,,1 P I- [ K-/tS I E-III E l'l/S

I.1 Data
r\cia tiga jcnis ciaia )'anq tci':icciia utttui't a:-,lliisis cnr;ririK, yait'.t !inte sertc,\, ci'oi's-
sectiott' 0""."?,::;:rn:'l:,r,
cratoacirrarr riirai disusun nrenumt urut;r. u,aktu
'ariaber ),ang
seperti clata ltariarr, tulrtqquan, bulanatr, triirtrlanan nraupun tahunair.
. . Cro.ss-.scction dalci arlalalt nilai variabel yang dikumpulkan pada rvakttr
),anLI sanla clari llclrcraltzr claerah, perusahaan atau perorangan.
. Poole ci (paiel) cluta adalah gabungan tinrc serics dan cross-section data.
Contohnya data lieunturrqan setiap l-"'ank setiap tahtin selama periode 1989-
'.'i2000. tujuan perlqquirazrn data ini umumnya untuk mernperbanyak
,!
' 'observasi guna mernenuhi kel.,erluan jumlah obserrrasi niinirnum.

Data variabel ekonorni daprat jug. dibedakan nrenjadi s/ocit danlTovv variable.
Stock variable menunjukkan :osisi pada satu titik r,vaktu tertentu, contohnya
harga, uang beredar, capital .stocl:, jumlah produksi perusahaan.
flov, variable rnenunjukka:t pc;ubahan yang terjadi selama selang waktu lertentu,
contohnya investasi yang :trerupakan penrbahan capital stock.

Data dapat dikc:lonrpokkan "ic.njadi data kualitatif dan kr.rantitatif.

. Data kualitatif adalah riata yang ticlak diiiyatakan di'laur bentuk angka seperti
jenis kelarnin, data lllenggfBl_pglas4lrl seseorang. Data ktraiitatif dibagi
rnenjadi 2 1,aitu data ,'{rn! be_rsifat__11_a1.11rtlrrt1[ seperti jenis kelamin (laki-laki,
pererlrpuan) dari data var)L- Lfgip_ifA.t.qfd-ilaL ftangkinp seperti baik, sedang dan
buruk.
. f)ata kuantitatif adal:rh ri-t: '. tlalaur bentuk angka seperti ;:endapatan, unlur,
gaji. Dattr kuantitatil cibcoakart rnenjadi 2 yattu data iqtglvttl*dan ffrsio.-
Contoii Caia inter-u'al riia,ah r.1ata pcngliasilan seseorar',q terletak antara I iuta -
2 juta rupiah. Seclirtrsl:a:: i!rta rasio merupakan data yang menriliki nol
mutlak, se1-rt:rti tltltLlr, plnj il' i.),, PDB.

I.2 Pet'masalah:rn delant Dat:r

a, Missirtg Dutu \
Missing datu atatr data irilarrg merupakan l'enomena yang sering nttrrrcui clzrlanr
penelitian data sckuncler'. Sarllh satu cara nrengatasi tr:eatment data aclalah sebagai
berikut:
. Drop data tersebut. artinl'a nrerntruans data yang lrilang ter.sebut, ini nrcrupakan
cara yang paling urudah
o Estimasi duta Iiilang cicnqrur ntenggunakan rata-rata dari keseluruhan clata dari
variabel tcrsebrrt, n'rcnrbtnt tren (regresei tcrliadap ',vaktu) data jil<a clatil bersifat
linre-se rics', nrcnggunakarr rli ta nrodus jika data bersifat t'andorn.

l)1or,i blnrtorto, S.Sr , t\'',i'

 r!:,}'.- Aplikasi E-Vic:.os

b. Outlier
outlier atau data yang nilainya jauh berbeda atau menyimpang dari nilai-nilai lain
yang umum (outlier). Cara mengatasi outlier adalah sebagai berikut:
. Cek ulang data aslinya, kemungkinan kesalahan lerjadi pada €ntry,
. iika <iata uutiier,3ianggap akan me.ngacaukan hasil maka sebaik'nya data terscbut
di hilangkan.
. Jika data outlier tersebut ada kemungkinan berulang maka data tersebut
sebaiknya tidak dihilangkan.

c. Satuan Data
Dmm berbagai penelitian sering kali ditemukan data yang berbeda satuan. Ada
data yang memiliki satuan nilai uang, derajai celcius, centimeter atau kilogram. Untuk
memudahkdn'irlt utisa hasil regresi sebaiknya satuan data disamakan {glgaL m-enqub{h
'i'yaitu
a
bentuk data dalam bentuk logaritma, logaritma natural atau membagi.data-tersebut
d_e g&_q-S leq{a.1-{gyrglqesg q- m asi nq .

d. Konversi Data
Data-data seperli jenis kelarnin, jenis pekerjaan, jenjang pendidikan merupakan
data-data yang bersifat kualitatif sehingga tidak dapat digunakan untuk regresi maka
perlu adanya transformasi data kualitatif nienjadi kuantitatif , hal ini biasa disebut dengan
dumnty varible. Misalnya jenis l-"lautin laki-laki di beri angka i dan perenlpuan di beri
angka 0, sehingga variabel 1,ang tadinya bcrsifat kualitatif ben bah menjadi kuantitrtif.

c. Data Nominal atau riil

Data-data yang digunakan dalam penelitian harus memiliki sifat yang sama, jika
penelitian menggunakan data riil nraka seluruh data yang berbentuk nominal harus di
deflate dengan Indek harga. Indeks harga yang digunakan dapat bertrpa II{K, GDP
Deflator atau indek harga lainnya.
;

II.l Cara Mcmasukkan D:rta (D.A'|A ENTRY) dalam E-Viovs.

