Salah satu dari sekian banyak tujuan penelitian adalah menentukan variabel mana yang paling dominan (berpengaruh). Penentuan variabel paling dominan hanya dapat dilakukan jika variabel independen (bebas / X) lebih dari 1 (satu).
Apabila penelitian yang Anda lakukan hanya terdiri dari 1 variabel independen, maka tidak perlu mencari variabel mana yang paling dominan. Lalu bagaimana cara mudah menentukan Variabel paling dominan ? Selengkapnya, mari simak ulasan berikut:
Daftar Isi Konten:
Video Cara Menentukan Variabel Paling Dominan
Ada Update Baru dari M Jurnal !
Bagi teman-teman yang lebih terbiasa menonton video ketimbang membaca atau yang ingin tahu kenapa Saya hanya menggunakan logika sederhana dalam menentukan variabel paling dominan, Yuk tonton video Channel M Jurnal berikut:
Jika Anda Lebih Suka Membaca, silahkan simak tutorial di bawah yaa..
Okee.. Lanjut ke tutorial yaa..
Konsep Variabel Paling Dominan
Variabel paling dominan merupakan variabel yang paling mempengaruhi dalam suatu model. Sebagai contoh kami menggunakan model regresi linear berganda yang terdiri 4 variabel independen dan 1 variabel dependen. Penelitian ini bertujuan mencari pengaruh CAR (X1), NPL (X2), BOPO (X3), dan CR (X4) terhadap ROA (Y). Dengan demikian dapat kita susun persamaan regresi linear pada contoh ini sebagai berikut:
Y = α + β1 X1 + β2 X2 + β3 X3 + β4 X4 + еt
Dimana:
Y = ROA
α = Intercept
β1 = Coefficient Regresi (besaran pengaruh) variabel X1 terhadap Y
β2 = Coefficient Regresi (besaran pengaruh) variabel X2 terhadap Y
β3 = Coefficient Regresi (besaran pengaruh) variabel X3 terhadap Y
β4 = Coefficient Regresi (besaran pengaruh) variabel X4 terhadap Y
X1 = CAR
X2 = NPL
X3 = BOPO
X4 = CR
еt = Error Term
Jika digambarkan, kerangka pemikiran model regresi linear di atas sebagai berikut:
Perhatikan gambar di atas, setiap variabel independen (X) memiliki anak panah tunggal (satu arah) menuju variabel dependen (Y). Maksud anak panah ini adalah “Besaran Pengaruh”. Jadi setiap variabel independen di asumsikan mempengaruhi variabel dependen.
Besaran pengaruh variabel independen terhadap variabel dependen dilambangkan dengan Beta (β). β dapat bernilai negatif maupun positif. Nilai β inilah yang menunjukkan variabel mana yang paling dominan. Selain itu, signifikan atau tidak signifikan juga mempengaruhi pemilihan variabel mana yang paling dominan.
Contoh 1 – Variabel Paling Dominan
Sebagai contoh, kami asumsikan Beta (β) setiap variabel sebesar berikut ini:
| Variabel | Beta (β) | P-Value |
| X1 | 0.4523 | 0.08234 |
| X2 | 0.6350 | 0.05672 |
| X3 | 0.5332 | 0.02346 |
| X4 | 0.4051 | 0.01997 |
Pada alpha (α) sebesar 5% (0.05), tentukanlah variabel mana yang paling dominan !
Jika Anda menjawab variabel X2 yang paling dominan, maka jawaban Anda SALAH. Variabel yang paling dominan adalah variabel X3. Kenapa demikian ? Memang benar variabel X2 memiliki β paling besar. Akan tetapi memilih variabel X2 sebagai variabel paling dominan sangat tidak tepat, karena variabel X2 tidak berpengaruh nyata pada α sebesar 5%.
Coba perhatikan kolom P-Value X2 sebesar 0.05672 > 5%. Sedangkan P-Value variabel X3 sebesar 0.02346 < 5%. Dengan demikian, meskipun β variabel X3 < X2, memilih variabel X3 sebagai variabel paling dominan merupakan pilihan yang tepat, karena X3 memiliki P-Value < α.
Kenapa kita tidak memilih X4 sebagai variabel paling dominan, sedangkan X4 memiliki P-Value < α ?. Memang benar X4 memiliki P-Value < α, akan tetapi, β X4 lebih mendekati 0 (nol) dibandingkan dengan β X3. Jadi pilihan variabel paling dominan yang tepat adalah X3.
