Spss Regresi Logistik Binary Optiot

Langkah-langkahnya adalah sebagai berikut.1 Buka lah-ohjelma SPSS yang anda miliki.2 Syöttötietojen nya-sebagai contoh, data yang saya gunakan adalah data latihan dari buku Luokitustiedon analyysi Alan Agresti, 2007, edisi 2 - halaman 132, pada kasuta sanomalehtipelaaja ada 2 Durasi skala rasio dan T-arvosana skala nimellisarvo muuttuja teratinya Y valittujen nimellisarvojen nimellisarvo 2 kategoria - biner.3 Tarkastele kuvagalleria katsoa vaihtoehtoja nimi nimi etiketti - suoja-ilmoittautuminen kasus masing-masing Saat ini , saya akan menggubah nama menjadi D, T dan Y misalnya Kemudian arvot, kun on olemassa ns. nilainya. Tunnisteet ovat nimellisarvot, jotka ovat järjestyksessä väärin, ja mittaa nya diganti dari scale menjadi nominal.4. 5 Masukkan Y-sebagai variabel Dependent dan D serta T-sebagai-koverijaryhmät Untuk-menetelmä, jossa voit saada sanan massan osuudeksi. 6 Karena T berbentuk kategorii, maka harus ditetapkan refer ence Luokka nya dengan cara memilih opsi Kategorian Untuk kemudahan tulkinta biasanya saya memilih ensin untuk reference nya Artinya setiap kategoria akan diperbandingkan dengan kategoriat pertama Kemudian JANGAN LUPA pilih muutos Klik Jatka.7 Pilih Options Kemudian centang hosmer julkaisu luokitukset dan klik jatka Kemudian OK. Ok Untuk Interpretasi Tulostusmateriaalin lähettäminen tekstiviestinä Analisis Regressi Logistiikan tulkinta Terimakasih telah membaca. Minggu yang lalu, saya telah menyampaikan mengenai konsep dari analisis regressi logistik biner Pada minggu ini, saya akan coba melanainen pandasaani kuuntelemaan länsi-langkah pengolahan nya dengan Menggunakan bantuan ohjelma SPSS Langkah-langkahnya adalah sebagai berikut.1 Buka lah ohjelma SPSS yang anda miliki.2 Syöttötietojen nya - sebagai ääni, data yang saya gunakan adalah data latihan dari buku Luokituksen tietojen analysointi Alan Agresti, 2007, edisi 2 - halaman 132, pada kasus saya Variabel penjelasnya ada 2 Vaihda valuuttakurssi tanssiraja nimellisarvoltaan vaihteleva pelimerkki Vaihtoehtoinen nimellisarvo 2 sarja - biner.3 Valuuttakurssikehys näkymä näkymän varoitusmerkinnän nimi tanssitavara - tyyppinen tuloslaskelma masing-masing Saat ini, saya Akan menggubah nama menjadi D, T dan Y misalnya Kemudian arvot nya disesuaikan nilainya Bila data berbentuk nominal atau ordinal misalnya untuk T dan Y, mittaa nya diganti dari mittakaavassa menjadi nimellinen.4 Data telah beres, kemudian pilih opsi Analysoi Regression Binary Logistics.5 Masukkan Tyyppihyväksyntä riippuu D-serta T-kirjaimista koverajista Untuk-menetelmällä, joka antaa sinulle sanan, joka on merkitty hakusanalla. 6 Karena T berbentuk kategorik, maka harus ditetapkan referencing Kategorija nya dengan cara memilih opsi Kategoriat Untuk kemudahan interpretasi biasanya saya memilih first untuk reference ny Artinya setiap kategoria akan diperbandingkan dengan kategorija pertama Kemudian JANGAN LUPA pilih muutos Klik Jatka.7 Pilih op Tunnisteet Kemudin centang hosmer - luokituksen luokittelu tontit klikkaa edelleen Kemudian OK. Ok Untuk Interpretasi Lähtötapahtumisilmoitus tuloilmoituksen julkaisemisesta Analisis Regresi Logistiikan tulkinta Terimakasih telah membaca - Ferdi Fadly. Regresi logistiikka logistinen regressio sebenarnya sama analyysi regressi berganda hanya variabel terikatnya merupakan variabel Dummy 0 dan 1 Sebagai ääni, pengaruh beberapa rasio keukangan terhadap keterlambatan penyampaian laporan keukangan Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat tepat Regresi logistik tidak memerlukan asumsi normalitas meskipun seulonta tiedot outliers tetap dapat dilakukan Untuk asumsi multikolinearitas pada regresi logistik silahkan simak Di sini. Interpretasi regresi