TUGAS 1

EKONOMETRIKA

DISUSUN OLEH :
LULUK SETYOWATI NINGSIH
201910180311118 /5B
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH MALANG
2021
 KATA PENGANTAR
Puji syukur senantiasa kami panjatkan kehadiran Tuhan Yang Maha Esa, karena berkat rahmat dan
karunia-Nya kami dapat menyelesiakan tugas laporan yang berjudul “PENELITIAN ANALISIS
REGRESI”. Laporan ini membahas tentang hasil penelitian tentang pengaruh jumlah organisasi yang
diikuti, jumlah konsumsi per bulan dan jumlah hari libur per minggu terhadap berat badan. Dan
dengan kehadiran laporan ini mudah – mudahan dapat membantu para pembaca sekalian dalam proses
mempelajari halhal yang terkandung didalamnya, serta dapat menjadi bahan bacaan yang bermanfaat
sehingga dapat meningkatkan mutu kehidupan. Kami menyadari dalam pembuatan laporan ini masih
banyak kekurangan, Oleh karena itu, kritik dan saran yang bersifat membangun sangat kami harapkan
demi menyusun makalah yang lebih baik. Akhir kata kami mengucapkan terima kasih kepada semua
pihak yang telah membantu proses penyusunan makalah ini.

Malang ,12 oktober 2021

Penulis
 DAFTAR ISI
HALAMAN JUDUL ....................................................................................
KATA PENGANTAR ...................................................................................
DAFTAR ISI .................................................................................................
BAB I PENDAHULUAN .......................................................................
Latar Belakang ..............................................................................
Rumusan Masalah ........................................................................
Tujuan Penulisan...........................................................................
BAB II METODE PENELITIAN .............................................................
Waktu dan Tempat Kegiatan .......................................................
Instrumen yang Digunakan .........................................................
Teknis Analisis ..............................................................................
BAB III DATA dan PEMBAHASAN .....................................................
Data Penelitian ..........................................................................
Pembahasan ..............................................................................
BAB IV PENUTUP ............................................................................
Simpulan ..................................................................................
Saran .........................................................................................
DAFTAR PUSTAKA ..........................................................................
BAB I PENDAHULUAN
I.1 Latar Belakang Istilah “regresi” pertama kali diperkenalkan oleh Sir Francis Galton pad athun
1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi, memiliki
anak-anak yang tinggi pula dan orang tua yang memiliki tubuh pendek, memiliki anak-anak yang
pendek pula. Kendati dmeikian, ia mengamati ada kecenderungan bahwa tinggi anak bergerak menuju
rata-rata tinggi populasi secara keseluruhan. Dengan kata lain, ketinggian anak yang amat tinggi atau
orang tua yang amat pendek cenderung bergerak kea rah rata-rata tinggi populasi. Inilah yang disebut
hokum Galton mengenai regresi universal. Dalam bahasa Galton, ia menyebutnya sebagai regresi
menuju mendiktras (Maddala, 1992). Interpretasi modern mengenai regresi agak berlainan dengan
regresi versi Galton. Secara umum, analisi regresi pada dasarnya adalah studi mengenai
ketergantungan variabel dependen dengan satu atau lebih variabel independen, dengan tujuan untuk
mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen
berdasarkan nilai variabel independen yang diketahui (Gujarati, 2003). Hasil analisi regresi adalah
berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara
memprediksi nilai variabel dependen dengan suatu persamaan. Koefisien regresi dihitung dengan dua
tujuan sekaligus. Pertama, meminimumkan penyimpangan antara nilai actual dan nilai estimasi
variabel dependen berdasarkan data yang ada (Tabachnick, 1996). Sebelum melakukan
regresialangkah baiknya kita melakukan uji asumsi klasik terhadap data yang digunakan. Uji asumsi
klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang
berbasis ordinary least square (OLS). Dalam paper ini akan dibahas tentang uji analisis untuk regresi
berganda atau yang sering disebut dengan Uji Asumsi Klasik. Menurut Damodar Gujarati (2006) agar
model regresi tidak bias atau agar model 5 regresi BLUE (Best Linear Unbiased Estimator) maka
diperlukan uji asumsi klasik terlebih dahulu. Dikatakan BEST jika garis regresi yang digunakan untuk
melakukan peramalan data menghasilkan error dengan nilai terkecil. Dan pada kesempatan kali ini,
kami akan melakukan penelitian tentang pengaruh jumlah organisasi yang diikuti, jumlah konsumsi
per bulan dan jumlah hari libur per minggu terhadap berat badan.
I.2 Rumusan Masalah Berdasarkan latar belakang masalah di atas, dalam penelitian ini dapat
dirumuskan sebuah masalah yakni Apakah jumlah organisasi yang diikuti, jumlah hari libur per
minggu, dan jumlah konsumsi per bulan per pengaruh terhadap berat badan seseorang ?

