1.

Analisis Data Pertumbuhan Ekonomi

Uji Asumsi Klasik
u Uji kelayakan Model

Uji T dan Uji F dan Koefisien Determinasi

Dependent Variable: PE
Method: Least Squares
Date: 06/04/19 Time: 10:25
Sample: 1983 2012
Included observations: 30

Variable Coefficient Std. Error t-Statistic Prob.  

JUB -9.40E-06 2.98E-06 -3.151463 0.0040

SBI -0.604076 0.120657 -5.006559 0.0000
C 14.40860 2.122012 6.790065 0.0000

R-squared 0.481572    Mean dependent var 4.353333

Adjusted R-squared 0.443170    S.D. dependent var 4.012372
S.E. of regression 2.994073    Akaike info criterion 5.125786
Sum squared resid 242.0407    Schwarz criterion 5.265905
Log likelihood -73.88678    Hannan-Quinn criter. 5.170611
F-statistic 12.54028    Durbin-Watson stat 1.162718
Prob(F-statistic) 0.000141

a. Uji kelayakan model ( uji f)

Hasil uji f dapat dilihat pada tabel di atas. Nilai prob. F (Statistic) sebesar 0,000141 lebih
kecil dari tingkat signifikansi 0,05 sehingga dapat disimpulkan bahwa model regresi yang
diestimasi layak digunakan untuk menjelaskan pengaruh variable JUB dan SBI terhadap variable
PE.
b. Uji Koefisien Regresi (Uji t)
Hasil uji t dapat dilihat pada tabel di atas. Apabila nilai prob. t hitung (ditunjukkan pada
Prob.) lebih kecil dari tingkat kesalahan (alpha) 0,05 (yang telah ditentukan) maka dapat
dikatakan bahwa variabel bebas berpengaruh signifikan terhadap variabel terikatnya, sedangkan
apabila nilai prob. t hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan bahwa
variabel bebas tidak berpengaruh signifikan terhadap variabel terikatnya.
Nilai prob. t hitung dari variabel JUB 0.0050 yang lebih kecil dari 0,05 sehingga variabel
bebas JUB berpengaruh secara signifikan terhadap variabel terikat PE pada alpha 5%. Sama
halnya dengan pengaruh variabel SBI terhadap variabel terikat PE, karena nilai prob. t hitung
0,0000 yang lebih kecil dari 0.05 sehingga dapat dikatakan bahwa variabel SBI berpengaruh
signifikan terhadap variabel terikat PE pada alpha 5% atau dengan kata lain.
c. Koefisien Determinasi
 Nilai R-square pada table diatas sebesar 0.481572 menunjukan bahwa proporsi pengaruh
variable JUB dan SBI terhadap variable PE sebesar 48,16 %. Artinya variable JUB dan SBI
memiliki pengaruh terhadap variable PE sebesar 48,16%, sisanya 51,84 % (100%-48,16%)
dipengaruhi variable lain yang tidak ada dalam model regresi.

u Multikolinieritas

Variance Inflation Factors

Date: 06/04/19 Time: 09:21
Sample: 1983 2012
Included observations: 30

Coefficient Uncentered Centered

Variable Variance VIF VIF

JUB  8.89E-12  2.743361  1.593021

SBI  0.014558  10.58693  1.593021
C  4.502933  15.06927  NA

Interpretasi hasil :Hasil multikolinieritas dapat dilihat pada kolom centered VIF. Nilai VIF untuk
variable JUB dan SBI sebesar 1.593021, maka dapat dikatakan tidak terjadi multikolinieritas
pada kedua variable bebas tersebut. Berdasarkan syarat asumsi klasik regresi linier dengan OLS,
maka model regresi linier yang baik adalah adalah yang bebas multikolinieritas. Dengan
demikian, model di atas telah terbebas dari adanya moltikolinieritas.

u Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.941538    Prob. F(2,25) 0.0712

Obs*R-squared 5.714854    Prob. Chi-Square(2) 0.0574

Interpretasi hasil : Nilai Prob F (2,25) sebesar 0,0712 dapat juga disebut sebagai nilai
probabilitas F hitung. Nilai Prob F hitung lebih besar dari tingkat alpha 0.05 (5%) sehingga,
berdasarkan uji hipotesis, H0 diterima, yang artinya tidak terjadi autokorelasi. Selain
menggunakan LM test, dapat juga menggunakan Durbin-Watson. Tabel DW menunjukan bahwa
nilai dl= 1.2837 dan du 1.5666

