Analisis Regresi Linear Berganda dengan Variabel Dummy dengan SPSS

Permasalahan yang sering dijumpai dalam analisis regresi linear adalah ketika berhadapan dengan variabel bebas yang bukan interval atau rasio atau menggunakan ukuran kategori.  Analisis regresi linear hanya dapat dikenakan pada data dengan skala rasio atau interval. Oleh karena itu, jika harus menggunakan variabel dengan skala nominal atau kategori, maka variabel tersebut dapat dimodifikasi menjadi variabel dummy dengan koe 0 (tidak ada respons) dan 1 (ada respons).

Jumlah variabel dummy secara umum adalah k - 1 atau jumlah kategori (k) dikurangi 1. Sebagai ilustrasi, jika menggunakan variabel terlambat atau tidak terlambat, maka ada dua kategori sehingga jumlah variabel adalah 2 - 1 = 1. Variabel itu nanti hanya ada 0 dan 1 saja. Jika ada 3 kategori, maka akan ada dua variabel dummy karena 3 - 1 = 2. Untuk ilustrasi kali ini kita akan menggunakan dua kategori saja sehingga hanya menggunakan 1 buah variabel dummy.

Berikut ada satu variabel terikat (Y) profitabilitas dengan 6 variabel bebas dan 1 di antaranya adalah variabel dummy.

Tabulasi Data dengan 1 buah Variabel Dummy (X6). Abaikan X7 karena tidak dipergunakan

Variabel dummy adalah penyampaian laporan keuangan di mana 1 adalah terlambat dan 0 adalah tidak terlambat. Dilakukan uji normalitas, uji heteroskedastisitas dan uji multikkolinearitas, tetapi tidak dilakukan uji autokorelasi  karena data bukan runtut waktu atau time series.

Uji Multikolienaritas dengan VIF atau Tolerance

Hasil uji multikolinearitas di atas menunjukkan bahwa tidak terdapat variabel yang mempunyai nilai VIF di atas 10 atau yang tertinggi adalah 4,263 untuk Variabel X4. Hasil ini menunjukkan bahwa tidak ada gangguan multikolinearitas pada model penelitian.

Hasil uji normalitas dengan grafik memberikan hasil sebagai berikut:

Histogram Uji Normalitas

Hasil uji histogram menunjukkan bahwa kurva telah menyerupai lonceng, meskipun ada kecurigaan bahwa di bagian kiri tidak smooth dibandingkan bagian kanan. Untuk memperkua ditampilkan Normal P Plot yang memberikan hasil sebagai berikut:

Uji Normalitas dengan P Plot

Tampak bahwa titik-titik pada grafik telah mendekati sumbu diagonalnya yang menunjukkan bahwa nilai residual data telah memenuhi asumsi normalitas. Agar lebih jelas, maka dipergunakan uji Kolmogorov-Smirnov yang memberina hasil sebagai berikut:

Uji Normalitas dengan Kolmogorov-Smirnov

Tampak bahwa nilai Signifikansi adalah sebesar 0,200 > 0,05 yang berarti data telah terdistribusi secara norma. Hasil ini memperkuat hasil pengujian dengan grafik histogram dan normal P Plot. Berikutnya dilakukan uji Heteroskedastisitas dengan Metode Glejser dan memberikan hasil sebagai berikut:

Uji Heteroskedastisitas dengan Metode Glejser

Tampak bahwa tidak ada variabel yang signifikan terhadap nilai Absolut residualnya pada taraf 5%. Hasil ini menunjukkan bahwa tidak ada gangguan heteroskedastisitas pada model penelitian. 

Setelah semua asumsi terpenuhi maka hasil analisis regresi adalah sebagai berikut:

Uji F

Tampak bahwa nilai Signifikansi adalah sebesar 0,023 < 0,05 yang berarti model telah fit dan pengujian bisa dilanjutkan.

Hasil Uji T atau Uji Hipotesis

Tampak bahwa hanya variabel X6 yang signifikan dengan Signifikansi sebesar 0,004 < 0,05 sedangkan variabel yang lainnya tidak signifikan. Karena tandanya negatif berarti disimpulkan bahwa perusahaan yang terlambat cenderung mempunyai profitabilitas yang rendah dibandingkan perusahaan yang tidak terlambat. Tanda atau respons bisa dibalik, misalnya 1 yang tidak terlambat dan 0 yang terlambat. Hasilnya akan sama hanya tanda pada T hitung akan terbalik menjadi positif, sehingga interpretasinya juga akan sama. Jadi kode bisa sesuai keinginan peneliti dan jika dilakukan dengan benar akan memberikan hasil yang konsisten.

Share: