Anda di halaman 1dari 4

Nama : Gusty Aryo Poernomo

Nim : B300180362
Kelas : L

Lampiran 1
Hasil Analisis Regresi

Regresi Model Lengkap

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 P, R, M1b . Enter
a. Dependent Variable: GDP
b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .9773a .9552 .9515 8207.2046 .3885
a. Predictors: (Constant), P, R, M1
b. Dependent Variable: GDP

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 255.78
51687610729.180 3 17229203576.393 .0000b
48
Residual 2424895493.795 36 67358208.161
Total 54112506222.975 39
a. Dependent Variable: GDP
b. Predictors: (Constant), P, R, M1

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 148673.5029 15357.7308 9.6807 1.4677E-11
M1 8.5248 .6858 1.0750 12.4299 1.3768E-14 .1664 6.0084
R 471.2638 520.1784 .0401 .9060 .3710 .6365 1.5712
P -187.4795 192.6194 -.0825 -.9733 .3369 .1734 5.7681
a. Dependent Variable: GDP

Collinearity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) M1 R P
1 1 3.901 1.000 .00 .00 .00 .00
2 .091 6.531 .00 .01 .32 .01
3 .005 26.899 .98 .10 .67 .03
4 .002 43.504 .02 .89 .00 .96
a. Dependent Variable: GDP

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 328.332,22 456.131,69 379.303,78 36.404,991 40
Residual -14.220,612 18.573,049 ,000 7.885,227 40
Std. Predicted Value -1.400 2.110 .000 1.000 40
Std. Residual -1.733 2.263 .000 .961 40
a. Dependent Variable: GDP

Uji Klein

R21=1−TOLM 1=1−0,1664=0,8336
R22=1−TOLM 1=1−0,1664=0,8336
R23=1−TOL p=1−0,1734=0,8266

Uji Normalitas Residual (Jarque Bera)

Descriptive Statistics
Unstandardized
Residual Valid N (listwise)
N Statistic 40 40
Minimum Statistic -14220.61204
Maximum Statistic 18573.04920
Mean Statistic .0000000
Std. Deviation Statistic 7885.22717068
Skewness Statistic .13829
Std. Error .37378
Kurtosis Statistic -.39346
Std. Error .73260

2
0,13829 2 (−0,39346 )
JB ( 2 )=40 ( 6
+
24
=0,3855 )
Prob. JB(2) = 0,8247
Tabel 4.1
Hasil Estimasi Model Ekonometrik

^t =148.673,2029+8,5248 M 1t + 471,2638 R t−187,4795 Pt


GDP
( 0,0000 ) (0,3710) (0,3369)
R2 = 0,9552; DW-Stat. = 0,3885 ; F-Stat. = 255,7848; Prob. F-Stat. = 0,0000
Uji Diagnosis
(1) Multikolinieritas (Klein)
M1 = 0,8836; R = 0,3635; P = 0,8266
{atau Multikolinieritas (VIF)
M1 = 6,0084; R = 1,5712; P = 5,7681}
(2) Normalitas Residual (Jarque Bera)
JB(2) = 0,3855; Prob. JB(2) = 0,8247
(3) Otokorelasi (Breusch Godfrey)
2() = ; Prob. 2() =
(4) Heteroskedastisitas (White)
2() = ; Prob. 2() =
(5) Linieritas (Ramsey Reset)
F() = ; Prob. F() =

Uji multikolinieritas Klein

Uji multikolinieritas yang dipakai adalah uji Klein. Uji Klein dilakukan dengan cara
membandingkan R2 dari model terestimasi dengan R2 regresi auxialiary yang didapat dari regresi
masing-masing variabel independen dengan variabel independen lainnya. Multikolinieritas
terjadi apabila R2 regresi auxiliary nilainya ada yang lebih besar dari R2 model lengkap.
Hasil uji Klein terlihat pada Tabel 4.2.

Tabel 4.2
Hasil Uji Klein

V R2i K Kesi
ar ri mpu
ia te lan
be ri
l a
M 0,8336 < Tida
I 0, k
95 men
52 yeba
bkan
mult
ikoli
nerit
as
R 0,3635 < Tida
0, k
95 men
52 yeba
bkan
mult
ikoli
nieri
tas
P 0,8266 < Tida
0, k
95 men
52 yeba
bkan
mult
ikoli
nieri
tas

Uji multikolinieritas VIF

Uji multikolinieritas yang dipakai adalah uji VIF. Pada uji VIF multikolinieritas terjadi
apabila nilai VIF untuk variabel independen ada yang bernilai > 10.
Hasil uji VIF terlihat pada Tabel 4.2.
Tabel 4.2
Hasil Uji VIF

Variabel VIF Kriteria Kesimpulan


M1 6,0084 < 10 Tidak menyebabkan multikolineritas
R 1,5712 < 10 Tidak menyebabkan multikolinieritas
P 5,7681 < 10 Tidak menyebabkan multikolinieritas

Uji Normalitas Residual

Normalitas residual akan diuji memakai uji Jarque Bera (JB). H0 uji JB adalah distribusi
residual normal; dan HA-nya distribusi residual tidak normal. H0 diterima jika nilai p (p value),
probabilitas, atau signifikasi empirik statistik JB > α; H0 ditolak jika nilai p (p value),
probabilitas, atau signifikasi empirik statistik JB  α.

Dari Tabel 4.1, terlihat nilai p, probabilitas, atau signifikansi empirik stastistik JB adalah
sebesar 0,8247 (> 0,10); jadi H0 diterima, distribusi residual normal.