PRAKTIKUM 8

Modul Pelatihan Aplikasi SPSS

ALAT ANALISIS 4Prosedur Analisis Data Multivariat

Analisis data multivariate dibagi menjadi dua kelompok yaitu :

Metode Multivariat interdependen

Dalam metode ini antara variabel yang satu dengan variabel yang lain saling berkaitan

dalam arti tidak ada yang berkedudukan sebagai variabel yang dipengaruhi (dependen)

ataupun variabel yang mempengaruhi (independen)

Tujuan dari metode analisis ini adalah untuk mengidentifikasikan struktur hubungan

sejumlah variabel atau mengetahui susunan dari seluruh variabel yang diteliti.

Jenis alat analisis data multivariate interdependen dapat antara lain :

- Analisis faktor merupakan metode statistik multivariate yang bertujuan untuk

mengelompokkan sejumlah variabel atau mereduksi sejumlah variabel menjadi

beberapa factor. Tugas dari peneliti adalah menentukan nama dari factor-faktor dimana

sejumlah variabel telah direduksi tersebut.

- Analisis kluster bertujuan untuk mengelompokkan objek ke dalam kelompok-kelompok

yang disebut kluster berdasarkan sejumlah variabel-variabel yang dijadikan dasar untuk

pengelompokkan tersebut.

Metode Multivariat dependen

Dalam metode ini antara variabel yang satu dengan variabel yang lain saling berkaitan

dalam arti ada yang berkedudukan sebagai variabel yang dipengaruhi (dependen) ataupun

variabel yang mempengaruhi (independen)

Tujuan dari metode analisis ini adalah untuk mengidentifikasikan struktur

hubungan sejumlah variabel atau mengetahui susunan dari seluruh variabel

yang diteliti.

Jenis alat analisis data multivariate dependen dapat antara lain :

HIMPUNAN MAHASISWA ISLAM KOMISARIAT FAKULTAS EKONOMI DAN ILMU SOSIAL

8-1


- Structural Equation Model (SEM)

Merupakan satu teknik analisis statistik yang dapat digunakan untuk meregresi suatu

persamaan regresi berganda yang diestimasi secara simutlan. Di dalam model SEM

ini, suatu variabel terikat di satu persamaan tertentu dapat menjadi variabel bebas di

persamaan lain

Model SEM juga dapat digunakan untuk menjelaskan hubungan tidak langsung

(indirect effect) pengaruh dari suatu variabel terhadap variabel lain.

- Analisis Korelasi Kanonikal

Merupakan salah satu teknik analisis statistik yang bertujuan untuk mencari

korelasi/hubungan antara sejumlah variabel terikat dengan variabel bebas secara

simultan

- Multivariate Analysis of Variance

Tujuan dari analisis ini adalah untuk menguji apakah rata-rata perbedaan dari dua

kelompok variabel atau lebih untuk sejumlah variabel yang ingin diuji perbedaannya

tersebut.

- Analisis regresi berganda

Satu teknis analisis statistik yang bertujuan untuk memprediksi perilaku dari suatu

variabel terikat yang memiliki skala interval/rasio dimana variabel bebas (independen)

yang memprediksinya juga memiliki skala pengukuran interval/rasio.

- Analisis konjoin

Satu teknis analisis statistik yang bertujuan untuk mencari korelasi antara variabel

terikat yang memiliki skala interval/rasio dengan variabel-variabel bebas yang memiliki

skala nominal/ordinal

- Analisis diskriminan

Merupakan satu teknis analisis yang dapat digunakan untuk menentukan variabel-

variabel bebas (independen) apa saja yang paling membedakan antara variabel-

variabel terikat (dependen) yang memiliki skala nominal (kategori).

- Analisis model probit/logit

Merupakan satu teknis analisis yang mirip dengan analisis regresi berganda dimana

yang membedakan adalah dalam model ini baik variabel terikat maupun variabel

bebasnya memiliki skala nominal/ordinal.


