Oktober 2015

<div dir="ltr" style="text-align: left;" trbidi="on">
<div class="hfeed site" id="page">
<div class="site-content" id="content">
<div class="content-area" id="primary">
<div class="hentry-wrapper">
<article class="post-266 post type-post status-publish format-standard hentry category-unsrat tag-analisa-pengaruh-spss tag-analisa-regreasi-linear-berganda-spss tag-analisa-spss-laporan-keuangan tag-cara-baca-spss tag-cara-menggunakan-spss tag-statistik tag-tutorial-spss-16" id="post-266"><div class="entry-content">
Tutorial kali ini kita akan membahasa Analisa Stattistik dengan 
menggunakan aplikasi Software Statistik Pakage Software Systen (SPSS). 
Kali ini dengan menggunakan SPSS-ver 16 , Aplikasi ini sangat mudah 
digunakan terutama dalam bentuk analisa Statistik data kuantitatif.<br />

Kali ini data yang akan kita gunakan adalah data keuangan yang 
diambil dari sebuah Laporan Keuangan Perusahaan, kita akan menganalisa 
apakah <i>Non Performing Loans</i> (NPL), Biaya Operasional dan Pengeluaran Opersional (BOPO) dan <i>Return on Assset</i>
 (ROA). Betul….!!! Sobat data yang kita gunakan adalah Rasio Keuangan, 
Analisa Regresi Berganda dapat kita gunakan pada variable yang bersifat 
Rasio dengan persayaratan jumlah Sample (dalam hal ini data akurat) yang
 kita gunakan Minimal berjumlah 6 (enam)sample, berbeda dengan Analisa 
yang bersifat Logistik atau menyangkut jumlah populasi atau data yang 
diambil bersifat langsung, dalam analisa terssebut sample yang digunakan
 minimum 30-n (30 sample).<br />

Hipotesis dalam Uji Statistik sangat dibutuhkan tapi kali ini kita 
abaikan Hipotesisnya yachhhhhh sobat nanti qlo bikin hipotesis jangan 
lupa hasil uji hipotesis diterima di tolak nanti taruh juga di dalam 
hasil penelitian<br />

Sobat kita golongkan varibel terlebih dahulu yakni Variabel Terikan (Y) dan Variabel Bebas (X)<br />

NPL =X1<br />

BOPO = X2<br />

ROA = Y<br />

Berikut ini adalah data Rasio yang kita peroleh secara Sekunder atau 
data yang telah dikelolah menjadi sebuah Angka Mutlak (RASIO) dengan n-6<br />

<table border="1" cellpadding="0" cellspacing="0">
<tbody>
<tr>
<td valign="top" width="213">
<div align="center">
<b>NPL =X1</b></div>
</td>
<td valign="top" width="213">
<div align="center">
<b>BOPO = X2</b></div>
</td>
<td valign="top" width="213">
<div align="center">
<b>ROA = Y</b></div>
</td>
</tr>
<tr>
<td width="213">0.31</td>
<td width="213">1.2</td>
<td width="213">3.7</td>
</tr>
<tr>
<td width="213">0.44</td>
<td width="213">1.3</td>
<td width="213">3.6</td>
</tr>
<tr>
<td width="213">0.89</td>
<td width="213">1.0</td>
<td width="213">3.1</td>
</tr>
<tr>
<td width="213">1.23</td>
<td width="213">1.6</td>
<td width="213">2.9</td>
</tr>
<tr>
<td width="213">1.24</td>
<td width="213">1.2</td>
<td width="213">2.7</td>
</tr>
<tr>
<td width="213">0.45</td>
<td width="213">2.5</td>
<td width="213">3.2</td>
</tr>
<tr>
<td width="213">0.43</td>
<td width="213">2.6</td>
<td width="213">3.2</td>
</tr>
<tr>
<td width="213">0.34</td>
<td width="213">1.2</td>
<td width="213">3.5</td>
</tr>
</tbody>
</table>
PENGUJIAN LINEAR BERGANDA DENGAN STATISTIK SPSS-16<br />