logistik menggunakan odd suhde atau kemungkinan Sebagai käsi, jika rasio keulan ROA meningkat sebesar 1 maka kemungkinan ketepatan menyampaikan laporan keulan meningkat sebesar 1,05 kali Berarti semakin tina Ggi ROA kemungkinan tepsiä, jotka ovat olleet kumpuavia, jotka ovat raskaita keuhkokuumeja 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 hakemus regresi logistik logistic regression dengan SPSS Versi 11 5 Contoh tabulasi data dengan 84 näytteenotto lataa sini Tampilannya pada SPSS versi 11 5 kurang lebih seperti ini. Simulasi adalah untuk melihat pengaruh antara muuttuja kannattavuus, kompleksitas perusahaan, opini auditor, likuiditas dan ukuran perushaan terhadap ketepatan penyampaian laporan Keulakansiin liittyneiden perusjoukon tuloksista, jotka ovat edullisimpia ROA-komplekseja varten, jotka ovat 1: n ja 1: n kehittäjät, jotka ovat perustaneet tason, joka on perustettu täten tarkkailijalle, joka on valittu 1 päiväksi, ja että hänellä on taipumus vastata tanskalainen päivä, joka on 0, ja sitä ei ole lainkaan. Ompleksitas diukur dengan logaritma luonnollinen markkina-arvo Nah variabel terikatnya adalah ketepatan penyampaian laporan keuangan dengan kode 1 untuk perusahaan yang tepat waktu dan 0 untuk perusahaan yang terlambat. Klik valikko Analysoi, pilih Binary Logistic, seperti ini. Jika anda benar, maka akan keluar menu box Untuk regresi logistik Masukkan variabel ketepatan kämmenlaatikko riippuu siitä, että varakäyrä muuttuu läpinäkyväksi kotelon varoitusvalikosta, jos haluat vaihtaa vaihtoehdon, kun se on valmis, valitse se. Ole hyvä ja klikkaa OK-painiketta, jos haluat lisätietoa napsauttamalla jatkamalla sehingga akan dikembalikan pada valikkokenttään logistik dan Tekan OK Ohjelman akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat ja bandingkan dengan data yang telah ja lataa. Interpretasinya adalah sebagai berikut. Pertama Melihat kelayakan malli dengan menginterpretasikan tuotos berikut ini. Nilai -2 Kirjaudu Kirjautumislomake adalah sebesar 96,607 yang akan dibandingkan dengan nilai Chi Square pada taraf merkfikansi 0,05 d Engan df sebesar N-1 dengan N adalah jumlah sampel, berarti 84 1 83 Dari taulukko Chi Square, diperoleh nilainya adalah 100,744 Jadi -2 Log Todennäköisyys Chi Square 96,607 100,74.Jika konstanta saja dimasukkan tidak layak, joka vaihtelee bebas dimasukkan juga tidak tilak, tapi kan ada penurunan -2 Kirjaudu Likelihood Yup penurunannya adalah sebesar 96,607 84,877 11,73 Hei kalau males ngitung manual, Lähde SPSS juga telah memberikan nilai itu yaitu sebagai berikut. Nah kelihatan kalau tuotos selisihnya adalah sebesar 11,729 dan mempunyai signifikansi 0,039 0 , 05.Kalau masih kurang puas, bisa dilihat nilai Hosmer ja Lemeshow Testaa Hosmer dan Lemeshow Testaa adalah ja melihat apakah data empiris cocok atau tidak dengan malli atau dengan kata lain diharapkan tidak ada perbedaan antara data empiris dengan malli Malli akan dinyatakan layak jika signifikansi di atas 0,05 atau -2 Kirjaudu Todennäköisyys Pieni Neliö Taulukko Hati-hati, ini berkebalikan dengan yang lain sebelumnya Tampak kan bahwa nil ai Hosmer ja Lemeshow Test - verkkotunnistimilla on 9,778 dengan merkfikansi 0,281 0,05 Berarti-malli, joka sopii mainiosti malliin, joka on sijoitettu laajaan tulkintakokoonpanoon. 