Chapter 5-6 - Econometrics

SIMPLE LINEAR
REGRESSION &
CORRELATION:
REVIEW

PowerPoint® Slides
ALI AKBAR, S.E., M.Si.
Fakultas Ekonomi dan Bisnis Universitas Baturaja
 Sub Pokok
2
Bahasan :
 Pemodelan Ekonometrika
 Review Analisis Regresi Sederhana
 Pembentukan Model
 Interpretasi
 Pengujian Hipotesis
 Analisis Korelasi
 Analisis Koefisien Determinasi

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
PEMODELAN
DENGAN
EKONOMETRIKA
  Figure I. summarizes the anatomy of classical
econometric modeling.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Metodologi Ekonometrika
Langkah-langkah metodologi ekonometrika:
1. Pernyataan Teori atau hipotesis (dugaan)
2. Spesifikasi model matematika dari teori atau
hipotesis
3. Spesifikasi model statistika atau ekonometrika
4. Pengumpulan data
5. Estimasi parameter dalam model ekonometrika
6. Pengujian Hipotesis (Uji F dan Uji t)
7. Peramalan atau prediksi
8. Menggunakan model untuk pengendalian atau
tujuan kebijakan

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Ilustrasi tahapan metode
1. Pernyataan atau hipotesis
Teori Marginal Propensity to Consume (MPC), y.i. laju perubahan
konsumsi untuk setiap penambahan 1 unit (rupiah) pendapatan, MPC
berada antara 0 dan 1
Y
2. Spesifikasi Model matematika konsumsi
Y = A + BX, 0< b < 1
dimana B =MPC

Y = pengeluaran Konsumsi 1

X = Pendapatan
A, B = parameter persamaan (model) A

A = intersep/konstanta
B = slope/koefisien regresi , dalam hal ini X
sbg MPC

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 3. Spesifikasi Model ekonometrika
Y = A + BX + u, 0< B < 1
bentuk persamaan: fungsi linier dimana
u = disturbance, error term yang bersifat random atau
stokastik, yang menggambarkan perilaku probabilistik dari Y.
model probabilistik (berlawanan dengan deterministik)
Y 






 



e



Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 4. Pengumpulan data
Untuk memperoleh nilai numeric A dan B, kita membutuhkan data.
Lihat tabel berikut, yang menghubungkan antara personal
consumption expenditure (PCE) and the gross domestic product
(GDP). Data dalam nilai riil.

Plot
Data

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 5. Estimasi dalam Model ekonometrika
 Analisis regresi adalah alat utama yang digunakan untuk
memperoleh dugaan koefisien-koefisien. Dengan metode
regresi dan data pada tabel di atas diperoleh dugaan A and
B, yaitu, −184.08 dan 0.7064. dengan demikian fungsi
konsumsi dugaan:
 Yˆ = −184.08 + 0.7064Xi

 Garis regresi lumayan bagus dengan slope coefficient (i.e.,

MPC) = 0.71, setiap peningkatan pendapatan riil 1 dollar
akan meningkatkan sekitar 71 sen atau 0,71 dollar (secara
rata- rata) dalam konsumsi riil.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 6. Pengujian Hipotesis
Untuk mengetahui apakah koefisien dugaan yang diperoleh di
atas sejalan dengan harapan teori maka perlu diuji.
Keynes mengharapkan MPC bernilai positif tetapi kurang dari
satu (B ≤ 1). Dalam kasus ini kita mendapati MPC = 0.71.
Sebelum mengkonfirmasi teory konsumsi Keynes, kita harus
meneliti apakah angka dugaan berada di bawah satu. Dengan
kata lain secara statistika 0,71 kurang dari satu. Jika benar maka
temuan ini mendukung Teori Keynes.
 Konfirmasi dengan cara seperti itu atau sanggahan terhadap teori
ekonomi berbasis bukti sampel adalah dasar dari teori statistika
yang dikenal dengan statistical inference (hypothesis testing).
 Pengujian hipotesis bertujuan untuk mengetahui tingkat signifikansi
pengaruh Pendapatan (PDB) terhadap Konsumsi (PCE).