Nilai DW hitung sebesar 1.162718 lebih kecil dari 1.6523 dan lebih kecil dari 2.3477. Artinya
berada pada daerah ragu-ragu.

u Normalitas

6
Series: Residuals
Sample 1983 2012
Observations 30
 5

Interpretasi hasil : Apabila nilai Prob.JB hitung lebih besar dari 0.05 maka dpat disimpulkan
bahwa residual terdistribusi normal dan sebaliknya. Nilai Prob. JB hitung sebesar 0,734445 >
0,05 sehingga dapat disimpulkan bahwa residual terdistribusi normal yang artinya asumsi klasik
tentang ke normalan telah terpenuhi.

u Linieritas

Ramsey RESET Test

Equation: PERSAMAAN1
Specification: PERTUMBUHAN_EKONOMI JUB SBI C
Omitted Variables: Squares of fitted values

Value df Probability
t-statistic  6.102536  26  0.0000
F-statistic  37.24094 (1, 26)  0.0000
Likelihood ratio  26.66566  1  0.0000

Interpretasi Hasil : Apabila nilai Prob. F hitung lebih besar dari tingkat alpha 0,05 (5%) maka
model regresi memenuhi asumsi linieritas dan sebaliknya, apabila nilai Prob. F hitung lebih
kecil dari tingkat alpha 0,05 (5%) maka model regresi tidak memenuhi asumsi linieritas. Nilai
Prob. F hitung dapat di lihat pada baris F-stastistic kolom probalility. Pada kasus ini nilainya
0,000 lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa model regresi tidak memenuhi
asumsi linieritas.

u Heteroskedastisitas

Heteroskedasticity Test: Glejser

F-statistic 3.040832    Prob. F(2,27) 0.0644

Obs*R-squared 5.515137    Prob. Chi-Square(2) 0.0634
Scaled explained SS 5.158380    Prob. Chi-Square(2) 0.0758
Interpretasi Hasil : Keputusan terjadinya heteroskedastisitas pada model regresi linier adalah
dengan melihat nilai Prob. F-statistic ( f hitung). Apabila nilai Prob. F lebih besar dari tingkat
alpha 0.05 maka H0 diterima yang artinya tidak terjadi heterokedastisitas. Nilai Prob. F hitung
sebesar 0,0644 lebih besar dari tingkat alpha 0,05 (5%) sehingga, berdasarkan uji hipotesis, H0
diterima yang artinya tidak terjadi heteroskedastisitas.

2. Analisis Data Konsumsi Beras

Uji Asumsi Klasik
u Uji Kelayakan Model

Dependent Variable: CBRT

Method: Least Squares
Date: 06/02/19 Time: 10:21
Sample: 1975 2000
Included observations: 26

Variable Coefficient Std. Error t-Statistic Prob.  

JPB 0.039830 0.003767 10.57350 0.0000

NIB 0.094431 0.020241 4.665456 0.0001
INF 1.122215 1.623087 0.691408 0.4965
C -579.3964 105.1863 -5.508286 0.0000

R-squared 0.860041    Mean dependent var 578.1154

Adjusted R-squared 0.840956    S.D. dependent var 263.3180
S.E. of regression 105.0120    Akaike info criterion 12.28666
Sum squared resid 242605.3    Schwarz criterion 12.48022
Log likelihood -155.7266    Hannan-Quinn criter. 12.34240
F-statistic 45.06314    Durbin-Watson stat 1.282186
Prob(F-statistic) 0.000000

a. Uji kelayakan model ( uji f)

