TUGAS ANALISIS PENGGUNAAN APLIKASI EVIEWS

LAPORAN

TA 5219 Ekonometrik dan Peramalan

Oleh

ADELA DOVENA (22120321)

(Program Studi Magister Rekayasa Pertambangan)

INSTITUT TEKNOLOGI BANDUNG

April 2021
 PERBANDINGAN METODE REGRESI LINEAR
DENGAN METODE REGRESI TITIK ASAL

A. Data

Nickel Price Demand Global

Tahun
(US$ per ton) (juta ton)
2009 14,655 1.3603
2010 21,809 1.6149
2011 22,910 1.7714
2012 17,548 1.8387
2013 15,032 1.9676
2014 16,893 2.0613
2015 11,863 2.0834
2016 9,595 2.2068
2017 10,410 2.3589
2018 13,114 2.5496
2019 13,914 2.5563
Sumber: LME dan Statista, 2020

B. Model Regresi Linear Dua Variabel

Langkah 1: Membuat model regresi awal, fungsi harga nikel terhadap variabel
Demand menggunakan metode Ordinary Least Square Method (OLS) dengan
bantuan software Eviews.

Dependent Variable: HARGA

Method: Least Squares
Sample: 15 25
Included observations: 11

Variable Coefficient Std. Error t-Statistic Prob.

C 28533.35 6404.159 4.455441 0.0016

DEMAND_GLOBAL -6532.377 3101.254 -2.106366 0.0644

R-squared 0.330197 Mean dependent var 15249.36

Adjusted R-squared 0.255774 S.D. dependent var 4281.374
S.E. of regression 3693.479 Akaike info criterion 19.42949
Sum squared resid 1.23E+08 Schwarz criterion 19.50184
Log likelihood -104.8622 Hannan-Quinn criter. 19.38389
F-statistic 4.436779 Durbin-Watson stat 1.311306
Prob(F-statistic) 0.064449

Dari hasil pengolahan data Eviews, menghasilkan persamaan sebagai berikut:

Harga Nikel = 28533.35 + (-6532.377) Demand
Langkah 2: Menguji t-statistik untuk menentukan signifikansi estimator dari
variabel independen. Uji t-statistik dengan signifikansi dua sisi dengan selang
kepercayaan 95% dan taraf signifikansi 5%. Bila -t-tabel < t-statistik < t-tabel
maka variabel independen berpengaruh signifikan terhadap variabel dependen.
t-Statistic Demand = -2.106
t-tabel α/2, n-2 = ±2.306
Sehingga -2.306 < -2.106 < 2.306, maka Demand berpengaruh signifikan
terhadap Harga Nikel.

Langkah 3: Uji Asumsi Klasik

Uji Asumsi Klasik Hasil Kesimpulan
Probabilitas (0.778) > Data terdistribusi
Normalitas
dari α (0.05) normal
Tidak ada
Multikolinearitas VIF = 1 maka VIF < 10 multikolinearitas pada
data
Variabel Demand tidak
berpengaruh terhadap
Probabilitas (0.1325) >
Heteroskedasitas residual sehingga
α (0.05)
terbebas dari
heteroskedasitas
Probabilitas Chi Square Tidak terjadi
Autokorelasi
(0.3510) > α (0.05) autokorelasi
C. Model Regresi Interceptless
Langkah 1: Membuat model regresi awal, fungsi harga nikel terhadap variabel
Demand menggunakan metode Ordinary Least Square Method (OLS) tanpa
memasukkan konstanta atau intercept.

Dependent Variable: HARGA

Method: Least Squares
Sample: 15 25
Included observations: 11

Variable Coefficient Std. Error t-Statistic Prob.

DEMAND_GLOBAL 7074.568 915.9982 7.723343 0.0000

R-squared -1.147163 Mean dependent var 15249.36

Adjusted R-squared -1.147163 S.D. dependent var 4281.374
S.E. of regression 6273.584 Akaike info criterion 20.41259
Sum squared resid 3.94E+08 Schwarz criterion 20.44876
Log likelihood -111.2693 Hannan-Quinn criter. 20.38979
Durbin-Watson stat 0.292578

Dari hasil pengolahan data Eviews, menghasilkan persamaan sebagai berikut:

Harga Nikel = 7074.568 Demand

Langkah 2: Menguji t-statistik untuk menentukan signifikansi estimator dari

variabel independen. Uji t-statistik dengan signifikansi dua sisi dengan selang
kepercayaan 95% dan taraf signifikansi 5%.
t-Statistic Demand = 7.723
t-tabel α/2, n-1 = ±2.262
Sehingga t-statistik (7.723) > t-tabel (2.306), maka Demand tidak signifikan
terhadap Harga Nikel.
Bila menggunakan signifikansi satu sisi dengan selang kepercayaan 95% dan
taraf signifikansi 5%.
t-Statistic Demand = 7.723
t-tabel α, n-1 = 1.833
t-statistik (7.723) > t-tabel (1.833), maka Demand berpengaruh signifikan
terhadap Harga Nikel.
 Langkah 3: Uji Asumsi Klasik
Uji Asumsi Klasik Hasil
Probabilitas (0.623) >
Normalitas
dari α (0.05)
Multikolinearitas VIF = 1 maka VIF < 10
Probabilitas (0.3614) >
Heteroskedasitas
α (0.05)
Probabilitas Chi Square
Autokorelasi
(0.0149) > α (0.05)
Kesimpulan
Data terdistribusi
normal
Tidak ada
multikolinearitas pada
data
Variabel Demand tidak
berpengaruh terhadap
residual sehingga
terbebas dari
heteroskedasitas
Terjadi autokorelasi

D. Perbandingan Regresi Linear Dua Variabel dan Regresi Interceptless

Regresi
Perbandingan Regresi Linear Kesimpulan
Interceptless
Secara statistik
Prob(F-statistik)
Prob (0.00) < α model regresi
Probabilitas (0.064) > α
(0.05) interceptless lebih
(0.05)
baik
-t-statistik < t- Model regresi linear
Uji-t t-statistik > t-tabel
tabel < t-statistik lebih baik
Adjusted R Model regresi linear
25.577% -114.716%
Square lebih baik

Pada tabel diatas, dapat disimpulkan untuk fungsi harga nikel terhadap variabel
Demand secara statistik lebih baik menggunakan model regresi linear dua
variabel. Pada model regresi linear dua variabel, sebesar 25.577% variabel
Demand mempengaruhi variabel harga nikel, sisanya dipengaruhi oleh variabel
lainnya dan uji-t menunjukan bahwa Demand mempengaruhi harga nikel.