I.3 Tujuan Penulisan Tujuan diadakannya penelitian ini yakni untuk mengetahui ada dan tidaknya
pengaruh jumlah organisasi yang diikuti, jumlah hari libur per minggu, dan jumlah konsumsi per
bulan terhadap berat badan seseorang.
BAB II METODE PENELITIAN
II.1 Waktu dan Tempat Kegiatan Penelitian ini dilakukan di sekitar area gedung C3 dan C6 Fakultas
Ekonomi Universitas Negeri Semarang pada hari rabu tanggal 22 April 2015 dengan target penelitian
yaitu para mahasiswa Fakultas Ekonomi.
II.2 Instrumen yang Digunakan
a. Panduan wawancara
b. Angket
II.3 Teknis Analisis Analisis dilakukan dengan menggunakan aplikasi SPSS versi 16.0. sebelum
melakukan pengujian, dilakukan terlebih dahulu uji asumsi klasik terhadap data yang terkumpul.
Kemudian, melakukan uji regresi untuk melihat tingkat pengaruh variabel X terhadap variabel Y
BAB III DATA dan PEMBAHASAN
III.1 Data Penelitian

No. Berat badan (kg) Konsumsi Jumlah organisasi Hari libur per
perbulan yang diikuti minggu (hari)
1. 55 Rp.450.000,00 0 3
2. 47 Rp.450.000,00 0 3
3. 40 Rp.350.000,00 1 3
4. 40 Rp.350.000,00 1 3
5. 43 Rp.400.000,00 0 3
6. 48 Rp.300.000,00 1 2
7. 50 Rp.450.000,00 0 2
8. 55 Rp.600.000,00 2 3
9. 40 Rp.450.000,00 0 3
10. 70 Rp.450.000,00 1 2
11. 46 Rp.200.000,00 1 2
12. 45 Rp.500.000,00 0 2
13. 43 Rp.600.000,00 1 2
14. 43 Rp.550.000,00 1 1
15. 41 Rp.550.000,00 1 2
16. 56 Rp.650.000,00 0 3
17. 50 Rp.500.000,00 0 2
18. 55 Rp.400.000,00 2 2
19. 50 Rp.600.000,00 1 1
20. 46 Rp.600.000,00 0 3
21. 39 Rp.300.000,00 0 3
22. 52 Rp.300.000,00 0 3
23. 52 Rp.450.000,00 2 3
24. 50 Rp.400.000,00 0 3
25. 51 Rp.300.000,00 1 1
26. 53 Rp.400.000,00 0 3
27. 45 Rp.750.000,00 1 3
28. 40 Rp.600.000,00 0 3
29. 48 Rp.400.000,00 0 3
30. 54 Rp.750.000,00 1 1
31. 50 Rp.300.000,00 1 1
32. 43 Rp.300.000,00 1 2
33. 53 Rp.300.000,00 1 3
34. 50 Rp.450.000,00 0 3
35. 44 Rp.400.000,00 1 1
36. 60 Rp.700.000,00 0 3
37. 53 Rp.600.000,00 0 3
38. 65 Rp.500.000,00 0 3
39. 43 Rp.500.000,00 0 3
40. 44 Rp.450.000,00 0 3

III.2 Pembahasan
III.2.1 Uji Asumsi Klasik Sebelum kita menginterpretasikan hasil dari SPSS, sebaiknya kita
melakukan uji asumsi klasik. Hal ini dikarenakan agar data yang kita gunakan valid dan terhindar dari
penyimpangan sehingga hasil analisis penelitian bersifat valid dan dapat diakui kebenarannya.
Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji
normalitas, uji autokorelasi dan uji linearitas. Berikut ini adalah pengujian asumsi klasik terhadap data
penelitian:
a. Uji Multikolinieritas Asumsi Multikolinearitas yaitu salah satu penyimpangan asumsi klasik
yang terjadi pada regresi berganda. Pengertian multikolinearitas yaituadanya korelasi antara
variabel X yang saling kuat melebihi korelasi antara variabel X ke Y. Mengapa kita perlu
untuk menguji asumsi klasik multikolinieritas? Karena data yang kita buat mungkin saja
salah, dalam kasus ini bisa dimungkinkan kita salah memilih variabel dependentnya atau Y.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika
terkena multikolinieritas maka akan sulit melihat pengaruh hubungan variabel independen
terhadap variabel dependen.