Hasil uji f dapat dilihat pada tabel di atas. Nilai prob. F (Statistic) sebesar 0,000000 lebih
kecil dari tingkat signifikansi 0,05 sehingga dapat disimpulkan bahwa model regresi yang
diestimasi layak digunakan untuk menjelaskan pengaruh variable JPB,NIB dan INF terhadap
variable CBRT.
b. Uji Koefisien Regresi (Uji t)
Hasil uji t dapat dilihat pada tabel di atas. Apabila nilai prob. t hitung (ditunjukkan pada
Prob.) lebih kecil dari tingkat kesalahan (alpha) 0,05 (yang telah ditentukan) maka dapat
dikatakan bahwa variabel bebas berpengaruh signifikan terhadap variabel terikatnya, sedangkan
apabila nilai prob. t hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan bahwa
variabel bebas tidak berpengaruh signifikan terhadap variabel terikatnya.
Nilai prob. t hitung dari variabel JPB 0.0000 yang lebih kecil dari 0,05 sehingga variabel
bebas JPB berpengaruh secara signifikan terhadap variabel terikat CBRT pada alpha 5%. Sama
halnya dengan pengaruh variabel NIB terhadap variabel terikat CBRT, karena nilai prob. t hitung
(0,0001) yang lebih kecil dari 0.05 sehingga dapat dikatakan bahwa variabel NIB berpengaruh
signifikan terhadap variabel terikat CBRT pada alpha 5% atau dengan kata lain. Namun
berbedak dengan nilai prob. t hitung dari variable INF sebesar 0.4965 yang lebih besar dari 0.05
sehingga variable bebas INF tidak berpengaruh signifikan terhadap variable terikat CBRT pada
alpha 5 %.
c. Koefisien Determinasi
Nilai R-square pada table diatas sebesar 0.8600 menunjukan bahwa proporsi pengaruh
variable JPB, NIB, dan INF terhadap variable CBRT sebesar 86.00%. Artinya variable JPB,
NIB, dan INF memiliki pengaruh terhadap variable CBRT sebesar 86.00%, sisanya 14% (100%-
86.00%) dipengaruhi variable lain yang tidak ada dalam model regresi.

u Multikolinieritas
Variance Inflation Factors
Date: 06/02/19 Time: 10:22
Sample: 1975 2000
Included observations: 26

Coefficient Uncentered Centered

Variable Variance VIF VIF

JPB  1.42E-05  24.04270  1.004100

NIB  0.000410  2.158966  1.120868
INF  2.634411  2.149094  1.124090
C  11064.16  26.08641  NA

Interpretasi hasil : Hasil multikolinieritas dapat dilihat pada kolom centered VIF. Nilai VIF untuk
variable JPB,NIB dan INF sebesar 1.004100, 1.120868, dan 1.124090 dimana nilai tersebut
kurang dari 10, maka dapat dikatakan tidak terjadi multikolinieritas pada ketiga variable bebas
tersebut. Berdasarkan syarat asumsi klasik regresi linier dengan OLS, maka model regresi linier
yang baik adalah yang bebas multkolinearitas.

u Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.623788    Prob. F(2,20) 0.2221

Obs*R-squared 3.632076    Prob. Chi-Square(2) 0.1627
Interpretasi hasil : Nilai Prob F (2,20) sebesar 0,2221 dapat juga disebut sebagai nilai
probabilitas F hitung. Nilai Prob F hitung lebih besar dari tingkat alpha 0.05 (5%) sehingga,
berdasarkan uji hipotesis, H0 diterima, yang artinya tidak terjadi autokorelasi.

u Normalitas

8
Series: Residuals
7 Sample 1975 2000
Observations 26
6

Interpretasi hasil : Apabila nilai Prob.JB hitung lebih besar dari 0.05 maka dpat disimpulkan
bahwa residual terdistribusi normal dan sebaliknya. Nilai Prob. JB hitung sebesar 0.1146 > 0.05,
sehingga dapat disimpulkan bahwa residual terdistribusi normal yang artinya asumsi klasik
tentang ke normalan telah terpenuhi.

u Linearitas

Ramsey RESET Test

Equation: PERSAMAAN1
Specification: CBRT JPB NIB INF C
Omitted Variables: Squares of fitted values

Value df Probability
t-statistic  0.079182  21  0.9376
F-statistic  0.006270 (1, 21)  0.9376
Likelihood ratio  0.007761  1  0.9298