. Sebelunr data diolah menggunakan berbagai software statistik maupun
ekonometrik seperti SPSS, TSP, EViews, Shazam maka langkah pertaura yang periu
dilakukan adalah nlen'lasukkan data kedalam komputer, agar clata clapat diolah lebih
lanjut. Pada buku ini penulis merrggunakan software Eviews 3.I (tidak ada perbedaan
yang cukup mencolok antarer E-I/ievvs 3.0, 3.1, 4.0) untuk pemrosesan data. Pada
un-rumnya semua sofhvare diatas nremiliki kemampuan yang relatif sama. E,Views. TSP
dan Shazam nrerniliki keunggulan dalam analisa regresi dan tinte-series, sedangkan SPSS
rrrenriliki keunggulan dalaru aualisa ntultivariate. fSP darr S/lazam merupakan progranr
yang menggunakan bahasa lta,sic sedangkan EViews dan .SP.SS merupakan soffware yang
user friendly sehingga lebih urudali digunakan.
Semua data sebaikny'a dinrasukkan atau diketik dalam microsoft excel. I-lal irri
dirnasudkan untuk menrperrnr:dah pekerjaan, karena data ini dapat dipindah-pindah atau
digunakan dalarrt softtvare- .so.fit,arc yarlg lain. Setelah sen'lua data dimasukkarr larrgkah-
larrgkah yang dilakukarr urrtrrk nrenrindahkarr data ke-.soy'rlare lain adalah:

DjoriHartotro,5 :,Ml-
 --ri
-).:

I eKan progrant E y iew.s maka akan

muncui tampiian sebagai berikur
:

2. Te\an File , New, Iru!, akan keluar tam ilan seba

^1.ka i berikut:

)'siini.annu-al
)'.Qrie,terD
:)_1$tryr

Start date '

a
a
o Montly untuk data bulanan.
t lVeekly untuk data mingguan.
o Daily (5 day weel<s) un1* data
mingguan (5 har-i kerja). co,toh:
adalah data saham, dimana data ini
bursa u.r"ru'ngrung dari hari
senin_Jum,at.
?:;':r{"flu'eetrs)
untuk data .inggri
(7 hari). contoh: data penjuaran
undated or lrreguler untuk data
' satu dan End date tulis banyaknyu
cro.ts secti.on,pada start datetulis
angka
3' Tekan Qui9k, EnrpQ,t Group (Edit oUr"*uri.
nama variabelnya' Setelah iiu
siriesj dilanju,tun copydata dari excel
iekan kolom disampingtunun beserta
mouse sebelah kanan dan paste' obs pacra EViews, tekan
contoh: data n.,ukio.konomi dari
maka tampilarrnl,n adalah sebagai tahun rg70-rggg
berikut:
 'J1|.

#o'tiS,' C.
il970
1,.:+...=l".
ii3. rrVElF
l(l7,
2693.000 d55 rrrn 293.00m
\ -Iiz' il,,aid:

47q rrrn
.Ft lra:!Jh';r{.
1} r. ,,.iI iiM :lr$l
2833.000 sUU.COM 529.0t=
341.00m Ean rwu-

im
i,H!9.72":
.-
li*ts74,
3.{02.000
CIY I .UUU
7259.]aa
_ 857.m0-
1208 rnn
414.0000-
715.m
-r..ltt.tL.(JLl
-.----
754.0m
rJ54.t0o
611.ot+J
862.0t.ii;l
.l a)
1/9/.W 841.0mo
rJ tO
-.i,;

is@ rruffi-J--i*:*X
j*1s76 .
u/45 Ifi'ilI ?(71 rYrrl
1254.m-
1105.0m
2851.m-
2BT
)77A

,., u n' il I lxl

H,l. [1], :T,' H,,, f,,#i fl; li.r;:,:ffi , i ; :.,fi
, ro s e s i n i s e m u., ;
IT.2
tnt digunakan membuat
data baru dari data yang
Md nrenjadi Logaritma Naturar terah ada,
Md, priJrri ya ad,ararr sebagai

ltioni lltrtono, S.Si., .\f E

7
 .-*?s,'-tt?-
ti-i.,
.
.

Tulisan narna variabel baru

dan fungsi dari variabel
Entl Equatioa. Dikorak diata, ,.nrii. bam tersebut da,a= 1;;:"r
I nrnd :l o-g(m d)
variabel baru yang bernama artinya kjta n:emu: : :-i:-_
Innrd y;; merupakan
dari md. fungsi dari logaritma na:u_.
a Kotak sanrplc' ntenunjtrkkan
data sample yang mau diubah
a Teka-n OK kedalam bent,k lnr,ci.
,) klo,-' hn Lt*)
II.3 Cara Mclal<ul<an Rcgrcsi l)o.,.,,,,., '/
grcsi Dcngan
L^-.^ dr:, , ,
Lanokah yans
Langkah \,,h^ harus i I uk;;;
a Masukkan data pendapatan
;;;'N"ngrunakan Progra m EVIESIV 3.1
;:;K^iil:,?Xl
,P6at uenKut:
onsumsi
{ } lSetelah data nrasuk, teka .Quiii Estimatesesr uai dengan Iangkah pada
Equotiorr
Bab 2
", dalam kotak yang tersedi dan tulis persamaan regresi

