Tugas Kuliah Analisis Regresi

7/25/2019 Tugas Kuliah Analisis Regresi

1/25

TUGAS KULIAH ANALISIS REGRESI

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRICE EARNING

RATIO SAHAM-SAHAM PERUSAHAAN YANG TERDAFTAR DI BURSA EFEK

JAKARTA

Oleh:

Febbi Mei!"!#i

G$%$&''$(

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

)'$*


2/25

Daftar IsiPENDAHULUAN 1

Latar Belakang 1

Tujuan 1

TINJAUAN PUSTAKA 1

Regresi Linear Berganda 1

Uji Asumsi Klasik 2

Uji Asumsi Multikolinearitas 2

Uji Asumsi Heteroskedastisitas 2

Uji Asumsi Autokorelasi 2

Uji Asumsi Normalitas2

BAHAN DAN METODE 3

Metode Pengumpulan Data

Metode Pengola!an Data

HASIL DAN PEMBAHASAN 4

Persamaan Regresi dan "nterpretasin#a $

Pengujian Asumsi1%

Pemili!an Model Regresi Ter&aik 1

SIMPULAN 16

DAFTAR PUSTAKA 16

LAMPIRAN 16

2


3/25

PENDAHULUAN

Latar Belaa!"

Analisis regresi merupakan alat statistika #ang meman'aatkan

!u&ungan antara dua atau le&i! peu&a! kuantitati' se!ingga sala!satu peu&a! dapat diramalkan dari peu&a! lainn#a( Analisis terse&ut

&ertujuan untuk mengeta!ui !u&ungan antara )aria&el penjelas dan

)aria&el terikat( Dalam analisis regresi* )aria&el #ang mempengaru!i

dise&ut Independent Variable +)aria&el &e&as, dan )aria&el #ang

dipengaru!i dise&ut Dependent Variable +)aria&el terikat,( -ika dalam

persamaan regresi !an#a terdapat satu )aria&el &e&as dan satu

)aria&el terikat* maka selanjutn#a dise&ut regresi linear seder!ana*

sedangkan jika )aria&el &e&asn#a le&i! dari satu* maka selanjutn#a

dise&ut se&agai regresi linear &eganda(

Umumn#a* satu )aria&el terikat tidak !an#a dipengaru!i ole!

satu peu&a! penjelas.&e&as( Maka dari itu* regresi linear &erganda

seringkali dimodelkan untuk men#elesaikan kasus ini( Pada penulisan

makala! ini* akan di&a!as &agaimana penerapan analisis regresi

&erganda pada studi kasus 'aktor/'aktor #ang mempengaru!i Pri0e

arning Ratio sa!am/sa!am perusa!aan #ang terda'tar di &ursa e'ek

-akarta(

T#$#a!

Tujuan dari penulisan makala! ini adala! untuk mengeta!ui

penerapan analisis regresi &erganda dan menentukan model ter&aik

pada kasus 'aktor/'aktor #ang mempengaru!i Pri0e arning Ratio

sa!am/sa!am perusa!aan #ang terda'tar di &ursa e'ek -akarta( elain

itu* penulisan makala! ini disusun untuk memenu!i tugas ak!ir mata

kulia! Analisis Regresi +TK1,(

TINJAUN PUSTAKA

Re"resi Li!ear Ber"a!%a %a! K&relasi

Regresi linear &erganda adala! regresi di mana )aria&elterikatn#a +3, di!u&ungkan atau dijelaskan le&i! dari satu )aria&el*mungkin dua* tiga dan seterusn#a )aria&el &e&as +41 * 42 * 4 * 5* 4n,namun masi! menunjukkan diagram !u&ungan #ang linier(Penam&a!an )aria&el &e&as ini di!arapkan dapat le&i! menjelaskankarakteristik !u&ungan #ang ada 6alaupun masi! saja ada )aria&el#ang tera&aikan( -ika se&ua! )aria&el terikat di!u&ungkan dengan n

1


4/25

)aria&el &e&as maka dugaan persamaan regresi linier&ergandan#adituliskan 7

y=0+

1X

1+

2X

2++nXn

Korelasi &erganda merupakan alat ukur mengenai !u&ungan

#ang tejadi antaara )aria&el terikat +3, dengan dua atau le&i! )aria&el&e&as +41* 42* 4* 5* 4n,( Dengan analisis korelasi &erganda* keeratanatau kuat tidakn#a !u&ungan +kuat* lema! atau tidak ada !u&ungansama sekali, antara )aria&el/)aria&el terse&ut dapat diketa!ui(Keeratan !u&ungan ini din#atakan dengan istila! koe8sienkorelasi(Koe8sien korelasi &erganda merupakan indeks atau angka#ang digunakan untuk mengukur keeratan !u&ungan antara tiga)aria&el atau le&i!(

U$i As#'si Klasi

1( U$i As#'si M#lti&li!earitasUji asumsi multikolinearitas &ertujuan untuk menguji

apaka! dalam model regresi ditemukan kolinearitas #ang tinggiantar peu&a! &e&as( Multikolinearitas dapat dideteksi melaluinilai toleransi dan Variance Infation Factor +9":,( Apa&ila nilaitoleransi mendekati 1 dan 9": &erada disekitar angka 1* makaregresi &e&as dari multikolinearitas +antoso* 2%%%,(

)( U$i As#'si H&'&se%astisitasUji asumsi !omoskedastisitas &ertujuan untuk menguji

apaka! dalam model regresi linear terjadi ketidaksamaan ragamdari residual satu pengamatan ke residual pengamatan #anglainn#a( Dara pengam&ilan keputusan ada atau tidakn#a!eteroskedastisitas* se&agai &erikut 7

a -ika ada pola tertentu seperti titik titik #ang adamem&entuk suatu pola literatur +&ergelom&ang*mele&ar* kemudian men#empit,* maka terjadi!eteroskedastisitas