Pertama jalankan Program SPSS<br />

<div style="text-align: center;">
<a href="https://gabrielaeman.files.wordpress.com/2013/11/new-picture.png"><img alt="spss" class="alignnone size-large wp-image-267" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture.png?w=634&h=383" /></a></div>
Langkah 1<br />

Pilih data view pada bagian bawah halaman spss dan masukan cukup angka yang terterah di tabel di atas<br />

Langkah 2<br />

Pilih Variabel View yang berada di samping data View maka di<br />

sini sobat kita akan memberikan keterangan mengenai data-data yang kita imput barusan, lihat gambar dibawah ini<br />

<div style="text-align: center;">
<img alt="" class=" wp-image-270 aligncenter" height="203" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-3.png?w=500&h=203" title="SPSS16" width="500" /></div>
Ketiklah pada kolom Label b<span style="line-height: 1.5;">eru</span><span style="line-height: 1.5;">rutan </span><span style="line-height: 1.5;">kebawah NPL,KAP, ROA</span><br />

Langka 3<br />

Pada langka ini kita akan melakukan analisa, tetapi sebelum malakukan anlisa regresi linear berganda kita harus melakukan <i>uji ASUMSI KLASIK, </i>hal ini dilakukan untuk meng<span style="line-height: 1.5;">uji apakah persamaan yang kita gunakan atau uji s</span><span style="line-height: 1.5;">tatistic
 yang kita gunakan berdistribusi Normal atau tidak, jika berdistribusi 
Normal artinya Data yang kita gunakan Layak untuk dilakukan uji </span><b style="line-height: 1.5;">Regresi Linear Berganda.</b><br />

Adapun Uji Klasik yang kita gunakan kali ini adalah<br />

<ol start="1">
<li>Uji Multikoreliniaritas</li>
<li>Uji Heteroskedastisidas</li>
<li>Uji Normatif</li>
</ol>
<div align="center">
<b>MULTIKOLINEARITAS</b></div>
Multikolinieritas berarti adanya hubungan yang kuat di antara beberap<span style="line-height: 1.5;">a atau semua variabel bebas pada model regresi. Jika terdapat Multikolinieritas maka koefisien re</span><span style="line-height: 1.5;">gresi
 menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar dan 
biasanya ditandai dengan nilai koefisien determinasi yang sangat besar 
tetapi pada pengujian parsial koefisien regresi, tidak ada ataupun kalau
 ada sangat sedikit sekali koefisien regresi yang signifikan. Pada 
penelitian ini digunakan nilai variance inflation factors (VIF) sebagai 
indikator ada tidaknya </span><span style="line-height: 1.5;">multikolinieritas diantara variabe</span><span style="line-height: 1.5;">l bebas nilai VIF harus lebih besar dari 10.</span><br />