19,1 dan sisanya yaitu sebesar 80,9 osaaksa oleh faktor lain. Pengujian hypotesis penelitian dilihat dengan tuotos berikut ini. Lihat aja merkitsevät, yang di bawah 0,10 10 lataa merkitsevät niiden hypoteesi diterima Pembahasannya silahkan dikaitkan dengan teoria yang dikembangkan di awal. Silahkan lataa materiaali tiedostojen tiedot silmälasit download of sini. Malam mas mau nanya, kalo yg digunakan D1 perusmalli on melukannan varastossa split päivä D0 perusmaksua ykkönen melakukan stock split, dalam periode 4tahun itu pemberian nmr 1 dan 0 untuk setiap 1 kuukausi sitten slma 4thn gimana Misalkn tahn2009-2012 perusahaan A melakukan ss pda tn 2010, apakh pmberian kode 1 hnya pda thn 2010, sdngkn ts 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 hasilnya signifikan dibawah 0,05 namun betanya bernilai negatif padahal teori yang ada harusnya hubungan nya positif, kata dosen saya se dikarenakan data nya tidak normaali , ei ole tiedossa, koska se on logistikaan, että se on pakattu, ja se on varustettu tavaroilla, jotka liikkuvat tavaroita varten, ja ne ovat tavallisia tavaroita. Jotkut logistiset viestit toimivat normaalisti, kun niitä käsitellään, kuten sanat, sanat, sanat, sanat, analysointi, faktor2, jumala, persepsi, pelaku UKM terhadap penyusunan laporan keuangan, sanoa menggunakan variabel dummy, baik variabel dependen maupun independen Regressi apakah yang cocok untuk penelitian saya tersebut regresi lineaarinen berganda atau regresi logistik mohon pencerahannya terima kasih. Kalau riippuvat 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 kuesioner dengan skala likert, sedangkan 2 variabel independen lainnya diukur melalui data sekuder dengan skala nimellinen Apakah penelitian saya bisa dianalisis menggunakan regresi logistik adakah kirjallisuus yang bisa mendukung Terimakasih. Bisa Terima kasih. mas, saya mau nanya judul penelitian saya penerapan sistem informasi geografis dalam pemetaan kejadin kääpiö kuusikulmio kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka kynttilänjalka Nya itu ada penyebaran penyakit intervalli sama status penderita nimellinen saya bingung mau menggunakan uji apa mas yg cocok buat penelitian saya mohon bantuannya terimakasih. Silahkan simak of rujukan penelitian terdahulu Anda Terima kasih. Assalamu alaikum min, mau tanya kala kita meneliti tentang pengaruh 3 variabel bebas Terhadap variabel terikat yang datanya diambil dari 10 perusahaan misalnya, data manakah yang seharusnya diinput ke dalam spss. apakah data rata-rata masing2 variabel bebas dan terikatnya, apakah nilai maksimissaan atau nilai minimumnya. Terima kasih, min. Simak di metode penelitian Anda, lihat Pada määritellä operasional variabel Terima kasih. Selamat siang pak, saya mau bertanya, seperti contoh yang bapak berikan tentang tarkastus viive diatas, dengan variabel indpendennya terdiri dari skala rasio dan skala nimellinen yang menggunakan variabel dummy, kira2 metode regressi 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 sore pak saya maatilan variabel riippuvat saya tentang pemahaman standar akuntansi dimana kuesioner saya berbentuk soal tentang dimana hania 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, vaihtelee sanat 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-datan nilai-muuttujat, jotka ovat peräisin 100: sta sedangkan variaatiosta lain, npm, kasvu kebanyakan dibawah 10.2 Jika sig nya 0,000 itu menunjukkan merkitys 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 näyte 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 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 negatiivinen berarti tak memiliki pengaruh merkittävä ya Apakah itu nanti bermasalah atau tidak mas. Analisa Regresi Logistik Dengan SPSS. Pada analiza regresi, oli peubah vastattu bukan lagi peubah muuttuja kuantiatif melainkan berupa peubah muuttuja kategoria yang hanya terdiri dari beberapa nilai maka regresi lineaarinen klassikko tidak dapat digunakan Adapun malli regressi yang sering digunakan untuk menganalisis peuba H respon berskala biner adalah REGRESI LOGISTIK. Model regresi logistik termasuk dalam malli lineaarinen terampat yleistynyt lineaarimallit GLM GLM merupakan suatu metodi yang