View
24
Download
2
Category
Preview:
Citation preview
https:// ratihmpratiwi25.wordpress.com
1
Ringkasan Mata Kuliah EKONOMETRIKA
Semester 4
Universitas Swadaya Gunung Jati
Definisi :
Eknometrika merupakan analisis kumulatif dari fenomena ekonomi yang sebenarnya
(actual), berdasarkan perkembangan yang menyeluruh dari teori dan observasi, terkait
dengan metode inferensi (penarikan kesimpulan) yang sesuai.
Penggolongan model
Model verbal, misalnya hukum-hukum ekonomi
Model fisik/ikonis, misal miniature gedung
Model Geometris, contoh grafik
Model aljabar/simbolis, yaitu bentuk simbolis atau persamaan matematika
Tujuan
Analisis structural
Peramalan
Evaluasi kebijakan dan merencanakan kegiatan
Tahapan spesifikasi model
Spesifikasi model
Estimasi model
Evaluasi dan hasil estimasi
Evaluasi daya peramalan
Bentuk Matematika Model
Linier
Nonlinier
Persamaan
Simultan
Stastis
https:// ratihmpratiwi25.wordpress.com
2
Dinamis
Jenis data
Time Series, yaitu data berdasarkan separuh waktu (waktunya banyak).
Contoh: konsumsi tahun 2001, 2002, 2003, 2004 dst. (normalnya 30 tahun).
Cross Section, contoh : konsumsi tahun 2009 beras, sayur, minyak
(menjabarkan komponen).
Data Panel, yaitu penggabungan antara time series dan cross section.
Langkah-Langkah melakukan analisis
1. Korelasi (Hubungan)
-Analyze
-Correlate
-Bivariate
Pindahkan variable dependent dan independen ke Variables
-Pearson, pilih two-tailed dan centang flag significant correlations
-Ok
Lihat tabel Correlations
Pearson of Correlation > 0,05 = tidak terdapat korelasi yang signifikan
Pearson of Correlation < 0,05 = tidak terdapat korelasi yang signifikan
2. Regresi (Pengaruh)
-Analyze
-Regression
-Linear
-OK
Lihat di tabel Model Summary
R=Korelasi Regresi
Pedoman menentukan interpretasi menurut Sugiyono
0,00-0,199= sangat rendah
0,20-0,399= rendah
0,40-0,599= sedang
0,60-0,799= kuat
https:// ratihmpratiwi25.wordpress.com
3
0,80-1,00 = sangat kuat atau sempurna
R² (square) = Koefisien Determinasi
Lihat di tabel Anova
Uji F (Uji Simultan)
Kriteria : H0 diterima jika Fhitung < Ftabel
H0 ditolak jika Fhitung > Ftabel
Cara mencari Ftabel
Df1 = jumlah variable – 1
Df2 = n-k-1
k= variable independen
n= jumlah data
Uji Simultan Sig.
Sig > 0,05 = signifikan = H0 diterima
Sig < 0,05 = tidak signifikan = H0 ditolak
Coefficients
Lihat T tabel
Uji T (Uji Parsial)
Level of signifikan = 0,05 artinya 95% tingkat kepercayaan
0,05/2
=0,025
*dibagi dua untuk uji dua sisi
Melihat df
Df= n-k-1
3. Model Regresi
Misal
Q = β0+ β1P1+ β2P2+ β3P3+ β4T+ β5 Y+ €
Dimana
https:// ratihmpratiwi25.wordpress.com
4
Q = variable tak bebas ( response / dependen variable)
Βi = koefisien regresi dari variable bebas ke-i
P1, P2, P3, P4, T, Y = Variabel bebas ( predictor/ independen variable)
€ = Apriori = suku sisaan(error/residual) variable lain yang tidak dilibatkan tapi
berpengaruh .
4. Uji Normalitas
-Analyze
-Regression
-Linear
-Plot , beri tanda centang pada Normal
-Ok
Lihat Grafik
Dikatakan normal apabila titik-titik ada dikisaran garis.