a Tekan OK, maka akan diperoleh

hasil regresi sebagai berikut:
Dependent Variable: CONS
Method: Least Squares-' '-
Date: 0BtZ9tO2 iime: 10:34
Sample: 1 g4g
!nc!u&! ilservations: 949
Variable Coefficient
C
std. EIIgt t-statistic Prob.
INC
6.52527 1 23.43124 0.278486 0.7807
0.25227 9 q.00!?18 76.s6s77 0.0000
R-squared
0.862169 Mean dependent var
Adjusted R-squared 594.2469
0.862023 S.D. dependent var
S.E. of regression 1837.146
682.4118 Akaike info criterion
Sunr squared resid 15.89125
4.41E+0E Sch'.,,,a12 criterion
Log liketihood -7538 398 15.90148
Durbin-Watson stat [:-statistic
1.667408 5923.730
Prob(F-statistic)
0.000000

Djotti Harlottt,, S.Si., ME

t
 .+,-};.. Aplikasi E- ,":r- -.

Jika data ingin dinrbah dalam bentuk l-ogaritma

Natural (Ln) maka dalam menulis
iiersarnaan cii E-views yaitu Log(Cons) c Log(lnc). Dalam .-ri.*,
Log = tl-og =Ln.
contoh 1: Regresi sederltana Hubungan Antara Konsumsi
dan pendapatan.
Berdasarkan teori absolute inro^, hypothesis
dinyatakan bahwa ,.. jika
penghasilan meni,gkat maka konsumsi akan rnlningkat
namun peningkatannya tidak
sebesar peningkatan penghasilan-" mpc (marginat jropensity
antara o<ntpc</' Dari teori tersebut dapat diban-gun
to cgnsumse) terletak
,.uuun mciel regresi sederhana yang
,renghubungkan antara pendapatan dan tingkat
konsumsi.
Cons:u*b*lnc+e
Data yang digunakan adalah data cross-sectiorts pendapatan
kahupateni se-Indonesia.
da, konsumsi tingkat
I{asil output komputer dari program e-views adalah sebagai
berikut:

COrvS : 6.52522 t iq\I o.zszz7g|g3S *rNC

(0-.2784) i' Q6.966)
R2 = 0.8621 F-statistic = 59.23.73 DW : | .66.1

Hasil yang diperoleh menunjttkk::n t)tpc besarnya 0.2s arti'ya jika terjadi
kenaikan pendapatan (inc) satu satuan nraka
koniumsi akan naik sebesar 0.zssatuan.
Pengujian hipotesis, uji ini dilakukan untuk nrelihat apakah
perrdapatan (Income) benar-benar mempengaruhi secara statistik
konsumsi.
t :
H0: b 0 (pendapatan tidak mempengaruhi
konsr,rmsi)
FII: b ;r 0 (pendapatan mempengo.ulii konrunrsi;
o Jika a : Soh, maka daerah kritis untuk menolak
H0 adalah t < -to.ozs, ea7 dan t >
to.ozs;sqz ataut<- 1.96 dant> 1.96.
t t-stat : 76.97 , karena t_stat lebih besar dari nilai kritis
mal<a I{0 ditolak dan H1
diterima.
o Kesimpulan, dengan tingkat kepercayaan
95% dapat dinyatakan bahwa secara
statistik data mendukung hipotesa yang menyatakan
pendapatan mempengar*hi
konsumsi.
Untuk nrelakukan pengujian hipotesis dapat juga
digunak ankonseo p-value. Konsep ini
,
akan ditolak' Pada kasui diatas nilai
P-value: 0.000;tinya paramet er b (mpc) secara
statistik berbeda dengan nol padaringkat
sekurang-kurangnya pada tingkat 0%.
Koefisien determinasi (R') puau rnodel ini adalih
se-besa , olsezz artinya garis
regresi nlall'lpu menjelaskan atau mewakili
86.22% dari variasi data. Koefisien
determinasi ini menuniukkan kesesuaian
garis regresi terhadap data.
Pendugaan interval dari b yaitu: - ,
P_(b-to.ot5;e47.Sa S
B < b+ to.o25;el7.5 t) : I - a
P(0.252279 - 1.96*0.0032s
B s 0.2s2279 + 1.96*0.0032): g5o/o
P(0 246 < B < 0.2556): giy,
Artinya derlgan tingkat kenyaki nan 95o/o nraka
0 ?iR6
.ilai B aka. terletak arrara 0.246 < B s
0.25 86.

\iotti Hartorro,
S.Si., ME

d
 Jir,

Contoh 2 : Regresi Bany'al< Variallcl Ilcltas, Invcstasi pacla Era Otononti Daerah.
iiivustssi lnen:egang peranan penting dalam pefiumbulran ekonomi daerah. Pada
f nr ra-i

