 1 yang artinya memenuhi syarat koefisien determinasi. 5.

Uji t Uji parsial dengan t-test ini bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel independen secara individual (parsial) terhadap variabel dependen. Kriteria pengambilan keputusan uji hipotesis secara parsial didasarkan pada nilai probabilitas. Kriteria pengambilan keputusan untuk uji parsial adalah sebagai berikut: 

Jika P-value > 0.05 maka H0 diterima.



Jika P-value < 0.05 maka H1 diterima. Dibawah ini adalah contoh hasil SPSS untuk uji t dengan judul

“Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia”. Tabel 4.5 Output Uji t



53

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Hipotesis yang digunakan dalam uji parsial (uji t) adalah: H0 1 : Earning Per Share tidak berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. H1 1 : Earning Per Share berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. H0 2 : Net Profit Margin tidak berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. H1 2 : Net Profit Margin berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. H0 3 : Return On Asset tidak berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. H1 3 : Return On Asset berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. Berdasarkan gambar diatas, diketahui bahwa nilai signifikan semua variabel bebas masing-masing sebesar 0,052; 0,017; 0,025 dan nilai signifikan semua variabel lebih kecil dari 0,05 maka keputusannya adalah H0 ditolak, H1 diterima. Dengan demikian, dapat ditarik kesimpulan bahwa Earning Per Share, Net Profit Margin, & Return On Asset berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. 6.

Uji F Uji simultan dengan F-test ini bertujuan untuk mengetahui pengaruh

bersama-sama

variabel

independen

terhadap

variabel

dependen. Kriteria pengambilan keputusan didasarkan pada nilai probabilitas. Kriteria pengambilan keputusan untuk uji simultan adalah sebagai berikut: 

Jika P-value > 0.05 maka H0 diterima.



Jika P-value < 0.05 maka H1 diterima.


54

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Dibawah ini adalah contoh hasil SPSS untuk uji F dengan judul “Analisis Pengaruh Earning Per Share (EPS), Net Profit Margin (NPM), Dan Return On Asset (ROA), Terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia”. Tabel 4.6 Output Uji F

Sumber: Jurnal Ekonomi dan Bisnis Vol 3 No. 2 Tahun 2004 Hipotesis yang digunakan pada uji F (uji simultan) adalah: H0 : Earning Per Share, Net Profit Margin, & Return On Asset secara bersama-sama tidak berpengaruh signifikan terhadap Return Saham Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. H1 : Earning Per Share, Net Profit Margin, & Return On Asset secara bersama-sama

berpengaruh

signifikan

terhadap

Return

Saham

Perusahaan Sektor Asuransi Di Bursa Efek Indonesia. Berdasarkan gambar diatas, diketahui bahwa nilai signifikan semua variabel bebas secara bersama-sama sebesar 0,001 dan nilai signifikannya lebih kecil dari 0,05 maka keputusannya adalah H0 ditolak, H1 diterima. Dengan demikian, dapat ditarik kesimpulan bahwa Earning Per Share, Net Profit Margin, & Return On Asset secara bersama-sama

berpengaruh

signifikan

terhadap

Return

Saham

Perusahaan Sektor Asuransi Di Bursa Efek Indonesia.


55

LITBANG PTA 16/17

METODE RISET

IV.

MATERI RLB

CONTOH KASUS Seorang peneliti ingin melakukan penelitian tentang pengaruh antara Current Ratio (CR) dan Debt to Equity Ratio (DER) terhadap Harga Saham pada perusahaan Telekomunikasi Indonesia Tbk untuk periode 2003-2014. Berikut adalah data Current Ratio (CR) dan Debt to Equity Ratio (DER) dengan Harga Saham (dalam ratusan juta rupiah). Bulan

CR

DER

Harga Saham

2003

570

151

5700

2004

560

151

5600

2005

500

150

5555

2006

560

156

5700

2007

500

151

5555

2008

570

150

5500

2009

560

156

5700

2010

560

151

5555

2011

570

156

5700

2012

500

157

5500

2013

560

151

5600

2014

500

156

5700

Taraf signifikan yang digunakan adalah 5% (α = 5%). Tentukan : 1) Persamaan regresi 2) Uji t 3) Uji F 4) R2


56

LITBANG PTA 16/17

METODE RISET

V.

MATERI RLB

LANGKAH-LANGKAH SOFTWARE 1.

Tekan icon R commander pada desktop, kemudian akan muncul tampilan seperti dibawah ini.

