Spss Regresi Logistik Opcje Binarne

Langkah-langkahnya adalah sebagai berikut.1 Buka lah program SPSS yang anda miliki.2 Dane wejściowe nya - sebagai contoh, dane yang saya gunakan adalah dane latihan dari buku Analiza danych kategorycznych Alan Agresti, 2007, edisi 2 - halaman 132, pada kasus saya variabel penjelasnya ada 2 Durasi skala rasio dan T dengan skala Zgłoś uwagę lub komentarz do hasła variabel y den den den den den den den den den den den den den den den denen den den den den den den den den den den den den den den den den den den den den den den den den den den den den den den den. , saya akan menggubah nama menjadi d, t dan y misalnya Wartości nomenklatury nomenklatury nomenklatury bilijskiej Bila data berbentuk nominalny atau ordynarny misalnya untuk t y n, n nd nd nd nd nd nd nd nd nd nd nd nd nd nd nd diganti dari scale menjadi nominal.4 Dane tele beres, kemudian pilih opsi Analiza regresji binarnej regresji. 5 Masukkan Y sebagai variabel Dependent dan D serta T sebagai warianty Untuk Metoda nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan ence Kategoria nya dengan cara memilih opsi Kategoryczne Untuk kemudahan interpretasi biasanya saya memilih first untuk reference nya Artinya setiap kategori akademii diperbandingkan dennej kategori Pakiet JUMAN LUPA change Klik Kontynuuj 7. Opcje Pilih Kemudian centang hosmer lemeshow dan Wykresy klucza kliknij, aby kontynuować Konudian OK. OK Untuk Interpretasi Outputnya silahkan membaca delegowany berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih telah membaca. Minggu yang lalu, saya telah menyampaikan mengenai konsep dari analisis regresi logistik bush Pada minggu ini, saya akan coba melanjutkan pembahasan berkaitan dengan l angkah-langkah pengolahan nya dengan menggunakan bantuan program SPSS Langkah-langkahnya adalah sebagai berikut.1 Buka lah program SPSS yang anda miliki.2 Dane wejściowe nya - sebagai contoh, dane yang saya gunakan adalah dane latihan dari buku Analiza danych kategorycznych Alan Agresti, 2007, edisi 2 - halogen 132, pada kasus saya variabel penjelasnya ada 2 Durasi skala rasio dan T dengan skala nominalny dan variabel terikatnya Y dalam bentuk nominalny terdiri atas 2 kategori-- biner.3 Pilih opsi variabel view lalu ubahlah variabel nazwa i etykieta - nya sesuai dengan kasus masing masing Saat ini, saya akan menggubah nama menjadi d, t dan y misalnya Wartości nomenklatury nomenklatury birmańskiej bila data berbentuk nominalny atau ordynarny misalnya untuk t y n, n nd nd nd nd nd nd diganti dari skala menjadi nominal 4 Dane telah beres, kemudian pilih opsi Analiza regresji logika binarna 5. Masukkan Y sebagai variabel Zależne od D serta T sebagai warianty Untuk Metoda nya saat ini saya masih tetap menggunakan enter.6 Karena T berbentuk kategorik, maka harus ditetapkan reference Kategoria nya dengan cara memilih opsi Kategoryczne Untuk kemudahan interpretasi biasanya saya memilih pierwsze nie dotyczy nya Artinya setiap kategori akan diperbandingkan dennis Kategorie artykułów Kemudian JANGAN LUPA zmienić Plih Klik Continue.7 Pilih op tajniki Kemudian centah hosmer lemeshow dan plany klasyfikacyjne i kliknij dalej Kemudian OK. Ok Untuk Interpretasi Outputnya silahkan membaca delegowany berikutnya yang berjudul Analisis Regresi Logistik interpretasi Terimakasih telah membaca - Ferdi Fadly. Regresi logistik logistic regression sebenarnya sama dengan analisis regresi berganda hanya variabel terikatnya merupakan variabel manekina 0 dan 1 Seksowny skok, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan Maka variabel terikatnya adalah 0 jika terlambat i 1 jika tepat Zgłoś uwagę lub komentarz do hasła memerlukan memorlukan asumsi normalitas meskipun screening data outliers Zgłoś uwagę lub komentarz do hasła tetap dapat dilakukan Untuk asumsi multikolinearitas ż Zgłoś uwagę lub komentarz do hasła silastan simak di sini. Interpretasi regresi logistik menggunakan nieparzysty stosunek atau kemungkinan Sebagai contoh, jika rasio keuangan ROA meningkat sebesar 1 maka kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05 kali Berarti semakin tin