makalah log-log & reg berganda

49
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tetap dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresinya. Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik yang digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel. Terdapat beberapa analisis regresi diantaranya yaitu analisis regresi sederhana dan berganda. Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antar variabel bebas tunggal dengan variabel tidak bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah X yang dihubungkan dengan satu peubah tidak bebas Y. Sedangkan Model Regresi berganda adalah model regresi yang melibatkan satu variabel respon 1

Upload: xargah

Post on 08-Aug-2015

263 views

Category:

Documents


10 download

TRANSCRIPT

Page 1: Makalah Log-log & Reg Berganda

BAB I

PENDAHULUAN

A. Latar Belakang

Analisis regresi (regression analysis) merupakan suatu teknik untuk

membangun persamaan dan menggunakan persamaan tersebut untuk membuat

perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu

tetap dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai

prediksi dengan nilai riilnya, maka semakin tepat persamaan regresinya.

Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik

yang digunakan untuk menentukan kemungkinan hubungan antara variabel-

variabel.

Terdapat beberapa analisis regresi diantaranya yaitu analisis regresi

sederhana dan berganda. Regresi linier sederhana yaitu suatu prosedur untuk

mendapatkan hubungan matematis dalam bentuk persamaan antar variabel bebas

tunggal dengan variabel tidak bebas tunggal. Regresi linier sederhana hanya

memiliki satu peubah X yang dihubungkan dengan satu peubah tidak bebas Y.

Sedangkan Model Regresi berganda adalah model regresi yang melibatkan satu

variabel respon dengan beberapa variabel bebas. Sedangkan model regresi yang

melibatkan satu variabel respon Y dengan beberapa varibel bebas yang

merupakan bentuk perpangkatan dari satu variabel bebas X.

Minitab adalah salah satu paket software untuk statistika. Sebagai salah

satu software untuk membantu menganalisis data, minitab dikemas secara

lengkap dan simpel. Sehingga membuat user merasa mudah untuk

menggunakannya. dengan mengunakan software minitab masalah kali ini lebih

ditekankan megenai pengeloaan data yang bersifat regresi linear lalu menguji

data tersebut secara simultan.

1

Page 2: Makalah Log-log & Reg Berganda

B. Rumusan Masalah

Berdasarkan latar belakang di atas, maka masalah yang menjadi pusat perhatian

dalam makalah ini dapat dirumuskan sebagai berikut:

1. Bagaimanakah perbedaan model linaer dengan model semi log?

2. Bagaimanakah interpretasi model regresi berganda?

3. Bagaimanakah dampak dan cara mengatasi multikolinieritas?

4. Bagaimanakah dampak dan cara mengatasi heteroskedastisitas?

5. Bagaimanakah pemilihan model dalam regresi berganda?

6. Bagaimanakah uji parsial koefisien regresi?

7. Bagaimanakah penerapan model regresi semi log dan model linear regresi

berganda pada data ekonomi?

2

Page 3: Makalah Log-log & Reg Berganda

BAB II

PEMBAHASAN

A. Model Regresi Semi Log

Pembentukan model empiris akan sangat ditentukan oleh bentuk model teoritis

yang melandasi kerangka analisa serta keberadaan data / fakta yang terjadi pada

keadaan realitanya. Sejumlah model linear tersaji, baik linear dalam variabel dan

linear dalam parameter, dapat diturunkan menjadi model estimasi. Adapun bentuk-

bentukalternatif model terpilih dapat dirumuskan sebagai berikut : a) Model linear, b)

Model Log Linear, c) Model Log Lin, d) Model Lin Log.

Model Equation Slope Elasticity

Linear Y = 1 + 2X 2 2(X/Y)

Log Linear LnY = 1 + 2LnX 2(X/Y) A2

Log Lin LnY = 1 + 2X 2(Y) A2(X)

Lin Log Y = 1 + 2lnX 2(1/X) 2(1/Y)

B. Interpretasi model

Regresi berganda adalah bentuk hubungan atau pengaruh dari dua atau lebih

variabel babas X dengan variabel terikat Y. persamaan regresi linier berganda dari Y

terhadap X adalah :

1. Model populasi berganda adalah

3

Page 4: Makalah Log-log & Reg Berganda

2. Sedangkan model penduganya (model sampel) regresi linier ganda adalah

Koefisien a dan ß adalah parameter yang nilainya tidak diketahui, sehingga

diduga menggunakan satistik sampel. Nilai a,b1, dan b2 akan diperoleh dari tiga

persamaan normal berikut :

Koefisien a,b1, dan b2 dapat dihitung dengan rumus sebagai berikut :

Nilai dari a,b1, dan b2 dari tiga persamaan normal di atas dapat juga dihitung

dengan metode matriks. Persamaan normal di atas adalah bentuk sistem persamaan

linier (SPL) yang dapat diselesaikan dengan metode determinan, yaitu menggunakan

aturan Crammer. Jika AX = b merupakan suatu persamaan linier dalam k peubah,

maka sistem persamaan tersebut mempunyai penyelesaian dengan metode

determinan sebagai berikut :

dengan A j( j=1,2, …, k ) adalah matriks yang diperoleh dengan menggantikan

anggota – anggota pada kolom ke – j dari matriks A dengan anggota pada matriks b.

