LAPORAN PRAKTIKUM

EKONOMETRIKA
O
L
E
H

SEPTIANI SUSANDI
1654201065

FAKULTAS PERTANIAN
UNIVERSITAS LANCANG KUNING
PEKANBARU
2018
 KATA PENGANTAR

Syukur alhamdulillah penulis haturkan kehadirat Allah S.W.T atas rahmat,

hidayah dan inayah-Nya. Selanjutnya shalawat dan salam penulis sampaikan
kepada Nabi Muhammad S.A.W beserta sahabat dan keluarganya yang telah
membimbing umat manusia dari alam kegelapan kealam yang berilmu
pengetahuan yang berlimpah.
Laporan Praktikum ini berjudul : “LAPORAN PRAKTIKUM
EKONOMETRIKA”. Laporan praktikum kali ini menyajikan berbagai variasi
penggunaan Software SPSS, seperti Analisis Regresi Berganda, Uji Normalitas,
Uji Multikolinieritas, Uji Heteroskedastisitas, Uji Autokorelasi.
Semoga laporan praktikum ini dapat menambah pengetahuan kita semua
tentang penggunaan Software SPSS serta komputasi statistik pada berbagai jenis
data. Penulis sangat menyadari bahwa laporan praktikum ini masih jauh dari
kesempurnaan, untuk itu penulis dengan lapang dada mengharapkan saran dan
kritik membangun dengan penuh keikhlasan, demi kesempurnaan laporan
praktikum ini, akhirnya penulis berharap semoga laporan praktikum ini dapat
berguna dan bermanfaat.

Pekanbaru, Desember 2018

Penulis

i
 DAFTAR ISI

KATA PENGANTAR i

DAFTAR ISI ii

PRAKTIKUM EKONOMETRIKA 1

I. Judul 1
II. Tujuan 1
III. Alat dan Bahan 1
IV. Prosedur Kerja 1
V. Analisis Regresi Sederhana/Berganda 1
VI. Uji Normalitas dengan Analisis Grafik 1
VII. Uji Multikolinearitas 2
VIII. Uji Heteroskedastisitas 2
IX. Uji Autokorelasi 2
X. Hasil dan Pembahasan 3
XI. Penutup 13

ii
 PRAKTIKUM
EKONOMETRIKA
I. Judul : Aplikasi software SPSS untuk pengolahan data
ekonometrika
II. Tujuan : Memberikan pembelajaran kepada mahasiswa bagaimana
menggunakan software SPSS untuk mengolah data
ekonometrika
III. ALAT/BAHAN
1. Laptop/pc
2. Printer
3. ATK
4. CD software SPSS
IV. PROSEDUR KERJA
1. Cara menghitung analisis regresi sederhana menggunakan SPSS
2. Cara menghitung analisis regresi berganda menggunakan SPSS
3. Uji analisis
- Normalitas
- Multikolenialitas
- Heteroskedatisiti
- Otokorelasi
V. Analisis regresi sederhana/berganda :
1. Install software program SPSS
2. Klik analyze
3. Klik regression
4. Klik linear
5. Input variabel dependen pada kotak dependen
6. Input variabel independen pada kotak independen
7. Klik OK
VI. Uji normalitas dengan analisis grafik :
1. Install software program SPSS

1
 2. Klik analyze
3. Klik regression
4. Klik linear
5. Input variabel dependen pada kotak dependen
6. Input variabel independen pada kotak independen
7. Klik plots
8. Centang Histogram dan Normal Probability plot
9. Klik continue
10. Klik OK
VII. Uji multikolineritas
1. Klik analyze
2. Klik regression
3. Klik linear
4. Input variabel dependen pada kotak dependen
5. Input variabel independen pada kotak independen
6. Klik Statistics
7. Centang Covarience Matrix dan Collinearity Diagnostics
8. Klik OK
VIII. Heteroskedatisitas
1. Klik analyze
2. Klik regression
3. Klik linear
4. Input variabel dependen pada kotan dependen
5. Input variabel independen pada kotak independen
6. Pada plots isi Sresid pada Y
7. Pada X isi dengan Zpred
8. Continue
9. Klik OK
IX. Uji Autokorelasi
1. Klik analyze
2. Klik regression
3. Klik linear

2
 4. Input variabel dependen pada kotak dependen
5. Input variabel independen pada kotak independen
6. Klik statistics
7. Klik Durbin Watson
8. Continue
9. Klik OK
X. Hasil Dan Pembahasan
 DATA 1
30 Data, 3 Variabel.