Lalu bagaimana jika β bernilai negatif ?
Pertanyaan yang bagus, untuk menjawab pertanyaan tersebut perhatikan contoh berikut.
Contoh 2 – Variabel Paling Dominan
Kami asumsikan Beta (β) setiap variabel sebesar berikut ini:
| Variabel | Beta (β) | P-Value |
| X1 | -0.051285 | 0.361154 |
| X2 | -0.425467 | 0.003354 |
| X3 | -0.051560 | 0.000072 |
| X4 | 0.017906 | 0.003382 |
Pada alpha (α) sebesar 5% (0.05), tentukanlah variabel mana yang paling dominan !
Jika Anda menjawab variabel X4 sebagai variabel paling dominan, maka jawaban Anda SALAH. Loh, kenapa demikian ? padahal X4 memiliki β paling besar dan P-Value < α. Memang benar, akan tetapi, pada contoh ini kita menemukan β bernilai negatif.
Seperti yang telah kita bahas di awal, β dapat bernilai negatif maupun positif. Makna nya adalah β tersebut merupakan uji dua arah. Artinya, apabila Beta (β) bernilai negatif, maka variabel tersebut berpengaruh negatif terhadap variabel dependen. Dan sebaliknya apabila Beta (β) bernilai positif, maka variabel tersebut berpengaruh positif terhadap variabel dependen.
Baca Juga:
Judul Skripsi Manajemen Keuangan
Portofolio Optimal Menggunakan Excel
Dalam kondisi ini, untuk menentukan variabel mana yang paling dominan adalah sebagai berikut:
- Apakah variabel tersebut berpengaruh signifikan atau tidak. Caranya bandingkan P-Value dengan α. Pada contoh ini, X2, X3, dan X4 berpengaruh signifikan karena P-Value ketiganya < α.
- Bandingkan nilai β. Semakin β menjauhi nol (0), maka variabel tersebut semakin berpengaruh (dominan). Pada contoh ini, β variabel X2 semakin menjauhi nol (0). Dengan demikian, variabel yang paling dominan adalah variabel X2.
“Sehingga dapat disimpulkan bahwa Variabel yang paling dominan merupakan variabel yang berpengaruh signifikan dengan beta semakin menjauhi nol (0).”
Sebagai tambahan, kami berikan satu soal latihan. Beta dan P-Value setiap variabel ditunjukkan pada tabel berikut:
| Variabel | Beta (β) | P-Value |
| X1 | -0.501285 | 0.011154 |
| X2 | -0.515467 | 0.033354 |
| X3 | 0.513260 | 0.043972 |
| X4 | 0.502906 | 0.013382 |
Pada α sebesar 5%, tentukan variabel mana yang paling dominan !
Jika Anda telah menemukan jawabannya, silahkan ketik pada kolom komentar di bawah ya… Good Luck !
Menentukan Variabel Paling Dominan Pada Excel
Bagaimana cara menentukan variabel paling dominan pada output regresi linear dari Ms. Excel ? Selengkapnya, silahkan simak step by step berikut ini:
Pada alpha (α) sebesar 5% (0.05), tentukanlah variabel mana yang paling dominan !
- Tentukan variabel mana yang berpengaruh signifikan. Pada gambar di atas, terlihat bahwa variabel X2 dan X3 berpengaruh signifikan karena P-Value < 5%. Sehingga eliminasi variabel X1 dan X4 dalam pemilihan variabel yang paling dominan.
- Nilai β pada Excel ditunjukkan pada kolom Coefficients. Pada tahap ini, tentukan β (Coefficients) mana yang paling menjauhi nol (0). Dalam contoh ini adalah variabel X2. Dengan demikian, variabel yang paling dominan adalah variabel X2 (NPL).
Menentukan Variabel Paling Dominan Pada Eviews
Pada EViews, output regresi linear cukup berbeda. Untuk dapat mentukan variabel mana yang paling dominan, silahkan simak step by step berikut ini:
Pastikan Anda telah melakukan estimasi persamaan regresi linear pada EViews.
- Pertama-tama, buka output estimasi model regresi.
- Muncul jendela equation, perhatikan nilai Nilai ini dapat dikatakan sebagai P-Value. Jika kita lihat, hanya variabel NPL dan BOPO yang berpengaruh signifikan terhadap ROA. Oleh karena itu, variabel NPL dan BOPO lolos dalam tahap pertama seleksi variabel paling dominan.