era otonomi daerah, setiap daerali rtrenriliki kewettangan yang lebih luas dalapt lncpgelola
datranl'a untuk mensgerakktrn roda pcrekonomian daerah. Peprerintalr daerafi dapat
mempengaruhi investasi didaerah melalui pengeluaran pembangunan (DE). Pacla st6di ini
akaii dilihat faktor-faktor doittinar) )'arlg nlempengaruhi inr.,estasi daerah. Inycstasi suatu
daerah dipengaruiri oicir tiiigkat pendapraian perkapita (PDRBCAP), tingkat suhu buu_ea
tahutl sebelumnya (l R_ I ), pengeluaran pembangunan pemerintah daerah ( D f1) cia;r
investasi tahun sebelunrnya (l_l ). Data ),ang digunakan adalah data kabupatcp selurulr
Indonesia. Model yang dibangun adalah sebagai berikut:
I : a + b*PDRBCAP + c*lR_l+ d*DE +l*l_l + e
{-angkdh-langkah yang harus dilakukan pada regresi banyak variabel ipi sanra deugap
' langkah pada regresi sederhana satu variabel. Hasil estirnasi dari persamaan diatas adalah
sebagai berikut:
Persamaan regf,g{i:rinvestasi adalah s :5agai berikut:
I: -15.549 + 12."1t9*PDRBCAP - 4.972*tR_t + t.g3l*DE + 0.473*t I
(-0.853) (3.47) (-3 6e4) (s.se3) (27.78)
Adjusted R2 :0.723 4 , F sta!--520.78 DII/:2.188.
. Dari hasil diatas, senlua koefisien tidak bertentangan dengan teori ekonomi,
pendapatan perkapita, pengeluaran pembangunan dan investasi tahun sebelumnya
berpengaruh positif terhadap investasi didaerah. Sedangkan tingkat suku bunga tahun
sebelumnya berpengaruh negatif terhadap investasij Secara statistik dapat dilihat semua
variabel secara parsial berpengaruh terhaclap investasi daerah (dilihat dari nilai t statistik),
dan secara keseluruhan model dapat diterima (nilai F statistik yang tinggi). Nilai
koefisien determinasi adalah 72.34o/o artinya garis regresi mampu menjelaskan variasi
data sebesar 72.34%.
Jika pendapatan perkapita naik sebesar satu juta rupiah maka investasi naik
sebesar l2.l19 miliar dan jika strku bunga tahun sebelumnya naik l% maka inyesrasi
akan turun sebesar 4.972 miliar.

lI.4
Model Persanrairn Non-Lincar tetapi Linear dalam Paramctcr
Contoh 3: Persamaan bukan linear yang dilinearkan: Fungsi Produksi Cobb
Douglass,
Model-model yang dibahas diarval merupakan model lang lineai dalanrlaranreter
tan variabel. Dalam literatur ekotrouri banyak sekali rnodel-model yang bentuknya'biikan
[inear dalam variab.elltetapi linear dalam parameter. Contohnya : fungsi produksI Cobb
Douglas, persantaan polinomial, dll. Pada contoh ini akan dibahas fungsi produksi Cobb
Douglas. Studi ini bertujuan untr-lk mengetahui faktor yang palipg dominan
@embentukan PDI{B kabupaten di Indone
datacro.'.ssectionskabtrpaten99.fungsiproduksitersebut
adalah sebagai berikut:

PDRI] =.cK'l-t'a
-
 .ja,:=;..

Pembentukan PDRB (Produk Domestik Regional Bruto) ditentukan oleh kapital (K) dan
jumlah tenaga kerja (L) Persanraan diatas bukan persarnaan linear tetapi persarnaan
diatas dapat dilinearkan dengan menggunakan logaritma natural, hasilnya adalah sebagai
berikut:

LnPDRB : Ln c * a*LnK + b*LnL+ c

LnPDRB : C + a*LnK + b+LnL+ e
DimanaLna:C
Persamaan diatas dapat diestimasi dengan menggunakan metode OLS dan hasilnya
adalah sebagai berikut:

LnPQRB- 0.5937 + 0.4572*LnK + 0.54839*LnL

t-stat (2.96) (1 1.53) (12.90)
P-Value (0.003) (0.000) (0.000)
Adi R2 : 0.762,;.,, F stat : 521.27 DW : t.886
Secard'trji parsial dengan a _ 1% terlihat semua variabel signifikan berbeda
tUji
dengan nol. r..rru keselurultan menunjukkan model yang dibangun dapat diterirna,
sedangkan koefisien deterrninasi besarnya 0.7 62 aninya garii regresi mampu
menjelaskan 76.2% variasi'data. Nilai ini termasuk tinggi untuk ukuran data cros sectior.
Hasil regresi menunj ukkan tenaga kerja (L) merupakan faktor yang paling
dominan dalam pernbentukan PDRB kabupaten-kabupaten di Indonesia. Hal i.i
ditunjukkan elatisitas output terhadzrn L (0.548) lebih tinggi dibandingkan elastisitas
output terhadap K (0.457).
Untuk menguji apakah suatu fungsi produksi mengikuti pola Constan Return to
Scale (CRTS) atau Deueasing Return to Scale @RI$ atiu Inci-easing Return to Scale
(IRTS) maka perlu dilakukan uji W'ald Test. Uji Wald untuk fungsi produksi diatas
menunjuklian bahwa fungsi produksi mengikuti pola CRTS.

Wald Test:

Null Hvpothesis: C(2):C(3)=t

F-statistic 0.032262 Probability 0.857566
Chi-square 0.032262 Probability 0.857453

Langkah-langkah nrenguj i CRIS:

l. :
H0 C(2)+C(3):1 GRIS)
*
Hl = C(2)+C(3) | (bukan CR7:}.
2. a :5o/o maka daerah kritis r,rntul< menolak H0 adalah Probabitity (p- value)
dari F-statistic atau Chi-square d. {
3. Karena Probability (P-Valt:e) Iebih dari a, rnaka terima H0 yaitu C(2)+C(3):1 .
4. Kesimpulan, dengan tingkat lceyakinan 95% clapat dinyatakan bairwa fungsi
produksi mengikuti pola Con.stan Return to Scale GRI$.