C. Multikolinieritas

4

Page 5: Makalah Log-log & Reg Berganda

Multikolinearitas atau kolinearitas ganda merupakan suatu keadaan di mana

hubungan linier yang sempurna antara variabel-variabel penjelas atau variabel bebas.

Untuk mendeteksi atau mengetahui suatu model regres mempunyai kolinearitas

ganda atau tidak dapat dilakukan :

1. Berdasarkan tanda-tanda : (a) koefisien determinasi gan-da tinggi; (b) koefisien

korelasi tinggi; (c) nilai F hitung tinggi; (d) tidak satupun (sedikit sekali)

variabel-variabel bebasnya memiliki uji t yang siginifikan.

2. Jika hanya ada dua variabel bebas, apabila korelasi antar dua varaiebl tersebut

tinggi, maka ada indikasi dalam kodel tersebut terdapat kolinearitas. Akan tetapi

apabila model tersebut mempunyai lebih dari dua variabel bebas, dan diperolej

korelasi antara dua variabel rendah tidak berati model tersebut tidak ada

kolinearitas ganda.

3. Apabila nilai determinan dari (X – X) adalah sangat kecil, dapat dijadikan

petunjuk terjadinya kolinearitas ganda dan apabila sama dengan nol, berati

kolinearitas ganda itu adalah sempurna.

4. Apbila koefisien determinasi gandanya tinggi, tetapi koefisien determinasi

partialnya rendah dibandingkan dengan koefisien determinasi simultannya,

berarti ada kolineraitas ganda.

5. Mengadakan uji F antar variabel penjelas. Jika ternyata signifikan, maka dapat

dianggap ada kolinearitas ganda. Jika tidak siginifikan, maka variabel –variabel

bebas dapat dipertahankan.

1. Dampak Multikolinieritas

Ada beberapa dampak yang ditimbulkan oleh multikolinieritas, antara lain:

a. Varian koefisien regresi menjadi besar.

Perhatikan kembali rumus model penduga (model sampel) regresi linier

ganda, yang merupakan regresi dengan lebih dari satu variabel bebas,

besarnya varian untuk b1 dapat diukur dengan formula:

5

Page 6: Makalah Log-log & Reg Berganda

Dimana r X 1 X 2 adalah korelasi variabel bebas X1 dan X2. Dari formula tersebut

terlihat bahwa semakin besar korelasi antara variabel bebas X1 dan X2 akan

mengakibatkan semakin besarnya varian. Dan bila kedua variabel bebas

mempunyai kolinieritas sempurna r X 1 X 2=1, maka varian menjadi tak

berhingga.

b. Varian yang besar sebagimana yang dibicarakan di atas, menimbulkan

beberapa permasalahan yaitu:

1. Lebarnya interval kepercayaan

2. Besarnya varian juga mempengaruhi Uji-t

c. Dengan semakin meningkatnya kolinearitas, probabili-tas melakukan

kesalahan tipe 2 pada hipotesis (meneri-ma hipotesis yang pada hakekatnya

salah) akan semakin besar.

d. Pengujian masing-masing koefisien regresi tidak satupun yang bermakna

atau hanya satu yang bermakna (walaupun koefisien determinasinya tinggi)

e. Angka estimasi koefisien regresi yang didapat akan mempunyai nilai yang

tidak sesuaidengan substansi, atau kondisi yang dapat diduga atau dirasakan

akal sehat, sehingga dapat menyesatkan interpretasi.

2. Teknik Mendeteksi Multikolinearitas

a. Eigenvalues dan conditional index

Nilai-nilai eigenvalues akan diperhitungkan bila kita meminta untuk

mendiagnosa kolinieritas. Adapun aturan yang digunakan adalah :

multikolinieritas ditengarai ada didalam persamaan regresi bila nilai

eigenvalues mendekati nol.

6

Page 7: Makalah Log-log & Reg Berganda

Hubungan antara eigenvalues dan conditional index (CI) adalah sebagai

berikut:

CI=√ max eigenvaluesmin eigenvalues

Jika nilai CI berada antara nilai 10 sampai 30, maka model mengandung

kolinieritas moderat. Bila lebih dari 30 maka dapat dinyakatakan bahwa

persamaan regresi mempunyai kolinieritas yang kuat antaravariabel

bebasnya.

b. VIF dan tolerance

Perhatikan persamaan berikut:

Yang disebut dengan VIF atau variance Inflation factor adalah:

Jadi :

Terlihat bahwa VIF besar maka akan mengakibatkan Var(b1) besar juga, dan

hal tersebut diakibatkan karena besarnay batasan VIF kecil. Maka dapat

diduga tidak ada multikolinieritas.

