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. Dilarang menggandakan seijin tim penyusun 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. Dilarang menggandakan seijin tim penyusun 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 : Dilarang menggandakan seijin tim penyusun 4
Gambar 2.2 SPSS 17.0 1 2 3 4 5 6 Gambar 2.3 Memulai SPSS 17.0 Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 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). Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 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 2 3 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. 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. Gambar 2.20 Tampilan Type 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). MEMINDAHKAN DATA Gambar 2.24 Tampilan Measure 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 OBS DER NPM STKTR AKTV GROWTH CR AALI 1 0,19 23,45 0,41-0,06 1,68 ANTM 2 1,11 26,37 0,6 0,06 2,68 ASII 3 1,81 9,3 0,19 0,56 0,74 INCO 4 0,29 30,25 0,72 0,15 3,65 INDF 5 2,33 1,34 0,41-0,06 1,47 INKP 6 1,57 10,41 0,68 0,03 3,09 ISAT 7 1,28 14,25 0,66 0,18 1,39 PTBA 8 0,38 16,27 0,16 0,19 4,51 Dilarang menggandakan seijin tim penyusun 19
SMCB 9 2,98 7,67 0,83-0,03 1,68 TLKM 10 1,4 10,36 0,74 0,1 0,76 UNTR 11 1,58 8,32 0,41 0,57 1,55 BLTA 12 2,94 25,41 0,66 0,81 1,46 PGAS 13 1,83 16,72 0,57 0,14 3,59 UNSP 14 1,54 13,5 0,22 0,11 2,09 AALI 15 0,24 20,95 0,44 0,1 0,87 ANTM 16 0,7 27,58 0,46 0,14 0,46 ASII 17 1,41 6,69 0,22-0,05 0,78 INCO 18 0,26 38,38 0,57 0,18 4,6 INDF 19 2,13 3,01 0,4 0,09 1 INKP 20 0,02 28,44 0,25-0,99 1,51 ISAT 21 1,24 11,52 0,73 0,04 0,83 PTBA 22 0,35 13,74 0,13 0,09 5,44 SMCB 23 2,37 5,88 0,84-0,04 1,23 TLKM 24 1,39 21,46 0,74 0,21 0,68 UNTR 25 1,44 6,78 0,46 0,06 1,34 BLTA 26 1,62 39,21 0,72 0,04 1,53 PGAS 27 1,61 28,54 0,86 0,2 1,45 UNSP 28 1,78 14,64 0,19 0,43 3,55 AALI 29 0,28 33,11 0,33 0,53 1,6 ANTM 30 0,37 42,74 0,25 0,65 0,67 ASII 31 1,17 9,29 0,22 0,1 0,91 INCO 32 0,36 50,43 0,66-0,07 2 INDF 33 2,62 3,52 0,27 0,83 0,92 INKP 34 0,02 25,81 0,36 0,05 8,44 ISAT 35 1,72 12,38 0,67 0,32 0,93 PTBA 36 0,4 18,43 0,09 0,26 4,43 SMCB 37 2,19 4,51 0,79 0,02 1,33 TLKM 38 1,16 21,63 0,75 0,09 0,77 UNTR 39 1,26 8,22 0,43 0,16 1,34 BLTA 40 2,2 20,84 0,76 1 0,7 PGAS 41 2,11 17,87 0,81 0,35 1,17 UNSP 42 0,81 10,6 0,17 1 3,17 AALI 43 0,23 32,24 0,31 0,22 1,94 ANTM 44 0,26 14,26 0,28-0,15 0,57 ASII 45 1,21 9,47 0,01 0,27 1,32 INCO 46 0,21 27,38 0,73 0,14 4,89 INDF 47 3,11 2,67 0,24 0,34 0,9 INKP 48 0 21,88 0,41 0,01 3,96 Dilarang menggandakan seijin tim penyusun 20
ISAT 49 1,95 10,07 0,74 0,14 0,9 PTBA 50 0,51 23,67 0,06 0,55 3,66 SMCB 51 2,02 5,88 0,73 0,06 1,68 TLKM 52 1,38 17,5 0,78 0,11 0,54 UNTR 53 1,05 9,54 0,42 0,76 1,64 BLTA 54 3,24 22,24 0,83 0,21 0,71 PGAS 55 2,47 4,95 0,69 0,26 2,18 UNSP 56 0,9 5,92 0,16 0,09 1,49 AALI 57 0,18 22,37 0,32 0,16 1,83 ANTM 58 0,21 6,94 0,29-0,03 0,55 ASII 59 1 10,19 0,25 0,1 1,37 INCO 60 0,29 22,4 0,68-0,05 7,24 INDF 61 2,45 5,59 0,27 0,02 1,16 INKP 62 0,01-33,67 0,4-0,01 8,86 ISAT 63 2,05 8,15 0,81 0,06 0,55 PTBA 64 0,4 30,48 0,05 0,32 4,91 SMCB 65 1,19 15,07 0,75-0,05 1,27 TLKM 66 1,22 17,54 0,78 0,07 0,61 UNTR 67 0,76 13,06 0,48 0,07 1,66 BLTA 68 3,04-46,23 0,78-0,06 0,76 PGAS 69 1,35 34,56 0,6 0,12 2,48 UNSP 70 0,9 10,87 0,14 0,08 1,01 AALI 71 0,23 21,47 0,32 0,12 1,32 ANTM 72 0,2 16,59 0,26 0,06 0,57 ASII 73 1,07 10,9 0,22 0,21 1,26 INCO 74 0,44 34,68 0,63 0,05 6,84 INDF 75 2,2 7,94 0,27 0,06 0,12 INKP 76 0,01-6,05 0,4-0,01 1,03 ISAT 77 2,16 3,58 0,77 0,02 0,79 PTBA 78 0,37 23,55 0,05 0,02 5,97 SMCB 79 0,86 14,45 0,73 0,01 1,49 TLKM 80 1,09 17,14 0,76 0,03 0,79 UNTR 81 0,77 10,64 0,47 0,14 1,59 BLTA 82 2,65 7,43 0,79 0,02 1,1 PGAS 83 1,38 32,18 0,56 0,06 2,94 UNSP 84 0,92 12,94 0,2 1,97 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. Dilarang menggandakan seijin tim penyusun 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 DER NPM NET_SLS STR_AKT GROW CURRENT RATIO N 84 84 84 84 84 84 Normal Parameters a,,b Mean 1.2190 15.3839 18041991.23.4786.1805 2.0456 Std. Deviation.87445 13.74536 2.300E7.24758.33427 1.83172 Most Extreme Differences Absolute.123.130.237.144.229.269 Positive.123.059.237.098.229.269 Negative -.082 -.130 -.217 -.144 -.203 -.182 Dilarang menggandakan seijin tim penyusun 26