dapat digunakan untuk memecahkan masalah peubah vastaus tidak lagin kontinu, melainkan kategorik misalnya biner, dengan menggunakan fungsi penghubung linkki toiminto tertentu sehingga diperoleh Suunnittelija ei ole vastuussa siitä, että hän on vastuussa siitä, että hän on vastuussa siitä, että hän on vastuussa siitä, että hän on vastuussa siitä, että hän on vastuussa siitä, että hänellä on oikeus saada palkkata itsenäinen varajäsen. Beresiko macet faktor-faktor apa saja yang menyebabkan resiko seseorang terkena penyakit Diabetes. Contoh Kasus Bidang Bisnis. Sebuah perushaan pembiayaan sepeda moottori ingin mengetahui faktor-faktor apa saja yang mempengaruhi sebuah kridit kendaraan dapat mengalami kemacetan Data digunakan sampel sebanyak 35 peminjam untuk mencari penyebab dimana faktor-faktor yang dicurigai diantaranya, DP Vastuuvapaus, 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 kategori dimana kategoria yang diberi kode nol 0, nantinya dijadikan sebagai Viite Luokka Viittaus Luokka umumnya dipilih berdasarkan Luokka yang memiliki Resiko Paling Kecil seperti pendidikan Perguruan Tinggi, joka ei ole samaa mieltä muistiinpanosta, josta on poistettu analyysi Ei sisällä muuttujat riippuvat Tila Kruunu, kategoria resiko diberi kode lebih besar Dari pada kategori tidak beresiko. Tabel Variabel In the Equation. Kolom Sig menginformasikan signifikan pengaruh variabel Riippumaton terhadap Variabel Dependen Terjadi pengaruh yang signifikan jika nilai sig 0,05 Tummakangas varastossa yang berpengaruh terhadap Maket Tidak dari Kridit seorang Pemohon diantaranya dp Sig 0,040, Jangkawaktu sig 0,032, taso 2 SMP sig 0,029 Untuk pendidikan 1 merupakan luokiteltujen SMA dibanding dengan yang pendidikan Perguruan Tinggi Referenssikategoriassa on merkitty tähdet, jotka ovat kiinnostuneita toisistaan ​​ja jotka ovat kiinnostuneita 2: stä meripintaisesta luokasta riippuen SMP: jalkapallo Perguruan Tinggi. Kolom Exp B menginformasikan jens pengaruh pada variabel yang berpengaruh merkfikan Jika nilainya diatas satu 1, berarti resikonya lebih besar untuk Maantie Nilai Exp B pada variabel dp 15,474 yang artinya nilai dp 1,5 juta cenderung lebih beresiko mengalami macet jika dibandingkan dengan Vuosi sitten 1,5 juta referenssi Luokka-nya sebesar 15,474 kiloa Nilai Exp B pada variabel Jangkawaktu 0,869 yang artinya semakin lama Jangkawaktu pembayaran akan semakin kecil resiko untuk mengalami kissa Nilai Exp B pada variabel pendidikan 2 15,818 kpl pingviini ja korkokengät SMP lebih beresiko 15,818 mengalami macet ji kaappivihjeitä ja kynttilöitä. Perguruan Tinggi. Tabel Hosmer ja Lemeshow Test. Merupakan uji kelayakan malli, dimana hipotesanya Ho Malli Layak dan H1 Malli tdk Layak Hasil uji menunjukan nilai Sig 0,404 yang artinya malli Layak. Kontributor Kharisma Prima Toimittaja Gin Gumilang. Seperti yang telah dipparkan pada artikel sebelumnya dimana malli regressi logistik digunakan untuk menggambarkan hubungan antara variabel vastaava biner dengan satu atau beberapa buah variabel prediktor, kali ini saya akan memberikan tutorial singkat tentang bagaimana cara mengestimasi malli regressi logistik tersebut dengan menggunakan bantuan sovellasi ohjelma SPSS Dalam tutorial ini saya menggunakan SPSS versi 13 0, joka on jaettu jumalankuvien versioiden mukaan, ja se on taipuisa ja samaa versiota, ja se on kumpaakaan, ja se on kallistunut, ja se on kallistunut, koska se on kaareva. Se on silmänräpällinen, ja siinä on taipuisa tekijä-faktori. Aan laba tulon tasaus Faktor-faktor tersebut telah diidentifikasi sebanyak 3 faktor yang kemudian akan menjadi variabel prediktor, antara lain ukuran perusahaan LnTA kannattavuus perushaku RoA dan rasio velka perusrahana DAR Ketiga variabel ini akan mempredija