PANDUAN PRAKTIS

EKONOMETRIKA
Konsep Dasar dan Penerapan
Menggunakan EViews 10

PANDUAN PRAKTIS EKONOMETRIKA: i

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Undang-undang No.19 Tahun 2002 Tentang Hak Cipta
Pasal 72

1. Barang siapa dengan sengaja melanggar dan tanpa hak

melakukan perbuatan sebagaimana dimaksud dalam pasal
ayat (1) atau pasal 49 ayat (1) dan ayat (2) dipidana
dengan pidana penjara masing-masing paling sedikit 1
(satu) bulan dan/atau denda paling sedikit
Rp.1.000.000,00 (satu juta rupiah), atau pidana penjara
paling lama 7 (tujuh) tahun dan/atau denda paling banyak
Rp.[Link],00 (lima miliar rupiah).

2. Barang siapa dengan sengaja menyiarkan, memamerkan,

mengedarkan, atau menjual kepada umum suatu ciptaan
atau barang hasil pelangaran hak cipta terkait sebagai
dimaksud pada ayat (1) dipidana dengan pidana penjara
paling lama 5 (lima) tahun dan/atau denda paling banyak
Rp.500.000.000,00 (lima ratus juta rupiah)

ii PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 PANDUAN PRAKTIS
EKONOMETRIKA
Konsep Dasar dan Penerapan
Menggunakan EViews 10

Penulis:
Rahmad Solling Hamid
Samsul Bachri
Salju
Muhammad Ikbal

PENERBIT:
CV. AA. RIZKY
2020

PANDUAN PRAKTIS EKONOMETRIKA: iii

Konsep Dasar dan Penerapan Menggunakan EViews 10
 PANDUAN PRAKTIS
EKONOMETRIKA
Konsep Dasar dan Penerapan
Menggunakan EViews 10
© Penerbit CV. AA RIZKY

Penulis:
Rahmad Solling Hamid
Samsul Bachri
Salju
Muhammad Ikbal

Desain Cover & Tata Letak:

Tim Kreasi CV. AA. Rizky

Cetakan Pertama, Juni 2020

Penerbit:
CV. AA. RIZKY
Jl. Raya Ciruas Petir, Puri Citra Blok B2 No. 34
Kecamatan Walantaka, Kota Serang - Banten, 42183
Hp. 0819-06050622, Website : [Link]
E-mail: [Link]@[Link]

Anggota IKAPI
No. 035/BANTEN/2019

ISBN : 978-623-6506-00-4
xviii + 136 hlm, 23 cm x 15,5 cm

Copyright © 2020 CV. AA. RIZKY

Hak cipta dilindungi undang-undang
Dilarang memperbanyak buku ini dalam bentuk dan dengan
cara apapun tanpa ijin tertulis dari penulis dan penerbit.
Isi diluar tanggungjawab Penerbit.

iv PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 KATA PENGANTAR
KATA PENGANTAR

Kehidupan organisasi yang telah lama ada, seperti di

bidang pemerintahan, pendidikan, ekonomi dan kemasya-
rakatan dibutuhkan satuan kerja yang secara khusus akan
mengelola sumber daya manusia. Organisasi memiliki
berbagai macam sumber daya sebagai ”input” untuk diubah
menjadi “output” berupa produk barang atau jasa. Sumber
daya tersebut meliputi modal atau uang, teknologi untuk
menunjang proses produksi, metode atau strategi yang
digunakan untuk beroperasi, manusia dan sebagainya.
Karya Rahmad Solling Hamid patut mendapatkan
apresiasi yang tinggi, buku yang berjudul “PANDUAN
PRAKTIS EKONOMETRIKA: Konsep Dasar dan
Penerapan Menggunakan EViews 10”, didasarkan pada
prinsip-prinsip di bidang ekonomi yang ingin memahami
konsep dasar dan terapan ekonometrika. Selain itu buku ini
dapat membantu mahasiswa yang menyelesaikan tugas mata
kuliah ekonometrika. Selain itu, seorang Dosen juga
melakukan fungsi sebagai fasilitator dalam bentuk
pelayanann pendidikan untuk mahasiswanya.
Namun demikian, secercah harapan dari kompleksitas
permasalahan di atas terdapat di dalam buku yang ada di
hadapan para pembaca. Buku yang ditulis oleh Rahmad
Solling Hamid, meskipun masih awal bagi siapa pun yang
hendak menjadikan referensi, buku ini mengulas

PANDUAN PRAKTIS EKONOMETRIKA: v

Konsep Dasar dan Penerapan Menggunakan EViews 10
permasalahan berbagai empat sudut pandang Uji: filsafat,
psikologi, sosiologi, dan institusi.
Penulis menyuguhkan gagasan-gagasan baru mulai
dari aspek paradigma ilmu pengetahuan hingga bagaimana
membenahi infrastruktur pendidikan terhadap kebutuhan
masyarakat.
Dengan Demikian, kami mengucapkan terima kasih
kepada Rahmad Solling Hamid yang telah bersedia
menerbitkan karyanya ini kepada kami, dengan harapan
semoga dapat berkontribusi bagi pengembangan pendidikan
dan pengorganisasian disemua lembaga pendidikan.

