Stevany

REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=ENTER x1 x2
/SCATTERPLOT=(*ZRESID ,y)
/SAVE RESID.
Tabel ini menyajikan statistik deskriptif yang berupa rata-rata dan standar deviasi setiap variabel.
Regression
Notes
Output Created 04-Nov-2015 00:24:31
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data
File
18
Missing Value Handling Definition of Missing User-defined missing values are treated
as missing.
Cases Used Statistics are based on cases with no
missing values for any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=ENTER x1 x2
/SCATTERPLOT=(*ZRESID ,y)
/SAVE RESID.
Resources Processor Time 00:00:00.312
Elapsed Time 00:00:00.261
Memory Required 1636 bytes
Additional Memory Required
for Residual Plots
232 bytes
Variables Created or Modified RES_1 Unstandardized Residual
[DataSet0]
Variables Entered/Removedb
Model
Variables
Entered
Variables
Removed Method
1 x2, x1a
. Enter
a. All requested variables entered.
b. Dependent Variable: y
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .976a
.952 .945 2.69330
a. Predictors: (Constant), x2, x1
b. Dependent Variable: y
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1872.700 2 936.350 129.083 .000a
Residual 94.300 13 7.254
Total 1967.000 15
a. Predictors: (Constant), x2, x1
b. Dependent Variable: y
Tabel ini dilakukan untuk menguji model secara simultan atau bersama-sama. Uji yang dilakukan disebut simultan test (F-Test) yang bertujuan untuk melihat apakah secara bersama-sama variabel bebas
berpengaruh terhadap variabel terikat atau tidak. Penulisan pengujian secara statistik adalah sebagai berikut:
Hipotesis:
H0: β0=β1=β2 =β3 =β4 = 0
H1 : minimal ada satu βi yang tidak nol
Tingkat signifikansi: a= 5%
Statistik uji: F-Test
Wilayah kritik: Tolak H0 bila nilai signifikansi lebih besar dari a atau nilai F-uji> F(0.05,2,13) (dapat dipergunakan salah satunya)
Statistik observasi: (lihat output)
Nilai signifikansi= 0.000, maka tolak H0. Atau kita dapat membandingkan nilai F pada tabel hasil dengan nilai F pada tabel F standar.
Keputusan: Tolak H0
Kesimpulan: Dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa secara bersama-sama variabel bebas berpengaruh signifikan terhadap variabel tidak bebas.
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 37.650 2.996 12.566 .000
x1 4.425 .301 .892 14.695 .000
x2 4.375 .673 .395 6.498 .000
a. Dependent Variable: y
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 64.1000 99.4000 81.7500 11.17348 16
Residual -4.40000 4.20000 .00000 2.50732 16
Std. Predicted Value -1.580 1.580 .000 1.000 16
Std. Residual -1.634 1.559 .000 .931 16
a. Dependent Variable: y
Charts
b. Homoskedastisitas
Secara subjektif, dapat kita lihat bahwa sebaran error berada menyebar dan di sekitar nol. Sehingga secara subjektif, kita dapat mengatakan bahwa asumsi homoskedastisitas terpenuhi. Namun,
jika kita menginginkan hasil secara objektif, kita dapat mempergunakan pengujian s
statistik
c. Non Multikolinieritas
