Anda di halaman 1dari 11

TUGAS PENDAHULUAN 3

PRAKTIKUM EKONOMETRIKA

OLEH:
NAMA : NURUL NAHDAHFAJRIANI M.
NIM : F1A118029
KELOMPOK : II (DUA)

PROGRAM STUDI MATEMATIKA


JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALU OLEO
KENDARI
2020
Tugas Pendahuluan 3
Soal:
1. Model dan uji hipotesis regresi linear berganda!
2. Jelaskan fungsi masing-masing main menu!
3. Jelaskan fungsi:
a. Command Window
b. Work Area
c. Status Bar
4. Tuliskan Date spasification pada Frequency dan cara penulisan pada Start
date dan End date!
5. Jelaskan fungsi type of object!
Jawab:
1. Model dan Uji Hipotesis Regresi Linear Berganda
Regresi linear berganda merupakan model persamaan yang menjelaskan
hubungan satu variabel tak bebas/response ( Y ) dengan dua atau lebih variabel

bebas/predictor ( X 1 , X 2 , … , X n ). Tujuan dari uji regresi linear berganda adalah


untuk memprediksi nilai variabel tak bebas/response ( Y ) apabilai nilai-nilai

variabel bebasnya/predictor ( X 1 , X 2 , … , X n ) diketahui. Dan untuk dapat


mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel-
variabel bebasnya. Persamaan regresi linier berganda secara matematik sebagai
berikut:
Y =a+b1 X 1 +b 2 X 2 +…+ bn X n
Keterangan:
Y =¿ variabel tak bebas
X =¿ variabel bebas
a=¿ konstanta
b=¿ koefisien regresi

Adapun uji hipotesis regresi linear berganda adalah sebagai berikut:


a. Uji Determinasi ( R2 )
Koefisien determinasi digunakan untuk mengetahui seberapa besar
hubungan dari beberapa variabel dalam pengertian yang lebih jelas. Koefisien
determinasi akan menjelaskan seberapa besar perubahan atau variasi suatu
variabel bisa dijelaskan oleh perubahan atau variasi pada variabel yang lain.
Besarnya R2 dihitung dengan rumus:

2 ( b1 ∑ X 1 Y ) + ( b2 ∑ X 2 Y )
R=
∑ Y2
Apabila R2 bernilai0, maka dalam model persamaan regresi yang
terbentuk, variasi variabel tak bebas Y tidak sedikitpun dapat dijelaskan oleh
variasi variabel-variabel bebas X 1 dan X 2 . Apabila R2 bernilai 1, maka dalam
model persamaan regresi yang terbentuk, variabel tak bebas Y secara sempurna
dapat dijelaskan oleh variasi variabel-variabel bebas X 1 dan X 2 .
b. Uji Korelasi Ganda ( R )
Pengujian korelasi ganda digunakan untuk mengetahui hubungan antara
variabel independen terhadap variabel dependen secara serentak. Koefisien ini
menunjukkan seberapa besar hubungan yang terjadi antara variabel independen
dan variabel dependen. Besarnya nilai koefisien korelasi ganda dapat dihitung
dengan rumus:

( b1 ∑ X 1 Y ) + ( b 2 ∑ X 2 Y )
R=√ R 2=
√ ∑ Y2
Apabila nilai R mendekati nilai +1 atau −1, maka dapat dikatakan bahwa
semakin kuatnya hubungan/korelasi yang terjadi. Sebaliknya, apabila nilai r
mendekati 0, maka semakin lemahnya hubungan/korelasi yang terjadi.
c. Uji Parsial (Uji t)
Uji t dikenal dengan uji parsial, yaitu untuk menguji apakah variabel
independen secara individu (parsial) berpengaruh signifikan terhadap pengaruh
dependen. Tahapan yang dilakukan dalam uji Parsial adalah sebagai berikut:

 Menentukan Hipotesis
H 1=¿ Secara parsial tidak ada pengaruh signifikan
H 0=¿ Secara parsial terdapat pengaruh signifikan
 Menentukan taraf/tingkat signifikansi ( α )
Nilai yang sering digunakan untuk taraf α =5 %
 Menentukan t hitung
bi r √n−k −1
t hitung = atau t hitung =
Sbi √ 1−r 2
Keterangan:
bi=¿ koefisien regresi variabel i
Sbi=¿ standar error variabel i
r ¿ koefisien korelasi parsial
k ¿ jumlah variabel independen
n ¿ jumlah sampel
 Menentukan t tabel
 Kriteria pengujian nilai t hitung dan t tabel
H 1=¿ diterima jika: −t tabel ≤t hitung <t tabel
H 0=¿ ditolak jika: −t hitung←t tabel atau t hitung > t tabel
d. Uji Simultan (Uji F)
Uji F digunakan untuk mengetahui apakah variabel-variabel independen
secara simultan berpengaruh signifikan terhadap variabel dependen. Dengan kata
lain, uji F dipakai untuk menguji signifikasi dari koefisien determinasi ( R2 ).
Tahapan yang dilakukan dalam uji F adalah sebagai berikut:
 Menentukan hipotesis
H 0 : β1 =β2 =0; (variabel X 1 dan X 2 tidak berpengaruh terhadap Y )
H 1 : β 1 ≠ β 2 ≠0 ; (variabel X 1 dan X 2 berpengaruh terhadap Y )
 Menentukan taraf/tingkat signifikansi ( α )
Nilai yang sering digunakan untuk taraf α =5 %

 Menentukan F hitung
R2
2
k R ( n−k −1 )
F hitung = =
( 1−R 2) 2
k ( 1−R )
( n−k−1 )
Keterangan:
R2 ¿ Koefisien determinasi
k ¿ jumlah variabel independen
n ¿ jumlah sampel
 Menentukan F tabel
df 1=¿ jumlah variabel independen
df 2=n−k−1
 Kriteria pengujian nilai F hitung dan F tabel
Apabila nilai F hitung < F tabel, maka hipotesis H 1 ditolak dan H 0 diterima.
Apabila nilai F hitung > F tabel, maka hipotesis H 1 diterima dan H 0 ditolak.
Contoh kasus regresi linear berganda adalah sebagai berikut:
Menurut beberapa pengusaha di bidang properti, faktor-faktor yang
mempengaruhi harga jual rumah adalah ukuran rumah itu sendiri dan umur
bangunan rumah. Berikut ini adalah data yang diperoleh dari beberapa rumah:
Harga Jual Rumah ( Y ) Ukuran Rumah ( X 1) Umur bangunan ( X 2)
32 1,8 30
24 1 33
27 1,7 25
47 2,8 12
35 2,2 26
17 0,8 25
52 3,6 28
20 1,1 29
38 2 25
45 2,6 2
44 2,3 30
19 0,9 23
25 1,2 12
50 3,4 33
30 1,7 1
43 2,5 12
27 1,4 17
50 3,3 16
37 2,2 22
28 1,5 29
Tabel 1. Data Kasus Regresi Linear Berganda
Penyelesaian:
No. Y X1 X2 X 12 X 22 X1 ∙ X2 X 1 ∙Y X 2 ∙Y
1 32 1,8 30 3,24 900 54 57,6 960
2 24 1 33 1 1089 33 24 792
3 27 1,7 25 2,89 625 42,5 45,9 675
4 47 2,8 12 7,84 144 33,6 131,6 564
5 35 2,2 26 4,84 676 57,2 77 910
6 17 0,8 25 0,64 625 20 13,6 425
7 52 3,6 28 12,96 784 100,8 187,2 1456
8 20 1,1 29 1,21 841 31,9 22 580
9 38 2 25 4 625 50 76 950
10 45 2,6 2 6,76 4 5,2 117 90
11 44 2,3 30 5,29 900 69 101,2 1320
12 19 0,9 23 0,81 529 20,7 17,1 437
13 25 1,2 12 1,44 144 14,4 30 300
14 50 3,4 33 11,56 1089 112,2 170 1650
15 30 1,7 1 2,89 1 1,7 51 30
16 43 2,5 12 6,25 144 30 107,5 516
17 27 1,4 17 1,96 289 23,8 37,8 459
18 50 3,3 16 10,89 256 52,8 165 800
19 37 2,2 22 4,84 484 48,4 81,4 814
20 28 1,5 29 2,25 841 43,5 42 812
∑ 690 40 430 93,56 10990 844,7 1554,9 14540
Tabel 2. Pengolahan Data

∑Y ¿ an+ b1 ∑ X 1+ b2 ∑ X 2
690 ¿ 20 a+ 40 b1 +430 b 2 ⋯ (1)
∑ X1Y ¿ a ∑ X 1+ b1 ∑ X 12+ b2 ∑ X 1 X 2
1554,9 ¿ 40 a+ 93,56 b1 +844,7 b 2 ⋯ (2)
∑ X2Y ¿ a ∑ X 2+ b1 ∑ X 1 X 2+ b2 ∑ X 22
14540 ¿ 430 a+ 844,7 b1 +10990 b2 ⋯ (3)
Substitusi dari persamaan (1)
690 ¿ 20 a+ 40 b1 +430 b 2
20 a ¿ 690−40 b1−430 b2
a ¿ 34,5−2b 1−21,5 b2
Substitusi nilai a ke dalam persamaan (2)
1554,9 ¿ 40 ( 34,5−2 b1−21,5 b 2) + 93,56 b1 +844,7 b2
1554,9 ¿ 1380−80 b1−860 b 2+ 93,56 b1+ 844,7 b2
174,9 ¿ 13,56 b1−15,3 b 2 ⋯ (4 )
Substitusi nilai a ke dalam persamaan (3)
14540 ¿ 430 ( 34,5−2 b1−21,5 b2 ) + 844,7 b1 +10990 b2
14540 ¿ 14835−860 b1−9245 b 2+844,7 b1+ 10990b 2
−295 ¿−15,3 b1 +1745 b2 ⋯ (5)
Eliminasi nilai b 1 pada persamaan ( 4) dan persamaan (5)
13,56 b1−15,3b 2 ¿ 174,9 ×−15,3
−15,3 b1 +1745 b2 ¿−295 ×13,56
−207,468 b1 +243,09 b2 ¿−2675,97
−207,468 b1 +23662,2 b2 ¿−4000,2
−¿
−23428,11 b2 ¿ 1324,23
b2 ¿−0,0565231254
b2 ≈−0,057
Substitusi nilai b 2 ke dalam persamaan ( 4)
13,56 b1−15,3 (−0,0565231254 ) ¿ 174,9
13,56 b1 +0,864803819 ¿ 174,9
13,56 b1 ¿ 174,035196
b1 ¿ 12,834454 ≈ 12,834

Substitusi nilai b 1 dan b 2 ke dalam persamaan (1)


20 a+ 40 ( 12,834454 ) +430 (−0,0565231254 ) ¿ 690
20 a+513,37816−24,3049439 ¿ 690
20 a ¿ 200,926784
a ¿ 10,0463392≈ 10,046
Dari hasil perhitungan di atas persamaan regresi linear berganda dapat dituliskan
sebagai berikut:
Y^ =10,046 +12,834 X 1−0,057 X 2
Sehingga dari persamaan di atas dapat diterjemahkan:
Koefisien regresi ukuran rumah bernilai positif artinya jika ukuran rumah
semakin besar maka nilai harga jual rumah akan semakin tinggi. Begitu pula pada
saat ukuran rumah kecil maka harga jual rumah semakin rendah. Setiap bertambah
ukuran rumah sebanyak 1 (ribuan kaki persegi) akan menambahkan nilai harga
jual rumah sebesar 12,834 (ribuan dolar).
Koefisien regresi umur rumah bernilai negatif artinya pada saat umur
rumah bertambah tua maka nilai harga jual rumah akan mengalami penurunan.
Begitu pula semakin sedikit umur rumah maka nilai harga jual rumah bertambah.
Setiap bertambah umur rumah sebanyak 1 tahun akan mengurangi nilai harga jual
rumah sebesar 0,057 (ribuan dolar) dan sebaliknya.
 Koefisien determinasi ( R2 )

( b1 ∑ X 1 Y ) + ( b2 ∑ X 2 Y )
R2 ¿
∑ Y2
(12,834 ∙1554,9 ) + (−0,057 ∙ 14540 )
¿
26178
19955,5866−828,78
¿
26178
¿ 0,730644304
 Koefisien korelasi berganda ( R )
R ¿ √ R2
¿ √ 0,730644304
¿ 0,854777342
 Uji F (Simultan)
H 0 : β1 =β2 =0; (variabel X 1 dan X 2 tidak berpengaruh terhadap Y )
H 1 : β 1 ≠ β 2 ≠0 ; (variabel X 1 dan X 2 berpengaruh terhadap Y )