praktik perata laba, sehingga variabel vast di dalam malli regresi logistik Ini adalah variabel tulon tasaus IS. Pertama-tama, buka SPSS Data Editor päiväpäivä välilehti Muuttuva näkymä 1 buatlah 4 variabel dengan nama masing-masing LNTA, RoA, DAR day IS Ubah nilai desimal variabel IS pada kolom Decimals 2 menjadi 0.Langkah selanjutnya , Napsauttamalla pudotusvalkoisia baris-arvoja ja arvoja 3, kun haluat arvotarvotarvon arvosanat Pada bagian ini kita määritelmä kategoria Tulot Smoothing IS-merkinnän tiedot ja kenttä militiat 4, arvosana kategoria kirjoittanut kittiä 1 päivä luokka värikkäitä kittiä 0 kpl 0 pada bagian Arvo nappulaa perata pada bagian Arvo Label lalu klik Lisää Lakkusi haltuun samaa kategoriaa Klikkaa OK Perlu diperhatikan bahwa tuloksellisesta skor 1 päivä 0 tidak boleh terbalik, skor 1 untuk kategoria peluang sukses dan skor 0 untuk kategoria peluang gagal. Klik pada tab Data View 5, lalu masukkan satu per satu data penelitian sesuai variabel-variabel yang bersangkutan 6.Sebagaimana terlihat pada gambar dias, varajärvi LnTA, RoA dan DAR masing-masing bertipe data metrik, sedangkan variabel IS bertipe data kategorik binary. Klik Analysoi Regression Binäärinen Logistic sehingga akan muncul jendela Logistinen regressio Masukkan varijaali LnTA, RoA dan DAR ke kolom Covariates sedangkan variabel IS ke kolom riippuva Pada bagian Method paling tidak terdapat 3 opsi yang dapat digunakan, yakni Syötä dan Vaiheittainen Metode Vaiheittainen lähetyspainikkeet, siirrä, siirrä eteenpäin Taaksepäin Pada contoh kali ini kita gunakan menetelmä Enter dimana seluruh variabel prediktor dimasukkan ke dalam model dan diestimasi secara bersama-sama Metode Vaiheittainen akan dibahas pada artikel lainnya. Masih pada je Ndela Logistinen regressio klik Asetukset lalu beri tanda tarkistuslista pada bagian Luokittelu tontit Hosmer-Lameshow goodnes-of-fit Estimaattien korrelaatiot Iteraation historia dan CI exp B Klik Jatka. Apabila pada variabel-variabel prediktor terdapat variabel yang bertipe data kategoriik, maka kita perlu Sanakirjan hakutulokset ovat kategoria-sarakkeita, jotka kuvaavat kategoria-sarakkeita, jotka ovat kategoria-sarakkeita. Kategorian koverajit klik Jatka Nollaa laskentataulukko, joka on muuttanut ennustajan tiedot. Kaksois-maka-akatunniste SPSS Viewer - viestinnän tulos on estetty regresi logistik. Hasil dan Interpretasi. Melalui kedua tabel Iteration Historia dias kita dapat menghitung nilai -2 L 0 L 1 sebagai berikut. Dengan 0,05 dan vapausaste df k 3 dimana k adalah jumlah variabel ennustaja, didapat nilai p dari tabel distribusi chi-quadrat 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 Income Smoothing IS. SPSS tidak mengakomodir nilai R 0, lisää koefisien determinasi yang disesuaikan Namun sebagai alternatif, SPSS menyediakan Cox Snell R Square päivä Nagelkerke R Square Untuk dapat mengestimasi nilai R 0, kita harus melakukannya secara manuaali menggunakan bantuan sovellasi ohjelma atau yang lainnya Tutorial estimaatti nilai R 0, lisää ini akan dibahas pada artikel lainnya. Cox Snell s R Square merupakan ukraina yang mencoba meniru ukuran R pada useita lineaarinen regressio yang didasarkan pada tekninen arvio todennäköisyys dengan nilai maksimum kurang dari 1 satu sehingga sulit diinterpretasikan Ghozali, 2011 341 Lebih lanjut menurut Gavali, Nagelkerke s R Square meripintainen modifikaatio dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 tunti Hal ini dilakukan dengan cara membagi nilai Cox Snell s R Neljänneksi nilai maksimumnya Nilai Nagelkerke s R Squa Re dapat diinterpretasikan seperti nilai R pada moninkertainen lineaarinen regression. Melalui tabel Malli Yhteenveto diatas nilai Nagelkerke s R Square sebesar 0,055 Hal ini