EKONOMETRIKA
O
L
E
H
SEPTIANI SUSANDI
1654201065
FAKULTAS PERTANIAN
UNIVERSITAS LANCANG KUNING
PEKANBARU
2018
KATA PENGANTAR
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
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
4
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 35,505 9,458 3,754 ,001
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.
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.
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
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
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
a. Dependent Variable: Y
b. All requested variables entered.
Model Summary
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
Total 66025,569 14
a. Dependent Variable: Y
b. Predictors: (Constant), X3, X2
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: Y
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
13