KATA PENGANTAR. Ayu Zuriah

KATA PENGANTAR Puji dan syukur kita panjatkan kehadirat Allah SWT., shalawat dan salam yang senantiasa tercurah kepada junjungan dan tauladan, Muhammad Rasulullah, keluarga dan para sahabatnya. Alhamdulillah atas segala rahmat dan karuniaNya sehingga pada kesempatan kali ini, saya dapat menyelesaikan Modul SPSS 17.0. Modul SPSS 17.0 dibuat sebagai panduan belajar mengenai salah satu perhitungan statistik yang pada umumnya kerap dihadapi oleh mahasiswa dalam mengerjakan tugas. Modul ini memuat tentang cara meregresikan data dalam jumlah banyak dengan langkah-langkah yang mudah untuk dipahami dan dipelajari. Saya menyadari bahwa modul ini masih jauh dari kata sempurna karena keterbatasan yang saya miliki, karena itu saya mengucapkan terima kasih untuk saran dan kritik yang telah terima maupun yang akan diterima. saya juga menyadari bahwasanya di dalam penyusunan modul ini tidak dapat berjalan dengan baik tanpa bantuan berbagai pihak, untuk itu saya mengucapkan terima kasih kepada semua pihak yang telah membantu dalam pembuatan modul ini. Dan juga kepada pembaca yang telah menggunakan modul ini sebagai salah satu sumber pembelajaran . Semoga modul ini dapat bermanfaat bagi

para pembaca untuk memberikan tambahan

pengetahuan, dan wawasan mengenai salah satu program statistik khususnya SPSS 17.0

Ayu Zuriah

Dilarang menggandakan seijin tim penyusun

1

BAB I PENDAHULUAN SPSS (Statistical Package for the Social Sciences) adalah sebuah program pada komputer yang digunakan untuk membuat analisis statistika. SPSS (pertama dirilis pada tahun 1968, dan diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago. Sekarang ini SPSS yang berkembang sudah berbasis Windows sehingga di kenal dengan SPSS for windows. Petama kali muncul versi windows adalah SPSS for Windows versi 6.00, hingga kini SPSS yang paling terbaru adalah SPSS 19. SPSS memilik banyak kegunaan bagi pengguna seperti peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Pada dasarnya pengoperasian SPSS memiliki kesamaan dalam berbagai versi, perbedaan hanya pada fasilitas tambahan yang ditawarkan. Selain itu, SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya. Oleh karena itu, diharapkan dengan penggunaan SPSS dapat memberikan kemudahan dan ketepatan dalam mengolah data. Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis data. Tujuan dari analisis data adalah untuk mendapatkan informasi yang relevan yang terdapat dalam data tersebut dan menggunakan hasilnya untuk memecahkan suatu masalah. Dalam bab pendahuluan ini, sebelum mengolah data, diperlukan pengelompokkan data terlebih dahulu agar dapat menghasilkan penelitian dengan hasil yang baik.

DATA PENELITIAN •

Data metriks atau data kuantitatif yaitu data yang berupa angka menunjukkan jumlah atau banyaknya sesuatu unit.

•

Data nonmetrik atau data kualitatif yaitu data yang berupa huruf, data yang dikategorisasi tetapi tidak dapat dikuantitatifkan atau dioperasikan dalam hitungan. misalnya jenis kelamin.


2

TIPE SKALA PENGUKURAN •

Skala Nominal yaitu skala pengukuran yang menyatakan kategori interistik atau klasifikasi dari konstruksi yang diukur dalam bentuk variabel dan merupakan data nonparametik atau data kualitatif (data bukan angka). Contohnya jenis kelamin.

•

Skala Ordinal yaitu skala pengukuran yang tidak hanya menyatakan kategori tapi juga menyatakan peringkat konstruksi yang diukur dan data nonparametik atau data kualitatif.

•

Skala Internal (Jarak) yaitu skala pengukuran yang menyatakan kategori, peringkat dan jarak konstruksi. Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dan ditambah ada interval yang tetap dan menggunakan data parametik atau data kuantitatif (data yang berupa angka).

•

Skala Ratio yaitu skala perbandingan yang menunjukkan kategori, peringkat, jarak dan perbandingan konstruksi yang diukur. Skala ratio memiliki semua karakteristik yang dipunyai oleh skala nominal, ordinal, dan interval dan merupakan data parametik atau kuantitatif (data yang berupa angka). Pengukuran rasio biasanya dalam bentuk perbandingan antara satu individu dengan objek lainnya.


3

BAB II PENGENALAN SPSS MEMBUKA FILE BARU Untuk file baru dapat dibuat dengan mengaktifkan SPSS 17.0 dilakukan dengan cara yaitu : 1) Klik menu Start 2) Klik All Programs 3) Klik SPSS for inc

Gambar 2.1 Tampilan Menu Start

4) Klik SPSS Statistics 17.0, maka akan muncul tampilan seperti di bawah ini :


4

Gambar 2.2 SPSS 17.0

1 2 3 4 5

6

Gambar 2.3 Memulai SPSS 17.0


5

Keterangan

:

Run the tutorial merupakan pilihan apabila akan menjalankan tutorial SPSS.. Memiliki tampilan seperti yang ada di bawah ini :

Gambar 2.4 Submenu Run the tutorial Ada 14 macam tutorial yang disajikan dalam SPSS 17.0 dan apabila ingin memilih salah satu di anataranya, arahkan kursor dan klik bagian tutorial yang ingin dituju. Selanjutnya untuk menjalankan tutorial dengan meng-klik tanda yang terletak di bawah kanan tutorial. Type in data. Apabila akan memasukkan data baru dengan pilihan perintah Type in data, maka secara otomatis SPSS akan memunculkan pada data view dan variabel view. Run an existing query. Pilihan ini memuat menu Open atau membuka file dengan tipe file *.spq. Create new query using Database Wizard merupakan pilihan untuk mengekstrak data non-SPSS. Biasanya default SPSS adalah data source Dbase Files, Excel Files, MS Access Database, dan Visio Database Simples. Untuk Dilarang menggandakan seijin tim penyusun

6

mengambil data selain default ini, klik Add ODBC Data Source seperti tampilan di bawah ini :

Gambar 2.5 Tampilan Database Wizard Open an existing data source merupakan pilihan apabila akan membuka file yang baru dibuka atau dengan tipe file *.sav

Gambar 2.6 Tampilan SPSS 17.0


7

Open another type or file merupakan pilihan untuk membuka file dengan tipe file selain *.sav. 5) Setelah memilih salah satu dari cara membuka file maka klik OK.

