Langkah-langkahnya adalah sebagai berikut.1 Buka lah Programm SPSS Yang und ein Miliki.2 Eingabedaten nya - sebagai contoh, Daten yang saya gunakan adalah Daten latihan dari buku Kategorische Datenanalyse Alan Agresti, 2007, edisi 2 - halaman 132, pada Kasus saya variabel penjelasnya ada 2 Durasi skala rasio dan T dengan skala nominal dan variabel terikatnya Y dalam bentuk nominal terdiri atas 2 kategori - biner.3 Pilih opsi variabel Ansicht lalu ubahlah variabel name dan label - nya sesuai dengan kasus masing-masing Saat ini , Saga akan menggubah nama menjadi D, T dan Y misalnya Kemudian Werte nya disesuaikan nilainya Bila Daten berbentuk nominal atau ordinal misalnya untuk T dan Y, Maß nya diganti dari Maßstab menjadi nominal.4 Daten telah beres, kemudian pilih opsi Analysieren Regression Binary Logistics. 5 Masukkan Y sebagai variabel Dependent dan D serta T sebagai Kovariaten Untuk Methode nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan beziehen sich auf Ence Kategorie nya dengan cara memilih opsi kategorisch Untuk kemudahan interpretasi biasanya saya memilih erste untuk referenz nya Artinya setiap kategori akan diperbandingkan dengan kategori pertama Kemudian JANGAN LUPA pilih ändern Klik Continue.7 Pilih Optionen Kemudian centang hosmer lemeshow dan Klassifikation Plots dan klik weiter Kemudian OK. Ok Untuk Interpretasi Outputnya silahkan membaca postingan berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih telah membaca. Minggu yang lalu, saya telah menyampaikan mengenai konsep dari analisis regresi logistik biner Pada minggu ini, saya akan coba melanjutkan pembahasan berkaitan dengan l angkah-langkah pengolahan nya dengan Menggunakan bantuan Programm SPSS Langkah-langkahnya adalah sebagai berikut.1 Buka lah Programm SPSS Yang und ein Miliki.2 Input Daten nya - sebagai contoh, Daten yang saya gunakan adalah Daten latihan dari buku Kategorische Datenanalyse Alan Agresti, 2007, edisi 2 - Halaman 132, pada kasus saya Variabel penjelasnya ada 2 Durasi skala rasio dan T dengan skala nominal dan variabel terikatnya Y dalam bentuk nominal terdiri atas 2 kategori - biner.3 Pilih opsi variabel view lalu ubahlah variabel name dan label - nya sesuai dengan kasus masing-masing Saat ini, saya Akan menggubah nama menjadi D, T dan Y misalnya Kemudian Werte nya disesuaikan nilainya Bila Daten berbentuk nominal atau ordinal misalnya untuk T dan Y, Maß nya diganti dari Maßstab menjadi nominal.4 Daten telah beres, kemudian pilih opsi Analysieren Regression Binary Logistics.5 Masukkan Y sebagai variabel Dependent dan D serta T sebagai Kovariaten Untuk Methode nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan Referenz Kategorie nya dengan cara memilih opsi Kategorische Untuk kemudahan interpretasi biasanya saya memilih erste untuk Referenz nya Artinya setiap Kategori akan diperbandingkan dengan kategori pertama Kemudian JANGAN LUPA Pilih ändern Klik Continue.7 Pilih op Tionen Kemudian centang hosmer lemeshow dan klassifikation plots dan klik weiter Kemudian OK. Ok Untuk Interpretasi Outputnya silahkan membaca postingan berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih telah membaca - Ferdi Fadly. Regresi logistik logistische regression sebenarnya sama dengan analisis regresi berganda hanya variabel terikatnya merupakan variabel Dummy 0 Dan 1 Sebagai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat tepat Regresi logistik tidak memerlukan asumsi normalitas meskipun Screening Daten Ausreißer tetap dapat dilakukan Untuk asumsi multikolinearitas pada regresi logistik silahkan simak Di sini. Interpretasi regresi logistik