3. Mengatasi Kolinearitas

a. Melihat informasi sejenis yang ada

Perhatikan model berikut:

Di mana:

W = upah pekerja

I = pendapatan perusahaan

7

Page 8: Makalah Log-log & Reg Berganda

A = aset perusahaan

Setelah β1 ditaksir, maka β2 dapat dicari melalui hubungan sebagaimana

tertulis pada persamaan model tersebut.

b. Mengeluarkan variabel bebas yang kolinier dari model

Kolinieritas merupakan hubugan linear antar satu variabel bebas dengan

variabel bebeas lainnya. Dengan mengeluarkan salah satu variabel

berkorelasi, tentunya akan menghilangkan masalah tersebut. Akan tetapi

dalam mengeluarkan sebuah variabel bebes harus dilakukan dengan hati-hati,

karena tidak tertutup kemungkinan bahwa variabel yang dikeluarkan justru

variable yang sangat penting.kondisi in dikenal dengan sebutan specification

bias.

c. Mentransformasikan variabel

Ada beberapa transformasi variabel yang dapat dilakukan, antara lain:

1) Melakukan pembedaan (difference)

Teknik in berlaku untuk data time series. Misal ada persamaan model

regresi berganda sbb:

Kemudian buat persamaan pada waktu t-1

Kurangi kedua persamaan tersebut sehingga model menjadi:

Teknik inilah yang disebut dengan pembedaan.

2) Membuat rasio

Kita membuat rasio yaitu membagi seluruh variabel dengan salah satu

variabel yang lain sehingga datanya tidak menjadi komulatif tetapi

menjadi perkapita>

3) Bebagai transfrmasi lain

8

Page 9: Makalah Log-log & Reg Berganda

Yaitu dengan mentransformasi menjadi variabel bentuk logaritma atau

mengubah X menjadi 1X

,√ X atau X2

D. Heteroskedastisitas

Salah satu asumsi klasik dalam model regresi linear adalah bahwa variabel

pengganggu (e) mempunyai varians yang sama dari satu pengamatan ke pengamatan

lainnya, yakni sebesar 2. Apabila variansnya berbeda disebut heteroske-dastisitas.

Kondisi hetero ini timbul apabila kita menggunakan data cross section.

1. Teknik mendeteksi heteroskedastisitas

a) dengan cara me-lihat nature of problem, yaitu sifat dari masalah yang di-

teliti, misalnya dengan melihat hasil penelitian terdahulu / pengalaman masa

lalu.

b) dengan menggunakan metode grafik (graphical method) yaitu dengan

menyusun scatter diagram antara :

e i2 dengan { Y i¿ atau antara

e i2denganX i

Apabila scatter diagram itu semakin melebar atau me-nyempit, maka ada

kemungkinan terjadi heteroskedasti-sitas

c) melalui pengujian-pengujian. Untuk pengujian dapat dilakukan dengan:

Data yang tidak dikelompokkan : Uji Park, Uji Gleyser dan Uji korelasi

jenjang Spearman

Berdasarkan uji Korelasi Rank Spearman (dapat diterap-kan pada

sampel yang berukuran kecil) dengan rumus :

r s=1−6[ ∑ d i2

n (n2−1 ) ]Yang dikorelasikan adalah antara kesalahan pengganggu (dalam nilai

mutlak) dengan variabel X. Apabila korelasi jenjang Spearman

9

Page 10: Makalah Log-log & Reg Berganda

mendekati 1 dan mempunyai makna melalui uji t, maka dianggap ada

heteroskedastisitas. Uji t untuk korelasi ini adalah :

t=rs √(n−2 )

√(1−rs2)

Data yang dikelompokkan : Uji Chi-Square

2. Damapak heteroskedastisitas

Apabila ada pengaruh heteroskedastisitas, di mana varians berbeda, maka model

itu akan :

• Mempunyai koefisien regresi yang masih BLUE

• Varians b tidak lagi minimum

• Kemampuan prediksi rendah

• Terjadi misleading, misalnya t, F, R tinggi tapi heteros-kedastis atau t, F dan

R rendah yang juga heteroske-dastis.

3. Teknik mengatasi heteroskedastisitas

Jalan keluar yang bisa ditempuh apabila ada heteroske-dastis adalah melakukan

transformasi model.