Djoni Hortorto, .' ;i., Mt--

€
 Aplikasi E- !'r-r's
'".";\*..

UJI WALD (14/ald TesQ

Langkah ,ang harus,jilaki:kan adalah sebagai berikut:
I setelah melakukan estimasi persarnaan cobb Douglas maka tekan View,
coeficient Test, ll/atd-coeficient Restrictiotrs maka akan muncul tampilan
sebagai berikut:

i F-t p,*;l oupatl i,p,ni]

; OepenOenl Variable: LtH
i tvtethoo: [.east Squares,i,ieii
i Date: 09/01/O2 Time:
i61ryple 1 3%
|'lnbluded observations:
Variable

c
LNI<
LNL

im
Tulis C(2)+C(3)-l pada bagian seperti diatas untuk menguji Cftr,S
setelah iru
tekan oK maka akan nruncul tampilan sebagai berikut:

Wald Test:
Equation: EQO1
Null Hypothesis: C(2)+C(3)=1
F-statistic 0.032262 Probability c.8s7566
Chi-square 0.a32262 Probability 0.857453

IL S Pelanggaran Asunrsi OLS

Contoh 4: Pelarlggaran Asunrsi OLS dan Cara mengatasi pelanggaran
asumsi OLS.
Dalam melakukan estitttasi persamaan linear d-engan menggunakan
metode OLS
maka asumsi-asunrsi dari OLS hanrs clipenuhi, jika asrirsi
tidaliierpenuhi nraka ticlak
menghasilkan nilai parartreter )'ang BLUE (Bist Linear [Jnbiased'
Ertr*ator). pada
contoh ini akan dilakukan berbagai pengujian tentang nr trlricolinearity,
serial correlatiotts
dan heterocedasti.sity dan treotntutt yang harus dilakukan.
Model yang cliba.gurr adalaS
nrodel permintaan uang di Indoncsia dimana jumlah uang yang
diminta (Md) dipengaruhi
oleh tingkat pendapatan (GDP) dan tingkat tuku bunga
data kuartalan dari tahu' 1989 sarnpai dengan 2002.
ilil. outa yang digunokarn adala6

Md : u + h*gdl, +- c*lr 4- e

Djoni Hartor: Si., l\4E

g
 D
Y;ti..-

a. Uji multicolinearity
Sebeium meiakukan estimasi persamaan
sebaiicrya teriebih dahuiu diiakukan
apakah antar variabel bebas nrengandung uji
ntulticoliieariry. urrruKmelihat adanya
ntulticolinearity dengan nrelihat correlations t4t
't)/' untuk
matrix. .

MD IR GDP
..---_
ttn
MD 1.00000 0.23086 0.98301
IR 0.23086 1.00000 0.17749
GDP 0.98301 0.1771,9 1.00000

5:::f1 ^;::;"^u;',?:,:]."0:T: 1':ll 1"Ji'i, ?nta:a

G?f dan rr jika korerasinl,a
'
^*iil','r''o?li'llTJ'lu
ada multicolinearity.
mttl linnl i>to,t-it,,

b. Uji Ailtoagrrelotiotts
setelatir tilakuka,] ,,j i ,tulticolinearip
maka akan dilakukan estinrasi terhadap
model permiritaan uang di Indopesia. I1asil
estimasi model permintaan uang di
adalah sebagai berikut : Indonesia
Md : -147J70.9 + j.Oll7*grtp ,r 4t5.l2g*lr

R2: J;l; '133 o":1l,',JJ,, n ,ll;',i")r, r, DW : 0.595

'
Hasil regresi tttenuttjtrkka, bahrva pendapatan
nasional (GDp) berpengaruh secara
positif terhadap permirttaun ,ong di Indonesia,
hal ini sesuai dengan kriteria ekonomi.
sedangkan suku bunga berpengaruh positif
terhaJuf p.rrintaan uang di Indonesia
ini tidak sesuai de,ga, teori yang ada.
hal
menjelaskan permintaan uang di .31onoi"i S..u.u keseluruian moder dapat
Indonesia aitrnlukkan nilai F-stat yang
dalam model ini mengindik'asikan uaunya besar. Tetapi
seria-l correlations sehingga hasil
diatas tidak dapat diperial'a. Untuk nrendeteksi ,tuiiilir
adanya sul,rinl correlatiZ)rindikator yan_q
digunakan adaiatr o\t' ji[a Dw >2 atau
Dw < z mata ada indikasi serial correlations.
Angka Dw = 0'595 tl1enunjukkan bahwa
terjadi positi,f serial corelations. Selain
dapat juga dilakuka, pengujian dengan itu
menggunakin pengujia n Breusch-Godfrey
correlation LM Test. Haiil-output komputer serictl
menunjukkan sebagai berikut:

F-statistic 8.434212 erobability :

obs'R-squared_ zB.3so22 prr[;Iiiiii
0.000004

1. H0 : tidak ad,a scricl correli.ttions.

H1 : ada serial correlations,.
2. a :5Yo, tolak i-r0 jika obsrR-squavs)
x2,t1=t aiau probari!iry (p_r,rue)< cl.
3. Karena P-l/ctluc : 0.0000g/ < 0.05 nraka
torak Il0
4. Kesimpulan, derlgan tingkat
keyal:i nan95o/o nraka ada set-ial correlaiiott.