Pengujian untuk asumsi non multikolinieritas dapat dilakukan dengan melihat nilai VIF. Pada output ini nilai VIF ada di tabel coefficients.
Standar nilai VIF agar dikategorikan bebas dari multikolinieritas cukup beragam. Namun 2 nilai standar yang sering dipakai sebagai batasan adalah 5 atau 10. Dapat dilihat bahwa VIF pada
kasus ini adalah 1.000 untuk kedua variabel sehingga standar mana pun yang dipakai, model telah memenuhi asumsi non multikolinieritas
d. Non Autokorelasi
Kasus ini menggunakan data cross section, sehingga pengujian autokorelasi tidak dilakukan. Namun, apabila seandainya data ini merupakan data time series, maka pengujian autokorelasi
diperlukan. Indikator autokorelasi dapat dilihat pada nilai Durbin Watson yang ada pada tabel Model Summary.
Nilai ini akan dibandingkan dengan tabel Durbin Watson. Secara umum, model akan bebas autokorelasi apabila nilai Durbin Watson mendekati nilai 2.
NPAR TESTS
/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
NPar Tests
Notes
Output Created 04-Nov-2015 00:24:55
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data
File
18
Missing Value Handling Definition of Missing User-defined missing values are treated
as missing.
Cases Used Statistics for each test are based on all
cases with valid data for the variable(s)
used in that test.
Syntax NPAR TESTS
/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
Resources Processor Time 00:00:00.016
Elapsed Time 00:00:00.010
Number of Cases Alloweda
196608
a. Based on availability of workspace memory.
[DataSet0]
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 16
Normal Parametersa
Mean .0000000
Std. Deviation 2.50732261
Most Extreme Differences Absolute .107
Positive .107
Negative -.086
Kolmogorov-Smirnov Z .427
Asymp. Sig. (2-tailed) .993
Error dikatakan berdistribusi normal apabila nilai Asymp. Sig. (2-tailed) bernilai lebih besar dari nilai a (berkebalikan dengan uji F dan uji T). Dari tabel tersebut dapat dilihat bahwa error data berdistribusi normal
sehingga asumsi normalitas terpenuhi.
SAVE OUTFILE='C:UsersuserDocumentsvany.sav'
/COMPRESSED.
Missing Value Handling Definition of Missing User-defined missing values are treated
as missing.
Cases Used Statistics for each test are based on all
cases with valid data for the variable(s)
used in that test.
Syntax NPAR TESTS
/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
Resources Processor Time 00:00:00.016
Elapsed Time 00:00:00.010
Number of Cases Alloweda
196608
a. Based on availability of workspace memory.
[DataSet0]
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 16
Normal Parametersa
Mean .0000000
Std. Deviation 2.50732261
Most Extreme Differences Absolute .107
Positive .107
Negative -.086
Kolmogorov-Smirnov Z .427
Asymp. Sig. (2-tailed) .993
Error dikatakan berdistribusi normal apabila nilai Asymp. Sig. (2-tailed) bernilai lebih besar dari nilai a (berkebalikan dengan uji F dan uji T). Dari tabel tersebut dapat dilihat bahwa error data berdistribusi normal
sehingga asumsi normalitas terpenuhi.
SAVE OUTFILE='C:UsersuserDocumentsvany.sav'
/COMPRESSED.
1 de 6