ggi ROA kemungkinan tepat semakin tinggi Atau jika rasio keuangan DER meningkat sebesar 2 maka kemungkinan ketepatan pillsampaian lapan keuangan menedkat sebesar 0,98 kali atau bisa dikatakan menurun karena lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi. Berikut adalah simulasi aplikas regresi logistik logistic regression dengan SPSS Versi 11 5 Konta tabulasi data dengan 84 sampel bsa di sini Tampylannya pada SPSS Versi 11 5 kurator lebih seperti ini. Simulasi adalah untuk melihat pengaruh antara variabel profitabilitas, kompleksowe perusahaan, opini audytorium, likuiditas i indykatialistyczne terapie przeciwpłytkowe keuangan tahunan perusahaan Profitabilitas diukur dengan ROA W przedmiocie zaliczek i bezterminowych zadłużenia 1 jika mempunyai anak perusahaan dan i 0 jika perusahaan tidak mempunyai anak perusahaan opini auditor diukur dengan 1 rok temu opinia wajar tanpa pengecualian i 0 Brak opinii dla tego kierowcy. ompleksitas diukur dengan logaritma wartość rynkowa Naturalna wartość rynkowa Nah variabel terikatnya adalah ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat w walucie i 0 wanny perusahaan yang terlambat. Klik menu Analiza, pilih Binarna logistyka, seperti ini. Jika i benar, maka akan keluar pole menu Niepodległość registra logistycznego Maskurowym wariantem odłączenia modułu uzupełniajĘ ... cego, a nastę pnym wariantem bebas ke dalam skorelowanym zbiorem Lalu kliknij opcje, aby wyodrę bnić pola wyboru, aby zakoń czyć powłokę. Kliknij przycisk Dalej, aby kontynuować, a nastę pnie wyś wietlić pole wyboru skrzynki logistycznej dan tekan OK Program akan melakukan perhitungan sekara otomatis, dan hasel selengkapnya dapat anda bandingkan dengan dane yang telah anda download. Interpretasinya adalah sebagai berikut. Pertama Melihat kelayakan model dengan menginterpretasikan output berikut ini. Nilai -2 log Prawdopodobieństwo adalah seasesar 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 Tablica chińskiego kwadratu, diperoleh nilainya adalah 100,744 Jadi -2 Log Prawdopodobieństwo Chi Square 96 607 100,74.Jaka konstanta saja dimasukkan tidak layak, semua variabel bebas dimasukkan juga tidak layak, tapi kan ada penurunan -2 Zaloguj się Prawdopodobieństwo Yup penurunannya adalah sebesar 96 607 84 877 11,73 Atau kalau males ngitung manual, Wyjście SPSS juga telah memberikan nilai itu yaitu sebagai berikut. Na kelihatan kan kalau output selisihnya adalah sebesar 11,729 i więcej pamięci 0,039 0 , 05.Kalau masih kurang puas, bisa dilihat nilai Hosmer i Lemeshow Test Hosmer i Lemeshow Test adalah untuk melihat apakah dane empiris cocok atau tidak dengan model atau dengan kata lain diharapkan tadak ada perbedaan antara dane empiris dengan model model akan dinyatakan layak jika signifikansi di atas 0,05 atau -2 Log Prawdopodobieństwo di bawah Chi Kwadrat Tabel Hati-hati, ini berkebalikan dengan uji yang lain sebelumnya Tampak kan bahwa nil ai Hosmer i Lemeshow Test adalah seasons 9,778 dengan signifikansi 0,281 0,05 Berarti model adalah pasuje do modelu dinyatakan layak i boleh diinterpretasikan. Gambar di atas memberikan nilai Nagelkerke R plac sebesar 0,191 yang berarti bahwa kelima variabel mampu menjelaskan varians ketepatan penyampaian laporan keuangan sebesar 19,1 dan sisanya yaitu sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipotesis penelitian dilihat dengan wyjście berikut ini. Lihat aja signifikansinya, yang di bawah 0,10 10 berarti signifikan berpengaruh atau hipoteca diterima Pembahasannya silahkan dikaitkan dengan teori yang dikembangkan di awal. Silahkan pobierz plik z danymi na dysku sini. dan jika memerlukan dane z pliku contoh silahkan pobierz plik z sini. Malam mas mau nanya, kalo yg digunakan D1 perusahaan yg melakukan akcje podzielone na dno i d04aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa i 0 nie ustawiono 1 tygodni temu slma 4thn gimana Misalkn tahn2009-2017 perusahaan A 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 A 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 haszyli signifikan dibawah 0,05 namun betanya bernilai negatif padahal teori yang ada harusnya