DATA EDITOR Ada 2 macam data editor di dalam SPSS yaitu : 1. Data view Data view adalah tempat di mana data statistik yang akan diolah (sudah dalam bentuk angka skala). Data view memiliki tampilan seperti di bawah ini : A B C

D

E

Gambar 2.7 Tampilan Data View


8

Keterangan : a) Title bar merupakan nama dari judul SPSS yang sedang dibuka. Pada umumnya, nama yang diberikan oleh SPSS pada saat membuka pertama kali yaitu Untitled1[DataSet0]SPSS Statistics Data Editor. b) Menu berisi perintah mengenai menu di mana di dalamnya terdapat Submenu yang digunakan untuk memproses data yang akan diolah. o File, pada menu utama File memuat 20 pilihan sub-menu.

Gambar 2.8 Tampilan menu File Pada menu utama File memuat sub-submenu tentang file, di antaranya membuat file baru (New), membuka (Open), menutup (Close), dan menyimpan file (Save-Save As…). o Edit merupakan submenu untuk melakukan pengeditan data yang telah dimasukkan pada SPSS Data Editor. Beberapa kegunaan dari submenu dari menu utama Edit adalah melakukan undo atau mengembalikan action terakhir yang dilakukan, sedangkan redo sebaliknya, cut – clear untuk menghapus data, copy –


9

paste untuk menggandakan dan duplikasi data, find untuk mencari data, dan copy – paste variable untuk mengganti variabel data.

Gambar 2.9 Tampilan menu Edit o View, merupakan menu yang menampilkan submenu untuk menampilkan status toolbar yang sedang aktif (Status Bar), toolbar dan font huruf yang digunakan. Pilihan submenu dari menu utama View seperti berikut :

Gambar 2.10 Tampilan menu Edit Dilarang menggandakan seijin tim penyusun

10

o Data, merupakan menu yang menampilkan submenu untuk melakukan perubahanperubahan terhadap data SPSS, seperti mendefinisikan nilai label data (define variable properties…), mendefinisikan waktu (define dates…), mengurutkan data (sort cases), dan memisah isi file dengan riteria tertentu (split file).

Gambar 2.11 Tampilan menu Data o Transform, merupakan pilihan menu utama yang melakukan operasi transformasi data, seperti menghitung variabel data (compute variable…), mengubah data (recode into same variables…- recode into different variables…) ataupun me-ranking data (rank cases).


11

Gambar 2.12 Tampilan menu Transform o Analyze, merupakan menu utama yang menjadi pusat pengolahan data SPSS, menampilkan 21 submenu.

Gambar 2.13 Tampilan menu analyze Dilarang menggandakan seijin tim penyusun

12

o Graphs, dikelompokkan hanya menjadi 4 submenu, yang menampilkan berbagai bentuk grafik dan chart.

Gambar 2.14 Tampilan menu Graphs o Utilities, menu utama yang merupakan pelengkap pada pengoperasian SPSS ini menyajikan 9 submenu. Beberapa kegunaansubmenu dari menu utama Utilities adalah

menampilkan

informasivariabel

(variables…),

mendefinisikan,

dan

menampilkan variabel data (define-use variabel sets…).

Gambar 2.15 Tampilan menu Utilities


13

o Add-ons, merupakan menu utama yang menawarkan pelayanan SPSS lewat website.

Gambar 2.16 Tampilan menu Add-ons o Window, menu ini memberikan informasi window yang sedang aktif.

Gambar 2.17 Tampilam menu Window o Help, menu yang memuat 9 submenu ini memberikan bantuan informasi tentang topik-topik SPSS (topics) ataupun dalam bentuk tutorial (tutorial). Dilarang menggandakan seijin tim penyusun

14

Gambar 2.18 Tampilan menu Help c) Toolbar berisi icons yang membantu dan mempermudah mengelola data dengan cepat. Berikut beberapa icons yang terdapat pada toolbar : merupakan icon untuk membuka file. merupakan icon untuk menyimpan file. merupakan icon untuk mencetak data. icon untuk mengembalikan action terakhir. icon untuk mengulang action yang baru saja dilakukan. d) Baris Nama Variabel merupakan tempat yang menunjukkan nama dari suatu variabel. Untuk pertama kali baris nama variabel diberi nama Var. Untuk mengganti nama variabel dapat melalui variabel view dan mengganti dengan cara double klik kotak variabel tersebut. e) Baris data Merupakan barisan yang berisi data-data dalam jumlah banyak yang merupakan data daripada varibel tersebut. Dilarang menggandakan seijin tim penyusun

15

2. Variabel view Variabel view merupakan bagian yang digunakan untuk mendefinisikan variabel data yang akan dimasukkan. Untuk mengaktifkan kotak Variabel View lakukan dengan klik Variabel View (bagian yang diberi kotak). Variabel view memiliki gambar seperti di bawah ini :

1

3

2

4

5

6

7

8

9

10

Gambar 2.19 Tampilan Variabel

Di dalam Variabel View di atas memiliki keterangan sebagai berikut: •

Name : berisi nama variabel. Misal dengan memberikan nama variabel data pertama, maka klik kolom Name pada baris pertama, misalnya Jenis Kelamin.

•

Type : merupakan tipe data, berbagai macam type yang ada memiliki fungsi yang berbeda yaitu : a. numeric untuk data angka dengan lebar 8 digit dan 2 angka desimal di belakang koma b. string untuk data teks, biasanya data berupa nama. Contoh : nama perusahaan. Dilarang menggandakan seijin tim penyusun

16

c. Date adalah data yang dimasukkan berupa tanggal dst.

Gambar 2.20 Tampilan Type •

Width : diisikan sejumlah karakter (lebar kolom) yang akan diinput dalam Data View. Untuk tipe data numerik, lebar maksimal 40 digit, sedangkan tipe data string lebar maksimal 32767digit. Apabila menginginkan menambah lebar ditambah, klik tanda panah ke atas, sebaliknya untuk mengurangi digit lebar, klik panah ke bawah.

•

Decimal : diisi jumlah desimal karakter maksimal yang akan diinput dalam Data View. SPSS memberikan default 2 angka desimal di belakang koma. Jika jumlah desimal ingin ditambah, klik tanda panah ke atas dan sebaliknya untuk mengurangi digit lebar, klik panah ke bawah.

•

Label : kolom yang menunjukkan tambahan informasi dengan memberikan label variabel data.

•

Value : untuk memberi kodefikasi, misalnya Motor=1, Mobil=2, 3=Jalan kaki.