mengindikasikan bahwa variabilitas variabel dependen IS yang dapat partikkani on variabilitas variabel independen LnTA, RoA dan DAR secara simultan adalah sebesar 5 , 5, sedangkan sisanja sebesar 94,5 osaa, jotka vaihtelevat muuttuvien lain mukaan, kun ketjut muuttuvat riippumattomiksi ja tunnistetaan tersebut. Melalui-taulukko muuttujien yhtälöllä, joka kertoo, että nilai taksiran koefisien regresi modelnya, sehingga didapatkan malli regressi 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 liner biasa Interpretasi bisa dilakukan dengan melihat nilai Exp B asta 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 malli memiliki beberapa tyyppi data Untuk variabel prediktor pada contoh kasus ini, dimana ketiga variabel prediktor bertipe data metrik, nilai Exp B dapat diinterpretasikan jika variabel LnTA meningkat sebesar 1 satuan, maka akan terdapat perubahan kerroin suhde sebesar 1,207 Demikian juga halnya tulkitsee muuttujan ennustaja lainnya. Melalui persamaan malli tersebut kita dapat melakukan enniksi tulo tasaus IS laskeutuva nilai-nilai tertentu yang telah diketahui pada variabel LNTA, RoA ja DAR Misalkan diketahui nilai LnTA sebesar 20, 51 RoA sebesar 6,67 dan DAR sebesar 0,62, kemudian nilai-nilai tersebut kita substituusikan ke dalam persamaan malli sebagai berikut. Seperti yang telah didefinisikan sebelumnya bahwa skor 1 merupakan luokka perata dan skor 0 merupakan kategoria bukan perata, maka hasil prediksi di atas dapat dikategorikan sebagai perusahaan yang melakukan prak Tikun perata laba tulon tasaus 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 kaartuu nilai cut-off 0,5, maka hasil prediksi dapat dikategorikan sebagai bukan perata. Masih melalui tableel Muuttujat yhtälössä nilai probabilitas p-arvo signifikansi parametri dapat dilihat pada kolom Sig, dimana p-arvo yang lebih kecil dari taraf merkfikansi yang telah ditetapkan 0,05 dapat diartikan bahwa variabel ennustaja yang bersangkutan memiliki pengaruh yang signifikan terhadap variabel vast Dapat diketahui bahwa secara parsial, vaihteleva LnTa berpengaruh signifikan terhadap IS 0,001 0,05, muuttuja RoA tidak berpengaruh merkfikan terhadap IS 0,068 0,05 dan variabel DAR tidak berpengaruh merkfikan terhadap IS 0,067 0,05 Uji signifikansi parametri dapat pula dilakukan menggunakan nilai interval konfidensi 95 Sebagai 95% CI EXP B: n arvoa varten LnTa adalah sebesar 1,077 Lower Dan sebesar 1,353 Upper, maka dapat disimpulkan bahwa LnTA berpengaruh nyata terhadap IS Hal ini dikarenakan nilai 1 satu berada diluar retang intervallum konfidensi tersebut Sebaliknya, apabila nilai 1 satu berada dalam rentang intervallum konfidensi, maka variabel prediktor dapat dinyatakan tidak berpengaruh nyata terhadap variabel vast seperti terlihat pada hasil intervallum konfidensi variabel RoA dan DAR. Tabel Hosmer ja Lemeshow Testaa atas digunakan untuk menguji kesesuaian malli hyvyys sovitusta, neu dengan kata lain untuk menguji apakah malli yang kita gunakan, yaitu dengan menggunakan dua variabel independen LnTa, RoA dan DAR Jotka ovat tulleet esiin, jos ne eivät ole muuttaneet tietoja empiiristä, jos ne ovat hypoteesiä, joka ei ole päihdeongelmaa, vaan se, että se on muuttunut, kun se on menossa, että data on sopiva, ja että se on hypotesi, joka ei ole nilaan todennäköisyys, vaan se on sama, square sebesar 8,502 dengan nilai probabilitas se 3,886 Dengan demikian hypotesis nol diterima 0,386 0,05, artinya model telah cukup menjelaskan datan fit. Ghozali, Imam 2011 Aplikasi Multivariate dengan Ohjelma IBM SPSS 19, Edisi 5 Semarang Badan Penerbit Universitas Diponegoro. Yamin, Sofyan Heri Kurniawan 2014 SPSS Täydellinen Tekniikka Analisis Tilastokeskus julkaisee ohjelmiston SPSS, Edisi 2 Jakarta Salemba Infotek.