Tugas Ekonometrika Terapan 1

Nama : J. Suci Widhi Kuscahyati S.

NPM : 1406587544
Kelas : 31 B Sore

Data yang digunakan adalah data Pendapatan Domestik Bruto/PDB (Gross Domestic Bruto/GDP),
Pembentukan Modal Bruto (Gross Capital Formation/GCF) dan jumlah tenaga kerja (Total Labor
Force). Data diambil dari World Bank Development Indicators. Analisis yang digunakan adalah
Regresi Ordinary Least Square (OLS) untuk melihat apakah pembentukan modal bruto dan jumlah
tenaga kerja mempengaruhi PDB.

Hasil estimasi model :

Dependent Variable: LOG(GDP)

Method: Least Squares
Date: 10/20/14 Time: 22:19
Sample: 1990 2012
Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob.

C -12.61974 0.651761 -19.36254 0.0000

LOG(GCF) 0.371124 0.021240 17.47292 0.0000
LOG(LBF) 1.610267 0.036964 43.56253 0.0000

R-squared 0.994434 Mean dependent var 26.25794

Adjusted R-squared 0.993877 S.D. dependent var 0.285584
S.E. of regression 0.022346 Akaike info criterion -4.643195
Sum squared resid 0.009987 Schwarz criterion -4.495087
Log likelihood 56.39674 Hannan-Quinn criter. -4.605946
F-statistic 1786.576 Durbin-Watson stat 0.990980
Prob(F-statistic) 0.000000

Pengujian asumsi klasik :

1. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah variabel dependen dan variabel independen
mempunyai distribusi normal atau tidak. Hasil pengujian kenormalan data :
7
Series: RESID
6
Sample 1990 2012
Observations 23
5
Mean 4.48e-15
Median 0.003189
4 Maximum 0.028460
Minimum -0.039730
3 Std. Dev. 0.021306
Skewness -0.328148
2 Kurtosis 1.859256

1 Jarque-Bera 1.659853
Probability 0.436081
0
-0.04 -0.03 -0.02 -0.01 0.00 0.01 0.02 0.03

Berdasarkan nilai Probability > ( = 0,05) maka dapat disimpulkan bahwa data berdistribusi
normal.
2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah terdapat terdapat korelasi antar
variabel bebas. Multikolinearitas terjadi apabila nilai korelasi antar variabel bebas 0,7.
Hasil uji multikolinearitas :

LOG(GCF) LOG(LBF)

LOG(GCF) 1.000000 0.441833

LOG(LBF) 0.441833 1.000000

Berdasarkan hasil uji multikolinearitas, tidak terdapat korelasi antara Gross Capital
Formation (GCF) dan Total Labor Force (LBF), dapat disimpulkan bahwa tidak terdapat
multikolinearitas.

3. Uji Heterokedastisitas
Heterokedastisitas adalah keadaan dimana residual tidak memiliki varian yang sama. Adanya
heterokedastisitas mengakibatkan varian dan koefisien-koefisien OLS tidak lagi minimum dan
penaksir-penaksir OLS menjadi tidak efisien meskipun penaksir OLS tetap tidak bias dan
konsisten. Hasil uji heterokedastisitas :

Heteroskedasticity Test: White

F-statistic 0.098142 Prob. F(2,20) 0.9070

Obs*R-squared 0.223534 Prob. Chi-Square(2) 0.8943
Scaled explained SS 0.072617 Prob. Chi-Square(2) 0.9643

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 10/20/14 Time: 22:40
Sample: 1990 2012
Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob.

C -0.001481 0.006265 -0.236348 0.8156

LOG(GCF)^2 -1.58E-06 8.18E-06 -0.193445 0.8486
LOG(LBF)^2 8.58E-06 1.94E-05 0.443025 0.6625

R-squared 0.009719 Mean dependent var 0.000434

Adjusted R-squared -0.089309 S.D. dependent var 0.000412
S.E. of regression 0.000430 Akaike info criterion -12.54659
Sum squared resid 3.69E-06 Schwarz criterion -12.39848
Log likelihood 147.2858 Hannan-Quinn criter. -12.50934
F-statistic 0.098142 Durbin-Watson stat 2.423101
Prob(F-statistic) 0.906954

Berdasarkan nilai probability masing-masing variabel independen diperoleh nilai nilai

Probability > ( = 0,05), dapat disimpulkan bahwa tidak ada gejala heterokedastisitas.

4. Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah ada korelasi antar residual observasi. Dapat
dilihat dari nilai Durbin-Watson pada hasil estimasi sebesar 0,99. Jumlah observasi = 23,
jumlah variabel = 3, sehingga diperoleh nilai dL = 1,16815 dan nilai dU = 1,54346. Karena 0 <
dstat < dL maka dapat disimpulkan terdapat gejala autokorelasi.
Perumusan Model Persamaan Linear :

Berdasarkan hasil estimasi diperoleh model regresi sebagai berikut :

Log(GDP) = -12,61974 + 0,37112 Log(GCF) + 1,61027 log(LBF)

Dari hasil diketahui nilai R2 = 0,9944, hal ini berarti 99,44% GDP dapat dijelaskan oleh
pembentukan modal bruto (GCF) dan tenaga kerja (LBF).

Pengujian t-statistik :

1. Untuk variabel Log(GCF) pada model regresi diketahui prob t-statistik < = 0,05 yang berarti
pembentukan modal bruto (GCF) berpengaruh signifikan terhadap GDP.
Diketahui t-statistik = 17,47292
dengan df = 20 nilai t-tabel = 1,72472
Karena nilai t-statistik > t-tabel maka dapat disimpulkan pembentukan modal bruto (GCF)
berpengaruh signifikan terhadap GDP.
2. Untuk variabel Log(LBF) pada model regresi diketahui prob t-statistik < = 0,05 yang berarti
tenaga kerja (LBF) berpengaruh signifikan terhadap GDP.
Diketahui t-statistik = 43,56253
dengan df = 20 nilai t-tabel = 1,72472
Karena nilai t-statistik > t-tabel maka dapat disimpulkan tenaga kerja (LBF) berpengaruh
signifikan terhadap GDP.

Pengujian F-statistik :

Uji F-statistik digunakan untuk mengetahui apakah variabel independen secara bersama-sama
atau simultan mempengaruhi variabel dependen.
Hipotesis :
H0 : 0=1=2=0
H1 : minimal ada satu i 0
Diketahui :
F-statistik = 1786,576
df1 = 2; df2 = 20; = 0,05
F-tabel = 3,49
Karena F-statistik > F-tabel maka dapat disimpulkan pembentukan modal bruto (GCF) dan tenaga
kerja (LBF) secara simultan dapat menjelaskan GDP.

Interpretasi hasil regresi :

Log(GDP) = -12,61974 + 0,37112 Log(GCF) + 1,61027 log(LBF)

1. Jika pembentukan modal bruto (GCF) tumbuh 1 persen, maka menyebabkan perubahan GDP
sebesar 0,37 persen dengan asumsi variabel lain dianggap konstan.
2. Jika jumlah tenaga kerja (LBF) tumbuh 1 persen, maka menyebabkan perubahan GDP
sebesar 1,61 persen dengan asumsi variabel lain dianggap konstan.