<ul>
<li>Dari menu Utama SPSS klik <i>ANALYZE→REGRESSION→LINEAR </i>hingga tampak seperti gambar berikut</li>
</ul>
<div style="text-align: center;">
<img alt="SPSS 16" class=" wp-image-271 aligncenter" height="300" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-4.png?w=500&h=300" style="line-height: 1.5;" width="500" /></div>
<ul>
<li>Setelah kotak dialog muncul, Seret ROA kedalam kolom variabel 
Dependen dan NPL, BOPO ke kolom variabelti Independen pada kotak Method 
pilih Entek lalu tekan/klik <i>OK</i>, perhatikan ganbar dibawah :</li>
</ul>
<div align="center">
<img alt="New Picture (5)" class="alignnone  wp-image-272" height="300" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-5.png?w=500&h=300" style="line-height: 1.5;" width="500" /></div>
<ul>
<li>Selanjutnya klik menu STATISTICS dan centang <i>ESTIMATES </i>(Untuk meminta koefisien Regresi), <i>COVARIANCE MATRIX </i>(untuk meminta matrix korelasi antara variabel independen), <i>MATRIX FIT </i>(untuk meminta koefisien determinasi ), <i>Part and Partial Correlation</i> (untuk meminta korelasi parsial dan zero order korelasi) dan <i>Collinearity Diagnosis</i> (untuk meminta nilai tolerance dan VIF) , Klik <i>CONTINUE →OK</i></li>
</ul>
<div style="text-align: center;">
<img alt="New Picture (6)" class=" wp-image-273 aligncenter" height="300" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-6.png?w=500&h=300" style="line-height: 1.5; text-align: -webkit-center;" width="500" /></div>
<ul>
<li>Hasil Output SPSS menunjukan :</li>
</ul>
<div align="center">
<table border="1" cellpadding="0" cellspacing="0" style="width: 378px;">
<thead>
<tr>
<td colspan="5" width="378">
<div align="center">
<b>Model Summary</b></div>
</td>
</tr>
<tr>
<td valign="bottom" width="48">
<div align="left">
Model</div>
</td>
<td valign="bottom" width="67">
<div align="center">
R</div>
</td>
<td valign="bottom" width="71">
<div align="center">
R Square</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Adjusted R Square</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Std. Error of the Estimate</div>
</td>
</tr>
<tr>
<td valign="top" width="48">
<div align="left">
1</div>
</td>
<td width="67">.956<sup>a</sup></td>
<td width="71">.915</td>
<td width="96">.880</td>
<td width="96">.11968</td>
</tr>
</thead>
<tbody>
<tr>
<td colspan="4" valign="top" width="282">
<div align="left">
a. Predictors: (Constant), BOPO, NPL</div>
</td>
<td valign="top" width="96"><br /></td>
</tr>
</tbody>
</table>
</div>
Terlihat bahwa nilai R Squre cukup tinggi sebesar 91% menunjukan 
nilai yang lebih besar dari α= 5% dan Nilai VIF keseluruhan yang diatas 
10% menunjukan tidak adanya gejalah Multikolinearitas.<br />

<div align="center">
<b>HETER</b><b style="line-height: 1.5;">OSKEDATISIDAS</b></div>
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model 
regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke 
pengamatan yang lain. Apabila koefisien korelasi dari masing-masing 
variabel independen ada yang signifikan pada tingkat kekeliruan 5% 
(0,05), mengindikasikan adanya heteroskedastisitas.<br />

<ul>
<li>Lankukan analisa regresi seperti diatas ( <i>ANALIZE→LINEAR→REGRESSION</i>) masukan variabel dependen dan independent. Kemudian pilih option <i>PLOT</i>,  masukan variabel <b><i>SRESID</i></b> pada kotak Y, dan<b><i> ZPRED</i></b> pada kotak X kemudian klik <i>CONTINUE</i> dan <i>OK</i></li>
</ul>
Perhatikan gambar di bawah :<br />

<div style="text-align: center;">
<img alt="New Picture (7)" class=" wp-image-274 aligncenter" height="300" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-7.png?w=500&h=300" style="line-height: 1.5; text-align: -webkit-center;" width="500" /></div>
<ul>
<li>Maka output vieweer yang dihasilkan seperti dibawah ini :<a href="https://gabrielaeman.files.wordpress.com/2013/11/output-spss.png"><img alt="Output SPSS" class="aligncenter  wp-image-276" height="300" src="https://gabrielaeman.files.wordpress.com/2013/11/output-spss.png?w=500&h=300" width="500" /></a></li>
</ul>
Terlihat grafik scalerplot diatas bahwa titik tidak menyebar secara 
acak baik dibawah angka 0 pada sumbuh Y. Hal ini menyimpulkan bahwa 
terjadi Heterokedastisidas model Regresi. Maka data yang kita gunakan 
memenuhi syarat untuk dilakukan Regresi Berganda.<br />

<div align="center">
<b>UJI NORMATIF</b></div>
Uji Normatif adalah uji asumsi klasik terakhir yang kit<span style="line-height: 1.5;">a
 gunakan sebelum kita melanjutkan ke uji Regresi Linear berganda.  
Asumsi normalitas merupakan persyaratan yang sangat penting pada 
pengujian kebermaknaan (signifikansi) koefisien regressi, apabila model 
regressi tidak berdistribusi normal maka kesimpulan dari uji F dan uji t
 masih meragukan, karena statistik uji F dan uji t pada analisis 
regressi diturunkan dari distribusi normal.</span><br />

