Anda di halaman 1dari 7

Suhita Whini Setyahuni – 12030117420059

1 TUGAS ANALISIS MULTIVARIATE


MAKSI 38-KORPORAT

MODEL REGRESI : INCOME= a+b1EARN + b2SAVING +b3WEALTH + e

A. PENGUJIAN ASUMSI KLASIK

1. UJI MULTIKOLINEARITAS
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 2,546 ,473 5,389 ,000
EARNS ,831 ,069 ,763 11,956 ,000 ,491 2,037
WEALTH ,065 ,019 ,195 3,374 ,001 ,597 1,676
SAVING ,002 ,065 ,002 ,030 ,976 ,778 1,285
a. Dependent Variable: INCOME

NILAI VIF < 10 DAN TOLERANCE >0,10. Tidak tejadi multikolinearitas.

2. UJI AUTOKORELASI – uji Durbin Watson

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 ,899a ,808 ,802 2,484667 2,079
a. Predictors: (Constant), SAVING, WEALTH, EARNS
b. Dependent Variable: INCOME

Nilai DW = 2,079
Nilai DL = 1,613
Nilai DU = 1,736
Nilai 4-DU = 2,264
Pengambilan keputusan : tidak ada autokorelasi positif atau negatif : DU < DW < 4-DU
1,736 < 2,079 < 2,264
Tidak ada autokorelasi positif atau negatif.
Suhita Whini Setyahuni – 12030117420059
2 TUGAS ANALISIS MULTIVARIATE
MAKSI 38-KORPORAT

3. UJI AUTOKORELASI – uji Runs Test

Runs Test
Unstandardized
Residual
Test Valuea -,87146
Cases < Test Value 50
Cases >= Test Value 50
Total Cases 100
Number of Runs 45
Z -1,206
Asymp. Sig. (2-tailed) ,228
a. Median

H0 : residual acak.
HA : residual tidak acak.
Jika antar residual tidak terdapat hubungan korelasi, maka dikatakan bahwa residual tersebut
acak atau random. Nilai asymp.sig.(2-tailed) adalah 0, 228, yang tidak signifikan pada 0,05.
Ini berarti H0 diterima. Dapat disimpulkan bahwa residual acak, atau tidak terjadi
autokorelasi antar nilai residual.

4. UJI HETEROKEDASTISITAS – uji park

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) ,314 ,392 ,801 ,425
EARNS ,008 ,058 ,021 ,143 ,887 ,491 2,037
WEALTH ,013 ,016 ,105 ,797 ,427 ,597 1,676
SAVING -,024 ,054 -,050 -,439 ,662 ,778 1,285
a. Dependent Variable: LnU2i

Hasil tampilan SPSS memberikan output koefisien untuk setiap variabel independen tidak
signifikan pada 0,05. Sehingga dapat diartikan tidak terdapat heterokedastisitas. Sedangkan
uji scatterplot memperlihatkan hasil sebagai berikut :
Suhita Whini Setyahuni – 12030117420059
3 TUGAS ANALISIS MULTIVARIATE
MAKSI 38-KORPORAT

Uji scatterplot terlihat titik-titik yang menyebar secara acak, baik di atas maupun di bawah
angka 0 pada sumbu Y. Hal ini dapat diartikan tidak ada heterokedastisitas pada model
regresi.

5. UJI NORMALITAS-uji kolmogorov smirnov

One-Sample Kolmogorov-Smirnov Test


Unstandardized
Residual
N 100
Normal Parametersa,b Mean ,0000000
Std. Deviation 2,44673087
Most Extreme Differences Absolute ,174
Positive ,174
Negative -,139
Test Statistic ,174
Asymp. Sig. (2-tailed) ,000c
Monte Carlo Sig. (2-tailed) Sig. ,003d
99% Confidence Interval Lower Bound ,002
Upper Bound ,005
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Suhita Whini Setyahuni – 12030117420059
4 TUGAS ANALISIS MULTIVARIATE
MAKSI 38-KORPORAT

d. Based on 10000 sampled tables with starting seed 2000000.

Nilai Test Statistic Kolmogorov-Smirnov adalah adalah 0,174 dengan nilai signifikansi 0,003
yang signifikan pada 0,05. Hal ini membuat H0, yang menyatakan data berdistribusi normal
ditolak. Sehinga dapat diinterpretasikan bahwa model regresi tidak berdistribusi normal.
Untuk menguji normalitas, dilakukan pengujian regresi semi-log dan double-log
6. UJI NORMALITAS-regresi semi log 1
Model regresi semi log 1 dilakukan dengan meregresikan variabel independen dalam
bentuk logaritma natural.

One-Sample Kolmogorov-Smirnov Test


Unstandardized
Residual
N 82
Normal Parametersa,b Mean ,0000000
Std. Deviation 3,10503821
Most Extreme Differences Absolute ,169
Positive ,169
Negative -,113
Test Statistic ,169
Asymp. Sig. (2-tailed) ,000c
Monte Carlo Sig. (2-tailed) Sig. ,016d
99% Confidence Interval Lower Bound ,013
Upper Bound ,020
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. Based on 10000 sampled tables with starting seed 299883525.