- Perhatikan nilai β. Pada EViews, nilai β disajikan pada kolom Coefficient. Sehubungan CAR dan CR telah tereliminasi, maka fokus saja pada variabel NPL dan BOPO. Kesimpulannya, variabel yang paling dominan adalah variabel NPL karena memiliki β paling menjauhi nol (0).
Menentukan Variabel Paling Dominan Pada SPSS
SPSS juga menyediakan analisis regresi linear. Untuk menentukan variabel mana yang paling dominan, silahkan perhatikan step by step berikut ini:
- Output SPSS menyediakan berbagai macam tabel, klik tabel Coefficients.
- Eliminasi variabel yang berpengaruh tidak signifikan dengan membandingkan pada SPSS dengan α. Dari gambar di atas, maka Variabel yang berpengaru signifikan adalah NPL dan BOPO.
- Sehubungan variabel NPL dan BOPO lolos tahap seleksi pertama, maka dilanjutkan dengan menentukan variabel yang memiliki β semakin menjauhi nol (0). Pada contoh ini, NPL memiliki β paling menjauhi nol (0). Dengan demikian, variabel yang paling dominan adalah Variabel NPL.
Demikian ulasan singkat dari kami mengenai Cara Mudah Menentukan Variabel Paling Dominan, semoga ulasan ini bermanfaat bagi kita semua. Terimakasih atas kunjungannya 🙂
Pintasan Panduan Problem dan Solusi Penelitian
- Tidak Signifikan ?: Apakah penelitian harus signifikan ? Lihat jawaban dan solusinya.
- Variable Dominan: (Anda Disini).
- Kesalahan Uji Hipotesis: Belajar Dasar-dasar Kesalahan Dalam Pengambilan Keputusan dari Pengujian Hipotesis (uji 1 sisi atau 2 sisi).
- t hitung Negatif: Jika t hitung bernilai negatif, jangan buru-buru menerima H0 (tidak signifikan). Ini solusinya…
- Positif / Negatif Signifikan: Apa maksud dari Positif / Negatif Signifikan ? (Wajib Pahami Materi ini).
- R Square Rendah: Solusi jika nilai R Square terlalu rendah.
- Normalitas: Cara menyembuhkan Normalitas
- Multikolinearitas: Cara menyembuhkan Multikolinearitas
- Autokorelasi: Cara menyembuhkan Autokorelasi
- Heterokedastisitas: Cara menyembuhkan Heterokedastisitas
permisi gan,
izin bertanya,
kalau misalnya tidak ditemukan P-Value < alpha, apakah cukup dengan melihat coefficient beta-nya saja yang paling menjauhi nol (0) ?
Untuk melihat apakah X berpengaruh signifikan atau tidak terhadap Y, kita bisa bandingkan P-Value dgn Alpha. Sedangkan coefficient Beta itu untuk melihat seberapa besar pengaruh variable bebas terhadap Variabel terikat.
Kamu harus merujuk kembali ke rumusan masalah. Kedua2 nya digunakan untuk analisa regresi.
Jika P-Value > Alpha, artinya var bebas tidak berpengaruh signifikan trhadap var terikat. Sehingga interpretasi besaran coefficient beta tidak ada artinya karena var tsb tidak berpengaruh secara signifikan.
Benar sekali.
Artikelnya sangat membantu.
Apakah saya dapat meminta sumber rujukan yang digunakan dalam menentukan variabel yang paling dominan dengan Nilai Coefficients β?
Untuk bantuannya saya ucapkan terima kasih sebelumnya
Terima kasih gan, ini bermanfaat sekali penjelasannya 🙂
kalau boleh tau ini referensinya dari buku apa ya? minta tolong responnya buat skripsi saya. Terimakasih
Saya cuma pakai logika aja mbak.
1. Kenapa saya eliminasi variable yg tdk signifikan ? Karena tidak sig = tidak ada pengaruh (pada alpha 0.05). Jadi var tsb tidak akan dominan. Wong tidak mempengaruhi.
2. Kenapa saya pilih beta paling menjauhi 0. Karena Beta itu adalah pengali setiap variable. Semakin menjauhi 0, maka semakin besar pengaruh nya (positif maupun negatif)
Coba kita hitung.
ROA = C + CARxB + NPLxB + BOPOxB + CRxB
Jika CAR,NPL,BOPO & CR = 1, maka.
