modul statistik akuntansi
DESCRIPTION
TUTORIAL STATISTIKA DI BIDANG AKUNTANSI MENGGUNAKAN SOFTWARE SPSSTRANSCRIPT
Daftar IsiBAB I. 1Pengantar Statistik
11.Tujuan Penelitian
12.Skala Data
33.Jumlah Variabel
BAB II. 4Analisis Deskriptif
41.Pengertian Analisis Deskriptif
42.Contoh Kasus
6a.Langkah-Langkah Analisis Deskriptif
8b.Output SPSS
BAB III. 11Korelasi
111.Pengertian Analisis Korelasi
122.Korelasi Pearson Product Moment
13a.Langkah-Langkah Analisis Korelasi Pearson :
15b.Output SPSS
163.Contoh Kasus Korelasi Spearman
18a.Langkah-Langkah Analisis Korelasi Spearman
21b.Output SPSS
BAB IV. 23Uji Validitas Dan Reliabilitas
231.Pengertian Uji Validitas dan Reliabilitas
232.Uji Validitas
24a.Langkah-Langkah Uji Validitas
26b.Output SPSS
273.Uji Reliabilitas
27a.Langkah-langkah Uji Reliabilitas
29b.Output SPSS
BAB V. 30Uji Komparatif
301.Uji T Tidak Berpasangan (Independent T Test)
30a.Langkah-langkah Analisis
32b.Output SPSS
332.Uji T Berpasangan (Paired- T Test)
33a.Langkah-langkah analisis Uji-T berpasangan
34b.Output SPSS
353.ANOVA (Analisis Of Variance)
36a.Langkah-langkah ANOVA
37b.Outputs SPSS
BAB VI. 39Regresi
391.Pengertian Analisis Regresi
392.Asumsi dalam Regresi
413.Contoh Kasus
42a.Langkah-Langkah Analisis Regresi
44b.Output SPSS
BAB I
Pengantar Statistik
Statistik adalah metode, ilmu dan seni yang dipergunakan untuk mempelajari pengumpulan data, analisis data dan interpretasi hasil analisis serta mempergunakannnya untuk maksud peramalan. Statistika sering digunakan dalam penelitian kuantitatif, untuk mengumpulkan, mengolah, dan mengambil kesimpulan. Pemilihan metode statistika dipengaruhi oleh beberapa hal antara lain :
1. Tujuan Penelitian
Metode analisis statistika yang dipakai dalam penelitian tergantung dari tujuan peneliti sendiri, apakah tujuan penelitian tersebut ingin menggambarkan objek penelitian saja, atau membandingkan beberapa objek, atau ingin mengetahui hubungan antar objek penelitian. Sehingga berdasarkan tujuan penelitiannya metode analisis statistik dapat dibagi menjadi 3 antara lain :
a. Deskriptif : menggambar dan menjelaskan objek penelitian
Contoh : Analisis profil perusahaan gudang garam, deskripsi pegawai di kantor perpajakan kota Malang, dan lain sebagainya
b. Komparatif : membandingkan dua atau lebih objek penelitian
Contoh : Membandingkan kualitas produk dari dua perusahaan yang berbeda, mengetahui income perusahaan sesudah dilakukan pembaruan strategi perusahaan, dan lain sebagainya
c. Assosiatif : mengetahui hubungan dan pengaruh antar variabel penelitian
Contoh : Meneliti pengaruh laba perusahaan terhadap nilai perusahan, dan lain sebagainya
2. Skala Data
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi data nominal, ordinal, interval dan ratio.1) Data Nominal adalah data yang dinyatakan dalam bentuk kategori dan mengandung unsur penamaan Data nominal mempunyai dua ciri :
a. Kategori data bersifat mutually exclusive (satu objek masuk hanya pada satu kelompok saja),
b. Kategori data tidak disusun secara logis.
Contoh data nominal:Jurusan MahasiswaSkor yang mungkin
Statistika123
Ilmu Pemerintahan211
Keperawatan332
Statistika adalah pendekatan kuantitatif, sehingga data nominal yang bersifat kualitatif harus dirubah menjadi data kuantitatif dengan cara pemberian skor (skoring). Yang perlu diperhatikan bahwa dalam pemberian skor data nominal bersifat sembarang, yaitu hanya sekedar untuk dapat membedakan (penamaan saja) sehingga dapat di bolak-balik.2) Data Ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan (order=urut). Ciri dari data ini kategori data disusun berdasarkan urutan logis dan sesuai dengan besarnya karakteristik yang dimiliki. Contoh data ordinal:
PreferensiSkor
Peralatan dan Teknologi canggih (seperti computer) yang dimiliki BRI14
Penataan desain dan baik interior maupun eksterior BRI23
Penampilan dan kerapian karyawan BRI32
Kebersihan dan kerapihan fasilitas BRI41
Perbedaan antara pembuatan skor untuk data ordinal dan nominal adalah jika data nominal skor dapat dibuat sembarang (tidak harus urut), tetapi untuk data ordinal urutan menunjukkan arah tingkatan.
3) Data Interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki sifat interval (selangnya bermakna). Disamping itu data ini memiliki ciri angka nolnya tidak mutlak. Skala interval mempunyai ciri matematis additivity, artinya kita dapat menambah atau mengurangi. Contoh data interval:
IPSuhu (Derajat Celcius)
00
110
220
330
440
Perhatikan bahwa 0 pada indeks Prestasi barangkali akan setara dengan < 30 untuk skala nilai 1 100 dan 0 pada suhu dengan derajat celcius = 32o F.
