Ringkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas ... · Ringkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas Swadaya Gunung Jati Definisi : Eknometrika merupakan analisis

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


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


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


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


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


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


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.


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.


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)


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


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


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


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


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.

Ringkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas ... · Ringkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas Swadaya Gunung Jati Definisi : Eknometrika merupakan analisis

Documents