Gambar 2.21 Tampilan Value Dilarang menggandakan seijin tim penyusun

17

•

Missing : untuk merupakan kolom yang menunjukkan data yang hilang) Namun, jika data lengkap (tidak ada data yang hilang) maka kolom ini dapat diabaikan.

Gambar 2.22 Tampilan Missing •

Columns : Memiliki fungsi mengubah jumlah karakter yang dapat dimasukkan pada suatu variabel tertentu. Bila kita mengisi coloumns dengan angka 2, maka hanya dua digit data saja yang dapat dimasukkan pada variabel tersebut.

•

Align : untuk pengaturan tampilan perataan kata dalam Data View, seperti left, centre, right.

Gambar 2.23 Tampilan Submenu Align •

Measure : merupakan tipe variabel yang akan menentukan jenis analisis yang akan digunakan. Maka secara default akan terpilih Nominal atau ordinal , jika variabel bertipe Dilarang menggandakan seijin tim penyusun

18

string. Scale digunakan apabila data yang ingin kita olah akan dibuat skala pengukuran (range).

Gambar 2.24 Tampilan Measure

MEMINDAHKAN DATA Di bawah ini adalah Tabel 1.1 yang merupakan contoh data yang akan diolah ke dalam SPSS di mana jumlah data ada 84 buah dengan variabel DER(Hutang), NPM(Net Profit Margin), STKTR AKTV(Struktur Aktiva), GROWTH(pertumbuhan), CR (Current Rasio) : Tabel 2.1 Data Penelitian SPSS

NAMA AALI ANTM ASII INCO INDF INKP ISAT PTBA

OBS 1 2 3 4 5 6 7 8

DER 0,19 1,11 1,81 0,29 2,33 1,57 1,28 0,38

NPM 23,45 26,37 9,3 30,25 1,34 10,41 14,25 16,27

STKTR AKTV 0,41 0,6 0,19 0,72 0,41 0,68 0,66 0,16


GROWTH -0,06 0,06 0,56 0,15 -0,06 0,03 0,18 0,19

CR 1,68 2,68 0,74 3,65 1,47 3,09 1,39 4,51 19

SMCB TLKM UNTR BLTA PGAS UNSP AALI ANTM ASII INCO INDF INKP ISAT PTBA SMCB TLKM UNTR BLTA PGAS UNSP AALI ANTM ASII INCO INDF INKP ISAT PTBA SMCB TLKM UNTR BLTA PGAS UNSP AALI ANTM ASII INCO INDF INKP

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

2,98 1,4 1,58 2,94 1,83 1,54 0,24 0,7 1,41 0,26 2,13 0,02 1,24 0,35 2,37 1,39 1,44 1,62 1,61 1,78 0,28 0,37 1,17 0,36 2,62 0,02 1,72 0,4 2,19 1,16 1,26 2,2 2,11 0,81 0,23 0,26 1,21 0,21 3,11 0

7,67 10,36 8,32 25,41 16,72 13,5 20,95 27,58 6,69 38,38 3,01 28,44 11,52 13,74 5,88 21,46 6,78 39,21 28,54 14,64 33,11 42,74 9,29 50,43 3,52 25,81 12,38 18,43 4,51 21,63 8,22 20,84 17,87 10,6 32,24 14,26 9,47 27,38 2,67 21,88

0,83 0,74 0,41 0,66 0,57 0,22 0,44 0,46 0,22 0,57 0,4 0,25 0,73 0,13 0,84 0,74 0,46 0,72 0,86 0,19 0,33 0,25 0,22 0,66 0,27 0,36 0,67 0,09 0,79 0,75 0,43 0,76 0,81 0,17 0,31 0,28 0,01 0,73 0,24 0,41


-0,03 0,1 0,57 0,81 0,14 0,11 0,1 0,14 -0,05 0,18 0,09 -0,99 0,04 0,09 -0,04 0,21 0,06 0,04 0,2 0,43 0,53 0,65 0,1 -0,07 0,83 0,05 0,32 0,26 0,02 0,09 0,16 1 0,35 1 0,22 -0,15 0,27 0,14 0,34 0,01

1,68 0,76 1,55 1,46 3,59 2,09 0,87 0,46 0,78 4,6 1 1,51 0,83 5,44 1,23 0,68 1,34 1,53 1,45 3,55 1,6 0,67 0,91 2 0,92 8,44 0,93 4,43 1,33 0,77 1,34 0,7 1,17 3,17 1,94 0,57 1,32 4,89 0,9 3,96 20

ISAT PTBA SMCB TLKM UNTR BLTA PGAS UNSP AALI ANTM ASII INCO INDF INKP ISAT PTBA SMCB TLKM UNTR BLTA PGAS UNSP AALI ANTM ASII INCO INDF INKP ISAT PTBA SMCB TLKM UNTR BLTA PGAS UNSP

49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84

1,95 0,51 2,02 1,38 1,05 3,24 2,47 0,9 0,18 0,21 1 0,29 2,45 0,01 2,05 0,4 1,19 1,22 0,76 3,04 1,35 0,9 0,23 0,2 1,07 0,44 2,2 0,01 2,16 0,37 0,86 1,09 0,77 2,65 1,38 0,92

10,07 23,67 5,88 17,5 9,54 22,24 4,95 5,92 22,37 6,94 10,19 22,4 5,59 -33,67 8,15 30,48 15,07 17,54 13,06 -46,23 34,56 10,87 21,47 16,59 10,9 34,68 7,94 -6,05 3,58 23,55 14,45 17,14 10,64 7,43 32,18 12,94

0,74 0,06 0,73 0,78 0,42 0,83 0,69 0,16 0,32 0,29 0,25 0,68 0,27 0,4 0,81 0,05 0,75 0,78 0,48 0,78 0,6 0,14 0,32 0,26 0,22 0,63 0,27 0,4 0,77 0,05 0,73 0,76 0,47 0,79 0,56 0,2

0,14 0,55 0,06 0,11 0,76 0,21 0,26 0,09 0,16 -0,03 0,1 -0,05 0,02 -0,01 0,06 0,32 -0,05 0,07 0,07 -0,06 0,12 0,08 0,12 0,06 0,21 0,05 0,06 -0,01 0,02 0,02 0,01 0,03 0,14 0,02 0,06 1,97

0,9 3,66 1,68 0,54 1,64 0,71 2,18 1,49 1,83 0,55 1,37 7,24 1,16 8,86 0,55 4,91 1,27 0,61 1,66 0,76 2,48 1,01 1,32 0,57 1,26 6,84 0,12 1,03 0,79 5,97 1,49 0,79 1,59 1,1 2,94 1,38

Kemudian langkah yang dilakukan untuk memindahkan data ke dalam SPSS dengan : •

Klik Start All Programs SPSS Inc SPSS Stasistic 17.0 Dilarang menggandakan seijin tim penyusun

21

•

Pilih Type in data, Copy data di atas dan Paste di Data View seperti gambar di bawah ini :

Gambar 2.25 Tampilan Data pada Data View

MENGGANTI NAMA VARIABLE Untuk mengganti nama variabel pada data view, dengan cara : •

Membuka Variabel View

Gambar 2.26 Tampilan Variable View Dilarang menggandakan seijin tim penyusun

22

•

Double klik variabel pada Tab Nama untuk mengganti sesuai dengan variabel yang dihendaki.

