Hadi-Susanto
Hadi-Susanto
EKONOMETRIKA
oleh
Hadi Susanto
(4111412049)
Prodi: Matematika, S1
Rombel: 01
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
27.8
29.9
29.8
30.8
31.2
33.3
35.6
36.4
36.7
38.5
40.3
40.5
41.7
40.5
40.7
40.1
42.7
44.1
46.7
50.6
50.1
51.7
52.9
397.5
413.3
439.2
459.7
492.9
528.6
560.3
624.6
666.4
717.7
768.3
843.4
911.5
931.2
1021.5
1165.9
1349.6
1449.4
1575.5
1759.1
1994.2
2258.1
2478.7
42.2
38.1
40.3
39.5
37.3
38.1
39.3
37.8
38.4
40.2
38.5
39.7
39.8
52.2
48.9
58.3
57.9
56.5
63.7
61.6
58.9
66.4
70.4
50.7
52
54
55.3
54.7
63.7
69.8
65.9
64.5
70
73.1
67.9
79.2
95.3
94.2
123.5
129.9
117.6
130.9
129.8
128
141
168.2
78.3
79.2
79.2
79.2
77.4
80.2
80.4
83.9
85.5
93.8
106
104.9
114
124.2
127.6
142.9
143.6
139.2
165.5
203.3
219.6
221.6
232.6
Keterangan:
= konsumsi ayam per kapita
= pendapatan riil per kapita
= harga ayam eceran riil per unit
= harga babi eceran riil per unit
= harga sapi eceran riil per unit
JAWABAN:
1. UJI ASUMSI KLASIK
a. UJI NORMALITAS (KOLMOGOROV-SMIRNOV TEST)
Uji normalitas pada model regresi digunakan untuk menguji apakah nilai
residual yang dihasilkan dari regresi terdistribusi secara normal atau tidak.
Model regresi yang baik adalah yang memiliki nilai residual yang
terdistribusi secara normal. Dengan kata lain suatu model regresi dikatakan
baik apabila mempunyai distribusi normal. Dalam pembahasan ini akan
digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf
signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih
besar dari 5% atau 0,05.
Langkah-langkah:
Inputkan data di SPSS
Langkah pertama yaitu mencari nilai residual, caranya klik Analyze >>
Regression >> Linear
Pada kotak dialog Linear Regression, masukkan variabel Y ke dalam kotak
Dependent, kemudian masukkan variabel X1,X2,X3,X4 ke dalam kotak
Independent(s).
Klik tombol Save, selanjutnya akan terbuka kotak dialog Linear
Regression:
Save,
Pada
Residuals,
beri
tanda
centang
pada
23
Normal Parametersa,,b
Mean
.0000000
Std. Deviation
Most Extreme Differences
1.78921750
Absolute
.165
Positive
.165
Negative
-.097
Kolmogorov-Smirnov Z
.793
.555
Interpretasi hasil:
Dari output di atas dapat diketahui bahwa nilai signifikansi (Asymp.Sig 2tailed) sebesar 0,555. Karena signifikansi lebih dari 0,05 (0,555 > 0,05), maka
nilai residual tersebut telah normal. Dengan kata lain model regresi tersebut
berdistribusi normal.
autokorelasi
digunakan
untuk
mengetahui
ada
atau
tidaknya
.23819
11
12
Total Cases
23
Number of Runs
Z
Asymp. Sig. (2-tailed)
7
-2.129
.033
a. Median
Interpretasi hasil:
Dapat dilihat dari tabel di atas bahwa nilai Asymp. Sig. (2-tailed) 0,033.
Nilai tersebut kurang dari 0,05, sehingga dapat diduga bahwa terdapat
masalah autokorelasi pada data yang diuji.
Langkah-langkah:
Klik OK, pada output anda lihat tabel coefficients pada kolom
collinearity statistics, hasil output coefficients yang di dapat sebagai
berikut:
Coefficientsa
Unstandardized
Standardized
Coefficients
Coefficients
Model
Std. Error
1 (Constant)
37.107
3.757
X1
.005
.005
X2
-.604
X3
X4
Beta
Collinearity Statistics
t
Sig.
Tolerance
VIF
9.878
.000
.421
1.013
.325
.019
52.899
.165
-.911
-3.666
.002
.053
18.856
.196
.065
.939
3.039
.007
.034
29.141
.069
.052
.482
1.336
.198
.025
39.841
a. Dependent Variable: Y
Interpretasi hasil:
Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) keempat
variabel yaitu X1 sebesar 52,899 ; X2 sebesar 18,856 ; X3 sebesar 29,141 ;
dan X4 sebesar 39,841. Semuanya lebih besar dari 10, sehingga bisa diduga
bahwa antar variabel independen terjadi persoalan multikolinearitas.
Langkah-langkah:
Save
Pada
Residuals,
beri
tanda
centang
pada
Coefficients
Standardized
Model
Unstandardized Coefficients
Coefficients
Sig.
B
1 (Constant)
Std. Error
-1.587
1.637
X1
-.002
.002
X2
.074
X3
X4
Beta
-.970
.345
-1.086
-.722
.480
.072
.924
1.029
.317
-.003
.028
-.136
-.122
.904
.012
.023
.693
.531
.602
Interpretasi hasil:
Dari output di atas dapat diketahui bahwa nilai signifikansi keempat
variabel independen lebih dari 0,05. Dengan demikian dapat disimpulkan
bahwa tidak terjadi masalah heteroskedastisitas pada model regresi.
e. UJI LINIERITAS
Langkah-langkah uji kelinieran regresi:
Sum of Squares
Mean Square
1125.151
281.288
70.429
18
3.913
1195.579
22
Residual
Total
df
F
71.891
Sig.
a
.000
Interpretasi hasil:
Dari tabel di atas dapat dilihat bahwa nilai signifikan = 0,000 <
,
artinya
terdapat
hubungan
linier
antara
variabel
X1,X2,X3,X4 dengan Y.
