Upload
avinda-goldea-r
View
6
Download
3
Embed Size (px)
DESCRIPTION
Data Penjelasan Output Uts
Citation preview
Regression
[DataSet1] C:\Users\Bismillah\Documents\13080694018_AVINDA GOLDEA R_S1 AK 13B\data uts statistik_2.sav
Variables Entered/Removeda
Model
Variables
Entered
Variables
Removed Method
1 DW, KA, KM,
KP, KIb. Enter
a. Dependent Variable: ERM
b. All requested variables entered.
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1,328a ,107 ,001
1936504805682
0,4571,642
a. Predictors: (Constant), DW, KA, KM, KP, KI
b. Dependent Variable: ERM
UJI AUTOKORELASI
Uji Autokorelasi = terdapat penyimpangan pengamatan dengan varian yang sama
(durbin-watson)
untuk menguji apakah ada penyimpangan variabel yang terjadi pada data time series
(menggunakan t sebelum dan t sesudah)
Tidak semua data diuji dengan autokorelasi
Tidak ada autokorelasi = model regresi baik
Cara memperbaiki = bisa mengubah atau menambah data
K5 dalam tabel di buku L27 menunjukkan jumlah variabel
Terdapat Ragu-ragu Tidak ada Ragu-Ragu Terdapat
NAMA :AVINDA GOLDEA RKELAS:S1 AKUNTANSI 2013 BNIM :13080694018
autokorelasi (+)Autokorelasi
autokorelasi (-)
0 dL du 4-du 4-dL
Nilai dari Durbin-Watson adalah 1,642.
Nilai dL = 1,34
Nilai du = 1,77
Terdapat autokorelasi
(+)
Ragu-ragu Tidak ada
autokorelasi
Ragu-ragu Terdapat autokorelasi
(-)
0 1,34 1,642 1,77 4- dL
Dari uji autokorelasi tersebut menjelaskan bahwa TIDAK ADA AUTOKORELASI dalam
model regresi tersebut.
UJI KOEFISIEN DETERMINASI:
Pada table model summary jika lebih dari 1 variabel maka menggunakan adjusted R square,
di kolom Adjusted R Square dijelaskan bahwa sebesar 0,1% ERM dipengaruhi variabel DW,
KA, KM, KP, dan KI, dan sisanya sebesar 99,9% dijelaskan oleh variabel lainnya.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1896507041060640400000000
000,0005
379301408212128100000000
000,0001,011 ,423b
Residual 1575021362220456000000000
0000,00042
375005086242965700000000
000,000
Total 1764672066326520000000000
0000,00047
a. Dependent Variable: ERM
b. Predictors: (Constant), DW, KA, KM, KP, KI
UJI F (UJI SIMULTAN) :
Data di atas pada tabel Anova di kolom Sig. dijelaskan bahwa 0,423 > 0,05 artinya nilai akhir
terhadap DW, KA, KM, KP, dan KI regresi liniernya TIDAK LAYAK untuk digunakan.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig.B Std. Error Beta
1 (Constant) -51550970579541,450 206053563571677,530 -,250 ,804
KM 1,167 2,079 ,915 ,561 ,578
KI 1,160 1,969 1,514 ,589 ,559
KP 1,032 2,056 1,129 ,502 ,618
KA ,944 2,047 1,238 ,461 ,647
DW 1966666320574,454 5857321606461,813 ,050 ,336 ,739
UJI T :
Pada Tabel Coefficients di kolom Sig. dijelaskan bahwa konstan 0,804 > 0,05. Artinya yaitu
Nilai akhir TIDAK BERPENGARUH terhadap KM, KP, KI, KA,dan DW.
Coefficientsa
Model
95,0% Confidence Interval for B Collinearity Statistics
Lower Bound Upper Bound Tolerance VIF
1 (Constant) -4;67383897024017,900 364281955864935,000
KM -3,029 5,362 ,008 125,135
KI -2,814 5,134 ,003 310,657
KP -3,116 5,181 ,004 238,064
KA -3,187 5,075 ,003 338,972
DW -9853887240947,473 13787219882096,380 ,972 1,029
a. Dependent Variable: ERM
UJI MULTIKORELASI :
a; Pada table Coefficients di kolom VIF dijelaskan bahwa KM sebesar 125,135 > 10.