ROA = 8,931 + 1x-0,051 + 1x-0,425 + 1x-0,052 + 1 x 0,019
ROA = 8,931 – 0,051 – 0,425 – 0,052 + 0,019
mana yg punya pengaruh terbesar ? (Abaikan Coefficient (8,931) karna bukan variable, abaikan variable CAR (-0,051) & CR (0,019) karena tidak berpengaruh, daaaan.. abaikan nilai positif dan negatif..)
NPL (-0,425)
BOPO (-0,052)
Secara logika, -0,425 tentu memberikan kontribusi terbesar dlm kasus ini.
Itu aja mbak. Yaaah mudah2an pembimbing mu menerima akal sehat ini hehehe..
Siang Ka, Maaf saya mau tanya..
(1) Saya menggunakan 9 sampel perusahaan dgn 4 tahun periode = 36 data penelitian.
(2) Dari data tersebut saya menggunakan DAR (X2) terhadap Perubahan Laba (Y), hasilnya positif Tidak signifikan..
(3) Yang saya mau tanyakan, apakh bisa kita melihat pada sampel perusahaan mana yang DAR nya berpengaruh?..
Terimakasih sebelumnya.. 🙂
Siang juga.
Sebelumnya saya mau nanya,
(1) Variabel penelitian yang di gunakan (X) ada berapa ?
(2) Kakak menggunakan uji regresi data panel atau tidak ?
(3) Jika iya, untuk melihat DAR perusahaan mana yang paling berpengaruh bisa di lihat menggunakan uji correlation (korelasi)
(4) Jika tidak pake data panel, coba kakak regresi-kan data masing-masing perusahaan.
Kalau bisa, variabel X nya harus lebih dari 1 kak.
Pagi kak, saya mau bertanya. Bagaimana jika kita ingin melihat variabel mana yang paling berpengaruh pada variabel terikat dengan kondisi variabel variabel terikatnya memiliki satuan yang berbeda? Terima kasih
Halo kak hanif.
Maaf ya telat balas nya.
Untuk case ini, seharus nya satuan variabel di transformasi terlebih dahulu sebelum analisa statistik.
Kalo ga di transformasi, nanti bisa bias hasil nya.
Transformasi bisa pake logarithma natural (kalo ga ada nilai negatif pada data masing2 variabel)
Bang mau nanya buat ngeliat aspek yang paling berpengaruh gimana ya? Saya ada 2 variabel, saya mau liat pengaruh aspek variabel indipenden pada variabel dependen,
Kak, jika hasil uji berdistribusi tidak normal, dan terdapat gejala heteroskedastisitas, apakah penelitian dapat dilanjutkan?
Hasilnya cenderung bias. Atau tidak bisa dijadikan acuan.
Upayakan lolos uji asumsi klasik nya.
Saya sudah coba cek outlier di excel, dan saya test ulang tanpa sampel yg outlier, namun utk uji normalitas hasilnya tetap tidak terdistribusi normal.. bgmn ya kak?
Coba ubah data pake log kak. Di Excel pake log() atau pake logarithma natural bisa juga =ln()
Biasanya setelah transformasi data, cenderung berdistribusi normal.
Bisa atau ga bisa nya ntar kasih tau Saya lagi ya.
Ternyata dosbing saya blg, hanya perlu uji multi dan hetero kak. Terima kasih banyak kak ?
Kmrn saya msh ad masalah sm uji hetero. Trs saya udh coba mengatasinya dgn 2 cara yaitu pertama pakai log, kedua buang data outlier.
Lebih baik menggunakan cara apa ya kak utk menghilangkan gejala hetero?
Ooooh.. bisa juga. Ada juga teori yang mengatakan uji normalitas tidak perlu dilakukan. Seperti dari buku karangan Prof. Mudradjat Kuncoro.
Kalo log ga bisa coba pake metode Weighted Least Square (WLS)
Data yang dibutuhkan:
– Semua data variable
– Residual Kuadrat setiap data. Gunakan data residual kuadrat yang dihitung menggunakan LM pada model pertama (yang terkena masalah heteroskedastisitas).