& -ika tidak ada pola tertentu #ang jelas serta titik/titikmen#e&ar di atas dan di &a6a! angka % pada sum&u 3*maka tidak terjadi !eteroskedastisitas(

0 Dengan menggunakan uji 'ormal* melalu uji Bartlettdapat juga diperiksa ke!omogenan ragamn#a

3( U$i As#'si A#t&&relasiUji asusmi autokorelasi &ertujuan untuk menguji apaka!

dalam suatu model regresi linear terdapat korelasi antar anggotasampel #ang diurutkan &erdasarkan 6aktu( Untuk mendiagnosisadan#a autokorelasi dalam suatu model regresi* maka dilakukan

2


5/25

pengujian ter!adap nilai uji Dur&in/;atson +antoso* 2%%%,(Pengam&ilan keputusan ada atau tidakn#a autokorelasi* se&agai&erikut 7

a -ika nilai Dur&in/;atson kurang dari /2* &erarti adaautokorelasi

& -ika nilai Dur&in/;atson diantara /2 sampai


6/25

kuadrat terke0il +MKT, atau dikenal juga dengan metode ordinary leastsquare+>L,( Agar penduga &agi parameter regresi #ang didapatkandengan menggunakan MKT merupakan penduga #ang &aik makasisaan atau galat !arus memenu!i asumsi ?auss/Marko) &erikut ini7

1 E [ i ]=0 +nilai !arapan.rataan sisaan @ %,

2 E [i2 ]=2 +ragam sisaan !omogen untuk setiap nilai

peu&a! penjelas,

E [ i j ]=0, i j +sisaan saling &e&as satu sama lain,

etela! kondisi/kondisi terse&ut terpenu!i* langka! selanjutn#aadala! melakukan analisis regresi linier &erganda ter!adap data #angdimiliki* melalui serangkaian proses per!itungan akan diperole!dugaan persamaan regresi &agi peu&a! terikat +3,( Nilai dugaan &agi diperole! dengan menggunakan metode jumla! kuadrat terke0il* #aitu

dengan meminimumkan i=1

n

i2 +-umla! Kuadrat isaan,(

elain diperole! dugaan persamaan regresi* akan diperole! jugaAN>9A +ta&el sidik ragam, dan !asil serangkaian pengujian ter!adapdugaan parameter regresi +uji/t dan uji/:,( Melalui !asil pengujianterse&ut dapat dili!at peu&a! penjelas mana saja #ang &erpengaru!+p/)alue tara' n#ata #ang digunakan, ter!adap peu&a! teriat +3,*&aik itu pengaru! se0ara parsial atau indi)idu +uji/t, maupun pengaru!se0ara simultan atau &ersamaan +uji/:,(

Perlu diper!atikan juga adan#a multikolinieritas antar peu&a!penjelas* multikolinieritas #ang tinggi dapat mengaki&atkankesimpulan #ang di!asilkan tidak sesuai dengan ken#ataan( Denganadan#a multikolinearitas #ang tinggi* akan mengaki&atkanoverestimate ter!adap penduga #ang diperole! meskipun tetap tak&ias( Multikolinieritas dapat dili!at dari nilai 9arian0e "nCation :a0tor+9":,( -ika nilai 9": le&i! dari * !al ini mengindikasikan adan#amultikolinearitas +9":E,

HASIL DAN PEMBAHASAN

Persa'aa! Re"resi %a! I!ter*retasi!,a

Prosedur pengola!an data Dari !asil operasionalisasi )aria&el#ang akan diuji* nilai )aria&el terse&ut dimasukan dengan programMinitab 16 Statistical Sotware. Untuk mengeta!ui pengaru! masing/masing )aria&el #ang diteliti ter!adap rice !arnin" #atio +PR, makagunakan model regresi linier &erganda(

Regression Analysis: PER in versus g Salesn; g ROEn; ...

$


7/25

The regression equation is

PER in = 15,3 + 0,0943 g Salesn - 0,0834 g ROEn + 0,08! "PRn - 0,40 S#$n

+ 0,00%!0 g "ERn + 0,013 g RO$n

Pre&i'tor (oe) SE (oe) T P

(onstant 15,304 3,404 4,50 0,000

g Salesn 0,09433 0,03%95 !,55 0,01!

g ROEn -0,08339 0,01!%4 -%,%0 0,000

"PRn 0,08!1 0,0114! %,85 0,000

S#$n -0,403 0,!4% -3,00 0,003

g "ERn 0,00%!03 0,008%8! 0,1 0,4

g RO$n 0,01310 0,00%!0 11,3 0,000

S = ,03494 R-Sq = %5,4* R-Sqa& = %3,4*

.nal/sis o) arian'e

Sour'e " SS 2S P

Regression % 94%!,! 15,0 31,8 0,000

Resi&ual Error 101 4998,5 49,5

Total 10 144%0,8

Sour'e " Seq SS

g Salesn 1 1!1,

g ROEn 1 30,4

"PRn 1 !83,4

S#$n 1 1!4,1

g "ERn 1 0,1

g RO$n 1 %40!,%

nusual Oserations

Os g Salesn PER in it SE it Resi&ual St Resi& 1 !4,! !!,590 ,19 1,044 15,411 !,!!R

