EKOMETRIKA

“RANCANGAN PENELITIAN EKONOMETRIKA”

Untuk memenuhi salah satu Tugas Kuliah
Mata kuliah Ekometrika
Dosen Pengampu : Dr. Supawi Pawenang, SE, MM

Disusun oleh:
ADHITYA KHRESNA YPS
2017020033

MANAJEMEN B1
SEMESTER VI

FAKULTAS EKONOMI PRODI MANAJEMEN

UNIVERSITAS ISLAM BATIK SURAKARTA
2020/2021
A. Analisis Data

1. Uji Validitas

Uji validitas akan menguji masing-masing variabel yang digunakan dalam penelitian

ini, dimana keseluruhan variabel penelitian memuat 20 pernyataan. Adapun kriteria yang

digunakan dalam menentukan valid tidaknya pernyataan yang digunakan dalam penelitian

ini adalah sebagai berikut : tingkat kepercayaan = 95 persen (= 5 persen), derajat

kebebasan (df) = n –2 = 30 – 2 = 28, didapat r tabel = 0,3061. Jika r hitung (untuk tiap

butir dapat dilihat pada baris Pearson Correlation) lebih besar dari r tabel dan nilai r

positif, maka butir pernyataan dikatakan valid (Ghozali dalam Isnan 2013).

Hasil perhitungan dalam penelitian ini menggunakan spss versi 16 seperti yang ada

dalam lampiran. Dari hasil perhitungan menggunakan spss versi 16 diperoleh bahwa 19

indikator pernyataan adalah valid dan 1 pernyataan tidak valid dan diperbaiki,

No item r hitung r tabel 5%(10) kriteria

1 0,675 0,3061 Valid

2 0,803 0,3061 Valid

3 0,683 0,3061 Valid

4 0,635 0,3061 Valid

5 0,569 0,3061 Valid

6 0,559 0,3061 Valid

7 0,568 0,3061 Valid

8 0,393 0,3061 Valid

9 0,365 0,3061 Valid

10 0,621 0,3061 Valid

 No item r hitung r tabel 5%(10) kriteria

11 0,690 0,3061 Valid

12 0,690 0,3061 Valid

13 0,235 0,3061 Tidak Valid

14 0,532 0,3061 Valid

15 0,655 0,3061 Valid

16 0,637 0,3061 Valid

17 0,674 0,3061 Valid

18 0,684 0,3061 Valid

19 0,699 0,3061 Valid

20 0,666 0,3061 Valid

2. Uji Reliabilitas

Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan alat

pengukuran konstruk atau variabel. Suatu kuesioner dikatakan reliabel atau handal jika

jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu

(Ghozali dalam Isnan 2013). Uji reliabilitas adalah tingkat kestabilan suatu alat pengukur

dalam mengukur suatu gejala/kejadian. Semakin tinggi reliabilitas suatu alat pengukur,

semakin stabil pula alat pengukur tersebut. Menurut Suharsimi Arikunto (2003: 109), suatu

instrumen dikatakan reliabel jika r11 > 0,70, maka jika r11 < 0,70 instrumen harus

diperbaiki. Adapun hasil uji reliabilitas dalam penelitian ini dapat dilihat sebagai berikut:
 Reliability Statistics

Cronbach's
Alpha N of Items

.751 21

Karena untuk r hitung (dapat dilihat pada kolom Cronbach`s Alpha) sebesar 0,751

> 0,70, maka butir soal dalam kuesioner reliable.

B. Uji Asumsi Klasik

1. Uji Multikolineritas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan

adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya

tidak terjadi korelasi diantara variabel. Untuk dapat menentukan apakah terdapat

multikolinearitas dalam model regresi pada penelitian ini adalah dengan melihat nilai VIF

(Variance Inflation Factor) dan tolerance.

Menurut Ghozali (Isnan, 2013: 40), cara mendeteksi terhadap adanya

multikolineritas dalam model regresi adalah sebagai berikut:

a. Besarnya Variabel Inflation Factor (VIF), pedoman suatu model regresi yang bebas

Multikolineritas yaitu nilai VIF ≤ 10.

b. Besarnya Tolerance pedoman suatu model regresi yang bebas Multikoneritas yaitu

nilai Tolerance ≥ 0,1.

 a
Coefficients

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta T Sig. Tolerance VIF

1 (Constant) 11.157 5.544 2.012 .055

X1 .775 .270 .675 2.866 .008 .489 2.043

X2 .264 .345 .176 .767 .450 .519 1.928

X3 -.591 .479 -.358 -1.234 .228 .324 3.086

a. Dependent Variable: Y

Dari tabel terlihat bahwa tidak ada variabel yang memiliki nilai VIF lebih besar

dari 10 dan nilai tolerance lebih besar sama dengan dari 0,1. Sehingga dari hal-hal

tersebut di atas dapat disimpulkan bahwa tidak terdapat multikolinearitas antar variabel

bebas dalam model regresi.

2. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan apakah dalam model regresi terjadi

ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain. Jika

variance dari residual pengamatan yang lain tetap, disebut homoskedastisitas dan jika

berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas

atau tidak terjadi heteroskedastisitas (Ghozali dalam Isnan, 2013: 40). Cara untuk

mendeteksi ada atau tidaknya heteroskedastisitas dengan cara melihat grafik plot antara

nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Deteksi ada

tidaknya heteroskedastisitas dapat di lakukan dengan melihat ada tidaknya pola tertentu

pada grafik scatterplot antara SRESID dan ZPRED dengan dasar analisisnya sebagai

berikut :
 1) Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur

(bergelombang, melebar kemudian menyempit), maka mengindikasikan telah

terjadi heteroskedastisitas.

2) Jika tidak ada pola yang jelas, serta titik-titik menyebut diatas dan dibawah adalah

angka nol pada sumbu Y, maka tidak ada heteroskedastisitas (Ghozali dalam Isnan

2013: 41).

Dalam gambar diatas menunjukkan bahwa tidak ada pola yang jelas, serta titik-titik

menyebut diatas dan dibawah adalah angka nol pada sumbu Y, maka model regresi

memenuhi asumsi tidak ada heteroskedastisitas.

3. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data yang diambil dalam

penelitian berasal dari populasi yang berdistribusi normal atau tidak. Model regresi yang

baik adalah yang datanya berdistribusi normal atau mendekati normal. Pengujian
 normalitas dilakukan dengan menggunakan pengujian grafik Probability Plot dengan

menggunakan SPSS 16.0 dan diperoleh hasil seperti tampak pada Gambar 4.5. berikut.

Grafik normal probability plot menunjukkan bahwa data menyebar di sekitar garis

diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi

normalitas.

C. Analisis Regresi Linear Berganda

Analisis regresi linear berganda digunakan dalam penelitian ini dengan tujuan

untuk mengetahui ada tidaknya pengaruh variabel bebas terhadap variabel terikat.

Perhitungan statistik dalam analisis regresi linear berganda yang digunakan dalam

penelitian ini adalah dengan menggunakan bantuan program komputer SPSS for Windows

versi 16.0. Ringkasan hasil pengolahan data dengan menggunakan program SPSS tersebut

adalah sebagai berikut :

 a
Coefficients

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) 11.157 5.544 2.012 .055

X1 .775 .270 .675 2.866 .008

X2 .264 .345 .176 .767 .450

X3 -.591 .479 -.358 -1.234 .228

a. Dependent Variable: Y

Dari hasil tersebut apabila ditulis dalam bentuk standardized dari persamaan regresinya

adalah sebagai berikut :

Y = 11,157 + 0,775 X1 +0,264 X2 -0,591 X3

Hasil uji regresi linear berganda menunjukkan bahwa:

1. Nilai (constan) menunjukkan nilai sebesar 11,157 artinya jika nilai variabel independent

(bebas) nol maka nilai variabel dependent (terikat) sebesar 11,157 dalam hal ini jika rasio

X1,X2, dan X3 bernilai 0,00 maka rasio Y akan menurun jika tidak ada X1,X2, dan X3.

2. Nilai variabel X1 menunjukkan tanda positif dinilai (0,775) artinya setiap kenaikan 1 nilai

pada variabel X1 dalam hal ini meningkatkan 1% rasio X1 akan menaikkan nilai variabel

Y sebesar 0,775.

3. Nilai variabel X2 menunjukkan nilai 0,264, nilai koefisien B sebesar (0,176), dan tingkat

signifikan sebesar 0,450. Hal ini menandakan bahwa koefisien variabel (X2) memiliki

pengaruh sebesar (0,176). Artinya X2 berpengaruh terhadap Y karena tingkat

signifikansinya jauh dari tingkat signifikan 0,05.

 4. Nilai variabel X3 memiliki nilai t sebesar -1,234, nilai koefisien B -0,591, dan tingkat

signifikan sebesar 0,228. Hal ini menandakan bahwa koefisien variabel (X3) tidak

memiliki pengaruh positif (searah) terhadap (Y) dengan tingkat signifikan 0,228

D. Uji Goodness of Fit

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat dinilai dengan

Goodness of Fit-nya. Secara statistik setidaknya ini dapat diukur dari nilai koefisien

determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan

secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho

ditolak), sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah

dimana Ho diterima ( Ghozali, dalam Isnan 2013).