Gambar 2.27 Mengganti nama

MENYIMPAN FILE Untuk menyimpan data dalam SPSS, hal yang perlu kita lakukan :

• Pada file yang sedang di buka pada SPSS, klik menu File • Pilih Submenu Save As

Gambar 2.28 Tampilan Save As Dilarang menggandakan seijin tim penyusun

23

•

Maka akan mucul kotak seperti d bawah ini, dan pada kotak File name berisi nama file yang akan kita simpan misalnya SPSS.REGRESI dan pada kotak Save as type berisi SPSS Statistics (*sav)

Gambar 2.29 Tampilan Save Data As •

Pilih Save, maka data akan tersimpan dengan nama file SPSS.REGRESI.sav.


24

BAB III DATA SCREENING DAN TRANSFORMASI Untuk melakukan uji statistik langkah awal yang harus dilakukan adalah dengan screening terhadap data yang akan diolah. Salah satu asumsi penggunaan statistika parametik adalah asumsi multivariate normality. Multivariate normality merupakan asumsi bahwa setiap variabel dan semua kombinasi linear dari variabel distribusi normal. Asumsi multivariate normality ini dapat diuji dengan melihat normalitas suatu variabel. Screening terhadap normalitas data merupakan langkah awal yang harus dilakukan untuk setiap multivariate. Dengan demikian, data yang berdistribusi normal akan menghasilkan model regresi yang baik. Ada beberapa cara yang dapat digunakan dalam mendekteksi normalitas data, namun pada modul ini akan menjelaskan mengenai uji statitik Kolmogorov-Smirnov. Langkah analisis : •

Buka file SPSS.REGRESI.SAV

•

Dari menu utama SPSS, pilih menu Analyze, lalu pilih Non-parametic test, kemudian pilih submenu 1-sample K-S.

Gambar 3.1 Tampilan 1-Sample K-S Dilarang menggandakan seijin tim penyusun

25

Maka akan muncul tampilan seperti di bawah ini :

Gambar 3.2 Tampilan One-Sample Kolmogorov-Smirnov Pada layar One-Sample Kolmogorov-Smirnov Test, isi variabel DER, NPM,

•

NET_SLS, STR_AKT, GROW dan CURRENT RATIO pada kotak Test Variable List. •

Untuk Test Distribution klik pada bagian Normal.

•

Kemudian OK.

•

Maka akan menghasilkan output : TABEL 3.1 HASIL ONE-SAMPLE KOLMOGOROV-SMIRNOV TEST

One-Sample Kolmogorov-Smirnov Test CURRENT DER N Normal Parameters

Most Extreme Differences

84 a,,b

NPM 84

NET_SLS

STR_AKT GROW

RATIO

84

84

84

84

15.3839 18041991.23

.4786

.1805

2.0456

.24758 .33427

1.83172

Mean

1.2190

Std. Deviation

.87445 13.74536

2.300E7

Absolute

.123

.130

.237

.144

.229

.269

Positive

.123

.059

.237

.098

.229

.269

Negative

-.082

-.130

-.217

-.144

-.203

-.182


26

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

1.129

1.190

2.176

1.316

2.100

2.464

.156

.118

.000

.063

.000

.000

a. Test distribution is Normal. b. Calculated from data.

Untuk probabilitas berdasarkan tabel di atas bahwa untuk variabel DER 0.156 , NPM 0.118, STR_AKT 0.063 memiliki nilai di atas α= 0.05 yang artinya bahwa variabel-variabel tersebut terdistribusi dengan normal sedangkan untuk variabel NET_SLS 0.000 , GROW 0.000 dan CURRENT RASIO 0,000 berada di bawah batas α= 0.05 yang demikian variabel tersebut tidak terdistribusi secara normal. Kemudian apabila data tidak terdistribusi secara normal maka data perlu ditransformasi agar menjadi normal. Untuk menormalkan data sebelumnya harus mengetahui terlebih dahulu bagaimana bentuk grafik histrogram dari data yang ada di mana bentuk dari grafik itu sendiri ada bermacammacam seperti moderate positive skewness, severe positive skewness. Berikut ini cara untuk melihat grafik histogram yaitu : Buka file SPSS.REGRESI.sav melalui perintah File Open Data. Dari menu utama SPSS pilih menu Graph, lalu Legacy Dialogs kemudian pilih Histogram.

Gambar 3.3 Tampilan Submenu Histogram Dilarang menggandakan seijin tim penyusun

27

Kemudian akan muncul layar Histogram. Karena ada 3 variabel yang berdistribusi secara tidak normal maka perlu melakukan 3 kali membuat grafik histogram. Setelah itu pada kotak variabel diisikan dengan variabel NET_SALES. Seperti tampilan di bawah ini :

Gambar 3.4 Tampilan kotak Histogram Kemudian beri checklist pada kotak display normal curve Klik OK. Maka akan menghasilkan output seperti di bawah ini : GRAFIK 3.2 NET SALES


28

Lakukan hal yang sama pada variabel GROW dan CURRENT RASIO untuk sehingga menghasilkan grafik histogram seperti yang ada di bawah ini : GRAFIK 3.3 GROW

GRAFIK 3.4 CURRENT RASIO


29

Dengan melihat grafik Histogram seprti gambar di atas maka kita dapat melakukan trasformasi data. Untuk mengetahui jenis transformasi yang akan dilakukan, maka kita harus mengetahui termaksud jenis grafik histogram yang mana variabel-variabel tersebut. Berikut ini bentuk transformasi yang dapat dilakukan sesuai dengan grafik Histogram : 1. Moderate Positive Skewness : SQRT(x) atau bentuk kuadrat. 2. Subtansial Positive Skewness : LG10(x) atau logaritma 10 atau LN 3. Severe Positive Skewness dengan bentuk L : 1/x atau inverse 4. Subtansial Negative Skewness : LG10(k-x) 5. Severe Negative Skewness dengan bentuk J : 1/(k-x) Melihat bentuk Grafik yang terjadi pada Net_Sls dan Current rasio merupakan bentuk grafik Moderate Positive Skewness sehingga untuk melakukan transformasi data dengan cara : •