4) Data Rasio adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna dan angka nolnya mutlak (fixed zero point), sehingga rationya mempunyai makna.Contoh data rasio:
Luas Bangunan ()Produksi (satuan)
25530
35600
45750
Disebut nolnya mutlak sebab memang tidak akan ada perusahaan yang produksinya 0. kalau produksinya nol berarti tidak ada perusahaan. Atau jika ada bangunan dengan luas 0 m2 itu berarti tidak ada bangunannya.3. Jumlah Variabel
Jumlah variabel penelitian juga menentukan analisis statistika yang akan dipakai pada suatu penelitian, analisis statistika yang digunakan untuk membandingkan dua perusahaan hanya berdasarkan jumlah penjualannya saja jelas berbeda jika membandingkan berdasarkan jumlah karyawan, aset, dan juga laba perusahaan perbulan. Sehingga berdasarkan jumlah variabelnya analisis statistik dibagi menjadi 2 antara lain:
1. Analisis Statistik Univariat : Analisis Statistika yang memperhitungkan faktor atau variabel tungal
Contoh : membandingkan jumlah pernjualan barang dari perusahaan A dan perusahaan B
2. Analisis Statistik Multivariat : Analisis Statistika yang memperhitungkan banyak faktor atau multi variabel
Contoh : membandingkan nilai perusahaan dilihat dari laba, aset, dan berbagai aspek lainnya
BAB II
Analisis Deskriptif1. Pengertian Analisis Deskriptif
Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Contohnya kita ingin membuat profil sebuah perusahaan dengan memberi gambaran berupa jumlah karyawan dan komposisi jenis kelamin dari keseluruhan karyawan, umur, gaji, tempat tinggal dan lain sebagainya.
Analisis statistika deskriptif ini meliputi beberapa hal sub menu deskriptif statistik seperti frekuensi, deskriptif, eksplorasi data, tabulasi silang dan analisis rasio. Analisis deskriptif merupakan analisis yang mencakup gambaran frekuensi data secara umum seperti mean, median, modus, simpangan baku, ragam, nilai minimum, maksimum dan sebagainya. Data yang dipakai untuk statistik deskriptif berupa data kualitatif maupun data kuantitatif. Penyajian data secara numerik dapat mengetahui deskripsi data dalam bentuk tabel dan juga dalam bentuk diagram.
Statistika deskriptif bertujuan untuk mensederhanakan penyajian data, serta membuat penyajian data lebih menarik dan mudah dipahami salah satunya dengan menggunakan diagram maupun tabel.
2. Contoh Kasus
Kualitas Pelayanan Dalam Membayar Pajak di Kota Batu
Data Karakteristik Responden
NoJenis KelaminPendidikanKualitas Pelayanan
1Laki-LakiSMA5
2Laki-LakiSD2
3PerempuanSMA3
4PerempuanSarjana1
5Laki-LakiSarjana4
6Laki-LakiSMA4
7Laki-LakiSMP4
8Laki-LakiSMA5
9Laki-LakiSarjana5
10Laki-LakiSMP3
11Laki-LakiSMA3
12PerempuanSD3
13PerempuanSMA4
14PerempuanSD4
15PerempuanSMA4
16PerempuanSarjana2
17Laki-LakiSMP2
18Laki-LakiSMA1
19PerempuanSarjana4
20Laki-LakiSarjana4
21Laki-LakiSD4
22Laki-LakiSMP2
23PerempuanSMP2
24PerempuanSMA5
25Laki-LakiSarjana4
26Laki-LakiSarjana4
27PerempuanSMA4
28Laki-LakiSMA3
29PerempuanSarjana3
30PerempuanSarjana3
31Laki-LakiSMP3
32PerempuanSMA4
33PerempuanSMA4
34PerempuanSMA4
35PerempuanSarjana4
36PerempuanSD4
37PerempuanSD4
38PerempuanSD5
39PerempuanSMP5
40PerempuanSMP3
41Laki-LakiSMA3
42Laki-LakiSD3
43Laki-LakiSD3
44PerempuanSMA4
45Laki-LakiSMP4
46Laki-LakiSMP4
47Laki-LakiSD4
48Laki-LakiSD4
49Laki-LakiSMP4
50PerempuanSMP5
a. Langkah-Langkah Analisis Deskriptif
1. Input Data Contoh Penelitian (Data Kualitas Pelayanan Pembayaran Pajak Kota Batu)
2. Menuliskan Nama variabel pada kotak variabel view
3. Klik Menu Analyze, Kemudian pilih menu Descriptive, Klik Frequencies
4. Setelah muncul kotak dialog seperti dibawah, klik tanda panah ke arah kanan untuk memasukkan variabel yang akan di deskripsikan
5. Setelah semua dipindahkan semua variabel dipindahkan, klik tombol chart untuk membuat diagram pada variabel yang akan dideskriptifkan
6. Setelah muncul kotak dialog seperti di bawah, pilih diagram yang diinginkan contoh diagram pie (pie chart), setelah itu klik continue
7. Setelah muncul kembali kotak seperti dibawah, klik ok
b. Output SPSS
Setelah di lakukan analisis maka akan keluar output seperti dibawah ini :
Frequencies
Statistics
PelayananJenis_KelaminPendidikan
NValid505050
Missing000
Pada Output Baris Valid diatas menunjukkan jumlah data pada masing-masing variabel yang telah diinput sedangkan baris Missing menunjukkan jumlah data yang hilang
Frequency Table
Jenis_Kelamin
FrequencyPercentValid PercentCumulative Percent
ValidPerempuan2448.048.048.0
Laki-Laki2652.052.0100.0
Total50100.0100.0
Pendidikan
FrequencyPercentValid PercentCumulative Percent
ValidSD1020.020.020.0
SMP1326.026.046.0
SMA1632.032.078.0
Sarjana1122.022.0100.0
Total50100.0100.0
Pelayanan
FrequencyPercentValid PercentCumulative Percent
Validsangat tidak puas24.04.04.0
tidak puas510.010.014.0
Cukup1224.024.038.0
Puas2448.048.086.0
Sangat Puas714.014.0100.0
Total50100.0100.0
Output Frequency Table menunjukkan frekuensi masing-masing kelompok yang terdapat pada variabel penelitian, kolom percent menunjukkan peresentase kelompok dari keseluruhan dengan mengikutsertakan data yang hilang, sedangkan valid percent presentase tanpa menghitung data yang hilang.