5. Uji Klasik
a. Multikolinearitas
-Analyze
-Regression
-Linear
Variable impor masukan ke kotak independent
Variabel IDB & IHK ke kotak independent
-Klik Statistic, centang pada Collinearty Diagnostic
-Continue
-Ok
Lihat pada hasil output pada Coefficient
Jika VIF < 10 dan Tollerance > 0,1 maka dapat disimpulkan model regresi
tidak memiliki masalah multikolinearitas.
b. Autokorelasi
-Analyze
-Regression
-Linear
Variable impor masukan ke kotak independent
https:// ratihmpratiwi25.wordpress.com
5
Variabel IDB & IHK ke kotak independent
-Klik Statistic, centang pada Durbin Watson
- Continue
-Ok
Lihat output
Model Summary
Nilai DW lihat pada tabel Durbin Watson
Cari dL & dUnya dengan menentukan :
n=jumlah data k=jumlah variable bebas
Cari dimana DW berada
c. Heterokedastisitas
Mendeteksi :
1. Uji Glejser, dilihat dari nilai Sig
2. Uji Spearman rho, jika nilai Sig. lebih dari 0,05 maka tidak
terjadi masalah heterokedastisitas
3. Uji Grafik, jika titik-titiknya membentuk pola maka
mengandung heterokedastisitas
https:// ratihmpratiwi25.wordpress.com
6
CONTOH ANALISIS.
“Keaktivan Mahasiswa di Kelas, Keaktivan Mahasiswa di Organisasi, dan Ketepatan
penyerahan tugas terhadap Nilai Mahasiswa”
6. Korelasi (Hubungan)
7. Regresi (Pengaruh)
8. Model Regresi
9. Uji Normalitas
10. Uji Klasik
a. Multikolinearitas
b. Autokorelasi
c. Heterokedastisitas
https:// ratihmpratiwi25.wordpress.com
7
1. KORELASI
Correlations
Nilai Mahasiswa Keaktivan di
Kelas
Keaktivan di
Organisasi
Ketepatan
Penyerahan
Tugas
Nilai Mahasiswa
Pearson Correlation 1 .664** -.014 -.150
Sig. (2-tailed) .000 .931 .370
N 38 38 38 38
Keaktivan di Kelas
Pearson Correlation .664** 1 .119 -.321*
Sig. (2-tailed) .000 .476 .049
N 38 38 38 38
Keaktivan di Organisasi
Pearson Correlation -.014 .119 1 .184
Sig. (2-tailed) .931 .476 .268
N 38 38 38 38
Ketepatan Penyerahan Tugas
Pearson Correlation -.150 -.321* .184 1
Sig. (2-tailed) .370 .049 .268
N 38 38 38 38
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Hipotesis : “ Hubungan Keaktivan Mahasiswa di Kelas, Keaktivan Mahasiswa di
Organisasi, dan Ketepatan penyerahan tugas terhadap Nilai Mahasiswa”
Berdasarkan nilai Pearson of Correlation dari output di atas diketahui bahwa :
Antara Nilai Mahasiswa dengan Keaktivan di Kelas nilai Pearson of
Correlation 0,664 > 0,05 yang berarti tidak terdapat korelasi yang signifikan
Antara Nilai Mahasiswa dengan Keaktivan di Organisasi nilai Pearson of
Correlation -0,014 < 0,05 yang berarti terdapat korelasi yang signifikan
Antara Nilai Mahasiswa dengan Ketepatan Penyerahan Tugas nilai Pearson of
Correlation -0,150 < 0,05 berarti terdapat korelasi yang signifikan
Berdasarkan tanda bintang SPSS dari output diatas diketahui bahwa Nilai Pearson
Correlation yang dihubungkan antara masing-masing variable, ini berarti terdapat
korelasi yang signifikan antara variable yang dihubungkan.
