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