Soal Ujian Akhir Semester

Nama : Eva Juniarti

NIM : 1830603182
Kelas : SPS5
Mata Kuliah : Ekonometrika
Prodi : S1 Pebankan Syariah
Dosen : Erdah Litriani.SE.Mec.Dev

Silahkan dijawab soal berikut. Jawaban diketik dan di upload di googleclassroom. Tidak ada
alasan untuk keterlambatan!

1. Soal analisis regresi berganda. Berikut ini adalah data besarnya pendapatan, jumlah
anggota keluarga dan pengeluaran untuk berbelanja 12 orang karyawan?

X1 pendapatan 90 80 90 80 70 80 90 80 70 90 80 60 70 80
X2 jumlah anggota 6 6 5 4 5 4 6 3 5 4 6 4 2 4
keluarga
Y pengeluaran 75 45 55 60 65 40 45 80 60 65 68 65 66 70

Berdasarkan data tersebut

a. Buatlah persamaan regresinya!
b. Berapa nilai koefisien determinasi dan apa maknanya!
c. Bagaimana pengaruh pendapatan dan jumlah anggota keluarga terhadap
pengeluaran?
d. Bagai,ana uji ketepatan model persamaan regresi tersebut dengan menggunakan uji F?

2. Jelaskan secara singkat apa yang dimaksud dengan:

a. Uji normalitas
b. Uji linieritas
c. Uji multikolinieritas
d. Uji heterkedastisitas
e. Uji autokorelasi

3. Jelaskan bagaimana cara memberikan penilaian atas variabel kualitatif unyuk analisis
regresi variabel dummy?

4. Jelaskan perbedaan analisis regresi dengan menggunakan variabel mediasi dan analisis
regresi dengan menggunakan variabel moderasi!

5. Jelaskan secara singkat hal-hal berukut:

a. Jelaskan apa yang dimaksud dengan panel data!
b. Jelaskan kelebihan dari regresi panel data!
c. Jelaskan jenis-jenis panel data berdasarkan keseimbangan datanya!
d. Jelaskan asumsi-asumsi pada regresi panel data!
Silahkan dikerjakan sebaik-baiknya NO COPY PASTE karena akan dicek di plagiarisme!

Selamat  Mengerjakan
1. .
a. Persamaan Regresi

No. X1 X2 Y X12 X22 X1X2 X1Y X2Y

1. 90 6 75 8100 36 540 6750 450
2. 80 6 45 6400 36 480 3600 270
3. 90 5 55 8100 25 450 4950 275
4. 80 4 60 6400 16 320 4800 240
5. 70 5 65 4900 25 350 4550 325
6. 80 4 40 6400 16 320 3200 160
7. 90 6 45 8100 36 540 4050 270
8. 80 3 80 6400 9 240 6400 240
9. 70 5 60 4900 25 350 4200 300
10. 90 4 65 8100 16 360 5850 260
11. 80 6 68 6400 36 480 5440 408
12. 60 4 65 3600 16 240 3900 260
13. 70 2 66 4900 4 140 4620 132
14. 80 4 70 6400 16 320 5600 280

1.110 64 859 89.100 312 5.130 67.910 3.870

Berdasarkan tabel diatas diketahui :

N = 14 ƩX22 = 312
ƩX1 = 1.110 ƩX1X2 = 5.130
ƩX2 = 64 ƩX1Y = 67.910
ƩY = 859 ƩX2Y = 3.870
ƩX12 = 89.100
Dengan demikian besarnya koefisien regresi dapat dicari dengan :
14 1.110 64 a 859
1.110 89.100 5.130 x b1 67.910
64 5.130 312 b2 3.870

Matriks [A] Matriks [A1]

14 1.110 64 859 1.110 64
1.110 89.100 5.130 67.910 89.100 5.130
64 5.130 312 3.870 5.130 312

Matriks [A2] Matriks [A3]

14 859 64 14 1.110 859
1.110 67.910 5.130 1.110 89.100 67.910
64 3.870 312 64 5.130 3.870

Untuk menghitung determinan matriks A dilakukan dengan cara :