Output diagram yang didapat sama dengan output di excel namun tampilan grafisnya lebih baik, sehingga lebih representative jika digunakan untuk presentasi
BAB III
Korelasi1. Pengertian Analisis Korelasi
Analisis Korelasi merupakan studi yang membahas tentang derajat keeratan hubungan antar peubah, yang dinyatakan dengan Koefisien Korelasi. Analisis Korelasi dapat digunakan untuk mengetahui hubungan satu variabel penelitian dengan variabel penelitian yang lain.
Analisis Korelasi hanya dapat digunakan untuk mengetahui keeratan hubungan bukan arah hubungan, sehingga analisis korelasi tidak dapat menentukan pengaruh. Terdapat banyak sekali jenis analisis korelasi berdasarkan jenis datanya, namun yang sering digunakan dalam penelitian sosial maupun ekonomi adalah korelasi pearson dan korelasi spearman.
Korelasi Pearson digunakan untuk mengetahui hubungan antar variabel yang datanya berupa data numerik (skala data : interval dan rasio). Contohnya jika kita ingin meneliti hubungan antara jumlah penjualan dengan laba harian, atau meneliti hubungan ukuran perusahaan dengan kinerja perusahaan, dan lain sebagainya.
Korelasi Spearman digunakan untuk mengetahui hubungan antar variabel yang datanya berupa data ordinal, kebanyakan kasus berupa data persepsi. Contohnya jika kita ingin mengetahui minat baca koran mahasiswa dengan wawasan politik mahasiswa, dan lain sebagainya.
Analisis korelasi bertujuan untuk mengetahui arah dan keeratan antar variabel, untuk menentukan keeratan tersebut dapat dilihat dari koefisien korelasi, berikut beberapa hal yang perlu diketahui tentang koefisien korelasi :
1. Nilai Koefisien korelasi besarnya berada diantara -1 sampai 1, semakin besar maka keeratan hubungannya semakin dekat
2. Arah hubungan ditentukan oleh tanda koefisien korelasi yaitu jika,
a. Positif, artinya jika X naik (turun) maka Y naik(turun).
b. Negatif, artinya jika X naik (turun) maka Y turun(naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X3. Keeratan hubungan berdasarkan koefisien korelasi dapat digolongkan 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 kuat2. Korelasi Pearson Product Moment
Contoh kasus: Hubungan Inflasi terhadap IHSG Data
NoPeriodeKurs RupiahIHSGNoPeriodeKurs RupiahIHSG
1Desember 201312087.10004274.1826Nopember 20119109.10003715.08
2Nopember 201310392.70004256.4427Oktober 20119088.50003790.85
3Oktober 201311366.90004510.6328Sep-119015.20003549.03
4Sep-139022.60004316.1829Agustus 20118895.20003841.73
5Agustus 20138938.40004195.0930Juli 20118765.50004130.8
6Juli 20138927.90004610.3831Juni 20118532.00003888.57
7Juni 201310073.40004818.932Mei 20118533.20003836.97
8Mei 20139482.70005068.6333Apr-118564.00003819.62
9Apr-139760.90005034.0734Maret 20118555.80003678.67
10Maret 20139709.40004940.9935Februari 20118651.30003470.35
11Februari 201311852.80004795.7936Januari 20118761.50003409.17
12Januari 20139687.30004453.737Desember 20108912.60003703.51
13Desember 20129645.90004316.6938Nopember 20109037.40003531.21
14Nopember 20129628.00004276.1439Oktober 20108975.80003635.32
15Oktober 20129597.10004350.2940Sep-108971.80003501.3
16Sep-129566.40004262.5641Agustus 20109049.50003081.88
17Agustus 201211346.20004060.3342Juli 20109148.40003069.28
18Juli 201210572.50004142.3443Juni 20109183.20002913.68
19Juni 20129499.80003955.5844Mei 20109027.30002796.96
20Mei 20129456.60003832.8245Apr-109173.70002971.25
21Apr-129451.10004180.7346Maret 20109348.20002777.3
22Maret 20129290.20004121.5547Februari 20109275.50002549.03
23Februari 20129175.50003985.2148Januari 20109457.80002610.8
24Januari 20129165.30003941.6949Desember 20099470.00002534.36
25Desember 20119025.80003821.9950Nopember 20099881.50002415.84
a. Langkah-Langkah Analisis Korelasi Pearson :
1. Input Data yang Akan dianalisis terlebih dahulu
2. Klik Menu Analysis, Lalu Pilih Correlate, Kemudian Klik Bivariate
3. Setelah Muncul Kotak Seperti pada gambar, pilih variabel yang akan diuji korelasi lalu tekan tombol kanan untuk memindah variabel ke kotak variable
4. Setelah variabel yang akan dianalisis sudah berada di kotak variabel, kemudian pada pilihan coefficient correlation, pilih pearson