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 7. Peramalan dan Prediksi
 Misalkan kita bermaksud meprediksi rata-rata belanja
konsumsi untuk tahun 1997. GDP 1997 adalah $7269.8
milyar:
Yˆ1997 = −184.0779 + 0.7064 (7269.8) = 4951.3 (I.3.4)

 Angka actual dari belanja konsumsi yang dilaporkan pada tahun

1997 adalah $4913.5 milyar, sementara prediksi model adalah
$4951.3 milyar. Jadi kelebihan $37.82 milyar, atau kesalahan
prediksi adalah $37.82 milyar atau sekitar 0.77% dari nilai
actual GDP 1997

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 8. Menggunakan model untuk Pengendalian atau
Penyusunan Kebijakan
 Dengan persamaaan terestimasi di atas, pemerintah percaya
bahwa belanja konsumen sekitar $4900 milyar akan menahan
laju pengangguran pada level 4.2%. Berapa level pendapatan
yang akan menjamin tercapainya target belanja konsumsi tsb?
 Jika hasil regresi di atas dianggap benar, aritmatika
sederhana akan menunjukkan :
 4900 = −184.0779 + 0.7064X

 Dengan menyelesaikan persamaan diperoleh X = 7197

(kira- kira), Jadi dengan level pendapatan $7197 milyar,
dan MPC =0,71, akan melahirkan belanja konsumen sekitar
$4900 milyar.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Contoh Soal Kasus:
Penelitian tentang “Pengaruh Pendapatan terhadap Pengeluaran Konsumsi”

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Diketahui data Konsumsi dan Pendapatan sebagai berikut (dalam satuan ribu rupiah):
Y = Konsumsi
X = Pendapatan

Konsumsi (Y) Pendapatan (X)

14 15
17 19
19 20
20 22
22 25
25 30
30 32
32 34
33 35
37 45
40 50
289 327
Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PERTANYAAN :
Berdasarkan data di atas, dengan tingkat keyakinan penelitian = 95%, taraf signifikansi (α) 5%,
Uji dua sisi, Lakukanlah Analisis Regresi dengan
1. Olah data menggunakan Program SPSS!
2. Buktikan dan Hitunglah nilai konstanta (a) dan koefisien regresi (b) model regresi dengan
rumus manual,
3. Susunlah Persamaan Regresi Linear dan interpretasikan persamaan tersebut!
4. Dengan rumusan hipotesis uji dua sisi sbb:
Ho: B = 0; (Tidak ada pengaruh signifikan Pendapatan terhadap Konsumsi)
Ha: B ≠ 0; (Ada pengaruh signifikan Pendapatan terhadap Konsumsi)
Ujilah Hipotesis tersebut dengan Pendekatan
4.a. Pendekatan Interval Keyakinan (cara manual).
4.b. Uji signifikansi koefisien regresi (Uji t & analisis kurva uji t, berdasarkan output nilai t
hitung pada output SPSS dan t tabel)
5. Uji ketepatan model (uji F) dan analisis kurva, dengan hipotesis uji F:
Ho: B = 0; Model regresi tidak signifikan dalam memprediksi Pendapatan terhadap
Konsumsi.
Ha: B ≠ 0; Model regresi signifikan dalam memprediksi pengaruh Pendapatan
terhadap Konsumsi.
6. Analisis Korelasi
7. Analisis Koefisien Determinasi

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 1. Output SPSS :

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENYELESAIAN:

PENYELESAIAN JAWABAN SOAL NO. 2;

Untuk membuat persamaan regresi, maka terlebih dahulu kita harus

mencari nilai konstanta (A) dan koefisien regresi (B) variable bebas.
Kita dapat memilih apakah menggunakan rumus eliminasi atau
bisa juga menggunakan rumus langsung.