11 -9,3 !,930 9,955 %,0% -,0!5 -3,31R6

30 -1!,0 !5,390 10,589 1,55 14,801 !,1%R

3% 13,0 !9,00 11,198 1,438 1,8! !,%0R

3 1,! !8,500 10,0%% 1,0! 18,434 !,%5R

58 33,3 9%,%10 93,%!! %,934 !,988 !,51R6

59 -1%,4 31,180 9,840 1,441 !1,340 3,10R

%8 %,8 4%,8!0 43,30 5,05% 3,513 0,! 6

8 18,1 !,10 8,38 1,34% 18,43! !,%R

88 38,5 3!,!80 8,155 !,91 !4,1!5 3,4R

101 31, !8,490 11,88 1,!%! 1%,0! !,41R

10! !1, 9,890 %,1!1 3,350 3,%9 0,%1 6

R &enotes an oseration 7ith a large stan&ar&ie& resi&ual

6 &enotes an oseration 7hose 6 alue gies it large leerage

M&%el Re"resi

PER0+

1gSalesn

20,0834 g ROEn+

3DPRn

4SBIn+

5g DERn+

6g ROIn+

Ketera!"a!-


8/25

PR in @ rice !arnin" #atiosa!am pada ta!un ke/n

0 @ "ntersep

g alesn @ Pertum&u!an penjualan pada ta!un ke/n

g R>n @ Pertum&u!an #eturn on !quity pada ta$un %e&n

DPRn @ Dividend ayout #atiopada ta!un ke/n

B"n @ Tingkat suku &unga erti8kat Bank "ndonesia pada ta!un ke/n

g DRn @ Pertum&u!an Debt to !quity #atiopada ta!un ke/n

g R>"n @ Pertum&u!an #eturn 'n Investmentpada ta!un ke/n

1

, 2

, 3

, 4

, 5

, 6 @ Koe8sien )aria&el penjelas

@ tandar error

Persa'aa! Re"resi

PER15,3+0,0943 gSalesn0,0834 g ROEn+0,0782DPRn0,740SBIn+0,00620g DERn+0,07

I!ter*retasi-

1./3 @ Besarn#a rice !arnin" #atio saat pertum&u!an penjualan*

pertum&u!an #eturn on !quity* Dividend ayout #atio* tingkat suku

&unga erti8kat Bank "ndonesia* pertum&u!an Debt to !quity #atio*

dan pertum&u!an #eturn 'n Investment sama dengan nol adala!

se&esar 1%*$F(

0/043@ -ika pertum&u!an penjualan naik 1%%F maka &esarn#a rata/

rata rice !arnin" #atio akan naik se&esar G*$F dengan asumsipertum&u!an #eturn on !quity* Dividend ayout #atio* tingkat suku

&unga erti8kat Bank "ndonesia* pertum&u!an Debt to !quity #atio*

dan pertum&u!an #eturn 'n Investmentkonstan(

20/034 @ -ika pertum&u!an #eturn on !quity naik 1%%F maka

&esarn#a rata/rata rice !arnin" #atio akan turun se&esar *$F

dengan asumsi pertum&u!an penjualan* Dividend ayout #atio* tingkat

=


9/25

suku &unga erti8kat Bank "ndonesia* pertum&u!an Debt to !quity

#atio* dan pertum&u!an #eturn 'n InvestmentkonstanI

0/0)@ -ika Dividend ayout #ationaik 1%%F maka &esarn#a rata/

rata rice !arnin" #atio akan naik se&esar J*2F dengan asumsi

pertum&u!an penjualan* pertum&u!an #eturn on !quity* tingkat suku&unga erti8kat Bank "ndonesia* pertum&u!an Debt to !quity #atio*

dan pertum&u!an #eturn 'n InvestmentkonstanI

20/40@ -ika tingkat suku &unga erti8kat Bank "ndonesia naik 1%%F

maka &esarn#a rata/rata rice !arnin" #atioakan turun se&esar J*$%F

dengan asumsi pertum&u!an penjualan* pertum&u!an #eturn on

!quity* Dividend ayout #atio* pertum&u!an Debt to !quity #atio* dan

pertum&u!an #eturn 'n InvestmentkonstanI

0/006)0@ -ika pertum&u!an Debt to !quity #ationaik 1%%F maka&esarn#a rata/rata rice !arnin" #atio akan naik se&esar %*=2F


!quity* Dividend ayout #atio* tingkat suku &unga erti8kat Bank

"ndonesia* dan pertum&u!an #eturn 'n InvestmentkonstanI

0/013@ -ika pertum&u!an #eturn 'n Investmentnaik 1%%F maka

&esarn#a rata/rata rice !arnin" #atio akan naik se&esar J*1F


!quity* Dividend ayout #atio* tingkat suku &unga erti8kat Bank

"ndonesia* dan pertum&u!an Debt to !quity #atio(

U$i f

Uji ' digunakan untuk mengeta!ui pengaru! se0ara keseluru!an dari)aria&el/)aria&el penjelas ter!adap )aria&el responn#a( Langka!/langka! pengujiann#a se&agai &erikut7

a( Mem&uat 'ormulasi uji !ipotesisH%7 1@ 2@ @ $@ @ =@ % +tidak ada pengaru! #angsigni8kan antara pertum&u!an penjualan* pertum&u!an #eturn'n !quity* Dividend ayout #atio( tingkat suku &unga erti8kat

Bank "ndonesia* pertum&u!an Debt to !quity #atio( danpertum&u!an #eturn 'n Investment se0ara keseluru!anter!adap rice !arnin" #atio,

H17 minimal ada satu i % +ada pengaru! #ang signi8kan antarapertum&u!an penjualan* pertum&u!an #eturn on !quity*Dividend ayout #atio( tingkat suku &unga erti8kat Bank"ndonesia* pertum&u!an Debt to !quity #atio( dan pertum&u!an