Serang, Juni 2020

Pimpinan Penerbit CV. AA. RIZKY

Khaeruman, ST., MM., CHRA.

vi PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 PRAKATA

Segala puji bagi Allah SWT penulis panjatkan

kepada Allah Swt. Atas segala rahmat dan hidayah-Nya
penulis dapat menyelesaikan buku dengan judul PANDUAN
PRAKTIS EKONOMETRIKA: Konsep Dasar dan
Penerapan Menggunakan EViews 10 tepat pada waktunya.
Ekonometrika merupakan ilmu sosial yang terdiri
dari teori ekonomi, matematika, dan statistika yang
membahas permasalahan pengukuran hubungan ekonomi.
Selain itu ekonometrika juga digunakan sebagai alat analisis
ekonomi yang bertujuan menguji korelasi antarvariabel
ekonomi yang didukung dengan data empiris.
Buku ini hadir sebagai solusi terhadap penggunaan
aplikasi EViews bagi mahasiswa program Sarjana (S1)
bidang ekonomi yang ingin memahami konsep dasar dan
terapan ekonometrika. Selain itu buku ini dapat membantu
mahasiswa yang menyelesaikan tugas mata kuliah
ekonometrika serta tugas akhir skripsi yang berhubungan
dengan penelitian kuantitatif melalui pendekatan analsisi
regresi linier berganda. Proses penyusunan buku ini
didasarkan pengambangan silabus bahan ajar ekonometrika
yang diampuh oleh penulis pada jenjang S1, serta telaah
pustaka dari beberapa buku ekonometrika, konsep, teknik,
dan aplikasi Eviews untuk penelitian empiris, statistika Buku
ini menyajikan beberapa materi dasar yaitu pengantar
ekonometrika, statistik deskriptif, analisis regresi linier,

PANDUAN PRAKTIS EKONOMETRIKA: vii

Konsep Dasar dan Penerapan Menggunakan EViews 10
permasalahan dalam analisis regresi linier (uji asumsi klasik)
normalitas, multikolinieritas, autokorelasi, heteroskedas-
tisitas, dan linieritas.
Penulis menyadari buku ini masih jauh dari
sempurna. Oleh karenanya, penulis mengharapkan masukan
berupa kritik dan saran yang membangun dari pembaca.
Oleh karena itu penulis berharap bahwa dengan hadirnya
buku ini mampu memberikan manfaat bagi mahasiswa
program Sarjana (S1) bidang ekonomi dalam menyelesaikan
tugas mata kuliah ekonometrika dan tentunya buku ini juga
dapat digunakan sebagai panduan dasar dalam
menyelesaikan penelitian skripsi, khususnya yang
berorientasi pada bidang ilmu sosial ekonomi.

Masamba, Juni 2020

Penulis,

viii PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 DAFTAR ISI

PRAKATA ...................................................................... v
DAFTAR ISI ................................................................... vii
DAFTAR TABEL ........................................................... xi
DAFTAR GAMBAR....................................................... xii
BAB 1 PENGANTAR EKONOMETRIKA ................. 1
1.1 Konsep Dasar Ekonometrika...................... 1
1.2 Metodologi Ekonometrika ......................... 2
BAB 2 GAMBARAN UMUM DATA SKALA
PENGUKURAVARIABEL POPULASI DAN
SAMPEL ........................................................... 7
2.1 Gambaran Umum Data .............................. 7
2.2 Skala Pengukuran ....................................... 8
2.3 Defenisi, Pengelompokkan, dan
Hubungan Antar Variabel .......................... 15
2.3.1 Defenisi Variabel .............................. 15
2.3.2 Pengelompokkan Variabel ................ 16
2.4 Populasi dan Sampel .................................. 18
2.4.1 Defenisi Populasi dan Sampel ........... 18
2.4.2 Teknik Pengambilan Sampel............. 20
BAB 3 STATISTIK DESKRIPTIF ............................... 25
3.1 Membuat Grafik ......................................... 25
3.2 Menyimpan Hasil Analisis ......................... 30
BAB 4 ANALISIS REGRESI LINIER ......................... 35
4.1 Konsep Dasar Analisis Regresi .................. 35
4.2 Classical Liniear Regression Model
(CLRM) ...................................................... 36
4.3 Regresi Sederhana ...................................... 37

PANDUAN PRAKTIS EKONOMETRIKA: ix

Konsep Dasar dan Penerapan Menggunakan EViews 10
 4.3.1 Konsep Dasar Analisis Regresi
Sederhana ....................................... 37
4.3.2 Konsep Dasar Analisis Regresi
Sederhana ....................................... 38
4.4 Regresi Linier Berganda ............................ 52
4.4.1 Contoh Ilustrasi Penerapan
Analisis Regresi Sederhana ............ 52
4.5 Estimasi Model Regresi Data Panel (Pool
Data) .......................................................... 67
4.5.1 Contoh Penerapan Analisis
Regresi dengan Data Panel............. 67
4.5.2 Estimasi Model Persamaan
Regresi............................................ 76
4.5.3 Menampilkan Persamaan Regresi .. 82
4.5.4 Interpetasi Hasil Analisis ............... 83
BAB 5 PERMASALAHAN DALAM ANALISIS
REGRESI LINIER ............................................ 85
5.1 Normalitas .................................................. 85
5.2 Multikolinieritas......................................... 89
5.2.1 Menghitung Koefisien Korelasi
antar Variabel Independen ............. 91
5.3 Autokorelasi ............................................... 99
5.4 Heteroskedastisitas..................................... 109
5.4.1 Uji Statistik..................................... 110
5.4.2 Uji Linieritas .................................. 117
DAFTAR PUSTAKA ..................................................... 122
INDEKS .......................................................................... 125
TENTANG PENULIS .................................................... 133

x PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 DAFTAR TABEL

Tabel 1.1 Pengeluaran Konsumsi dan Pendapatan

(dalam milliar dollar) .................................... 4
Tabel 4.1 Data Biaya Iklan dan Volume Penjualan ...... 39
Tabel 4.2 Data Harga Pendapatan dan Volume
Penjualan ...................................................... 53
Tabel 4.3 Nilai ROA ROE dan Harga Saham .............. 67
Tabel 5.1 Perbandingan Hasil Analisis Auxilary
Regression dan Model Regresi Awal ........... 96

PANDUAN PRAKTIS EKONOMETRIKA: xi

Konsep Dasar dan Penerapan Menggunakan EViews 10
 DAFTAR GAMBAR

Gambar 3.1 Lembar Kerja Utama Program EViews ... 25

Gambar 3.2 Tahapan untuk membuka file data pada
lembar kerja Eviews ................................ 26
Gambar 3.3 Pintasan file data pada lembar kerja
Eviews ..................................................... 27
Gambar 3.4 Tampila file data variabel pada lembar
kerja E-Views .......................................... 27
Gambar 3.5 Contoh Tampilan Data............................. 28
Gambar 3.6 Contoh Tampilan Data............................. 29
Gambar 3.7 Contoh Tampilan Grafik Prediksi............ 29
Gambar 3.8 Pemberian Nama Pada File Hasil
Analisis .................................................... 30
Gambar 3.9 File Hasil Analisis Pada Workfile ............ 31
Gambar 3.10 Menyimpan Workfile ............................... 31
Gambar 3.11 Tahapan Analisis Statistika Deskriptif .... 32
Gambar 3.12 Tampilan Variabel Yang Akan Dianlisis. 33
Gambar 3.13 Tampilan Output Statistika Deskriptif ..... 33
Gambar 4.1 Lembar Kerja Utama Program Eviews .... 41
Gambar 4.2 Tahapan Untuk Membuka File Data
Pada Lembar Kerja Eviews ..................... 42
Gambar 4.3 Pintasan File Data pada Lembar Kerja
Eviews ..................................................... 43
Gambar 4.4 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja Eviews....... 43
Gambar 4.5 Tampilan Memasukkan File Data
Variabel pada Lembar Kerja Eviews ....... 43

xii PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
Gambar 4.6 Tampilan Memasukkan File Data Variabel
44 .............................................................
Gambar 4.7 Tampilan Memasukkan file data variabel
pada lembar kerja E-Views ...................... 45
Gambar 4.8 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja E-Views ..... 45
Gambar 4.9 Tampilan Menyimpan File Data
Variabel Pada Lembar Kerja E-Views ..... 46
Gambar 4.10 Memberi Nama File Data Variabel Pada
Lembar Kerja Eviews .............................. 46
Gambar 4.11 Tampilan Utama Pada Jendela Workfile .. 47
Gambar 4.12 Tahapan Analisis Model Regresi ............. 47
Gambar 4.13 Menuliskan Persamaan Regresi ............... 48
Gambar 4.14 Tampilan Output Hasil Analisis .............. 48
Gambar 4.15 Tahap Menyimpan File Output Hasil
Analisis Pada Workfile ............................. 49
Gambar 4.16 File Hasil Analisis Pada Workfile ............ 50
Gambar 4.17 Tahapan dalam Menampilkan Persamaan
Regresi ..................................................... 50
Gambar 4.18 Tahapan dalam Menampilkan Persamaan
Regresi ..................................................... 51
Gambar 4.19 Lembar Kerja Utama Program EViews ... 55
Gambar 4.20 Tahapan Untuk Membuka File Data
Pada Lembar Kerja EViews..................... 56
Gambar 4.21 Pintasan File Data Pada Lembar Kerja
EViews ..................................................... 56
Gambar 4.22 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 57
Gambar 4.23 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 58