Maka artinya Uji regresi model ini TIDAK BAIK dan TERDAPAT
MULTIKORELASI.
b; Pada table Coefficients di kolom VIF dijelaskan bahwa KI sebesar 310,657 > 10.
Maka artinya Uji regresi model ini TIDAK BAIK dan TERDAPAT
MULTIKORELASI.
c; Pada table Coefficients di kolom VIF dijelaskan bahwa KP sebesar 238,064 > 10.
Maka artinya Uji regresi model ini TIDAK BAIK dan TERDAPAT
MULTIKORELASI.
d; Pada table Coefficients di kolom VIF dijelaskan bahwa KA sebesar 338,972 > 10.
Maka artinya Uji regresi model ini TIDAK BAIK dan TERDAPAT
MULTIKORELASI.
e; Pada table Coefficients di kolom VIF dijelaskan bahwa DW sebesar 1,029 < 10. Maka
artinya Uji regresi model ini BAIK dan TERBEBAS DARI MULTIKORELASI.
INTERPRETASI DATA :
Pada data output diatas, pada kolom B pada constant (a) adalah -5.155E13 sedangkan
KM (b) adalah 1.167, KI (c) adalah 1.160, KP (d) adalah 1.032, KA (e) adalah 0.944 dan DW
(e) adalah 1.967E12 sehingga persamaan regresinya adalah sebagai berikut :
Y = α + β1X1+ β2X2+.........+ βnXn+ e
Y = -5.155E13 + 1.167KM + 1,160 KI + 1,032 KP + 0,944 KA + 1.967E12 DW
Persamaan tersebut dapat diterjemahkan sebagai berikut :
a; Konstanta sebesar -5.155E13 menyatakan bahwa jika tidak ada nilai dari variabel
KM, KI, KP, KA, dan DW maka nilai dari Variabel ERM berkurang sebesar 5.155E13
b; Koefisien X sebesar 1.167 menyatakan bahwa setiap penambahan nilai 1 pada
variable ERM, maka nilai dari variable KM bertambah sebesar 1.167
c; Koefisien X sebesar 1,160 menyatakan bahwa setiap penambahan nilai 1 pada
variable ERM, maka nilai dari variable KI bertambah sebesar 1,160
d; Koefisien X sebesar 1,032 menyatakan bahwa setiap penambahan nilai 1 pada
variable ERM, maka nilai dari variable KP bertambah sebesar 1,032
e; Koefisien X sebesar 0,944 menyatakan bahwa setiap penambahan nilai 1 pada
variable ERM, maka nilai dari variable KA bertambah sebesar 0,944
f; Koefisien X sebesar 1.967E12 menyatakan bahwa setiap penambahan nilai 1 pada
variable ERM, maka nilai dari variable DW bertambah sebesar 1.967E12
Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Index
Variance Proportions
(Constant) KM KI KP
1 1 3,820 1,000 ,00 ,00 ,00 ,00
2 ,797 2,190 ,00 ,00 ,00 ,00
3 ,715 2,312 ,00 ,00 ,00 ,00
4 ,388 3,140 ,00 ,00 ,00 ,00
5 ,280 3,691 ,00 ,00 ,00 ,00
6 ,000 175,133 1,00 ,99 1,00 1,00
Collinearity Diagnosticsa
Model Dimension
Variance Proportions
KA DW
1 1 ,00 ,02
2 ,00 ,00
3 ,00 ,00
4 ,00 ,16
5 ,00 ,81
6 1,00 ,00
a. Dependent Variable: ERM
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 44881779097600
,00
72188484911104
,00
5583035714285
7,066352260514147,014 48
Residual -
34795197300736
,000
3447189405696
0,000-,011 18306035292547,984 48
Std. Predicted Value -1,724 2,575 ,000 1,000 48
Std. Residual -1,797 1,780 ,000 ,945 48
a. Dependent Variable: ERM
Charts
UJI NORMALITAS
Untuk mencari Normalitas, dapat diidentifikasi ada tidaknya outlier. Dari data output
diatas gambar tersebut dikatakan cukup baik dan mendekati normal, karena titik sebarannya
mendekati garis diagonal dan terdapat sedikit outlier yang menjauh. Akan tetapi pengujian
gambar merupakan penilaian subjektif
UJI HETEROKEDESTRISITAS
Pada data output diatas, gambar tersebut model regresinya bagus dan merata, karena
titik pada gambar disamping merata. Akan tetapi penilaian pada gambar merupakan
bersifat subjektif