E. Pemilihan model terbaik

1. All Possible Regression

Tahapan pemilihan :

a. Tuliskan semua kemungkinan model regresi dan kelompokkan menurut

banyaknya variabel bebas

b. Urutkan model regresi menurut besarnya R2

c. Periksalah untuk setiap kelompok apakah terdapat suatu pola variabel

yang konsisten

d. Lakukan analisa terhadap kenaikan R2 pada tiap kelompok

2. Backward Elimination Procedur

Tahap pemilihannya :

10

Page 11: Makalah Log-log & Reg Berganda

a. Tuliskan persamaan regresi yang mengandung semua variabel

b. Hitung nilai t parsialnya

c. Banding nilai t parsialnya

1) Jika tL < tO maka buang variabel L yang menghasilkan tL, kemudian

hitung kembali persamaan regresi tanpa menyertakan variabel L

2) Jika tL > tO maka ambil persamaan regresi tersebut

3. Stepwise Regression Procedur

Tahap pemilihannya :

a. Hitung korelasi setiap variabel bebas terhadap variabel Y. Variabel bebas

dengan nilai korelasi tertinggi masukkan dalam model regresi (syarat uji F

menunjukkan variabel ini berpengaruh nyata)

b. Hitung korelasi parsial setiap variabel bebas tanpa menyertakan variabel

bebas yang telah mauk model. Masukkan variabel bebas dengan korelasi

parsial tertinggi ke dalam model

c. Hitung nilai t parsial variabel yang telah masuk model, jika tidak

berpengaruh nyata keluarkan dari model

d. Kembali ke langkah 2)

F. Uji Kecocokan Model

1. Dengan Koefisien Determinasi

R2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan

oleh model. r merupakan koefisien korelasi antara Y dengan kelompok X1 , X2 ,

X3 , … , Xk

2. Dengan Pendekatan Analisis Ragam

Tahapan Ujinya :

a. Hipotesis =

H0 : 0

H1 : 0

11

Page 12: Makalah Log-log & Reg Berganda

dimana

= matriks [ 0, 1, 2, … , k ]

b. Tabel Analisis Ragam

3. Pengambilan Keputusan

H0 ditolak jika pada taraf kepercayaan

G. Uji Parsial Koefisien Regresi

Tahapan Ujinya :

1. Hipotesis =

H0 : j 0

H1 : j 0

dimana j merupakan koefisien yang akan diuji

2. Statistik uji :

Dimana :

bj = nilai koefisien bj

s = √JKG /n−k−1

cjj = nilai matriks A-1 ke-jj

3. Pengambilan keputusan

12

Fhitung

> Ftabel(1 , n-

k-1)

Komponen

RegresiSS db MS Fhitung

Regresi JKR k JKR / kJKR / k

S2

Galat JKG n – k – 1 s2 = JKG / n-k-1

Total JKT n – 1

Page 13: Makalah Log-log & Reg Berganda

H0 ditolak jika

Pada taraf kepercayaan

13

thitung

> t /2(db=

n-k-1)

Page 14: Makalah Log-log & Reg Berganda

BAB III

PEMBAHASAN

A. Model Semi Log

Data bursa efek jakarta pada sesi penutupan 30 Juni 2001, dengan mengambil 10

perusahaan manufaktur. Adapun data selengkapnya adalah sbb:

No Nama Perusahaan EPS Harga pasar

1 Ades Alfindo 1313 1500

2 Aqua Golden 2922 13000

3 Delta Djakarta 2148 8000

4 Fast Food Indonesia 585 775

5 Indofood 353 850

6 Multi Bintang 4448 27000

7 Sari Husada 716 850

8 Siantar Top 134 27000

9 Tunas Baru Lampung 5 8800

10 Ultrajaya 16 650

11 Bat Indonesia 871 9900

12 Gudang Garam 1166 13200

13 Hn Sampoerna 1093 16050

14 Centex 2792 5600

15 Eratex Djaja 54 375

16 Roda Viva 90 925

17 Semen Gresik 578 6150

18 Eversintex Textile 10 300

19 Fortune Mate Indonesia 67 650

20 Great River 13 625

21 Indorama 63 625

22 Pan Brothers 195 1400

14

Page 15: Makalah Log-log & Reg Berganda

23 Sarasa Nugraha 78 1300

24 Sepatu Bata 4871 14800

25 Surya Intrindo 158 2700

26 Mandom 340 2700

27 Mustika Ratu 294 1175

28 Procter And Gamble 25722 46000

29 Unilever 10658 17000

30 Kimia Farma 226 220

31 Merck Indonesia 2204 8500

32 Schering-Plough 1227 25000

33 Tempo Scan 773 3150

34 Dankos 51 525

35 Bayer Indonesia 851 8300

Lakukan transformasi sehingga diperoleh data

EPS Harga Pasar Ln_EPS Ln_HP

1313.00 1500.00 7.18 7.312922.00 13000.00 7.98 9.472148.00 8000.00 7.67 8.99585.00 775.00 6.37 6.65353.00 850.00 5.87 6.754448.00 27000.00 8.40 10.20716.00 850.00 6.57 6.75134.00 27000.00 4.90 10.205.00 8800.00 1.61 9.0816.00 650.00 2.77 6.48871.00 9900.00 6.77 9.201166.00 13200.00 7.06 9.491093.00 16050.00 7.00 9.682792.00 5600.00 7.93 8.6354.00 375.00 3.99 5.9390.00 925.00 4.50 6.83578.00 6150.00 6.36 8.72