PANDUAN PRAKTIS EKONOMETRIKA: xiii

Konsep Dasar dan Penerapan Menggunakan EViews 10
Gambar 4.24 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 58
Gambar 4.25 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 59
Gambar 4.26 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews...... 60
Gambar 4.27 Tampilan Menyimpan File Data
Variabel Pada Lembar Kerja EViews ...... 60
Gambar 4.28 Memberi Nama File Data Variabel Pada
Lembar Kerja EViews ............................. 61
Gambar 4.29 Tampilan Utama Pada Jendela Workfile .. 62
Gambar 4.30 Tahapan Analisis Model Regresi ............. 62
Gambar 4.31 Menuliskan Persamaan Regresi ............... 63
Gambar 4.32 Tampilan Output Hasil Analisis .............. 63
Gambar 4.33 Tahap Menyimpan File Output Hasil
Analisis Pada Workfile............................. 64
Gambar 4.34 File Hasil Analisis Pada Workfile ............ 64
Gambar 4.35 Tahapan Dalam Menampilkan
Persamaan Regresi ................................... 65
Gambar 4.36 Tahapan dalam Menampilkan Persamaan
Regresi ..................................................... 65
Gambar 4.37 Lembar Kerja Utama Program EViews ... 69
Gambar 4.38 Tahapan Untuk Membuka File Data
Pada Lembar Kerja EViews .................... 69
Gambar 4.39 Tahapan untuk Membuka File Data Pada
Lembar Kerja EViews ............................. 70
Gambar 4.40 Pintasan File Data Pada Lembar Kerja
EViews..................................................... 70
Gambar 4.41 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 71

xiv PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
Gambar 4.42 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 71
Gambar 4.43 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 72
Gambar 4.44 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 72
Gambar 4.45 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 73
Gambar 4.46 Tampilan Panel Options pada Lembar
Kerja EViews ........................................... 73
Gambar 4.47 Tampilan Bagian Panel Options .............. 74
Gambar 4.48 Tampilan Object Baru Dengan Format
Unstacked................................................. 74
Gambar 4.49 Mengisi Tampilan Workfile Unstacked ... 75
Gambar 4.50 Lembar Kerja Data Panel ......................... 76
Gambar 4.51 Lembar Kerja Utama Program EViews ... 77
Gambar 4.52 Tahapan untuk Membuka File Data Pada
Lembar Kerja EViews ............................. 78
Gambar 4.53 Pintasan file Data Pada Lembar Kerja
EViews ..................................................... 78
Gambar 4.54 Tampilan Memasukkan File Data
Variabel Pada Lembar Kerja EViews ...... 79
Gambar 4.55 Tahapan Analisis Model Regresi ............. 79
Gambar 4.56 Menuliskan Persamaan Regresi ............... 80
Gambar 4.57 Tampilan Output Hasil Analisis .............. 80
Gambar 4.58 Tahap Menyimpan File Output Hasil
Analisis Pada Workfile ............................. 81
Gambar 4.59 File Hasil Analisis Pada Workfile ............ 82
Gambar 4.60 Tahapan Dalam Menampilkan
Persamaan Regresi ................................... 82

PANDUAN PRAKTIS EKONOMETRIKA: xv

Konsep Dasar dan Penerapan Menggunakan EViews 10
Gambar 4.61 Tahapan Dalam Menampilkan
Persamaan Regresi ................................... 83
Gambar 5.1 Memasukkan Model Persamaan Regresi . 87
Gambar 5.2 Tampilan Output Hasil Analisis .............. 87
Gambar 5.3 Tampilan Perhitungan Nilai Jarque-Bera 88
Gambar 5.4 Tampilan Output Hasil Perhitungan
Nilai Jarque-Bera ..................................... 88
Gambar 5.5 Tampilan Utama Workfile EViews .......... 92
Gambar 5.6 Tampilan Utama Workfile EViews .......... 93
Gambar 5.7 Tampilan Perhitungan Korelasi Antar
Variabel Independen ................................ 93
Gambar 5.8 Tampilan Output Koefisien Korelasi
Antar Variabel Independen ...................... 94
Gambar 5.9 Tampilan Utama Pada Jendela Workfile .. 95
Gambar 5.10 Tampilan Output Model Regresi
Persamaan (1) .......................................... 96
Gambar 5.11 Tampilan Utama Pada Jendela Workfile .. 97
Gambar 5.12 Tampilan Utama Perhitungan Nilai
Variance Inflation Factors (VIF) ............. 98
Gambar 5.13 Tampilan Output Hasil Perhitungan
Nilai Variance Inflation Factors (VIF) .... 98
Gambar 5.14 Kriteria pengujian Autokorelasi .............. 102
Gambar 5.15 Tampilan file EViews KASUS 2*.wf1.... 102
Gambar 5.16 Tampilan Lembar Kerja (Workfile)
KASUS 2*.wf1 ........................................ 103
Gambar 5.17 Tampilan Model Estimasi Regresi .......... 103
Gambar 5.18 Output Estimasi Regresi .......................... 104
Gambar 5.19 Kesimpulan Nilai Pengujian
Autokorelasi............................................. 105
Gambar 5.20 Tampilan file EViews KASUS 2*.wf1.... 105

