Skripsi merupakan jenis penelitian yang diwajibkan dalam beberapa universitas kepada mahasiswa untuk memperoleh gelar sarjana. Meskipun skripsi diwajibkan bagi setiap mahasiswa tetapi tidak sedikit mahasiswa yang tidak paham tentang skripsi, baik penyusunanya maupun makna skripsi tersebut. Akibat dari ketidaktahuan tentang skripsi tersebut tidak sedikit pula mahasiswa yang mengambil jalan pintas dengan melakukan tindakan “plagiat” dalam penyusunan skripsi, lebih ironis lagi adapula mahasiswa yang membeli skripsi kepada pihak tertentu untuk mencapai kelulusannya.
Para kaum akademik yang budiman marilah kita hindari budaya plagiatisme dan tindakan-tindakan kecurangan lain, untuk menghindari budaya yang kurang terpuji tersebut marilah kita belajar menyusun skripsi dengan baik. Skripsi dapat dikatakan sebagai usaha pembuktian secara ilmiah terhadap hipotesis dimana hipotesis terlahir dari prediksi peneliti terhadap suatu fenomena tertentu yang didukung dengan berbagai teori dan ketajaman intelektual peneliti. Dalam penyusunan skripsi hal yang pertama dilakukan adalah menganalisa fenomena untuk menemukan masalah, setelah menemukan masalah yang penting untuk diteliti selanjutnya menentukan apa yang menjadi pertimbangan/alasan kita melakukan penelitian terhadap masalah tersebut, dilanjutkan dengan menentukan tujuan dan manfaat dari penelitian yang akan dilakukan. Setelah kita yakin untuk melakukan penelitian terhadap masalah tersebut langkah berikutnya adalah menentuka hipotesis penelitian untuk di uji kebenaranya. Dari hipotesis yang telah disusun maka selanjutnya adalah pelaksanaan penelitian untuk memperoleh data yang dibutuhkan dan kemudian data-data tersebut dianalisis. Salah satu jenis analisis data adalah analisis menggunakan analisis regresi berganda.
Analisis Regresi linear berganda digunakan Untuk mengetahui pengaruh suatu variabel bebas (variabel bebas lebih dari satu) terhadap variabel terikat. Sebelum melakukan analisis maka harus dilaksanakan uji prasyarat analisis regresi linear berganda yaitu Uji Normalitas, Uji Linearitas, dan Uji Asumsi Klasik. Setelah melakukan uji prasyarat dan hasil uji prasarat menunjukan hal yang bagus maka selanjutnya melakukan analisis regresi.
Uji Normalitas
Uji normalitas data digunakan untuk mengetahui normal tidaknya masing-masing variabel penelitian. Dalam penelitian ini uji normalitas dilakukan dengan uji One Sample Kolmogorof-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 0,05 atau 5%. (Priyatno,2008:28).
Cara Uji Normalirtas :
1. Buka Program SPSS hingga tampil jendela SPSS data Editor.
2. Klik Variable View yang ada pada bagian bawah pojok kiri, lalu ketikan variabel bebas (X1,X2...) dan terikat (Y) pada kolom NAME dan ketikan nama variabel pada kolom LABEL. Kolom yang lain dihiraukan.
3. Klik Data View yang ada pada bagian bawah pojok kiri, pada data view bagian atas terlihat X1, X2 dan Y. Dibawah X1, X2 dan Y ketikan angka-angka dari variabel tersebut atau kopikan dari program excel sesuai dengan variabelnya.
4. Klik Analize dan Klik Descriptive Statistics dan pilih explore.
5. Masukan X1, X2 dan Y pada kotak dependent list lalu klik Plots dan beri tanda centang pada Normality plots with test setelah itu klik continue.
6. Klik OK.
Uji linieritas
Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linier atau tidak secara signifikan. Pengujian pada SPSS dengan menggunakan Test For Linieritas pada taraf signifikan 0,05. Dua variabel dikatakan mempunyai hubungan yang linier bila signifikan kurang dari 0,05 (Priyatno, 2008:36).
