3.

EVALUASI REGRESI

3.1. Evaluasi regresi

(1)

Y=jumlah permintaan bunga mawar (variabel dependen)

X1=harga bunga mawar, X2=harga bunga anyelir, X3=pendapatan (variabel independen)

Dependent Variable: Y Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C 13354.60 6485.419 2.059173 0.0619

X1 -3628.186 635.6282 -5.708031 0.0001
X2 2633.755 1012.637 2.600888 0.0232
X3 -19.25394 30.69465 -0.627274 0.5422

R-squared 0.777929 Mean dependent var 7645.000

Adjusted R-squared 0.722411 S.D. dependent var 2042.814
S.E. of regression 1076.291 Akaike info criterion 17.01275
Sum squared resid 13900824 Schwarz criterion 17.20589
Log likelihood -132.1020 Hannan-Quinn criter. 17.02264
F-statistic 14.01227 Durbin-Watson stat 2.316836
Prob(F-statistic) 0.000316

ada beberapa evaluasi:

2
1. Kebaikan garis regesi (koefisien determinasi=R )
2 2
R itu mengukur berapa besar variabel independen menjelaskan dependen 0 ≤ R ≤1
2. uji Kelayakan model (uji F)
uji pengaruh semua variabel independen terhadap variabel dependen
3. Uji hipotesis (uji t dan uji F)
uji t itu uji pengaruh variabel independen terhadap variabel depeden secara individu
Uji F itu pengaruh beberapa variabel independen terhadap variabel dependen
4. uji asumsi OLS

4.2. kebaikan garis regresi dengan koefisien determinasi

dapat dijelaskan melalui gambar 1 berikut ini.

 15

= variasi karena residual (error)=15-12=3

variasi total =
15-10=5 = 12
= variasi karena regresi =12-10=2

10

(garis regresi)
 Gambar 1
Misalkan kita mempunyai hasil regresi seperti gambar 1. Garis regesi adalah prediksi. Kita ambil
salah satu nilai aktual di pada nilai sedangkan nilai prediksinya dan
nilai rata-rata .
Perbedaan antara disebut dengan variasi total. Variasi total ini disebabkan dua variasi
yaitu variasi karena regresi dan variasi karena residual atau error ( . Dengan
demikian kita bisa tulis dalam persamaan sbb:

(2)

5=2+3
Setiap sisi kita kuadratkan dan kemudian kita jumlahkan akan menghasilkan persamaan sbb:

(3)
TSS = ESS + SSR
TSS= total sum of squares ; ESS=explained sum of squares yang berasal dari regresi dan SSR=
sum of squared residual berasal dari variabel lain diluar model. Koefisien determinasi
menjelaskan berapa besar variabel independen (ESS) menjelaskan variabel dependen (TSS).
Koefisien determinasi dapat dicari dengan menggunakan formula sbb:

(4)
Regresi yang terbaik ( atau berarti SSR=0 sehingga TSS=ESS
karena ESS=TSS.
Sabaliknya regresi yang terjelek jika regresi tidak mampu menjelaskan (variasi regresi sama
dengan nol) atau ESS=0 maka nilai
Besarnya koefisien determinasi .

Pada kasus permintaan bunga mawar, besarnya . Artinya garis regresi (variabel
independen harga bunga mawar, bunga anyelir dan pendapatan) mampu menjelaskan permintaan
bunga mawar sebesar 77,79% sedangkan sisanya (22.21%) dijelaskan variabel lain.

Nilai R2, akan terus naik jika kita menambah variabel independen

Karena TSS = ESS + SSR, maka sebagai alternatifnya:

TSS=ESS+SSR atau ESS=TSS-SSR

Formula Adjusted R2
4.3. kelayakan model dengan uji F
Langkah uji F
1. Membuat dan

semua variabel independen tidak berpengaruh terhadap variabel dependen

semua variabel indepeden berpangaruh terhadap variabel dependen

2. Menghitung nilai F hitung dan nilai F kritis (dari tabel distribusi F)

Nilai F hitung
 Mencari F hitung dan F kritis
 (unristricted=U) (5)
 (restricted=R) (6)
hasil restricted

Variable Coefficient Std. Error t-Statistic Prob.