Caranya:
Kali-kan semua data dengan 1:σei
σei = residual kuadrat pada perusahaan e dan periode i
Contoh:
Variabel X1 = Rasio Net Profit Margin (NPM)
Periode penelitian = 2011 – 2019
Jumlah Perusahaan = 5
Data NPM tahun 2011 perusahaan 1 = 6%
Maka WLS = 6% x 1 : σei
Silahkan ubah semua data perusahaan pada masing-masing periode dan untuk semua variabel dengan metode WLS ini.
Kemudian lakukan estimasi model menggunakan data variabel yang telah di ubah menggunakan Metode WLS
Insya Allah Heteroskedastisitas bisa di atasi dan pemilihan model juga akurat.
Terima kasih kak. Akhirny saya buang data outlier, dan masalah hetero sudah teratasi.
Kalau utk uji koefisien determinasi di eviews, angka yg digunakan itu R² atau adjusted R² ya kak?
Alhamdulillah kak. Kalo soal R square..
Menurut buku Prof. Mudrajad Kuncoro, kalo selama proses analisis data terdapat perubahan komposisi variabel (seperti penambahan / pengurangan variabel bebas), maka pake Adjusted R². Jika tidak terjadi demikian, cukup pake R² aja.
Kak, cara menghitung z score utk menentukan batas outlier bgmn ya?
Terima kasih.
Malam kak, saya mau bertanya mengenai data outlier. Yg dibuang itu data atau perusahaan ya?
Misal meneliti tahun 17-19
Outlier peru A tahun 17
Maka yg dibuang, data thun 17 saja atau seluruh data (17-19) peru A ya?
Kalau ada sumber bacaan dari bukunya, boleh tolong disertakan kak?Terima kasih.
permisi pak, izin bertanya. Bagaimana jika p value > alpha dan nilai beta nya negatif. Apakah pernyataan nya tidak berpengaruh atau berpengaruh negatif (kebetulan pada hipotesis penelitian saya, “p value > alpha, maka variabel x tidak berpengaruh terhadap variabel y”). Terima kasih.
Kalo untuk pengujian hipotesis, ga perlu menyertakan arah hubungan (positif / negatif). Jadi pernyataannya tidak berpengaruh aja udah cukup kok kak.
Beta positif / negatif itu Saya pikir lebih mengarah ke Interpretasi Model Regresi.
cara menentukan INDiKATOR paling dominan?
nb : indikator dari variabel, bukan variabelnya. tugas kuliah saya tidak mengerti pak. mohon bantuannya
Indikator nya Beta masing-masing variabel
Selamat siang,
Artikelnya sangat bermanfaat sekali..
Mohon bertanya (maklum sudah lama lulus kuliah) jadi agak2 lupa mengenai ilmu statistik.. 😀
Misalnya kita hanya diberikan 2 info, yaitu variable independent dan dependent saja, maka untuk mencari variable yg paling dominan bisa dimulai/langkah perhitungannya darimana ya? (Angka intercept & coeffisiennya tidak ada).
Mulai dari ngumpulin data kak. Kalo pake data ordinal, ubah dulu ke interval pake Method Successive Interval (MSI). Kalo jenis datanya rasio, abaikan MSI.
Terus lanjut uji asumsi klasik > regresi (sekalian uji t & f).
Kunjungi aja Pusat Panduan Skripsi M Jurnal, di sana sudah Saya susun berurutan.
Bagaimana ketika tidak terdistribusi normal dan uji asumsi klasik lainnya tidak terpenuhi. Apakah ada solusi untuk menggunakan uji lain?
Saya melakukan penelitian dengen judul pengaruh promosi, citra merek dan harga terhadap keputusan pembelian dan hasil uji linear berganda hanya variabel yg berpengaruh signifikan dan 2 variabelnya citra merek dan harga tidak signifikan tetapi pas di cari variabel dominan nya malah citra merek yg paling dominan padahal tidak signifikan
Klo kasus seperti ini solusinya gimana?
Halo kak ingin bertanya, pada analisis saya didapatkan model FEM yang terpilih. Dan dari 5 variabel terdapat 3 variabel yabg signifikan. Bagaimana membentuk persamaan modelnya?
Izin bang, jika menggunakan teori seseorang, boleh tau ga ya ini materi cara melihat variabel paling dominan nya pake teori siapa dan tahun berapa bang?
Terimakasih
pada SPSS, terdapat nilai Beta standardized, selain bisa menunjukkan faktor dominan juga bisa memberikan kontribusi pengaruh. seperti pada contoh X2 sebagai faktor dominan kontribusi pengaruhnya sebesar 51,8%.