J


10/25

#eturn 'n Investment se0ara keseluru!an ter!adap rice!arnin" #atio,

&( Menentukan &esarn#a untuk mengeta!ui tingkat signi'ikansi!asil pengola!an data( Nilai ditetapkan se&esar F atau selang

keper0a#aan GF0( Meng!itung nilai 'd( Mem&uat kriteria pengujian !ipotesis

H%ditolak &ila7&value ) * +* , -(-/

Dengan menggunakan AN>9A* kita dapat mengeta!ui !asil dari uji '(Berikut ini AN>9A #ang didapat dari output program Minitab 16Statistical Sotware7

.nal/sis o) arian'e

Sour'e " SS 2S P

Regression % 94%!,! 15,0 31,8 0,000

Resi&ual Error 101 4998,5 49,5

Total 10 144%0,8

P/)alue #ang didapat adala! %*%%%( Artin#a* H%ditolak(

-adi* 0ukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara pertum&u!an penjualan* pertum&u!an #eturn on!quity* Dividend ayout #atio( tingkat suku &unga erti8kat Bank"ndonesia* pertum&u!an Debt to !quity #atio( dan pertum&u!an#eturn 'n Investment se0ara keseluru!an ter!adap rice !arnin" #atiopada tara' n#ata F(

K&e5sie! Deter'i!asi

S = ,03494 R-Sq = %5,4* R-Sqa& = %3,4*

Berdasarkan output program Minitab 16 Statistical Sotware( koe8siendeterminasin#a =*$F(

"nterpretasi7 Keragaman Pri0e arning Ratio #ang dapat dijelaskan ole!pertum&u!an penjualan* pertum&u!an #eturn on !quity* Dividendayout #atio( tingkat suku &unga erti8kat Bank "ndonesia*

pertum&u!an Debt to !quity #atio( dan pertum&u!an #eturn 'nInvestment !an#a =*$F* sisan#a $*=F dijelaskan )aria&el lain #angtidak dijelaskan ole! model(

U$i tUji t digunakan untuk mengeta!ui koe8sien regresi se0ara parsial dari)aria&el penjelas ter!adap )aria&el respon( Langka!/langka! pengujianadala! se&agai &erikut7


11/25

a( Mem&uat 'ormulasi uji !ipotesis1( :aktor pertum&u!an penjualan

H%7 1 @ % +tidak ada pengaru! signi8kan 'aktorpertum&u!an penjualanter!adap rice !arnin" #atio,

H17 1 % +ada pengaru! signi8kan 'aktor pertum&u!anpenjualanter!adap rice !arnin" #atio,

0. :aktor pertum&u!an #eturn on !quityH%7 2 @ % +tidak ada pengaru! signi8kan 'aktorpertum&u!an #eturn on !quity ter!adap rice !arnin"#atio,

H17 2 % +ada pengaru! signi8kan 'aktor pertum&u!an#eturn on !quity ter!adap rice !arnin" #atio,

( :aktor Di)idend Pa#out RatioH%7 @ % +tidak ada pengaru! signi8kan 'aktor Dividendayout #atio ter!adap rice !arnin" #atio,

H17 % +ada pengaru! signi8kan 'aktor Dividend ayout#atio ter!adap rice !arnin" #atio,

$( :aktor tingkat suku &unga erti8kat Bank "ndonesiaH%7 $ @ % +tidak ada pengaru! signi8kan 'aktor tingkatsuku &unga erti8kat Bank "ndonesia ter!adap rice!arnin" #atio,

H17 $ % +ada pengaru! signi8kan 'aktor tingkat suku&unga erti8kat Bank "ndonesia ter!adap rice !arnin"#atio,

( :aktor pertum&u!an Debt to !quity #atioH%7 @ % +tidak ada pengaru! signi8kan 'aktorpertum&u!an Debt to !quity #atio ter!adap rice !arnin"#atio,

H17 % +ada pengaru! signi8kan 'aktor pertum&u!an

Debt to !quity #atio ter!adap rice !arnin" #atio,

=( :aktor pertum&u!an #eturn 'n InvestmentH%7 = @ % +tidak ada pengaru! signi8kan 'aktorpertum&u!an #eturn 'n Investment ter!adap rice!arnin" #atio,

G


12/25

H17 = % +ada pengaru! signi8kan 'aktor pertum&u!an#eturn 'n Investment ter!adap rice !arnin" #atio,

&( Menentukan &esarn#a untuk mengeta!ui tingkat signi'ikansi!asil pengola!an data( Nilai ditetapkan se&esar F(

0( Meng!itung nilai t

d( Mem&uat kriteria pengujian !ipotesisH%ditolak &ila7&value ) * +* , -(-/

Berikut ini output #ang didapat dari program Minitab 16 StatisticalSotware7

Pre&i'tor (oe) SE (oe) T P

(onstant 15,304 3,404 4,50 0,000

g Salesn 0,09433 0,03%95 !,55 0,01!

g ROEn -0,08339 0,01!%4 -%,%0 0,000

"PRn 0,08!1 0,0114! %,85 0,000

S#$n -0,403 0,!4% -3,00 0,003

g "ERn 0,00%!03 0,008%8! 0,1 0,4

g RO$n 0,01310 0,00%!0 11,3 0,000

Kesimpulann#a*1( :aktor pertum&u!an penjualan

ukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara pertum&u!an penjualan ter!adap rice !arnin"#atio pada tara' n#ata F(

2( :aktor pertum&u!an #eturn on !quityukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara pertum&u!an #eturn on !quity ter!adap rice!arnin" #atio pada tara' n#ata F(

( :aktor Dividend ayout #atioukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara Dividend ayout #atio ter!adap rice !arnin"#atio pada tara' n#ata F(