Cara Uji Linearitas :
1. Buka Program SPSS hingga tampil jendela SPSS data Editor.
2. Klik Variable View yang ada pada bagian bawah pojok kiri, lalu ketikan variabel bebas (X1,X2...) dan terikat (Y) pada kolom NAME dan ketikan nama variabel pada kolom LABEL. Kolom yang lain dihiraukan.
3. Klik Data View yang ada pada bagian bawah pojok kiri, pada data view bagian atas terlihat X1, X2 dan Y. Dibawah X1, X2 dan Y ketikan angka-angka dari variabel tersebut atau kopikan dari program excel sesuai dengan variabelnya.
4. Klik analize dan klik Compare Means lalu pilih Means.
5. Pada Jendela Means, Masukan Variabel X1 dan X2 pada kotak idependent list dan masukan variabel Y pada kotak dependent list, lalu Klik Option dan beri tanda centang pada test for linearity. Klik Continue.
6. Klik OK.
Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk memastikan bahwa data yang digunakan beristribusi normal dan dalam model tidak mengandung multikolinieritas, heteroskedastisitas dan autokorelasi. Uji asumsi klasik harus dilakukan hanya pada analisis regresi linear berganda sedangkan pada analisis regresi linear sederhana tidak ada prasyarat uji asumsi klasik. Pada analisis regresi linear berganda dimana datanya berupa data time series (penelitian dilakukan lebih dari satu periode/ berkala/berseri) maka uji asumsi klasik yang digunakan uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi. Namun jika data penelitian adalah data cross section (penelitian hanya satu periode) maka uji asumsi klasik yang digunakan hanya uji multikolinieritas dan uji heteroskedastisitas. Berdasarkan contoh dalam uji normalitas data yang digunakan adalah data cross section sehingga uji asumsi klasik yang digunakan adalah sebagai berikut :
a) Uji Multikolinieritas
Pengujian ini dilakukan untuk mengetahui ada atau tidak adanya hubungan linier diantara variabel independen dalam model regresi. Syarat berlakunya model regresi ganda adalah antar variabel bebasnya (variabel independen) tidak memiliki hubungan sempurna atau mengandung multikolinieritas. Deteksi terhadap adanya mulkolinieritas dalam penelitian ini adalah dengan melihat besaran Variance inflation factor (VIF) pada model regresi. Menurut Santoso dalam Priyatno (2008:39) pada umumnya jika VIF > 5, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel lainnya. Sedangkan apabila model regresi diperoleh VIF < 5, maka dalam model tersebut tidak terjadi multikolinieritas.
Cara Uji Multikolinearitas :
1. Buka Program SPSS hingga tampil jendela SPSS data Editor.
2. Klik Variable View yang ada pada bagian bawah pojok kiri, lalu ketikan variabel bebas (X1,X2...) dan terikat (Y) pada kolom NAME dan ketikan nama variabel pada kolom LABEL. Kolom yang lain dihiraukan.
3. Klik Data View yang ada pada bagian bawah pojok kiri, pada data view bagian atas terlihat X1, X2 dan Y. Dibawah X1, X2 dan Y ketikan angka-angka dari variabel tersebut atau kopikan dari program excel sesuai dengan variabelnya.
4. Klik Analize dan Klik regression lalu pilih Linear.
5. Pada Jendela regression linear, masukan variabel bebas (X1,X2..) pada kotak independent list dan masukan variabel terikat (Y) pada kotak dependent List. Lalu Klik Statistics beri tanda centang pada Collineariity Diagnostics. Setelah itu Klik Continue.
6. Klik OK.
b) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah terjadi ketidaksaman varians dari residual untuk semua pengamatan dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas. Untuk mengetahui gejala heteroskedastisitas dapat dilakukan dengan mengamati scatterplot model tersebut. Model yang bebas dari heteroskedastisitas memiliki grafik scatterplot dengan pola titik yang menyebar di atas dan di bawah sumbu Y.