X2 X3 Y
75 75 80
60 70 75
65 70 80
75 80 90
65 75 80
80 80 90
75 75 85
80 80 95
65 85 80
80 88 80
60 75 85
65 75 75
65 70 75
75 65 80
60 70 75
80 80 85
80 80 90
75 75 85
60 65 70
85 75 80
75 85 80
85 80 90
60 70 75
65 60 75
80 75 85
75 80 80
80 75 80
85 75 85
75 85 85
80 75 85

3
1. Analisis Regresi Berganda
Berdasarkan output Analisis Regresi Berganda ini dapat dilihat
beberapa nilai antara lain: nilai koefisien regresi, t hitung, nilai signifikan,
nilai f hitung, nilai R Square atau R2, nilai SE Koefisien Regresi dan nilai
Se.
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 X3, X2b . Enter
a. Dependent Variable: Y
b. All requested variables entered.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 ,723a ,523 ,488 4,147
a. Predictors: (Constant), X3, X2

Berdasarkan output pada model summary terlihat bahwa indikator

X2 dan X3 yang dimasukkan mempengaruhi variabel Y sebesar 48,8%
sedangkan indikator lain yang tidak dimasukkan kedalam persamaan
mempengaruhi sebesar 51,2%.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 509,852 2 254,926 14,824 ,000b
Residual 464,315 27 17,197

Total 974,167 29

a. Dependent Variable: Y
b. Predictors: (Constant), X3, X2

Berdasarkan output ANOVA terlihat bahwa nilai signifikan sebesar

0,000 < 0,05 dan nilai F hitung 14,824 lebih besar dari nilai F tabel 3,34.
Hal ini menunjukkan bahwa variabel X2 dan X3 secara simultan
berpengaruh terhadap variabel Y.

4
 Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 35,505 9,458 3,754 ,001

X2 ,369 ,105 ,539 3,525 ,002

X3 ,258 ,139 ,284 1,855 ,075
a. Dependent Variable: Y

Berdasarkan output Coefficients di atas, diketahui bahwa:

 Variabel X2
Nilai koefisien regresi variabel X2 adalah sebesar 0,369 bernilai
positif, sehingga dapat dikatakan bahwa X2 berpengaruh terhadap
Y. Kemudian berdasarkan nilai t hitung sebesar 3,525 lebih besar
dari t tabel 2,052 dan nilai signifikan 0,002 < 0,05, maka hal ini
menunjukkan bahwa variabel X2 berpengaruh terhadap variabel Y.
 Variabel X3
Nilai koefisien regresi variabel X3 adalah sebesar 0,258 bernilai
positif, sehingga dapat dikatakan bahwa X3 berpengaruh terhadap
Y. Kemudian berdasarkan nilai t hitung sebesar 1,855 lebih kecil
dari t tabel 2,052 dan nilai signifikan 0,075 > 0,05, maka hal ini
menunjukkan bahwa variabel X3 tidak berpengaruh variabel Y.
Jadi, berdasarkan tabel coefficients diatas, variabel X2
berpengaruh terhadap variabel Y, dan variabel X3 tidak berpengaruh
terhadap variabel Y.

5
2. Uji Normalitas dengan Analisis Grafik
Dasar pengambilan keputusan dalam uji normalitas dengan grafik
histogram dan P-PLOT, dikatakan normal jika data menyebar diketar garis
diaagonal dan mengikuti arah garis diagonal dari grafik histogramnya
sebaliknya data dikatakan tidak normal, jika data menyebar jauh dari arah
garis atau tidak mengikuti diagonal atau grafik histogramnya

6
 Berdasarkan tampilan output grafik di atas, dapat kita lihat grafik
histogram memberikan pola distribusi melenceng kekanan yang artinya
adalah data berdistribusi normal. Selanjutnya, pada gambar P-plot terlihat
titik-titik mengikuti dan mendekati garis diagonalnya sehingga dapat
disimpulkan bahwa model regresi memenuhi asumsi normalitas.