Interpretasi Hasil : Apabila nilai Prob. F hitung lebih besar dari tingkat alpha 0,05 (5%) maka
model regresi memenuhi asumsi linieritas dan sebaliknya, apabila nilai Prob. F hitung lebih
kecil dari tingkat alpha 0,05 (5%) maka model regresi tidak memenuhi asumsi linieritas. Nilai
Prob. F hitung dapat di lihat pada baris F-stastistic kolom probalility. Pada kasus ini nilainya
0,9376 lebih besar dari 0,05 sehingga dapat disimpulkan bahwa model regresi telah memenuhi
asumsi linieritas.

u Heteroskedastisitas

Heteroskedasticity Test: Glejser

F-statistic 2.055139    Prob. F(3,22) 0.1355

Obs*R-squared 5.691406    Prob. Chi-Square(3) 0.1276
Scaled explained SS 6.361702    Prob. Chi-Square(3) 0.0953

Interpretasi Hasil : Keputusan terjadinya heteroskedastisitas pada model regresi linier adalah
dengan melihat nilai Prob. F-statistic ( f hitung). Apabila nilai Prob. F lebih besar dari tingkat
alpha 0.05 maka H0 diterima yang artinya tidak terjadi heterokedastisitas. Nilai Prob. F hitung
sebesar 0,1355 lebih besar dari tingkat alpha 0,05 (5%) sehingga, berdasarkan uji hipotesis, H0
diterima yang artinya tidak terjadi heteroskedastisitas.

3. Analisis Data Uang Kartal

Uji Asumsi Klasik
u Uji Kelayakan Model

Dependent Variable: UK
Method: Least Squares
Date: 06/11/19 Time: 20.15
Sample (adjusted): 1984Q1 1997Q3
Included observations: 55 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

YN 0.033276 0.024180 1.376134 0.1750

IHK 156.0500 29.30583 5.324879 0.0000
IR -53.09277 27.55134 -1.927048 0.0598
IF 241.6446 68.69920 3.517429 0.0010
D88 -1760.700 409.3625 -4.301079 0.0001
C -10206.42 2281.936 -4.472701 0.0000

R-squared 0.992424 Mean dependent var 11291.38

Adjusted R-squared 0.991651 S.D. dependent var 6793.370
S.E. of regression 620.7404 Akaike info criterion 15.80237
Sum squared resid 18880616 Schwarz criterion 16.02135
Log likelihood -428.5652 Hannan-Quinn criter. 15.88705
F-statistic 1283.723 Durbin-Watson stat 1.286836
Prob(F-statistic) 0.000000

a. Uji kelayakan model ( uji f)

Hasil uji f dapat dilihat pada tabel di atas. Nilai prob. F (Statistic) sebesar 0,000000 lebih
kecil dari tingkat signifikansi 0,05 sehingga dapat disimpulkan bahwa model regresi yang
diestimasi layak digunakan untuk menjelaskan pengaruh variable YN,IR,IF,D88 terhadap
variable UK
b. Uji Koefisien Regresi (Uji t)
Hasil uji t dapat dilihat pada tabel di atas. Apabila nilai prob. t hitung (ditunjukkan pada
Prob.) lebih kecil dari tingkat kesalahan (alpha) 0,05 (yang telah ditentukan) maka dapat
dikatakan bahwa variabel bebas berpengaruh signifikan terhadap variabel terikatnya, sedangkan
apabila nilai prob. t hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan bahwa
variabel bebas tidak berpengaruh signifikan terhadap variabel terikatnya.
Nilai prob. t hitung dari variabel YN 0,0000 yang lebih kecil dari 0,05 sehingga variabel
bebas YN berpengaruh secara signifikan terhadap variabel terikat UK pada alpha 5%. Kemudian
prob. t hitung dari variable IR 0,0872 lebih besar dari 0,05 sehingga dapat dikatakan bahwa
variable bebas IR tidak berpengaruh secara signifikan ( berpengaruh negative) terhadap variable
terikat UK pada alpha 5%. Nilai prob. t hitung dari variable IF 0,8635 lebih besar dari 0,05,
dapat dikatakan bahwa variable IF berpengaruh negative terhadap variable UK. Yang terakhir
nilai prob. t hitung variable D88 0,8990 lebih besar dari 0,05 sehingga variable bebas D88 tidak
berpengaruh signifikan terhadap variable terikat UK pada alpha 5 %. Dapat disimpulkan bahwa
hanya variable bebas YN lah yang berpengaru secara signifikan terhadap variable terikat UK,
sedangkan tiga variable bebas lainnya yakni IR,IF dan D88 tidak berpengaruh secara signifikan
atau berpengaruh negative.
c. Koefisien Determinasi
Nilai R-square pada table diatas sebesar 0.988040 menunjukan bahwa proporsi pengaruh
variable YN,IR,IF dan D88 terhadap variable UK sebesar 98,80 %. Artinya variable YN,IR,IF
dan D88 memiliki pengaruh terhadap variable UK sebesar 98,80%, sisanya 1,2% (100%-
98,80%) dipengaruhi variable lain yang tidak ada dalam model regresi.