Namun sebelum kita mengolah menggunakan rumus-rumus tersebut,

maka kita perlu mengolah data secara manual dengan membuat table
bantu untuk mencari nilai-nilai yang dibutuhkan dalam rumus, yaitu
dengan menambahkan kolom nilai X2, Y2, XY, nilai rata-rata X dan rata-
rata Y, beserta jumlah masing2.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Lanjutan PENYELESAIAN JAWABAN SOAL NO. 2;
Misal :
Y = Konsumsi
X = Pendapatan

Maka bentuk umum persamaan regresi; Y = a + bX

Persamaan regresi tersebut dapat dicari dengan olahan bantuan tabel sebagai berikut:

Y X Y2 X2 XY y x y2 x2 xy

14 15 196 225 210 -12.273 -14.727 150.620 216.893 180.744

17 19 289 361 323 -9.273 -10.727 85.983 115.074 99.471
19 20 361 400 380 -7.273 -9.727 52.893 94.620 70.744
20 22 400 484 440 -6.273 -7.727 39.347 59.711 48.471
22 25 484 625 550 -4.273 -4.727 18.256 22.347 20.198
25 30 625 900 750 -1.273 0.273 1.620 0.074 -0.347
30 32 900 1024 960 3.727 2.273 13.893 5.165 8.471
32 34 1024 1156 1088 5.727 4.273 32.802 18.256 24.471
33 35 1089 1225 1155 6.727 5.273 45.256 27.802 35.471
37 45 1369 2025 1665 10.727 15.273 115.074 233.256 163.835
40 50 1600 2500 2000 13.727 20.273 188.438 410.983 278.289
289 327 8337 10925 9521 0 0 744.182 1204.182 929.818

X rata-rata = 29.727
Yrata-rata = 26.273

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Lanjutan PENYELESAIAN JAWABAN SOAL NO. 2;
Dari hasil olahan bantuan tabel, dapat dilanjutkan perhitungan nilai konstanta (a) dan
koefisien regresi variabel bebas (b) :
CARA ELIMINASI :

a
a
a
a

a
a

a
a a = 3,32

a a = 3,32

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Lanjutan PENYELESAIAN JAWABAN SOAL NO. 2;

RUMUS LANGSUNG 1:

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Lanjutan PENYELESAIAN JAWABAN SOAL NO. 2;

RUMUS LANGSUNG 2:

𝑥𝑖 𝑦𝑖 929,818
𝑏=
𝑥 𝑖2
=1204,182 = 0,772 = 0,77

𝑑𝑖𝑚𝑎𝑛𝑎: 𝑥𝑖 = (𝑋𝑖 − 𝑋) dan 𝑦𝑖 = (𝑌𝑖 − 𝑌)

𝑎 = 𝑌 − 𝑏𝑋 = 26,273 – 0,772(29,727) = 26,273 – 22,949 = 3,324 = 3,32

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENYELESAIAN JAWABAN SOAL NO. 3;

Berdasarkan hasil perhitungan, diperoleh bahwa nilai konstanta (A)

= 3,32 dan nilai koefisien regresi variabel pendapatan (B) = 0,77.

Maka dapat disusun Model/Persamaan Regresi:

Y = 3,32 + 0,77 X

Interpretasi :
- Nilai konstanta konstanta (a) positif, sebesar 3,32; artinya jika
pendapatan (X) tidak ada atau bernilai nol, maka rata-rata
konsumsi (Y) sebesar 3,32 ribu rupiah.
- Koefisien regresi variabel Pendapatan (b) sebesar 0,77. Koefisien
tersebut bernilai positif, artinya terdapat hubungan searah antara
pendapatan dengan konsumsi, sehingga jika pendapatan naik
sebesar 1 ribu rupiah, maka rata-rata konsumsi akan naik sebesar
0,77 ribu rupiah.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN INTERVAL KEYAKINAN
PENYELESAIAN JAWABAN SOAL NO. 4.a;
Langkah-langkah Pengujian hipotesis dengan Pendekatan Interval Keyakinan:

 Pertama:
Dihitung perkiraan interval dari parameter yang bersangkutan, dengan tingkat
keyakinan 95% = 0,95 dan taraf signifikansi (α) = 5% = 0,05
* Tingkat keyakinan penelitian = (1 – α) = (1- 0,05) = 0,95
 Kedua:
Kemudian dicek, apakah nilai parameter berdasarkan hipotesis nol terletak di
dalam interval atau tidak. Kalau ya, Ho diterima, kalau tidak Ho ditolak.
Dengan menggunakan contoh soal sebelumnya misalnya kita menganggap bahwa
besarnya MPC (marginal propensity to consume) yang dinyatakan dalam parameter
B sebesar 0, dengan alternatif tidak sama.
Ho: B = 0; Ha: B ≠ 0
Pergunakan tingkat signifikan sebesar 0,05 dengan pendekatan perkiraan interval.
6

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN INTERVAL KEYAKINAN
Lanjutan PENYELESAIAN JAWABAN SOAL NO. 4.a.;

 Rumus perkiraan interval B adalah:

b t /2 Sb B b t /2 Sb
 Berdasarkan olahan manual, Diketahui; b = 0,77
dan dari output SPSS: Sb = 0,049
(1 –α) = 0,95 α= 0,05
Nilai t tabel , tα/2(n –2)
= t0,025(9) = 2,262 (nilai t tabel dicari pada lampiran tabel t statistik
atau bisa dihitung melalui program Ms.Excel dngan rumus =TINV(α,df) =TINV(5%;9) )
Perhitungan:
2
b - tα/ 2 Sb ≤ B ≤ b + tα/ 2 Sb
0,77 – 2,262(0,049) ≤ B ≤ 0,77 + 2,262(0,049)
0,77 – 0,110838 ≤ B ≤ 0,77 + 0,110838
0,661162 ≤ B ≤ 0,882838
 Dengan tingkat keyakinan sebesar 95%, dalam jangka panjang diharapkan bahwa
interval (0,661162 – 0,882838) akan memuat nilai parameter B yang sebenarnya.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN INTERVAL KEYAKINAN
Lanjutan PENYELESAIAN JAWABAN SOAL NO. 4.a;

Hipotesis :
 Ho : B = 0; Tidak ada pengaruh signifikan Pendapatan terhadap Konsumsi
 Ha : B ≠ 0; Ada pengaruh signifikan Pendapatan terhadap Konsumsi
 Berdasarkan contoh soal sebelumnya sudah kita hitung bahwa dengan
tingkat keyakinan sebesar 95%, dalam jangka panjang, interval 0,661162
sampai 0,882838 akan memuat nilai parameter B yang sebenarnya.
 Berdasarkan hasil analisis diperoleh nilai b = 0,772. Maka Interval
keyakinan 0,661162 < B < 0,882838 ternyata tidak memuat nilai hipotesis
nol , B = 0.
 Jadi, hipotesis nol (Ho) yang menyatakan bahwa Tidak ada pengaruh
signifikan Pendapatan terhadap Konsumsi, ditolak,
Sehingga Ha diterima yaitu B ≠ 0, Artinya bahwa nilai B (MPC = 0,772)
berada di antara nol dan satu, dan disimpulkan Ada pengaruh
7
signifikan Pendapatan terhadap Konsumsi.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN UJI SIGNIFIKANSI (UJI t)
PENYELESAIAN JAWABAN SOAL NO. 4.b;
Langkah-langkah Pengujian Hipotesis dengan Pendekatan Uji signifikansi
(Uji t) :
1. Menyusun hipotesis Ho dan Ha:
Ho: B = 0; Tidak ada pengaruh signifikan Pendapatan terhadap Konsumsi.
Ha: B ≠ 0; Ada pengaruh signifikan Pendapatan terhadap Konsumsi.