<ul>
<li>Lakukan seperti langka sebelumnya dalam uji Heteroskedastisidas (<i>ANALIZE→LINEAR→REGRESSION→PLOTS)</i>, selanjutkan tinggal mencentang/ menaktifkan <b><i>HISTOGRAM</i></b><i> dan <b>NORMAL PROBABILITY PLOT</b></i><b> </b>pada bagian <i>Standardized Residual Plot</i> abaikan yang lain dan tekan <i>CONTINUE</i> dan <i>OK.</i></li>
<li>Output yang dihasilkan sebagai berikut :</li>
</ul>
<div style="text-align: center;">
<span style="line-height: 1.5;"><br />
Grafik diatas mempertegas bahwa model regressi yang diperoleh 
berdisitribusi normal, dimana sebaran data berada disekitar garis 
diagonal.</span><img alt="Output SPSS 16 1" class="aligncenter  wp-image-277" height="200" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture1.png?w=350&h=200" width="350" /></div>
<div align="left">
Nah sobat kita telah melakukan tiga uji asu<span style="line-height: 1.5;">msi
 klasik dan hasil output SPSS menunjukan bahwa uji Asumsi Klasik 
memenuhi persyaratan untuk melakukan uji Regresi Linear Berganda.</span></div>
<div align="center">
<b>UJI REGRESI LINEAR BERGANDA</b></div>
UJi Linear Bergandai dilakukan untuk memprediksi apakah variable X 
berpengaruh terhadap variabel Y dan seberapa besar pengaruhnya kedua 
variabel bebas terhadap variabel terikat Y, Uji Regresi Linear Berganda 
teridir dari Uji secara Simultan (Uji F) dan Uji Secara Parsial (Uji T).<br />

<ul>
<li>Seperty yang kita lakukan sebelumnya lakukan tahap (<i>ANALIZE→LINEAR→REGRESSION→OK)</i> mudahkan sobat, maka akan tampil outpun yang akan kit abaca seperti dibawah ini :</li>
</ul>
<div style="text-align: center;">
<a href="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-8.png" style="line-height: 1.5; text-align: -webkit-center;"><img alt="New Picture (8)" class=" wp-image-275 aligncenter" height="400" src="https://gabrielaeman.files.wordpress.com/2013/11/new-picture-8.png?w=500&h=400" width="500" /></a></div>
<div align="left">
Nah….. cara bacanya begini :</div>
<div align="left">
<b>Uji <i>F-test</i></b></div>
Uji F digunakan untuk mengetahui apakah variabel-variabel independen 
secara simultan berpengaruh signifikan terhadap variabel dependen. 
Derajat kepercayaan yang digunakan adalah 0,05. Apabila nilai F hasil 
perhitungan lebih besar daripada nilai F menurut tabel maka hipotesis 
alternatif, yang menyatakan bahwa semua variabel independen secara 
simultan berpengaruh signifikan terhadap variabel dependen. Outputnya 
sebagai berikut :<br />

