LAPORAN TUGAS EKONOMETRIKA

ANALISA PENGARUH PENGELUARAN MAKANAN TERHADAP

PENGELUARAN TOTAL

Diajukan untuk memenuhi tugas individu

Mata Kuliah Komputasi Statistik
Di susun oleh :

Nama : Arthur Kusuma Atmaja Manurung

NPM : 117020055
Kelas : 2 B Manajemen

FAKULTAS EKONOMI
UNIVERSITAS GUNUNG JATI
2019/2010
Tabel 2.8 Pengeluaran untuk makanan dan pengeluaran total (dalam
satuan mata uang rupee)

Observasi Pengeluaran Untuk Makanan Pengeluaran Total

1 217 382
2 196 388
3 303 391
4 270 415
5 325 456
6 260 460
7 300 472
8 325 478
9 336 494
10 345 516
11 325 525
12 362 554
13 315 575
14 355 579
15 325 585
16 370 586
17 390 590
18 420 608
19 410 610
20 383 616
21 315 618
22 267 623
23 420 627
24 300 630
25 410 635
26 220 640
27 403 648
28 350 650
29 390 655
30 385 662
31 470 663
32 322 677
 33 540 680
34 433 690
35 295 695
36 340 695
37 500 695
38 450 720
39 415 721
40 540 730
41 360 731
42 450 733
43 395 745
44 430 751
45 332 752
46 397 752
47 446 769
48 480 773
49 352 773
50 410 775
51 380 785
52 610 788
53 530 790
54 360 795
55 305 801

2.15 Tabel 2.8 memberikan data pengeluaran terhadap makanan dan pengeluaran total, dalam rupee,
untuk sampel dari 55 rumah tangga pedesaan di India. (Pada awal tahun 2000).

a.) Plotkan data, dengan sumbu vertikal adalah pengeluaran makanan dan sumbu horizontal
adalah pengeluaran total. Kemudian gambarkan garis regressi yang melewati titik-titik acak
tersebut.
b.) Kesimpulan umum apakah yang dapat anda ambil dari contoh di atas?
 A Normal P-P Plot

Ketentuan-ketentuan :

1 Jika titik-titik atau data berada di dekat atau mengikuti garis diagonalnya maka dapat
dikatakan bahwa nilai residual berdistribusi normal
2 Jika titik-titik menjauh atau tersebar dan tidak mengikuti garis diagonalnya maka dapat
dikatakan bahwa nilai residual tidak berdistribusi normal

Berdasarkan grafik plot di atas maka dapat disimpulkan bahwa data “Pengaruh Pengeluaran
Untuk Makanan terhadap Pengeluaran Total” tersebut berdistribusi normal. Hal tersebut dapat dilihat
melalui titik-titik (plot) yang ada selalu mengikuti dan mendekati garis diagonalnya.
 B Scatter Plot

Berdasarkan output scatterplot di atas maka diketahui bahwa :

1. Titik-titik data penyebar di atas dan di bawah atau disekitar angka 0

2. Titik-titik tidak mengumpul hanya di atas atau di bawah saja
3. Penyebaran titik-titik data tidak membentuk pola bergelombang menyempit
dan melebar kembali
4. Penyebaran titik-titik data tidak berpola.

Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah heteroskedastistas,

maka model regressi yang baik dan ideal dapat terpenuhi.
C Analisa Korelasi

Correlations

Pengeluaran Pengeluaran
Untuk Makanan Total

Pearson Correlation 1 ,608**

Pengeluaran Untuk
Sig. (2-tailed) ,000
Makanan
N 55 55
**
Pearson Correlation ,608 1

Pengeluaran Total Sig. (2-tailed) ,000

N 55 55

**. Correlation is significant at the 0.01 level (2-tailed).

Analisa korelasi bivariate pearson di atas:

1. Berdasarkan nilai signifikasi Sig. (2-tailed)

Dari tabel output di atas diketahui nilai Sig. (2-tailed) antara pengeluaran
untuk makanan (variabel x) dengan pengeluaran total (variabel y) adalah
sebesar 0,000 < 0,005, yang berarti terdapat korelasi yang signifikan antara
variabel pengeluaran untuk makanan (variabel x) dengan pengeluaran total
(variabel y).

