Professional Documents
Culture Documents
Kel 11 - Normalitas - Autokorelasi - Multikolinearitas - Heteroskedastisitas - Yolanda (230910202141) - Wanda (230910202156) - Adam (230910202154)
Kel 11 - Normalitas - Autokorelasi - Multikolinearitas - Heteroskedastisitas - Yolanda (230910202141) - Wanda (230910202156) - Adam (230910202154)
EXAMINE VARIABLES=X1 X2 X3 X4 Y
/PLOT BOXPLOT STEMLEAF NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Explore
Notes
Cases
Descriptives
Median 13,00
Variance 8,408
Minimum 3
Maximum 15
Range 12
Interquartile Range 2
Skewness -2,062 ,374
Median 11,00
Variance 6,451
Minimum 3
Maximum 15
Range 12
Interquartile Range 3
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
X1
X1 Stem-and-Leaf Plot
Frequency Stem & Leaf
Stem width: 1
Each leaf: 1 case(s)
X2
X2 Stem-and-Leaf Plot
X3 Stem-and-Leaf Plot
Stem width: 1
Each leaf: 1 case(s)
X4
X4 Stem-and-Leaf Plot
Stem width: 1
Each leaf: 1 case(s)
Y
Y Stem-and-Leaf Plot
Stem width: 1
Each leaf: 1 case(s)
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2 X3 X4
/RESIDUALS DURBIN.
Regression
Notes
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
a. Dependent Variable: Y
b. All requested variables entered.
Model Summaryb
ANOVAa
Total 251,600 39
a. Dependent Variable: Y
b. Predictors: (Constant), X4, X3, X1, X2
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: Y
Residuals Statisticsa
a. Dependent Variable: Y
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2 X3 X4.
Regression
Notes
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
b
1 X4, X3, X1, X2 . Enter
a. Dependent Variable: Y
b. All requested variables entered.
Model Summary
ANOVAa
Total 251,600 39
a. Dependent Variable: Y
b. Predictors: (Constant), X4, X3, X1, X2
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Coefficientsa
Collinearity Statistics
Model VIF
1 (Constant)
X1 4,325
X2 4,786
X3 2,332
X4 4,089
a. Dependent Variable: Y
Collinearity Diagnosticsa
Variance Proportions
Collinearity Diagnosticsa
Variance Proportions
Model Dimension X4
1 1 ,00
2 ,02
3 ,06
4 ,91
5 ,01
a. Dependent Variable: Y
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2 X3 X4
/SAVE RESID.
Regression
Notes
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
b
1 X4, X3, X1, X2 . Enter
a. Dependent Variable: Y
b. All requested variables entered.
Model Summaryb
ANOVAa
Total 251,600 39
a. Dependent Variable: Y
b. Predictors: (Constant), X4, X3, X1, X2
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Coefficientsa
Collinearity Statistics
Model VIF
1 (Constant)
X1 4,325
X2 4,786
X3 2,332
X4 4,089
a. Dependent Variable: Y
Collinearity Diagnosticsa
Variance Proportions
Collinearity Diagnosticsa
Variance Proportions
Model Dimension X4
1 1 ,00
2 ,02
3 ,06
4 ,91
5 ,01
a. Dependent Variable: Y
Residuals Statisticsa
a. Dependent Variable: Y
COMPUTE ABS_RES=ABS(RES_1).
EXECUTE.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT ABS_RES
/METHOD=ENTER X1 X2 X3 X4.
Regression
Notes
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
b
1 X4, X3, X1, X2 . Enter
Model Summary
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Total 36,973 39
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Coefficientsa
Collinearity Statistics
Model VIF
1 (Constant)
X1 4,325
X2 4,786
X3 2,332
X4 4,089
Collinearity Diagnosticsa
Variance Proportions
Collinearity Diagnosticsa
Variance Proportions
Model Dimension X4
1 1 ,00
2 ,02
3 ,06
4 ,91
5 ,01
1. Data Descriptive
- Data terdiri dari empat variabel independen, yaitu X1, X2, X3, dan X4, serta satu
variabel dependen Y.
- Setiap variabel memiliki 40 data yang valid tanpa missing values
- Data X1 memiliki mean sebesar 12.45 dan deviasi standar 2.900, sedangkan data
X2 memiliki mean 10.83 dan deviasi standar 2.591
2. Normalitas
- Data pada variabel X1, X2, X3, X4, dan Y tidak terdistribusi secara normal
berdasarkan uji normalitas Kolmogorov-Smirnov dan Shapiro-Wilk
- Hal ini menunjukkan bahwa asumsi normalitas tidak terpenuhi dalam data.
3. Regresi
- Model regresi dilakukan dengan menggunakan variabel X1, X2, X3, dan X4
sebagai prediktor untuk variabel dependen Y.
- Model regresi memiliki R Square sebesar 0.653, yang mengindikasikan bahwa
sekitar 65.3% variabilitas dalam Y dapat dijelaskan oleh model tersebut
- Koefisien regresi untuk X1, X2, X3, dan X4 adalah masing-masing 0.288, 0.384,
0.250, dan -0.048
4. Multikolinearitas
- Terdapat indikasi multikolinearitas antara variabel X1, X2, X3, dan X4, seperti
yang ditunjukkan oleh nilai Variance Inflation Fa prediktor ctor (VIF) yang
melebihi 4
5. Autokorelasi
- Model Summary:
R Square (R^2) sebesar 0.653 menunjukkan bahwa sekitar 65.3% dari variabilitas
dalam variabel dependen Y dapat dijelaskan oleh model regresi yang digunakan.
- ANOVA
Nilai signifikan (Sig.) dari F-test pada ANOVA adalah 0.000, menunjukkan
bahwa setidaknya satu variabel independen memiliki pengaruh signifikan
terhadap variabel dependen Y.
Hal ini juga diperkuat oleh nilai signifikan yang rendah pada model regresi (pada
tingkat signifikansi 0.05) (Page 21).
- Coefficients
Koefisien regresi (Beta) untuk X1, X2, X3, dan X4 adalah masing-masing 0.288,
0.384, 0.250, dan -0.048.Koefisien ini menunjukkan seberapa besar pengaruh
setiap variabel independen terhadap variabel dependen Y setelah disesuaikan
dengan variabel lain dalam model
- Tidak ada informasi yang secara khusus menyebutkan adanya autokorelasi dalam
model regresi yang dilakukan.
6. Heteroskedastisitas
- Informasi tentang heteroskedastisitas dalam model regresi tidak tersedia dalam
analisis yang disediakan
Dengan demikian, kesimpulan utama dari analisis ini adalah bahwa data tidak memenuhi asumsi
normalitas, terdapat indikasi multikolinearitas antara variabel prediktor, dan model regresi yang
digunakan mampu menjelaskan sebagian besar variabilitas dalam variabel dependen Y. Namun,
perlu diperhatikan bahwa asumsi-asumsi dasar regresi seperti normalitas data dan
multikolinearitas tidak terpenuhi dalam analisis ini