Recomendados

Uji normalitas por
Uji normalitasUji normalitas
Uji normalitasChris Hukubun
969 vistas10 diapositivas
Uji linearitas dengan tabel anova por
Uji linearitas dengan tabel anovaUji linearitas dengan tabel anova
Uji linearitas dengan tabel anovaChris Hukubun
2.9K vistas11 diapositivas
Emilia wati semester 3 akuntansi_bab 6 por
Emilia wati semester 3 akuntansi_bab 6Emilia wati semester 3 akuntansi_bab 6
Emilia wati semester 3 akuntansi_bab 6Emilia Wati
414 vistas9 diapositivas
Analisis regresi por
Analisis regresiAnalisis regresi
Analisis regresiErot Sutianah
1.4K vistas16 diapositivas
Regresi. por
Regresi.Regresi.
Regresi.guest2096915
244 vistas12 diapositivas
Uji regresi linier sederhana x1 terhadap y por
Uji regresi linier sederhana x1 terhadap yUji regresi linier sederhana x1 terhadap y
Uji regresi linier sederhana x1 terhadap yChris Hukubun
821 vistas15 diapositivas

Más contenido relacionado

La actualidad más candente

Makalah regresi berganda kelompok 4 por
Makalah regresi berganda kelompok 4Makalah regresi berganda kelompok 4
Makalah regresi berganda kelompok 4Lusi Kurnia
13.9K vistas11 diapositivas
Penjelasan analisis regresi ms excel 2007 por
Penjelasan analisis regresi ms excel 2007Penjelasan analisis regresi ms excel 2007
Penjelasan analisis regresi ms excel 2007Bang Mohtar
31.1K vistas10 diapositivas
Ppt ekonometrika analisis regresi berganda por
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaSOFIATUL JANNAH
10.6K vistas46 diapositivas
Analisa statistik deskriptif (deskpritive) por
Analisa statistik deskriptif (deskpritive)Analisa statistik deskriptif (deskpritive)
Analisa statistik deskriptif (deskpritive)Chris Hukubun
238 vistas12 diapositivas
Microsoft Power Point Analisis Regresi.Ppt [Compatibility Mode] por
Microsoft Power Point   Analisis Regresi.Ppt [Compatibility Mode]Microsoft Power Point   Analisis Regresi.Ppt [Compatibility Mode]
Microsoft Power Point Analisis Regresi.Ppt [Compatibility Mode]arditasukma
4.3K vistas24 diapositivas
Regresi por
RegresiRegresi
Regresidesi prawita
1.9K vistas30 diapositivas

La actualidad más candente(18)

Makalah regresi berganda kelompok 4 por Lusi Kurnia
Makalah regresi berganda kelompok 4Makalah regresi berganda kelompok 4
Makalah regresi berganda kelompok 4
Lusi Kurnia13.9K vistas
Penjelasan analisis regresi ms excel 2007 por Bang Mohtar
Penjelasan analisis regresi ms excel 2007Penjelasan analisis regresi ms excel 2007
Penjelasan analisis regresi ms excel 2007
Bang Mohtar31.1K vistas
Ppt ekonometrika analisis regresi berganda por SOFIATUL JANNAH
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi berganda
SOFIATUL JANNAH10.6K vistas
Analisa statistik deskriptif (deskpritive) por Chris Hukubun
Analisa statistik deskriptif (deskpritive)Analisa statistik deskriptif (deskpritive)
Analisa statistik deskriptif (deskpritive)
Chris Hukubun238 vistas
Microsoft Power Point Analisis Regresi.Ppt [Compatibility Mode] por arditasukma
Microsoft Power Point   Analisis Regresi.Ppt [Compatibility Mode]Microsoft Power Point   Analisis Regresi.Ppt [Compatibility Mode]
Microsoft Power Point Analisis Regresi.Ppt [Compatibility Mode]
arditasukma4.3K vistas
Cara kerja uji validitas variabel por Chris Hukubun
Cara kerja uji validitas variabelCara kerja uji validitas variabel
Cara kerja uji validitas variabel
Chris Hukubun216 vistas
Slide bab 2_perintah masukan dan operator por Dantik Puspita
Slide bab 2_perintah masukan dan operatorSlide bab 2_perintah masukan dan operator
Slide bab 2_perintah masukan dan operator
Dantik Puspita905 vistas
Analisis korelasi dan regresi por Shofyan Shofyan
Analisis korelasi dan regresiAnalisis korelasi dan regresi
Analisis korelasi dan regresi
Shofyan Shofyan3.9K vistas
PPT Regresi Berganda por Lusi Kurnia
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi Berganda
Lusi Kurnia16.8K vistas
Uji asumsi-klasik 20091 por rabika
Uji asumsi-klasik 20091Uji asumsi-klasik 20091
Uji asumsi-klasik 20091
rabika10.6K vistas
Uji asumsi-klasik por Ipma Zukemi
Uji asumsi-klasikUji asumsi-klasik
Uji asumsi-klasik
Ipma Zukemi27.8K vistas
6. analisa regresi dan korelasi sederhana rs por Rizkisetiawan13
6. analisa regresi dan korelasi sederhana rs6. analisa regresi dan korelasi sederhana rs
6. analisa regresi dan korelasi sederhana rs
Rizkisetiawan131.6K vistas