Buka file SPSS.REGRESI.sav

•

Pada menu utama SPSS, menu Transform submenu Compute

Gambar 3.5 Tampilan Compute Variable


30

•

Maka akan muncul layar Compute Variable, untuk kotak Function group pilih All dan untuk kotak Functions dan Special variables pilih Sqrt kemudian klik tombol maka pada kotak numeric Expression muncul Sqrt(x) untuk (x) akan diganti dengan meng-klik

variabel NET_SLS lalu tombol

sehingga menjadi

SQRT(NET_SALES). Kemudian pada Target variable diberi nama lain misal NET_SLS1. Perhatikan gambar di bawah ini :

Gambar 3.6 Tampilan Compute Variable

Pilih OK

Lakukan juga untuk variabel CURRENT RASIO dan variabel GROW dengan menggunakan langkah seperti di atas tetapi pada kotak Funtions and Special Variables menggunakan LG10. Dan pada Target Variable diberi nama GROW1 dan CR1. Untuk hasilnya kita dapat membuka data editor. Akan muncul tab variabel yang baru sesuai dengan variabel yang kita beri nama tersebut. Setelah melakukan transformasi data maka data tersebut diharapkan dapat terdistribusi secara normal. Untuk memastikannya perlu adanya pengecekan data agar data tersebut dapat dinyatakan normal yaitu dengan menggunakan menu utama SPSS, analyze Analyze NonDilarang menggandakan seijin tim penyusun

31

parametic test 1-sample K-S. masukkan semua variabel yang sudah kita transformasikan kemudian klik OK. Maka kita dapat melihat bahwa data yang kita punya sudah normal dimana probabilitas data itu lebih dari α = 0.05. untuk lebih jelasnya kita dapat melihat hasil output di bawah ini : TABEL 3.5 ONE-SAMPLE KOLMOGOROV-SMIRNOV TEST One-Sample Kolmogorov-Smirnov Test net_sls1 N Normal Parameters

a,,b

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

CR1

84

70

84

3546.9244

-.8866

.1781

2350.98220

.49099

.33463

Absolute

.141

.052

.133

Positive

.141

.052

.133

Negative

-.083

-.051

-.068

1.293

.435

1.222

.071

.992

.101

Mean Std. Deviation

Most Extreme Differences

GROW1

a. Test distribution is Normal. b. Calculated from data.

Dari hasil dapat disimpulkan bahwa untuk variabel net sales 0.71, grow 0.992, dan current rasio 0.101 merupakan data yang berditribusi secara normal dengan nilai signifikan lebih dari 0.05.


32

BAB IV KOLERASI Uji kolerasi digunakan untuk menguji tentang ada tidaknya hubungan antar variabel satu dengan variabel yang lainnya. Uji kolerasi belum dapat diketahui variabel penyebab dan variabel akibat. Dalam analisis kolerasi yang diperhatiakan adalah arah (positif atau negative) dan besatnya hubungna (kekuatan). Koefisien kolerasi mempunyai harga -1 atau +1 (bergerak dari nol hingga 1 maka semakin besar atau kuat hubungan variabel atau sempurna = 1). Sebaliknya semakin mendekati 0 maka semakin lemah atau kecil hubungannya.

BIVARIATE COLLELATION Sering juga disebut dengan Product Moment Person berguna untuk menguji kolerasi antar dua variabel di dalam melakukan uji kolerasi perlu memperhatikan Test of Significant yaitu meliputi Two-Tailed (uji dua sisi) digunakan dalam kondisi belum diketahui bentuk hubungan antar variabel dan One-tailed (uji satu sisi) digunakan untuk menguji test of significant dari 2 variabel, tetapi telah diketahui adanya arah kecenderungan hubungan negative atau positif di antara 2 variabel yang berhubungan. Cara menganalisanya adalah Buka file SPSS.REGRESI.sav Pilih menu Analyze, pilih Correlate dan klik Bivariate

Gambar 4.1 Tampilan Analyze Dilarang menggandakan seijin tim penyusun

33

Maka akan muncul layar Bivariate Correlations. Masukkan variabel DER dan NPM dalam kotak Variables.

Gambar 4.2 Tampilan Bivariate Correlations

Pilih Correlation Coefficient Pearson dan Test Of Significance dengan two tailed karena belum ditentukan arah hubungan dari variabel DER dan NPM.

Gambar 4.3 Tampilan Bivariate Correlations Options


34

Klik menu Option, lalu Continue akhiri dengan OK. Maka akan menghasilkan Output seperti di bawah ini : TABEL 4.1 CORRELATIONS Correlations DER DER

STR_AKT

Pearson Correlation

1

Sig. (2-tailed)

.000

N STR_AKT

Pearson Correlation Sig. (2-tailed)

**

.412

84

84

**

1

.412

.000

N

84

84

**. Correlation is significant at the 0.01 level (2-tailed).

Terdapat hubungan antara DER dengan STR_AKT sebesar 0.412. sifat kolerasi positif menunjukkan semakin tinggi hutang akan semakin tinggi juga struktuk aktiva. Nilai signifikasi sebesar 0.000 berarti hubungan tersebut signifikan atau diterima pada probabilitas 5%.

PARTIAL CORRELATION kolerasi parsial digunakan untuk menguji kolerasi dengan memperhitungkan efek dari variabel lain atau dengan kata lain kolerasi partial mengukur kolerasi antar dua variabel dengan mengeluarkan pengaruh dari satu atau lebih variabel lain yang sering disebut dengan variabel control. Cara pengolahan data yaitu

Buka file SPSS.REGRESI.sav

Klik Analyze Correlate Partial.


35

Gambar 4. 4 Tampilan Analyze

Masukkan variabel NPM dan NET_SLS1 ke dalam kotak Variables. Masukkan variabel CR1 ke Controlling for

Gambar 4.5 Tampilan Partial Correlation Dilarang menggandakan seijin tim penyusun

36

Kemudian klik Options dan pilih zero-order correlations dan exclude cases listwise, tekan continue lalu OK

Gambar 4.6 Tampilan Partial Correlation Options

Maka akan menghasilkan tabel seperti di bawah ini : TABEL 4.2 CORRELATIONS

Correlations Control Variables a

-none-

NPM

NET_SLS1

NPM Correlation

CR1

1.000

-.047

.207

Significance (2-tailed)

.