menggunakan ungerade verhältnis atau kemungkinan Sebagai contoh, jika rasio keuangan ROA meningkat sebesar 1 maka kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05 kali Berarti semakin zinn Ggi ROA kemungkinan tepat semakin tinggi Atau jika rasio keuangan der meningkat sebesar 2 maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menurun karena lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi. Berikut adalah simulasi aplikasi regresi logistik logistische regression Dengan SPSS Versi 11 5 Contoh tabulasi data dengan 84 sampel bisa di herunterladen di sini Tampilannya pada SPSS Versi 11 5 kurang lebih seperti ini. Simulasi adalah untuk melihat pengaruh antara variabel profitabilitas, kompleksitas perusahaan, opini auditor, likuiditas dan ukuran perusahaan terhadap ketepatan penyampaian laporan Keuangan tahunan perusahaan Profitabilitas diukur dengan ROA kompleksitas diukur dengan 1 jika mempunyai anak perusahaan dan 0 jika perusahaan tidak mempunyai anak perusahaan opini auditor diukur dengan 1 jika mendapatkan opini wajar tanpa pengecualian dan 0 untuk opini yang lain likuiditas diukur dengan Aktuelle Ratio dan k Ompleksitas diukur dengan logaritma natürlichen Marktwert Nah variabel terikatnya adalah ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Klik menu Analysieren, pilih Binär Logistik, seperti ini. Jika anda benar, maka akan keluar menu box Untuk regresi logistik Masukkan variabel ketepatan ke dalam box dependend, dan masukkan variabel bebas ke dalam box covariate Lalu klik pada Optionen, sehingga akan keluar box seperti ini. Beri tanda centang seperti pada gambar di atas lalu klik weiter sehingga akan dikembalikan pada menu box logistik dan Tekan OK Programm akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat und ein bandingkan dengan daten yang telah anda download. Interpretasinya adalah sebagai berikut. Pertama Melihat kelayakan Modell dengan menginterpretasikan Ausgabe berikut ini. Nilai -2 Log Likelihood adalah sebesar 96,607 yang akan dibandingkan dengan nilai Chi Square pada taraf signifikansi 0,05 d Engan df sebesar N-1 dengan N adalah jumlah sampel, berarti 84 1 83 Dari tabel Chi-Quadrat, diperoleh nilainya adalah 100,744 Jadi -2 Log Likelihood Chi-Quadrat 96,607 100,74.Jika konstanta saja dimasukkan tidak layak, semua variabel bebas dimasukkan juga tidak Layak, tapi kan ada penurunan -2 Log Likelihood Yup penurunannya adalah sebesar 96,607 84,877 11,73 Atau kalau males ngitung manual, Ausgabe SPSS juga telah memberikan nilai itu yaitu sebagai berikut. Nah kelihatan kan kalau Ausgang selisihnya adalah sebesar 11,729 dan mempunyai signifikansi 0,039 0 , 05.Kalau masih kurang puas, bisa dilihat nilai Hosmer und Lemeshow Test Hosmer dan Lemeshow Test adalah untuk melihat apakah Daten empiris cocok atau tidak dengan Modell atau dengan kata lain diharapkan tidak ada perbedaan antara Daten empiris dengan Modell Modell akan dinyatakan layak jika signifikansi di Atas 0,05 atau -2 Log Likelihood di bawah Chi Square Tabel Hati-hati, ini berkebalikan dengan uji yang lain sebelumnya Tampak kan bahwa nil Ai Hosmer und Lemeshow Test adalah sebesar 9,778 dengan signifikansi 0,281 0,05 Berarti modell adalah fit dan model dinyatakan layak dan boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R Platz sebesar 0,191 yang berarti bahwa kelima variabel bebas mampu menjelaskan varians ketepatan penyampaian laporan keuangan sebesar 19,1 dan sisanya yaitu sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipoteis penelitian dilihat dengan output berikut ini. Lihat aja signifikansinya, yang di bawah 0,10 10 