Analisis Regresi Linier

Dalam penelitian, indikator yang mempunyai nilai loading besar kemudian dilanjutkan dengan analisis regresi untuk melihat pengaruh variabel bebas terhadap variabel terikat. Persamaan regresi yang biasa digunakan adalah

Y = a + b1X1 + b2 X2+e Dimana

Y = Minat Masyarakat

a = konstansta

X1 = Risiko Investasi

X2 = Atribut Produk Islami

B1,2 = Koefisien Regresi

e = Error

Ada beberapa cara menguji persamaan regresi, yaitu;

1) Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Dalam regresi linear disturbance error atau variabel gangguan (ei) berdistribusi secara normal atau acak untuk setiap nilai Xi, mengikuti distribusi normal disekitar rata-rata.

Pengujian dapat dilakukan melalui dua pendekatan yaitu menggunakan pendekatan statistic dan grafik. Dalam hal ini data diuji dengan pendekatan grafik. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Sedangkan jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau garis histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

2) Uji Autokorelasi

Autokorelasi merupakan korelasi antara data urut waktu (time series) atau antara space untuk data cross section. Keberadaan autokorelasi yang signifikan mengakibatkan parameter regresi menjadi tidak konsisten, meskipun tidak biasa. Oleh karena itu, hasil regresi tidak boleh mengandung gej autokorelasi yang signifikan.

Pengujian terhadap adanya fenomena autokorelasi dalam data yang dianalisis dapat dilakukan dengan menggunakan Durbin- Watson Test. Jika nilai statistik Durbin-Watson (DW) mendekati 2, maka dapat disimpulkan tidak terjadi autkorelasi yang signifikan.

3) Uji Heteroskedastisitas

Heteroskedastisitas adalah fenomena di mana pada nilai variabel independen tertentu, masing-masing kesalahan (ei) mempunyai nilai varian (σ ) yang tidak sama. Heteroskedastisitas ini mengakibatkan nilai-nilai estimator (koefisien regresi) dari model tersebut tidak efisien meskipun estimator tersebut tidak bias dan konsisten. Pengujian terhadap adanya fenomena heteroskedastisitas dilakukan dengan menggunakan Spearman's Rank Correlation Test.

4) Uji Multikoleniaritas

Multikolinearitas merupakan fenomena adanya korelasi yang sempurna antara satu variabel bebas dengan variabel bebas yang lain. Konsekuensi praktis yang timbul sebagai akibat adanya multikolinearitas ini adalah kesalahan standar parameter menjadi semakin besar. Hal ini boleh terjadi pada hasil analisis regresi. Pengujian terhadap ada tidaknya multikolinearitas dilakukan dengan menggunakan metode VIF (Variance Inflation Factor). Adapun kriteria yang digunakan dalam pengujian metode VIF ini adalah sebagai berikut:

Jika VIFj>10 terjadi multikolinearitas tinggi antara regresor (variabel bebas) j dengan regresor (variabel bebas) yang lain.

5) Uji T (Regresi Parsial)

Uji ini sering disebut dengan ketepatan parameter penduga (estimate), Uji t digunakan untuk menguji apakah pertanyaan hipotesis benar. Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh suatu variabel penjelas (independen) secara individual dalam menerangkan variabel terikat. Adapun prosedurnya sebagai berikut:

1) Menentukan H0 dan H1 (Hipotesis Nihil dan Hipotesis alternatif);

2) Dengan melihat hasil print out komputer melalui program SPSS for Windows, diketahui nilai thitung dengan nilai signifikansi nilai t;

3) Jika signifikansi nilai t < 0,05 maka ada pengaruh signifikan antara variabel bebas dengan variabel terikat;

Jika signifikansi nilai t > 0,05 maka tidak ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat, artinya H0 diterima dan menolak H1, pada tingkat signifikansiα = 5%. Namun bila nilai sig. t > 0,05 dan sig.t < 0,10 maka ada pengaruh yang signifikan pada signifikansi α = 10%.

6) Uji F (Regresi Simultan)

Uji F yaitu untuk mengetahui pengaruh dari variabel bebas (independen) terhadap variabel tak bebas (dependen) secara bersama-sama. Menurut Kuncoro76 uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat. Prosedurnya uji F sebagai berikut:

1) Menentukan H0 dan H1 (Hipotesis Nihil dan Hipotesis alternatif);

2) Menentukan level of signifikans (α = 5 % );

3) Kriteria uji F, dengan melihat hasil print out komputer, jika nilai signifikansi < 1%, maka model dalam analisis sudah tepat (fit), berarti signifikans pada α = 1%.

7) Uji Determinasi (R Square)

Koefisien Determinasi Menurut Setiaji, koefisien determinasi (R2) pada intinya digunakan untuk mengukur seberapa jauh kemampuan variabel bebas dalam menerangkan variabel terikat.

Referensi Makalah®

Kepustakaan:

Imam Ghozali, Aplikasi Multivariate Dengan Program SPSS, (Semarang: UNDIP, 2001). Damodar Gujarati, Ekonometrika Dasar, (Jakarta: Erlangga, 1995). Bambang Setiaji, Panduan Riset dengan Pendekatan Kuantitatif, (Surakarta: Program Pasca Sarjana UMS, 2004). Mudrajat Kuncoro, Metode Kuantitatif: Teori dan Aplikasi untuk Bisnis dan Ekonomi, (Yogyakarta: AMP YKPN, 2001).