P. 1
Cara Membaca Tabel Statistik

Cara Membaca Tabel Statistik

|Views: 8,699|Likes:
Published by Indra Perdana

More info:

Published by: Indra Perdana on Mar 07, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

08/17/2013

pdf

text

original

1.

Analisis Regresi Linier Berganda

Analisis regresi linier berganda ini digunakan untuk mengetahui ada tidaknya pengaruh dari variabel bebas terhadap variabel terikat. Disini saya akan memberikan contoh seperti artikel saya sebelumnya, lihat artikelnya disini. Sehingga yang saya cari adalah pengaruh variabel bebas (independen variable) yaitu Leverage (X1),CR (X2), Return On Asset (X3) dan Return On Equity (X4) terhadap variabel terikat (dependen variable) yaitu Beta (Y). Dan persamaan regresinya dapat dirumuskan sebagai berikut (Suharyadi dan Purwanto, 2004:509):

Dimana: Y a b1,b2,b3,b4 X1 X2 X3 X4 e

= Beta (β) = Konstanta = Koefisien determinasi = Leverage = CR = Return On Asset (ROA) = Return On Equity (ROE) = Error

Untuk membaca dari hasil SPSS terhadap persamaan regresinya adalah dengan melihat output spss pada tabel “Coefficients” (yang belum tau caranya bisa dilihat langkahnya dengan klik disini). Untuk lebih jelasnya bisa lihat pada contoh saya yang sebelumnya dan gambar di bawah ini:

934 X1 .043 dan bertanda negatif. ini menunjukkan bahwa ROA mempunyai hubungan yang berlawanan arah dengan Risiko Sistematis. Hal ini mengandung arti bahwa setiap kenaikan ROE satu satuan maka variabel Beta (Y) akan turun sebesar 0.094) + 2. 3. CR (X2) terhadap beta (Y) Nilai koefisien Current Ratio untuk variabel X2 sebesar 0.071 dan bertanda negatif.071 X2 .003 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap. Leverage (X1) terhadap beta (Y) Nilai koefisien Leverage untuk variabel X1 sebesar 2. 2. Konstanta (a) Ini berarti jika semua variabel bebas memiliki nilai nol (0) maka nilai variabel terikat (Beta) sebesar -0.003 X4 + e Interpretasi dari regresi diatas adalah sebagai berikut: 1. Hal ini mengandung arti bahwa setiap kenaikan Leverage satu satuan maka variabel Beta (Y) akan naik sebesar 2.839.043 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.043 X3 – 0. Derajat signifikansi yang digunakan adalah 0. ini menunjukkan bahwa Current Ratio mempunyai hubungan yang berlawanan arah dengan Risiko Sistematis. Uji t Uji t digunakan untuk mengetahui apakah variabel-variabel independen secara parsial berpengaruh nyata atau tidak terhadap variabel dependen.05. 5. Hal ini mengandung arti bahwa setiap kenaikan Current Ratio satu satuan maka variabel Beta (Y) akan turun sebesar 0.003 dan bertanda negatif. ROA (X3) terhadap Beta (Y) Nilai koefisien ROA terstandarisasi untuk variabel X3 sebesar 0. ini menunjukkan bahwa ROE mempunyai hubungan yang berlawanan arah dengan Risiko Sistematis. Hal ini mengandung arti bahwa setiap kenaikan ROA satu satuan maka variabel Beta (Y) akan turun sebesar 0. ROE (X4) terhadap Beta (Y) Nilai koefisien ROE untuk variabel X4 sebesar 0. 4. Apabila nilai signifikan lebih kecil dari derajat kepercayaan maka kita menerima hipotesis alternatif.0. 2.094. yang menyatakan bahwa suatu variabel independen secara parsial mempengaruhi variabel dependen.Berdasarkan tabel diatas dapat diperoleh rumus regresi sebagai berikut: Y = (-0. .0.839 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.071 dengan asumsi bahwa variabel bebas yang lain dari model regresi adalah tetap.