.671

.059

Df

0

82

82

-.047

1.000

-.414

.671

.

.000

82

0

82

Correlation

.207

-.414

1.000


.059

.000

.

Correlation Significance (2-tailed) Df

CR1

NET_SLS1


37

Df CR1

NPM

NET_SLS1

82

82

1.000

.043


.

.697

Df

0

81

Correlation

.043

1.000


.697

.

81

0

Correlation

Df

0

a. Cells contain zero-order (Pearson) correlations.

Dari hasil koefisien antara NPM dan NET_SLS1 sebelum menghilangkan pengaruh variabel CR1 adalah -0.047 dan signifikan pada alpha 0.05. dan setelah menghilangkan pengaruh variabel CR1 adalah 0.043 dan signifikan pada alpha 0.05.


38

BAB V REGRESI Regresi digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel. Variabel adalah simbol yang melekat pada bilangan atau angka. Dalam proses aplikasi SPSS, maka data-data selalu dikelompokkan ke dalam kelompok variabel-variabel yang sangat menentukan dalam proses penarikan kesimpulan hasil uji statistik. Ada 2 jenis variabel di dalam SPSS yaitu : 1. Variabel

bebas

(independen

variabel)

yaitu

suatu

variabel

yang

menerangkan

(mempengaruhi) terhadap variabel lainnya. Variabel ini dalam notasinya seringkali diberi notasi X (X1,X2,X3,dst) 2. Variabel terikat (dependent variabel) yakni suatu variabel yang dipengaruhi (diterangkan) oleh variabel lain. Variabel ini dalam notasinya sering ditulis dengan Y. Kemudian Regresi Linear ada 2 macam yaitu

Regresi Linear Sederhana Regresi sederhana, bertujuan untuk mempelajari hubungan antara dua variabel. Regresi

Linear digunakan apabila variabel dependent dipengaruhi hanya satu variabel independen. Bentuk Umum Regresi Linear Sederhana : Y = a + bX Keterangan : Y : peubah tak bebas X : peubah bebas a : konstanta b : kemiringan

Regresi Linear Berganda Analisis regresi ganda merupakan pengembangan dari analisis regresi sederhana.

Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebasnya (X) dua atau lebih. Analisis regresi ganda adalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas X1, X2, …., Xi terhadap suatu variabel terikat Y. Dilarang menggandakan seijin tim penyusun

39

Bentuk Umum Regresi Linier Berganda : Y = a + b X + b X + ...+ b X 1

1

2

2

n

n

Keterangan : Y : peubah takbebas a : konstanta X : peubah bebas ke-1 1

b : kemiringan ke-1 1

X : peubah bebas ke-2 2

b : kemiringan ke-2 2

X : peubah bebas ke-n n

b : kemiringan ke-n n

Sebagai contoh dalam regresi linear dengan menguji pengaruh net profit margin (NPM), struktur aktiva (STR_AKT), net sales (NET_SLS1), pertumbuhan perusahaan (GROW1), dan current rasio (CR1) terhadap hutang perusahaaan (Y). Proses pengelohan data : •

Buka file SPSS.REGRESI.sav.

•

Klik Analyze pilih Regression klik Linear.

Gambar 5.1 Tampilan Analyze Dilarang menggandakan seijin tim penyusun

40

•

Maka akan muncul kotak Linear Regression seperti gambar di bawah ini :

Gambar 5.2 Tampilan Linear Regression Klik variabel DER dan masukkan ke kotak dependen, dan klik variabel NPM, STR_AKT, GROW1, NET_SLS1, dan CR1 ke dalam kotak independen. •

Abaikan semua pilihan dan pilih OK.

KOEFISIEN DETERMINASI Koefisien determasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam variasi variabel dependen. Bila nilai R2 kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel sangat terbatas. Kelemahan mendasar penggunaan koefisien determasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka nilai R2 akan meningkat tidak peduli apakah variabel tersebut berpengaruh secarasignifikan terhadapo variabel dependen. TABEL 5.1 MODEL SUMMARY Model Summary

Model 1

R .716

R Square a

.512

Adjusted R

Std. Error of the

Square

Estimate .474

.58837

a. Predictors: (Constant), CR1, GROW1, NPM, STR_AKT, NET_SLS1


41

Dari tampilan output SPSS di atas besar dari Adjusted R2 adalah 0.474 atau hanya sebesar 47,7% DER dapat dijelaskan oleh keempat variabel independen CR1, GROW1, NPM, STR_AKT, NET_SLS1 dan sisanya dijelaskan oleh variabel lainnya. SEE (Standart Error of estimate) sebesar 0.58837. semakin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.

UJI STATISTIK F Pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. TABEL 5.2 ANOVA b

ANOVA Model 1

Sum of Squares

df

Mean Square

Regression

23.258

5

4.652

Residual

22.155

64

.346

Total

45.413

69

F 13.437

Sig. .000

a

a. Predictors: (Constant), CR1, GROW1, NPM, STR_AKT, NET_SLS1 b. Dependent Variable: DER

Dari uji ANOVA atau F test didapatkan nilai F hitung sebesar 13.437 dengan probabilitas 0.000. karena probabilitas jauh lebih kecil dari α = 0.05 maka model regresi dapat digunakan untuk memprediksi nilai DER atau yang artinya variabel CR1, GROW1, NPM, STR_AKT, NET_SLS1 secara bersama-sama mampu menerangkan variabel DER.

UJI STATISTIK T Uji ini untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen. Untuk menginterprestasikan koefisien variabel bebas (independen) dapat menggunakan unstandardized coefficients maupun standardized coefficients yaitu dengan melihat nilai signifikasi masing-masing variabel independen dari tabel di bawah ini bahwa nilai NET_SLS1 0.480 dan CR1 0.61 memiliki niali jauh di atas 0.05 sedangkan NPM 0.000 , STR_AKT 0.000 , dan GROW1 0.013 memiliki nilai yang signifikan pada 0.05 Dilarang menggandakan seijin tim penyusun

42

TABEL 5.3 COEFFICIENTS

Coefficients

a

Standardized Unstandardized Coefficients Model 1

B

Std. Error

(Constant)

1.803

.281

NPM

-.041

.008

STR_AKT

1.434

NET_SLS1 GROW1 CR1

Coefficients Beta

t

Sig. 6.420

.000

-.501

-5.177

.000

.315

.446

4.557

.000

-2.395E-5

.000

-.070

-.710

.480

.393

.154

.238

2.548

.013

-.498

.261

-.204

-1.906

.061

a. Dependent Variable: DER


43

BAB VI UJI ASUMSI KLASIK

UJI MULTIKOLONIERITAS Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas. Model regresi yang baik sebagiknya tidak terjadi kolerasi di antara variabel terikat. Untuk mendektesi adanya atau tidaknya multikolonieritas dalam model regresi dapat dengan cara :

Nilai R2 yang dihasilkan oleh oleh suatu estimasi model empiris sangat tinggi, tetapi biasanya variabel-variabel independen banyak yang tidak signifikan terhadap variabel dependentnya.