2. Membandingkan nilai t hitung dengan t tabel.

Hasil thitung dibandingkan dengan ttabel pada tingkat kepercayaan 95 % dan taraf
signifikansi 5% dengan menggunakan uji dua sisi.
Nilai ttabel dicari berdasarkan uji dua sisi (α/2) dan df (n-k).
k = jumlah variabel dalam model regresi.

Kriteria Keputusan Uji t:

 Jika -thitung > -ttabel atau thitung < ttabel, maka Ho diterima, artinya tidak ada
pengaruh signifikan pendapatan terhadap konsumsi.

 Jika -t hitung < -ttabel atau thitung > ttabel, maka Ho ditolak, artinya ada pengaruh
6
signifikan pendapatan terhadap konsumsi.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN UJI SIGNIFIKANSI (UJI t)
Lanjutan PENYELESAIAN JAWABAN SOAL NO. 4.b.;

Berdasarkan output SPSS pada tabel Coefficients, nilai t hitung variabel

Pendapatan sebesar 15,700. Sementara berdasarkan uji dua sisi
(α/2)=0,025 dan df (n-k) = 11- 2 = 9, diperoleh nilai t tabel sebesar 2,262.
Keputusan:
Dari hasil tersebut diketahui bahwa Nilai t hitung (15,700) lebih besar
dibandingkan t tabel (2,262). Berdasarkan kriteria keputusan uji t, maka Ho
ditolak, sehingga Ha diterima. Koefisien yang sebenarnya (B) adalah tidak
sama dengan nol, sehingga disimpulkan bahwa Ada pengaruh signifikan
Pendapatan terhadap Konsumsi.

3. Menggambarkan daerah penerimaan dan penolakan Ho dalam

rentang Confidece Interval 95%, dengan menempatkan nilai t tabel dan t
hitung pada area keputusan yang tepat berdasarkan hasil uji t:
6

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN UJI SIGNIFIKANSI (UJI t)
Lanjutan PENYELESAIAN JAWABAN SOAL NO. 4.b.;

Ho Ditolak Ho Ditolak
Ho Diterima

-2,262 0 2,262 15,700

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN UJI KETEPATAN MODEL (UJI F)
PENYELESAIAN JAWABAN SOAL NO. 5;
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya.
Langkah-langkah Uji F:
1. Menyusun hipotesis Ho dan Ha:
Ho: B = 0; Model regresi tidak signifikan dalam memprediksi kondisi
sesungguhnya.
Ha: B ≠ 0; Model regresi signifikan dalam memprediksi kondisi
sesungguhnya.

2. Membandingkan nilai F hitung dengan F tabel.

Hasil Fhitung dibandingkan dengan Ftabel
Nilai Ftabel dicari berdasarkan df 1 (k - 1) dan df 2 (n-k).
k = jumlah variabel dalam model regresi.
Kriteria Keputusan Uji F:
 Jika Fhitung < Ftabel, maka Ho diterima, artinya Model regresi tidak
signifikan dalam memprediksi kondisi sesungguhnya..
 Jika Fhitung > Ftabel, maka Ho ditolak, artinya Model regresi signifikan6
dalam memprediksi kondisi sesungguhnya.
Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN UJI KETEPATAN MODEL (UJI F)
Lanjutan PENYELESAIAN JAWABAN SOAL NO. 5;
Berdasarkan output SPSS pada tabel ANOVA, nilai F hitung model regresi
diperoleh sebesar 246,483.
Untuk nilai F tabel dicari pada tabel statistik F, berdasarkan (α)=0,05, df1 (k -1)=
2-1=1, dan df 2 (n-k) = 11- 2 = 9, maka diperoleh nilai F tabel sebesar 5,12.
Keputusan:
Dari hasil tersebut diketahui bahwa Nilai F hitung (246,483) lebih besar
dibandingkan F tabel (5,12).
Berdasarkan kriteria keputusan uji F, maka Ho ditolak, sehingga Ha diterima.
Dapat disimpulkan bahwa Model regresi signifikan dalam memprediksi kondisi
sesungguhnya atau persamaan regresi dinyatakan Baik (good of fit).