8-2


Gambar 8.1Prosedur Multivariate Interdependent


8-3


Gambar 8.2Prosedur Multivariate Dependent


8-4

Modul Laboratorium Analisis Kuantitatif

Praktikum 8 hanya fokus membahas mengenai REGRESI BERGANDA DAN PENGUJIAN ASUMSI KLASIK TANPA PENYEMBUHAN

REGRESI BERGANDA Digunakan untuk melihat pengaruh dari sejumlah variabel independent terhadap variabel

dependent yang masing-masing memiliki skala rasio/interval. Suatu Penelitian dilakukan untuk melihat pengaruh dari dari SUKU BUNGA, INFLASI DAN KURS

TERHADAP HARGA SAHAM LQ45 (BLUECHIP) LIHAT KASUS 8.1. dengan model yang dijaukan adalah BLUECHIP = f (INTEREST, IHK, EER)Dimana BLUECHIP = Harga saham LQ45INTEREST = Suku bunga IHK = Index Harga Konsumen EER = Effectifve Exchange Rate (Kurs)

PERTANYAAN :a. Lakukan uji kualitas data dan apa interpretasinyab. Lakukan pengujian asumsi klasik dan bagaimana kesimpulannyac. Lakukan pengujian goodness of fit model, uji F dan uji t

Langkah-langkah pengerjaan - Lakukan pengujian normalitas untuk keempat variabel terlebih dahulu untuk menentukan

apakah sebaiknya digunakan model LINEAR atau NONLINEAR dan hasilnya ditunjukkan sebagai berikut :

NPar TestsOne-Sample Kolmogorov-Smirnov Test

60 60 60 60

9.7228 117.3207 8042.4122 186.6698

3.23783 15.17013 525.80026 84.08309

.107 .137 .086 .134

.107 .137 .086 .134

-.076 -.134 -.060 -.098

.828 1.060 .662 1.038

.500 .211 .773 .231

N

Mean

Std. Deviation

Normal Parameters a,b

Absolute

Positive

Negative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

INTEREST IHK EER BLUECHIP

Test distribution is Normal.a.

Calculated from data.b.

Hasil pengujian menunjukkan keempat variabel berdistribusi NORMAL sehingga tidak ada variabel yang mengalami TRANSFORMASI misal di LOG, LN (Model yang digunakan linier)

- Pastikan file KASUS 8.1. sudah siap lalu KLIK ANALYZE, REGRESSION, LINEAR seperti ditunjukkan dengan gambar 8.1. yang kemudian akan muncul gambar 8.2.

Fakultas Ekonomi Universitas Trisakti, 2007

8-5


Gambar 8.1.

- Pada kotak dialog LINEAR REGRESSION, masukkan variabel BLUECHIP pada kotak DEPENDENT, dan masukkan variabel INTEREST, IHK DAN EER pada kotak INDEPENDENT

Gambar 8.2.

- Pada kotak dialog LINEAR REGRESSION KLIK STATISTICS sehingga akan muncul gambar 8.3 berikut. KLIK PILIHAN ESTIMATES, MODEL FIT, COLLINEARITY DIAGNOSTICS, DURBIN WATSON, lalu KLIK CONTINUE sehingga akan balik ke gambar 8.2. Pada gambar 8.2. KLIK SAVE sehingga akan muncul kotak dialog seperti ditunjukkan pada gambar 8.4.


8-6


Gambar 8.3.

- Dari gambar 8.4, pada kolom RESIDUAL, KLIK UNSTANDARDIZED LALU KLIK CONTINUE sehingga akan kembali pada gambar 8.2. Dari gambar 8.2. KLIK OK sehingga akan muncul hasil print-out sbb :

Gambar 8.4.

HASIL PRINT-OUT REGRESI

Regression


8-7


Variables Entered/Removedb

EER,INTEREST, IHK

a . Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: BLUECHIPb.

Model Summaryb

.961a .923 .919 23.94672 .372Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Durbin-Watson

Predictors: (Constant), EER, INTEREST, IHKa.


ANOVAb

385015.0 3 128338.350 223.802 .000a

32112.942 56 573.445

417128.0 59

Regression

Residual

Total

Model1

Sum ofSquares df Mean Square F Sig.



Coefficientsa

-470.532 56.989 -8.257 .000

-2.440 1.082 -.094 -2.256 .028 .792 1.262

4.824 .245 .870 19.705 .000 .705 1.419

.014 .007 .089 2.051 .045 .724 1.382

(Constant)

INTEREST

IHK

EER

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig. Tolerance VIF

Collinearity Statistics

Dependent Variable: BLUECHIPa.