xvi PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
Gambar 5.21 Tampilan Lembar Kerja (Workfile)
KASUS 2*.wf1 ........................................ 106
Gambar 5.22 Tampilan Model Estimasi Regresi ........... 106
Gambar 5.23 Output Estimasi Regresi .......................... 107
Gambar 5.24 Tahapan uji Breusch-Godfrey .................. 107
Gambar 5.25 Tampilan Pengisian Nilai Lag
Specification............................................. 108
Gambar 5.26 Tampilan Output Hasil Estimasi .............. 108
Gambar 5.27 Tahap Estimasi Equation ......................... 111
Gambar 5.28 Memasukkan Persamaan Pada Estimasi .. 111
Gambar 5.28 Tahapan Uji Heteroskedastisitas .............. 112
Gambar 5.29 Tahapan Uji Glejser ................................. 112
Gambar 5.30 Output Uji Glejser .................................... 113
Gambar 5.31 Tahap Estimasi Equation ......................... 114
Gambar 5.32 Memasukkan Persamaan Pada Estimasi
Equation ................................................... 115
Gambar 5.33 Tahapan Uji Heteroskedastisitas .............. 115
Gambar 5.34 Tahapan Uuji White ................................. 116
Gambar 5.36 Output uji White ...................................... 116
Gambar 5.37 Tahap Estimasi Equation ......................... 119
Gambar 5.38 Memasukkan Persamaan pada Estimasi
Equation ................................................... 119
Gambar 5.39 Tahap Uji Ramsey Test ............................ 120
Gambar 5.40 Tahapan Pengisian Menu RESET............ 120
Gambar 5.41 Output Ramsey Test ................................. 121

PANDUAN PRAKTIS EKONOMETRIKA: xvii

Konsep Dasar dan Penerapan Menggunakan EViews 10
xviii PANDUAN PRAKTIS EKONOMETRIKA:
Konsep Dasar dan Penerapan Menggunakan EViews 10
BAB 1

PENGANTAR EKONOMETRIKA

1.1. Konsep Dasar Ekonometrika

Pada tahun 1933 istilah ekonometrika diperkenalkan
oleh pakar ekonomi dan statistika bernama Ragnar Frisch.
Ekonometrika berasal dari kata Econometrics yang terdiri
atas dua kata yaitu economic dan metrics. Ekonometrika
merupakan alat utama yang digunakan dalam analisis
ekonomi secara empiris. Saat ini ekonometrika telah banyak
digunakan untuk menganalisi berbagai fenomena dalam
bidang ekonomi. Bila ditinjau berdasarkan cabang ilmunya
ekonometrika merupapak penggabungan antara bidang ilmu
ekonomi, matematika ekonomi, dan statistika ekonomi.
Ketiga bidang ilmu ini tentunya memiliki peran masing
masing. Bidang ilmu ekonomi memiliki kontribusi dalam
menjelaskan berbagai teori dan hipotesa fenomena ekonomi,
sementara bidang ilmu matematika ekonomi berperan dalam
membangun sebuah pendekatan model matematika yang
didasarkan pada teori ekonomi. Selanjutnya untuk bidang
ilmu statistika ekonomi berperan untuk membuktikan
kebenaran teori dan hipotesa yang telah dibangun kedalam
model matematika, sehingga dibutuhkan data dan pendekatan
analisis menggunakan statistika ekonomi. Namun pada
dasarnya model matematika yang dibangun dalam
menjelaskan teori dan fenomena ekonomi dianggap masih

PANDUAN PRAKTIS EKONOMETRIKA: 1

Konsep Dasar dan Penerapan Menggunakan EViews 10
belum mampu dalam menjelaskan perilaku ekonomi dengan
tepat. Hal ini disebabkan bahwa pada pendekatan model
matematika menggunakan pendekatan deterministik,
sementara model ekonometrika menggunakan pendekatan
stokhastik. Dengan demikian bidang ilmu ekonometrika tidak
dapat diasumsikan sama dengan bidang ilmu ekonomi,
matematika ekonomi, dan statistika ekonomi.
Defenisi dari ekonometrika berdasarkan pendapat dari
beberapa pakar ekonometrika diantranya yaitu menurut
Malinvaud (1966) yang mendefenisikan ekonometrika sebuah
seni yang dibangun berdasarkan penemuan seperangkat set
asumsi baik yang mencukupi maupun realistis yang
memungkinkan peneliti mendapatkan hasil berupa
keuntungan atas tersedianya data. Selanjutnya Theil (1971)
bahwa ekonometrika berhubungan dengan penetapan empiris
hukum-hukum ekonomi. Wonnacott (1979) mendefenisikan
ekonometrika sebagai pengukuran hubungan timbal balik, bik
dalam menunjukkan bagaimana ekonomi perperan dalam
membangun prediksi yang berhubungan dengan kondisi
dimasa yang akan datang. Dengan demikian berdasarkan dari
beberapa defenisi yang telah diuraikan sebelumnya, dapat
disimpulkan bahwa ekonometrika merupakan kolaborasi
antara teori ekonomi, matematika dan statistika eknomi yang
digunakan dalam menganalisis fenomena ekonomi melalui
pendekatan empiris.

