NAMA : Rizky Dwi Yulianto

Management 5A – Ekonometrika

Dosen Pembimbing : Farhan Muntafa, S.Si., M.Stat

Soal 1.

Terdapat data sebagai berikut :

Jenis Blok
No. Pekerjaan Pendapatan Pengeluaran
Kelamin Rumah
1 L A TNI IDR 2,534,617.00 IDR 2,735,112.00
2 L A TNI IDR 2,102,479.00 IDR 2,529,124.00
3 P B Karyawan swasta IDR 4,395,724.00 IDR 4,455,241.00
4 L A Polisi IDR 3,027,471.00 IDR 3,476,804.00
5 P B Karyawan swasta IDR 4,716,715.00 IDR 4,914,451.00
6 L B TNI IDR 2,852,510.00 IDR 2,402,774.00
7 L A Polisi IDR 3,475,081.00 IDR 3,595,509.00
8 P A Karyawan swasta IDR 4,079,214.00 IDR 4,950,635.00
9 L A Polisi IDR 3,494,392.00 IDR 3,464,953.00
10 P B Karyawan swasta IDR 4,329,731.00 IDR 4,129,341.00
11 L A TNI IDR 2,518,463.00 IDR 2,666,155.00
12 L A TNI IDR 2,099,080.00 IDR 2,580,905.00

a. Adakah hubungan antara Jenis kelamin dengan Blok Rumah? Korelasi apa yang digunakan?
Jelaskan dengan analisis data! (Chi-Square / Theta)
b. Adakah hubungan yang signifikan antara jenis kelamin dengan pemilihan pekerjaan? ? Korelasi
apa yang digunakan? Jelaskan dengan analisis data!
c. Adakah hubungan yang signifikan antara Pekerjaan dengan pendapatan? ? Korelasi apa yang
digunakan? Jelaskan dengan analisis data!
d. Apakah terdapat hubungan antara tingkat pengeluaran dengan pendapatan? ? Korelasi apa yang
digunakan? Jelaskan dengan analisis data!

Jawaban :

a. Jenis Kelamin vs Blok Rumah

Jenis Kelamin : Nominal

Blok Rumah : Ordinal

Hipotesis : H0  tidak terdapat Asosiasi antara variabel Jenis Kelamin dengan Blok Rumah
 H1  terdapat Asosiasi antara variabel Jenis Kelamin dengan Blok Rumah, dan H0

ditolak

Alpha  0,05

Sifat Uji : Asosiasi Cramar

Kriteria Uji :

1. Tolak H0 jika p-value (sig.) < alfa

2. Terima H0 jika p-value (sig.) > alfa

Rumus :

1. Chi-Square :

2. Asosiasi Crammar :

Hasil Uji Jenis Kelamin vs Blok Rumah

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig. (1-

Value Df (2- sided) (2- sided)
sided)
Pearson Chi-Square 4.688a 1 .030
Continuity Correctionb 2.297 1 .130
Likelihood Ratio 4.749 1 .029
Fisher's Exact Test
.067 .067
Linear-by-Linear Association 4.297 1 .038
N of Valid Cases 12

a. 3 cells (75.0%) have expected count less than 5. The minimum expected count is 1.33.
b. Computed only for a 2x2 table

Didapatkan nilai P-Value 0,03

P-Value (sig.) = 0.03 < Alpha = 0,05
Maka, H0 ditolak, dan H1 Diterima.
Kesimpulannya : dengan tingkat kepercayaan 95% Terdapat asosiasi antara variabel Jenis
Kelamin dengan Blok Rumah. Karena terdapat hubungan, diperlukan perhitungan berapa
besar asosiasinya dengan menggunakan rumus asosiasi cramar dengan perhitungan
sebagai berikut :

Rumus Cramar :

C = √ (Chi – Square) / ( N x (L-1) )

C = √ (4,688) / ( 12 x ( 2-1) )
C = 0,180

Maka, dari hasil perhitungan didapatkan bahwa nilai koefisien asosiasi cramar,
menunjukkan keeratan hubungan sebesar 0,180 dan termasuk asosiasi sangat rendah.
b. Jenis Kelamin vs Pekerjaan

Jenis Kelamin = Nominal

Pekerjaan = Nominal

Hipotesis : H0  tidak terdapat asosiasi antara variabel Jenis Kelamin dengan Pekerjaan

H1  terdapat asosiasi antara variabel Jenis Kelamin dengan Pekerjaan, dan H0

ditolak

Alpha  0,05

Sifat Uji : Asosiasi Cramar

Kriteria Uji :

1. Tolak H0 jika p-value (sig.) < alfa

2. Terima H0 jika p-value (sig.) > alfa

Rumus :

1. Chi Square :

2. Asosiasi Crammar :

Hasil Uji SPSS Jenis Kelamin vs Pekerjaan :

 Chi-Square Tests

Asymp. Sig. (2-

Value df sided)
Pearson Chi-Square 12.000a 2 .002
Likelihood Ratio 15.276 2 .000
Linear-by-Linear Association .239 1 .625
N of Valid Cases 12

a. 6 cells (100.0%) have expected count less than 5. The minimum expected
count is 1.00.