5. Jika Sudah dicentang, kemudian klik Ok
b. Output SPSS
Kemudian Akan Muncul Output dibawah Ini
Correlations
Kurs_RupiahIHSG
Kurs_RupiahPearson Correlation1.578**
Sig. (2-tailed).000
N6060
IHSGPearson Correlation.578**1
Sig. (2-tailed).000
N6060
**. Correlation is significant at the 0.01 level (2-tailed).
Untuk Melihat Signifikan atau tidaknya hubungan antara dua variabel tersebut, pada contoh ini yaitu kurs rupiah dan IHSG, dapat dilihat pada nilai Signifikansi korelasi pearson, jika nilai signifikansi lebih kecil dari pada derajat kesalahan (alpha) dalam penelitian yaitu sebesar 5% atau 0,05 maka dapat disimpulkan terdapat hubungan yang signifikan antara kedua variabel tersebut.
Pada Contoh Kasus dapat disimpulkan bahwa Terdapat hubungan antara Kurs Rupiah dengan IHSG karena nilai sig lebih kecil dari 0.05.3. Contoh Kasus Korelasi Spearman :
Pengaruh Peningkatan Kualitas Mutu Pelayanan KPP dengan Bertambahnya Jumlah Wajib Pajak (Studi Kasus KPP Pratama Batu)Kepatuhan Wajib PajakPelayanan
44
54
54
33
55
44
55
45
34
43
43
54
44
44
44
43
44
43
35
53
34
54
54
44
45
13
44
34
55
55
55
55
44
53
43
45
54
54
54
44
44
54
54
44
44
53
52
54
54
54
43
44
44
33
45
45
44
54
55
43
44
55
54
43
44
54
44
54
54
54
54
34
54
54
55
54
45
34
55
45
44
55
55
54
54
45
44
44
44
44
44
43
55
43
43
44
45
45
45
54
a. Langkah-Langkah Analisis Korelasi Spearman
1. Input Data yang akan dianalisis
2. Klik Menu Analyze, pilih correlate, kemudian klik bivariate
3. Setelah muncul kotak dialog seperti dibawah pindahkan semua variabel yang akan diuji hubungannya
4. Setelah Semua variabel yang diuji dipindahkan ke kotak varibel (sebelah kanan), kemudian centang spearman pada correlation coefficient
5. Kemudian Klik Ok
b. Output SPSS
Kemudian Akan Muncul Output dibawah
Correlations
Kepatuhan Wajib PajakPelayanan
Spearman's rhoKepatuhan
Wajib PajakCorrelation Coefficient1.000.199*
Sig. (2-tailed)..047
N100100
PelayananCorrelation Coefficient.199*1.000
Sig. (2-tailed).047.
N100100
*. Correlation is significant at the 0.05 level (2-tailed).
Untuk Melihat Signifikan atau tidaknya hubungan antara dua variabel tersebut, pada contoh ini yaitu peningakatan kualitas pelayanan dengan kepatuhan membayar pajak, dapat dilihat pada nilai Signifikansi korelasi spearman, jika nilai signifikansi lebih kecil dari pada derajat kesalahan (alpha) dalam penelitian yaitu sebesar 5% atau 0,05 maka dapat disimpulkan terdapat hubungan yang signifikan antara kedua variabel tersebut.
Sehingga pada contoh kasus ini dapat disimpulkan bahwa terdapat hubungan antara Kepatuhan Wajib Pajak dengan Kualitas Pelayanan karena nilai sig lebih kecil dari 0.05.
BAB IV
Uji Validitas Dan Reliabilitas1. Pengertian Uji Validitas dan Reliabilitas
Dalam penelitian seringkali menggunakan instrument kuesioner. Dalam menyusun kuesioner, terdapat dua kriteria kuesioner yang baik yaitu harus valid dan reliabel. Hasil penelitian dinyatakan valid bila terdapat kesamaan antara data yang terkumpul dengan data sesungguhnya. Selanjutnya, bila suatu hasil penelitian dapat dikatakan reliabel jika kuesioner tersebut konsisten bila digunakan untuk waktu yang berbeda.
Jika butir-butir pertanyaan sudah valid dan reliabel berarti butir-butir tersebut sudah dapat untuk mengukur faktornya, yang kemudian menguji apakah faktor-faktor sudah valid untuk mengukur konstruk yang ada. Dalam pengujian butir, dapat saja ada butir-butir pertanyaan yang tidak valid dan tidak reliabel, sehingga harus dibuang atau diganti kalimatnya. Analisis dimulai dengan menguji validitas terlebih dahulu dan diikuti uji reliabilitas. Jika sebuah butir tidak valid, maka otomatis butir tersebut dibuang dan butir-butir pertanyaan yang valid kemudian baru secara bersama diukur reliabilitasnya. Tujuan dari pengujian validitas dan reliabilitas kuesioner adalah untuk meyakinkan bahwa kuesioner yang disusun akan benar-benar bisa mengukur gejala dan menghasilkan data yang valid.