berarti signifikan berpengaruh atau hipotesis diterima Pembahasannya silahkan dikaitkan dengan teori yang dikembangkan di awal. Silahkan herunterladen materi di atas di sini. dan jika memerlukan Datei Daten contoh silahkan download di sini. Malam mas mau nanya, kalo yg digunakan D1 perusahaan yg melakukan stock split dan D0 perusahaan yg tidak melakukan stock split, dalam periode 4tahun itu pemberian nmr 1 Dan 0 untuk setiap 1 perusahaan slma 4thn gimana Misalkn tahn2009-2012 perusahaan Ein melakukan ss pda thn 2010, apakh pmberian kode 1 hnya pda thn 2010, sdngkn untuk thn 08,11 12 diberi kode0, atau pemberian kode 1 pda perusahaan Ein yg sdh melakukan ss padathn 09-12 Terima kasih mohon bntuannya mas. Kalau melalukan diberi 1, tidak melakukan diberi kode 0 Selesai Terima kasih. mas, saya mau tanya, saya sdh uji logistik dan isilnya signifikan dibawah 0,05 namun betanya bernilai negatif padahal teori yang ada harusnya hubungan nya positif, kata dosen saya es dikarenakan Daten nya tidak normal , Untuk menormalkan data di uji logistik es bagaimana ya mas sedangkan banyak buku mengatkan bahwa uji logistik tidak perlu uji normalitas trimakash. Regresi logistik tidak memerlukan asumsi normalitas Terima kasih. selamat siang pak, saya mau tanya, judul skripsi saya analisis faktor2 yang mempengaruhi persepsi pelaku UKM terhadap penyusunan laporan keuangan, saya menggunakan variabel dummy, baik variabel dependen maupun independen Regresi apakah yang cocok untuk penelitian saya tersebut Regresi lineare berganda atau regresi logistik mohon pencerahannya terima kasih. Kalau dependen dummy gunakan logistik Terima kasih. Selamat malam pak, saya ingin bertanya Saya sedang menyusun tesis Dalam penelitian saya menggunakan variabel dummy untuk variabel dependen Sedangkan untuk variabel independen sebanyak 4 Dimana 2 variabel independen diukur Melalui kiesioner denai skala likert, sedangkan 2 variabel independen lainnya diukur melalui Daten sekuder dengan skala nominal Apakah penelitian saya bisa dianalisis menggunakan regresi logistik adakah literatur yang bisa mendukung Terimakasih. Bisa Terima kasih. mas, saya mau nanya judul penelitian saya penerapan sistem informasi geografis dalam Pemetaan kejadian dbd di wilker puskesmas jenis penelitiannya deskriptif kuantitatif variabel bebas curah hujan, kelembaban, kepadatan penduduk, abj, skala interval umur, jk, pendidikan, pekerjaan, keberadaan teman hias, keberadaan brg2 bekas, kondisi ventilasi nominal, suhu rasio variabel terikat Nya itu ada penyebaran penyakit interval sama status penderita nominal saya bingung mau menggunakan uji apa mas yg cocok buat penelitian saya mohon bantuannya terimakasih. Silahkan simak di rujukan penelitian terdahulu Anda Terima kasih. Assalamu alaikum min, mau tanya kalau kita meneliti tentang pengaruh 3 variabel bebas Terhadap variabel terikat yang datanya diambil dari 10 perusahaan misalnya, datenmanakah yang seharusnya diinput ke dalam spss. apakah daten rata-rata masing2 variabel bebas dan terikatnya, apakah nilai maksimal atau nilai minimumnya. Terima kasih, min. Simak di metode penelitian Anda, lihat Pada definisi operasional variabel Terima kasih. Selamat siang pak, saya mau bertanya, seperti contoh yang bapak berikan tentang audit verzögerung diatas, dengan variabel indpendennya terdiri dari skala rasio dan skala nominal yang menggunakan variabel dummy, kira2 metode regresi seperti apa yang cocok digunakan untuk pengujian , Apabila audit delaynya dihitung berdasarkan jumlah hari keterlam Batan Bukan menggunanakan variabel dummy Lebih baik menggunaka regresi berganda