3. Menggambarkan daerah penerimaan dan penolakan Ho dalam rentang

Confidece Interval 95%, dengan menempatkan nilai F tabel dan F hitung pada
area keputusan yang tepat berdasarkan hasil uji F:

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PENGUJIAN HIPOTESIS DENGAN
PENDEKATAN UJI KETEPATAN MODEL (UJI F)
Lanjutan PENYELESAIAN JAWABAN SOAL NO. 5;

Ho Ditolak
Ho Diterima

5,12 246,483
6

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 ANALISIS KORELASI
Analisis Koefisien korelasi merupakan suatu ukuran yang menunjukkan
derajat/tingkat hubungan dan arah hubungan antara dua variabel.

Berdasarkan output SPSS pada tabel Correlations, diketahui bahwa nilai koefisien korelasi
PENYELESAIAN
(pearson JAWABAN
correlation) antara SOAL NO.
variabel pendapatan 6; konsumsi adalah sebesar 0,982.
dengan

Nilai korelasi 0,982 termasuk kategori korelasi dalam interval tingkat hubungan yang sangat
kuat, karena nilai tsb semakin mendekati 1. Dapat disimpulkan bahwa terdapat hubungan
sangat kuat antara pendapatan dengan konsumsi.
Nilai korelasi tersebut positif, artinya terjadi hubungan searah antara pendapatan dengan
konsumsi. Semakin meningkat pendapatan, maka akan semakin meningkatkan tingkat
konsumsi.

Pada Analisis Korelasi (Analisis Hubungan), juga dapat dilakukan pengujian

hipotesis/Uji signifikansi koefisien korelasi , yaitu menguji signifikansi hubungan antar
variabel, melalui uji r, yaitu membandingkan nilai r hitung dengan r tabel.

Anda bisa membuktikan melalui Uji Hipotesis Koefisien Korelasi.

6

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 ANALISIS KOEFISIEN DETERMINASI
Analisis Koefisien Determinasi r2 (untuk kasus regresi sederhana) atau R2 (untuk
kasus regresi berganda) merupakan ukuran yang menunjukkan seberapa baik
garis regresi sampel cocok/sesuai dengan datanya. Jadi analisis koefisien
determinasi menggambarkan persentase jumlah variasi yang benar-benar dapat
dijelaskan oleh garis linearnya, atau ukuran yang menyatakan seberapa besar
kontribusi/sumbangan pengaruh variabel bebas terhadap variasi (naik-turunnya)
variabel terikat.

PENYELESAIAN JAWABAN SOAL NO. 7;

Berdasarkan output SPSS pada tabel Model Summary, diketahui bahwa nilai
koefisien determinasi model regresi (R Square) adalah sebesar 0,965.

Dapat disimpulkan bahwa besarnya kontribusi/sumbangan pengaruh

pendapatan (X) terhadap variasi (naik-turunnya) Konsumsi (Y) sebesar 96,5%
sedangkan sisanya sebesar 3,5% disebabkan oleh faktor-faktor lainnya.

Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 PERAMALAN/PREDIKSI

Berdasarkan model regresi yang telah diperoleh kita

dapat memprediksi nilai-nilai perkiraan variabel
terikat berdasarkan masing-masing data variabel
bebas nya,
Kemudian dapat digambarkan garis regresi linearnya
berdasarkan hasil nilai-nilai prediksi tersebut dan
nilai-nilai sebenarnya.

Tugas: Coba Anda lakukan prediksi berdasarkan

data observasi yang ada, kemudian Anda
6
gambarkan garis regresi tersebut!
Ali Akbar, S.E., M.Si. - Econometrics Chapter 5-6: REVIEW of Simple Linear Regression
 Arigatou
Gozaimasu…
35

Never stop learning