Dengan melihat batas tolerance yang memiliki nilaki kurang dari 0.10 yang berarti tidak ada kolerasi antar variabel independen. Kemudian dari nilai VIF (Variance Inflation Factor) juga menunjukkan hal yang sama yaitu tidak adanya penyakit multikolonieritas dengan nilai dari VIF lebih dari 10.

Selain itu dari Ouput SPSS juga bisa dilihat nilai CI (Condition Index). Jika nilai CI > 30 maka dalam model terdapat penyimpangan Asumsi Klasik Multicolinierity. Langkah untuk menganalisis penyakit multikolonieritas yaitu : 1. Buka file SPSS.REGRESI.sav 2. Pilih menu Analyze, submenu Regresi lalu pilih Linear Regression.

Gambar 6.1 Tampilan menu Analyze Dilarang menggandakan seijin tim penyusun

44

3. Maka akan muncul layar windows Linear Regression.

Gambar 6.2 Layar Linear Regression Pada kotak Dependent isikan variabel DER dan pada kotak Independen isikan NPM, NET_SLS1, STR_AKT, GROW1 dan CR1. 4. Untuk menampilkan matrik kolerasi dan nilai Tolernace serta VIF pilih Statistics maka akan muncul layar tampilan windows Linear Regression Statistics. Akifkan pilihan Covariance matrix dan Collinierity Diagnostics.

Gambar 6.3 Tampilan Linear Regression Statistics Dilarang menggandakan seijin tim penyusun

45

5. Tekan Continue, abaikan yang lain dan tekan OK 6. Maka akan muncul tampilan SPSS : TABEL 6.1 COEFFICIENT CORRELATIONS a

Coefficient Correlations Model 1

CR1 Correlations

CR1

NPM

STR_AKT

NET_SLS1

1.000

.127

-.314

.334

.395

.127

1.000

-.182

.331

-.043

-.314

-.182

1.000

-.220

.114

STR_AKT

.334

.331

-.220

1.000

.089

NET_SLS1

.395

-.043

.114

.089

1.000

CR1

.068

.005

.000

.027

3.481E-6

GROW1

.005

.024

.000

.016

-2.212E-7

NPM

.000

.000

6.240E-5

.000

3.040E-8

STR_AKT

.027

.016

.000

.099

9.467E-7

3.481E-6

-2.212E-7

3.040E-8

9.467E-7

1.137E-9

GROW1 NPM

Covariances

GROW1

NET_SLS1 a. Dependent Variable: DER

Melihat besaran kolerasi antar variabel independen tampak bahwa variabel NET_SLS1 1.000 , variabel CR1 0.395 , NPM 0.114

memiliki kolerasi yang cukup tinggi

, sedangkan

STR_AKT 0.089 dan GROW1 -0.043 atau sekitar 43%. Oleh karena itu kolerasi ini masih di bawah 95%, maka dapat dikatakan tidak terjadi multikolonieritas serius. Kemudian dari hasil tabel 4.2 di bawah ini, nilai Tolerance untuk NET_SLS1 0.778 , NPM 0.815 , STR_AKT 0.797 , GROW1 0.874 , CR1 0.664 menunjukkan nilai kurang dari 0.10 yang berarti tidak ada kolerasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama, bahwa variabel NET_SLS1 1.286 , NPM 1.228 , STR_AKT 1.254 , GROW1 1.144, CR1 1.506 tidak ada satu variabel independent yang memiliki nilai VIF lebih dari 10. Jadi tidak ada multikolonieritas antar variabel independen dalam model regresi.


46

TABEL 6.2 COEFFICIENTS Coefficients

a


B 1.803

.281

NPM

-.041

.008

STR_AKT

1.434

NET_SLS1

Coefficients

Std. Error

(Constant)

Collinearity Statistics

Beta

t

Sig.

Tolerance

VIF

6.420

.000

-.501

-5.177

.000

.815

1.228

.315

.446

4.557

.000

.797

1.254

-2.395E-5

.000

-.070

-.710

.480

.778

1.286

.393

.154

.238

2.548

.013

.874

1.144

-.498

.261

-.204

-1.906

.061

.664

1.506

GROW1 CR1 a. Dependent Variable: DER

TABEL 6.3 DIAGNOSTIC COLLINEARITY Collinearity Diagnostics Dimen

Eigenvalue

Variance Proportions

Model sion 1

a

Condition Index (Constant)

NPM

STR_AKT

NET_SLS1

GROW1

CR1

1

4.426

1.000

.00

.01

.01

.01

.01

.01

2

.890

2.230

.00

.01

.01

.04

.00

.44

3

.272

4.031

.00

.00

.14

.43

.15

.06

4

.240

4.290

.00

.47

.02

.04

.26

.14

5

.122

6.021

.00

.30

.71

.02

.42

.25

6

.049

9.546

.99

.21

.11

.46

.15

.10

a. Dependent Variable: DER

Nilai CI yang dihasilkan untuk masing-masing variabel independen adalah kurang dari 30 maka dapat disimpulkan bahwa variabel independen tidak terjangkit penyakit multikolonieritas.


47

UJI AUTOKOLERASI Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan penggangguan pada perioade t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika adanya kolerasi maka adanya penyakit autokolerasi. Masalah ini disebabkan karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Apabila pada salah satu terdapat gangguan maka cenderung mempengaruhi gangguan untuk periode berikutnya. Ada beberapa cara yang dapat digunakan untuk mendekteksi ada atau tidaknya autokolerasi, pada modul ini akan menjelaskan dengan Uji Durbin Watson (DW test) Digunakan untuk autokolerasi tingkat satu dan mensyaratkan adanya intercept (konstanta) dalam model regresi. Hipotesis yang akan diuji adalah : H0 : tidak adanya autokolerasi. H1 : adanya autokolerasi. Pengambilan keputusan autokolerasi :

Hipotesis nol Tidak

Keputusan

Jika

ada

autokolerasi Tolak

0 < d < dl

ada

autokolerasi No desicion

dl ≤ d ≤ du

ada

autokolerasi Tolak

4-dl < d <4

ada

autokolerasi No desicion

4-du ≤ d ≤ 4-dl

ada

autokolerasi, Diterima

du < d < 4-dl

positif Tidak positif Tidak negatif Tidak negatif Tidak

positif atau negatif


48

Langkah yang digunakan untuk mengetahui ada tidaknya autokolerasi : 1. Buka file SPSS.REGRESI.sav 2. Menu Analyze Regression Linear

Gambar 6.4 Tampilan menu Analyze Kemudian Pada kotak Dependent isikan variabel DER dan pada kotak Independen isikan NPM, NET_SLS1, STR_AKT, GROW1 dan CR1.

