Modul Eviews 1 PDF
Modul Eviews 1 PDF
Oleh ;
Tim Penyusun
A. Memulai EViews
Langkah-langkah menjalankan program EViews adalah sebagai berikut :
1. Sama seperti halnya memulai software berbasis windows , pilih Start Menu Menu
EViews. Kemudian Pilih EViews 6.
Atau klik dua kali icon EViews 6 yang ada di desktop komputer.
2. Sehingga akan tampak tampilan EViews seperti gambar di bawah ini
Gambar 1.4 : Contoh data Excel yang akan diimpor ke Program EViews
2. Pada pilihan Start date, isikan dengan angka 1990 dan pada End Date, isikan angka 2005 (
sesuai dengan data yang ada pada tabel di atas). Isian yang lain, seperti WF dan Page, kita
kosongi dahulu karena belum akan kita gunakan.
3. Pilih OK. Untuk menuju tampilan di bawah ini
Sekarang Anda sudah membuat sebuah Workfile untuk mengerjakan berbagai analisis. Langkah
selanjutnya adalah kita akan mengimpor data dari program Ms. Excel. Sebelum mengimpor data,
tutup program Ms. Excel tempat data kita berada. Karena EViews tidak dapat membaca data yang
sedang dibuka oleh program lain.
4. Pilih menu File Import Read-Lotus-Excel
Gambar 1.7 : Menu untuk mengimpor data dari program teks atau spreadsheet
5. Pilih nama file dan jenis file yang akan diimpor. Dalam kasus ini, kita pilih jenis Excel (*.xls).
kemudian pilih nama file yang akan diinput. Diakhiri dengan mengklik OK
Tentukan
Jenis
Filenya
Gambar 1.7 : Menu untuk mengimpor data dari program teks atau spreadsheet
6. Pada tampilan windows berikutnya, kita diminta untuk menentukan posisi awal (Upper Left Data
Cell). Pada table yang kita buat. Upper Left Data Cell berada di cell B2 (data pertama variable
Y). Pada isian di bawahnya, isikan bentuk model yang akan kita analisis yaitu Y X1 X2 X3.
Berarti nantinya kita akan mempunya 4 variabel, yaitu variable y, x1,x2,x3
(Edit +/-) yang ada di sudut kanan atas. Kemudian editlah data yang diinginkan. Apabila
A. Regresi Sederhana
Salah satu kegunaan program EViews adalah menghitung persamaan regresi. Pada kasus ini kita
akan menghitung persamaan regresi untuk factor-faktor yang mempengaruhi penjualan bunga mawar
yang digambarkan oleh model
Yt a0 + a1 X1 + a2 X2 +at ut
least square dan sampel akan secara otomatis mengikuti dari data yang kita tampilkan di
workfile.
6. Klik View | Pilih Representation | sehingga diperoleh fungsi persamaan sebagai berikut :
Tabel 2.1 : Tampilan Persamaan regersi dalam bentuk tabel setelah diekspor ke Ms. Word
Persamaan Regresinya
Y = 13354.6016273 - 3628.18590451*X1 + 2633.75481796*X2 - 19.2539446358*X3
b) Uji t- Statistik
Uji t-statistik digunakan untuk menguji pengaruh variabel-variabel bebas terhadap variabel
tak bebas secara parsial. Uji t-statistik biasanya berupa pengujian hipotesa :
Ho = Variabel bebas tidak mempengaruhi variabel tak bebas
H1 = Variabel bebas mempengaruhi variabel tak bebas
Dengan menguji dua arah dalam tingkat signifikansi = dan df = n k ( n = jumlah observasi, k
= jumlah parameter ) maka hasil pengujian akan menunjukan :
Dari hasil uji F-statistik didapat bahwa nilai F-statistik signifikan pada =
0.000316 (0,3%) hal ini mengindikasikan bahwa secara keseluruhan, semua variabel
independen mampu menjelaskan variabel dependennya yaitu penjualan bunga ros.
karena 2,33 berada di daerah tidak ada autokorelasi maka bisa disimpulkan bahwa model tidak
mengandung masalah autokorelasi.
b) Heterokesdasitisitas
Heteroskedastisitas sering terjadi pada model yang menggunakan data cross section, karena
data tersebut menghimpun data yang mewakili berbagai ukuran (Sritua, 1993). Konsekuensi
logis dari adanya heteroskedastisitas ialah bahwa penaksir tetap tak bias dan konsisten tetapi
penaksir tadi tidak lagi efisien baik dalam sampel kecil maupun sampel besar.
