BAB
I
PENDAHULUAN
- Latar Belakang
Sebagian
besar analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara
dua atau lebih variable. Bila hubungan tersebut dapat dinyatakan dalam bentuk
rumus matematika, maka kita dapat menggunakannya untuk kepentingan peramalan.
Sebagai misal kita memberikan test kepada mahasiswa baru untuk melihat
keberhasilan mereka pada akhir perkuliahan.
Seberapa
jauh peramalan itu dapat dipercaya, bergantung pada keeratan hubungan antara
variable-variabel tersebut. Untuk lebih cepat memahami topik regresi ini, maka
penguasaan materi pada pertemuan-pertemuan sebelumnya sangatlah diperlukan dan
menjadi syarat mutlak.
Regresi
berganda seringkali digunakan untuk mengatasi permasalahan analisis regresi
yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya
regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan
akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya
laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business
Week, Wal Street Journal, dll), yang didasarkan pada model-model
ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh
penggunaan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian
menggunakan analisis regresi untuk menjajagi antara hasil pertanian (misal:
produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk
yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi
serangga.
BAB II
TINJAUAN PUSTAKA
LANDASAN
TEORI
Menurut Setyawan (2010), model regresi linier
sederhana merupakan sebuah metode statistika untuk melakukan identifikasi
pengaruh satu variabel (X) bebas terhadap 1 variabel terikat (Y). Konsep dasar
regresi berkenaan dengan dan sebagai upaya menjawab pertanyaan seberapa besar
pengaruh satu variabel X terhadap satu variabel Y. Variabel bebas dan terikat
harus memiliki hubungan yang fungsional atas dasar logika, teori maupun dugaan
terhadap observasi tertentu yang valid dijadikan sebagai acuan.
Analisis regresi merupakan bagian integral dalam
peramalan. Maksud dari peramalan adalah berdasarkan data yang diolah dengan
cara statistik yang kemudian menarik sebuah kesimpulan. Analisis regresi
digunakan untuk mengetahui sampai sejauh mana suatu variabel berpengaruh pada
variabel lainnya atau beberapa variabel lainnya (Sunyoto, 2007).
Menurut Kurniawan (2008) regresi linier adalah
metode statistika yang digunakan untuk membentuk model hubungan antara variabel
terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas
(independen, prediktor, X). Apabila banyaknya variabel bebas hanya ada satu,
disebut sebagai regresi linier sederhana, sedangkan apabila terdapat lebih dari
1 variabel bebas, disebut sebagai regresi linier berganda. Analisis regresi
setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari
fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta
untuk tujuan prediksi.
Menurut Hasan (2008), regresi merupakan suatu alat
ukur yang juga digunakan untuk mengukur ada tidaknya korelasi antarvariabel.
Istilah regresi yang berarti ramalan atau taksiran. Analisis regresi lebih
akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan
dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel
lainnya dapat ditentukan). Analisis regresi dapar meramal atau memperkirakan
nilai variabel bebas lebih akurat. Regresi linier adalah regresi yang variabel
bebasnya (variabel x) berpangkat paling tinggi satu. Regresi linier sederhana,
yaitu regresi linier yang hanya melibatkan 2 variabel (variabel x dan y).
Persamaan regresi linier dari X terhadap Y dirumuskan:
Y = a + bX
Menurut Nawari (2010), analisis regresi adalah suatu
metode sederhana untuk melakukan investigasi tentang hubungan fungsional di
antara beberapa variabel. Hubungan antara beberapa variabel tersebut diwujudkan
dalam suatu model matematis. Model regresi, variabel dibedakan menjadi dua
bagian, yaitu variabel respons (response) atau biasa juga disebut variabel
bergantung (dependent variable) serta variabel explonary atau bisa juga disebut
variabel penduga (predictor variable) atau disebut juga variabel bebas
(independent variable).
Istilah ‘regresi’ pertama kali diperkenalkan oleh
seorang ahli yang bernama Fancis Galton pada tahun 1886. Menurut Galton,
analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang
disebut variabel tak bebas (dependet variable), pada satu atau variabel yang
menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai
dari variabel tak bebas apabila nilai variabel yang menerangkan sudah
diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent
variable). Untuk mempelajari hubunganhubungan antara beberapa variabel,
analisis regresi dapat dilihat dari dua bentuk yaitu:
- Analisis Regresi Sederhana (Simple Regression)
- Analisis Regresi Berganda (Multiple Regression)
Menurut
Abdul Halim (2005:42) Asset Growth adalah perubahan (tingkat pertumbuhan)
tahunan dari Total Aktiva.