14 1.110 64 14 1.110
1.110 89.100 5.130 1.110 89.100
64 5130 312 64 5.130

Det A = (14 x 89.100 x 312) + (1.110 x 5.130 x 64) + (64 x 1.110 x 5.130)
- (64 x 89.100 x 64) + (5.130 x 5.130 x 14) + (312 x 1.110 x 1.110) +
= 1.118.059.800 - 1.117.805.400
= 253.800
Matriks A1
859 1.110 64 859 1.110
67.910 89.100 5.130 67.910 89.100
3.870 5.130 312 3.870 5.130
Det A1= (859 x 89.100 x 312) + (1.110 x 5.130 x 3.870) + (64 x 67.910 +
5.130)
- (3.870 x 8.910 x 64) + (5.130 x 5.130 x 859) + ( 312 x 67.910 x 1.110)
= (68.212.665.000) - (68.193.096.300)
= 19.568.700

Matriks A2
14 859 64 14 859
1.110 6.710 5.130 1.110 6.710
64 3.870 312 64 3.870
Det A2= (14 x 6.710 x 312) + (859 x 5.130 x 64) + (64 x 1.110 x 3.870)
- (64 x 6.710 x 64) + 3.870 x 5.130 x 14 + 312 x 1.110 x 859
= (853.582.560) - (853.591.640)
= -9.080

Matriks A3
14 1.110 859 14 1.110
1.110 89.100 6.710 1.110 89.100
64 5.130 3.870 64 5.130

Det A3 = (14 x 89.100 x 3.870) + (1.110 x 6.710 x 64) + ( 859 x 1.110 x 5.130)
- (64 x 89.100 x 859) + (5.130 x 6.710 x 14) + ( 3.870 x 1.110 x 1.110)
= (14.543.168.100) - (14.543.884.800)
= -716.700
Dapat diperoleh data sebagai berikut :
 Matriks Determinant [A] = 253.800
 Matriks Determinant [A1] = 19.568.700
 Matriks Determinant [A2] = - 9.080
 Matriks Determinant [A3] = - 716.700

Det [ A 1] 19.568.700
a =
Det [ A ]
= 253.800 = 77,103
Det [ A 2] −9.080
b =
Det [ A ]
= 253.8 00 = -0,036

Det [ A 3 ] −716.700
b=
Det [ A ]
= 253.800 = -2,824

Sehingga persamaan regresi berganda yang terbentuk adalah sebagai berikut :

Y = 77,103 - 0,036X1 - 2,824X2 + ɛ

Arti persamaan regresi :

77,103 = Jika pendapatan sebesar 0 dan jumlah anggota keluarga juga 0 maka
pengeluaran akan sebesar 77,103
 - 0,036 = Jika pendapatan naik sebesar 1 satuan dan jumlah anggota keluarga
tetap maka pengeluaran akan menurun sebesar -0,036

-2,824 = Jika jumlah anggota keluarga naik sebesar 1 satuan dan pendapatan
tetap maka pengeluaran akan turun sebesar -2,824

b. Koefisien Determinasi dan maknanya :

Yprediksi :
Ŷ1 = 77,103 - 0,036 (90) - 2,824 (6) = 56,919
Ŷ2 = 77,103 - 0,036 (80) - 2,824 (6) = 57,279
Ŷ3 = 77,103 - 0,036 (90) - 2,824 (5) = 59,743
Ŷ4 = 77,103 - 0,036 (80) - 2,824 (4) = 62,927
Ŷ5 = 77,103 - 0,036 (70) - 2,824 (5) = 60,463
Ŷ6 = 77,103 - 0,036 (80) - 2,824 (4) = 62,927
Ŷ7 = 77,103 - 0,036 (90) - 2,824 (6) = 59,919
Ŷ8 = 77,103 - 0,036 (80) - 2,824 (3) = 65,751
Ŷ9 = 77,103 - 0,036 (70) - 2,824 (5) = 60,463
Ŷ10 = 77,103 - 0,036 (90) - 2,824 (4) = 62,567
Ŷ11 = 77,103 - 0,036 (80) - 2,824 (6) = 57,279
Ŷ12 = 77,103 - 0,036 (60) - 2,824 (4) = 63,647
Ŷ13 = 77,103 - 0,036 (70) - 2,824 (2) = 68,935
Ŷ14 = 77,103 - 0,036 (80) - 2,824 (4) = 62,927