1.2. Metodologi Ekonometrika

Metodologi adalah ilmu-ilmu atau cara yang
digunakan untuk memperoleh kebenaran menggunakan

2 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
penelusuran dengan tata cara tertentu dalam menemukan
kebenaran, tergantung dari realitas yang sedang dikaji.
Metodologi tersusun dari cara-cara yang terstruktur untuk
memperoleh ilmu”. Adapun metodologi yang digunakan oleh
pakar ekonometrika dalam menganalisis permasalahan
ekonomi (Ghozali dan Ratmono, 2013) sebagai berikut:
1) Menyusun pernyataan teori atau hipotesis
John Maynard Keynes (1936) dalam bukunya:
hukum dasar psikologis……bahwa laki-laki (wanita)
secara aturan dan secara rata-rata, meningkatkan konsumsi
mereka ketika pendapatan mereka meningkat, tetapi
peningkatan konsumsi tersebut tidak sebesar kenaikan
pendapatan mereka. Dalam teori ini Keynes
memnyimpulkan bahwa marginal propensity to consume
(MPC) yaitu tingkat perubahan konsumsi karena
perubahan satu unit income, lebih besar dari pada nol,
tetapi lebih kecil dari pada satu.
2) Membuat model matematis yang bersumber dari teori
Y = β1 + β2X pers. (1) 0<β2<1
Dimana:
Y = Pengeluaran konsumsi
X = Pendapatan
β1 dan β2 = model parameter atau intercept dan koefisien
slope.
(Koefisien slope β2 mengukur MPC)
3) Spesifikasi model eknometrik dari teori
Y = β1 + β2X + µ pers..(2)
Dimana:
Y = Pengeluaran konsumsi

PANDUAN PRAKTIS EKONOMETRIKA: 3

Konsep Dasar dan Penerapan Menggunakan EViews 10
 X = Pendapatan.
β1 dan β2 = model parameter atau intercept dan koefisien
slope (Koefisien slope β2 mengukur MPC)
µ = Disturbance atau error
4) Pengumpulan data
Untuk mengestimasi model ekonometrik persamaan
(2) yaitu mendapatkan nilai angka β1 dan β2 dibutuhkan
data. Berikut contoh data untuk mengestimasi model:
Tabel 1.1 Pengeluaran Konsumsi dan Pendapatan (dalam
milliar dollar)
Tahun Y (Pengeluaran Konsumsi) X (Pendapatan)
1980 2.447.1 3.776,3
1981 2.476,9 3.843,1
1982 2.503,7 3.760,3
1983 2.619,4 3.906,6
1984 2.746,1 4.148,5
1985 2.865,8 4.279,8
1986 2.969,1 4.404,5
1987 3.052,2 4.539,9
1988 3.162,4 4.718,6
1989 3.223,3 4.838
1990 3.260,4 4.877,5
1991 3.240,8 4.821
Sumber: Ghozali dan Ratmono (2013)
5) Estimasi parameter model eknometrik
Menggunakan teknik statistik analisis regresi
diperoleh estimasi fungsi konsumsi sebagai berikut:
Ŷ = -231,8 + 0,7194X pers. (3)

4 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Berdasarkan persamaan (3) untuk periode pengamatan
1980-1991 maka diperoleh koefisien slope (MPC) sebesar
0,72 yang berarti kenakan pendapatan rill 100 dollar,
secara rata-rata menaikkan pengeluaran konsumsi 72
dollar. Kita menyatakan rata-rata karena hubungan antara
pengeluaran konsumsi dan pendapatan tidak pasti.
6) Melakukan uji hipotesis
Dengan beranggapan bahwa model estimasi
merupakan pendekatan terbaik untuk mengggambarkan
realitas, maka kita harus mengembangkan kriteria untuk
menentukan apakah estimasi model persamaan (3) sesuai
dengan teori yang akan diuji. Seperti dinyatakan oleh
Keynes bahwa MPC harus positif dan nilainya kurang dari
1. Pada contoh persamaan (3) besarnya MPC adalah 0,72.
Sebelum memutuskan apakah temuan MPC = 0,72
mengkomfirmasi teori konsumsi Keynesian, kita harus
menguji apakah 0,72 secara statistik memang kurang dari
1. Pengujian ini yang dikenal dengan statistik inferensi
(pengujian hipotesis).
7) Penggunaan model persamaan sebagai model dalam
memprediksi, meramalkan.
Jika model ekonometrika diatas mampu mendukung
atau mengkonfirmasi teori ekonomi, maka kita dapat
menggunakan model tersebut untuk meramalkan nilai
variabel dependen dimasa mendatang atau meramalkan
variabel Y atas dasar nilai mendatang dari variabel
explanatory atau predictor, variabel X. Misalkan nilai
GDP pada tahun 1994 diharapkan sebesar $6.000 milyar,
maka berpakah nilai permalan pengeluaran konsumsi