Terdapat beberapa metode untuk mengidentifikasi adanya heteroskedastisitas, antara lain: metode
grafik, metode Park, metode rank Spearman, metode Lagrangian Multiflier (LM test) dan white
heteroscedasticity test.
Uji Heteroskedastisitas dengan metode Whites General Heterocedasticity
Metode pengujian dengan metode White ini tidak menggunakan asumsi normalitas
sehingga sangat mudah untuk diimplementasikan dan sangat cocok dengan model logit
yang berdistribusi Logistic (Gujarati,2003).
Uji hipotesis :
Ho : Tidak ada heteroskedastisitas
H1 : Ada heteroskedastisitas
Pengujian :
Jika p-value < =5% maka Ho ditolak
Karena p-value= 0,86 > =5% maka Ho tidak ditolak, sehingga bisa disimpulkan bahwa
tidak ada heteroskedastisitas di dalam model.
Y = a0 + a1 X1 + a2 X2 + a3 X3 ................................................................ (R1)
X1 = b0 + b1 X2 + b2 X3 ........................................................................ (R2)
X2 = b0 + b1 X1 + b2 X3 ........................................................................ (R3)
X3 = b0 + b1 X2 + b2 X1 ........................................................................ (R4)
Untuk Persamaan (1) nilai R2 adalah sebesar 0,77 selanjutnya kita sebut R1
Untuk Persamaan (1) nilai R2 adalah sebesar 0,34 selanjutnya kita sebut R2
Untuk Persamaan (1) nilai R2 adalah sebesar 0,28 selanjutnya kita sebut R3
Untuk Persamaan (1) nilai R2 adalah sebesar 0,16 selanjutnya kita sebut R4
Ketentuan :
Bila nilai R1 > R2, R3, R4 maka model tidak diketemukan adanya multikolinearitas.
Bila nilai R1 < R2, R3, R4 maka model diketemukan adanya multikolinearitas.
Analisis Hasil Output, menunjukkan bahwa nilai R1 > R2, R3, R4 maka dalam model tidak
diketemukan adanya multikolinearitas.
d) Uji Normalitas
Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi
normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Pendugaan
persamaan dengan menggunakan metode OLS harus memenuhi sifat kenormalan,
karena jika tidak normal dapat menyebabkan varians infinitif (ragam tidak hingga atau ragam
Pada tampilan output EViews, pilih View Residual Tests dan Histogram Normality Test.
Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai
Jarque Bera (JB) dengan X2 tabel, yaitu :
Analisis Hasil Output, bahwa nilai JB sebesar 1,4529. Karena 1,4529 < 7, 82 maka dapat
disimpulkan bahwa residual berdistribusi normal.
Selain itu bisa diketahui juga dari tingkatprobability sebesar 0,483 (p > 5 %) maka dapat
disimpulkan bahwa residual berdistribusi normal.
Enders, W. 1995. Applied Econometric Time Series. John Wiley & Sons, Inc.New York.
Koutsoyiannis, A. 1978. Theory of Econometrics. Second Edition. Harper & Row Publishers, Inc.
USA.
Khoirunnurrofiq. 2003. Modul Pengenalan Singkat EViews Version 3.1. Laborotium Komputer
Fakultas Ekonomi, Universitas Indonesia, Jakarta.
Winarno, Wahyu Wing. 2009. Analisis Ekonometrika dan Statistika dengan EViews. UPP STIM YKPN.
Yogyakarta