15

Page 16: Makalah Log-log & Reg Berganda

10.00 300.00 2.30 5.7067.00 650.00 4.20 6.4813.00 625.00 2.56 6.4463.00 625.00 4.14 6.44195.00 1400.00 5.27 7.2478.00 1300.00 4.36 7.174871.00 14800.00 8.49 9.60158.00 2700.00 5.06 7.90340.00 2700.00 5.83 7.90294.00 1175.00 5.68 7.0725722.00 46000.00 10.16 10.7410658.00 17000.00 9.27 9.74226.00 220.00 5.42 5.392204.00 8500.00 7.70 9.051227.00 25000.00 7.11 10.13773.00 3150.00 6.65 8.0651.00 525.00 3.93 6.26851.00 8300.00 6.75 9.02

Hasil pengolahan data yang dilakukan terhadap pembentukan kedua model tersebut

yaitu:

Model linear:

Hargapasar=4670,722+1,671 EPS

Model log-log:

ln HP=5,002+0,508ln_EPS

Output model linear

GET FILE='D:\semester VII\ekonometrika\pengolahan data.sav'.DATASET NAME DataSet1 WINDOW=FRONT.COMPUTE ln_EPS=LN(EPS).EXECUTE.COMPUTE ln_HP=LN(Harga_Pasar).EXECUTE.REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Harga_Pasar

16

Page 17: Makalah Log-log & Reg Berganda

/METHOD=ENTER EPS.

Regression

Notes

Output Created 07-Dec-2012 09:48:18

Comments

Input Data D:\semester VII\ekonometrika\

pengolahan data.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

File

35

Missing Value Handling Definition of Missing User-defined missing values are treated

as missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.

Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R

ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT Harga_Pasar

/METHOD=ENTER EPS.

Resources Processor Time 00:00:00.016

Elapsed Time 00:00:00.017

Memory Required 1396 bytes

Additional Memory Required

for Residual Plots

0 bytes

[DataSet1] D:\semester VII\ekonometrika\pengolahan data.sav

17

Page 18: Makalah Log-log & Reg Berganda

Variables Entered/Removedb

Model Variables

Entered

Variables

Removed Method

dim

ensi

on0

1 EPSa . Enter

a. All requested variables entered.

b. Dependent Variable: Harga_Pasar

Model Summary

Model

R R Square

Adjusted R

Square

Std. Error of the

Estimate

dime

nsio

1 .748a .559 .546 6958.66759

a. Predictors: (Constant), EPS

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2.026E9 1 2.026E9 41.850 .000a

Residual 1.598E9 33 4.842E7

Total 3.624E9 34

a. Predictors: (Constant), EPS

b. Dependent Variable: Harga_Pasar

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 4670.722 1276.215 3.660 .001

EPS 1.671 .258 .748 6.469 .000

a. Dependent Variable: Harga_Pasar

Output model log-log

18

Page 19: Makalah Log-log & Reg Berganda

REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT ln_HP /METHOD=ENTER ln_EPS.

RegressionNotes

Output Created 07-Dec-2012 09:49:55

Comments

Input Data D:\semester VII\ekonometrika\pengolahan

data.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 35

Missing Value Handling Definition of Missing User-defined missing values are treated as

missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.

Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT ln_HP

/METHOD=ENTER ln_EPS.

Resources Processor Time 00:00:00.015

Elapsed Time 00:00:00.014

Memory Required 1396 bytes

Additional Memory Required for

Residual Plots

0 bytes

[DataSet1] D:\semester VII\ekonometrika\pengolahan data.sav

19

Page 20: Makalah Log-log & Reg Berganda

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

dim

ensi

on0

1 ln_EPSa . Enter

a. All requested variables entered.

b. Dependent Variable: ln_HP

Model Summary

Model

R R Square

Adjusted R

Square

Std. Error of the

Estimate

dim

ensi

on0

1 .672a .452 .435 1.14579

a. Predictors: (Constant), ln_EPS

ANOVAb

ModelSum of Squares df Mean Square F Sig.