<div align="center">
<table border="1" cellpadding="0" cellspacing="0" style="width: 520px;">
<thead>
<tr>
<td colspan="7" width="520">
<div align="center">
<b>ANOVA<sup>b</sup></b></div>
</td>
</tr>
<tr>
<td colspan="2" valign="bottom" width="132">
<div align="left">
Model</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Sum of Squares</div>
</td>
<td valign="bottom" width="67">
<div align="center">
df</div>
</td>
<td valign="bottom" width="92">
<div align="center">
Mean Square</div>
</td>
<td valign="bottom" width="67">
<div align="center">
F</div>
</td>
<td valign="bottom" width="67">
<div align="center">
Sig.</div>
</td>
</tr>
<tr>
<td rowspan="3" valign="top" width="48">
<div align="left">
1</div>
</td>
<td valign="top" width="84">
<div align="left">
Regression</div>
</td>
<td width="96">.767</td>
<td width="67">2</td>
<td width="92">.384</td>
<td width="67">26.779</td>
<td width="67">.002<sup>a</sup></td>
</tr>
<tr>
<td valign="top" width="84">
<div align="left">
Residual</div>
</td>
<td width="96">.072</td>
<td width="67">5</td>
<td width="92">.014</td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="67"><br /></td>
</tr>
<tr>
<td valign="top" width="84">
<div align="left">
Total</div>
</td>
<td width="96">.839</td>
<td width="67">7</td>
<td valign="top" width="92"><br /></td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="67"><br /></td>
</tr>
</thead>
<tbody>
<tr>
<td colspan="4" valign="top" width="294">
<div align="left">
a. Predictors: (Constant), NPL, BOPO</div>
</td>
<td valign="top" width="92"><br /></td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="67"><br /></td>
</tr>
<tr>
<td colspan="3" valign="top" width="228">
<div align="left">
b. Dependent Variable: ROA</div>
</td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="92"><br /></td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="67"><br /></td>
</tr>
</tbody>
</table>
</div>
<div align="left">
Tabel 5.11. Uji F’ menunjukan  bahwa nilai F<sub>hitung</sub> sebesar 26.779 dengan tingkat (sig) 0.002 atau dapat nilai signifikansi 0.002  lebih kecil dari nilai probabilitas 0.005.</div>
<div align="center">
<b><i>“Hal tersebut membuktikan bahwa terdapat 
pengaruh signifikan antara NPL dan BOPO terhadap ROA atau Secara 
Simultan (bersama-sama) NPL dan BOPO signifikan terhadap ROA”</i></b></div>
<b>Uji <i>t-test</i></b><br />

Uji t digunakan untuk mengetahui apakah variabel-variabel independen 
secara parsial berpengaruh nyata atau tidak terhadap variabel dependen. 
Derajat signifikansi yang digunakan adalah 0,05. Apabila nilai 
signifikan lebih kecil dari derajat kepercayaan maka kita menerima 
hipotesis alternatif, yang menyatakan bahwa suatu variabel independen 
secara parsial mempengaruhi variabel dependen. Outputnya sebagai berikut
 :<br />

<div align="center">
<table border="1" cellpadding="0" cellspacing="0" style="width: 529px;">
<thead>
<tr>
<td colspan="7" width="529">
<div align="center">
<b>Coefficients<sup>a</sup></b></div>
</td>
</tr>
<tr>
<td colspan="2" rowspan="2" valign="bottom" width="125">
<div align="left">
Model</div>
</td>
<td colspan="2" valign="bottom" width="175">
<div align="center">
Unstandardized Coefficients</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Standardized Coefficients</div>
</td>
<td rowspan="2" valign="bottom" width="67">
<div align="center">
t</div>
</td>
<td rowspan="2" valign="bottom" width="67">
<div align="center">
Sig.</div>
</td>
</tr>
<tr>
<td valign="bottom" width="87">
<div align="center">
B</div>
</td>
<td valign="bottom" width="87">
<div align="center">
Std. Error</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Beta</div>
</td>
</tr>
<tr>
<td rowspan="3" valign="top" width="48">
<div align="left">
1</div>
</td>
<td valign="top" width="77">
<div align="left">
(Constant)</div>
</td>
<td width="87">4.140</td>
<td width="87">.164</td>
<td valign="top" width="96"><br /></td>
<td width="67">25.197</td>
<td width="67">.000</td>
</tr>
<tr>
<td valign="top" width="77">
<div align="left">
BOPO</div>
</td>
<td width="87">-.207</td>
<td width="87">.075</td>
<td width="96">-.373</td>
<td width="67">-2.755</td>
<td width="67">.040</td>
</tr>
<tr>
<td valign="top" width="77">
<div align="left">
NPL</div>
</td>
<td width="87">-.866</td>
<td width="87">.119</td>
<td width="96">-.984</td>
<td width="67">-7.266</td>
<td width="67">.001</td>
</tr>
</thead>
<tbody>
<tr>
<td colspan="3" valign="top" width="212">
<div align="left">
a. Dependent Variable: ROA</div>
</td>
<td valign="top" width="87"><br /></td>
<td valign="top" width="96"><br /></td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="67"><br /></td>
</tr>
</tbody>
</table>
</div>
Uji statistik <i>t-test </i>(PARSIAL) menunjukan:<br />