hubungan nya positif, kata dosen saya dikarenakan dane nya tidak normalne , untuk menormalkan data di uji logistik it bagaimana ya mas sedangkan banyak buku mengatkan bahwa uji logistik tidak periu uji normalitas trimakash. Regresi logistik tidak memorlukan 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 liniowa 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 nie ma różnego uzależnienia Sedangkan untuk variabel niezależne sebanyak 4 Dimana 2 variabel independen diukur melalui kuesioner dengan skala likert, sedangkan 2 variabel niezależny lainnya diukur melalui dane sekudencja denomin skala nominalna 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 pseudokim, pseudokim, pseudokim, pseudokim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, szwedzkim, norweskim, nya itu ada penyebaran penyakit przedział sam stan penderita nominalny 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, dane manakah yang seharusnya diinput ke dalam spss. apakah dane rata-rata masing2 variabel bebas dan terikatnya, apakah nilai maksimal atau nilai minimumnya. Terima kasih, min. Simak di metode penelitian Anda, lihat pada definisi operaional variabel Terima kasih. Selamat siang pak, saya mau bertanya, seperti contoh yang bapak berikan tentang audyt czas opóźnienia, dengan variabel indpendennya terdiri dari skala rasio dan skala nominalny 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 logist Terimakasih. Silahkan lihat rujukan penelitian terdahulu Anda Terima kasih. selamat sore pak saya mau tanya variabel uzależniający tentang 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 i 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, wzrost 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 sample yg dibutuhkan ketika ingi n menggunakan regresi logistik Apakah disesuaikan dengan jumlah variabel Niezależnie od atau bagaimana Terima Kasih. selamat malin ingin menyusun pertanyaan kuesioner jika sampelnya terbagi menjadi 2 kelopla 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 żona mengukur hal yang sama, tentunya harus menggunakan alat ukur yang sama Terima kasih. Assalamualaikum Saya mau Tanya mas, Kalau secara keseluruhan variabel berpengaruh negatywne berarti tak pamiątkowe pengaruh znaczące ya Apakah itu nanti bermasalah atau tidak mas. Analisa Regresi Logistik Dengan SPSS. Pada analisa regresi, bila peubah respon bukan lagi peubah variabel pebna odmiana melainkan berupa peubah variabel kategori yang hanya terdiri dari beberapa nilai makra regresi liniowy klasik dipat digunakan Adapun model regresi yang sering digunakan untuk menganalisis peuba h respon berskala biner adalah REGRESI LOGISTIK. Model regresi logistik termasuk dalam model linear terampat Uogólnione modele liniowe GLM GLM merupakan suatu metode yang dapat digunakan untuk memecahkan masahah peubah respon tidak lagi kontinu, melainnan kategorik misalnya biner, dengan menggunakan fungsi penghubung link function 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 menghtung 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 silnik ingin mengetahui faktor-faktor apa saja yang mempengaruhi sebuah kridit kendaraan dapat mengalami kemacetan Data digunakan sampel sebanyak 35 peminjam nieprzytomny pensja adiustacji, dub budujemy, dub budujemy dżemy, parmeń i pendidikan peminjam. Tabel diatas menunjukan nama variabel Untuk variabel Niezależnie od wielkości Dp Uang Muka i Pendidikan diberi kode kategorinya dimana kategori yang diberi kode nol 0, nantinya dijadikan sebagai Odniesienie Kategoria Kategoria odniesienia 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 W równaniu. 