PANDUAN PRAKTIS EKONOMETRIKA: 5

Konsep Dasar dan Penerapan Menggunakan EViews 10
 pada tahun 1994? Jika kita percaya bahwa fungsi
konsumsi persamaan (3) akan tetap sama dalam tahun
1994, maka nilai peramalan pengeluaran konsumsi tahun
1994 sebagai berikut:
Ŷ = -231,8 + 0,7194 (6000) = 4084,6 pers. (4)
Jadi, nilai pengeluaran konsumsi tahun 1994 sebesar
$4085 milyar
8) Penggunaan model persamaan sebagai model dalam
penentuan kebijakan.
Misalkan, kita telah memiliki estimasi fungsi
konsumsi Keynesian pada persamaan (3) dan pemerintah
percaya bahwa tingkat pengeluaran $4000 milyar akan
mempertahankan tingkat pengangguran sebesar 6,5% pada
tahun 1994. Berapakah besarnya pendapatan (income)
untuk mencapai target pengeluaran konsumsi sebesar
$4000 milyar. Berdasarkan pada fungsi konsumsi
persamaan (3) besarnya pendapatan dapat dihitung:
4000 = -231,8 + 0,7194X
X = 5882
Jadi dengan tingkat pendapatan $5882 milyar dan MPC
sebesar 0,72 akan menghasilkan pengeluaran konsumsi
sebesar $4000 milyar. Berdasarkan perhitungan ini, model
hasil estimasi dapat digunakan sebagai dasar kebijakan.

*****

6 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
BAB 2

GAMBARAN UMUM DATA SKALA

PENGUKURAN VARIABEL POPULASI
DAN SAMPEL

2.1. Gambaran Umum Data

Data merupakan bagian utama dari statistika karena
tanpa adanya data proses statistika yaitu mengorganisir,
meringkas, menganalisa, dan menginterpretasikan tidak akan
menjadi suatu informasi. Data adalah kumpulan angka yang
berhubungan dengan suatu observasi. Data dapat berupa
kumpulan angka kriminalitas di Jakarta pada bulan tertentu.
Dapat pula berupa penjualan perusahaan pada tahun-tahun
tertentu, Atmaja, L.,S (2009:5). Selanjutnya menurut
Frederick dan Larry (2014:5) data (banyak) merupakan
pengukuran atau observasi. Kumpulan data adalah kumpulan
dari pengukuran atau observasi. Datum (tunggal) adalah
pengukuran tunggal atau observasi dan sering disebut skor
atau skor mentah. Data atau lebih lengkapnya data statistiK
adalah suatu keterangan yang berbentuk kualitatif (rusak,
bagus, kurang, sedang) atau berbentuk kuantitas (bilangan)
yang merupakan hasil observasi (pengamatan, angket,
wawancara), pembilangan (perhitungan) atau pengukuran
dari suatu variabel, Sukestiyarno (2014:6).
Menurut Martono (2014:6) terdapat dua jenis data
yaitu:

PANDUAN PRAKTIS EKONOMETRIKA: 7

Konsep Dasar dan Penerapan Menggunakan EViews 10
1. Data kualitatif
Merupakan data yang berbentuk kalimat, kata atau
gambar. Data kualitatif biasa juga didefenisikan sebagai
data yang berbentuk kategorisasi, karakteristik berwujud
pertanyaan atau kata-kata. Misalnya: perempuan itu
cantik, mata uang Indonesia adalah rupiah, pemandangan
disekitar sungai itu sangat indah.
2. Data kuantitatif
Merupakan data yang berbentuk angka atau data
kualitatif yang diangkakan. Contoh: jumlah SKS yang
diambil mahasiswa S1 adalah 140-160, rata-rata tinggi
badan mahasiswa FISIP adalah 165.
Lebih lanjut menurut Martono (2014:6) data
kuantitatif dibagi menjadi dua yaitu:
1. Data diskrit
Data diskrit yaitu data yang diperoleh dari hasil
menghitung atau membilang, bukan hasil mengukur. Data
ini disebut juga data nominal. Ciri utama data diskrit
adalah data ini tidak mungkin berbentuk bilangan pecahan.
2. Data kontinum
Data kontinum yaitu data yang diperoleh dari hasil
pengukuran. Data ini terdiri atas data ordinal, interval, dan
rasio.

2.2. Skala Pengukuran

Skala adalah ukuran dengan peneliti menangkap
intensitas, arah, tingkat atau potensi suatu konstruk variabel
dan mengukur respons atau observasi pada sebuah kontinum
(Neuman, 2019:250). Berdasarkan jenis perolehannya atau

8 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
pengumpulannya, data diklasifikasikan menjadi 5 macam tipe
atau skala (Sukestiyarno, 2014:8). Kelima macam tipe atau
skala tersebut adalah:
1. Skala Nominal
Data nominal diperoleh dari pengamatan (observasi)
jadi hasilnya berbentuk kualitatif. Apabila datanya
disimpulkan menjadi data numerik (kuantitatif) maka
bilangan yang digunakan bersifat diskrit dan tidak
mengenal urutan. Artinya tiap unsurnya tidak mempunyai
arti menurut besarnya atau posisinya. Datanya dapat
secara bebas disusun tanpa memperhatikan urutan, dan
dapat dipertukarkan.
Contoh: Simbol numerik dari variabel jenis agama
(Islam=1, Kristen=2, Katolik=3, Hindu=4, Budha=5).
Simbol numerik dari variabel jenis kelamin (Pria=1,
Wanita=0). Catatan bilangan yang digunakan misalkan 1
bukan berarti lebih kecil dari 2 (walau dalam matematika
1<2 dibenarkan). Bilangan-bilangan tersebut dapat
dipertukarkan sesuai kesepakatan tidak akan
mempengaruhi urutan skalanya.
2. Skala Ordinal
Data ordinal berasal dari hasil pengamatan,
observasi, atau angket berskala dari suatu variabel. Hasil
observasi berbentuk data kualitatif. Apabila datanya
disimbolkan menjadi data numeric, maka bilangan yang
digunakan bersifat diskrit dan mengenal urutan menurut
kualitas atributnya.
Contoh: data dari varibel tingkat pendidikan dengan
urutan bilangan 1 sampai 3 dimulai dari SD=1, SMP=2,