https:// ratihmpratiwi25.wordpress.com
8
2. REGRESI
Model Summary
Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 .677a .458 .410 10.000
a. Predictors: (Constant), Ketepatan Penyerahan Tugas, Keaktivan di
Organisasi, Keaktivan di Kelas
Dari table output diatas diketahui
R= 0,677 artinya terdapat korelasi yang kuat
R²=0,458 atau 45,8% berarti 54,2 dipengaruhi factor lain yang tidak diteliti
Std. Error of the Estimate = 10,000 artinya yang tidak errornya kemungkinan 90%
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 2873.941 3 957.980 9.580 .000b
Residual 3399.954 34 99.999
Total 6273.895 37
a. Dependent Variable: Nilai Mahasiswa
b. Predictors: (Constant), Ketepatan Penyerahan Tugas, Keaktivan di Organisasi, Keaktivan di Kelas
Uji F (Uji Simultan)
Hipotesis : “ Pengaruh Keaktivan Mahasiswa di Kelas, Keaktivan Mahasiswa di
Organisasi, dan Ketepatan penyerahan tugas terhadap Nilai Mahasiswa”
Hipotesis dibagi menjadi menjadi 2, yaitu
Hipotesis Ho ( tidak ada pengaruh Keaktivan Mahasiswa di Kelas, Keaktivan
Mahasiswa di Organisasi, dan Ketepatan penyerahan tugas terhadap Nilai
Mahasiswa)
Hipotesis H1 (ada pengaruh Keaktivan Mahasiswa di Kelas, Keaktivan
Mahasiswa di Organisasi, dan Ketepatan penyerahan tugas terhadap Nilai
Mahasiswa)
Df1=3
Df2= 38-3-1= 34
Maka dapat disimpulkan bahwa Fhitung (9.580) > Ftabel (2,88) maka Ho ditolak
Artinya ada pengaruh Keaktivan Mahasiswa di Kelas, Keaktivan Mahasiswa di
Organisasi, dan Ketepatan penyerahan tugas terhadap Nilai Mahasiswa.
https:// ratihmpratiwi25.wordpress.com
9
Uji Signifikan Sig
Sig (0, 000 ) < 0,05 = tidak signifikan = Ho ditolak
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
1
(Constant) -.499 21.854 -.023 .982
Keaktivan di Kelas 1.028 .197 .710 5.227 .000
Keaktivan di Organisasi -.190 .212 -.118 -.898 .375
Ketepatan Penyerahan Tugas .086 .119 .100 .729 .471
a. Dependent Variable: Nilai Mahasiswa
Uji t (Uji Parsial)
Hipotesis :
H1= Keaktivan Mahasiswa di Kelas (XI) berpengaruh signifikan terhadap Nilai
Mahasiswa (Y)
H2= Keaktivan Mahasiswa di Organisasi (X2) berpengaruh signifikan Organisasi
terhadap Nilai Mahasiswa (Y)
H3= Ketepatan Penyerahan Tugas (X3) berpengaruh signifikan terhadap Nilai
Mahasiswa (Y)
Berdasarkan output Coefficients diatas diketahui bahwa:
Nilai koefisien regresi variable Keaktivan Mahasiswa di Kelas (X1) adalah sebesar
(1,028) bernilai positif. Sehingga dapat dikatakan bahwa Keaktivan Mahasiswa di
Kelas (X1) berpengaruh positif terhadap Nilai Mahasiswa (Y). Pengaruh positif
diartikan bahwa semakin meningkat Keaktivan di Kelas (X1), maka akan semakin
meningkat pula Nilai Mahasiswa (Y)
X1 (1,028) > 0,05 maka tidak ada pengaruh Keaktivan Mahasiswa di Kelas (XI)
terhadap Nilai Mahasiswa (Y)
Nilai koefisien regresi variable Keaktivan Mahasiswa di Organisasi (X2) adalah
sebesar (-0,190) bernilai negatif. Sehingga dapat dikatakan bahwa Keaktivan
Mahasiswa di Organisasi (X2) berpengaruh negatif terhadap Nilai Mahasiswa (Y).
