PENDAHULUAN
PEMBAHASAN
2.Mengumpulkan data;
3.Menentukan model matematis dari teori tersebut;
Langkah awal adalah mencari teori ekonomi yang cocok dengan topik yang
ingin dipelajari. Kemudian membuat 2 hipotesis yang saling berbeda yakni seperti
HO dan H1. Untuk mengetahui pengaruh kedua variabel, itu dapat ditentukan
berdasarkan hipotesis yang lebih dominan. Bagaimana kita menentukan hipotesis
mana yang lebih dominan? Maka inilah yang menjadi pertanyaan empiris.
2. Mengumpulkan data
*Data deret berkala (time series). Dikumpulkan selama kurun waktu tertentu,
seperti data tentang PDB, kesempatan kerja, pengangguran, JUB, ataupun
defisitanggaran belanja pemerintah. Data ini bisa bersifat kuantitatif (misalnya
harga, pendapatan,jub) ataupun kualitatif (misalnya laki-laki atau perempuan).
*Data lintas-sektoral (cross-sectional). Data tentang satu atau lebih variabel yang
dikumpulkan pada suatu waktu tertentu, seperti survey pengeluaran konsumen
yang pernah dilakukan oleh University of Michigan, AS.
*Data kelompok (gabungan antara data deret berkala dan data linta
sektoral). Dalam data ini kita memiliki unsur-unsur data deret berkala sekaligus
juga data lintas sektoral. Sebagai contoh, jika kita harus mengumpulkan data
tingkat pengangguran di 10 negara selama 20 tahun, maka data itu merupakan data
kelompok, yakni data tingkat pengangguran di masing-masing negara selama 20
tahun merupakan data deret berkala, sedangkan data tingkat pengangguran di 10
negara untuk suatu tahun tertentu merupakan data lintas sektoral. Ada data
kelompok yang sifatnya khusus, yaitu data panel/ data longitudinal/ data
mikropanel, dimana unit lintas sektoral yang sama disurvei secara berkala.
3. Menentukan Model Matematis untuk Teori Tersebut
Perlu kita ingat lagi bahwa regresi tidak menjelaskan hubungan sebab-
akibat; teori yang relevan haruslah menentukan apakah salah satu atau lebih
variabel bebas memiliki hubungan dengan variabel tidak bebas. Pada tahap ini kita
akan membuat regresi linear berganda dan kemudian juga membuat penaksiran
empiris atas model yang ada pada langkah sebelumnya menggunakan metode OLS.
Maka model mana yang akan kita pilih, model pada langkah yang ke-6 ini atau
model yang pada langkah ke-5 tadi? Karena model persamaan pada langkah ke-6
ini telah mencakup model yang ada pada langkah sebelumnya, maka kita pilih
model pada langkah ke-6 ini. Lalu kita akan berhenti sampai mana? Variabel-
variabel lain bisa jadi tersedia, namun kita mungkin tidak ingin memasukkan
semua variabel tersebut ke dalam model karena tujuan pengembangan model
ekonometri bukan untuk menangkap realitas secara keseluruhan, melainkan hanya
segi-segi yang penting saja. Bila kita memasukkan semua variabel yang mungkin
ke dalam model regresi, model tersebut akan menjadi susah dipakai dan sangat
tidak praktis. Model yang dipilih akhirnya haruslah yang merupakan replica yang
cukup masuk akal dari realitas yang sesungguhnya.
Definisi
Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk
menguji sejauh mana hubungan sebab akibat antara Variabel Faktor
Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada
umumnya dilambangkan dengan X atau disebut juga dengan Predictor
sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga
dengan Response. Regresi Linear Sederhana atau sering disingkat dengan
SLR (Simple Linear Regression) juga merupakan salah satu Metode
Statistik yang dipergunakan dalam produksi untuk melakukan peramalan
ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.
Analisis Regresi Sederhana adalah sebuah metode pendekatan untuk
pemodelan hubungan antara satu variabel dependen dan satu variabel
independen. Dalam model regresi, variabel independen menerangkan
variabel dependennya. Dalam analisis regresi sederhana, hubungan antara
variabel bersifat linier, dimana perubahan pada variabel X akan diikuti
oleh perubahan pada variabel Y secara tetap. Sementara pada hubungan
non linier, perubahaan variabel X tidak diikuti dengan perubahaan
variabel y secara proporsional. seperti pada model kuadratik, perubahan x
diikuti oleh kuadrat dari variabel x. Hubungan demikian tidak bersifat
linier.
b. Uji
Uji T
Uji T dikenal dengan uji parsial, yaitu untuk menguji bagaimana
pengaruh masing-masing variabel bebasnya secara sendiri-sendiri
terhadap variabel terikatnya. Uji ini dapat dilakukan dengan
mambandingkan t hitung dengan t tabel atau dengan melihat kolom
signifikansi pada masing-masing t hitung, proses uji t identik dengan
Uji F (lihat perhitungan SPSS pada Coefficient Regression Full
Model/Enter). Atau bisa diganti dengan Uji metode Stepwise.