Gambar 4.3 Tampilan Awal R-Commander 2.

Pilih menu Data, New Data Set. Masukan nama dari data set adalah Regresi kemudian tekan tombol OK.

Gambar 4.4 Tampilan Menu Data


57

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Gambar 4.5 Tampilan New Data Set 3.

Kemudian akan muncul data editor seperti dibawah ini.

Gambar 4.6 Tampilan Data Editor 4.

Masukkan data dengan var1 untuk Current Ratio, var2 untuk Debt to Equity Ratio dan var3 untuk Harga Saham. Jika data editor tidak aktif maka dapat diaktifkan dengan menekan Rgui di Taskbar Windows pada bagian bawah layar monitor. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variabel yang ingin di setting. Pemilihan type, dipilih numeric pada semua variabel


58

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Gambar 4.7 Tampilan Variable Editor Current Ratio

Gambar 4.8 Tampilan Variable Editor Debt to Equity Ratio

Gambar 4.9 Tampilan Variable Editor Harga Saham

5.

Kemudian isi masing-masing variabel sesuai dengan data soal setelah selesai isi data kemudian tekan tombol X (close).


59

LITBANG PTA 16/17

METODE RISET

MATERI RLB

4.10 Tampilan Isi Data Editor 6.

Selanjutnya pilih Window R commander maka akan muncul tampilan seperti ini.

4.11 Tampilan Windows R-Commander 7.

Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol view data set, jika ada data yang salah, tekan tombol edit data set, lalu perbaiki data yang salah. Jika sudah benar, pilih menu Statistics, Fit


60

LITBANG PTA 16/17

METODE RISET

MATERI RLB

models, Linear Regression, maka akan muncul seperti gambar dibawah ini.

4.12 Tampilan Menu Statistics 8.

Pada Response Variable pilih variabel yang termasuk variabel terikat yaitu Harga Saham dan pada Explanatory Variables pilih yang termasuk variabel bebas yaitu Current Ratio dan Debt to Equity Ratio. Untuk memilih 2 variabel sekaligus tekan Ctrl lalu pilih Current Ratio dan Debt to Equity Ratio

4.13 Tampilan Linear Regression


61

LITBANG PTA 16/17

METODE RISET

9.

MATERI RLB

kemudian tekan tombol OK. Maka akan muncul hasil pada output window sebagai berikut.

4.14 Tampilan Hasil Output


62

LITBANG PTA 16/17

METODE RISET

VI.

MATERI RLB

ANALISIS PENGUJIAN 1) Persamaan Regresi Y = 2741.0085 + 1.0343 X1 + 15.1089 X2 Dari persamaan regresi diatas maka dapat disimpulkan hasilnya adalah sebagai berikut:  Konstanta (α) bernilai positif yaitu sebesar 2741.0085, artinya jika variabel-variabel independen yaitu Current Ratio & Debt to Equity Ratio bernilai nol, maka Harga Saham naik sebesar Rp 2741.0085.  Variabel bebas Current Ratio bernilai positif yaitu 1.0343. Hal ini menunjukkan bahwa setiap peningkatan sebesar 1% variabel Current Ratio , maka Harga Saham akan naik sebesar Rp 1.0343.  Variabel bebas Debt to Equity Ratio bernilai positif yaitu 15.1089. Hal ini menunjukkan bahwa setiap peningkatan sebesar 1% variabel Debt to Equity Ratio, maka Harga Saham akan naik sebesar Rp 15.1089. 2) Uji t (Parsial) Uji t digunakan untuk mengetahui masing-masing variabel bebas berpengaruh signifikan atau tidak terhadap variabel terikat. Current Ratio 

Hipotesis : H0 : Current Ratio tidak berpengaruh signifikan terhadap Harga Saham. H1 : Current Ratio berpengaruh signifikan terhadap Harga Saham.



Syarat : Jika P-value > 0.05 maka H0 diterima. Jika P-value < 0.05 maka H1 diterima.



Nilai P-value : 0.1662 > 0.05



Keputusan : H0 diterima.



Kesimpulan : Current Ratio tidak berpengaruh signifikan terhadap Harga Saham.


63

LITBANG PTA 16/17

METODE RISET

MATERI RLB

Debt to Equity Ratio 

Hipotesis : H0 : Debt to Equity Ratio tidak berpengaruh signifikan terhadap Harga Saham. H1 : Debt to Equity Ratio berpengaruh signifikan terhadap Harga Saham.