Didapatkan nilai P-Value (sig.) = 0.002

P-Value (sig.) = 0.002 < Alpha = 0.05

Maka, H0 ditolak, dan H1 diterima.

Kesimpulannya : dengan tingkat kepercayaan 95% Terdapat asosiasi antara variabel Jenis
Kelamin dengan Pekerjaan. Karena terdapat hubungan, diperlukan perhitungan berapa
besar asosiasinya dengan menggunakan rumus asosiasi cramar dengan perhitungan
sebagai berikut :

Rumus Cramar :

C = √ (Chi – Square) / ( N x (L-1) )

C = √ (12,000) / ( 12 x ( 2-1) )
C =1

Maka, dari hasil perhitungan didapatkan bahwa nilai koefisien asosiasi crammar,
menunjukkan keeratan hubungan sebesar 1 dan termasuk asosiasi sangat kuat
c. Pekerjaan vs Pendapatan

Pekerjaan : Nominal
Pendapatan : Rasio

H0 = Tidak terdapat asosiasi antara pekerjaan dengan pendapatan

H1 = Terdapat Asosiasi antara pekerjaan dengan pendapatan

Toleransi Kekeliruan : 5% = 0,05

Statistik Uji = Asosiasi ETA
Rumus :
ETA :

Dengan uji signifikansi,

Kriteria Uji :

1. Tolak H0 jika p-value (sig.) < alfa

2. Terima H0 jika p-value (sig.) > alfa

 Hasil perhitungan dengan SPSS

Directional Measures
Value
Nominal by Interval Eta Pekerjaan Dependent 1.000
Pendapatan Dependent .956

Didapat nilai ETA = 0,956

P-Value = 0,956 > Alpha = 0,05
Maka, H0 diterima, dan H1 Ditolak

Nilai Uji Signifikansi :

F = (ETA^2 x (N-K)) / ((1-ETA^2) x (K-1))

F = (0.956^2 x (12-3)) / ((1-0.956^2) x (3-1))
F = 47.78667

Kesimpulannya : dengan tingkat kepercayaan 95% Tidak terdapat asosiasi antara variabel
Pekerjaan dengan Pendapatan. Dengan tingkat signifikansi sebesar 47.78667
d. Pengeluaran Vs Pendapatan

Pendapatan : Interval

Pengeluaran : Interval

HO-1 : r = 0 ; X1 tidak ada hubungan antara pengeluaran dengan pendapatan

H1-1 : r ≠ 0 ; X1 ada hubungan antara pengeluaran dengan pendapatan
H0-2 : r = 0 ; tidak ada hubungan antara pengelaran dengan
pendapatan H1-2 : r ≠ 0 ; ada hubungan antara pengeluaran dengan
pendapatan

Toleransi Kekeliruan : 5% = 0,05

Statistik Uji = Pearson
Rumus :
Pearson :

Kriteria Uji :

1. Tolak H0 jika p-value (sig.) < alfa

2. Terima H0 jika p-value (sig.) > alfa

Hasil Uji dengan SPSS

 Correlations

Pendapatan Pengeluaran
Pendapatan Pearson Correlation 1 .931**
Sig. (2-tailed) .000

N 12 12
Pengeluaran Pearson Correlation .931** 1
Sig. (2-tailed) .000
N 12 12

**. Correlation is significant at the 0.01 level (2-tailed).

Didapat P-Value Pendapatan = 0.931

Didapat P-Value Pegeluaran = 0.931

Korelasi. Jika suatu hubungan tidak sama dengan 0, maka dapat dikatakan terjadi hubungan.
Perhatikan baris-baris Pearson Correlation, di mana dihasilkan hasil-hasil berikut:

1. Pendapatan berhubungan secara positif sebesar 0,931 (r = 0,931).

2. Pengeluaran berhubungan secara positif sebesar 0,931(r= 0,931).

Signifikansi. Signifikansi bisa ditentukan lewat baris Sig. (2-tailed). Jika nilai Sig. (2-tailed) < 0,05,
maka hubungan yang terdapat pada r dianggap signifikan. Hasil uji signifikansi (di atas) adalah:

Nilai r hubungan pengeluaran dengan pendapatan adalah 0,000.

Artinya, 0,000 < 0,05, korelasi antara kedua variabel signifikan.