<ol start="1">
<li>Pengaruh NPL (<i>ϰ1</i>) terhadap ROA (Y)</li>
</ol>
<i>Non Performing Loans </i>(NPL) memiliki nilai signifikansi (Sig.) 0.001 pada tabel <b>Coefficients<sup>a </sup></b>dengan nilai α(derajat signifkansi) 0.05 artinya 0.001<0.05 atau <i>Terdapat pengaruh yang signifikan Kredit Bermasalah (NPL) terhadap variabel terikat Profitabilitas (ROA).</i><br />

<ol start="2">
<li>Pengaruh BOPO (<i>ϰ2</i>) terhadap ROA (Y)</li>
</ol>
Kualitas Aktiva Produktif (KAP) memiliki nilai signifkansi (Sig,) 
0.040 dengan nilai α(derajat signifkansi) 0.05 artinya 0.04<0.05 atau
 <i>terdapat pengaruh yang signifikan antara Biaya Operasional dan Pendapatan Operasional (BOPO) terhadap Profitabilitas (ROA).</i><br />

<b>Koefisien Determinan (</b><b>R²)</b><br />

Koefisien determinasi digunakan untuk mengetahui seberapa besar 
hubungan dari beberapa variabel dalam pengertian yang lebih jelas. 
Koefisien determinasi akan menjelaskan seberapa besar perubahan atau 
variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi pada 
variabel yang lain.<br />

Dalam bahasa sehari-hari adalah kemampuan variabel bebas untuk berkontribusi terhadap variabel tetapnya dalam satuan persentase.<br />

<div align="center">
<table border="1" cellpadding="0" cellspacing="0" style="width: 378px;">
<thead>
<tr>
<td colspan="5" width="378">
<div align="center">
<b>Model Summary<sup>b</sup></b></div>
</td>
</tr>
<tr>
<td valign="bottom" width="48">
<div align="left">
Model</div>
</td>
<td valign="bottom" width="67">
<div align="center">
R</div>
</td>
<td valign="bottom" width="71">
<div align="center">
R Square</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Adjusted R Square</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Std. Error of the Estimate</div>
</td>
</tr>
<tr>
<td valign="top" width="48">
<div align="left">
1</div>
</td>
<td width="67">.956<sup>a</sup></td>
<td width="71">.915</td>
<td width="96">.880</td>
<td width="96">.11968</td>
</tr>
</thead>
<tbody>
<tr>
<td colspan="4" valign="top" width="282">
<div align="left">
a. Predictors: (Constant), NPL, BOPO</div>
</td>
<td valign="top" width="96"><br /></td>
</tr>
<tr>
<td colspan="4" valign="top" width="282">
<div align="left">
b. Dependent Variable: ROA</div>
</td>
<td valign="top" width="96"><br /></td>
</tr>
</tbody>
</table>
</div>
<div align="left">
Uji determinasi menunjukan bahwa nilai (Adjusted R 
Square) 0.88 hal ini menunjukan bahwa KAP dan NPL berpengaruh 88% 
terhadap ROA(Profitabilitas) dan sisanya 22% dipengaruhi oleh variabel 
lain yang tidak diteliti.</div>
<b> Analisis Regresi Linear Berganda</b><br />

Analisis regresi berganda digunakan untuk menguji pengaruh variabel 
independen yaitu kredit bermasalah dan BOPO terhadap profitabilitas. 
Estimasi model regresi linier berganda ini menggunakan software SPSS dan
 diperoleh hasil output sebagai berikut :<br />