Djoni t-{nr: .r,

S.Si., rVIF_

tq
 Apliknsi E-Viaws

c. Uji Heterocedosticity
Selain melakukan pengujian terhadap serial correlation harus dilakukan jrgo
pengujian terhadap heterocedasticity. Untuk mendeteksi heterocedastisitas maka tangtatr
yang harus dilakukan dengan uji White Heterocedasticity Test. Hasil outpur komfuter
menunj ukkan sebagai berikut:

Wnite Heterorf"Or _
F-statistic 0.499735 Probability 0.774845
Ob.'R-.qrrr"O _

.Lakutgn
o
pengujian dengan prosedur sebagai berikut:
1. H0 : tidak ada heterocedastisitas (homocedastis).
Hl : ada heterocedastisitas. ,/
2. a - 57,'qitplak H0 jika obs*R-square> Z'ur=z drEU probalility (p-value)< d.
3. Karenp'P-l/alue : 0.7498 > 0.05 maka terima H0.
4. Kesimpuian, dengan tingkat keyakinang5o/o maka ada heterocedastisitas.
Heterocedastisitas j4rang terjadi pada data-data times series tetapi sering terjadi
pada data cross section.r.

b. Cara Penanggulangan Pelanggaran Asumsi

Hasil pengujian terhadap asumsi OLS menunjukkan persamaan permintaan Lrang
di Indonesia mengandung serial correlation sehingga perlu dilakukan treatment terhadap
pelanggaran tersebut, sehingga akan rnenghasilkan estimator yang BLUE. Cara mengatasi
pelanggaran serial cot'relation dapat dilakukan adalah:
i menambahkan variabel AR (l) (Auto Regressive).
Md: 227912.4 + 0.98j996*gdp - 323.669*tr + 0.9732 AR (t)
R2:0.e887 ll':o.r!"tt?-stat:,0[i
's47)
Dw
yii#'r
^51
Penambahatr variabel AR(l ) mampu meningkatkan DW dari 0.595g menjadi
2.0778. Sedangkan nilai t-statistik dari variabel gdp dan Ir nrengalami penurlrnan, tanda
koefisiennya bersesuaian dengan teori ekonomi yaitu pen.-lapatan- nasional (gdp)
berpengaruh positif terhadap permintaan uang dan suku bunga (li; ber-pengaruh n.guiif
terhadap permintaan uang. Semakin tinggi tingkat suku bunga maka senrakin sedikit
permintaan akan uallg karena mereka lebih memilih menyimpun uunguya dalan: beltuk
deposito. Nilai t-statistik untuk variabel AR menunjukkan nilai yung cukup besar,
sehingga koefisien dari AR ttrenrang berbeda dari 0. Untuk lebih *.*p.ikuat plngujian
maka dilakukan trji Rreusch-Godf'ey'scrial Correlcrtion LM Test, maka hasil,r!a sebagai
berikut:
Breusch-Godfrev S
F-statistic 1.001220 probabitity a.42}srg
lL-gft'o
Hasil uji ini tttctittltjtrkkan bahrva clalanr p".sunroon perrliltaap Lralls tidak lagi
I

rnengandung .sc/'iol correlaliort.s l)cnattrbaltan AR (l) manlpu nrengSilapq,kan korelasi

serial' Nilai Inverted AR roots aclalali kurang dari 1 menunjukku,', nilaiyang srasioner.

"
-,,,,
rilttt iiti
\ liinin t tt

N{ 1:/7170,. t t
 tjl,s- Aplikasi E-Vieu,s

Menambahkan log dependent variabel atau menambah

trg pada variabel
Md: -t8?)\:;e;tiii:U? - s76 50*rr a 33s;32*rr(-r)., uri.ro}
l,,
(- .3ss) (2.3 689) (-2.e65) (-t
1
.77s) (r 0.402) 'l
R2:0.9909 Adj R2:0.990r F-stat: l z7g.r3 Dw: r.g55
Breusch-Godfr Correlation LIr.4 Test:
F-statistic O.g471tg probabitiiy 0.460839
Obs.R-souared_ 5.269324 probability v.lvvL/w
0.3g3g03
a,

Dengan nlenambahkan lag depenclent variabel nilai

Dw dapat meningkat secara
slgnifikan, jikalllenggunr,kon' tog dependent variabel maka
keberadaan
autocoruelatiort diuji dengan nlenggunakan statistik
h. Nilai statistik h rnenu.jukkan

korelasi ryrltt
i 1 ,,____
Statistik h - 0' --xl.955)r.
2 ',\rr_62*0.0061)
r

= 0.632]
Dengan melakuk an dffir'encing atau melakukan
regresi nilai turunan.
D(Md) = 3091.36 + 0.99507*D(gctp) -324.00g*D(tr) e
6, ^, (2. t 458) (2.s04) (t.s67)
R':0.1987 Adj R2^= 0.166 F-stat ='6.076 Dw =2.0709
Dengan rnelakukan regresi nilai turunan maka nilai
Dw dapat meni,gkat secara
signifikan menjadi 2.0709. Nilai ini nrengindikasikan
tidak ada serial co,.elatiort.