Gambar 6.5 Layar Linear Regression Dilarang menggandakan seijin tim penyusun

49

3. Pilih Statistics maka akan muncul layar tampilan windows Linear Regression Statistics. Kemudian cheklist bagian Residuals Durbin-Watson.

Gambar 6.6 Tampilan Linear Regression Statistics 4. Pilih Continue kemudian OK. 5. akan muncul output : TABEL 6.4 MODEL SUMMARY b

Model Summary

Model 1

R .716

R Square a

.512

Adjusted R

Std. Error of the

Square

Estimate .474

.58837

Durbin-Watson 2.096

a. Predictors: (Constant), CR1, GROW1, NPM, STR_AKT, NET_SLS1 b. Dependent Variable: DER

Nilai DW sebesar 2.096, nilai ini akan kita bandingkan dengan nilai table dengan menggunakan signifikasi 5%, jumlah sampel 84 (n) dan jumlah variabel independen 5 (k=5) maka di table Durbin Waston akan didapatkan nilai du sebesar1.386 dan nilai dl = 1.630. Oleh karena nilai DW lebih besar dari (du) 1.386 dan kurang dari 4-dl(4-1.630=3.370), maka dapat disimpulkan bahwa H0 diterima yaitu tidak adanya atau tidak terdapat autokolerasi. (untuk angka du dan dl dapat dilihat di tabel). Dilarang menggandakan seijin tim penyusun

50

UJI HETEROSKEDASTISITAS Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.

Model

regresi

yang

baik

adalaha

Homoskedastisitas

atau

tidak

Heteroskedetisitas. Dalam modul ini, akan menerangkan menguji ada tidaknya Heteroskedastisitas dengan Uji Park. .

Cara melakukan Uji Park dengan SPSS : 1. Buka file SPSS.REGRESI.sav 2. Meregresikan semua variable bebas (NPM, NET_SLS1, STR_AKT, GROW1 dan CR1) terhadap variable terikat (DER) 3. Untuk mendapatkan variabel residual dengan cara pilih Save pada Layar Linear Regression sehingga muncul kotak Linear Regression Save, checklist unstandardized residual.

Gambar 6.7 Linear Regression Save Dilarang menggandakan seijin tim penyusun

51

4. Pilih Continue lalu OK. Maka pada Variable Data akan muncul 1 Variabel baru dengan nama Res_1 yang merupakan nilai residual. 5. Kuadratkan nilai residual (Res_1*Res_1) tersebut dengan cara menu Transform Compute Variable kemudian beri nama Res_2 dan klik OK.

Gambar 6.8 Tampilan Compute Variable 6. Kemudian Logaritmakan Res_2 dengan menu Transform dan Compute.

Gambar 6.9 Tampilan Compute Variable Dilarang menggandakan seijin tim penyusun

52

7. Regresikan LNRes_2 sebagai variabel dependen dan variabel NPM, NET_SLS1, STR_AKT, GROW1 dan CR1.

Gambar 6.10 Tampilan Linear Regression

Maka akan menghasilkan output sebagai berikut : TABEL 6.5 COEFFICIENTS Coefficients

a


B (Constant)

Std. Error -1.623

.997

-.001

.028

STR_AKT

.255

NET_SLS1

t

Coefficients

Collinearity Statistics

Beta

Sig.

Tolerance

VIF

-1.628

.109

-.007

-.050

.960

.815

1.228

1.117

.031

.228

.820

.797

1.254

.000

.000

-.230

-1.662

.101

.778

1.286

GROW1

-.024

.548

-.006

-.045

.964

.874

1.144

CR1

-.586

.928

-.095

-.632

.530

.664

1.506

NPM

a. Dependent Variable: LNRes_2


53

HasiL output SPSS memberikan koefisien variabel independen tidak ada yang signifikan, maka dapat disimpulkan bahwa model regresi tidak terdapat Heteroskedasititas.


54

Latihan : •

Jelaskan perbedaan antara input data pada spss dengan input data copy-paste dari excel?

Apakah keuntungannya? •

Dari data yang ada di bawah ini : Tahun 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980

Y 27.80 29.90 29.80 30.80 31.20 33.30 35.60 36.40 36.70 38.40 40.40 40.30 41.80 40.40 40.70 40.10 42.70 44.10 46.70 50.60 50.10

X1 397.50 413.30 439.20 459.70 492.90 582.60 560.30 624.60 666.40 717.80 768.20 843.30 911.60 931.10 1021.50 1165.90 1349.60 1449.40 1575.50 1759.10 1994.20

X2 42.20 38.10 40.30 39.50 37.30 38.10 39.30 37.80 38.40 40.10 38.60 39.80 39.70 52.10 48.90 58.30 57.90 56.50 63.70 61.60 58.90

X3 50.70 52.00 54.00 55.30 54.70 63.70 69.80 65.90 64.50 70.00 73.20 67.80 79.10 95.40 94.20 123.50 129.90 117.60 130.90 129.80 128.00

X4 78.30 79.20 79.20 79.20 77.40 80.20 80.40 83.90 85.50 93.70 106.10 104.80 114.00 124.10 127.60 142.90 143.60 139.20 165.50 203.30 219.60

a) Bagaimana cara mengidentifikasi data di atas sudah terdistribusi dengan normal? b) Bagaimana cara melakukan regresi data dan kolerasi data di atas?


55

Sumber : Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS . Semarang : Badan Penerbit Universitas Diponegoro. Juliandi, Azuar. 2007 . Pengolahan Data Penelitian Menggunakan Spss Korelasi Dan Regresi. http://www.azuarjuliandi.com Oswari, Teddy. SPSS for Psychology. http://staffsite.gunadarma.ac.id/toswari/. Wijaya, Tony. 2009. Analisis data Penelitian Menggunakan SPSS. Yogyakarta : Penerbit Universitas Atma Jaya.


56

KATA PENGANTAR. Ayu Zuriah

Recommend Documents