Soal 2.

Pada teori ilmu ekonomi makro disebutkan bahwa C = f(Y), yaitu Cons = b0 + B1X dimana pendapatan
nasional berbanding lurus dengan konsumsi masyarakat. Berikut data konsumsi beras terhadap
pendapatan nasional :

Tahun Konsumsi beras perkapita (Cons) GDP Nominal per Kapita (X)

1998 108 IDR 5,256,564.00

1999 103 IDR 5,341,472.00
2000 103 IDR 6,179,856.00
2001 101 IDR 7,222,852.00
2002 101 IDR 8,205,346.00
2003 101 IDR 9,439,067.00
2004 100 IDR 9,719,295.00
2005 99 IDR 13,764,654.00
2006 98 IDR 13,890,182.00
2007 98 IDR 15,693,088.00
2008 95 IDR 17,711,009.00

a. Sebutkan variable mana yang termasuk variable dependen dan independen? Jelaskan!
b. Analisis dengan menggunakan regresi linier sederhana!
c. Buatlah persamaan regresi dari hasil analisis pada poin b.
d. Interpretasikan persamaan tersebut!
e. Jika pendapatan nasional mencapai IDR 20.000.000,- berapakah konsumsi masyarakat yang akan
terjadi?
Jawaban :

a. Variabel Dependen : Konsumsi Beras Perkapita

Karena, Variabel Beras dipengaruhi oleh variabel Independen yaitu pendapatan nasional.

Variabel Independen : Pendapatan Nasional

Karena, Variabel pendapatan nasional mempengaruhi variabel dependen yaitu konsumsi beras
perkapita.

b. Analisis Regresi Linear Sederhana : Konsumsi beras perkapita vs pendapatan nasional

Hipotesis :

H0 : Tidak ada pengaruh yang signifikan antara variabel pendapatan nasional terhadap
konsumsi beras perkapita.
H1 : Ada pengaruh yang signifikan antara variabel pendapatan nasional terhadap
konsumsi beras perkapita.

Toleransi Kekeliruan : 5% = 0,05

Kriteria Uji :

1. Tolak H0 jika p-value (sig.) < alfa

2. Terima H0 jika p-value (sig.) > alfa

Alat Uji : Analisis Regresi Sederhana SPSS

Hasil Uji :

Coefficientsa

Model Standardize
Unstandardized Coefficients d
Coefficients t Sig.
B Std. Error Beta
1 (Constant) 107.684 1.300 82.809 .
000
-.890
Pendapatan -6.896E-7 .000 -5.852 .
000

a. Dependent Variable: Konsumsi

Didapat P-Value (.sig) = 0.000

Maka, P-value (.sig) < Alpha

  0,000 < 0,05  Tolak HO, dan H1 diterima

Dari output diatas dapat diketahui nilai t hitung = -5.852 dengan nilai signifikansi 0.000 < 0.05,
maka Ho ditolak dan H1 diterima, yang berarti Ada pengaruh yang signifikan antara variabel
pendapatan nasional terhadap konsumsi beras perkapita.

c. Persamaan regresi atas persamaan regresi linear sederhana bagian b

Didapat hasil uji analisis regresi linear SPPS sebagai berikut :

Coefficientsa

Model Standardize
Unstandardized Coefficients d
Coefficients t Sig.
B Std. Error Beta
1 (Constant) 107.684 1.300 82.809 .
000
-.890
Pendapatan -6.896E-7 .000 -5.852 .
000

a. Dependent Variable: Konsumsi

Didapat nilai :
1. Constant (a) : 107.684
2. Pendapatan (b) : -6.896E-7

Maka, Persamaannya a+bx

Jadi persamaannya  107.684 + (-6.896) X

d. Interpretasikan persamaan

Koefisien b dinamakan koefisien arah regresi dan menyatakan perubahan rata-rata

variabel Y untuk setiap perubahan variabel X sebesar satu satuan. Perubahan ini
 merupakan pertambahan bila b bertanda positif dan penurunan bila b bertanda negatif,
jadi bisa dijelaskan secara sederhana seperti berikut :

1. Konstanta sebesar 107.684 menyatakan bahwa jika tidak ada nilai Trust maka nilai
Partisipasi sebesar 107.684
2. Koefisien regresi X sebesar (-6.896) menyatakan bahwa setiap penambahan 1 nilai
trust, maka nilai partisipasi bertambah sebesar (-6.896)

e. Jika pendapatan nasional mencapai IDR 20.000.000,- berapakah konsumsi masyarakat yang akan
terjadi?

persamaannya  107.684 + (-6.896) X

X = 20000000

 107.684 + (-6.896) X

 107.684 + (-6.896) 20000000

 107.684 + (-137920000)

 -137919892.316