Diagram jalur tersebut terdiri atas dua persamaan struktural di mana X2, X3, dan
X4 disebut sebagai variabel eksogen serta Y dan X1 sebagai variabel endogen.
Dituliskan struktur persamaan model penaksir sebagai berikut:
Sub struktur persamaan 1:
Sub struktur persamaan 2:
Langkah-langkah:
Klik menu file >> import data in free format (cari data dengan nama file
UAS.sav) klik OK. Jika tidak ada, Ubah Files of type: SPSS for
Windows(*.sav). pada kotak save as ketikan nama file UAS.psf lalu klik save
sehingga muncul tampilan berikut:
Klik menu Data >> Define Variable,pilih salah satu variabel lalu klik variable
type, klik ordinal dan beri tanda check pada Apply to all lalu klik Ok
Membuat path diagram yang baru dengan cara klik menu File >> New, lalu
pilih bagian Path Diagram seperti pada gambar:
Beri nama file path diagramnya dengan cara ketik UAS.pth pada kotak File
name, sehingga akan muncul gambar berikut:
Tambahkan variabel ke dalam model dengan cara klik menu setup >>
Variables...
Klik tombol add/read variables pada kotak Observed Variables (bagian kiri)
sehingga muncul gambar:
Pada bagian Read from file diubah menjadi PRELIS System File lalu klik
Browse dan buka file UAS.psf lalu klik ok
Klik tombol next >, sehingga muncul kotak dialog, lalu Isikan jumlah
sampelnya (115) karena terdiri dari 23 responden dan 5 variabel klik OK,
Beri tanda silang variabel endogen X1 dan Y, lalu drag nama variabel
masing-masing ke kotak diagram, serta buat pola hubungan dengan Drawing
Bar seperti pada gambar berikut:
Atur output yang dikehendaki dengan cara klik Output >> LISREL output >>
Estimation... setelah muncul kotak dialog klik Next. Lalu beri tanda check
Print All lalu klik OK.
Membuat lisrel syntax dengan cara klik menu Setup >> Build LISREL
Syntax sehingga akan muncul:
Buka file UAS bertype OUT File maka diperoleh output sebagai berikut:
DATE: 1/11/2016
TIME: 14:38
E:\coba\uas.LPJ:
of
of
of
of
of
of
Input Variables 5
Y - Variables
2
X - Variables
3
ETA - Variables 2
KSI - Variables 3
Observations
23
TI
Covariance Matrix
X1
Y
X2
X3
X4
X1
381733.83
4312.82
6399.09
20830.14
31368.04
X2
X3
X4
54.34
68.84
236.81
354.97
123.64
379.89
531.55
1240.51
1706.05
2651.93
Y
39.68
X2
48.00
X3
90.40
X4
124.44
Means
X1
1035.07
TI
Parameter Specifications
BETA
X1
Y
X1
0
1
Y
0
0
GAMMA
X1
Y
X2
2
5
X3
3
6
X4
4
7
X2
8
9
11
X3
X4
10
12
13
PHI
X2
X3
X4
PSI
X1
14
Y
15
X1
16
Y
17
ALPHA
TI
Number of Iterations =
X1
- 0.01
(0.00)
1.04
Y
- - -
X2
-8.65
(7.35)
-1.18
X3
6.84
(2.54)
2.69
GAMMA
X1
X4
9.16
(1.14)
8.06
-0.60
(0.16)
-3.77
0.20
(0.06)
3.12
0.07
(0.05)
1.37
X2
X3
X4
54.34
68.84
236.81
354.97
123.64
379.89
531.55
1240.51
1706.05
2651.93
X3
X4
1240.51
(402.48)
3.08
1706.05
(571.26)
2.99
2651.93
(860.40)
3.08
X1
Y
X2
X3
X4
Y
39.68
PHI
X2
123.64
(40.12)
3.08
379.89
(125.17)
3.03
531.55
(179.24)
2.97
X2
X3
X4
PSI
Note: This matrix is diagonal.
X1
7216.30
(2341.28)
3.08
Y
3.20
(1.04)
3.08
Y
0.94
Y
0.94
Reduced Form
X2
-8.65
(7.35)
-1.18
-0.65
(0.16)
-4.07
X1
Y
X3
6.84
(2.54)
2.69
0.23
(0.06)
4.20
X4
9.16
(1.14)
8.06
0.12
(0.02)
4.68
ALPHA
X1
-308.19
(158.60)
-1.94
Y
37.11
(3.66)
10.15
Time used:
0.031 Seconds
Interpretasi hasil:
Diperoleh informasi The Model is Saturated, the Fit is Perfect ! pada
Goodness of Fit Statistics, artinya model tersebut adalah model terbaik.
Kesimpulan kesimpulan:
Diperoleh persamaan strukturalnya:
Sub struktur persamaan 1: X1 = -8,65 X2 + 6,84 X3 + 9,16 X4
Sub struktur persamaan 2: Y = -0,60 X2 + 0,20 X3 + 0,07 X4 + 0,01 X1
Dari diagram di atas dapat dicari Penghitungan Pengaruh