2. Uji Validitas
Contoh Data Kuesioner:
RespondenItem PertanyaanTotal
12345678910
1555552255342
2435545155542
3444534354541
4545543155542
5525531355539
6545442345541
7535522245538
8533512252533
9535512155537
10555522255541
11535512555440
12324522234229
13424312255533
14525523155437
15543522155436
16244522155131
17424522154433
18424312154329
19422522254331
20514511153430
21514515153333
22424522354334
23424512154331
24412321154326
25415512153330
26413521145430
27523521143228
28522532455235
29414522143127
30524521153129
a. Langkah-Langkah Uji Validitas
1. Masukkan jawaban dari item-item pertanyaan kuesioner
2. Kemudian Klik Analyze, pilih correlate, klik bivariate
3. Pindahkan semua skor jawaban item pertanyaan dan total jawaban ke kotak sebelah kanan
4. Centang pearson pada correlation coefficient
5. Kemudian Klik OK
b. Output SPSS
Kemudian Akan Muncul Output dibawah ini
Correlations
total
item1Pearson Correlation.427*
Sig. (2-tailed).017
N31
item2Pearson Correlation.754**
Sig. (2-tailed).000
N31
item3Pearson Correlation.602**
Sig. (2-tailed).000
N31
item4Pearson Correlation.236
Sig. (2-tailed).202
N31
item5Pearson Correlation.588**
Sig. (2-tailed).000
N31
item6Pearson Correlation.470**
Sig. (2-tailed).008
N31
item7Pearson Correlation.454*
Sig. (2-tailed).010
N31
item8Pearson Correlation.225
Sig. (2-tailed).223
N31
item9Pearson Correlation.579**
Sig. (2-tailed).001
N31
item10Pearson Correlation.656**
Sig. (2-tailed).000
N31
Untuk Melihat kevalidan item pertanyaan dapat dilihat pada nilai signifikansi, seperti yang terdapat pada output diatas jika nilai signifikansi kurang dari tingkat kesalahan yang ditetapkan peneliti atau alpha (0,05) maka pertanyaan tersebut dinyatakan sudah valid, pada contoh kasus diatas diketahui bahwa semua item pertanyaan valid, kecuali item pertanyaan ke-4 dan ke-8, karena nilai signifikansinya lebih dari alpha (0,05) yaitu pada item-4 sebesar 0,202 sedangkan pada item ke-8 sebesar 0,223 sehingga pertanyaan tersebut dinyatakan tidak valid dan harus dihilangkan atau diganti dengan pertanyaan yang lain.
Setelah ke-2 item pertanyaan yang tidak valid dihilangkan maka bisa dilanjutkan dengan menguji reliabilitas dari kuesioner dengan menggunakan uji reliabilitas menggunakan software SPSS dengan langkah-langkah sebagai berikut :
3. Uji Reliabilitas
a. Langkah-langkah Uji Reliabilitas
1. Klik menu Analyze, pilih Scale, Reliability Analysis
2. Setelah Muncul kotak Reliability Analysis, pindahkan semua item pertanyaan yang telah dinyatakan valid pada uji validitas ke kotak sebelah kanan (kotak items)
3. Setelah semua item pertanyaan yang valid sudah dipindahkan, kemudian klik Ok
b. Output SPSS
Setelah dilakukan analisis reliabilitas maka keluar output seperti berikut
Reliability
Untuk melihat apakah semua item pertanyaan tersebut sudah reliabel dapat dilihat pada inlai Alpha Cronbach nya, jika nilai alpha cronbach nya lebih dari 0,6 maka pertanyaan-pertanyaan tersebut sudah reliabel, pada contoh kasus diketahui bahwa nilai alpha cronbach sebesar 0,729 lebih besar daripada 0,6 sehingga pertanyaan-pertanyaan tersebut sudah bisa dijadikan acuan sebagai penelitian selanjutnya.
BAB V
Uji Komparatif
1. Uji T Tidak Berpasangan (Independent T Test)Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak berhubungan, artinya kita membandingkan dua objek atau variabel yang tidak saling berhubungan.
Contoh kasus:
Analisis Perbandingan Rasio Resiko Perbankan Bagi Hasil Bank Syariah Dan Bunga Bank Konvensional
Data Rasio Resiko Likuiditas
TahunRisiko Likuiditas
KonvensionalSyariah
20032,917%118,250%
20046,380%188,447%
20056,127%142,205%
20064,455%130,196%
20076,203%270,127%
a. Langkah-langkah Analisis : 1. Masukkan data likuiditas terlebih dahulu dengan format seperti berikut
2. Kemudian klik analyze, pilih compare means, kemudian klik independent-samples T-test
3. Setelah muncul kotak dialog seperti dibawah, pindah data tipe di group variabel dan rasio resiko di test variable
4. Setelah selesai, kemudian klik define groups, untuk mengisikan jumlah kelompok
5. Isikan angka 1 pada group 1 dan angka 2 pada group 2, kemudian klik continue
6. Setelah muncul dialog independent t-test kembali, klik Ok
b. Output SPSS
Pertama yang harus diperhatikan adalah pada kolom levenes test, kolom ini digunakan untuk memilih uji t yang akan dipakai pada kolom sebelahnya, jika nilai signifikansi pada levenes test lebih besar dari 0,05 maka signifikansi uji t yang dipakai adalah yang berada di paling atas sendiri sejajar dengan equal variances assumed, namun jika lebih kecil dari o,05 ujit yang dipakai adalah signifikansi uji t yang paling bawah sejajar dengan equal variances not assumed.