1 Regression 35.710 1 35.710 27.201 .000a

Residual 43.323 33 1.313

Total 79.033 34

a. Predictors: (Constant), ln_EPS

b. Dependent Variable: ln_HP

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 5.002 .610 8.199 .000

ln_EPS .508 .097 .672 5.215 .000

20

Page 21: Makalah Log-log & Reg Berganda

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

dim

ensi

on0

1 ln_EPSa . Enter

a. All requested variables entered.

a. Dependent Variable: ln_HP

B. Model Linear Regresi Berganda

Diperoleh data rasio-rasio keungan PT. Castle Blue pada 100 bulan

terakhir yang terdiri dari indikator-indikator: Earning Per Share (E) , return on

equity (KH), profit Margin (JM), return of asset (DT) dan return of investment

(BL). Indikato-indikator tersebut akan dilihat pengaruhnya terhadap return

(KK). Adapun datanya adalah sebagai berikut:

21

Page 22: Makalah Log-log & Reg Berganda

22

No. BL KH JM DT E KK

1 28 24 19 14 15 19

2 28 24 19 12 15 19

3 24 20 16 12 12 18

4 25 22 17 14 12 18

5 26 20 16 12 12 16

6 26 21 17 12 13 18

7 27 24 19 14 14 20

8 26 23 19 14 14 19

9 25 22 17 14 12 16

10 25 23 16 13 14 19

11 26 22 17 14 13 19

12 26 21 16 13 12 18

13 25 20 16 12 12 18

14 30 23 18 14 14 20

15 28 23 18 14 14 18

16 29 23 18 14 15 19

17 29 24 18 12 12 18

18 24 21 18 14 13 19

19 24 20 16 14 12 18

20 26 23 18 12 14 19

21 28 23 17 14 13 18

22 28 22 19 13 13 19

23 30 24 19 13 15 19

24 26 24 20 14 15 20

25 27 22 18 13 14 19

26 23 18 17 9 13 18

27 22 16 14 13 13 15

28 21 17 17 11 12 14

29 19 15 14 11 11 13

30 27 20 17 12 13 16

31 20 18 15 12 15 14

32 24 20 16 12 13 16

33 26 22 18 12 13 17

34 23 19 17 12 13 15

35 19 17 14 15 11 13

36 24 20 16 12 12 16

37 24 20 16 15 12 16

Page 23: Makalah Log-log & Reg Berganda

Selanjutnya adalah kita mendefenisikan variabel independent (bebas) yaitu return of

investment (X1), return on equity (X2), profit Margin (X3), return of asset (X4), dan

Earning Per Share (X5) dan variabel dependen (terikat) yaitu return (KK). Maka

rumusan hipotesisnya adalah :

1. Simultan

Ho : 1 = 2 = 3 = 4 = 5 = 0

Artinya variabel X1, X2, X3, X4, dan X5 tidak berpengaruh

signifikan terhadap variabel Y.

H1 : 1 2 3 4 5 0

Artinya variabel X1, X2, X3, X4, dan X5 berpengaruh signifikan

terhadap variabel Y.

2. Parsial

a. Unutk variabel X2

H0 : 1 = 0

Artinya variabel X2 tidak berpengaruh signifikan terhadap variabel Y.

H1 : 1 0

Artinya variabel X2 berpengaruh signifikan terhadap variabel Y.

b. Unutk variabel X2

H0 : 2 = 0

Artinya variabel X2 tidak berpengaruh signifikan terhadap variabel Y.

H1 : 2 0

Artinya variabel X2 berpengaruh signifikan terhadap variabel Y.

c. Unutk variabel X3

H0 : 3 = 0

Artinya variabel X3 tidak berpengaruh signifikan terhadap variabel Y.

23

Page 24: Makalah Log-log & Reg Berganda

H1 : 3 0

Artinya variabel X3 berpengaruh signifikan terhadap variabel Y.

d. Unutk variabel X4

H0 : 4 = 0

Artinya variabel X4 tidak berpengaruh signifikan terhadap variabel Y.

H1 : 4 0

Artinya variabel X4 berpengaruh signifikan terhadap variabel Y.

e. Unutk variabel X5

H0 : 5 = 0

Artinya variabel X5 tidak berpengaruh signifikan terhadap variabel Y.

H1 : 5 0

Artinya variabel X5 berpengaruh signifikan terhadap variabel Y.

Analisis Data

Analisis data yang dilakukan pada bagian ini yaitu dengan menggunakan

software MINITAB versi 15 for Windows. Adapun langkah-langkah

pengerjaannya adalah sebagai berikut:

1. Pengujian secara umum

1. Inputlah pada data kotak worksheet sesuai dengan tabel 3.1

24

Page 25: Makalah Log-log & Reg Berganda

2. Klik Stat lalu pilih Regression dan pilih Regression

3. Akan muncul kotak Regression. Pada respon masukkan KK, dengan cara

klik C1 KK lalu pilih select. Pada kotak Predictors masukkan BL, KH,

JM, DT, dan E, dengan cara klik C1 BL lalu pilih select. Lakukan hal

yang sama untuk KH, JM, DT, dan E.