8-8


Collinearity Diagnosticsa

3.900 1.000 .00 .00 .00 .00

.091 6.531 .00 .63 .02 .00

.007 23.709 .09 .20 .96 .08

.002 48.983 .91 .16 .02 .92

Dimension1

2

3

4

Model1

EigenvalueCondition

Index (Constant) INTEREST IHK EER

Variance Proportions


Residuals Statisticsa

75.1224 332.4937 186.6698 80.78167 60

-66.9908 54.3493 .0000 23.32996 60

-1.381 1.805 .000 1.000 60

-2.797 2.270 .000 .974 60

Predicted Value

Residual

Std. Predicted Value

Std. Residual

Minimum Maximum Mean Std. Deviation N


- Untuk pengujian HETEROSKEDASTISITAS dengan menggunakan GLETSJER TEST perhatikan data pada kasus 8.1 yang sudah dari hasil gambar 8.4. sudah memiliki variabel RESIDUAL seperti ditunjukkan pada gambar berikut ini :

Gambar 8.5.

- Untuk pengujian GLELTSJER terlebih dahulu dilakukan dengan cara MENGABSOLUTKAN VARIABEL RESIDUAL dengan langkah KLIK TRANSFORM, COMPUTE seperti ditunjukkan gambar 8.6 yang kemudian akan muncul kotal dialog seperti ditunjukkan pada gambar 8.7


8-9


Gambar 8.6.

- Pada kotak dialog target ketik nama variabel absolut residual dengan cara mengetik 8 hutuf saja misal ABSRESID, pada NUMERIC EXPRESSION, pilih FUNGSI ABS pada FUNCTION dan pindahkan ke KOTAK DIALOG NUMERIC EXPRESSION lalu masukkan variabel UNSTANDARDIZED RESIDUAL ke dalam tanda kurung, lalu KLIK OK sehingga akan muncul gambar variabel baru yaitu ABSRESID seperti ditunjukkan pada gambar 8.8.

Gambar 8.7.


8-10


Gambar 8.8.

- Dari gambar 8.8, KLIK ANALYZE, REGRESSION, LINEAR seperti ditunjukkan pada gambar 8.9 yang selanjutnya akan muncul gambar 8.10.

Gambar 8.9.

- Dari gambar 8.10, pada kolom DEPENDENT pilih ABSRESID, sementara pada kolom INDEPENDENT pilih variabel INTEREST, IHK, EER. dan pada STATISTICS cukup KLIK ESTIMATE seperti pada gambar 8.11 lalu OK sehingga akan muncul hasil print-out pengujian heteroskedastisitas


8-11

ABSRESID


Gambar 8.10.

HASIL PRINT-OUT REGRESI PENGUJIAN HETEROSKEDASTISITAS DENGAN GLETSJER

Regression

Variables Entered/Removedb

EER,INTEREST, IHK

a . Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: ABSRESIDb.


8-12


Coefficientsa

-51.139 30.331 -1.686 .097

1.516 .576 .363 2.633 .011

.293 .130 .329 2.249 .028

.003 .004 .101 .699 .487

(Constant)

INTEREST

IHK

EER

Model1

B Std. Error


Beta


t Sig.

Dependent Variable: ABSRESIDa.

INTERPRETASI HASIL

Sebelum dilakukan pengujian multiple regression dilakukan terlebih dahulu pengujian pelanggaran asumsi klasik untuk model yang digunakan dalam penelitian.

MODEL BLUECHIP = f (INTEREST, IHK, EER)

1. Uji Multikolinearitas Multikolinearitas menunjukkan bahwa antara variable independent mempunyai hubungan

langsung (berkorelasi). Konsekuensi dari multikolinearitas akan menyebabkan koefisien regresi nilainya kecil,

standart error regresi nilainya besar sehingga pengujian individunya menjadi tidak signifikan. Ciri adanya multikolinearitas adalah R² tinggi, F-test signifikan namun t-testnya banyak yang

tidak signifikan.

Langkah-langkah pengujian multikolinearitas Ho : Tidak ada multikolinearitasHa : Ada multikolinearitas Kesimpulan :Jika Variance Inflation Factor (VIF) > 10 maka Ho ditolak (ada multikolinearitas)Jika Variance Inflation Factor (VIF) < 10 maka Ho diterima (tidak ada multikolinearitas)

Dari hasil pengolahan data statistik diperoleh table pengujian multikolinearitas sbb :Tabel Hasil Uji Multikolinearitas

UJI MODEL VIF KesimpulanMODEL 1 INTEREST

IHKEER

1,2611,4191,382

tidak ada multitidak ada multi

Sumber : Data diolah (lihat lampiran)

Dari tabel diatas dapat dilihat bahwa seluruh nilai VIF untuk setiap variable independen dari model yang digunakan dalam penelitian tidak mengandung multikolinearitas (mempunyai VIF < 10).


