TUGAS UAS STATISTIK EKONOMI DAN BISNIS

Dosen Pengampu : Merisa Oktaria, SE., M.Si

Di Susun Oleh :
RIFKI
NIM BCA 116 305
KELAS : D

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS PALANGKARAYA
TAHUN 2018
Regression

Descriptive Statistics
Std.
Mean Deviation N
ROA 28,4469 24,74655 16
CAR 37913,013 34949,4053 16
ROE 1724,9888 1773,17694 16

Hasil analisis data diatas merupakan hasil dari pemilihan check box Descriptive pada dialog
box statistic. Didapatkan nilai rata-rata serta standar deviasi untuk semua variable, baik
independent maupun depedent. Dimana tampilan spss menunjukkan jumlah responden (N)
sebanyak 16 dengan standar deviasi ROA sebesar 24,74655, CAR sebesar 34949,4053, dan
ROE sebesar 17773,17694 dengan rata-rata ROA 28,4469, CAR sebesar 37913,013, dan
ROE sebesar 1724,9888.

Correlations
ROA CAR ROE
Pearson ROA 1,000 ,886 ,446
Correlation CAR ,886 1,000 ,713
ROE ,446 ,713 1,000
Sig. (1-tailed) ROA . ,000 ,042
CAR ,000 . ,001
ROE ,042 ,001 .
N ROA 16 16 16
CAR 16 16 16
ROE 16 16 16

pada gambar korelasi tersebut, didapatkan angka signifikansi untuk hubungan antar seluruh
variabel independent dengan variabel dependent bernilai di bawah 0,05 (<0,05), sehingga
dapat disimpulkan bahwa memang terdapat hubungan yang signifikan dan korelasi yang erat
antara semua variabel independent dengan variabel dependent.

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
b
1 ROE, CAR . Enter
a. Dependent Variable: ROA
b. All requested variables entered.
Hasil data dari variable Entered/removed penentuan dari pilihan Enter (default) pada dialog
box option. Variabel Entered merupakan hasil dari ROE dan CAR.

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
a
1 ,925 ,856 ,833 10,10155 2,012
a. Predictors: (Constant), ROE, CAR
b. Dependent Variable: ROA
Pada bagian ini terdapat nilai koefisien determinasi R-Square = 0,856 (85,6%). Ini
menunjukkan bahwa sebesar 85,6% variasi variabel dependent (Y) dapat dijelaskan oleh 2
variabel independent (X1 dan X2), artinya pengaruh variabel independen terhadap perubahan
variabel dependen adalah 85,6%, sedangkan sisanya sebesar 15,4% dipengaruhi oleh variabel
lain selain variabel independen X1 dan X2.

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 7859,337 2 3929,669 38,511 ,000b
Residual 1326,538 13 102,041
Total 9185,875 15
a. Dependent Variable: ROA
b. Predictors: (Constant), ROE, CAR

Anova nilai prob. F hitung (sig.) pada tabel di atas nilainya 0,000 lebih kecil dari tingkat
signifikansi 0,05 sehingga dapat disimpulkan bahwa model regresi linier yang diestimasi
layak digunakan untuk menjelaskan pengaruh struktur permodalan (capital assets ratio) dan
rentabilitas (ROE) terhadap kinerja keuangan perbankan (ROA).
 Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 6,521 3,864 1,687 ,115
CAR ,001 ,000 1,156 7,688 ,000 ,492 2,034
ROE -,005 ,002 -,378 -2,513 ,026 ,492 2,034
a. Dependent Variable: ROA
Pada Coefficients nilai VIF untuk variabel CAR dan ROE sama-sama 2,034, sedangkan
Tolerance-nya 0,492. Karena nilai VIF dari kedua variabel tidak ada yang lebih besar dari 10
atau 5 maka dapat dikatakan tidak terjadi multikolinieritas pada kedua variabel bebas
tersebut. Berdasarkan syarat asumsi klasik regresi linier dengan OLS, maka model regresi
linier yang baik adalah yang terbebas dari adanya multikolinieritas. Dan dapat disimpulkan,
model di atas telah terbebas dari adanya multikolinieritas.

Collinearity Diagnosticsa
Condition Variance Proportions
Model Dimension Eigenvalue Index (Constant) CAR ROE
1 1 2,548 1,000 ,05 ,03 ,03
2 ,319 2,827 ,91 ,06 ,17
3 ,134 4,367 ,03 ,91 ,80
a. Dependent Variable: ROA
Hasil data diatas pada bagian dimension 3 menunujukkan nilai-nilai pada kolom Variance
Proportions, pada bagian ini menampilkan Constant, CAR, dan ROE masing-masing nilai
pada constant =,03 CAR=,91 dan ROE=,80
 Residuals Statisticsa
Maximu Std.
Minimum m Mean Deviation N
Predicted Value 8,0992 83,3949 28,4469 22,89008 16
Std. Predicted Value -,889 2,401 ,000 1,000 16
Standard Error of 2,560 9,444 3,972 1,893 16
Predicted Value
Adjusted Predicted 7,7913 94,0474 29,9111 24,26368 16
Value
Residual -12,19493 27,72617 ,00000 9,40403 16
Std. Residual -1,207 2,745 ,000 ,931 16
Stud. Residual -1,652 2,877 -,042 1,032 16
Deleted Residual -22,84743 30,46621 -1,46418 12,56789 16
Stud. Deleted Residual -1,786 4,587 ,055 1,394 16
Mahal. Distance ,026 12,172 1,875 3,226 16
Cook's Distance ,000 1,211 ,157 ,346 16
Centered Leverage ,002 ,811 ,125 ,215 16
Value
a. Dependent Variable: ROA

pada data di atas daftar hasil-hasil dari Residual Statistics dimana Predicted Value data
Minimun 8,0992, Maximum 83,3949, mean terdapat 28,4469 dan Std.Deviation terdapat nilai
22,890008. responden (N) terdapat sebanyak 16.
Sebaran titik-titik dari gambar Normal P-P Plot di atas relatif mendekati garis lurus, sehingga
dapat disimpulkan bahwa (data) residual terdistribusi normal. Hasil ini sejalan dengan asumsi
klasik dari regresi linier dengan pendekatan OLS. Kelemahan dari uji normalitas dengan
Normal P-P Plot terletak pada kriteria dekat/jauhnya sebaran titik-titik. Tidak ada batasan
yang jelas mengenai dekat atau jauhnya sebaran titiktitik tersebut sehingga sangat
dimungkinkan terjadi kesalahan penarikan kesimpulan. Misalnya teramati bahwa sebaran
titik-titik terlihat relatif dekat (artinya terdistribusi normal), tapi ternyata tidak cukup
dikatakan dekat (tidak terdistribusi normal). Kondisi ini akhirnya bergantung kepada
subjektifitas pengamat (orang yang melihat).
Dari gambar di atas terlihat bahwa sebaran titik tidak membentuk suatu pola/alur tertentu,
sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau dengan kata lain terjadi
homoskedastisitas. Asumsi klasik tentang heteroskedastisitas dalam model ini terpenuhi,
yaitu terbebas dari heteroskedastisitas