Pengaruh negative diartikan bahwa semakin meningkat Keaktivan di Organisasi (X2),
maka akan semakin menurun Nilai Mahasiswa (Y)
https:// ratihmpratiwi25.wordpress.com
10
X2(0,190) > (0,05) maka maka tidak ada pengaruh Keaktivan Mahasiswa di
Organisasi (X2) terhadap Nilai Mahasiswa (Y)
Nilai koefisien regresi variable Ketepatan Penyerahan Tugas (X3) adalah sebesar
(0,086) bernilai positif. Sehingga dapat dikatakan bahwa Ketepatan Penyerahan Tugas
(X3) berpengaruh positif terhadap Nilai Mahasiswa (Y). Pengaruh positif diartikan
bahwa semakin meningkat Ketepatan Penyerahan Tugas (X3), maka akan semakin
meningkat pula Nilai Mahasiswa (Y)
X3 (0,086) < (0,05) , maka ada pengaruh yang signifikan antara Ketepatan
Penyerahan Tugas (X3) dengan Nilai Mahasiswa (Y)
Level of signifikan : 0,05 artinya 95% tingkat kepercayaan
0,05/2 = 0,025
Df= 38-3-1=34
Thitung (0,23) > Ttabel (2.03224 ) artinya Ho ditolak
3. MODEL REGRESI
Y = β0+β1X1+β2X2+β3X3+€
= -0, 499 + 1.028 X1 – 0,190 X1 + 0,086X3
β0 = -0, 499
β1= 1.028
β2= – 0,190 artinya besarnya perubahan keaktifan di organisasi terhadap nilai tidak
linear.
β3= 0,086
https:// ratihmpratiwi25.wordpress.com
11
4. UJI NORMALITAS
Dari output grafik diatas diketahui bahwa terdistribusi normal karena titik-titik berada di
kisaran garis.
Langkah lain
One-Sample Kolmogorov-Smirnov Test
Nilai
Mahasiswa
Keaktivan
di Kelas
Keaktivan
di
Organisasi
Ketepatan
Penyerahan
Tugas
Unstandardized Residual
N 38 38 38 38 38
Normal
Parametersa,b
Mean 67.05 73.55 75.53 73.42 .0000000
Std.
Deviation
13.022 8.998 8.040 15.072 9.58596087
Most Extreme
Differences
Absolute .153 .206 .144 .208 .083
Positive .153 .206 .096 .208 .070
Negative -.098 -.184 -.144 -.121 -.083
Kolmogorov-Smirnov Z .945 1.271 .887 1.283 .514
Asymp. Sig. (2-tailed) .333 .079 .411 .074 .954
a. Test distribution is Normal.
b. Calculated
Sig (0,954) > 0,05 = NORMAL
https:// ratihmpratiwi25.wordpress.com
12
5. UJI KLASIK
A. MULTIKOLINEARITAS
Dari table output diatas dapat diketahui bahwa
Nilai VIF < 10 dan Tolerance > 0,1 maka dapat disimpulkan bahwa model regresi tidak
memiliki masalah multikolinearitas
https:// ratihmpratiwi25.wordpress.com
13
B. AUTOKORELASI Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the
Estimate
Durbin-Watson
1 .677a .458 .410 10.000 .997
a. Predictors: (Constant), Ketepatan Penyerahan Tugas, Keaktivan di Organisasi, Keaktivan di
Kelas
c. Dependent Variable: Nilai Mahasiswa
Diketahui :
n=38 k=3
dL= 1,3177 dU= 1,6563
Durbin-Watson (0.997 )
Dari table output diatas diketahui bahwa Ho diterima.
C. HETEROSKEDASTISITAS
Dgn uji Glejser
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 3.554 11.365 .313 .756
Keaktivan di Kelas .041 .102 .071 .399 .693
Keaktivan di Organisasi .094 .110 .146 .854 .399
Ketepatan Penyerahan
Tugas
-.078 .062 -.226 -1.261 .216
a. Dependent Variable: RES2
https:// ratihmpratiwi25.wordpress.com
14
Dari table output diatas diketahui bahwa nilai Sig. variable Keaktivan di kelas sebesar
(0,693) > 0,05 maka tidak terjadi masalah heterokedastisitas.
Sementara variable Keaktivan di Organisasi (0,399) > 0,05 , artinya tidak terjadi masalah
heterokedastisitas
Variabel ketepatan Penyerahan Tugas (0,216) > 0,05 , artinya tidak terjadi masalah
heterokedastisitas
Uji Grafik
Dari grafik diatas diketahui bahwa titik-titik membentuk pola maka mengandung
heteroskedastisitas.
Recommended