25

Page 26: Makalah Log-log & Reg Berganda

4. Klik OK

Output :

Regression Analysis: KK versus BL; KH; JM; DT; E

S = 1,28390 R-Sq = 37,5% R-Sq(adj) = 34,2%

2. Pengujian secara parsial

a. Pegujian untuk return of investment terhadap reurn

1. Lakukan hal yang sama pada langkah 1 dan 2 dalam pengujian

secara umum

26

Page 27: Makalah Log-log & Reg Berganda

2. Setelah muncul kotak regression. Masukkan KK pada kota Respon,

dengan cara klik C6 KK lalu pilih select. Pada kotak Predictors

masukkan BL, dengan cara klik C1 BL lalu pilih select.

3. Klik OK

Output :

Regression Analysis: KK versus BL

The regression equation is

KK = 6,87 + 0,403 BL

Analysis of Variance

Source DF SS MS F P

Regression 1 77,764 77,764 44,76 0,000

27

Page 28: Makalah Log-log & Reg Berganda

Residual Error 98 170,276 1,738

Total 99 248,040

b. Pegujian untuk return on equity terhadap reurn

1. Lakukan hal yang sama pada langkah 1 dan 2 dalam pengujian

secara umum

2. Setelah muncul kotak regression. Masukkan KK pada kota Respon,

dengan cara klik C6 KK lalu pilih select. Pada kotak Predictors

masukkan KH, dengan cara klik C2 KH lalu pilih select.

3. Klik OK

Output :

Regression Analysis: KK versus KH

The regression equation is

KK = 8,91 + 0,377 KH

28

Page 29: Makalah Log-log & Reg Berganda

Analysis of Variance

Source DF SS MS F P

Regression 1 70,948 70,948 39,26 0,000

Residual Error 98 177,092 1,807

Total 99 248,040

c. Pegujian untuk profit Margin terhadap reurn

1. Lakukan hal yang sama pada langkah 1 dan 2 dalam pengujian

secara umum

2. Setelah muncul kotak regression. Masukkan KK pada kota Respon,

dengan cara klik C6 KK lalu pilih select. Pada kotak Predictors

masukkan JM, dengan cara klik C3 JM lalu pilih select.

3. Klik OK

Output :

29

Page 30: Makalah Log-log & Reg Berganda

Regression Analysis: KK versus JM

The regression equation is

KK = 8,24 + 0,514 JM

Analysis of Variance

Source DF SS MS F P

Regression 1 63,898 63,898 34,01 0,000

Residual Error 98 184,142 1,879

Total 99 248,040

d. Pegujian untuk return of asset terhadap reurn

1. Lakukan hal yang sama pada langkah 1 dan 2 dalam pengujian

secara umum

2. Setelah muncul kotak regression. Masukkan KK pada kota Respon,

dengan cara klik C6 KK lalu pilih select. Pada kotak Predictors

masukkan DT, dengan cara klik C4 DT lalu pilih select.

30

Page 31: Makalah Log-log & Reg Berganda

3. Klik OK

Output :

Regression Analysis: KK versus DT

The regression equation is

KK = 11,8 + 0,409 DT

Analysis of Variance

Source DF SS MS F P

Regression 1 25,799 25,799 11,38 0,001

Residual Error 98 222,241 2,268

Total 99 248,040

31

Page 32: Makalah Log-log & Reg Berganda

e. Pegujian untuk profit Margin terhadap reurn

1. Lakukan hal yang sama pada langkah 1 dan 2 dalam pengujian

secara umum

2. Setelah muncul kotak regression. Masukkan KK pada kota Respon,

dengan cara klik C6 KK lalu pilih select. Pada kotak Predictors

masukkan E, dengan cara klik C5 E lalu pilih select.

3. Klik OK

Output :

Regression Analysis: KK versus E

The regression equation is

KK = 10,2 + 0,526 E

Analysis of Variance

32

Page 33: Makalah Log-log & Reg Berganda

Source DF SS MS F P

Regression 1 41,455 41,455 19,67 0,000

Residual Error 98 206,585 2,108

Total 99 248,040

B. Analisis hasil

Dasar pengambilan keputusan :

F hitung ≤ F tabel = Ho diterima

F hitung > F tabel = Ho ditolak, H1 diterima

Atau

Nilai signifikasi (P Value) < 0,05 maka H0 ditolak dan H1 diterima.

Nilai signifikasi (P Value) > 0,05 maka H0 diterima dan H1 ditolak.

1. Pengujian secara parsial {Diambil derajat kepercaaan 95% (α =0,05)}

a. Pegujian untuk return of investment terhadap reurn

F-hitung = 44,76

F-tabel (0,05; 1; 98) = 3,938111

Karena F-hitung ¿ F-tabel atau P < 0,05 maka H0 ditolak dan H1

diterima. Atau dengan kata lain return of investment berpengaruh

signifikan terhadap kepuasan pasien.

b. Pegujian untuk return on equity terhadap reurn

F-hitung = 39,26

F-tabel (0,05; 1; 98) = 3,938111

33

Page 34: Makalah Log-log & Reg Berganda

Karena F-hitung ¿ F-tabel atau P < 0,05 maka H0 ditolak dan H1

diterima. Atau dengan kata lain return on equity berpengaruh

signifikan terhadap kepuasan pasien.