No. X1 X2 Y YPred (Y-YPred)2 (Y-YBar)2

1. 90 6 75 56,919 326,923 186,131
2. 80 6 45 57,279 150,774 267,551
3. 90 5 55 59,743 22,496 40,411
4. 80 4 60 62,927 8,567 1,841
5. 70 5 65 60,463 20,584 13,271
6. 80 4 40 62,927 525,647 456,121
7. 90 6 45 56,919 142,062 267,551
8. 80 3 80 65,751 203,034 347,561
9. 70 5 60 60,463 0,214 1,841
10. 90 4 65 62,567 5,919 13,271
11. 80 6 68 57,279 114,940 44,129
12. 60 4 65 63,647 1,831 13,271
13. 70 2 66 68,935 8,614 21,557
 14. 80 4 70 62,927 50,027 74,701
Jlh 1.110 64 859 858,746 1,581,632 1,749,208

Berdasarkan data tersebut maka dapat dihitung koefisien Determinasi sebagai

berikut :
Ʃ (Y −Ŷ )² 1.581,632
R2 = 1 -
Ʃ (Y −Ȳ )²
= 1.749,208
= 1 - 0,904 = 0,096
Artinya :
Koefisien Determinasi (R2) sebesar 0,096 berarti 9,6% variasi perubahan
pengeluaran dipengaruhi oleh variasi jumlah anggota keluarga dan pendapatan,
sedangkan sisanya dipengaruhi oleh variasi variable diluar model (variable yang
tidak diteliti)

c. Apakah terdapat pengaruh pendapatan dan jumlah anggota

keluarga terhadap pengeluaran?
Ʃ (Y −Ŷ ) ² 1.581,632
Se =
√ n−k
=
√14−3
= 11,991

K11
14 1.110 64
1.110 8.9100 5.130
64 5.130 312

K1 = (89.100 x 312) - (5.130 x 5.130)

= 27.749.200 - 26.316.900
= 1.482.300

14 1.110 64
1.110 8.9100 5.130
64 5.130 312
K22 = (14 x 312) - (64 x 64)
= 4.368 - 4.096
= 272
K33
14 1.110 64
1.110 8.9100 5.130
64 5.130 312

K33 = (14 x 89.100) - (1.110 x 1.110)

= 1.247.400 - 1.232.100
= 15.300
Berdasarkan data diatas maka dapat diperoleh :
11,991 ²
Sa =
√ 253.800
(1.482.300) = 28,978

11,991 ²
Sb1 =
√ 253.800
(272) = 0,392

11,991 ²
Sb2 =
√ 253.800
= 2,994

bj
ti =
sbj
−0,036
tx1 = 0,392 = -0,092
−2,824
tx2 =
2,944
= -0,959
dengan df: a,(n-k) atau 0,05 (14-3) diperoleh nilai t tabel sebesar 1,796.
Karena nilai t hitung (-0,092) < nilai t tabel (1,796) maka dapat disimpulkan
bahwa variabel pendapatan memiliki pengaruh negative terhadap variabel
volume pengeluaran.
Karena nilai t hitung (-0,959) < nilai t tabel (1,796) maka dapat disimpulkan
bahwa variabel jumlah anggota keluarga memiliki pengaruh negatif terhadap
volume pengeluaran.

d. Uji F
R2 /(K−1)
F=
1−R2 /( n−k )
 0,096/(3−1)
0,096
= 1−
14
−3
0,048
= 0,082

= 0,585
Dengan df : a,(n-k) atau 0,05, (3-1) , (14-3) diperoleh nilai F tabel sebesar
3,982. Karena nilai F hitung (0,585) < nilai F tabel (3,982) maka dapat
disimpulkan bwa model persamaan regresi yang terbentuk masuk kriteria tidak
cocok.
2. .
a. Uji Normalitas merupakan pengujian yang dilakukan untuk menguji
apakah nilai residual yang telah distandarisasi pada model regresi
berdistribusi normal atau tidak.
b. Uji linieritas merupakan pengujian yang dilakukan untuk mengetahui
model yang dibuktikan merupakan model linier atau tidak. Hasil dari uji
Linieritas ini adalah informasi apakah model sendiri sebaiknya linier,
kuadrat atau kubik.
c. Uji Multikolinearitas, merupakan pengujian yang bertujuan untuk
menguji apakah model dari regresi yang terbentuk ada korelasi yang
tinggi atau sempurna di antara variabel bebas atau tidak. Jika dalam
model regresi yang berbentuk terdapat korelasi yang tinggi atau
sempurna di antara variabel bebas maka model regresi tersebut
dinyatakan mengandung gejala Multikolinier.
d. Uji Heteroskedastisitas merupakan pengujian yang dilakukan untuk
mengetahui apakah ada varian variabel pada model regresi yang tidak
sama (konstan).
e. Uji Autokorelasi merupakan pengujian yang bertujuan untuk
mengetahui apakah ada korelasi antara anggota serangkaian data
observasi yang diuraikan menurut waktu (time series) atau ruang (cross
section).