Nilai P-value : 0.0780 > 0.05






Kesimpulan : Debt to Equity Ratio tidak berpengaruh signifikan terhadap Harga Saham.

3) Uji F (Simultan) Uji F digunakan untuk mengetahui apakah secara bersama-sama variable bebas berpengaruh signifikan terhadap variabel terikatnya. 

Hipotesis : H0 : Current Ratio dan Debt to Equity Ratio secara bersama-sama tidak berpengaruh signifikan terhadap Harga Saham. H1 : Current Ratio dan Debt to Equity Ratio secara bersama-sama berpengaruh signifikan terhadap Harga Saham.






Nilai P-value : 0.1173 > 0.05






Kesimpulan : Current Ratio dan Debt to Equity Ratio secara bersama-sama tidak berpengaruh

signifikan terhadap Harga

Saham.


64

LITBANG PTA 16/17

METODE RISET

MATERI RLB

4) R2 Adjusted R Squared (Adj. R2) adalah sebesar 0.2408. Artinya sebesar

24.08% variabel Current Ratio dan Debt to Equity Ratio

mampu mempengaruhi Harga Saham.

Sementara

sisanya

yaitu

75.92% dipengaruhi oleh variabel lain yang tidak dimasukan ke dalam modelregresi.


65

LITBANG PTA 16/17

METODE RISET

DAFTAR PUSTAKA

DAFTAR PUSTAKA

Amaliyah, Siti. 2012. Analisis Kinerja Keuangan dan Pengaruhnya Terhadap Harga Saham PT. United Tractors (PERSERO), Tbk Periode 2009-2011. PI Jurusan Akuntansi Universitas Gunadarma.

Apriyo, Ari,. 2013 Analisis Overreaction pada Saham Perusahaan Manufaktur di Bursa Efek Indonesia (BEI) Periode 2005-2009”. Jurnal Nomina. Vol II No II.

Desti Widiyana, 2013. Pengaruh

model pembelajaran

ARIAS (Assurance,

Relevance, Interest, Assessment, and Satisfaction) Terhadap hasil belajar KKPI pada siswa kelas X SMK Negeri 1 Pedan

Ghozali. 2011. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang, BP Universitas Diponegoro, Jakarta.

Kurniawanda,A.M.. 2013. Pengaruh Profesionalisme Auditor Dan Etika Profesi Terhadap Pertimbangan Tingkat Materialitas. Jurnal Akuntansi Universitas Jambi.

Modul Metode Riset. Lab. Manajemen Dasar Periode PTA 2015/2016.

Priyatno, Duwi. 2010, Paham Analisa Statistik Data Dengan SPSS. Yogyakarta : Mediakom.

Rescyana Putri Hutami. 2012. Pengaruh Dividend Per Share, Return On Equity Dan Net Profit Margin Terhadap Harga Saham Perusahaaan


66

Industri

LITBANG PTA 16/17

METODE RISET

DAFTAR PUSTAKA

Manufaktur Yang Tercatat Di Bursa Efek Indonesia Periode 2006-2010. Jurnal Nominal Universitas Negeri Yogyakarta.

Rochaety, Ety. 2007. Metodologi Penelitian Bisnis dengan Aplikasi SPSS. Jakarta: Mitra Wacana Media.

Santoso, Singgih, 1998, “Faktor yang Mempengaruhi Harga Saham Sektor Manufaktur di Bursa Efek Jakarta”, Jurnal Bisnis dan Ekonomi, Edisi4,Th. II. Sugiarto.

2015.

Metode

Statistika

Bisnis.

Tangerang;

PT.

Matana

Publishing Utama

Santoso,

Singgih. 2015. Menguasai Statistik Parametrik. Jakarta; PT. Elex

Media Komputido

Sulaiman, Wahid. 2002. SPSS 10 Jalan Pintas Menguasai. Yogyakarta : Penerbit Andi.

Sunyoto, Danang. 2011. Analisis Regresi dan Uji Hipotesisi. Yogyakarta: Caps

Suwono, Jonathan. 2006. SPSS 14 Panduan Cepat dan Mudah. Yogyakarta : Penerbit Andi.

Tri Hendardi, C. 2009. SPSS 16 Step by Step Analisis Data Statistik. Yogykarta: Penerbit Andi.

Universitas Gunadarma, Buku Diktat Statistika 2014.


67

LITBANG PTA 16/17

17

Recommend Documents