$( :aktor tingkat suku &unga erti8kat Bank "ndonesiaukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara tingkat suku &unga erti8kat Bank "ndonesiater!adap rice !arnin" #atio pada tara' n#ata F(

( :aktor pertum&u!an Debt to !quity #atioukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara pertum&u!an Debt to !quity #atio ter!adaprice !arnin" #atio pada tara' n#ata F(

=( :aktor pertum&u!an #eturn 'n Investment

1%


13/25

ukup &ukti untuk men#atakan &a!6a ada pengaru! #angsigni8kan antara pertum&u!an #eturn 'n Investment ter!adaprice !arnin" #atio pada tara' n#ata F(

K&e5sie! Ba#

Koe8sien &aku digunakan untuk meli!at &esarn#a kontri&usi )aria&el

penjelas ke/i ter!adap )aria&el respon(

Sour'e " Seq SS

g Salesn 1 1!1,

g ROEn 1 30,4

"PRn 1 !83,4

S#$n 1 1!4,1

g "ERn 1 0,1

g RO$n 1 %40!,%

Berdasarkan output Minita&* dapat disimpulkan &a!6a )aria&el

penjelas #ang memiliki kontri&usi ter&esar ter!adap rice !arnin"

#atio adala! pertum&u!an #eturn on Investment* #aitu jika

pertum&u!an #eturn on Investment naik se&esar 1 standar de)iasi

maka rice !arnin" #atioakan naik se&esar =$%2*= standar de)iasi(

Pe!"#$ia! As#'si

U$i as#'si %e!"a! es*l&rasi

11


14/25

2%1%%/1%/2%

GG*G

GG

G%

D%

1%

1

%*1

Resi%#al

Per6e

!t

H%=%$%2%%

2%

1%

%

/1%

Fitte% 7al#e

Resi%#

al

2D2%1D1%D%/D/1%

2%

1D

1%

D

%

Resi%#al

Fr

e8#e!6,

1%%G%H%J%=%D%$%%2%1%1

2%

1%

%

/1%

O9ser:ati&! Or%er

R

esi%#al

N&r'al Pr&9a9ilit, Pl&t 7ers#s Fits

Hist&"ra' 7ers#s Or%er

Resi%#al Pl&ts f&r PER i!

Karena dengan eksplorasi &elum meng!asilkan kesimpulan #ang jelas*

maka dilakukan uji 'ormal(

$ Pe+e,i.!!/ Ke+0h01e/!/ R!1!+ 2H0+0.e!.#i.i#!.3

!ari plotversus fitsdapat dilihat te"aran dari sisaan #ehomogenan ragam

terlihat dari le"ar pita yang tidak sama "esar dengan titik tengah $ %e"ar dari $ keatas yaitu &$ sedangkan ke "a'ah yaitu ($ Pada gam"ar terse"ut terlihat "ah'a

te"aran plot kurang menye"ar seim"ang dengan le"ar pita yang tidak sama "esar)maka "elum dapat dikatakan ragam sisaan homogen *ntuk mengecek

kehomogenan ragamnya) dapat dengan dilakukan u+i ,le+ser dengan hipotesis

se"agai "erikut.$ Ragam sisaan homogen

.( Ragam sisaan tidak homogen

*+i yang dilakukan yaitu) memutlakkan nilai residual yang didapat ketikameregresikan / dengan 0 1aria"el "e"as #emudian nilai mutlak residual ini

diregresikan dengan 0 1aria"el "e"asBerikut output minita"nya

.nal/sis o) arian'e

Sour'e " SS 2S P

Regression % 49,4 8,!4 0,38 0,891

Resi&ual Error 101 !!00,0% !1,8

Total 10 !!49,5!

12


15/25

!ari ta"el sidik ragam di atas) terlihat "ah'a nilai-p yang dihasilkan yaitu

$23( 4ilai-P yang dihasilkan 5 6 7$$89) maka keputusannya tak tolak .$

#esimpulannya) cukup "ukti untuk menyatakan "ah'a ragam sisaan homogenpada taraf nyata 8:

) Pe+e,i.!!/ Ke/0,+!l!/ Si.!!/Pemeriksaan kenormalan sisaan dapat dilihat pada gam"ar normal

probability plot of the residuals Sisaan dikatakan menye"ar normal "ila te"aran

data menghampiri garis lurus mengikuti garis diagonal *ntuk le"ih meyakinkandapat digunakan u+i Formal yaitu salah satunya u+i #olmogoro1-Smirno1

.ipotesis yang digunakan adalah

.$ Sisaan menye"ar normal

.( Sisaan tidak menye"ar normalBerikut output yang dihasilkan oleh soft'are Minita"

2D2%1D1%D%/D/1%

GG*G

GG

G

G%

H%

J%=%%$%%

2%

1%

1

%*1

RESI1

Per6e!t

Mean *%$

tDe) $*H

N 1%H

K %*1$

P/9alue B%*%1%

Pr&9a9ilit, Pl&t &f RESI1Normal

Pada gam"ar di atas) terlihat nilai-p yang dihasilkan yaitu $$($ 4ilai-pini ; 6 7$$89 sehingga keputusannya tolak .$ #esimpulannya) tidak cukup "ukti

untuk menyatakan "ah'a sisaan menye"ar normal pada taraf nyata 8:,unakan transformasi Bo


16/25

21%/1

2%

1D

1%

D

La'9%a

StDe:

Lo6er ML Upper ML

Limit

stimate %*2HLo6er ML %*11

Upper ML %*$D

Rounded 9alue %*2H

+using GD*%F 0on'iden0e,

Lam&da

B&;2


17/25

*ntuk memeriksa apakah terdapat multikolinearitas pada regresi "erganda)

dapat diperiksa melalui nilai Variance Inflation Factor 7?@F9 Berikut output yang

dihasilkan dari soft'are Minita"