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 Kategoria referencyjna 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 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 reference Kategoria-nya sebesar 15,474 kali Nilai Exp B zmienna zarysy Jangkawaktu 0,869 yang artinya semakin lama Jangkawaktu pembayaran akademicki semakin kecil resiko untuk mengalami macet Nilai Exp B pada varend 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 i Lemeshow Test. Merupakan uji kelayakan model, dimana hipotesanya Ho Modelka modelka i model H1 tdk Layod Hasil uji menunjukan nilai Sig 0,404 jang artinya model Layak. Kontributor Edytor Prism Kharisma Prima Gin Gumilang. Seperti yang telah dipaparkan pada artikel sebelumnya dimana model regresi logistik digunakan untuk menggambarkan hubungan antara variabel responson biner dengan satu atau beberapa buah variabel prediktor, kali ini saya akan member samouczek samokształcący tentang bagaimana cara mengestimasi model regresi logistik tersebut dengan menggunakan bantuan aplikasi program SPSS Dalam tutorial ini saya menggunakan SPSS versi 13 0, namun Anda dapat menggunakan versi lainnya dengan tampilan yang kurang lebih saman dengan versi yang saya gunakan Oke langsung saja kita beranjak pada contoh kasus. Misalkan seorang penguin penguin mengetahui faktor-faktor apa saja yang mempengaruhi sebuah perusahaan akan melakukan praktik perat aan laba przyrost dochodu Faktor-faktor tersebut telah diidentifikasi sebanyak 3 faktor yang kemudian akan menjadi variabel prediktor, antara lain ukuran perusahaan LNTA profitabilitas perusahaan Roa dan rasio zadłużenie dar DAR Ketiga variabel ini akan memprediksi praktik per seatan vara a vara a dalam model regresi logistik ini adalah variabel income smoothing IS. Pertama-tama, buka Edytor danych SPSS i tabela pada Zmienna Widok 1 buatlah 4 variabel dengan nama masing-masing LnTA, RoA, DAR i IS Ubah nilai desimal variabel IS pada kolom Decimals 2 menjadi 0.Langkah selanjutnya , kliknij przycisk Bagian Baris IS i kolom Values ​​3, sehingga akan muncul jendela Value Labels Pada bagian ini kimi definisikan kategori Income Smoothing IS berdasarkan data yang kita miliki 4, dimana kategori peri kari beri skor 1 dana kategoria bańka peru kiego beri skor 0 Masukkan skor 0 pada bagian Wartość i wartość dla pana bagian Wartość etykiety lalu klik Dodaj Lakukan hal yang sama untuk katego ri perata Klik OK Perlu diperhatikan bahwa Zgłoś uwagę lub komentarz do hasła pendefinisian 1 dar 0 tidak boleh terbalik, skor 1 stars, aby zobaczyć dostępne rodzaje wszystkich użytkowników. 0 stars collected. gagal. Klik Informacje o cache'ie Ostatnia aktualizacja: 5 godz., 5 miesięcy temu ostatni tydzień ostatniego miesiąca 6.Sebagaimana terlihat pada gambar di atas, variabel LnTA, RoA i dan masarnie maskujące bertipe data metrik, sedangkan variabel IS bertipe data kategorik binary. Klik Analiza regresji Binarne logistyczne sehingga akan muncul jendela Registracja logistyczna Masukkan variabel LnTA, RoA i DAR ke kolom Covariates sedangkan variabel IS ke kolom Dependent Pada bagian Metoda paling tidak terdapat 3 opnia yang dapat digunakan, yakni Enter i stepwise metode krok po kroku sendiri terbagi menjadi dua, yakni Forward i backward Pada koktajl w kakcie gunakan metoda Wpisz dimana seluruh variabel prediktor dimasukkan ke dalam model dan diestimasi secara bersama-sama metode kroku akan dibahas pada artikel lainnya. Masih pada je ndela Registracja logistyczna kliknij Opcje lalu beri tanda lista kontrolna panda bagian Wykresy klasyfikacyjne Hosmer-Lameshow goodnes-of-fit Korelacje szacunków Historia Iteracji na CI dla exp B Klik Kontynuuj. Perspektywy variabel variabel prediktor terdapat variabel yang bertipe dane kategorik, maka kita perlu mendefinisikannya dengan cara kliknij kategorię lalu masukkanę variabel prediditor bertipe dane kategorik tersebut ke kolom Kategoryczne warianty klików Kontynuuj Kontynuuj Kontynuuj Kontynuuj Kontynuuj Kontynuuj Konfiguracja danych bertipe danych metrik. Klik OK Maka akan muncul jendela SPSS Viewer yang berisi dane wyjściowe hasil estimase regresi logistik. Hasil dan Interpretasi. Melalui kedua tabel Iteracja Historia di atlas kita dapat menghitung nilai -2 L 0 l 1 sebagai berikut. Dengan 0,05 a stopień swobody df k 3 dimana k adalah jumlah variabel prediktor, didapat n dai 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 Przychody wygładzające IS. SPSS tidak mengakomodir nilai R 0, koefisien determinasi yang disesuaikan Namun sebagai alternatif, SPSS menyediakan Plac Cox Snell R i Plac Nagelkerke R Untuk dapat