u Multikolinieritas

Variance Inflation Factors

Date: 06/01/19 Time: 05:11
Sample: 1984Q1 1997Q4
Included observations: 55

Coefficient Uncentered Centered

Variable Variance VIF VIF

C  548897.2  50.64294  NA

YN  1.16E-05  6.750656  1.873184
IF  3827.458  17.14236  1.509702
 IR  1171.964  31.23273  1.163245
D88  97685.89  6.554764  1.787663

Interpretasi hasil : Hasil multikolinieritas dapat dilihat pada kolom centered VIF. Nilai VIF
untuk variable YN(1.873184), IR (1.163245), IF (1.509702), dan D88 (1.787663) dimana nilai
centered VIF dari masing-masing variable kurang dari 10, maka dapat dikatakan tidak terjadi
multikolinieritas pada ketiga variable bebas tersebut. Berdasarkan syarat asumsi klasik regresi
linier dengan OLS, maka model regresi linier yang baik adalah adalah yang bebas
multikolinieritas. Dengan demikian, model di atas telah terbebas dari adanya multikolinieritas.

u Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 8.783509    Prob. F(2,48) 0.0006

Obs*R-squared 14.73585    Prob. Chi-Square(2) 0.0006

Interpretasi hasil : Nilai Prob. F(2,48) sebesar 0.0006 juga disebut sebagai nilai probabilitas F
hitung . Nilai prob. F hitung lebih kecil dari tingkat alpha 0,05 (5%) sehingga, bersadarkan uji
hipotesis, H0 ditolak yang artinya terjadi autokorelasi.

u Normalitas

14
Series: Residuals
12 Sample 1984Q2 1997Q4
Observations 55
10

Interpretasi hasil : Apabila nilai Prob.JB hitung lebih besar dari 0.05 maka dapat disimpulkan
bahwa residual terdistribusi normal dan sebaliknya. Nilai Prob. JB hitung sebesar 0.155601 >
0.05, sehingga dapat disimpulkan bahwa residual terdistribusi normal yang artinya asumsi klasik
tentang kenormalan terpenuhi.
 u Linieritas

Value df Probability
t-statistic  2.570559  49  0.0132
F-statistic  6.607774 (1, 49)  0.0132
Likelihood ratio  6.957649  1  0.0083

Interpretasi hasil : Apabila nilai Prob. Lebih besar dari tingkat alpha (0.05) maka model regresi
memenuhi asumsi linieritas dan sebaliknya. Nilai Prob. F dapat dilihat pada baris F-statistic
kolom probability. Pada pengujian ini nilai Prob. F 0.0132 < 0.05 sehingga dapat disimpulkan
bahwa model regeresi belum memenuhi asumsi linieritas.

u Heterokedastisitas

Heteroskedasticity Test: Glejser

F-statistic 11.27428    Prob. F(4,50) 0.0000

Obs*R-squared 26.08219    Prob. Chi-Square(4) 0.0000
Scaled explained SS 27.86211    Prob. Chi-Square(4) 0.0000

Interpretasi hasil Keputusan terjadinya heteroskedastisitas pada model regresi linier adalah
dengan melihat nilai Prob. F-statistic ( f hitung). Apabila nilai Prob. F lebih besar dari tingkat
alpha 0.05 maka H0 diterima yang artinya tidak terjadi heterokedastisitas. Nilai Prob.F hitung
sebesar 0.0000 lebih besar dari tingkat alpha (0.05) sehingga berdasarkan uji hipotesis, H0
ditolak yang artinya terjadi heteroskedastisitas.