Menurut
Dahlan (2008) Asset Growth adalah pertumbuhan total aktiva lancar yang ditambah
dengan pertumbuhan total aktiva tidak lancar. Aktiva lancar adalah uang kas dan
aktiva yang dapat diharapkan untuk dicairkan atau ditukarkan menjadi uang
tunai, dijual atau dikonsumer dalam periode berikutnya (paling lama satu tahun
dalam perputaran kegiatan perusahaan yang normal).
Pengertian
asset growth menurut Abdul Halim (2005:42) adalah sebagai berikut: “Asset
growth adalah perubahan (tingkat pertumbuhan) tahunan dari total aktiva”.
Pengertian
aktiva menurut Mahmud M Hanafi (2003:24) adalah sebagai berikut: “Aktiva adalah
sumber daya yang dikuasai oleh perusahaan sebagai akibat dari peristiwa masa
lalu dan darinya manfaat ekonomi di masa depan diharapkan akan diraih oleh
perusahaan”.
BAB
III
METODE
PENELITIAN
Metode Penelitian Yang digunakan adalah metode
analisis regresi berganda dengan metode ENTER. Regersi berganda digunakan untuk
memprediksi pengaruh dua variabel bebas atau lebih terhadap atu variabel
terikat.
Pengujian hipotesis yang digunakan dalam penelitian ini
adalah:
- Uji satatistik F
Dilakukan untuk melihat ada atau tidak adanya
pengaruh yang signifikan dari variabel-variabel independen secara
simultan(bersama-sama) terhadap variabel dependen
- Uji satatistik t
Dilakukan untuk melihat ada atau tidak adanya
pengaruh yang signifikan dari variabel-variabel independen secara
simultan(bersama-sama) terhadap variabel dependen. Uji statistik t berutjuan
untuk mengetahui apakah koefisien regresi signifikan atau tidak.
- Uji normalitas
Unutk menguji apakah dalam model regresi,variabel
pengganggu atau residual memilki distribusi normal atau tidak. Jika variabel
residual tersebut memiliki distribusi tidak normal maka hasil uji akan bias.
BAB
IV
HASIL
PENELITIAN
|
Variables Entered/Removeda
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
rasio biaya tenaga kerja terhadap modal inti, rasio biaya tenaga
kerja terhadap biaya operasionalb
|
.
|
Enter
|
|
a. Dependent Variable: asset growth
|
|||
|
b. All requested variables entered.
|
|||
Analisis Korelasi Ganda (R)
Analisis ini digunakan untuk
mengetahui hubungan antara dua atau lebih variabel independen (X1, X2,…Xn)
terhadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan
seberapa besar hubungan yang terjadi antara variabel independen (X1,
X2,……Xn) secara serentak terhadap variabel dependen (Y).
nilai R berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti hubungan
yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan
yang terjadi semakin lemah.
Menurut Sugiyono (2007) pedoman untuk memberikan
interpretasi koefisien korelasi sebagai berikut:
0,00 -
0,199 = sangat rendah
0,20
- 0,399 =
rendah
0,40
- 0,599 =
sedang
0,60 -
0,799 = kuat
0,80
- 1,000 =
sangat kuat
Dari hasil analisis regresi, lihat pada output moddel
summary dan disajikan sebagai berikut:
|
Model Summaryb
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
,462a
|
,213
|
,138
|
7,20068
|
|
a. Predictors: (Constant), rasio biaya tenaga kerja terhadap
modal inti, rasio biaya tenaga kerja terhadap biaya operasional
|
||||
|
b. Dependent Variable: asset growth
|
||||
Berdasarkan tabel di atas diperoleh angka R sebesar 0,462.
Hal ini menunjukkan bahwa terjadi hubungan yang sedang antara biaya tenaga
kerja terhadap modal inti dan rasio biaya tenaga kerja terhadap biaya
operasional terhadap asset growth (pertumuhan aset).
Analisis
Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan
untuk mengetahui prosentase sumbangan pengaruh variabel independen (X1,
X2,……Xn) secara serentak terhadap variabel dependen (Y).