Pada contoh kasus didapatkan bahwa nilai signifikansi pada levenes test lebih kecil dari 0,05 sehingga uji t yang dipakai adalah uji t paling bawah, dan didapatkan nilai signifikansi sebesar 0,004 nilai tersebut kurang dari alpha = 0,05 sehingga dikatakan terdapat perbedaan rasio resiko likiditas antara Bank Konvensional dan Syariah.2. Uji T Berpasangan (Paired- T Test)
Paired T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang bermakna kelompok yang berasal dari 1 populasi yang dikenai 2 perlakuan. Uji T berpasangan dapat kita definisikan sebagai uji yang digunakan untuk mengetahui perbedaan kondisi sebelum dan sesudah dilakukan suatu tindakan pada objek, individu, atau perusahaan tertentu, sehingga Uji T cocok digunakan untuk meninjau keberhasilan suatu tindakan atau program kerja.Contoh Kasus
Pengaruh Kebijakan Pemecahan Saham (Stock Split) terhadap Return Saham perusahaan. (Studi Kasus Perusahaan Terbuka yang terdaftar di Bursa Efek Indonesia).
Data Return Saham Sebelum dan Setelah Stock Split Tahun 2008
PerusahaanSebelum Stock SplitSetelah Stock Split
BBCA0.000117-0.0819
BRNA0.0648-0.0491
DOID0.04410.1135
INCO0.043857-0.19436
MIRA0.0711-0.122
PANS-0.0062080.001408
PANR0.12150.1206
a. Langkah-langkah analisis Uji-T berpasangan :
1. Input data contoh kedalam SPSS seperti dibawah
2. Kemudian Klik Analyze, pilih compare means, kemudian pilih paired-samples T-test
3. Masukkan sebelum pada kolom variabel 1 dan sesudah pada kolom variabel 2
4. Klik Ok
b. Output SPSS
Untuk melihat apakah terdapat perbedaan return saham perusahaan sebelum stock-split dan sesudah stock-split, dapat dilihat pada nilai signifikansi yang berada pada kolom paling ujung pada output uji T, jika nilai signifikansi kurang dari 0,05 maka dapat dinyatakan terdapat perbedaan return saham sebelum dan sesudah stock-split. Pada contoh kasusu didapatkan nilai signifikansi lebih dari 0.05 sehingga dikatakan tidak terdapat perbedaan return saham sebelum dan sesudah diberlakukan stock split
3. ANOVA (Analisis Of Variance)
ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok percobaan atau lebih. ANOVA biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen (bebas). Uji ANOVA ini juga biasa disebut sebagai One Way Analysis of Variance.Contoh Kasus:
Analisis Perbandingan Kinerja Keuangan Bank Pemerintah, Bank Swasta Nasional Dan Bank Swasta Asing Dengan Menggunakan Rasio KeuanganJenis BankTahunRasio Keuangan
Bank Pemerintahan199996.21
200083.76
200180.6
200287.42
200384.5
Bank Swasta Nasional199924.6
200030.6
200141.8
200240.3
200343.37
Bank Swasta Asing199956.5
200072.2
200180.8
200275.5
200388.1
a. Langkah-langkah ANOVA:
1. Susun data seperti berikut
2. Klik Analyze --> Compare Means --> One Way ANOVA :
3. Pada kotak dialog One Way ANOVA, masukkan variabel Rasio Keungan pada Dependent List dan Bank pada Faktor.
4. Selanjutnya klik Post-Hoc, pilih Tukey lalu Continue. OK
b. Outputs SPSS
ANOVARasio Keuangan
Sum of SquaresdfMean SquareFSig.
Between Groups6931.31923465.66043.240.000
Within Groups961.7931280.149
Total7893.11214
Untuk melihat apakah terdapat perbedaan rasio keuangan antara ketiga bank tersebut, dapat dilihat pada nilai signifikansi yang terdapat pada Tabel ANOVA, pada tabel tersebut dapat diketahui bahwa ada perbedaan rasio keuangan antara ketiga Bank (nilai sig < 0.00). Karena hasil uji F signifikan, maka dapat dilakukan uji lanjutan (Post-Hoc Test) yaitu untuk mengetahui bank manakah yang memiliki rasio keuangan berbeda.