The regression equation is

PER in = 15,3 + 0,0943 g Salesn - 0,0834 g ROEn + 0,08! "PRn - 0,40

S#$n + 0,00%!0 g "ERn + 0,013 g RO$n

Pre&i'tor (oe) SE (oe) T P $

(onstant 15,304 3,404 4,50 0,000

g Salesn 0,09433 0,03%95 !,55 0,01! 1,0%

g ROEn -0,08339 0,01!%4 -%,%0 0,000 1,559

"PRn 0,08!1 0,0114! %,85 0,000 1,0!9

S#$n -0,403 0,!4% -3,00 0,003 1,0%9

g "ERn 0,00%!03 0,008%8! 0,1 0,4 1,00

g RO$n 0,01310 0,00%!0 11,3 0,000 1,55

Terlihat dari output di atas) nilai ?@F yang dihasilnya tidak ada yang

mele"ihi 8 atau semua nilai ?@F kurang dari 8) sehingga dapat disimpulkan "ah'atidak ada multikolinearitas

Pe+ilih!/ M0el Re1,e.i Te,b!i

$ Forward selection

Metode ini "eker+a dengan menyeleksi satu persatu peu"ah yang dimasukan ke

dalam model secara "ertahap Berikut output yang dihasilkan soft'are Minita"

Stepwise Regression: PER in versus g Salesn; g ROEn; ...

or7ar& sele'tion .lha-to-Enter? 0,05

Resonse is PER in on % re&i'tors, 7ith @ = 108

Ste 1 ! 3 4 5

(onstant 10,1%9 %,5%9 %,5! 14,9!8 15,38

g RO$n 0,0453 0,04%1 0,0%90 0,011 0,010

T-alue %,39 ,5 10,%0 11,09 11,38

P-alue 0,000 0,000 0,000 0,000 0,000

"PRn 0,085 0,05 0,05 0,08

T-alue %,!! %,!9 %,48 %,8

P-alue 0,000 0,000 0,000 0,000

g ROEn -0,09 -0,081 -0,083

T-alue -%,00 -%,!9 -%,%1

P-alue 0,000 0,000 0,000

S#$n -0,%1 -0,5

T-alue -!,48 -3,03

P-alue 0,015 0,003

g Salesn 0,094

T-alue !,5%

1


18/25

P-alue 0,01!

S 9,9! 8,5! ,38 ,!0 ,0!

R-Sq !,8! 4,!4 %0,8! %3,03 %5,!%

R-Sqa& !,14 4%,!4 59,%9 %1,59 %3,5%

2allo7s ( 10%,9 5!,! 14,5 10,0 5,5

utput di atas dihasilkan ketika Alpha-to-enter yang digunakan se"esar $$8

Terlihat "ah'a dari 0 peu"ah yang digunakan) terdapat 8 peu"ah yang signifikandan layak untuk dimasukan ke dalam model dengan S se"esar >$&) R-S 7ad+9

se"esar 0C80: dan =P-Mallo's se"esar 88 Saat Alpha-to-enter diganti men+adi

$( dan $(8 tetap ada 8 peu"ah yang signifikan sehingga dapat disimpulkan"ah'a model regresi yang ter"aik "erdasarkan metode for'ard selection didapat

dengan 8 peu"ah yaitu / D (8C>2 $$>($gR@n $$>2!PRn $$2CgREn

-$>8SB@n $$3GgSalesn

) Backward Elimination

%ain halnya dengan metode se"elumnya) backward elimination "eker+a dengancara menyisihkan peu"ah yang dianggap tidak layak untuk dimasukan ke dalam

model atau tidak signifikan terhadap taraf nyata pengu+ian Berikut output yang

dihasilkan dari soft'are Minita"Stepwise Regression: PER in versus g Salesn; g ROEn; ...

#a'A7ar& eli;ination .lha-to-Re;oe? 0,05


Ste 1 !

(onstant 15,30 15,38

g Salesn 0,094 0,094

T-alue !,55 !,5%

P-alue 0,01! 0,01!

g ROEn -0,083 -0,083

T-alue -%,%0 -%,%1

P-alue 0,000 0,000

"PRn 0,08 0,08

T-alue %,85 %,8

P-alue 0,000 0,000

S#$n -0,4 -0,5

T-alue -3,00 -3,03

P-alue 0,003 0,003

g "ERn 0,00%!

T-alue 0,1

P-alue 0,4

g RO$n 0,013 0,010

T-alue 11,3 11,38

P-alue 0,000 0,000

1=


19/25

S ,03 ,0!

R-Sq %5,43 %5,!%

R-Sqa& %3,38 %3,5%

2allo7s ( ,0 5,5

utput di atas dihasilkan dengan menggunakan nilai Alpha-to-remove se"esar

$$8 7disamakan dengan metode se"elumnya supaya dapat di"andingkan manayang ter"aik9 Model yang ter"aik ditun+ukan pada step & dengan kriteria S) R-S

7ad+9 dan =P-Mallo's yang ter"aik Model regresi ter"aik menurut metode ini

sama dengan metode for'ard selection yaitu / D (8C>2 $$>($gR@n $$>2!PRn $$2CgREn -$>8SB@n $$3GgSalesn

& Stepwise Method

Metode ini mengga"ungkan dua metode se"elumnya yaitustepwise selection danbackward elimination. Berikut output dari soft'are Minita"

Stepwise Regression: PER in versus g Salesn; g ROEn; ...