Seperti kita telah pelajari pada berbagai artikel dalam website
statistikian, bahwa ada banyak sekali yang membahas tentang Uji F
dan Uji T. Pertanyaannya, sebenarnya apakah yang dimaksud dengan
Uji F dan Uji T tersebut? Di atas kita telah pelajari sebagian dari yang
dimaksud untuk menjawab pertanyaan ini. Namun perlu statistikian
jelaskan lagi bahwa sebenarnya Uji F dan Uji T itu tidak hanya
sebatas dari apa yang telah dibahas di atas, dimana di atas membahas
tentang Uji F dan Uji T dalam konteks analisis regresi linear. Namun
dalam konteks yang lain, bisa jadi ada dalam berbagai jenis analisis,
misalnya Uji ANOVA, ANCOVA, MANOVA juga terdapat nilai F.
Dan pada uji beda 2 sampel berpasangan, yaitu paired t test dan uji
beda 2 sampel bebas, yaitu independen t test, juga ada nilai T.
Uji F
Uji F dikenal dengan Uji serentak atau uji Model/Uji Anova, yaitu uji
untuk melihat bagaimanakah pengaruh semua variabel bebasnya
secara bersama-sama terhadap variabel terikatnya. Atau untuk
menguji apakah model regresi yang kita buat baik/signifikan atau
tidak baik/non signifikan. Dalam artikel ini dijelaskan tentang Uji F
dan Uji T dalam penelitian.
Uji F dapat dilakukan dengan membandingkan F hitung dengan Tabel
F: F Tabel dalam Excel, jika F hitung > dari F tabel, (Ho di tolak Ha
diterima) maka model signifikan atau bisa dilihat dalam kolom
signifikansi pada Anova (Olahan dengan SPSS, Gunakan Uji Regresi
dengan Metode Enter/Full Model). Model signifikan selama kolom
signifikansi (%) < Alpha (kesiapan berbuat salah tipe 1, yang
menentukan peneliti sendiri, ilmu sosial biasanya paling besar alpha
10%, atau 5% atau 1%). Dan sebaliknya jika F hitung < F tabel, maka
model tidak signifikan, hal ini juga ditandai nilai kolom signifikansi
(%) akan lebih besar dari alpha.
Dalam uji F dikenal istilah F Hitung dan Tabel F: F Tabel dalam Excel
seperti yang telah dibahas di atas. F Hitung adalah nilai F hasil
perhitungan analisis, yang kemudian nilainya akan dibandingkan
dengan F Tabel pada Numerator dan Denumerator tertentu. Numerator
disebut juga dengan Degree of Freedom 1, sedangkan Denumerator
adalah Degree of Freedom 2. Misalnya pada Regresi Linear, Nilai
Denumerator adalah jumlah sampel dikurangi jumlah variabel bebas
dikurangi 1. Sedangkan nilai Numerator adalah jumlah variabel bebas.
Untuk lebih jelasnya, silahkan pelajari tentang Tabel F: F Tabel dalam
Excel.
a. Uji Normalitas
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk
menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran
data tersebut berdistribusi normal ataukah tidak.
Metode Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel
distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung
luasan kurva normal sebagai probabilitas komulatif normal.
PERSYARATAN
Metode Kolmogorov-Smirnov
PERSYARATAN
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel
distribusi frekuensi. Data diurut,kemudian dibagi dalam dua kelompok untuk
dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z
untuk dapat dihitung luasan kurva normal.
PERSYARATAN
b. Uji Autokorelasi
Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk
mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan
perubahan waktu. Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah
model prediksi, maka nilai disturbance tidak lagi berpasangan secara bebas,
melainkan berpasangan secara autokorelasi. Dalam kesempatan ini, kita hanya
akan fokus pada tutorial uji autokorelasi dengan SPSS. Namun prinsip penting
lainnya tetap akan kami bahas secara singkat dan padat serta mudah dipahami.
Uji Durbin-Watson
•Uji autokorelasi dengan LMTest terutama digunakan untuk sampel besar diatas
100 observasi.
Run Test
•Run test sebagai bagian dari statistic nonparametric dapat pula digunakan untuk
menguji apakah antar residualter dapat korelasi yang tinggi. Jika antar residual
tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau
random. Run test digunakan untuk melihat apakah dataresidual terjadi secara
random atau tidak (sistematis).
c. Uji Multikolinieritas
Uji Multikol bisa menggunakan korelasi sederhana yang dilakukan antar
variabel penjelas, dimana rule of thumbs-nya jika nilai koefisien korelasinya lebih
besar sama dengan 0.80 maka terdapat multikol antar variabel penjelas tersebut,
dan sebaliknya. Hasil uji multikolinieritas menjelaskan bahwa antara variabel
harga dan penggunakan media iklan tidak terdapat korelasi. Hal ini ditandai dengan
koefisien korelasinya sebesar 0.026366 (tidak lebih besar dari 0.80).
d. Uji Heteroskedastisitas
H1 : Terdapat Hetero
PENUTUP
3.1Kesimpulan
Adapun kesimpulan yang dapat diambil dari pembahasan kali ini adalah
Banyak pakar ekonometri berpendapat bahwa ekonometri adalah suatu ilmu yang
mengkombinasikan teori ekonomi dan statistic ekonomi dengan tujuan menyelidiki
dukungan empiris dari hukum skematik yang dibangun oleh teori ekonomI.
NIM: 2014-29-071