Gambar 1 Nilai Tolerance dan VIF

Tidak terjadi multikolinieritas jika nilai tolerance kurang dari satu dan nilai VIF kurang dari 10.
Bardasarkan hasil uji multikolinieritas yang terlihat pada gambar di atas, nilai tolerance sebesar 0,994;
0,817; dan 0,821 dan nilai VIF 1,006; 1,224; dan 1,218. Jadi, data penelitian tersebut bebas dari
asumsi multikolinieritas.
b. Uji Heteroskedastisitas Uji heteroskedastisitas berfungsi untuk melihat adanya ketidaksamaan
varians antara residual observasi satu dengan yang lainnya. Jika residualmemiliki varians
yang sama, maka disebut homoskedastisitas dan jika variansnya berbeda disebut
heteroskedastisitas. Model regresi dikatakan baik, jika regresi tersebut lulus uji
heteroskedastitas yang artinya varians dari residualnya sama. Jika standard error bias maka
nilai t dan F akan bias, akhirnya kita tidak bisa mengambil kesimpulan standard error untuk
menentukan nilai t dan F. Untuk melakukan uji heteroskedastisitas dapat dilakukan dengan
beberapa cara yaitu; Uji Park, Uji White, Uji Gletser, atau dengan melihat pola grafik
scatterplot. Pada penelitian ini, kita hanya melakukan uji heteroskedastisitas dengan
menggunakan Uji Park.
 Gambar 2. Nilai Signifikansi Sebelum Uji Park
Berdasarkan data yang terlihat pada gambar di atas, nilai signifikansi dari konsumsi sebesar 0,290
yang artinya data tidak lolos uji heteroskedastisitas. Oleh karena itu, kita dapat melakukan beberapa
uji yaitu uji Park, uji Glejser, dan uji White. Namun pada penelitia ini kita menggunakan Uji White :
Untuk melakukan Uji White, pertama-tama mengubah variabel dependen (Y) menjadi variabel
dependen (Y) residual. Kemudian,masukan nilai variabel dependen (Y) residual ke dalam rumus res2
= ᵝ₀+ᵝ₁×1ᵝ₂×2ᵝ3×3 + et. Berikut ini adalah nilai akhir variabel dependen (Y) :
 Gambar 3. Hasil Uji Heteroskedastisitas
Tidak terjadi heteroskedastisitas jika nilai signifikansi lebih besar dari nilai alpha (nilai alpha sebesar
0,05). Bardasarkan hasil uji white yang terlihat pada gambar di atas, nilai signifikansi dari konsumsi
sebesar 0,618 Jadi, data penelitian tersebut bebas dari asumsi heteroskedastisitas.
c. Uji Autokorelasi Autokorelasi adalah penyakit yang diketahui adanya korelasi antar erroreror
(residual) antara observasi satu dengan observasi lainnya saling berhubungan, karena data
tidak independent lagi. Uji ini hanya digunakan untuk autokorelasi tingkat satu dan
mensyaratkan adanya model regresi dan tidak ada variable lagi diantara penjelas.

Gambar 4 Nilai Durbin Watson

Diketahui : Nilai durbin watson
(d) : 1,956 Nilai durbin watson lower
(dl) : 1,338 Nilai durbin watson
(du) : 1,659

Bebas autokorelasi jika du < d < 4-du. 1,659 < 1,956 < 4-1,659. Artinya Ho diterima. Jadi,
data penelitian tersebut bebas dari asumsi autokorelasi.
d. Uji Normalitas Uji normalitas dilakukan untuk melihat nilai residual terdistribusi normal atau
tidak. Jadi, pengujian bukan dilakukan pada masing-masing variabel melainkan pada nilai
residualnya. Jika data kurang dari 30 maka dilakukan uji normalitas. Namun, jika data lebih
dari 30 maka tidak perlu melakukan uji normalitas. Pada penelitian ini tidak perlu melakukan
uji normalitas Karena data yang digunakan lebih dari 30, yaitu sebanyak 40 data.