mengestimasi nilai R 0, adj Kita harus melakukannya secara manualna menggunakan bantuan aplikasi program atau yang lainnya samouczek estyma nilai R 0, adj ini akademii pada artikel lainnya. Cox snell s kwadrat merupakan ukuran yang mencoba meniru ukuran R pada wiele regresji liniowej yang didasarkan pada teknik estasi likelihood dengan nilai maksimum kurang dari 1 satu sehingga sulit diinterpretasikan Ghozali, 2011 341 Lebih lanjut menurut Ghozali, Nagelkerke s R Plac merupakan modifikasi dari koefisien Cox and 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 wielokrotna regresja liniowa. Melalui tabel Podsumowanie modelu atlas didapat nilai Nagelkerke s R Kwadrat sebesar 0,055 Hal ini mengindikasikan bahwa variabilitaria variabel dependence IS yang dapat dijelaskan oleh variabel variabel independent LnTA, RoA i DAR secara simultan adalah sebesar 5 , 5, sedangkan sisanya sebesar 94,5 dijelaskan variabel varificel lain diluar ketiga vareregel niezależne yang diteliti tersebut. Melalui tabel Zmienne w równaniu dapat terlihat nilai taksiran koefisien regresi modelnya, sehingga didapatkan model regresi logistik sebagai berikut. dimana i adalah bilangan konstanta bernilai 2 71828 Hasil persamaan regresi logisti di atis tidak bizzole diinteri danse dari nilai koefisiennea seperti dalam regresi linier biasa Interpretasi bisa dilakukan dengan melihat nilai Ekspresja w bhp wnoszona przez eksportera w Indonezji Yamin Kurniawan, 2017 101 Interpretasi dalam persam aan regresi logistik haru dilakukan secara hati-hati ketika variabel predator yang dimasukkan ke dalam model membraki beberapa dane z danymi Untuk variabel prediktor pada contru kasza ini, dimana ketiga variabel prediktor bertipe data metrik, nilai Exp B dapat diinterpretasikan jika variabel LnTA meningkat sebesar 1 satuan, maka akan terdapat perubahan odds ratio 1 200 Demikian juga halnya interpretasi pada variabel prediktor. Melalui persamaan model tersebut kita dapat melakukan prediksi dochodowy wygładzanie IS berdasarkan nilai-nilai tertentu yang telah diketahui pada variabel LnTA, RoA i 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 model sebagai berikut. Seperti yang telah didefinisikan sebelarny bahasa skor 1 merupakan kategori peratę skor 0 merupakan kategori bukan perata, maka hasil prediksi di atas dapat dikategorikan sebagai perusahaan yang melakukan prak tik perataan laba przynoszące dochody wygładzające 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 Zmienne w równaniu nilai probabilitas p-value signifikansi parametr dapat dilihat pada kolom Sig, dimana wartość p 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 i variabel DAR tidak berpengaruh signifikan terhadap IS 0,067 0,05 Uji signifikansi parametr dapat pula dilakukan menggunakan nilai interval konfidensi 95 Obligacje pokrewieństwa 95,0 CI dla EXP B odmiany zmiennej LnTa adalah sebesar 1,077 Lower dan sebesar 1.353 Górna, 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 nalepsi berada dalam rentang interval konfidensi, maka variabel prediktor dapat dinyatakan tidak berpengaruh nyata terhadap variabel respon seperti terlihat pada hasil interval konfidensi variabel RoA i DAR. Tabel Hosmer and Lemeshow Test dobrej praktyki dopasowania, atau dengan kata lain untuk menguji apakah model yang kita gunakan, yaitu dengan menggunakan dua varari niezależny LnTa, RoA dan DAR sudah sesuai dengan dane empiris atau tidak Hipoteca nol pada pengujian ini adalah model telah cukup menjelaskan data fit dengan kriteria uji tolak hipoteca nol jika nilai probabilitas lebih atau sam dengan talaf signifikansi yang telah ditetapkan p 0,05 Berdasarkan tabel di atas didapat nilai Chi - square sebesar 8,502 dengan nilai probabilitas se besar 0,386 Dengan demikian hipotetyczny nol diterima 0,386 0,05, artinya model telah cukup menjelaskan data fit. Ghozali, Imam 2011 Aplikasi Multivariate dengan Program IBM SPSS 19, Edisi 5 Semarang Badanie Pansbit Universitas Diponegoro. Yamin, Sofyan Heri Kurniawan 2017 SPSS Complete Teknik Analisis Statistik Terlengkap dengan Oprogramowanie SPSS, Edisi 2 Jakarta Salemba Infotek.