II.6 UJI PELT\NGGAITAN ASUMSI oLS

Dalam nrelakukatr estinrasi persamaan linear dengan
menggunakan nretode oLS
dari oLS
rv .rtrrLr.)
hurus \-rrpLrrurlr, jika
JlKa uru.nri
asumsl tidak terpenuhi nraka tidak
tlclaK
:]:lijt^Y,T::t:Yrn.si l,1_.lylri, tictak
:':'"i:li:lll-'lll.p:lonl",:, va,,s nlyt @ist Linear trnbiasei Jrt trt,Lttwt /. pada
d.ilil'\"n berbagai pengujian tentan g mttlticotineariry, Errirtator.). I dLl.t
:::t?-1: 1T seriat con.etaticns

:#:1::J:1111::.'is-0,'j:*:",'sia 5ri1La
(9:P) dan tingkat
jumrai,;;;;;,il;;i;;"'d;;il:;#fi1ji
. ' rlr,,/ LrlPvrrS4r
uungu [rr). Data yans digunakan adararr
L

::l,|i|:I:,ll'ld_Til""
data kuartalan dari tahun 1989 sampai dengan 2002. 'i\l
Md : a + b*gdp c*!r 4. e
.*
a. lJji multicolineority ,

Langkah yang dilakukan adalair data dibuka dalam

bentuk Group, setelah itu
tekan Vien', Correlotiorts nraka a[:an diperoleh matrik
sebagai bei.ikut:

/Z
 Apliknsi E-l/incs
v:).

I
.-!

t ffiltffi
Lihat Jcorelasi antar variabel bebas disini korelasi antara GDP dan Ir j ika
korelasinya t ,lttit* dari 0.8 (rttle of tumbs 0.8) maka dapat dikatakan tidak ada
multicolinearlty. Korelasi antara GDP dan Ir kurang dari 0.8 maka dapat dikatakan pacla
model diatas tidak ada multicolinearity.

b. Uji Seria I Coruelatio,r,

Dibawah ini adalah hasil estimasi dari persamaan permintaan uang di Indonesia:

Dependent Variable: MD
Method: Least Squares
Date: 09/01/02 Time: 16:36
Sample(adjusted): 1989: 1 2002:1
Included obsewati
VariaUte Coemcient StO. Error t-Statl
c -147570.9 9638.580 _15.31044 0.0000
GDP 3.043747 r.078412 38.81722 0.000c
lR 44sj282 191.6025 2.323186 0.02.,:3
R-squared 0.969594 Mean dependent var 225017.1 -
Adjusted R-squared 0.968378 s.D. cependent var Bsrtit.32
S.E. of regression 15255.30 Akaike info criterion 22.15818
Sumsquaredresid 1.16E+10 Schvrazcriterion 22.26971
Log likelihood -584.1 91 B F-statistic 797 .2108
Durbin-Watson stat 0.595856 Prob(F-statistic) 0.000000

Untuk mendeteksi adanya serial correlations indikator yang digurrakan adalah

DW jika DW >2 atau DW < 2 maka ada indikasi serial correlations. Selain itu dapat juga
dilakukan penguj ian dengan mchggunakan penguj ian Breusch-G,odfrey Serial
Correlation LM Test. Langkah pengujian adalah sebagai berikut:
o Setelah dilakukan estinrasi, tekan View, residual test, Serial Correlatiotrs LM
/esl maka akan rnuncul tanrpilan sebagai berikut:

Djoni Hortono, S,Si., ME

a
 s
Aplilasi E-I,'rsii'-.
'! 1>.

f;;iloui*ii| ilp t JEffiE

:,Y5
Sample(adjusted): 1!a,rLrJ.,lJvz.
uq.rrHrs\quJuJtsu,r. 9Bg: 1 2OO2:1t il,: :ir?l'
;4)'
lnctuded obsenrations: 53 after adjusting enO,i,; :i,p :!: i.
i,v;:

Variable Coefficient Std.

C -14757C.9 96s8. i

GDP 3.a$7 47 0.0781

IR 445.1m2 191.6i

-l
t Isilah Log to Include dengan lag yang panjang, setelah itu tekan OK maka akan
keluar tampilan sebagai berikut:

lrocs Quick

Name ii:,it
Breusch-Godfrey Serial Correlation LM l'est:

F-statistic 8.434217 Probability 0.000004

ObstR-squared 28.35022 Probability 0.000081

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 09n1n2 Time: 15:56

Variable Coeficient Std. Error t-Statistic

Lakukan pengujian dengan prosedur spbagai berikut:

l. H0 : tidak ada serial correlations.
Hl : ada serial correlations.
2. a = 504, tolak Il0 jika obs+R-square) Z2dr=u ot&u Prohalitity (p-value)< G
3. Karena P-Value : 0.00008 t < 0.05 maka tolak H0
4. Kesimpulan, dertgan tingkat keyakinan 95% maka ada serial correlation.
c. Uji Heterocerlasticity

Djoni Hnrtono, S.Si., Mi-.

/1
 Apliknsi E-Viaus

Untuk medeteksi heterocedastisitas mat'"'.: langkah yang harus dilakukan dengan uji'firhirc
Heteracedasticiti, Test. Prosedur yang harus dilakukan adalah:
. Setelah dilakukan estimasi, tekan Vicw, residual test, lYhite Heterocedasticity
(no cross tern) atau llthite Hetcr ocedasticity (cross tern). Jika variabel bebas
berjurnlah sedikit maka disarankan memilih cro.t.t term (ada interaksi antar
variabel bebas) scdangkan jika variaL'el bebasnya banyalc maka dipilih no cross
ternt (iidak acia interaksi antar variabel bebas). Hasil dar' Iltlhite test Cengan cro.t.s
term adalah sebagai berikut:

View,

H etefu
\ltt dasticity Test :

i
F-staristic 0.499735 Probability o.774445
Obs'R-squared 2.675423 Probability 0.749875

Test Equation:
Dependent Variable: RESlDn2
Method: Least Squares
Date: 09/01/O2 Time: 20:06
Sample: 1989:1 2ffi2I
h

t
lncluded obseryations: 53
t

t,

Lakukarr pengujian dengan prosedur sebag.ri berikut:

2. H0 : tidak ada heterocedastisitas (homocedastis).
Hl : ada heterocedastisitas.
2. d :5Yo,tolak H0 jika obs*R-square> f'rf=z otBU Probalility (P-value)< a.
3. Karena P-Value : 0.7498 > 0.05 maka terima H0.
4. Kesimpulan, deugan tingkat keyakinang5oh maka tidak ada heterocedastisitas.