Cara Uji Heteroskedastisitas dengan model Scaterplot:
1. Buka Program SPSS hingga tampil jendela SPSS data Editor.
2. Klik Variable View yang ada pada bagian bawah pojok kiri, lalu ketikan variabel bebas (X1,X2...) dan terikat (Y) pada kolom NAME dan ketikan nama variabel pada kolom LABEL. Kolom yang lain dihiraukan.
3. Klik Data View yang ada pada bagian bawah pojok kiri, pada data view bagian atas terlihat X1, X2 dan Y. Dibawah X1, X2 dan Y ketikan angka-angka dari variabel tersebut atau kopikan dari program excel sesuai dengan variabelnya.
4. Klik Analize dan Klik Regression lalu pilih Linear.
5. Pada Jendela regression linear, masukan variabel bebas (X1,X2..) pada kotak independent list dan masukan variabel terikat (Y) pada kotak dependent List. Lalu Klik Plots Kemudian Masukan ZRESID pada kotak Y dan ZPRED pada kotak X dalam kotal Scatter 1 of 1.
6. Klik OK.
Metode Analisis regresi berganda.
Analisis regresi dilakukan untuk membuat model matematika yang dapat menunjukkan hubungan antara variabel bebas dengan variabel terikat. Dalam Hal ini Akan dibahas tentang regresi Linear Berganda. Analisis regresi linier berganda adalah hubungan secara linier dua atau lebih variabel independent (X1, X2, …,Xn) dengan variabel dependen (Y).
Langkah-langkah yang digunakan adalah:
a) Menentukan persamaan regresi linear berganda
Y1 = α + β1 X1 + β2 X2
Cara menentukan persamaan regresi dengan SPSS :
1. Buka Program SPSS hingga tampil jendela SPSS data Editor.
2. Klik Variable View yang ada pada bagian bawah pojok kiri, lalu ketikan variabel bebas (X1,X2...) dan terikat (Y) pada kolom NAME dan ketikan nama variabel pada kolom LABEL. Kolom yang lain dihiraukan.
3. Klik Data View yang ada pada bagian bawah pojok kiri, pada data view bagian atas terlihat X1, X2 dan Y. Dibawah X1, X2 dan Y ketikan angka-angka dari variabel tersebut atau kopikan dari program excel sesuai dengan variabelnya.
4. Klik Analize dan Klik Regression lalu pilih Linear.
5. Pada Jendela regression linear, masukan variabel bebas (X1,X2..) pada kotak independent list dan masukan variabel terikat (Y) pada kotak dependent List. Lalu Klik Statistik Kemudian beri tanda centang pada Casewise Diagnostics dan pilih All Case, Klik Continue.
6. Klik OK
b). Pengujian Hipotesis Penelitian
Cara Uji Hipotesis Dengan SPSS :
1. Buka Program SPSS hingga tampil jendela SPSS data Editor.
2. Klik Variable View yang ada pada bagian bawah pojok kiri, lalu ketikan variabel bebas (X1,X2...) dan terikat (Y) pada kolom NAME dan ketikan nama variabel pada kolom LABEL. Kolom yang lain dihiraukan.
3. Klik Data View yang ada pada bagian bawah pojok kiri, pada data view bagian atas terlihat X1, X2 dan Y. Dibawah X1, X2 dan Y ketikan angka-angka dari variabel tersebut atau kopikan dari program excel sesuai dengan variabelnya.
4. Klik Analize dan Klik Regression lalu pilih Linear.
5. Pada Jendela regression linear, masukan variabel bebas (X1,X2..) pada kotak independent list dan masukan variabel terikat (Y) pada kotak dependent List. Lalu Klik Statistik Kemudian beri tanda centang pada Part and Partial Corelation dan Casewise Diagnostics dan pilih All Case, Klik Continue.