1. Uji t
Uji t dimaksudkan untuk mengetahui seberapa jauh pengaruh satu variabel independen

x1,x2, dan x3 secara individual dalam menerangkan variabel dependen y. Hasil uji t pada

penelitian ini dapat dilihat pada tabel

a
Coefficients

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta T Sig. Tolerance VIF

1 (Constant) 11.157 5.544 2.012 .055

X1 .775 .270 .675 2.866 .008 .489 2.043

X2 .264 .345 .176 .767 .450 .519 1.928

X3 -.591 .479 -.358 -1.234 .228 .324 3.086

a. Dependent Variable: Y

a. Variabel x1
 Ho : b1 = 0 : x1 tidak berpengaruh positif signifikan terhadap y.

Ha : b1> 0 : x1 berpengaruh positif signifikan terhadap y.

Hasil pengujian dengan SPSS diperoleh untuk variabel X1 (diperoleh nilai t hitung =

2,866. Dengan menggunakan batas signifikansi 0,05 dan df = 30 – 4 – 1 = 25

diperoleh t tabel = 1,708. Diketahui bahwa nilai t tabel lebih kecil dari nilai t hitung

maka kesimpulannya Ho ditolak dan Ha diterima. Jadi, variabel x1 berpengaruh

signifikan terhadap y

b. Variabel x2

Ho : b2 = 0 : x2 tidak berpengaruh positif signifikan terhadap y

Ha : b2 > 0 : x2 berpengaruh positif signifikan terhadap y

Hasil pengujian dengan SPSS diperoleh untuk variabel X2 diperoleh nilai t hitung

= 0,767. Dengan menggunakan batas signifikansi 0,05 dan df = 30 – 4 – 1 = 25

diperoleh t tabel = 1,708. Diketahui bahwa nilai t tabel lebih besar dari nilai t hitung

maka kesimpulannya Ho diterima dan Ha ditolak. Jadi, variabel x2 tidak berpengaruh

secara signifikan terhadap y.

c. Variabel x3

Ho : b3 = 0 : x3 tidak berpengaruh positif signifikan terhadap y

Ha : b3 > 0 : x3 berpengaruh positif signifikan terhadap y

Hasil pengujian dengan SPSS diperoleh untuk variabel X3 diperoleh nilai t hitung

=-1,234 Dengan menggunakan batas signifikansi 0,05 dan df = 30 – 4 – 1 = 25

diperoleh t tabel = 1,708 Diketahui bahwa nilai t tabel lebih besar dari nilai t hitung

maka kesimpulannya Ho diterima dan Ha ditolak. Jadi, variabel x3 tidak berpengaruh

secara signifikan terhadap y.

 .

2. Uji F
Hasil perhitungan parameter model regresi secara bersama-sama diperoleh pada

Tabel 4.10. berikut ini :

b
ANOVA

Model Sum of Squares df Mean Square F Sig.

a
1 Regression 151.216 3 50.405 3.594 .027

Residual 364.651 26 14.025

Total 515.867 29

a. Predictors: (Constant), X3, X2, X1

b. Dependent Variable: Y

Uji F digunakan untuk menguji ada tidaknya pengaruh variabel-variabel independen

terhadap variabel dependen secara simultan (bersama-sama). Dikaitkan dengan hipotesis

yang diajukan, yaitu:

a. Ho : b1, b2, b3, b4 = 0 berarti tidak ada pengaruh yang signifikan dari x1 x2 x3

terhadap y

b. Ha : b1, b2, b3, b4 > 0 berarti ada pengaruh yang signifikan dari x1 x2 x3 terhadap y

c. Pengujian pengaruh variabel bebas secara bersama-sama terhadap variabel terikatnya

dilakukan dengan menggunakan uji F. Hasil perhitungan statistik menunjukkan nilai F

hitung = 3,594 dan F tabelnya didapatkan nilai sebesar 2,98 dari df 1= 4 – 1 = 3, df 2 =

30 – 4 = 26, dan taraf signifikansi 5%. Hal ini berarti bahwa F hitung > F tabel sehingga

Ho ditolak dan Ha diterima. Berarti secara bersama-sama faktor x1 x2 x3 berpengaruh

terhadap y.
 3. Koefisien Determinasi (R2)
Koefisien determinasi (R2 ) pada intinya mengukur seberapa jauh kemampuan model

dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara

nol dan satu (Ghozali dalam Isnan 2013). Nilai koefisien determinasi dapat dilihat pada

tabel 4.11. dibawah ini:

b
Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate
a
1 .541 .293 .212 3.745

a. Predictors: (Constant), X3, X2, X1

b. Dependent Variable: Y

Hasil perhitungan dengan menggunakan program SPSS versi 16 dapat diketahui

bahwa koefisien determinasi (adjusted R2) yang diperoleh sebesar 0,541. Hal ini berarti

54,1% Y dapat dipengaruhi oleh x1 x2 dan x3 sedangkan sisanya yaitu 45,9% Y

dipengaruhi oleh variabel-variabel lainnya yang tidak diteliti dalam penelitian ini.