039<0. Variabel X4 mempunyai thitung yakni 0. maka H1 diterima dan Ho ditolak.05.100>0.05. 4. maka H1 ditolak dan Ho diterima. Jadi thitung>ttabel dapat disimpulkan bahwa variabel X2 memiliki kontribusi terhadap Y.683 dengan ttabel=2. Current Ratio (X2) terhadap beta (Y) Terlihat pada kolom Coefficients model 1 terdapat nilai sig 0.353 dengan ttabel=2.134 dengan ttabel=2.021.021. Nilai t positif menunjukkan bahwa variabel X1 mempunyai hubungan yang searah dengan Y. Nilai t negatif menunjukkan bahwa X3 mempunyai hubungan yang berlawanan arah dengan Y. Variabel X3 mempunyai thitung yakni 1. Nilai sig lebih kecil dari nilai probabilitas 0.317 dengan ttabel=2. 2. 3.05.05. ROA (X3) terhadap Beta (Y) Terlihat nilai sig untuk ROA adalah 0. maka H1 diterima dan Ho ditolak. Jadi thitung<ttabel dapat disimpulkan bahwa variabel X3 tidak memiliki kontribusi terhadap Y. . Jadi dapat disimpulkan leverage memiliki pengaruh signifikan terhadap Beta. atau nilai 0. ROE (X4) terhadap Terlihat nilai sig pada ROE adalah 0. Contoh dari artikel saya sebelumnya: Cara bacanya: 1.002. Jadi thitung>ttabel dapat disimpulkan bahwa variabel X1 memiliki kontribusi terhadap Y.05.05.05.002<0.100. Jadi dapat disimpulkan CR memiliki pengaruh signifikan terhadap beta. Nilai t negatif menunjukkan bahwa ROE mempunyai hubungan yang berlawanan arah dengan Beta. Variabel X2 mempunyai thitung yakni 2. Nilai t negatif menunjukkan bahwa X2 mempunyai hubungan yang berlawanan arah dengan Y. Variabel X1 mempunyai thitung yakni 3. Nilai sig lebih besar dari nilai probabilitas 0.021. maka H1 ditolak dan Ho diterima. atau nilai 0. Jadi dapat disimpulkan ROA tidak berpengaruh signifikan terhadap risiko Beta . Nilai sig lebih besar dari nilai probabilitas 0.Analisis uji t juga dilihat dari tabel ”Coefficient”. Leverage (X1) terhadap Beta (Y) Terlihat pada kolom Coefficients model 1 terdapat nilai sig 0. atau nilai 0.039.021.726>0. Jadi thitung<ttabel dapat disimpulkan bahwa variabel X4 tidak memiliki kontribusi terhadap Y.05.726. Nilai sig lebih kecil dari nilai probabilitas 0. Jadi dapat disimpulkan ROE tidak berpengaruh signifikan terhadap risiko Beta. atau nilai 0.

001. Derajat kepercayaan yang digunakan adalah 0.05. X3 dan X4 terhadap Y: Dari tabel diperoleh nilai Fhitung sebesar 5.05 atau nilai .61). dan nilai sig.889)>Ftabel (2. Uji F Uji F digunakan untuk mengetahui apakah variabel-variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.Sehingga ringkasan hasil pengujian hipotesis adalah sbb: 3. Apabila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel maka hipotesis alternatif.889 dengan nilai probabilitas (sig)=0. seperti contoh saya: Cara bacanya: Pengujian secar simultan X1. X2. lebih kecil dari nilai probabilitas 0. yang menyatakan bahwa semua variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Nilai Fhitung(5. Untuk analisisnya dari output SPSS dapat dilihat dari tabel ”Anova”.

05.6% dipengaruhi variabel lain yang tidak diteliti. berarti secara bersama-sama (simultan) Leverage. Karena nilai R Square dibawah 5% atau cenderung mendekati nilai 0 maka dapat disimpulkan kemampuan variabel-variabel independen dalam menjelaskan variasi variabel amat terbatas. ROA dan ROE berpengaruh signifikan terhadap Beta. CR. sedangkan 64. jika hasil lebih mendekati angka 0 berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel amat terbatas. Nilai koefisien ini antara 0 dan 1.001<0. Koefisien determinasi akan menjelaskan seberapa besar perubahan atau variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi pada variabel yang lain (Santosa&Ashari. CR. Supaya lebih sederhana lihat contoh saya berikut ini: Cara bacanya (berdasarkan contoh saya sebelumnya): Berdasarkan Tabel ”Model Summary” dapat disimpulkan bahwa Leverage. . Untuk analisisnya dengan menggunakan output SPSS dapat dilihat pada tabel ”Model Summary”. ROA dan ROE berpengaruh sebesar 35.0. maka H01diterima. Dalam bahasa sehari-hari adalah kemampuan variabel bebas untuk berkontribusi terhadap variabel tetapnya dalam satuan persentase.4% terhadap Risiko Sistematis. 2005:125). Tapi jika hasil mendekati angka 1 berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Koefisien determinasi (R²) Koefisien determinasi digunakan untuk mengetahui seberapa besar hubungan dari beberapa variabel dalam pengertian yang lebih jelas. ditolak dan H 4.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->