8-13


Dengan demikian dapat disimpulkan bahwa model multiple regression yang digunakan terhindar dari masalah multikolinearitas.

2. Uji Heteroskedastisitas

Heteroskedastisitas menunjukkan bahwa varians dari setiap error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogen. Pengujian dilakukan dengan metode GLETSJER yaitu dengan meregres antara ABSOLUTE RESIDUAL DENGAN VARIABEL INDEPENDENT

Langka-langkah pengujian heteroskedastisitas :Ho : tidak ada heteroskedastisitasHa : ada heteroskedastisitas

Pengujian dilakukan dengan menggunakan uji individu (t-test) untuk masing-masing variabel independent

Pengambilan Keputusan dilakukan dengan kriteriaJika thitung > ttabel maka Ho ditolakJika thitung < ttabel maka Ho ditolakAtau dengan menggunakan kriteriaJika signifikansi (probabilitas) dari thitung < 0.05 Ho ditolakJika signifikansi (probabilitas) dari thitung > 0.05 Ho diterima

Hasil pengujian White-test untuk menguji heteroskedastisitas ditunjukkan dengan tabel sebagai berikut :

Tabel Hasil Uji HeteroskedastisitasUJI GLETSJER thitung Sig Kesimpulan

MODEL 1 INTERESTIHKEER

2,6332,2491,101

0,0110,0280,478

Ho ditolak (ada Heteroskedastisitas Ho ditolak (ada Heteroskedastisitas Ho diterima (tidak ada hetero)

Sumber : Data diolah (lihat lampiran)

Dari tabel diatas dapat disimpulkan bahwa model yang dihasilkan mengandung heteroskedastisitas yaitu untuk variabel INTEREST DAN IHK

3. Uji Autokorelasi

Autokorelasi menunjukkan bahwa ada korelasi antara error dengan error periode sebelumnya dimana pada asumsi klasik hal ini tidak boleh terjadi. Permasalahan autokorelasi hanya relevan digunakan jika data yang dipakai adalah data time series sedangkan untuk data cross-section tidak perlu dilakukan.Pengujian dilakukan dengan menggunakan Durbin Watson Langkah-langkah pengujian autokorelasi dilakukan sebagai berikut :Ho : tidak ada autokorelasi


8-14


Ha : ada autokorelasi

Hasil perhitungan pengujian autokelasi setelah perbaikan mengahasilkan nilai DW statistic sebesar 0,372( lihat print-out komputer). Dengan jumlah sample sebesar 60 (n = 60) sementara besarnya k (jumlah variable bebas) sebanyak 3 dengan alpha 0,01 diperoleh DW tabel sebesar DL = 1,317 dan DU = 1,520. Dari gambar berikut nilai DW statistik sebesar 0,372 berada pada daerah dimana terdapat autokorelasi positif Dengan semikian dapat disimpulkan bahwa model yang dihasilkan mengandung AUTOKORELASI.

Pengujian Model Goodness of fit Model (R2)

Dari hasil pengolahan Regresi Berganda diketahui bahwa koefisien determinasi R2 = 923 Artinya bahwa variasi dari variable independent (INTEREST, IHK, EER) mampu menjelaskan variasi dari variable dependent (BLUECHIP) sebesar 92,3%. Sedangkan sisanya (100% - 92,3% = 7.7%) adalah variasi dari variable independent lain yang mempengaruhi harga saham BLUECHIP tetapi tidak dimasukkan dalam model.

Uji F (uji serentak)

ANOVAb

385015.0 3 128338.350 223.802 .000a

32112.942 56 573.445

417128.0 59

Regression

Residual

Total

Model1

Sum ofSquares df Mean Square F Sig.



Uji F (Uji Serentak) digunakan untuk menguji apakah secara bersama-sama seluruh variable independent mempunyai pengaruh yang signifikan terhadap variable dependent.

Ho : b1 = b2 = b3

Secara bersama-sama seluruh variable independent (INETEREST, IHK, EER) tidak mempengaruhi variabel dependent harga saham


8-15

Auto +

Auto-

-Inconclusive Inconclusive

Tidak ada auto

0 dl1,317

du1,520

2 4-du2,480

4-dl2,683

4

DW stat0,372


Ha : b1 b2 b3 Secara bersama-sama seluruh variable independent (TAK dan LAK) mempunyai pengaruh yang signifikan terhadap variabel dependent harga saham.