R 2 ( n−k −1 )
F hitung ¿
k ( 1−R2 )
0,730644304 ( 20−2−1 )
¿
2 ( 1−0,730644304 )
12,4209532
¿
0,538711392
¿ 23,0567858 ≈ 23,057
Dengan taraf signifikan adalah 0,05
df 1 ¿ k =2
df 2 ¿ n−k −1=17
F tabel=3,59
Kriteria pengujian:
Apabila nilai F hitung < F tabel, maka hipotesis H 1 ditolak dan H 0 diterima.
Apabila nilai F hitung > F tabel, maka hipotesis H 1 diterima dan H 0 ditolak.
F hitung > F tabel =23,057>3,59 berarti H 0 ditolak dan H 1 diterima.
Jadi, dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara
ukuran rumah dan umur bangunan rumah tehadap harga jual rumah.
2. Fungsi Masing-Masing Main Menu pada Eviews
Fungsi masing-masing main menu pada Eviews adalah sebagai berikut:
Main Menu Keterangan
Menu file ini digunakan untuk keperluan yang berhubungan
File dengan file data, seperti membuka data baru, output baru,
membuka dan menutup file, menyimpan, print dan sebagainya.
Menu ini digunakan untuk perbaikan dan pengubahan data
misalnya untuk mencopy data, memotong atau cut,
Edit menambahkan variabel, menambahkan kasus, mencari variabel
atau kasus akan diganti atau diubah, menghapus data, mencari
data dan sebagainya.
Digunakan apabila data yang kita perlukan sudah tersedia maka
Object bisa langsung menggunakan objek (variabel) untuk melakukan
regresi atau digunakan untuk memasukkan data.
Menu ini digunakan untuk mengatur penampakan layar atau
toolbar. Pengerjaan pada menu ini tidak mengubah isi variabel
View
atau data dan juga tidak berpengaruh pada perhitungan statistik
yang dilakukan.
Proc Digunakan untuk mengontrol jalannya sebuah sistem komputer.
Quick Digunakan untuk melakukan regresi.
Digunakan untuk mengatur sistem yang berada dalam suatu alat
Options
elektronik.
Digunakan untuk menduplikat sebuah data, mengkoreksi atau
Add-ins
membenarkan jika ada kesalahan penulisan.
Window Digunakan untuk mengelola objek.
Menu help ini memuat bantuan sistem yang sangat lengkap
Help
meliputi hampir seluruh panduan pengguna software ini.
Tabel 3. Fungsi Main Menu Eviews

3. Window Eviews
Fungsi beberapa macam window Eviews adalah sebagai berikut:
Window Eviews Keterangan
Command Berfungsi untuk mengetikkan perintah macro Eviews, baik
Window (Jendela untuk menganalisa data maupun menyusun program.
Program)
Merupakan area terbesar yang berwarna abu-abu, disinilah
Work Area
letak workfile yang kita buka baik berupa tabel maupun
(Jendela Kerja)
objek lainnya.
Status Bar Berfungsi sebagai tempat yang berisi informasi tentang
path yaitu direktori kerja kita saat ini, database yang kita
gunakan (DB), dan workfile yang sedang kita gunakan
(WF).
Tabel 4. Window Eviews

4. Date Spesification pada Frequency


Jenis-jenis date spesification dan cara penulisan pada start date dan end
date adalah sebagai berikut:
Jenis Data Keterangan Cara Penulisan
Start date: 2015
Annual Data tahunan
End date: 2020
Start date: 2015 :1
Semi-Annual Data setengah tahunan
End date: 2020 :2
Start date: 2015 :1
Quarterly Data Kuartalan
End date: 2020 :4
Start date: 2015 :1
Monthly Data bulanan
End date: 2015 :6
Start date: 2015 :2
Bimonthly Data 2 bulan sekali
End date: 2015 :4
Start date: 09 :10 :20
Weekly Data mingguan
End date: 09 :17 :20
Data harian (5 hari dalam Start date: 09 :10 :20
Daily-5 days week
seminggu End date: 09 :14 :20
Data harian (7 hari dalam Start date: 09 :10 :20
Daily-7 days week
seminggu) End date: 09 :17 :20
Ten-day Data setiap hari dalam Start date: 09 :10 :20
(Trimonthly) interval sepuluh End date: 09 :20 :20
Tabel 5. Date Spesification pada Frequency

5. Type of Object
Jenis-jenis type of object adalah sebagai berikut:
Type of Object Fungsi
Untuk membuat data runtun waktu dengan beberapa
Series
periode.
Matrix-vector coef Untuk membuat matriks atau vektor.
Graph Untuk membuat grafik.
Equation Untuk membuat persamaan.
Sample Untuk membuat sampel dari populasi yang tersedia.
VAR Untuk membuat data Vector Auto Regression.
String Untuk memasukkan nilai alfa numerik di Eviews.
Spool Untuk membuat objek.
ValMap Untuk menyatakan objek peta nilai.
Tabel 6. Type of Object