Koefisien ini menunjukkan seberapa besar prosentase variasi variabel independen
yang digunakan dalam model mampu menjelaskan variasi variabel dependen. R2
sama dengan 0, maka tidak ada sedikitpun prosentase sumbangan pengaruh yang
diberikan variabel independen terhadap variabel dependen, atau variasi variabel
independen yang digunakan dalam model tidak menjelaskan sedikitpun variasi
variabel dependen. Sebaliknya R2 sama dengan 1, maka prosentase
sumbangan pengaruh yang diberikan variabel independen terhadap variabel
dependen adalah sempurna, atau variasi variabel independen yang digunakan dalam
model menjelaskan 100% variasi variabel dependen.
Berdasarkan
tabel di atas diperoleh angka R2 (R Square) sebesar 0,213
atau (21,3%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel
independen (BTK OPERASIONAL dan BTK MODAL INTI) terhadap variabel dependen
(ASSET GROWTH) sebesar 21,3%. Atau variasi variabel independen yang digunakan
dalam model (BTK OPERASIONAL dan BTK MODAL INTI) mampu menjelaskan sebesar
21,3% variasi variabel dependen (ASSET GROWTH). Sedangkan sisanya sebesar 78,7%
dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam
model penelitian ini.
Adjusted
R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu lebih
kecil dari R Square dan angka ini bisa memiliki harga negatif. Menurut Santoso
(2001) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan
Adjusted R2 sebagai koefisien determinasi.
Standard Error of the Estimate adalah suatu ukuran banyaknya
kesalahan model regresi dalam memprediksikan nilai Y. Dari hasil regresi di
dapat nilai 7,20068 hal ini berarti banyaknya kesalahan dalam prediksi ASSET
GROWTH sebesar 7,20068. Sebagai pedoman jika Standard
error of the estimate kurang dari standar deviasi Y, maka model regresi semakin
baik dalam memprediksi nilai Y.
|
ANOVAa
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
295,057
|
2
|
147,528
|
2,845
|
,081b
|
|
Residual
|
1088,845
|
21
|
51,850
|
|
|
|
|
Total
|
1383,902
|
23
|
|
|
|
|
|
a. Dependent Variable: asset growth
|
||||||
|
b. Predictors: (Constant), rasio biaya tenaga kerja terhadap modal
inti, rasio biaya tenaga kerja terhadap biaya operasional
|
||||||
Uji F’ menunjukan bahwa
nilai Fhitung sebesar 2,845 dengan tingkat (sig) 0.081 atau dapat
nilai signifikansi 0.081 lebih besar dari nilai probabilitas 0.005.“Hal tersebut
membuktikan bahwa tidak terdapat pengaruh signifikan antara biaya tenaga
kerja(modal inti) dan biaya tenaga kerja(biaya operasional) terhadap asset
growth atau Secara Simultan (bersama-sama) biaya tenaga kerja(modal inti) dan
biaya tenaga kerja(biaya operasional)
tidak signifikan terhadap ROA”
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
-7,389
|
11,487
|
|
-,643
|
,527
|
|
rasio biaya tenaga kerja terhadap biaya operasional
|
,661
|
,423
|
,318
|
1,561
|
,133
|
|
|
rasio biaya tenaga kerja terhadap modal inti
|
-,361
|
,164
|
-,449
|
-2,201
|
,039
|
|
|
a. Dependent Variable: asset growth
|
||||||
Uji
statistik t-test (PARSIAL) menunjukan:
- Pengaruh biaya tenaga kerja(modal inti) (Ï°1) terhadap asset growth (Y)
biaya tenaga kerja(modal inti) memiliki nilai signifikansi (Sig.)
0.039 pada tabel Coefficientsa dengan nilai α(derajat signifkansi)
0.05 artinya 0,039>0.05 atau tidak Terdapat pengaruh yang signifikan biaya tenaga kerja(modal
inti) terhadap variabel asset growth.
- Pengaruh biaya tenaga kerja(biaya operasional) (Ï°2) terhadap ROA (Y)
dan biaya tenaga kerja(biaya operasional) memiliki nilai signifkansi (Sig,)
0.133 dengan nilai α(derajat signifkansi) 0.05 artinya 0.133>0.05 atau tidak
terdapat pengaruh yang signifikan antara dan biaya tenaga kerja(biaya operasional) terhadap asset growth.