<div align="center">
<table border="1" cellpadding="0" cellspacing="0" style="width: 529px;">
<thead>
<tr>
<td colspan="7" width="529">
<div align="center">
<b>Coefficients<sup>a</sup></b></div>
</td>
</tr>
<tr>
<td colspan="2" rowspan="2" valign="bottom" width="125">
<div align="left">
Model</div>
</td>
<td colspan="2" valign="bottom" width="175">
<div align="center">
Unstandardized Coefficients</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Standardized Coefficients</div>
</td>
<td rowspan="2" valign="bottom" width="67">
<div align="center">
t</div>
</td>
<td rowspan="2" valign="bottom" width="67">
<div align="center">
Sig.</div>
</td>
</tr>
<tr>
<td valign="bottom" width="87">
<div align="center">
B</div>
</td>
<td valign="bottom" width="87">
<div align="center">
Std. Error</div>
</td>
<td valign="bottom" width="96">
<div align="center">
Beta</div>
</td>
</tr>
<tr>
<td rowspan="3" valign="top" width="48">
<div align="left">
1</div>
</td>
<td valign="top" width="77">
<div align="left">
(Constant)</div>
</td>
<td width="87">4.140</td>
<td width="87">.164</td>
<td valign="top" width="96"><br /></td>
<td width="67">25.197</td>
<td width="67">.000</td>
</tr>
<tr>
<td valign="top" width="77">
<div align="left">
BOPO</div>
</td>
<td width="87">-.207</td>
<td width="87">.075</td>
<td width="96">-.373</td>
<td width="67">-2.755</td>
<td width="67">.040</td>
</tr>
<tr>
<td valign="top" width="77">
<div align="left">
NPL</div>
</td>
<td width="87">-.866</td>
<td width="87">.119</td>
<td width="96">-.984</td>
<td width="67">-7.266</td>
<td width="67">.001</td>
</tr>
</thead>
<tbody>
<tr>
<td colspan="3" valign="top" width="212">
<div align="left">
a. Dependent Variable: ROA</div>
</td>
<td valign="top" width="87"><br /></td>
<td valign="top" width="96"><br /></td>
<td valign="top" width="67"><br /></td>
<td valign="top" width="67"><br /></td>
</tr>
</tbody>
</table>
</div>
Hasil uji Regresi Linear berganda menunjukan bahwa<br />

<ol>
<li>Nilai (constant) menunjukan nilai sebesar 4,140 artinya jika nilai variabel <i>independent</i> (bebas) nol maka nilai varibel <i>dependen</i>
 (terikat) sebesar 4.140 dalam hal ini jika Rasio NPL dan BOPO bernilai 
0,00 (nol) maka rasio ROA akan meningkat sebesar 4% (pembulatan)</li>
<li>Nilai variabel <i>Non Performing Loans</i> (NPL) menunjukan tanda 
negative dinilai (-0.984) artinya setiap kenaikan 1(satu) nilai pada 
variabel NPL dalam hal ini meningkatkan 1% Rasio NPL akan menurukan 
nilai variabel Y (Rasio ROA) sebesar 0,99%</li>
<li>Nilai varibel BOPO juga menunjukan tanda negative yang berarti 
setiap kenaikan 1(satu) nilai pada variabel KAP akan menurunkan nilai 
variabel Y, dalam hal ini setiap meningkatnya 1% Rasio KAP akan 
menurunkan profitabilitas (ROA) sebesar 0.37%</li>
</ol>
NAH selesai sudah Tutorial uji Statistik Linear Berganda dan bagi 
yang lagi buat Skripsi semoga ini bisa membantu terutama yang bikin 
Sripsi menyangkut Laporan keuangan dengan Rasio, dan Ingat sobat analisa
 Rasio yang kita gunakan dan kita pelajari biasanya pada kenyataannya 
hanya untuk Informasi buat keadaan yang sudah berlalu atau sekedar info 
peforma perusahaan satu tahun berjalan mengenai tingkat kesehatannya, 
sementara mengapa Rasio Keuangan digunakan Analisa Statistik jawabanya 
Analisa Statistik itu digunakan untuk <i>MEMPREDIKSI</i> kedepan 
mengenai keuangan perusahaan kedepannya dan dari hasil olahan statistic 
maka perusahaan bisa mengambil kebijakan mengenai perencanaan keuangan 
kedepannya….. !!!<br />

ANALISA LINEAR BERGANDA DENGAN PROGRAM SPSS-16

Tutorial kali ini kita akan membahasa Analisa Stattistik dengan menggunakan aplikasi Software Statistik Pakage Software Systen (SPSS)...

Baca selengkapnya »

Aysan

Gie

Rumit

ANALISA LINEAR BERGANDA DENGAN PROGRAM SPSS-16