Ini adalah analisis data eksplorasi

Lets load some data

library(readxl)
data <- read_excel("C:/users/bledug/downloads/Kinerja LQ45 2019-2024.xlsx", sheet = "Kinerja LQ45 2019-2024")
head(data)
## # A tibble: 6 × 6
##   saham kuartal pendapatan    aset ekuitas `laba bersih`
##   <chr> <chr>        <dbl>   <dbl>   <dbl>         <dbl>
## 1 BBCA  2019Q3     2.17e13 8.94e14 1.68e14       8.06e12
## 2 BBCA  2020Q3     2.11e13 1.00e15 1.79e14       7.80e12
## 3 BBCA  2021Q3     2.15e13 1.17e15 1.98e14       8.74e12
## 4 BBCA  2022Q3     2.41e13 1.29e15 2.12e14       1.09e13
## 5 BBCA  2023Q3     2.78e13 1.38e15 2.36e14       1.22e13
## 6 BBCA  2024Q3     3.10e13 1.43e15 2.56e14       1.42e13
summary(data)
##     saham             kuartal            pendapatan             aset          
##  Length:243         Length:243         Min.   :2.811e+07   Min.   :6.957e+08  
##  Class :character   Class :character   1st Qu.:7.974e+09   1st Qu.:3.652e+11  
##  Mode  :character   Mode  :character   Median :5.639e+12   Median :2.885e+13  
##                                        Mean   :9.689e+12   Mean   :1.533e+14  
##                                        3rd Qu.:1.461e+13   3rd Qu.:1.040e+14  
##                                        Max.   :5.902e+13   Max.   :1.962e+15  
##     ekuitas           laba bersih        
##  Min.   :2.806e+08   Min.   :-6.674e+12  
##  1st Qu.:5.238e+10   1st Qu.: 8.561e+07  
##  Median :1.790e+13   Median : 4.009e+11  
##  Mean   :4.530e+13   Mean   : 1.560e+12  
##  3rd Qu.:3.856e+13   3rd Qu.: 1.190e+12  
##  Max.   :3.295e+14   Max.   : 1.547e+13
#model regresi linear

model <- lm(`laba bersih` ~ pendapatan + aset + ekuitas, data = data)
summary(model)
## 
## Call:
## lm(formula = `laba bersih` ~ pendapatan + aset + ekuitas, data = data)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -1.030e+13 -3.291e+11  2.513e+11  4.324e+11  5.064e+12 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -4.324e+11  1.201e+11  -3.600 0.000387 ***
## pendapatan   6.947e-02  1.480e-02   4.695  4.5e-06 ***
## aset         9.785e-04  4.189e-04   2.336 0.020322 *  
## ekuitas      2.580e-02  2.875e-03   8.975  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.432e+12 on 239 degrees of freedom
## Multiple R-squared:  0.7996, Adjusted R-squared:  0.7971 
## F-statistic:   318 on 3 and 239 DF,  p-value: < 2.2e-16

Penjelasan hasil regresi linear:

lm() adalah fungsi untuk regresi linear.

Laba bersih sebagai variabel dependen (Y).

Pendapatan, aset, ekuitas sebagai variabel independen (X).

Interpretasi Hasil

  1. Koefisien (Estimate) Intercept (Konstanta): -4.324e+11 Artinya, jika pendapatan, aset, dan ekuitas = 0, maka laba bersih diprediksi -432,4 miliar (dalam konteks kinerja emiten LQ45 ini, nilai X tidak mungkin nol).

Pendapatan: 0.06947 Artinya, setiap kenaikan pendapatan sebesar Rp 1 rupiah, maka laba bersih emiten LQ45 naik 0,069 rupiah (dengan asumsi aset dan ekuitas tetap). Karena nilainya sangat kecil, kondisi ini mencerminkan hasil yang wajar karena skala pendapatan para emiten LQ45 sangat besar.

Aset: 0.0009785 Artinya, setiap kenaikan 1 rupiah aset, maka laba bersih naik 0,0009785 rupiah (dengan asumsi variabel lain tetap).

Ekuitas: 0.0258 Artinya, setiap kenaikan 1 rupiah ekuitas, laba bersih naik 0,0258 rupiah (dengan asumsi variabel lain tetap).

  1. Signifikansi (Pr(>|t|)) Semua variabel (pendapatan, aset, ekuitas) punya nilai p-value < 0.05 (bahkan jauh lebih kecil), artinya berpengaruh signifikan terhadap laba bersih.

  2. R-squared Multiple R-squared: 0.7996 Artinya, model ini mampu menjelaskan 79,96% variasi laba bersih dari variasi pendapatan, aset, dan ekuitas. Ini nilai yang sangat baik (mendekati 1 = sangat bagus).

  3. F-statistic F-statistic: 318, p-value < 2.2e-16 Artinya, model secara keseluruhan signifikan (p-value jauh di bawah 0,05).

Kesimpulan Sederhana Pendapatan, aset, dan ekuitas sama-sama berpengaruh positif dan signifikan terhadap laba bersih perusahaan LQ45.

Model ini sangat baik dalam menjelaskan perubahan laba bersih (R-squared hampir 80%).

Semua hubungan bersifat positif: semakin tinggi pendapatan, aset, atau ekuitas, maka laba bersih perusahaan cenderung naik.

Dengan begitu, berdasarkan hasil regresi linear, diperoleh bahwa pendapatan, aset, dan ekuitas berpengaruh positif dan signifikan terhadap laba bersih anggota emiten LQ45, khususnya setiap periode kuartal 3 tiap tahun mulai 2019-2024. Model ini mampu menjelaskan sekitar 80% variasi laba bersih (R-squared = 0,7996). Semua variabel independen memiliki nilai p-value < 0,05, sehingga terbukti secara statistik berpengaruh nyata terhadap laba bersih.

# Plot hubungan antara laba bersih dan prediksi model
plot(data$`laba bersih`, predict(model), 
     xlab = "Laba Bersih Aktual", ylab = "Laba Bersih Prediksi",
     main = "Aktual vs Prediksi Laba Bersih")
abline(0, 1, col = "red")

Penjelasan Grafik Sumbu X (horizontal): Laba bersih aktual (nilai asli dari data).

Sumbu Y (vertikal): Laba bersih prediksi (hasil prediksi dari model regresi).

Titik-titik bulat: Setiap titik mewakili satu data perusahaan pada satu kuartal.

Garis merah: Garis 45 derajat (y = x), yang artinya prediksi sama persis dengan nilai aktual.

Kesimpulan:

Mayoritas titik cukup dekat dengan garis merah, terutama di bagian nilai laba bersih yang kecil hingga menengah.

Ada beberapa titik yang agak jauh dari garis, terutama untuk laba bersih yang sangat besar - ini wajar karena data keuangan sering punya outlier (nilai ekstrim).

Tidak ada pola menyebar yang aneh (misal, membentuk kurva atau pola sistematis), artinya model linear cukup cocok.

Catatan: Beberapa prediksi kurang tepat untuk nilai laba bersih yang sangat besar, kemungkinan karena ada perusahaan yang sangat besar atau data outlier.

Secara umum, model bisa digunakan untuk memprediksi laba bersih berdasarkan pendapatan, aset, dan ekuitas.