6. Klik OK
(1). Pengaruh X1dan X2 terhadap Y secara simultan (uji F)
Uji F berfungsi untuk mengetahui pengaruh variabel bebas yang terdapat didalam model secara bersama (simultan) terhadap variabel terikat, caranya dengan membandingkan probabilitas (P Value) dengan taraf signifikan 5% atau 0,05.
Apabila dari hasil perhitungan dengan bantuan SPSS diperoleh probabilitas (P Value) < 0,05 maka dapat dikatakan bahwa variabel X1 dan X2 berpengaruh terhadap Y secara bersama-sama (simultan), sebaliknya apabila dari hasil perhitungan dengan bantuan SPSS diperoleh probabilitas (P Value) > 0,05 maka dapat dikatakan bahwa variabel X1 dan X2 tidak berpengaruh terhadap Y secara bersama-sama (simultan).
(2). Pengaruh X1dan X2 terhadap Y secara parsial (uji t)
Uji t berfungsi untuk mengetahui pengaruh variabel bebas yang terdapat didalam model secara terpisah (parsial) terhadap variabel terikat, caranya dengan membandingkan probabilitas (P Value) dengan taraf signifikan 5% atau 0,05.
Apabila dari hasil perhitungan dengan bantuan komputer SPSS diperoleh nilai probabilitas (P Value) < 0,05 maka dapat dikatakan bahwa variabel X1 dan X2 berpengaruh terhadap Y secara terpisah (parsial). Sebaliknya apabila diperoleh nilai probabilitas (P Value) > 0,05 maka dapat dikatakan bahwa variabel X1dan X2 tidak berpengaruh terhadap Y secara terpisah (parsial).
(3). Koefisien Determinasi Simultan (R2)
Koefisien determinasi simultan adalah koefisien untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel terikat. Hasil perhitungan R2 secara keseluruhan digunakan untuk mengukur seberapa besar persentase variasi variabel independen yang digunakan dalam model yang digunakan mampu menjelaskan variasi variabel dependen. Apabila nilai R2 mendekati 1 (satu) maka dapat dikatakan semakin kuat model tersebut dalam menerangkan variasi variabel bebas terhadap variabel terikat dan sebaliknya, apabila R2 mendekati 0 (nol) maka semakin lemah variasi variabel bebas dalam menerangkan variabel terikat.Dalam SPSS Koefisien Determinasi Simultan Tabel SUMMARY kolom R square.
(4). Koefisien determinasi parsial (r2)
Koefisien determinasi parsial adalah koefisien untuk mengetahui besarnya kontribusi yang diberikan masing-masing variabel bebas terhadap variabel terikat secara terpisah (parsial). Hasil perhitungan r2 digunakan untuk mengukur seberapa besar persentase variasi variabel independen yang digunakan dalam model yang digunakan mampu menjelaskan variasi-variabel dependen secara terpisah (parsial). Apabila nilai r2 mendekati 1 (satu) maka dapat dikatakan semakin kuat model tersebut dalam menerangkan variasi variabel independen terhadap variabel dependen secara terpisah (parsial) dan sebaliknya, apabila r2 mendekati 0 (nol) maka semakin lemah variasi variabel independen dalam menerangkan variabel dependen secara terpisah (parsial).
Dalam SPSS Koefisien determinasi parsial terlihat pada tabel coefisien Kolom partial, Setelah terlihat nilai korelasi dalam kolom partial tersebut maka selanjutnya nilai tersebut dikuadaratkan.
Demikianlah pembahasan tentang analisa regresi linear berganda dalam blog akuntansi pendidik, semoga bermanfaat. Jika anda menginginkan tuturial analisis regresi linear berganda dalam bentuk video silahkan download video analisis regresi linear berganda berikut ini:
Tidak ada komentar:
Posting Komentar