c. Pegujian untukprofit Margin terhadap reurn

F-hitung = 34,01

F-tabel (0,05; 1; 98) = 3,938111

Karena F-hitung ¿ F-tabel maka H0 ditolak dan H1 diterima. Atau

dengan kata lainprofit Margin berpengaruh signifikan terhadap

kepuasan pasien.

d. Pegujian untuk return of asset terhadap reurn

F-hitung = 11,38

F-tabel (0,05; 1; 98) = 3,938111

Karena F-hitung ¿ F-tabel atau P < 0,05 maka H0 ditolak dan H1

diterima. Atau dengan kata lain return of asset berpengaruh signifikan

terhadap kepuasan pasien.

e. Pegujian untukprofit Margin terhadap reurn

F-hitung = 19,67

F-tabel (0,05; 1; 98) = 3,938111

Karena F-hitung ¿ F-tabel atau P < 0,05 maka H0 ditolak dan H1

diterima. Atau dengan kata lainprofit Margin berpengaruh signifikan

terhadap kepuasan pasien.

2. Pengujian secara umum

F-hitung = 11,29

F-tabel (0,05; 5; 94) = 2,31127

karena f-hitung ¿ f-tabel atau P < 0,05 dan maka h0 ditolak atau h1 diterima.

atau dengan kata lain bukti langsung, return on equity , jaminan, daya

34

Page 35: Makalah Log-log & Reg Berganda

tanggap, dan empati berpengaruh signifikan terhadap kepuasan pasien.

Diambil derajat kepercaaan 95% (α =0,05).

Berdasarkan output pada MINITAB maka didapatkan persamaan regresi

linier

berganda sebagai berikut:

KK = 5,01 + 0,238 BL + 0,126 KH + 0,224 JM + 0,069 DT - 0,112 E

Penjelasan dari persamaan di atas adalah sebagai berikut :

1. Nilai 0,238 pada variabel return of investment adalah bernilai positif

sehingga dapat dikatakan bahwa semakin tinggi return of investment

yang diberikan Puskesmas, maka akan semakin tinggi pula reurn.

2. Nilai 0,126 pada variabel return on equity adalah bernilai positif

sehingga dapat dikatakan bahwa semakin tinggi tingkat return on equity

yang diberikan Puskesmas, maka akan semakin tinggi pula reurn.

3. Nilai 0,224 pada variabelprofit Margin adalah bernilai positif sehingga

dapat dikatakan bahwa semakin tinggiprofit Margin yang diberikan

Puskesmas, maka akan semakin tinggi pula reurn.

4. Nilai 0,069 pada variabel return of asset adalah bernilai positif sehingga

dapat dikatakan bahwa semakin tinggi return of asset yang diberikan

Puskesmas, maka akan semakin tinggi pula reurn.

5. Nilai - 0,112 pada variabel empati adalah bernilai negatif sehingga

dapat dikatakan bahwa semakin tinggi rasa empati yang diberikan

Puskesmas, tidak berarti akan semakin tinggi pula reurn.

Berdasarkan hasil analisis yang dilakukan dapat diketahui bahwa dari

variabel bukti langsung, return on equity , daya tanggap,profit Margin dan

perhatian, variabel return of investment yang paling berpengaruh dominan

terhadap kepuasan pasien. Dimana variabel return of investment ini mempunyai

pengaruh yang positif dan signifikan.

35

Page 36: Makalah Log-log & Reg Berganda

C. Koefisien Determinasi dan Koefisien korelasi

S = 1,28390 R-Sq = 37,5% R-Sq(adj) = 34,2%

1. Koefisien Determinasi

Dari data di atas dapat dilihat bahwa nilai R-Sq(adj)adalah sebesar 34,2%.

Hal ini dapat diartikan bahwa variabel independent (bukti langsung,

jaminan, return of asset dan empati) dapat menjelaskan variabel dependent

(reurn)

sebesar 34%, sedangkan sisanya diterangkan oleh faktor lain yang tidak

diteliti.

2. Koefisien korelasi

Dari data di atas dapat dilihat bahwa nilai R-Sq adalah sebesar 37,5% atau

0,375. Hal ini dapat diartikan bahwa variabel independent (bukti langsung,

jaminan, return of asset dan empati) korelasi lemah terhadap variabel

dependent (reurn).

36

Page 37: Makalah Log-log & Reg Berganda

DAFTAR PUSTAKA

Anonim. METODE KUANTITATIF : PENDEKATAN EKONOMETRIK. Diakses

pada November 2012

Nachrowi N dan Usman H. 2006. Pendekatan Populer Dan Praktis Ekonometrika

Untuk Analisis Ekonomi Dan Keuangan. Lembaga Penerbit Fakultas Ekonomi

Universitas Indonesia : Jakarta.

37