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
Ratih M.P
1
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 Ratih M.P
2
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 Ratih M.P
3
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 Ratih M.P
4
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
Ratih M.P
5
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
Ratih M.P
6
1. KORELASI Correlations Nilai Mahasiswa
Keaktivan Kelas
di Keaktivan
di Ketepatan
Organisasi
Penyerahan Tugas
Pearson Correlation Nilai Mahasiswa
1
Sig. (2-tailed) N
Keaktivan di Kelas
Keaktivan di Organisasi
Ketepatan Penyerahan Tugas
38 **
.664**
-.014
-.150
.000
.931
.370
38
38
38
1
.119
-.321*
.476
.049
Pearson Correlation
.664
Sig. (2-tailed)
.000
N
38
38
38
38
Pearson Correlation
-.014
.119
1
.184
Sig. (2-tailed)
.931
.476
N
38
38
.268 *
38
38
.184
1
Pearson Correlation
-.150
-.321
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.
Ratih M.P
7
2. REGRESI Model Summary Model
R
1
.677
R Square
a
.458
Adjusted
R Std. Error of the
Square
Estimate
.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
1
Sum of Squares
df
Mean Square
F
Sig.
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.
Ratih M.P
8
Uji Signifikan Sig Sig (0, 000 ) < 0,05 = tidak signifikan = Ho ditolak Coefficientsa Model
Unstandardized Coefficients
Standardized
t
Sig.
-.023
.982
Coefficients B
Std. Error
Beta
(Constant)
-.499
21.854
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
1
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)
Ratih M.P
9
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
Ratih M.P
10
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
Keaktivan
Keaktivan
Ketepatan
Mahasiswa
di Kelas
di
Penyerahan
Organisasi
Tugas
Unstandardized Residual
38
38
38
38
38
Mean
67.05
73.55
75.53
73.42
.0000000
Std.
13.022
8.998
8.040
15.072
9.58596087
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
N Normal Parametersa,b
Deviation Most
Extreme
Differences
a.
Test distribution is Normal.
b.
Calculated
Sig (0,954) > 0,05 = NORMAL
Ratih M.P
11
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
Ratih M.P
12
B. AUTOKORELASI Model Summaryb Model
R
R Square
.677a
1
.458
Adjusted
R Std. Error of the Durbin-Watson
Square
Estimate
.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
Coefficients
a
Model
Unstandardized Coefficients
Standardized
t
Sig.
.313
.756
Coefficients
1
B
Std. Error
(Constant)
3.554
11.365
Keaktivan di Kelas
.041
.102
.071
.399
.693
Keaktivan di Organisasi
.094
.110
.146
.854
.399
.062
-.226
-1.261
.216
Ketepatan
Penyerahan -.078
Beta
Tugas a. Dependent Variable: RES2
Ratih M.P
13
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.
Ratih M.P
14