III.2.2 Hasil Penelitian

a. Menyusun hipotesis dan teori
Ha1 : ada pengaruh antara kosumsi dengan berat badan
Ho1 : tidak ada pengaruh pengaruh antara kosumsi dengan berat badan
Ha2 : ada pengaruh antara hari libur dalam seminggu terrhadap berat badan
Ho2 : tidak ada pengaruh ada pengaruh antara hari libur dalam seminggu terhadap berat
badan
Ha3 : ada pengaruh antara jumlah organisasi yang diikuti terhadap berat badan
Ho3 : tidak ada pengaruhantara jumlah organisasi yang diikuti terhadap berat badan
Ha4 : ada Pengaruh antara konsumsi, hari libur dalam seminggu dan jumlah organisasi
yang diikuti terhadap berat badan.
 Ho4 : tidak ada Pengaruh antara konsumsi, hari libur dalam seminggu dan jumlah
organisasi yang diikuti terhadap berat badan.
b. Spesifikasi model matematika Y = ᵝ₀+ᵝ₁×1+ᵝ₂×2+ᵝ3×3
c. Spesifikasi model statistika/ekonometrika Y = ᵝ₀+ᵝ₁×1+ᵝ₂×2+ᵝ3×3+et
d. Data penelitian Data penelitian telah tercantum pada halaman sebelumnya.
e. Analisis
Gambar 5 Nilai Koefisien Korelasi Dikatakan ada hubungan jika nilai signifikan jika nilai
signifikansi kurang dari alpha (0,05). Berdasarkan data di atas nilai signifikansi dari
konsumsi, organisasi, dan hari libur berturut-turut 0,146; 0,342; dan 0,483. Artinya, tidak
ada hubungan antara jumlah konsumsi per bulan, jumlah organisasi yang diikuti, dan
jumlah hari libur per minggu terhadap berat badan seseorang.

Gambar 5 Nilai Koefisien Korelasi

Dikatakan ada hubungan jika nilai signifikan jika nilai signifikansi kurang dari alpha (0,05).
Berdasarkan data di atas nilai signifikansi dari konsumsi, organisasi, dan hari libur berturut-turut
0,146; 0,342; dan 0,483. Artinya, tidak ada hubungan antara jumlah konsumsi per bulan, jumlah
organisasi yang diikuti, dan jumlah hari libur per minggu terhadap berat badan seseorang.

Gambar 6 Nilai signifikansi

Gambar 7 Nilai signifikansi
Berdasarkan gambar 6 di atas, nilai signifikansi dari konsumsi, organisasi, dan hari libur berturut-turut
yaitu 0,290; 0,621; dan 0,894 dan nilai alpha 0,05. Jikanilai signifikansi < alpha maka Ho ditolak dan
jika nilai signifikansi > alpha maka Ho diterima.
Ha1 : ada pengaruh antara kosumsi dengan berat badan
Ho1 : tidak ada pengaruh pengaruh antara kosumsi dengan berat badan 0,290 > 0,05 artinya Ho1
diterima
Ha2 : ada pengaruh antara jumlah organisasi yang terhadap berat badan
Ho2 : tidak ada pengaruh ada pengaruh antara jumlah organisasi yang diikuti terhadap berat badan
0,621 > 0,05 artinya Ho2 diterima
Ha3 : ada pengaruh antara diikuti hari libur dalam seminggu terhadap berat badan
Ho3 : tidak ada pengaruh antara hari libur dalam seminggu terhadap berat badan 0,894 > 0,05 artinya
Ho3 diterima Berdasarkan gambar 6 di atas, nilai signifikansi dari konsumsi, organisasi, dan hari libur
sebesar 0,721 dan nilai alpha 0,05.
Ha4 : ada pengaruh antara konsumsi, hari libur dalam seminggu dan jumlah organisasi yang diikuti
terhadap berat badan.
Ho4 : tidak ada pengaruh antara konsumsi, hari libur dalam seminggu dan jumlah organisasi yang
diikuti terhadap berat badan. 0,721 > 0,05 artinya Ho4 diterima
Dari data di atas, dapat disimpulkan bahwa tidak ada pengaruh antara jumlah konsumsi per bulan,
jumlah hari libur dalam seminggu dan jumlah organisasi yang diikuti terhadap berat badan

Gambar 8 Nilai R-Square

Berdasarkan gambar di atas, nilai R-Square sebesar 0,036. Nilai koefisien determinasi : 0,036 x 100%
= 3,6%. Artinya kemampuan variabel independen (X) dalam menjelaskan variabel dependen (Y)
sebesar 3,6% dan sisanya sebesar 96,4% dijelaskan oleh variabel lain di luar penelitian.
BAB IV PENUTUP
IV.1 Simpulan Dari hasil analisis data dengan menggunakan aplikasi SPSS versi 16.0 kami dapat
menarik kesimpulan dari data yang terkumpul dari 40 responden mengatakan bahwa tidak ada
pengaruh antara jumlah konsumsi per bulan, jumlah organisasi yang diikuti, dan jumlah hari libur per
minggu terhadap berat badan seseorang.
IV.2 Saran Hasil penelitian ini diharapkan dapat ditindaklanjuti oleh para pihak yang berkepentingan
misalnya ahli gizi maupun pihak-pihak terkait lainnya agar bisa mengetahui apa yang menjadi
pengaruh penambahan maupun penurunan berat badan seseorang.
DAFTAR PUSTAKA
Review dari academia ekonometrika
Ghozali, Imam. 2011. Aplikasi Analisis Multivariate dengan Program IBM SPSS 19. Badan penerbit
Universitas Diponegoro. Semarang