Destacado

mohamed salah por
mohamed salahmohamed salah
mohamed salahMohamed Salah Fadl
189 vistas9 diapositivas
RIYAZ por
RIYAZRIYAZ
RIYAZriyaz patel
336 vistas3 diapositivas
電子簡報(年月日)(新) (2) por
電子簡報(年月日)(新) (2)電子簡報(年月日)(新) (2)
電子簡報(年月日)(新) (2)liu999888
329 vistas14 diapositivas
Utilizacion de las tic (1) por
Utilizacion de las tic (1)Utilizacion de las tic (1)
Utilizacion de las tic (1)Marisol Barreiro
1.1K vistas15 diapositivas
PROSPECTUS por
PROSPECTUSPROSPECTUS
PROSPECTUSmichel Kana Limbo
129 vistas1 diapositiva
clinical meeting 19.12.13 por
clinical meeting 19.12.13clinical meeting 19.12.13
clinical meeting 19.12.13Thierry Yunishe
166 vistas48 diapositivas

Destacado(9)

Similar a Stevany

10 langkah ekonometrika por
10 langkah ekonometrika10 langkah ekonometrika
10 langkah ekonometrikaMembangun city
2.4K vistas9 diapositivas
12611132 muthia khaerunnisa por
12611132 muthia khaerunnisa12611132 muthia khaerunnisa
12611132 muthia khaerunnisaMuthya Khaerunnisa
1.7K vistas15 diapositivas
Normalitas & homogenitas por
Normalitas & homogenitasNormalitas & homogenitas
Normalitas & homogenitasAYU Hardiyanti
9.2K vistas15 diapositivas
Pengukuran_dan_Kesalahan.pptx por
Pengukuran_dan_Kesalahan.pptxPengukuran_dan_Kesalahan.pptx
Pengukuran_dan_Kesalahan.pptxToufan1
7 vistas31 diapositivas
Analisis regresi dengan exel dan cara membacanya por
Analisis regresi dengan exel dan cara membacanyaAnalisis regresi dengan exel dan cara membacanya
Analisis regresi dengan exel dan cara membacanyanatnitnet nitnot
644 vistas9 diapositivas
Dasar dasar pengetahuan por
Dasar dasar pengetahuanDasar dasar pengetahuan
Dasar dasar pengetahuanUniversitas Negeri Makassar
910 vistas61 diapositivas

Similar a Stevany(20)

Normalitas & homogenitas por AYU Hardiyanti
Normalitas & homogenitasNormalitas & homogenitas
Normalitas & homogenitas
AYU Hardiyanti9.2K vistas
Pengukuran_dan_Kesalahan.pptx por Toufan1
Pengukuran_dan_Kesalahan.pptxPengukuran_dan_Kesalahan.pptx
Pengukuran_dan_Kesalahan.pptx
Toufan17 vistas
Analisis regresi dengan exel dan cara membacanya por natnitnet nitnot
Analisis regresi dengan exel dan cara membacanyaAnalisis regresi dengan exel dan cara membacanya
Analisis regresi dengan exel dan cara membacanya
natnitnet nitnot644 vistas
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx por Aminullah Assagaf
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
4_Aminullah Assagaf_IMPLEMENTASI SOFTWARE STATISTIK & ANALISIS_27 Juni 2020.pptx
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju... por Aminullah Assagaf
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
Aminullah assagaf revisi implementasi software statistik &amp; analisis 27 ju...
Aminullah Assagaf36 vistas
Pertemuan 11 (uji normalitas dan homogenitas) por reno sutriono
Pertemuan 11 (uji normalitas dan homogenitas)Pertemuan 11 (uji normalitas dan homogenitas)
Pertemuan 11 (uji normalitas dan homogenitas)
reno sutriono3.9K vistas
analisis_regresi_sederhana_dan_berganda.pdf por HamjaAbdulHalik
analisis_regresi_sederhana_dan_berganda.pdfanalisis_regresi_sederhana_dan_berganda.pdf
analisis_regresi_sederhana_dan_berganda.pdf
HamjaAbdulHalik28 vistas
Pengendalian Kualitas Statistik por Adhitya Akbar
Pengendalian Kualitas StatistikPengendalian Kualitas Statistik
Pengendalian Kualitas Statistik
Adhitya Akbar1.6K vistas
estimasi permintaan por mas karebet
estimasi permintaanestimasi permintaan
estimasi permintaan
mas karebet10.5K vistas
Aminullah assagaf implementasi software statistik &amp; analisis 27 juni 2020 por Aminullah Assagaf
Aminullah assagaf implementasi software statistik &amp; analisis 27 juni 2020Aminullah assagaf implementasi software statistik &amp; analisis 27 juni 2020
Aminullah assagaf implementasi software statistik &amp; analisis 27 juni 2020
Aminullah Assagaf173 vistas
vdocuments.net_uji-normalitas-dan-validitas.ppt por AnggaPratama111616
vdocuments.net_uji-normalitas-dan-validitas.pptvdocuments.net_uji-normalitas-dan-validitas.ppt
vdocuments.net_uji-normalitas-dan-validitas.ppt
AnggaPratama11161611 vistas
Aminullah assagaf umt 28 des 2020-sampel, data, olah data, interpretasi por Aminullah Assagaf
Aminullah assagaf umt 28 des 2020-sampel, data, olah data, interpretasiAminullah assagaf umt 28 des 2020-sampel, data, olah data, interpretasi
Aminullah assagaf umt 28 des 2020-sampel, data, olah data, interpretasi