atau regresi logistik Terimakasih. Silahkan lihat rujukan penelitian terdahulu Anda Terima kasih. selamat wunde pak saya mau tanya variabel sagend tayang pemahaman standar akuntansi dimana kuesioner saya berbentuk soal tentang dimana hanya ada dua jawaban benar dan Salah analisisnya gmn ya pak. Pak, saya mau bertanya lagi Saya sedang mengerjakan skripsi dengan regresi logistik 1 Di tabel uji wald, variabel cr saya nilai beta dan se nya 0,000 signya 0,406 Itu kenapa bisa 0,000 ya Pak jadi bingung kalo bikin persamaannya Apa karena timpang Ya Pak datanya nilai variabel cr bisa diatas 100 sedangkan variabel lain der, npm, Wachstum kebanyakan dibawah 10.2 Jika sig nya 0,000 itu menunjukkan signifikan Betul Pak. Mohon jawabannya Pak Terima kasih sebelumnnya.1 Coba diperbanyak angka di belakang koma, nanti kelihatan 2 Betul Terima Kasih. Pak, apakah ada cara untuk menghitung jumlah muster yg dibutuhkan ketika ingi N menggunakan regresi logistik Apakah disesuaikan dengan jumlah variabel independen atau bagaimana Terima Kasih. selamat malam ingin menyusun pertanyaan kuesioner jika sampelnya terbagi menjadi 2 kelompok apakah saya harus menyusun pertanyaan yang bisa dijawab keduanya atau memang ada beberapa pertanyaan tertentu dari total seluruh pertanyaan di kuesioner yang memang Khusus untuk 1 kelompok saja terima kasih. Jika ingin mengukur hal yang sama, tentunya harus menggunakan alat ukur yang sama Terima kasih. Assalamualaikum Saya mau Tanya mas, Kalau secara keseluruhan Variabel berpengaruh negativ berarti tak memiliki pengaruh bedeutend ya Apakah itu nanti bermasalah atau tidak mas. Analisa Regresi Logistik Dengan SPSS. Pada analisa regresi, bila peubah respon bukan lagi peubah variabel kuantitatif melainkan berupa peubah variabel kategorik yang hanya terdiri dari beberapa nilai maka regresi lineare klasik tidak dapat digunakan Adapun Modell regresi yang sering digunakan untuk menganalisis peuba H respon berskala biner adalah REGRESI LOGISTIK. Model regresi logistik termasuk dalam modell lineare terampat Generalisierte lineare modelle GLM GLM merupakan suatu metode yang dapat digunakan untuk memecahkan masalah peubah respon tidak lagi kontinu, melainkan kategorik misalnya biner, dengan menggunakan fungsi penghubung link funktion tertentu sehingga diperoleh Suatu model yang mampu menganalisa hubungan antara peubah respon kategorik Dependen Variabel dengan satu atau beberapa peubah penjelas Independen Variabel. Aplikasi dari analisa Regresi Logistik Banyak digunakan untuk menghitung penyebab sebuah resiko dibidang bisnis maupun bidang kesehatan Misalkan faktor-faktor apa saja yang menjadi penyebab sebuah kridit bank Beresiko macet faktor-faktor apa saja yang menyebabkan resiko seseorang terkena penyakit Diabetes. Contoh Kasus Bidang Bisnis. Sebuah perusahaan pembiayaan sepeda motor ingin mengetahui faktor-faktor apa saja yang mempengaruhi sebuah kridit kendaraan dapat mengalami kemacetan Daten digunakan sampel sebanyak 35 peminjam untuk mencari penyebab dimana faktor-faktor yang dicurigai diantaranya, DP Besar uang muka, jangka waktu pembayaran, umur peminjam dan pendidikan peminjam. Tabel diatas menunjukan nama variabel Untuk variabel independen Kategorik seperti Dp Uang Muka dan Pendidikan diberi kode kategorinya Dimana kategori yang diberi kode nol 0, nantinya dijadikan sebagai Referenz Kategorie Referenz Kategorie umumnya dipilih berdasarkan Kategori yang memiliki Resiko Paling Kecil seperti pendidikan Perguruan Tinggi, hal ini bertujuan untuk memudahkan dalam pembacaan hasil analisa Untuk variabel dependen Status Kridit, kategori resiko