Nilai Test Statistic Kolmogorov-Smirnov adalah adalah 0,169 dengan nilai signifikansi 0,016
yang signifikan pada 0,05. Hal ini membuat H0, yang menyatakan data berdistribusi normal
ditolak. Sehinga dapat diinterpretasikan bahwa model regresi tidak berdistribusi normal.
7. UJI NORMALITAS-regresi semi log 2
Model regresi semi log 2 dilakukan dengan meregresikan variabel dependen dalam bentuk
logaritma natural.

One-Sample Kolmogorov-Smirnov Test


Unstandardized
Residual
N 100
Suhita Whini Setyahuni – 12030117420059
5 TUGAS ANALISIS MULTIVARIATE
MAKSI 38-KORPORAT

Normal Parametersa,b Mean ,0000000


Std. Deviation ,35695400
Most Extreme Differences Absolute ,131
Positive ,083
Negative -,131
Test Statistic ,131
Asymp. Sig. (2-tailed) ,000c
Monte Carlo Sig. (2-tailed) Sig. ,059d
99% Confidence Interval Lower Bound ,053
Upper Bound ,065
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. Based on 10000 sampled tables with starting seed 926214481.

Nilai Test Statistic Kolmogorov-Smirnov adalah adalah 0,131 dengan nilai signifikansi 0,059
yang tidak signifikan pada 0,05. Hal ini membuat H0, yang menyatakan data berdistribusi
normal diterima. Sehinga dapat diinterpretasikan bahwa model regresi berdistribusi normal.
8. UJI NORMALITAS – model regresi double log.
Model regresi double log dilakukan dengan meregresikan variabel dependen dan variabel
independen dalam bentuk logaritma natural.

One-Sample Kolmogorov-Smirnov Test


Unstandardized
Residual
N 82
Normal Parametersa,b Mean ,0000000
Std. Deviation ,23322978
Most Extreme Differences Absolute ,103
Positive ,103
Negative -,052
Test Statistic ,103
Asymp. Sig. (2-tailed) ,031c
Monte Carlo Sig. (2-tailed) Sig. ,320d
99% Confidence Interval Lower Bound ,308
Upper Bound ,332
Suhita Whini Setyahuni – 12030117420059
6 TUGAS ANALISIS MULTIVARIATE
MAKSI 38-KORPORAT

a. Test distribution is Normal.


b. Calculated from data.
c. Lilliefors Significance Correction.
d. Based on 10000 sampled tables with starting seed 1314643744.

Nilai Test Statistic Kolmogorov-Smirnov adalah adalah 0,103 dengan nilai signifikansi 0,320
yang tidak signifikan pada 0,05. Hal ini membuat H0, yang menyatakan data berdistribusi
normal diterima. Sehinga dapat diinterpretasikan bahwa model regresi berdistribusi normal.
Berikut ini grafik normal probability plot

B. PENGUJIAN REGRESI

a) UJI R2

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 ,875a ,766 ,757 ,23767 2,350
a. Predictors: (Constant), LnWEALTH, LnSAVING, LnEARN
b. Dependent Variable: LnINCOME

Adjusted R Square menunjukkan nilai 0,766. Ini dapat diartikan bahwa variasi
variabel independen dapat menjelaskan variasi perubahan pada variabel dependen
sebesar 76,6%. Sebesar 23,4% sisanya dijelaskan oleh faktor lain yang tidak
dimasukkan dalam model.
Suhita Whini Setyahuni – 12030117420059
7 TUGAS ANALISIS MULTIVARIATE
MAKSI 38-KORPORAT

b) Uji F

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 14,428 3 4,809 85,139 ,000b
Residual 4,406 78 ,056
Total 18,834 81
a. Dependent Variable: LnINCOME
b. Predictors: (Constant), LnWEALTH, LnSAVING, LnEARN

Nilai F hitung adalah sebesar 85,139 dengan nilai signifikansi 0,000, yang signifikan pada taraf
0,05. Hal ini dapat diartikan bahwa ada salah satu dari t hitung yang bernilai signifikan.

c) Uji t

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) ,775 ,111 6,963 ,000
LnEARN ,662 ,058 ,723 11,333 ,000 ,737 1,356
LnSAVING ,022 ,021 ,064 1,057 ,294 ,828 1,208
LnWEALTH ,075 ,019 ,236 3,917 ,000 ,825 1,212
a. Dependent Variable: LnINCOME

Nilai signifikansi t hitung variabel EARN dan WEALTH adalah 0,000, yang signifikan pada
taraf 0,05. Hal ini membuktikan bahwa jumlah laba dan kekayaan berpengaruh positif
terhadap jumlah pendapatan. Sebaliknya, nilai signifikansi variabel SAVING adalah sebesar
0,294, yang tidak signifikan pada taraf 0,05. Hal ini membuktikan bahwa jumlah simpanan
tidak berpengaruh terhadap jumlah pendapatan.

Anda mungkin juga menyukai