.lha-to-Enter? 0,05 .lha-to-Re;oe? 0,05


Ste 1 ! 3 4 5

(onstant 10,1%9 %,5%9 %,5! 14,9!8 15,38

g RO$n 0,0453 0,04%1 0,0%90 0,011 0,010

T-alue %,39 ,5 10,%0 11,09 11,38

P-alue 0,000 0,000 0,000 0,000 0,000

"PRn 0,085 0,05 0,05 0,08

T-alue %,!! %,!9 %,48 %,8

P-alue 0,000 0,000 0,000 0,000

g ROEn -0,09 -0,081 -0,083

T-alue -%,00 -%,!9 -%,%1

P-alue 0,000 0,000 0,000

S#$n -0,%1 -0,5

T-alue -!,48 -3,03

P-alue 0,015 0,003

g Salesn 0,094

T-alue !,5%

P-alue 0,01!

S 9,9! 8,5! ,38 ,!0 ,0!

R-Sq !,8! 4,!4 %0,8! %3,03 %5,!%R-Sqa& !,14 4%,!4 59,%9 %1,59 %3,5%

2allo7s ( 10%,9 5!,! 14,5 10,0 5,5

utput yang dihasilkan metode ini pun sama dengan dua metode se"elumnya

sehingga dapat disimpulkan "ah'a model regresi yang ter"aik didapat dengan 8

peu"ah yaitu / D (8C>2 $$>($gR@n $$>2!PRn $$2CgREn -$>8SB@n $$3GgSalesn

1J


20/25

SIMPULANSetelah dilakukan "er"agai analisis untuk mencari model regresi yang ter"aik)

maka dapat disimpulkan "ah'a dengan menggunakan metodestepwise7regresi "ertatar9

kita telah mendapatkan model regresi yang ter"aik Model ter"aik yang didapatkan yaitu/ D (8C>2 $$>($gR@n $$>2!PRn $$2CgREn -$>8SB@n $$3GgSalesn

Model ter"aik ini dipilih "erdasarkan kriteria-kriteria tertentu) diantaranya memiliki nilaiS yang rendah) R-S 7ad+9 yang tinggi) serta nilai =P-Mallo's yang mendekati

"anyaknya parameter

DAFTAR PUSTAKA

!raper 4R) Smith . (33& Analisis Regresi Terapan Edisi ke-& Sumantri B)

