Tugas 1-regresi.docx

Suhita Whini Setyahuni – 12030117420059 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

1

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

A. PENGUJIAN ASUMSI KLASIK 1. UJI MULTIKOLINEARITAS Coefficientsa Unstandardized Standardized Coefficients Coefficients Model B Std. Error Beta 1 (Constant) 2,546 ,473 EARNS ,831 ,069 ,763 WEALTH ,065 ,019 ,195 SAVING ,002 ,065 ,002 a. Dependent Variable: INCOME

t 5,389 11,956 3,374 ,030

Sig. ,000 ,000 ,001 ,976

Collinearity Statistics Tolerance VIF

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

2. UJI AUTOKORELASI – uji Durbin Watson

Model Summaryb Model 1

R

R Square

,899a

,808

Adjusted R

Std. Error of the

Square

Estimate ,802

2,484667

Durbin-Watson 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.

,491 ,597 ,778

2,037 1,676 1,285

Suhita Whini Setyahuni – 12030117420059 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

2

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 Model 1

B

Std. Error

(Constant)

,314

,392

EARNS

,008

,058

WEALTH

,013

SAVING

-,024

Coefficients Beta

Collinearity Statistics t

Sig.

Tolerance

VIF

,801

,425

,021

,143

,887

,491

2,037

,016

,105

,797

,427

,597

1,676

,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 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

3

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 Normal Parametersa,b

100 Mean

,0000000

Std. Deviation Most Extreme Differences

2,44673087

Absolute

,174

Positive

,174

Negative

-,139

Test Statistic

,174 ,000c

Asymp. Sig. (2-tailed) Monte Carlo Sig. (2-tailed)

,003d

Sig. 99% Confidence Interval

a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction.

Lower Bound

,002

Upper Bound

,005

Suhita Whini Setyahuni – 12030117420059 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

4

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 Most Extreme Differences

3,10503821

Absolute

,169

Positive

,169

Negative

-,113

Test Statistic

,169 ,000c

Asymp. Sig. (2-tailed) Monte Carlo Sig. (2-tailed)

,016d

Sig. 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 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

5

Normal Parametersa,b

Mean

,0000000

Std. Deviation Most Extreme Differences

,35695400

Absolute

,131

Positive

,083

Negative

-,131

Test Statistic

,131 ,000c

Asymp. Sig. (2-tailed) Monte Carlo Sig. (2-tailed)

,059d

Sig. 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 Normal

82 Parametersa,b

Mean

,0000000

Std. Deviation Most Extreme Differences

,23322978

Absolute

,103

Positive

,103

Negative

-,052

Test Statistic

,103 ,031c

Asymp. Sig. (2-tailed) Monte Carlo Sig. (2-tailed)

,320d

Sig. 99% Confidence Interval

Lower Bound

,308

Upper Bound

,332

Suhita Whini Setyahuni – 12030117420059 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

6

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 Model 1

R ,875a

R Square ,766

Adjusted R

Std. Error of the

Square

Estimate ,757

,23767

Durbin-Watson 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 TUGAS ANALISIS MULTIVARIATE MAKSI 38-KORPORAT

7

b) Uji F ANOVAa Model 1

Sum of Squares Regression Residual Total

df

Mean Square

14,428

3

4,809

4,406

78

,056

18,834

81

F

Sig. ,000b

85,139

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 Model 1

B

Std. Error

(Constant)

,775

,111

LnEARN

,662

,058

LnSAVING

,022

LnWEALTH

,075

Coefficients Beta

Collinearity Statistics t

Sig.

Tolerance

VIF

6,963

,000

,723

11,333

,000

,737

1,356

,021

,064

1,057

,294

,828

1,208

,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.