diberi kode lebih besar Dari pada kategori tidak beresiko. Tabel Variabel In der Gleichung. Kolom Sig menginformasikan signifikan pengaruh variabel Independen terhadap Variabel Dependen Terjadi pengaruh yang signifikan jika nilai sig 0,05 Tampak variabel yang berpengaruh terhadap Macet Tidak dari Kridit seorang Pemohon diantaranya dp Sig 0,040, Jangkawaktu sig 0,032, dan pendidikan 2 SMP sig 0,029 Untuk pendidikan 1 merupakan kategori pendidiikan SMA dibanding dengan yang pendidikan Perguruan Tinggi Referenz Kategorie tidak signifikan berbeda resiko macetnya, namun dengan pendidikan 2 yang merupakan kategori pendidikan SMP ada perbedaan signifikan resiko macetnya dengan yang Pendidikan Perguruan Tinggi. Kolom Exp B menginformasikan jensi pengaruh pada variabel yang berpengaruh signifikan Jika nilainya diatas satu 1, berarti resikonya lebih besar untuk Macet Nilai Exp B pada variabel dp 15,474 yang artinya nilai dp 1,5 juta cenderung lebih beresiko mengalami macet jika dibandingkan dengan Yang dp 1,5 juta Referenz Kategorie-nya sebesar 15,474 kali Nilai Exp B pada variabel Jangkawaktu 0,869 yang artinya semakin lama Jangkawaktu pembayaran akan semakin kecil resiko untuk mengalami macet Nilai Exp B pada variabel pendidikan 2 15,818 yang artinya pemohon yang pendidikannya SMP lebih beresiko 15,818 Mengalami macet ji Ka dibandingkan dengan yang pendidikannya Perguruan Tinggi. Tabel Hosmer und Lemeshow Test. Merupakan uji Kelayakan Modell, dimana hipotesanya Ho Modell Layak dan H1 Modell tdk Layak Hasil uji menunjukan nilai Sig 0,404 yang artinya Modell Layak. Kontributor Kharisma Prima Editor Gin Gumilang. Seperti Yang telah Dipaparkan pada artikel sebelumnya dimana modell regresi logistik digunakan untuk menggambarkan hubungan antara variabel respon biner dengan satu atau beberapa buah variabel prediktor, kali ini saya akan memberikan tutorial singkat tentang bagaimana cara mengestimasi modell regresi logistik tersebut dengan menggunakan bantuan aplikasi programm SPSS Dalam tutorial ini saya menggunakan SPSS versi 13 0, namun Anda dapat menggunakan versi lainnya dengan tampilan yang kurang lebih sama dengan versi yang saya gunakan Oke langsung saja kita beranjak pada contoh kasus. Misalkan seorang peneliti ingin mengetahui faktor-faktor apa saja yang mempengaruhi sebuah perusahaan akan melakukan praktik perat Aan laba Einkommensglättung Faktor-faktor tersebut telah diidentifikasi sebanyak 3 faktor yang kemudian akan menjadi variabel prediktor, antara lain ukuran perusahaan LnTA Profitabilitas perusahaan RoA dan rasio Schulden perusahaan DAR Ketiga variabel ini akan memprediksi praktik perataan laba, sehingga variabel respon di dalam Modell regresi logistik Ini adalah variabel Einkommensglättung IS. Pertama-tama, buka SPSS Dateneditor dan pada tab Variable Ansicht 1 buatlah 4 variabel dengan nama masing-masing LnTA, RoA, DAR dan IS Ubah nilai desimal variabel IS pada kolom Dezimalstellen 2 menjadi 0.Langkah selanjutnya , Klik pada bagian baris IS dan kolom Werte 3, sehingga akan muncul jendela Wert Etiketten Pada bagian ini kita definisikan kategori Einkommen Glättung IS berdasarkan Daten yang kita miliki 4, dimana kategori perata kita beri skor 1 Dan kategori bukan perata kita beri skor 0 Masukkan skor 0 pada bagian Wert dan bukan perata pada bagian Wert Label lalu klik Hinzufügen Lakukan hal yang sama untuk katego Ri perata Klik OK Perlu diperhatikan bahwa pendefinisian skor 1 dan 0 tidak boleh terbalik, skor 1 untuk kategori peluang sukses dan skor 0 untuk kategori peluang gagal. Klik pada tab Datenansicht 5, lalu masukkan satu per satu