C 7645.000 510.7036 14.96954 0.0000

R-squared 0.000000 Mean dependent var 7645.000

Adjusted R-squared 0.000000 S.D. dependent var 2042.814
S.E. of regression 2042.814 Akaike info criterion 18.14251
Sum squared resid 62596356 Schwarz criterion 18.19079
Log likelihood -144.1400 Hannan-Quinn criter. 18.14498
Durbin-Watson stat 0.721331

SSRR=sum of Squared residual for restricted,

SSRU= sum of Squared residual for unrestricted
q= jumlah variabel independen yang diuji=3
n=jumlah observasi (16)
k=jumlah koefisien regresi yang diestimasi (4)

F kritis dan df (degree of freedom) . =tingkat kesalahan yang kita duga. Tingkat
kesalahan maksimum yang kita bisa akamodasi adalah maksimum di dalam teori
ekonomi. Artinya kebenaran yang masih bisa dipercaya adalah 90%. Bisanya yang digunakan
adalah

Dengan df n1=q=3; n2=n-k=16-4=12, Maka F kritis (tabel) =3.49. (lihat tabel F)

3. Membuat keputusan
F hitung > F kritis , signifikan (Menolak ) maka model layak
F hitung < F kritis, tidak signifikan (gagal menolak Menolak ) maka model tidak layak

Kita juga bisa menggunakan nilai probabilitas (p-value). Probabilitas (prob) adalah kesalahan
yang sebenarnya
P-value < signifikan (Menolak ) maka model layak
P-value > tidak signifikan (gagal menolak Menolak ) maka model tidak layak
Nilai F hitung > F kritis, sehingga menolak Ho atau bisa dilihat dengan nilai Prob(F-statistic)=
0.000316 < 5%. Berarti model layak.

3. Uji pengaruh variabel independen

3.1. Uji pengaruh variabel independen terhadap variabel dependen atau uji signifikansi dengan uji t

Hubungan antara variabel di dalam ekonomi

1). hubungan positif

ketika dua variabel bergerak dalam arah yang sama.
X naik, maka Y juga naik atau X turun maka Y juga turun
contohnya: barang normal (berkaitan dengan pendapatan)
pendapatan naik, maka jumlah permintaan juga naik, sedangkan ketika pendapatan turun maka
jumlah permintaan juga turun

2). Hubungan negatif

ketika dua variabel bergerak dalam arah yang berlawanan.
X naik, maka Y turun atau X turun maka Y naik
contohnya: hukum permintaan
jika harga naik, maka jumlah permintaan juga turun, sedangkan jika harga turun maka jumlah
permintaan akan naik

3). Hubungan bisa positif atau negatif

hubungan antara pendapatan dan jumlah permintaan barang (kurva Engel)
jika barangnya barangnya normal, ketika pendapatan naik maka jumlah permintaan naik
jika barangnya inferior (kualitas rendah), jika pendapatan naik maka jumlah permintaan turun

Langkah uji t sbb:

1) Membuat hipotesis
Uji hipotesis satu sisi negatif, jika pengaruh variabel independen adalah negatif

Uji hipotesis satu sisi positif, jika pengaruh variabel independen adalah positif

Uji hipotesis dua sisi positif, jika pengaruh variabel independen bisa positif atau negatif

2) Menghitung nilai statistik (Hitung) dan t kritis (tabel). t kritis dengan dan df=n-k
adalah tingkat kesalahan yang kita duga, maksimum biasanya yang digunakan
adalah
Nilai t hitung sbb:
Se=standard error
3) Membuat keputusan
(a) membadingkan antara t hitung dengan t kritis

menolak gagal menolak menolak

menerima menerima

0
Gambar 1. uji dua sisi dan

gagal menolak menolak

menerima

0
Gambar 2. uji satu sisi positif dan

menolak gagal menolak

menerima

0
Gambar 3. Uji satu sisi negatif dan

(b) dengan menggunakan probabiltias (p-value)

Probabilitas adalah kesalahan yang sebenarnya. Prob (P-value) di dalam uji t adalah uji dua
sisi, bukan uji satu sisi. Untuk menghitung p-value uji satu sisi maka prob (p-value) harus
dibagi dua.
Jika p-value < maka kita menolak Ho,
Jika p-value > maka kita gagal menolak Ho
Contoh untuk variabel X1 (harga bunga Mawar). Pengaruh harga bunga mawar terhadap jumlah
permintaan bunga mawar negatif