Kolmogorov-Smirnov Z 1.129 1.190 2.176 1.316 2.100 2.464 Asymp. Sig. (2-tailed).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 Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 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 Non- Dilarang 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 GROW1 CR1 N 84 70 84 Normal Parameters a,,b Mean 3546.9244 -.8866.1781 Std. Deviation 2350.98220.49099.33463 Most Extreme Differences Absolute.141.052.133 Positive.141.052.133 Negative -.083 -.051 -.068 Kolmogorov-Smirnov Z 1.293.435 1.222 Asymp. Sig. (2-tailed).071.992.101 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. Dilarang menggandakan seijin tim penyusun 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 Dilarang menggandakan seijin tim penyusun 34
Klik menu Option, lalu Continue akhiri dengan OK. Maka akan menghasilkan Output seperti di bawah ini : TABEL 4.1 CORRELATIONS Correlations DER STR_AKT DER Pearson Correlation 1.412 ** Sig. (2-tailed).000 N 84 84 STR_AKT Pearson Correlation.412 ** 1 Sig. (2-tailed).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. Dilarang menggandakan seijin tim penyusun 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 NPM NET_SLS1 CR1 -none- a NPM Correlation 1.000 -.047.207 Significance (2-tailed)..671.059 Df 0 82 82 NET_SLS1 Correlation -.047 1.000 -.414 Significance (2-tailed).671..000 Df 82 0 82 CR1 Correlation.207 -.414 1.000 Significance (2-tailed).059.000. Dilarang menggandakan seijin tim penyusun 37
Df 82 82 0 CR1 NPM Correlation 1.000.043 Significance (2-tailed)..697 Df 0 81 NET_SLS1 Correlation.043 1.000 Significance (2-tailed).697. Df 81 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. Dilarang menggandakan seijin tim penyusun 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 X 1, X 2,., X i 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 (R 2 ) pada intinya mengukur seberapa jauh kemampuan model dalam variasi variabel dependen. Bila nilai R 2 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 R 2 akan meningkat tidak peduli apakah variabel tersebut berpengaruh secarasignifikan terhadapo variabel dependen. TABEL 5.1 MODEL SUMMARY Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1.716 a.512.474.58837 a. Predictors: (Constant), CR1, GROW1, NPM, STR_AKT, NET_SLS1 Dilarang menggandakan seijin tim penyusun 41
Dari tampilan output SPSS di atas besar dari Adjusted R 2 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 ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 23.258 5 4.652 13.437.000 a Residual 22.155 64.346 Total 45.413 69 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 Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) 1.803.281 6.420.000 NPM -.041.008 -.501-5.177.000 STR_AKT 1.434.315.446 4.557.000 NET_SLS1-2.395E-5.000 -.070 -.710.480 GROW1.393.154.238 2.548.013 CR1 -.498.261 -.204-1.906.061 a. Dependent Variable: DER Dilarang menggandakan seijin tim penyusun 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 R 2 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 Coefficient Correlations a Model CR1 GROW1 NPM STR_AKT NET_SLS1 1 Correlations CR1 1.000.127 -.314.334.395 GROW1.127 1.000 -.182.331 -.043 NPM -.314 -.182 1.000 -.220.114 STR_AKT.334.331 -.220 1.000.089 NET_SLS1.395 -.043.114.089 1.000 Covariances 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 NET_SLS1 3.481E-6-2.212E-7 3.040E-8 9.467E-7 1.137E-9 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. Dilarang menggandakan seijin tim penyusun 46
TABEL 6.2 COEFFICIENTS Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 1.803.281 6.420.000 NPM -.041.008 -.501-5.177.000.815 1.228 STR_AKT 1.434.315.446 4.557.000.797 1.254 NET_SLS1-2.395E-5.000 -.070 -.710.480.778 1.286 GROW1.393.154.238 2.548.013.874 1.144 CR1 -.498.261 -.204-1.906.061.664 1.506 a. Dependent Variable: DER TABEL 6.3 DIAGNOSTIC COLLINEARITY Collinearity Diagnostics a Dimen Eigenvalue Variance Proportions Model sion Condition Index (Constant) NPM STR_AKT NET_SLS1 GROW1 CR1 1 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. Dilarang menggandakan seijin tim penyusun 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 Keputusan Jika Tidak ada autokolerasi positif Tidak ada autokolerasi positif Tolak No desicion 0 < d < dl dl d du Tidak ada autokolerasi negatif Tolak 4-dl < d <4 Tidak ada autokolerasi negatif Tidak ada autokolerasi, positif atau negatif No desicion Diterima 4-du d 4-dl du < d < 4-dl Dilarang menggandakan seijin tim penyusun 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