Untuk mengetahui bank mana saja yang memiliki rasio keuangan yang berbeda dan mana yang sama dapat dilihat pada kolom subset for alpha, pada uji tukey, bank yang terletak dalam satu subset menunjukkan bahwa tidak terdapat perbedaan rasio keuangan pada bank tersebut, sehingga berdasakan hasil uji lanjutan Tukey dapat diketahui bahwa Bank Swasta Nasional berbeda dengan kedua bank lainnya (pada subset 1 hanya terdiri dari Bank tersebut).BAB VI
Regresi
1. Pengertian Analisis Regresi
Analisis Regresi merupakan analisis statistik yang digunakan untuk meneliti pengaruh dari variabel bebas terhadap variabel terikat. Dengan analisis regresi kita dapat mengetahui seberapa besar pengaruh suatu variabel bebas terhadap variabel terikatnya, dan vatiabel mana yang paling mempengaruhi variabel terikat tersebut. Sehingga dengan mengetahui variabel mana yang paling mempengaruhi kita dapat menentukan strategi ataupun keputusan di masa yang akan datang. Dalam analisis regresi akan dihasilkan suatu model yang menunjukkan hubungan dari variabel terikat dengan variabel bebas, secara umum model regresi dituliskan sebagai berikut :
Keterangan:
Y= Variabel Terikat (Variabel yang dipengaruhi)
X1= Variabel bebas pertama
X2= Variabel bebas kedua
Xn= Variabel bebas ke-n
0= Nilai Y tanpa dipengaruhi oleh variabel bebas
1= Besarnya Pengaruh X1 terhadap Y
2= Besarnya pengaruh X2 terhadap Y
n= Besarnya pengaruh Xn terhadap Y
Bentuk persamaan regresi dan jumlah tergantung pada jumlah variabel bebasnya jika, jumlah variabel bebas hanya 2 maka bentuk persamaannya menjadi
jika variabel bebasnya hanya satu maka bentuk persamaannya menjadi
2. Asumsi dalam Regresi
Analisis regesi memiliki beberapa asumsi atau syarat yang harus dipenuhi agar hasil analisis yang didapat benar benar sesuai dengan penelitian antara lain :
1. Normalitas
Analisis regresi mensyaratkan agar data yang dianalisis menyebar secara normal, menyebar secara normal artinya tidak terdapat data yang ekstrem yang merupakan pencilan, atau jauh dari data yang lainnya, normalitas dari data yang diregresikan dapat dilihat salah satunya menggunakan P-P Plot, apabila data tidak menyebar normal maka analisis regresi tidak dapat dilakukan sebab dapat memberikan hasil yang bias, atau tidak sesuai dengan data yang didapat.
2. Non-Multikolinearitas
Dalam analisis regresi hanya terdapat satu pengaruh yaitu pengaruh variabel bebas terhadap variabel terikat, sehingga dalam analisis regresi dengan banyak variabel bebas, tidak boleh terdapat hubungan antar variabel bebasnya, ini yang disebut sebagai non-multikolinearitas, sebab apabila terdapat hubungan antar variabel bebas hal tersebut akan mempengaruhi hasil dari penelitian, untuk melihat apakah terdapat multikolinearitas atau tidak dapat menggunakan VIF dari hasil analisis regresi
3. Non-Heterokedastisitas
Dalam analisis regresi data yang digunakan haruslah homogen, maksudnya berasal dari populasi yang sama, contohnya kita ingin meneliti pengaruh besar perusahaan terhadap gaji karyawan maka, data yang diambil haruslah dari perusahaan yang sejenis, dalam hal produksinya maupun besar tidaknya perusahaan tersebut, untuk mengetahui homogenitas dari suatu data regresi dapat menggunakan plot residual
4. Non-Autokorelasi
Dalam regresi terdapat persyaratan bahwa tidak boleh terdapat hubungan natar data yang didapat, hubungan antar data itu disebut autokorelasi, contohnya jika kita ingin meneliti pengaruh laba terhadap rasio keuangan maka data yang kita ambil dari beberapa perusahaan tidak boleh saling mempengaruhi, contohnya laba perusahaan pertama tidak boleh dipengaruhi oleh laba perusahaan kedua dan seterusnya, asumsi ini dapat diuji menggunakan koefisisen durbin watson
3. Contoh Kasus
Pengaruh Besar Perusahaan (Size) dan Corporate Governance (CG) terhadap Return of Equity (ROE)
PerusahaanROESIZECG
117,5712,9485,99
215,4212,6482,65
322,1913,4891,67
411,4313,1782,98
53,1312,7582,23
629,5612,5976,99
719,2413,6469,33
813,7912,8691,42
91,7111,6777,6
1012,3813,2884,58
1131,5512,9084,11
123,3012,6282,55
1314,5811,8977,53
145,7911,3282,65
1524,0013,5786,89
1632,2513,1682,98
1716,1212,4473,19
182,2312,1476,96
190,4011,4269,97
2014,9113,2985,26
a. Langkah-Langkah Analisis Regresi :
1. Input data contoh seperti berikut
2. Klik Analyze, pilih regression, kemudian klik linier
3. Masukkan variabel ROE pada kotak variabel dependen sedangkan CG dan SIZE pada kotak variabel dependen
4. Klik menu statistik, kemudian centang collinearity diasnogtics, dan durbin watson seperti contoh, kemudian klik continue
5. kemudian klik menu plots, masukkan ZPRED pada kolom sebelah kiri, pada kotak Y dan SDRESID pada kotak X, kemudian centang normal probability plot kemudian klik continue
6. Klik Ok
b. Output SPSS
RegressionModel Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1.586a.343.2668.512072.530
a. Predictors: (Constant), CG, SIZE
b. Dependent Variable: ROE
Pada output di atas yaitu pada model summary, bagian terpenting adalah pada kolom R square, R square menunjukkan seberapa peran variabel bebas mempengaruhi variabel terikat, pada contoh kasus didapatkan bahwa nilai R Square sebesar 0,343 ini menunjukkan bahwa CG dan SIZE berperan sebesar 34,3% mempengaruhi ROE sedangkan sisanya sebesar 65,7% dipengaruhi oleh variabel bebas lain selain CG dan SIZE yang tidak kita teliti. Semakin besar nilai R Square maka menunjukkan semakin baik hasil penelitian yang kita dapat.