daten penelitian sesuai variabel-variabel yang bersangkutan 6.Sebagaimana terlihat pada gambar di atas, variabel LnTA, RoA dan DAR masing-masing bertipe Daten metrik, sedangkan variabel IS bertipe Daten kategorik binary. Klik Analysieren Regression Binär Logistik sehingga akan muncul jendela Logistische Regression Masukkan variabel LnTA, RoA dan DAR ke kolom Kovariaten sedangkan variabel IS ke kolom Abhängige Pada Bagian Methode paling tidak terdapat 3 opsi yang dapat digunakan, yakni Geben Sie Dan Stepwise Metode Schrittweise sendiri terbagi menjadi dua, yakni Vorwärts Dan Rückwärts Pada contoh kali ini kita gunakan metode Geben Sie dimana seluruh variabel prediktor dimasukkan ke dalam Modell Dan diestimasi secara bersama-sama Metode schrittweise akan dibahas pada artikel lainnya. Masih pada je Ndela Logistic Regression klik Optionen lalu beri tanda checkliste pada bagian Klassifizierungsplots Hosmer-Lameshow goodnes-of-fit Korrelationen von Schätzungen Iterationsgeschichte Dan CI für Exp B Klik Continue. Apabila pada variabel-variabel prediktor terdapat variabel yang bertipe data kategorik, maka kita perlu Mendefinisikannya dengan cara klik kategorisch lalu masukkan variabel prediditor bertipe daten kategorik tersebut ke kolom Kategorische Kovariaten klik Weiter Namun pada contoh kasus kali ini, seluruh variabel prediktor bertipe Daten metrik. Klik OK maka akan muncul jendela SPSS Viewer yang berisi Ausgabe hasil estimasi regresi logistik. Hasil Dan Interpretasi. Melalui kedua tabel Iteration Geschichte di atas kita dapat menghitung nilai -2 L 0 L 1 sebagai berikut. Dengan 0,05 dan Freiheitsgrad df k 3 dimana k adalah jumlah variabel prediktor, didapat nilai p dari tabel distribusi chi - kuadrat Sebesar 7,815 Dikarenakan 21,992 7, 815 atau -2 L 0 L 1 p maka dapat disimpulkan bahwa secara Bersama-sama simultan, ketiga variabel prediktor berpengaruh signifikan terhadap variabel Einkommensglättung IS. SPSS tidak mengakomodir nilai R 0, adj koefisien determinasi yang disesuaikan Namun sebagai alternatif, SPSS menyediakan Cox Snell R Platz dan Nagelkerke R Platz Untuk dapat mengestimasi nilai R 0, adj Kita harus melakukannya secara manuell menggunakan bantuan aplikasi programm atau yang lainnya Tutorial estimasi nilai R 0, adj ini akan dibahas pada artikel lainnya. Cox Snell s R Platz merupakan ukuran yang mencoba meniru ukuran R pada mehrere lineare regression yang didasarkan pada teknik estimasi likelihood dengan nilai Maksimum kurang dari 1 satu sehingga sulit diinterpretasikan Ghozali, 2011 341 Lebih lanjut menurut Ghozali, Nagelkerke s R Platz merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu Hal ini dilakukan dengan cara membagi nilai Cox Snell s R Square dengan nilai maksimumnya Nilai Nagelkerke s R Squa Re dapat diinterpretasikan seperti nilai R pada mehrere lineare regression. Melalui tabel Modell Zusammenfassung di atas didapat nilai Nagelkerke s R Quadrat sebesar 0,055 Hal ini mengindikasikan bahwa variabilitas variabel dependen IS yang dapat dijelaskan oleh variabilitas variabel independen LnTA, RoA dan DAR secara simultan adalah sebesar 5 , 5, sedangkan sisanya sebesar 94,5 dijelaskan oleh variabilitas variabel lain diluar ketiga variabel independen yang diteliti tersebut. Melalui tabel Variablen in der Gleichung di atas dapat terlihat nilai taksiran koefisien regresi modelnya, sehingga didapatkan modell regresi logistik sebagai berikut. dimana e adalah bilangan Konstanta bernilai 2,71828 Hasil persamaan regresi logistik di atas tidak bisa langsung diinterpretasikan dari nilai koefisiennya seperti dalam regresi linier