3. Uji Multikolonieritas
Dasar pengambilan keputusan pada Uji Multikolineritas dapat dilakukan
dengan dua cara yakni:
Melihat nilai tolerance:
1. Jika nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi
multikolinearitas terhadap data yang di uji.
2. Jika nilai tolerance lebih kecil dari 0,10 maka artinya terjadi
multikolinieritas terhadap data yang di uji.
Melihat nilai VIF
1. Jika nilai VIF lebih kecil dari 10,00 maka artinya tidak terjadi
multikolinieritas terhadap data yang di uji.
2. Jika nilai VIF lebih besar dari 10,00 maka artinya terjadi
multikolinieritas terhadap data yang di uji.
Berikut output dari multikolinieritas:

Coefficientsa
Standardiz
ed
Unstandardized Coefficient Collinearity
Coefficients s Statistics
Toleran
Model B Std. Error Beta t Sig. ce VIF
1 (Consta
35,505 9,458 3,754 ,001
nt)
X2 ,369 ,105 ,539 3,525 ,002 ,754 1,326
X3 ,258 ,139 ,284 1,855 ,075 ,754 1,326

7
 Berdasarkan data output di atas diketahui bahwa nilai tolerance
variabel X2 dan X3 yakni 0,754 yakni lebih besar dari 0,10. Sementara itu,
nilai VIF variabel X2 dan X3 lebih kecil dari 10,00. Sehingga dapat
disimpulkan bahwa tidak ada multikolonieritas pada variabel independen
dalam model regresi ini.

4. Uji heteroskedastisitas
Dasar pengambilan keputusan dalam uji heteroskedastisitas dengan
Grafik Scatterplot:
1. Jika terdapat pola tertentu pada Grafik Scatterplot, seperti titik-titik
yang membentuk pola yang teratur (bergelombang, menyebar
kemudian menyempit), maka dapat disimpulkan telah terjadi
heteroskedastisitas.
2. Sebaliknya, jika tidak ada pola yang jelas, serta titik-titik
menyebar, maka indikasinya adalah tidak terjadi
heteroskedastisitas.

Berdasarkan output Scatterplot di atas, terlihat bahwa titik-titik

menyebar dan tidak membentuk pola tertentu yang jelas. Sehingga dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas.

8
5. Uji Autokorelasi
Dasar pengambilan keputusan uji Durbin-Watson dengan ketentuan
sebagai berikut:
1. Jika DW lebih kecil dari dL atau lebih besar dari (4-dL) maka
hipotesis nol ditolak, yang berarti terdapat autokorelasi.
2. Jika DW terletak antara dU dan (4-dU), maka hipotesis nol
diterima, yang berarti tidak ada autokorelasi.
3. Jika DW terletak antara dL dan dU atau diantara (4-dU) dan (4-
dL), maka tidak menghasilkan kesimpulan yang pasti.

Berikut adalah outputnya:

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 ,723a ,523 ,488 4,147 1,823
a. Predictors: (Constant), X3, X2
b. Dependent Variable: Y

Berdasarkan output di atas, diketahui nilai DW 1,823, selanjutnya

nilai ini dibandingkan dengan nilai tabel Durbin-Watson, maka diperoleh
nilai du 1,567. Nilai DW 1,823 lebih besar dari batas atas (du) yakni
1,5666 dan kurang dari (4-du) yakni 2,433. Sehingga tidak terdapat
autokorelasi.

9
  DATA 2
15 Data, 3 Variabel

X2 X3 Y
309,3 1 281,3
316,1 2 288,1
318,8 3 290,0
333,8 4 307,3
340,3 5 316,1
350,5 6 322,5
367,2 7 338,4
381,2 8 353,3
408,1 9 373,7
434,8 10 397,7
458,9 11 418,1
477,5 12 430,1
499,0 13 452,5
513,5 14 469,1
533,2 15 476,9

Berdasarkan output Analisis Regresi Berganda ini dapat dilihat

beberapa nilai antara lain: nilai koefisien regresi, t hitung, nilai signifikan,
nilai f hitung, nilai R Square atau R2, nilai SE Koefisien Regresi dan nilai
Se.

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 X3, X2b . Enter

a. Dependent Variable: Y
b. All requested variables entered.

