of 14/14
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

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

  • View
    14

  • Download
    2

Embed Size (px)

Text of Ringkasan Mata Kuliah EKONOMETRIKA Semester 4 Universitas ... · Ringkasan Mata Kuliah EKONOMETRIKA...

  • 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.