3. Model yang digunakan untuk melakukan analisis regresi satu variabel kualitatif
dua kategori yaitu :
Y = a + b1D + b2X1 + ɛ
Dimana :
Y = Nilai yang diramalkan
a = Konstanta / intercept
b1 = Koefisien regresi variabel bebas dummy
D = Variabel bebas yang merupakan variabel dummy dengan dua kategori
b2 = Koefisien regresi variabel bebas kuantititafi
X2 = Variabel bebas yang merupakan variabel kuantitatif
 ɛ = nilai residu
kemudian membuat hipotesis da melakukan analisis data.

4. Analisi regresi dengan menggunakan variabel mediasi atau intervening

merupakan varibel antara atau mediating , yang berfungsi memediasi hubungan
antara variabel independent (predictor) dengan variabel dependet (predictand).
Sedangkan analisis regresi dengan menggunakan analisis variabel moderasi
merupakan variabel yang mampu mempererat atau memperlemah hubungan
antara variabel bebas terhadap variabel tergantung.
5. .
a. Panel data dapat didefinisakan sebagai data yang dikumpulkan dari
beberapa obyek dengan beberapa waktu.
b. Panel data memiliki beberapa kelebihan dibanding data time series
maupun data cross section. kelebihan tersebut adalah sebagai berikut :
1) Panel data memiliki tingkat heterogenitas yang lebih tinggi. Hal
ini karena data tersebut melibatkan beberapa individu dalam
beberapa waktu.Dengan panel data kita dapat mengestimasikan
karakteristik untuk setiap individu berdasarkan heterogenitasnya.
2) Panel data mampu memberikan data yang lebih informatif, lebih
bervariasi, serta memiliki tingkat kolinieritas yang rendah. Hal ini
karena menggabungkan data time series dan data cross section.
3) Panel data cocok untuk studi perubahan dinamis karena panel
data pada dasarnya adalah data cross section yang diulang-ulang
(series)
4) Panel data mampu mendeteksi dan mengukur pengaruh yang
tidak dapat di observasi dengan data time series murni atau data
cross section murni.
5) Panel data mampu mempelajari model perilaku yang lebih
kompleks. Misalnya fenomena perubahan teknologi lebih baik di
observasi dengan panel data daripada dengan cross section atau
sekedar time series saja.
c. Berdasarkan keseimbangan datanya panel data dikelompokkan menjadi
dua yaitu :
1) Panel data seimbang (balanced panel)
Panel data seimbang jika setiap unit cross section-nya memiliki
jumlah observasi time series yang sama. Misalnya ada lima unit
cross section, masing masing individu memiliki observasi time
series sebanyak sepuluh tahun.
2) Panel data tidak seimbang (unbalanced panel)
Panel data tidak seimbang jika setiap unit unit cross section tidak
memiliki jumlah observasi time series yang sama. Misalnya ada
lima unit cross section, masing-masing individu memiliki
observasi time series. Ada yang memiliki observasi delapan
tahun, sembilan tahun, tujuh tahun , atau bahkan sepuluh tahun.

d. Asumsi-asumsi pada regresi panel data yaitu :

1) Regresi Data Panel Dengan Asumsi Intercept dan Koefisien
Slope Konstan Sepanjang Waktu.
Asumsi ini merupakan asumsi yang paling sederhana dan bias
dikataakan terlalu naif. Pada asumsi ini kita mengabaikan
dimensi waktu dan ruang , langsung melakukan regresi Ordinary
Least Square (OLS)
2) Regresi panel data dengan asumsi slope konstan , tetapi
intercept bervariasi untuk setiap individu
Pembahasan regresi panel data dengan asumsi slope ini dibagi
menjadi dua yaitu regresi dalam bentuk pengaruh individu dan
regresi dalam pengaruh waktu.
3) Regresi panel data dengan asumsi slope konstan , tetpi
intercept bervariasi untuk setiap individu dan waktu
4) Menggunakan asumsi semua koefisien bervariasi untuk
setiap individu