NAMA : PUTRI AUGUSTHIA

BP : 1910221045
MATKUL : DASAR DASAR EKONOMETRIKA

SOAL 1

Berikut ini adalah data pendapatan (Y), pengalaman kerja (X1), pendidikan(D1), dan Jenis
Kelamin (D2) karyawan pada suatu perusahaan Agribisnis. Satuan Y adalah juta rupiah, X1
dalam tahun, D1 bernilai 1 untuk tamat SMA dan 0 tamat SMP, dan D2 bernilai 1 untuk laki-laki
dan 0 untuk perempuan.

Y 5.5 5.0 5.8 6.7 7.2 6.5 7.6 8.9 5.8 6.5
X1 14 13 11 10 10 9 9 8 11 12
D1 0 0 0 0 1 1 1 1 1 1
D2 0 0 1 0 1 0 0 1 1 1

Tentukan persamaan regresi bila diasumsikan terdapat kesejajaran garis persamaan regresi, serta
lakukan pengujian hipotesis, analisis dan kesimpulan dari hasil analisis

JAWABAN :

A. Persamaan regresi
 Coefficientsa

Unstandardized Standardized 95.0% Confidence Interval for

Coefficients Coefficients B
Model B Std. Error Beta T Sig. Lower Bound Upper Bound
1 (Constant) 11.086 1.980 5.600 .001 6.242 15.929
PENGALAMAN -.449 .163 -.743 -2.757 .033 -.847 -.050
KERJA
PENDIDIKAN .278 .643 .126 .432 .681 -1.296 1.851
JENIS KELAMIN .200 .515 .092 .388 .712 -1.060 1.459
a. Dependent Variable: PENDAPATAN

Y = b0 + b1X + b2D1 + b3D2

Y = 11,086-0,449 X +0,278 D1 + 0,200D2
Hasil Pengolahan Data
1. SMA-LK , D1 =1, D2 =1
Y= 11,086-0,449 X +0,278 (1)+ 0,200(1)
Y= 11,086-0,449X+0,278+0,200
Y=11,564-0,449X
2. SMA-PR, D1 = 1, D2 = 0
Y=11,086-0,449 X +0,278 (1)+ 0,200(0)
Y=11,086-0,449X+0,278
Y=11,364-0,449X
3. SMP-LK, D1 = 0, D2=1
Y=11,086-0,449 X +0,278 (0)+ 0,200(1)
Y=11,086-0,449X+0,200
Y=11,286-0,449X
4. SMP-PR D1 = 0, D2=0
Y=11,086-0,449 X +0,278 (0)+ 0,200(0)
Y=11,086-0,449X
Bila digambarkan, keempat persamaan tersebut menghasil 4 garis lurus yang sejajar

SMA-LK, Y=11,564-0,449X

SMA-PR, Y=11,364-0,449X
11,564
SMP-LK, Y=11,286-0,449X
11,364

SMP-PR, Y=11,086-0,449
11,286

11,086
 Interpretasi :
1) Selisih pendapatan antara tamatan SMA berjenis kelamin Laki-laki dengan

tamatan SMA berjenis kelamin Perempuan adalah 0,200 satuan.

2) Selisih pendapatan antara tamatan SMA berjenis kelamin Laki-laki dengan
tamatan SMP berjenis kelamin Laki-laki adalah 0,278 satuan.
3) Selisih pendapatan antara tamatan SMA berjenis kelamin Laki-laki dengan

tamatan SMP berjenis kelamin Perempuan adalah 0,478 satuan.

4) Selisih pendapatan antara tamatan SMA berjenis kelamin Perempuan dengan
tamatan SMP berjenis kelamin Laki-laki adalah 0,078 satuan.
5) Selisih pendapatan antara tamatan SMA berjenis kelamin Perempuan dengan
tamatan SMP berjenis kelamin Perempuan adalah 0,278 satuan.
6) Selisih pendapatan antara tamatan SMP berjenis kelamin Laki-laki dengan

tamatan SMP berjenis kelamin Perempuan adalah 0,200 satuan

B. lakukan pengujian hipotesis

Uji T

Ttabel 0,025,6=2,45
Tolak H0 : |t| > Ttabel (Variabel bebas berpengaruh signifikan terhadap
pendapatan) Terima H0 : |t| < Ttabel (Variabel bebas tidak berpengaruh signifikan
terhadap pendapatan)
1) Pengalaman
|t| = 2,757 > 2,45 |t| > Ttabel
Jadi, pengalaman berpengaruh signifikan terhadap pendapatan
2) Pendidikan
|t| = 0,432 < 2,45 |t| < Ttabel
Jadi, pendidikan tidak berpengaruh signifikan terhadap pendapatan
3) Jenis Kelamin |t| = 0,388 < 2,45 |t| < Ttabel Jadi, jenis kelamin tidak berpengaruh
signifikan terhadap pendapatan
 Pengujian Uji F

ANOVAa

Sum of Mean
df F Sig.
Model Squares Square
1 Regression 8.426 3 2.809 5.140 .043b
Residual 3.279 6 .546
Total 11.705 9
a. Dependent Variable: PENDAPATAN
b. Predictors: (Constant), JENIS KELAMIN , PENGALAMAN
KERJA, PENDIDIKAN

|F| = 5,140
Ftabel = F0,05,3,6 = 4,76
Tolak H0 : |F| > Ftabel (Variabel bebas secara simultan berpengaruh signifikan terhadap
pendapatan) TerimaH0 : |F| < Ftabel (Variabel bebas secara simultan tidak berpengaruh
signifikan terhadap pendapatan) |F| = 5,140 > Ftabel
Jadi, Variabel bebas secara simultan berpengaruh signifikan terhadap pendapatan
Hasil Analisis Output dengan SPSS
Tabel 1

Variables Entered/Removeda

Variables Variables
Method
Model Entered Removed
1 JENIS . Enter
KELAMIN ,
PENGALAM
AN KERJA,
PENDIDIKA
Nb
a. Dependent Variable: PENDAPATAN
b. All requested variables entered.

