Nama : Luh Anggreni Kusuma Yanti

NIM : 1902622010320
Nomor : 29
Kelas : Akuntansi Malam E
Mapel : UAS Analisis Kuantitatif

1. a) Uji Normalitas

Dilihat dari nilai signifikansi yang lebih kecil dari 0,05 maka data berdistribusi tidak normal.
 b) Uji Autokorelasi

Dengan nilai signifikansi 5% atau 0,05 untuk n=21, k=2 jika nilai du<Dw<4-du . Maka dapat
disimpulkan tidak terjadi autokorelasi karena nilai dw (Durbin Watson) statistic jatuh pada
daerah yang tidak terjadi autokorelasi.
c) Uji Heterokedastisitas

Dilihat dari nilai signifikansinya yang lebih besar dari 0,05 maka dapat disimpulkan tidak terjadi
heterokedastisitas dan sebaliknya.
d) Uji Multikolinearitas

Dilihat dari nilai Tolerance yang lebih besar dari 0,1 atau nilai VIF yang kurang dari 10 maka
dapat disimpulkan tidak terjadi multikolinearitas.

Analisis Regresi Linear Berganda

Hasil Uji SPSS:

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 ,830a
,690 ,660 ,29779
a. Predictors: (Constant), Jumlah Trombosit, Gender

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 4,138 2 2,069 23,331 ,000b

Residual 1,862 21 ,089

Total 6,000 23

a. Dependent Variable: Kesembuhan Pasien

b. Predictors: (Constant), Jumlah Trombosit, Gender

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) -,076 ,115 -,662 ,515

Gender ,448 ,162 ,447 2,770 ,011

Jumlah Trombosit ,221 ,077 ,466 2,887 ,009

a. Dependent Variable: Kesembuhan Pasien

Model regresi berdasarkan output SPSS:

Y = -0,076 + 0,448 X1 + 0,221 X2

Pengaruh antar variabel:

1. Variabel gender (X1) memiliki nilai signifikansi sebesar 0,011 lebih kecil daripada 0,05
yang berarti bahwa gender berpengaruh signifikan terhadap kesembuhan pasien.
2. Variabel jumlah trombosit (X2) memiliki nilai signifikansi sebesar 0,009 lebih kecil
daripada 0,05 yang berarti bahwa jumlah trombosit berpengaruh signifikan terhadap
kesembuhan pasien.
2. Uji Normalitas

Unstandardized Residual
N 55
Normal Parametersa,b Mean .0000000
Std.
1.56425698
Deviation
Most Extreme Absolute .069
Differences Positive .069
Negative -.068
Test Statistic .069
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.

Berdasarkan tabel tersebut nilai signifikansinya adalah 0,200 yang lebih besar dari 0,05 , hal ini
maka data berdistribusi normal.

Uji Heterokedastisitas
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant
-.108 2.228 -.048 .962
)
PP .008 .037 .035 .217 .829
DMP .023 .058 .059 .402 .690
KTP -.017 .072 -.034 -.239 .812
KT .058 .043 .215 1.363 .179
a. Dependent Variable: ABS_RES

Dilihat dari nilai signifikansinya yang lebih besar dari 0,05 maka dapat disimpulkan tidak terjadi
heterokedastisitas, dan sebaliknya
Uji Multikoleniaritas

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity
Coefficients Coefficients Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 14.398 3.934 3.660 .001
PP .409 .064 .717 6.343 .000 .718 1.393
DMP .244 .103 .243 2.377 .021 .877 1.141
KTP -.022 .127 -.017 -.176 .861 .932 1.073
KT -
-.286 .075 -.421 .000 .749 1.334
3.809
a. Dependent Variable: KSIA

Berdasarkan Tabel diperoleh nilai tolerance semua variabel berada diatas 0,1 dan seluruh
nilai dari variabel penelitian mempunyai nilai VIF dibawah 10. Hal tersebut berarti bahwa tidak
terjadi gejala multikoleniaritas.

Uji F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regressio 14.78
156.304 4 39.076 .000b
n 7
Residual 132.133 50 2.643
Total 288.436 54
a. Dependent Variable: KSIA
b. Predictors: (Constant), KT, DMP, KTP, PP

Nilai F sebesar 14,787 dengan signifikansi sebesar 0,000 yang lebih kecil dari 0,05 sehingga
model regresi dikatakan sudah fit dan layak.

Koefisien determinasi
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .736a .542 .505 1.62562
a. Predictors: (Constant), KT, DMP, KTP, PP
b. Dependent Variable: KSIA

Nilai Adjusted Rsquare sebesar 0,505 atau 50,5%. Hal tersebut menunjukkan bahwa variabel
mampu menjelaskan variasi dari KSIA sebesar 50,5% dan sisanya 49,5% dijelaskan oleh
variabel-variabel lain.

Persamaan Regresi

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity
Coefficients Coefficients Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 14.398 3.934 3.660 .001
PP .409 .064 .717 6.343 .000 .718 1.393
DMP .244 .103 .243 2.377 .021 .877 1.141
KTP -.022 .127 -.017 -.176 .861 .932 1.073
KT -
-.286 .075 -.421 .000 .749 1.334
3.809
a. Dependent Variable: KSIA

Berdasarkan tabel diatas maka diperoleh persamaan regresi sebagai berikut:

KSIA = 14,398 + 0,409PP + 0,244DMP – 0,022KTP – 0,286KT