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.
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.
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.
DjoriHartotro,5 :,Ml-
--ri
-).:
)'siini.annu-al
)'.Qrie,terD
:)_1$tryr
a
a
o Montly untuk data bulanan.
t lVeekly untuk data mingguan.
o Daily (5 day weel<s) un1* data
mingguan (5 har-i kerja). co,toh:
adalah data saham, dimana data ini
bursa u.r"ru'ngrung dari hari
senin_Jum,at.
?:;':r{"flu'eetrs)
untuk data .inggri
(7 hari). contoh: data penjuaran
undated or lrreguler untuk data
' satu dan End date tulis banyaknyu
cro.ts secti.on,pada start datetulis
angka
3' Tekan Qui9k, EnrpQ,t Group (Edit oUr"*uri.
nama variabelnya' Setelah iiu
siriesj dilanju,tun copydata dari excel
iekan kolom disampingtunun beserta
mouse sebelah kanan dan paste' obs pacra EViews, tekan
contoh: data n.,ukio.konomi dari
maka tampilarrnl,n adalah sebagai tahun rg70-rggg
berikut:
'J1|.
#o'tiS,' C.
il970
1,.:+...=l".
ii3. rrVElF
l(l7,
2693.000 d55 rrrn 293.00m
\ -Iiz' il,,aid:
47q rrrn
.Ft lra:!Jh';r{.
1} r. ,,.iI iiM :lr$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
7
.-*?s,'-tt?-
ti-i.,
.
.
t
.+,-};.. Aplikasi E- ,":r- -.
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:
Wald Test:
€
Aplikasi E- !'r-r's
'".";\*..
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
Md : u + h*gdl, +- c*lr 4- e
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
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
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.
"
-,,,,
rilttt iiti
\ liinin t tt
N{ 1:/7170,. t t
tjl,s- Aplikasi E-Vieu,s
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.
:#:1::J:1111::.'is-0,'j:*:",'sia 5ri1La
jumrai,;;;;;,il;;i;;"'d;;il:;#fi1ji
. ' rlr,,/ LrlPvrrS4r
(9:P) dan tingkat 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 ,
/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.
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
a
s
Aplilasi E-I,'rsii'-.
'! 1>.
C -14757C.9 96s8. i
-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:
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 09n1n2 Time: 15:56
/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,
heteroskedastisitas)
/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.
/L
i-.--