biasa Interpretasi bisa dilakukan dengan melihat nilai Exp B atau nilai eksponen dari koefisien persamaan regresi yang terbentuk Yamin Kurniawan, 2014 101 Interpretasi dalam persam Aan regresi logistik harus dilakukan secara hati-hati ketika variabel prediktor yang dimasukkan ke dalam modell memiliki beberapa tipe daten Untuk variabel prediktor pada contoh kasus ini, dimana ketiga variabel prediktor bertipe daten metrik, nilai Exp B dapat diinterpretasikan jika variabel LnTA meningkat sebesar 1 satuan, Maka akan terdapat perubahan Quotenquote sebesar 1,207 Demikian juga halnya interpretasi pada variabel prediktor lainnya. Melalui persamaan model tersebut kita dapat melakukan prediksi einkommen glättung IS berdasarkan nilai-nilai tertentu yang telah diketahui pada variabel LnTA, RoA dan DAR Misalkan diketahui nilai LnTA sebesar 20, 51 RoA sebesar 6,67 dan DAR sebesar 0,62, kemudian nilai-nilai tersebut kita substitusikan ke dalam persamaan modell sebagai berikut. Seperti yang telah didefinisikan sebelumnya bahwa skor 1 merupakan kategori perata dan skor 0 merupakan kategori bukan perata, maka hasil prediksi di Atas dapat dikategorikan sebagai perusahaan yang melakukan prak Tik perataan laba Einkommensglättung Hal ini dikarenakan hasil nilai logit sebesar 0,718 tersebut di atas bernilai lebih besar dari nilai cut-off 0,5 Namun jika nilai logit kurang dari nilai cut-off 0,5, maka hasil prediksi dapat dikategorikan sebagai bukan perata. Masih melalui tabel Variablen in der Gleichung nilai probabilitas p-Wert signifikansi Parameter dapat dilihat pada kolom Sig, dimana p-Wert yang lebih kecil dari taraf signifikansi yang telah ditetapkan 0,05 dapat diartikan bahwa variabel prediktor yang bersangkutan memiliki pengaruh yang signifikan terhadap variabel respon Dapat diketahui bahwa secara parsial, variabel LnTa berpengaruh signifikan terhadap IS 0,001 0,05, variabel RoA tidak berpengaruh signifikan terhadap IS 0,068 0,05 dan variabel DAR tidak berpengaruh signifikan terhadap IS 0,067 0,05 Uji signifikansi Parameter dapat pula dilakukan menggunakan nilai interval konfidensi 95 Sebagai contoh nilai 95,0 CI für EXP B pada variabel LnTa adalah sebesar 1.077 Untere Dan sebesar 1.353 Obere, maka dapat disimpulkan bahwa LnTA berpengaruh nyata terhadap IS Hal ini dikarenakan nilai 1 satu berada diluar retang interval konfidensi tersebut Sebaliknya, apabila nilai 1 satu berada di dalam rentang interval konfidensi, maka variabel prediktor dapat dinyatakan tidak berpengaruh nyata terhadap variabel respon Seaki terlihat pada hasil interval konfidensi variabel RoA dan DAR. Tabel Hosmer und Lemeshow Test di atas digunakan untuk menguji kesesuaian Modell Güte der fit, atau dengan kata lain untuk menguji apakah Modell yang kita gunakan, yaitu dengan menggunakan dua variabel independen LnTa, RoA dan DAR Sudah sesuai dengan daten empiris atau tidak Hipoteis nol pada pengujian ini adalah modell telah cukup menjelaskan daten fit dengan kriteria uji tolak hipotesis nol jika nilai probabilitas lebih kecil atau sama dengan taraf signifikansi yang telah ditetapkan p 0,05 Berdasarkan tabel di atas didapat nilai Chi - Quadrat sebesar 8,502 dengan nilai probabilitas se Besar 0,386 Dengan demikian hipotesis nol diterima 0,386 0,05, artinya Modell telah cukup menjelaskan Daten fit. Ghozali, Imam 2011 Aplikasi Multivariate Dengan Programm IBM SPSS 19, Edisi 5 Semarang Badan Penerbit Universitas Diponegoro. Yamin, Sofyan Heri Kurniawan 2014 SPSS Komplette Teknik Analisis Statistik Terlengkap dengan Software SPSS, Edisi 2 Jakarta Salemba Infotek.
No comments:
Post a Comment