Bagian terpenting kedua adalah pada kolom durbin-watson yang digunakan untuk mengetahui apakah data yang kita analisis sudah memenuhi asumsi autokorelasi atau tidak, untuk mengetahuinya dapat kita ketahui melalui nilai durbin-watson, apabila nilai durbin watson berada diantara du dan 4-du maka data kita sudah memenuhi asumsi non-autokorelasi, nilai du dapat dilihat pada tabel durbin watson di halaman akhir modul, dari tabel durbin watson diketahui bahwa untuk jumlah sampel sebanyak 20, dengan jumlah variabel bebas sebanyak 2, nilai du nya sebesar 1,5367, sehingga dapat diketahui 4-du = 2,4633, dapat kita ketahui bahwa nilai durbin watson yang kita dapat adalah sebesar 2,530 nilai ini tidak berada diantar du dengan 4-du, sehingga untuk data ini tidak memenuhi asumsi autokorelasi.
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression643.5842321.7924.441.028a
Residual1231.7401772.455
Total1875.32419
a. Predictors: (Constant), CG, SIZE
b. Dependent Variable: ROE
Pada Output ANOVA, bagian terpenting adalah pada nilai signifikansi, nilai signifikansi pada tabel ANOVA menunjukkan pengaruh variabel bebas secara bersamaan terhadap variabel terikat, dalam hal ini pengaruh bersamaan SIZE dan CG terhadap ROE, jika nilainya kurang dari 0,05, maka tabel ANOVA untuk regresi data contoh dapat disimpulkan bahwa terdapat pengaruh secara bersamaan yang signifikan dari SIZE dan CG terhadap ROE. Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics
BStd. ErrorBetaToleranceVIF
1(Constant)-91.94337.570-2.447.026
SIZE8.3723.127.5852.677.016.8101.235
CG.004.355.002.010.992.8101.235
a. Dependent Variable: ROE
Pada Output coefficient bagian terpenting adalah pada nilai B, signifikansi, dan VIF, signifikansi menunjukkan apakah terdapat pengaruh variabel bebas terhadap variabel terikat secara sendiri-sendiri jika nilai signifikansi kurang dari 0,05 maka dapat disimpulakn bahwa terdapat pengaruh yang signifikan variabel bebas terhadap variabel terikat, pada tabel coefficient data contoh dapat diketahui bahwa nilai signifikansi SIZE kurang dari 0,05 ini menunjukkan bahwa SIZE mempengaruhi ROE secara signifikan, sedangkan pada signifikansi CG didapatkan nilainya sebesar 0,992 lebih besar daripada 0,05, sehingga dapat disimpulkan CG tidak mempengaruhi ROE secara signifikan.
Kolom VIF menunjukkan apakah data yang kita analisis sudah memenuhi asumsi non-multikolinearitas atau tidak, jika tiap nilai VIF < 10, maka data yang kita analisis sudah memenuhi asumsi non-multikolinearitas, pada data contoh didapatkan nilai VIF kedua variabel sebesar 1,235 lebih kecil dari 10, maka dapat disimpulkan bahwa data contoh sudah memenuhi asumsi non-multikolinearitas
Bagian penting terakhir yaitu kolom B, kolom ini menunjukkan model regresi yang kita dapat nilai konstanta menunjukkan besarnya 0 , sedangkan nilai yang lainnya menunjukkan pengaruh masing-masing variabel bebas terhadap variabel terikat sehingga berdasarkan kolom B kita mendapatkan persaamaan regresi sebagai berikut :
Berdasarkan model tersebut dapat kita ketahui bahwa pengaruh size terhadap ROE sebesar 8,372 sehingga apabila size perusahaan bertambah 1 satuan maka ROE akan bertambah sebesar 8,372, begitu juga dengan CG apabila bertambah 1 satuan akan meningkatkan ROE sebesar 0,04
Charts
Output Normal P-P Plot menunjukkan apakah data kita sudah memenuhi asumsi normalitas apabila titik-titik pada P-P plot yang menunjukkan data kita menyebar disekitar garis diagonal maka data kita sudah memenuhi asumsi normalitas, pada output data contoh dapat dilihat pada P-P plot titik-titik data menyebar disekitar garis diagonal sehingga dapat disimpulkan bahwa data contoh sudah memenuhi asumsi normalitas
Output yang terakhir adalah plot residual yang digunakan untuk mengetahui apakah data yang kita analisis sudah memenuhi asumsi non-heterokedatisistas atau tidak, untuk mengetahuinya dapat kita ketahui plot pada scatter plot output SPSS apabila plot atau titik pada gambar menyebar di atas dan dibawah nilai 0, dan tidak membentuk pola tertentu, maka data yang kita analisis sudah memenuhi asumsi non-heterokedastisitas, dengan melihat gambar output SPSS dapat diktahui bahwa plot residual menyebar di atas dan dibawah 0, dan tidak membentuk pola tertentu, sehingga dapat disimpulkan bahwa data contoh sudah memenuhi asumsi non-heterokedatisitas.
4