pener+emah Jakarta ,ramedia Pustaka

#halid) A"dul &$$0 Analisis faktor-faktor yang mempengaruhi price earning ratio

saham-saham perusahaan yang terdaftar di Bursa Efek Jakarta HskripsiI /ogyakarta

7@!9 *ni1ersitas @slam @ndonesia

Santoso) S &$$$ ! "engolah #ata tatistik ecara !rofesional. PT Ele< Media

#omputindo +akarta

LAMPIRAN


21/25

1J 12*$$ $* 2*J$ 1$* 1G*J /*2 J*%2

1 * /2*J2 $*1 G*G /1*2G /2*1 12*2

1G 12*1 /1%*$G 2*=1 1=*=2 /2$*1 1*J= *G

2% /$* /22*G2 J=*J2 1$* /11*=G /1*= =*1

21 *JJ 11* J*% G*G 1J*= $*= J*$J

22 2%*%G /%*= 2J*= 1=*=2 /1=* /2$*GG J*GJ2 1=*2 /1*G 2J*== 1$* /J*1 /12*G J*=

2$ 1%* /22*%1 1*G G*G /1*=G /21*$ 1$*2

2 $%*2 /1*$= 11*J 1=*=2 $*%J /1*1$ 1*%J

2= J* G*G$ 1*$= 1$* /%*$J =*= G*G=

2J / /2$*%G * G*G /1*$ /1*G2 1$*1

2 1G*11 /G*=J 21*22 1=*=2 *G2 /11*2 $*%

2G $*22 /2*J= J*1$ 1$* /$2*1$ %*$$ G*2

% /11*G= /=*G$ 2*G G*G /$2*G /$* 2*G

1 1%*= /12*%1 %*J2 1=*=2 /1$*G /=*= 2*J

2 %*G /2J*= %*G1 1$* /2*%J /1G*1$ $*% /%*J /%*%$ 21*J1 G*G 1$*= /2* *1

$ 2=*= =J*2$ 2$*=G 1=*=2 /* J*% *2

J*1 /=%*GG 2%*% 1$* 2*2G /==*= J*22

= 1 /=1*%2 2%*$ G*G =*J /J1* 2G*%J

J 1J*2$ /$1*G2 *G 1=*=2 /12*%= /*J 2*

/1*% /1%*$J12*2

$ 1$* /22*2G $*2 =*$

G J*$ /2J*G 2G*G G*G 2* /=*%G 1*$

$% /2*%J /J*$G =J* 1=*=2 /1*1 /$*12 *J

$1 /=*%G %*% *=G 1$* /2*J =*GG *

$2 *2 /2*1G 1%* G*G 1% /* G*J

$ 2=*JJ /*1 2* 1=*=2 /%*$ *1 2*1

$$ /1*= /JJ*= $*%2 1$* 12* /JJ*J G*

$ J*1 $*1G $2*1 G*G /*= $* =*2

$= 1*1 /=*=2 2=*=1 1=*=2 /2 % 2*==

$J 2$*GG /*11 %*== 1$* /11*J= /=*$ *2

$ *$ /*$2 J* G*G =*=J /$*= *2

$G =*2121*1

2 G*$J 1=*=2 /1*GG12*1

*JG

% /* /1%*=1 *J2 1$* /2* 1*21 1*J

1 J*%= /=$*$ 2*%J G*G /G*$= /=1* *%

2 2*1 =J*12 %*2= 1=*=2 /2=*%1%*=

= $*

$ /1=*= %* 1$* /$* 2=* =*%$

$ 1J*%= 2%*1 %* G*G /21*=J =*$ 12*GJ

$%* /GJ*21 $*J 1=*=2 2G*= /GJ*G 1*2

= /1=*22=*1

1=*J= 1$* /$G*=$%*2

1 *$$

1G


22/25

J 1G*12 /J*J$ $J*$$ G*G =* /%*JJ 1*G

* 2%*$J G2*J 1=*=2 /1*J11%*

G=*=1

G /1=*$ /2$*%1 =*= 1$* 2*% /2=*= 1*1

=% 11*1 1=*$1

1$*$

G G*G 2 1*%1 2J*=1 /%*1 =* %*1G 1=*=2 /$=*G 1$%*2 *G

=2 /1*=2 /2%*2J %*2 1$* /*= /2*$ $*%

= $*2J /2G*J %*1 G*G /1$*=J /2$*G1 *=J

=$ 1*%1 /=G*$ $1*G= 1=*=2 /1J*J$ /=J*1 1J*1

= /*%2 2$*G$ $%*$= 1$* /1*=G 1*2 11*J

== $* /*12 $1*2 G*G /=*G /2*J 1%*

=J 12* /1*= $2*J 1=*=2 /1*$1 /1*$= *=

= =*JJ /%$$*

1 1$* /$*2 /2* $=*2

=G *=J 1=*%2 G$*G G*G 1*2$ G*J J*1

J% 1*G$ /$*= 1G*2 1=*=2 1*11 /G* *G

J1 $ /2%*1G %*= 1$* /2%*JJ /J*1 *$1

J2 1%*$ /%*%= 2%* G*G 1*J1 /1=*=2 *%G

J $* *2 %*2= 1=*=2 /G G*$ =*G=

J$ G*2 1$*1 1G*1J 1$* /2$*1 *$ *

J 11*1 /*1= J*11 G*G /2%*2G J*J *J1

J= /J*%G /$* %*= 1=*=2 /1*GG /%* 11*GG

JJ G*1= /=*1J%%*%

J 1$* /1J*1G /=%* 2G*%2

J 1*% * %*G G*G 2* /J*G2 2J*1J

JG 21*G1 /1*2 1*JJ 1=*=2 /1J*= /*G= $*1J% /1*$1 /$* %*%= 1$* /$=*$ /J* *G

1 $*1 2=*$ =2 G*G J* 1=*2 J*%G

2 22*G /2$*$J =* 1=*=2 /1*G /21*JJ $*=1

G*J= /1%*G1 =*G1 1$* /G*= /*=1 *J

$ *$1 /=*J 11* G*G /1%*J1 /$*= *2

2*$$ /1%*% %*11 1=*=2 /*1J /*$ 1$*%J

= 1=*=J /*= G 1$* /*=$ /$*2 1$*2

J 1* 2J*JJ $J*%J G*G 1*J 1G*GJ 21*

*2*

= 22*J 1=*=2 /12G$*2

2*2

G $*% 2* 2$*2J 1$* /21*J 1G* G*$2

G% *G= 2G*2$ 2%* G*G 11*2 2%*$$ 1*J

G1 1*% /=J*22 21*G 1=*=2 /J* /2 1*$$

G2 /*= /$1* 2G*$J 1$* /1*%1 /22*JG 2*=2

G /2*= /*=G G*1 G*G /2=*G 1=* *

G$ 2=* /$* 2G*1 1=*=2 /2% /$*J 1*JGG /$* /* 2=$*% 1$* 2 /*$= 1*$

2%


23/25

1

G= /2$*2211*G

11%*%

$ G*G /2%1*$

2 12*2

GJ 21*J /2G 2*$ 1=*=2 /11*G /2*2G *$J

G /*J2 *J 2$*2 1$* /1%*1$ 1%*1 $*=2

GG /$*2 /$=* J*G G*G % /$=*J2 1*=$1%% J1*J2 /J2* $% 1=*=2 /*$J /J1*% =*J$

1%1 1*J /J=*J $$*G= 1$* % /J=*$= 2*$G

1%2 21*J%*G

G G*= G*G *=2G2*1

= G*G

1% J*1$*

2 2*2 1=*=2 G*$ ==*$ J*G

1%$ 2J*J 2=*% $1*2 1$* /1*1 $$* $*

1% %* /=*1 $*$ G*G /=*$ /*2 11*1

1%= 21*J 1*=$ $$ 1=*=2 *$ /2*1 11*J

1%J 1* /1J*1 $J 1$* /21*11 /*JG 11*

1% *G2 /11*G = G*G /*$ /J*G 2%*1

Residual Histogram or PER in

2D2%1D1%D%/D/1%

2%

1D

1%

D

%

Resi%#al

Fre8#e!6,

Hist&"ra'+response is PR in,

!ormplot o Residuals or PER in

21


24/25

%2%1%%/1%/2%

GG*G

GG

GD

G%

H%

J%=%D%$%%

2%

1%

D

1

%*1

Resi%#al

Per6e!t

N&r'al Pr&9a9ilit, Pl&t+response is PR in,

Residuals vs "its or PER in

G%H%J%=%D%$%%2%1%%

2D

2%

1D

1%

D

%

/D

/1%

Fitte% 7al#e

Resi%#al

7ers#s Fits+response is PR in,

22


25/25

Residuals vs Order or PER in

1%%G%H%J%=%D%$%%2%1%1

2D

2%

1D

1%

D

%

/D

/1%

O9ser:ati&! Or%er

Resi%#al

7ers#s Or%er+response is PR in,

2

Tugas Kuliah Analisis Regresi

Documents

Transcript of Tugas Kuliah Analisis Regresi