Stevany

  • 1. REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1 x2 /SCATTERPLOT=(*ZRESID ,y) /SAVE RESID. Tabel ini menyajikan statistik deskriptif yang berupa rata-rata dan standar deviasi setiap variabel. Regression Notes Output Created 04-Nov-2015 00:24:31 Comments Input Active Dataset DataSet0 Filter <none> Weight <none> Split File <none> N of Rows in Working Data File 18 Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on cases with no missing values for any variable used. Syntax REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1 x2 /SCATTERPLOT=(*ZRESID ,y) /SAVE RESID. Resources Processor Time 00:00:00.312 Elapsed Time 00:00:00.261 Memory Required 1636 bytes
  • 2. Additional Memory Required for Residual Plots 232 bytes Variables Created or Modified RES_1 Unstandardized Residual [DataSet0] Variables Entered/Removedb Model Variables Entered Variables Removed Method 1 x2, x1a . Enter a. All requested variables entered. b. Dependent Variable: y Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .976a .952 .945 2.69330 a. Predictors: (Constant), x2, x1 b. Dependent Variable: y ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 1872.700 2 936.350 129.083 .000a Residual 94.300 13 7.254 Total 1967.000 15 a. Predictors: (Constant), x2, x1 b. Dependent Variable: y Tabel ini dilakukan untuk menguji model secara simultan atau bersama-sama. Uji yang dilakukan disebut simultan test (F-Test) yang bertujuan untuk melihat apakah secara bersama-sama variabel bebas berpengaruh terhadap variabel terikat atau tidak. Penulisan pengujian secara statistik adalah sebagai berikut: Hipotesis: H0: β0=β1=β2 =β3 =β4 = 0 H1 : minimal ada satu βi yang tidak nol Tingkat signifikansi: a= 5% Statistik uji: F-Test Wilayah kritik: Tolak H0 bila nilai signifikansi lebih besar dari a atau nilai F-uji> F(0.05,2,13) (dapat dipergunakan salah satunya)
  • 3. Statistik observasi: (lihat output) Nilai signifikansi= 0.000, maka tolak H0. Atau kita dapat membandingkan nilai F pada tabel hasil dengan nilai F pada tabel F standar. Keputusan: Tolak H0 Kesimpulan: Dengan tingkat kepercayaan 95 persen dapat disimpulkan bahwa secara bersama-sama variabel bebas berpengaruh signifikan terhadap variabel tidak bebas. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig.B Std. Error Beta 1 (Constant) 37.650 2.996 12.566 .000 x1 4.425 .301 .892 14.695 .000 x2 4.375 .673 .395 6.498 .000 a. Dependent Variable: y Residuals Statisticsa Minimum Maximum Mean Std. Deviation N Predicted Value 64.1000 99.4000 81.7500 11.17348 16 Residual -4.40000 4.20000 .00000 2.50732 16 Std. Predicted Value -1.580 1.580 .000 1.000 16 Std. Residual -1.634 1.559 .000 .931 16 a. Dependent Variable: y Charts