Nilai t hitung =-3628.186/635.6282=-5.708031

Nilai t kritis df=n-k=16-4=12
 dengan = -2.681 menolak Ho (signifikan) berarti harga bunga mawar
berpengaruh negatif terhadap jumlah permintaan bunga mawar
 = -1.782 menolak Ho (signifikan)
 = -1.356 menolak Ho (signifikan)
Karena uji satu sisi maka probabilitas harus dibagi dua
p-value=0.001/2=0.0005 < kita menolak Ho
p-value=0.001/2 < kita menolak Ho
p-value=0.001/2 < kita menolak Ho

Contoh untuk variabel X2 (harga bunga Anyelir). Pengaruh harga bunga anyelir terhadap jumlah
permintaan bunga mawar positif

Nilai t hitung =2.600888

Nilai t kritis df=n-k=16-4=12
 dengan = 2.681 gagal menolak Ho ( tidak signifikan) berarti harga bunga anyelir
tidak berpengaruh berpositif terhadap jumlah permintaan bunga mawar
 = 1.782 menolak Ho (signifikan) menolak berarti harga bunga anyelir
berpengaruh positif terhadap jumlah permintaan bunga mawar
 = 1.356 menolak Ho (signifikan)
Karena uji satu sisi, maka prob (p-value) harus dibagi dua
p-value=0.0232/2=0.0116 > gagal menolak Ho
p-value=0.0232/2=0.0116 < menolak Ho
p-value=0.0232/2=0.0116 < menolak Ho

Contoh untuk variabel X3 (pendapatan). Pendapatan bisa berpangaruh positif atau negatif
terhadap jumlah permintaan bunga mawar.

Nilai t hitung =-0.627274

Nilai t kritis df=n-k=16-4=12
 dengan =3.055 gagal menolak Ho ( tidak signifikan)
 = 2.179 gagal menolak Ho (tidak signifikan)
  =1.782 gagal menolak Ho (tidak signifikan) berarti pendapatan tidak
berpengaruh terhadap jumlah permintaan bunga mawar

Karena uji daua sisi, maka prob (p-value) ttidak harus dibagi dua
p-value=0.5422 > gagal menolak Ho
p-value=0.5422 > gagal menolak Ho
p-value=0.5422 > gagal menolak Ho

3.2. Uji F Untuk Uji Hipotesis Gabungan Koefisien Regresi

Contoh regresi produksi padi di Indonesian tahun 1999 dari 23 provinsi

dimana = rata-rata produksi per hektar (kg); = rata-rata penggunaan bibit per hektar (kg);
= rata-rata penggunaan pestisida per hektar (kg); = rata-rata penggunaaan pupuk per
hektar (kg).
Kita ingin menguji apakah X2 dan X3 (variabel obat-obatan) secara bersama-sama
mempengaruhi produksi padi

Unrestricted
Restricted

45.74236

=restricted sum of squared residual

= unrestricted sum of squared residual
q= jumlah pembatasan koefisien regresi=2, n=23 dan k=4

F kritis pada dan dengan df n1=2 dan n2=23-4=19 sebesar 5,93 dan 3.52
F hitung > F kritis pada sehingga menolak Ho berarti X2 dan X3 secara bersama-sama
mempengaruhi Y
Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob.

C 1509.340 435.1074 3.468891 0.0026

X1 22.23991 11.11984 2.000020 0.0600
X2 35.47348 72.88097 0.486732 0.6320
X3 7.099520 0.998725 7.108584 0.0000

R-squared 0.849680 Mean dependent var 3989.304

Adjusted R-squared 0.825945 S.D. dependent var 953.2458
S.E. of regression 397.6931 Akaike info criterion 14.96601
Sum squared resid 3005037. Schwarz criterion 15.16349
Log likelihood -168.1091 Hannan-Quinn criter. 15.01567
F-statistic 35.79895 Durbin-Watson stat 1.893931
Prob(F-statistic) 0.000000

Hasil uji dengan Eviews

Wald Test:
Equation: EQ01

Test Statistic Value df Probability

F-statistic 45.74237 (2, 19) 0.0000

Chi-square 91.48474 2 0.0000

Null Hypothesis: C(3)=C(4)=0

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

C(3) 35.47348 72.88097

C(4) 7.099520 0.998725

Prob (p-value) F statistic=0.0000 < menolak Ho