Dasar pengambilan keputusan: Jika sig. F statistik < 0.05 signifikan secara statistik, maka Ho ditolak Jika sig. F statistik > 0.05 tidak signifikan secara statistik, maka Ho diterima

Dari uji Anova diketahui F hitung sebesar 223,802 dengan tingkat signifikansi 0.000 (sig. F stat < 0.05) maka Ho ditolak (Ha diterima) sehingga terbukti secara bersama-sama seluruh variable independent (INTEREST, IHK, EER) mempunyai pengaruh yang signifikan terhdap variabel dependent harga saham BLUECHIP

Uji-t (Uji Individu)

Uji individu (uji-t) digunakan untuk menguji pengaruh dari masing-masing variabel independen terhadap variabel dependen.

Pengujian ini dilakukan untuk menguji apakah secara individu (masing-masing) variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependennya. Adapun langkah-langkah pengujian Uji test adalah pengujian koefisien regresi masng-masing variable independen terhadap variable dependen untuk mengetahui seberapa besar pengaruh variable independent terhadap variabel dependen.

Hipotesis yang diajukan UNTUK INTERESTHo : b1 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIPHa : b1 < 0, artinya INTEREST berpengaruh negatif terhadap harga saham BLUECHIPUntuk pengaruh dari INTEREST tanda koefisien yang dihasilkan sesuai dengan teori yaitu memiliki tanda negatif yang jika INTEREST naik maka Harga saham juga akan turun atau sebaliknya. Namun dengan nilai t-statistik -2,258 < t-tabel sebesar 1,65 (t0,05, df 60-4) maka dapat disimpulkan bahwa pengaruh negatif dari INTEREST SIGNIFIKAN. Jadi terbukti bahwa INTEREST BERPENGARUH SIGNIFIKAN TERHADAP HARGA SAHAM BLUECHIP

Hipotesis yang diajukan untuk IHK Ho : b2 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIPHa : b2 < 0, artinya IHK berpengaruh negatif terhadap harga saham BLUECHIPUntuk pengaruh dari IHK tanda koefisien yang dihasilkan tidak sesuai dengan teori yaitu memiliki tanda positif 4,824 padahal seharusnya negatif (semakin tinggi IHK maka harga saham BLUECHIP akan turun atau sebaliknya). Jadi walaupun nilai t-statistiknya besar yaitu 19,705 namun tandanya positif sehingga Ho tetap diterima (tidak signifikan) atau Ho diterima

Hipotesis yang diajukan untuk EER Ho : b3 = 0 Artinya INTEREST tidak mempengaruhi harga saham BLUECHIPHa : b3 > 0, artinya EER berpengaruh positif terhadap harga saham BLUECHIP (DEPRESIASI menyebabkan harga saham BLUECHIP naik atau sebaliknya dengan asumsi bahwa depresiasi berarti barang dalam negeri jadi lebih murah sehingga investasi menarik). Untuk pengaruh dari EER tanda koefisien yang dihasilkan sesuai dengan teori yaitu memiliki tanda positif 0,014 . Dengan nilai tstatistik 2,051 > ttabel 1,65 maka Ho ditolak (Ha diterima) maka terbukti bahwa EER berpengaruh signifikan terhadap harga saham BLUECHIP


8-16


Coefficientsa

-470.532 56.989 -8.257 .000

-2.440 1.082 -.094 -2.256 .028 .792 1.262

4.824 .245 .870 19.705 .000 .705 1.419

.014 .007 .089 2.051 .045 .724 1.382

(Constant)

INTEREST

IHK

EER

Model1

B Std. Error


Beta


t Sig. Tolerance VIF

Collinearity Statistics



8-17


Hipotesis penelitian diuji dengan menggunakan analisis regresi berganda yang dinyatakan dengan persamaan sebagai berikut (data file kasus 8.2)

Y = b0 +b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + eDimana :

Y = harga saham industri food and beverage X1 = Inventory turnover (perputaran persediaan) X2 = Assets turnover (perputaran aktiva)X3 = Return on Assets (ROA)X4 = Debt to equity ratioX5 = Debt to assets ratioX6 = Price earning ratioX7 = Price to book value

Pertanyaan :Lakukan pengujian asumsi klasik (multikolinearitas, autokorelasi dan heteroskedastisitas) serta pengujian hipotesis teori (uji R², Ujji-F dan Uji-t) untuk kasus data diatas.


8-18

PRAKTIKUM 8

Documents

Transcript of PRAKTIKUM 8