2. Berdasarkan nilai r hitung

Diketahui nilai r hitung untuk hubungan pengeluaran untuk makanan (variabel
x) dengan pengeluaran total (variabel y) adalah sebesar 0,608 > r tabel 0,576,
maka dapat disimpulkan bahwa terdapat hubungan atau korelasi yang
signifikan antara pengeluaran untuk makanan (variabel x) dengan pengeluaran
total (variabel y).
 D Analisa Regressi

Coefficientsa

Model Unstandardized Standardized t Sig. Correlations Collinearity

Coefficients Coefficients Statistics

B Std. Beta Zero- Partial Part Tolerance VIF

Error order

(Constant) 322,944 58,050 5,563 ,000

1 Pengeluaran ,847 ,152 ,608 5,577 ,000 ,608 ,608 ,608 1,000 1,000
Untuk Makanan

a. Dependent Variable: Pengeluaran Total

Pada tabel koefisien di atas dari output datanya maka kita dapat mengetahui persamaan

regressi nya yaitu :

Y= a+bX atau

Y= 322,944+0,847X

Koefisien B merupakan koefisien arah regressi dan menyatakan perubahan rata-rata

variabel y untuk setiap perubahan variabel x sebesar satu satuan. Perubahan ini merupakan

pertambahan apabila B bertanda positif dan penurunan apabila B bertanda negatif. Sehingga

dari persamaan di atas dapat disimpulkan bahwa :

 Konstanta sebesar 322,944 menyatakan bahwa jika tidak ada nilai pengeluaran untuk

makanan maka nilai pengeluaran total adalah sebesar 322,944

 Koefisien regressi x sebesar 0,847 yang menyatakan bahwa setiap penambahan 1 nilai

pengeluaran untuk makanan, maka pengeluaran total akan naik sebesar 0,847.
 Hipotesis :

 Ho : tidak ada pengaruh yang signifikan antara variabel pengeluaran untuk makanan

dengan pengeluaran total

 H1 : adanya pengaruh yang signifikan antara variabel pengeluaran untuk makanan

dengan pengeluaran total

Maka dari data di atas dapat disimpulkan bahwa nilai t hitung antara variabel

pengeluaran untuk makanan dengan pengeluaran total adalah 5,577 dengan nilai

signifikasi 0,000<0,05, maka H0 diterima dan H1 ditolak, yang berarti bahwa tidak ada

pengaruh yang signifikan antara variabel pengeluaran utnuk makanan (x) dengan variabel

pengeluaran total (y).

 E Analisa Garis Regressi
900

800

700

600
Pengeluaran Total

500

400

300

200

100

0
150 200 250 300 350 400 450 500 550 600 650
Pengeluaran Untuk Makanan

Ketentuan-ketentuan :

 Semakin mendatar (<900) garis regressinya maka nilai korelasi semakin rendah
 Semakin membentuk sudut 900 garis regressinya maka nilai korelasi semakin tinggi

Keterangan :

 X = Pengeluaran untuk makanan

 Y= Pengeluaran total

Berikut merupakan kesimpulan yang dapat diambil dari analisa garis regressi di atas :

1. Apabila pengeluaran untuk makanan meningkat maka pengeluaran total tidak

meningkat secara signifikan, hal ini dikarenakan banyak variabel yang tidak
diikutsertakan dalam pemrosesan analisa data seperti pendapatan, biaya sehari-hari,
dll.
2. Korelasi positif kedua variabel berjalan pararel atau searah.
3. Regressi merupakan data sampel.
BUKTI PENGERJAAN TUGAS