II.7 Evaluasi Hasil Regresi

Ada beberapih kriteria untuk mcrlyatakan bahwa model regresi yang dihasilkan
adalah baik. Pada umumnya ada tiga kriteria evaluasi yaug digunakan yaitu:
\ 1. kriteria ekonomi (tanda clan besaran)
2. kriteria statistik 1uji I, n dan R2)
3. kriteria ekotronretrika (multiko linearitas, autokorelasi, dan

heteroskedastisitas)

D joni Hnrtono, S.Si., A: '

/E
 Aplikasi E-Viants
!I}.

pertanta, kriteria ekonomi yaitu melihat kecocokan tanda dan nilai koefisien
0 < mpc <
penduga dengan teori atau nalar. Misalkan snatu model konsumsi memberikan
menyatakan "... jiku
i, itu-berarti sesuai dengan absolute income hypothesis yang peningkatannya tidak
plnghasilan meningkat, maka konsumsi akan meningkat namun -dan I
.setinggi p".g;i;;;,'[";t' ffik"
mpc tidak berada pada selang antara 0 ,.berarti*
-
ffiodelny*gairsgri.$ S"["g"i tontoh lagi ,..uiu teoritis dinyatakan ikonsumsi un@
iia{*'** H ternyata
,barang norrnafttUn meningkat seiring dengan peningkatan pendapataff;rr1g1.ri
"regr"ri menyatakan tanda koefisiennya negatif sehingga model diragukan
i,urif
kebenarannya.
Kedua, kriteria statistik yaitu menyangkut uji terhadap koefisien dari variabel
oendusa atau variabel bebas (uji 0. Koefisien penduga perlu berbeda dari
nol secara
*rignif,iun uji F uji model
atau p-value sangat kecil Uji kedua adalah atau secara
t ";.il*han. Uji F ini dilakukun untuk melihat apakah semua koefisien regresi berbeda
dengan nol atatr.rrgodel diterima. Pengujian ketiga yaitu melihat koefisien determinasi
Rl
;i;; i, adiusiuh. Koefisien determinasi ini menunjukkan kemampuan garis regresi
yang dapat
menerangkan lariasi variabel terikat (propo,rsi (persen) r'ariasi variabei terikat
dijetaska-n oleh variabel bebas). Nilai R2 atau Rz adiusted berkisar antara 0 sampai
dengan l, semakin mendekaii satu semakin baik.
Ketiga, kriteria ekonometrik yaitu menyangkut pelanggaran asumsi Ordinary
Least Sqiar:e (OLS) yaitu meliputi multicolinearity, heterocedasticitl' dan
akan
autocorrelation (iertai correlation). Jika asumsi-asumsi diatas telah dipenuhi maka
nremperoleh nilai parameter yang BLUE (Best Linear Unbiased Estimator).
Dalam menentukan gpakah sebuah modgl&tau regresi dapat digunakan untuk
sirnulasi atau lleramalkan nialo k^.cria yang palinf diutamakan aclalah kriteria ekonoffi
setelah itu banr kriteria statistik dan ekonometrik. Jika model n^emetltthi kriteria-kriteria
itu, maka ia siap digunakan untuk neramalan. Jika ltarus memilih antara yang I'-vctlue-
lebin r.."iiTt;"* i.ilir, besar, untuk peramalan lebih diutamakan yang memiliki R2
^ya
lebih besar, tapi tetap yang signifikan berbeda dari nol. piperingatkan, hindari perkiraan
nitai depende-nt ,,riioblu ),ang terlalu jauh ke depan karena akurasinya cenderung
menurun
perlu ditegaskan bahwa .evaluasi itu hanya bermakna Iitra asumsi-asumsi yang
diperlukan dipenihi. Beberapu 'urr*ri telah dibahas pada subbab s-eb_elum ini. Kini
gilirannyu *.n-,"riksa$n& ah. eruor term mendekati distribust.ngrmal: Jika asumsi ini
iia* dipenuhi, prose&i pengujian menggunakan statistik t menjadi tidak sah. Jumlah
observaii yarlg lebih besar dari 30 menyebabkan distribusi sarnpliirg error term
mendekati nonnal, karena itu upayakan penggunaan ukuran sampel yang besar. Jika
ukuran sampel kecil, distribusi error ternt perlu diuji apakah rirendekati normal- Untuk
maksud ini ida banyak cara, di sini hanya akan ditunjukkan ujiJarque-Bera.
Uji J-B didasarkan pada err.or penduga least squares. Prosedur pengujiannya
seperti berikut.

a. Hs i error term metniliki distribusi normal

b. Statiktik J-B dihitung rlelalui tahapan berikut.
l) hitupg kecondongan (cr3) dan ketinggian (aa) distribusi eruor ternt.
("1 o..-3)')
2) hitung statistik J-B : "[, . --
)

Djoni Hnrton,.'. .S.Si., N4E

/L
i-.--