Model Summary

Adjusted R Std. Error of

Model R R Square Square the Estimate

1 ,999a ,999 ,999 2,5055

a. Predictors: (Constant), X3, X2

10
 Berdasarkan output pada model summary terlihat bahwa nilai R
Square 0,999 (99,9%) dan nilai adjusted R Square 0,999 (99,9%), artinya
indikator X2 dan X3 yang dimasukkan mempengaruhi variabel Y sebesar
99,9% sedangkan indikator lain yang tidak dimasukkan kedalam persamaan
mempengaruhi sebesar 0,01%.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 65950,236 2 32975,118 5252,697 ,000b

Residual 75,333 12 6,278

Total 66025,569 14

a. Dependent Variable: Y
b. Predictors: (Constant), X3, X2

Berdasarkan output ANOVA terlihat bahwa nilai signifikan

sebesar 0,000 < 0,05 dan nilai F hitung 5252,697 lebih besar dari nilai F
tabel 3,81. Hal ini menunjukkan bahwa variabel X2 dan X3 secara simultan
berpengaruh terhadap variabel Y.

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) 53,382 12,881 4,144 ,001

X2 ,725 ,048 ,822 15,056 ,000

X3 2,765 ,838 ,180 3,300 ,006

a. Dependent Variable: Y

Berdasarkan output Coefficients di atas, diketahui bahwa:

 Variabel X2
Nilai koefisien regresi variabel X2 adalah sebesar 0,725 bernilai
positif, sehingga dapat dikatakan bahwa X2 berpengaruh terhadap
Y. Kemudian berdasarkan nilai t hitung sebesar 15,056 lebih besar
dari t tabel 2,1788 dan nilai signifikan 0,000 < 0,05, maka hal ini
menunjukkan bahwa variabel X2 berpengaruh terhadap variabel Y.
 Variabel X3

11
 Nilai koefisien regresi variabel X3 adalah sebesar 2,765 bernilai
positif, sehingga dapat dikatakan bahwa X3 berpengaruh terhadap
Y. Kemudian berdasarkan nilai t hitung sebesar 3,300 lebih besar
dari t tabel 2,1788 dan nilai signifikan 0,006 < 0,05, maka hal ini
menunjukkan bahwa variabel X3 berpengaruh terhadap variabel Y.
Jadi, berdasarkan tabel coefficients diatas, variabel X2 dan X3
masing-masing berpengaruh terhadap variabel Y.

12
 XI. PENUTUP

KESIMPULAN

Dari keseluruhan isi laporan praktikum ini, dapat kita mengambil

kesimpulan bahwa program komputer untuk membantu pengukuran ekonomi,
seperti SPSS (Statistical Package For Social Science) memegang peranan yang
penting dalam proses pengukuran ekonomi
Komputer memegang peran yang sangat penting dalam ekonometrika. Hal
ini karena komputer memiliki keunggulan dalam hal:
1. Ketepatan
Program komputerdapat bekerja dengan tepat, yang berbeda dengan
manusia yang melakukan analisis secara manual yang sangat dipengaruhi
oleh kondisi pikiran dan fisik. Berbeda dengan komputer yang dapat bekerja
dengan stabil dalam jangka waktu yang sangat lama tanpa mengenal lelah,
bosan, ngantuk dan sebagainya sehingga memiliki tingkat ketepatan yang
sangat tinggi.
2. Kecepatan
Komputer mampu mengolah data secara cepat. Dengan menggunakan
komputer, jumlah data yang diolah tidak lagi menjadi kendala dalam
melakukan analisis data. Jumlah data sedikit atau banyak tidak akan menjadi
masalah dalam melakukan analisis. Perbedaan hanya terletak pada lama
waktu menginput saja. Bila data telah siap untuk dianalisis maka hampir
tidak ada perbedaan kecepatan dalam menganalisis sejumlah data, baik
sedikit maupun banyak.
3. Kemampuan memecahkan hal yang kompleks dan berulang-ulang.
Hal-hal yang kompleks serta berulang-ulang akan sangat menyulitkan untuk
dianalisis menggunakan cara manual. Program komputer akan mampu
memecahkan hal-hal yang sangat kompleks karena penyusunan program
telah melibatkan banyak ahli dan pemakai. Kita tinggal menggunakan
program yang telah teruji validitas dan reliabilitasnya.

13