Dari Tabel diketahui bahwa variabel yang dimasukkan adalah Jenis kelamin, Pengalaman kerja,
dan Pendidikan. Sedangkan variabel yang dihilangkan atau dihapuskan tidak ada. Dengan kata
lain, semua variabel bebas dimasukkan dalan1 analisis regresi linier berganda tersebut.

Tabel 2

Model Summaryb

Adjusted R Std. Error of Durbin-

Model R R Square
Square the Estimate Watson
1 .848a .720 .580 .7392 2.545
a. Predictors: (Constant), JENIS KELAMIN , PENGALAMAN KERJA,
PENDIDIKAN
b. Dependent Variable: PENDAPATAN
 Tabel diatas menunjukkan bahwa koefisien atau R simultannya adalah 0,848 , karena
nilai tersebut mendekati 1 maka variabel berupa jenis kelamin, pengalaman kerja dan
pendidikan dengan cukup kuat sedangkan R Square adalah 0,720 ( 72%), ini menunjukkan
bahwa sebesar 72%, variasi variabel dependent (Y) dapat dijelaskan oleh 3 variabel independent
(Xl, D1 dan D2), artinya pengaruh variabel independen terhadap perubahan variabel dependen
adalah 72%, sedangkan sisanya sebesar 28% dipengaruhi oleh variabel lain selain variabel
independen Xl ,D1 dan D2. Seperti halnya R simultan, kisaran nilai adjusted R square adalah 0
hingga 1
Dari tabel diatas diketahui bahwa nilai adjusted R Square adalah 0,580 tidak mendekati 1,
sehingga ketetapan mencari jawaban berdasarkan sampel yang ada sangat tinggi. Standard Error
of estimate adalah 0,3792 karena nilai tersebut mendekatin 0, maka data tersebut model
excellent

Tabel 3

ANOVAa

Sum of Mean
df F Sig.
Model Squares Square
1 Regression 8.426 3 2.809 5.140 .043b
Residual 3.279 6 .546
Total 11.705 9
a. Dependent Variable: PENDAPATAN
b. Predictors: (Constant), JENIS KELAMIN , PENGALAMAN
KERJA, PENDIDIKAN
Diketahu di tabel nilai Df adalah 3 (Jumlah Variabel bebas) sedangkan Df penyebut adalah 6.
Disamping itu diketahui Fhitung adalah 5,140 kemudian nilai Ftabel kita peroleh dengan
melihat pada tabel untuk nilai DF1=k-1=4-1 = 3 sedagkan DF2 = n-k =10-4=6 pada tabel diatas
4,76. Karena Fhitung>Ftabel, Maka dapat disimpulkan bahwa variabel bebas (pengalaman kerja,
pendidikan dan jenis kelamin) secara serentak mrempengaruhi pendapatan atau dengan kata lain
model regresi dapat digunakan untuk memprediksi pendapatanSelain itu, juga dapat ditarik
kesimpulan dengan membandingkan nilai Sig.hitung pada tabel diatas yaitu 0,043
dengan α=0,05 dimana Sig.hitung< α sehingga juga disimpulkan bahwa variabel bebas(pengalaman kerja, pendidikan dan jenis kelamin)
secara serentak mempeangaruhi pendapatan atau dengan kata lain model regresi dapat digunakan untuk memprediksi pendapatan

Tabel 4

Coefficients
a

Standardize
Unstandardized d Collinearity
Coefficients Coefficie T Sig Statistics
Model B Std. Error nts . Toleranc VI
e F
Beta
1 (Constant) 11.086 1.980 5.600 .001
PENGALAMAN -.449 .163 -.743 -2.757 .033 .642 1.557
KERJA
PENDIDIKAN .278 .643 .126 .432 .681 .551 1.816
JENIS KELAMIN .200 .515 .092 .388 .712 .825 1.212
a. Dependent Variable: PENDAPATAN

Berdasarkan Kolom Sig diatas

Menunjukkan nilai signifikansi hubungan antara setiap variabel bebas dengan variable terikat dimana jika Sig.hitung < α (α = 0 ,05) ,
maka variabel bebas tersebut berpengaruh signifikan terhadap variabel terikat. Artinya:
Pengalaman kerja
Sig. hitung (0,033)< α (0,05 ), jadi pengalaman kerja berpengaruh signifikan terhadap pendapatan
Pendidikan
Sig. hitung (0,681)> α (0,05 ), jadi pendidikan tidak berpengaruh signifikan terhadap pendapatan
Jenis Kelamin
Sig. hitung (0,721) > α (0,05 ), jadi jenis kelamin tidak berpengaruh signifikan terhadap pendapatan
Dengan demikian diketahui bahwa tidak semua variabel bebas pada regresi tersebut yang signifikan terhadap variabel terikat