Analisis Regresi Linear
Berganda
Hasil
uji Regresi Linear berganda menunjukan bahwa
- Nilai (constant) menunjukan nilai sebesar -7,389 artinya jika nilai variabel independent (bebas) nol maka nilai varibel dependen (terikat) sebesar -7,389 dalam hal ini jika Rasio biaya tenaga kerja(modal inti) dan biaya tenaga kerja(biaya operasional) bernilai 0,00 (nol) maka rasio asset growth akan menurun sebesar 7% (pembulatan)
- Nilai variabel biaya tenaga kerja(biaya operasional) menunjukan 0,318 artinya setiap kenaikan 1(satu) nilai pada variabel biaya tenaga kerja(biaya operasional) dalam hal ini meningkatkan 1% Rasio biaya tenaga kerja(biaya operasional) akan menaikkan nilai variabel Y (Rasio asset growth) sebesar 0,318%
- Nilai varibel biaya tenaga kerja(modal inti) menunjukan -0,449yang berarti setiap kenaikan 1(satu) nilai pada variabel biaya tenaga kerja(modal inti) akan menurunkan nilai variabel Y, dalam hal ini setiap meningkatnya 1% Rasio biaya tenaga kerja(modal inti) akan menurunkan asset growth sebesar 0.449%
|
Residuals Statisticsa
|
|||||
|
|
Minimum
|
Maximum
|
Mean
|
Std. Deviation
|
N
|
|
Predicted Value
|
-2,6626
|
11,3538
|
4,5250
|
3,58170
|
24
|
|
Std. Predicted Value
|
-2,007
|
1,907
|
,000
|
1,000
|
24
|
|
Standard Error of Predicted Value
|
1,523
|
3,745
|
2,464
|
,653
|
24
|
|
Adjusted Predicted Value
|
-1,6514
|
12,4645
|
4,5437
|
3,76235
|
24
|
|
Residual
|
-14,20355
|
16,89066
|
,00000
|
6,88049
|
24
|
|
Std. Residual
|
-1,973
|
2,346
|
,000
|
,956
|
24
|
|
Stud. Residual
|
-2,021
|
2,603
|
-,001
|
1,024
|
24
|
|
Deleted Residual
|
-14,91597
|
20,79706
|
-,01878
|
7,92388
|
24
|
|
Stud. Deleted Residual
|
-2,198
|
3,086
|
,007
|
1,101
|
24
|
|
Mahal. Distance
|
,070
|
5,264
|
1,917
|
1,489
|
24
|
|
Cook's Distance
|
,000
|
,522
|
,052
|
,106
|
24
|
|
Centered Leverage Value
|
,003
|
,229
|
,083
|
,065
|
24
|
|
a. Dependent Variable: asset growth
|
|||||
Charts
Sebaran
titik-titik dari gambar Normal P-P Plot di atas relatif mendekati garis
lurus, sehingga dapat disimpulkan bahwa (data) residual terdistribusi normal.
Hasil ini sejalan dengan asumsi klasik dari regresi linier dengan pendekatan
OLS.
Dari
gambar di atas terlihat bahwa sebaran titik tidak membentuk suatu pola/alur
tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau
dengan kata lain terjadi homoskedastisitas. Asumsi klasik tentang
heteroskedastisitas dalam model ini terpenuhi, yaitu terbebas dari
heteroskedastisitas.
BAB
V
PENUTUP
A. KESIMPULAN
Regresi
dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh
suatu variabel terhadap variabel yang lain.
Regresi
linier bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel
ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y).
Persamaan
regresi adalah persamaan matematika yang dapat digunakan untuk meramalkan
nilai-nilai variable tidak bebas (dependent) dari nilai-nilai variable bebas
(independent).
Analisis
regresi merupakan studi dalam menjelaskan dan mengevaluasi hubungan antara
suatu peubah bebas (independent variable) dengan satu peubah tak bebas
(dependent variable) dengan tujuan untuk mengestimasi dan atau meramalkan nilai
peubah tak bebas didasarkan pada nilai peubah bebas yang diketahui.
Persamaan
regresi berganda adalah persamaan matematika yang dapat digunakan untuk
meramalkan nilai-nilai variable tidak bebas (dependent) dari nilai-nilai
variable bebas (independent). Dalam hal ini pendugaan atau peramalan nilai
variabel tak bebas Y berdasarkan hasil pengukuran pada beberapa variabel bebas
X1, X2,…, Xr.
B. SARAN
DAFTAR PUSTAKA