  • 4. b. Homoskedastisitas Secara subjektif, dapat kita lihat bahwa sebaran error berada menyebar dan di sekitar nol. Sehingga secara subjektif, kita dapat mengatakan bahwa asumsi homoskedastisitas terpenuhi. Namun, jika kita menginginkan hasil secara objektif, kita dapat mempergunakan pengujian s statistik c. Non Multikolinieritas Pengujian untuk asumsi non multikolinieritas dapat dilakukan dengan melihat nilai VIF. Pada output ini nilai VIF ada di tabel coefficients. Standar nilai VIF agar dikategorikan bebas dari multikolinieritas cukup beragam. Namun 2 nilai standar yang sering dipakai sebagai batasan adalah 5 atau 10. Dapat dilihat bahwa VIF pada kasus ini adalah 1.000 untuk kedua variabel sehingga standar mana pun yang dipakai, model telah memenuhi asumsi non multikolinieritas d. Non Autokorelasi Kasus ini menggunakan data cross section, sehingga pengujian autokorelasi tidak dilakukan. Namun, apabila seandainya data ini merupakan data time series, maka pengujian autokorelasi diperlukan. Indikator autokorelasi dapat dilihat pada nilai Durbin Watson yang ada pada tabel Model Summary. Nilai ini akan dibandingkan dengan tabel Durbin Watson. Secara umum, model akan bebas autokorelasi apabila nilai Durbin Watson mendekati nilai 2. NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS. NPar Tests Notes Output Created 04-Nov-2015 00:24:55 Comments Input Active Dataset DataSet0 Filter <none> Weight <none> Split File <none> N of Rows in Working Data File 18
  • 5. Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics for each test are based on all cases with valid data for the variable(s) used in that test. Syntax NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS. Resources Processor Time 00:00:00.016 Elapsed Time 00:00:00.010 Number of Cases Alloweda 196608 a. Based on availability of workspace memory. [DataSet0] One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 16 Normal Parametersa Mean .0000000 Std. Deviation 2.50732261 Most Extreme Differences Absolute .107 Positive .107 Negative -.086 Kolmogorov-Smirnov Z .427 Asymp. Sig. (2-tailed) .993 Error dikatakan berdistribusi normal apabila nilai Asymp. Sig. (2-tailed) bernilai lebih besar dari nilai a (berkebalikan dengan uji F dan uji T). Dari tabel tersebut dapat dilihat bahwa error data berdistribusi normal sehingga asumsi normalitas terpenuhi. SAVE OUTFILE='C:UsersuserDocumentsvany.sav' /COMPRESSED.
  • 6. Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics for each test are based on all cases with valid data for the variable(s) used in that test. Syntax NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS. Resources Processor Time 00:00:00.016 Elapsed Time 00:00:00.010 Number of Cases Alloweda 196608 a. Based on availability of workspace memory. [DataSet0] One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 16 Normal Parametersa Mean .0000000 Std. Deviation 2.50732261 Most Extreme Differences Absolute .107 Positive .107 Negative -.086 Kolmogorov-Smirnov Z .427 Asymp. Sig. (2-tailed) .993 Error dikatakan berdistribusi normal apabila nilai Asymp. Sig. (2-tailed) bernilai lebih besar dari nilai a (berkebalikan dengan uji F dan uji T). Dari tabel tersebut dapat dilihat bahwa error data berdistribusi normal sehingga asumsi normalitas terpenuhi. SAVE OUTFILE='C:UsersuserDocumentsvany.sav' /COMPRESSED.