PANDUAN PRAKTIS EKONOMETRIKA: 9

Konsep Dasar dan Penerapan Menggunakan EViews 10
 SMA=3. Dimana bilangan tersebut mempunyai suatu
tingkatan.
3. Skala Kardinal
Data kardinal berasal dari hasil membilang atau
menghitung suatu variabel. Data berbentuk kuantitatif
bilangan diskrit, umumnya dinyatakan dalam bilangan
kardinal. Data hasil membilang selalu bulat.
Contoh: data dari variabel jumlah kursi disetiap
ruangan kelas. Hasil perhitungan disini datanya jelas
berupa bilangan numerik bulat. Contoh lain data variabel
jumlah buku yang dimiliki mahasiswa, jumlah tendangan
pemain sepak bola dan lain sebagainya.
4. Skala Interval
Data interval berasal dari hasil mengukur suatu
variabel. Data diasumsikan berbentuk bilangan kontinu
mempunyai urutan, seperti dengan data ordinal. Pada skala
interval tidak memiliki nol mutlak, artinya jika suatu
responden variabelnya bernilai nol bukan berarti tidak
memiliki substansi sama sekali. Diartikan juga titik nol
pada skala interval adalah bebas posisinya.
Contoh: variabel temperature tiap ruangan. Ada satu
ruangan diukur suhunya 0 oC, disini bukan berarti
diruangan tersebut tidak ada temperatur sama sekali tetapi
suhu 0o C masih bermakna mempunyai substansi suhu,
masih ada suhu negatif juga. Disini suhu 60o C. Bukan
berarti 2 kali lebih panas dari suhu 30oC.
5. Skala Rasio
Data rasio berasal dari hasil mengukur suatu
variabel. Data diasumsikan berbentuk bilangan kontinu

10 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 hampir sama dengan skala interval, perbedaannya terletak
pada nilai nol. Pada skala rasio memiliki nilai nol mutlak,
artinya jika suatu responden variabelnya bernilai nol
berarti tidak memiliki substansi sama sekali. Titik nol
skala rasio adalah tetap. Dalam skala interval tidak
memiliki nilai nol mutlak. Oleh karena itu adalah tidak
cocok apabila hasil pengukuran interval digolongkan
sebagai rasio. Adalah tidak cocok mengatakan 60 o C
adalah dua kali lipat suhu 30o C. pada skala rasio
mempunyai nol mutlak, disana berlaku bila suatu ukuran
separuhnya atau dua kali lipatnya. Sebagai contoh untuk
skala pengukuran waktu. Jika 10 jam waktu yang
ditempuh, maka dikatakan 20 jam berarti 2x lipatnya.
Contoh: variabel massa benda. Bila berbicara suatu
benda massanya 0 kg berarti benda itu tidak ada
barangnya. Massa 6 kg berarti 2 kali lipat dari massa 3 kg.
Selanjutnya menurut Santoso (2016:6) data dalam
statistika berdasarkan tingkat pengukurannya (level of
measurement) dapat dibedakan dalam empat jenis.
a. Data Kualitatif (Qualitative Data)
Data kualitatif secara sederhana bisa disebut data
yang bukan berupa angka. Data kualitatif bisa dibagi
menjadi dua:
1) Nominal
Data bertipe nominal adalah data yang paling
„rendah‟ dalam level pengukuran data. Jika suatu
pengukuran data hanya satu dan hanya satu-satunya
kategori, maka data tersebut adalah data nominal (data
kategori). Missal proses pendataan tempat tinggal 40

PANDUAN PRAKTIS EKONOMETRIKA: 11

Konsep Dasar dan Penerapan Menggunakan EViews 10
 responden dalam suatu penelitian. Dalam kasus ini
setiap orang akan bertempat tinggal disuatu tempat
tertentu (berdaar KTP), tidak bisa ditempat lain. Missal
Amir berdomisili di Solo, maka dia (dianggap) tidak
mungkin tinggal di Jakarta, atau punya dua KTP. Jadi
data tempat tinggal adalah data nominal karena Amir
hanya punya satu dan satu-satunya, tidak bisa lebih dari
satu, tempat tinggal yang ditunjukkan dengan KTP.
Atau data jenis kelamin sesorang. Ini juga suatu
data nominal, karena seorang laki-laki tidak mungkin
berkelamin ganda. Demikian juga tanggal lahir
seseorang. Pekerjaan (diasumsi hanya satu jenis
pekerjaan dalam satu saat) dan seterusnya. Data
nominal dalam praktik statistic biasanya akan dijadikan
angka yaitu proses yang disebut kategorisasi. Missal
dalam pengisian data, jenis kelamin laki-laki
dikategorikan sebagai „1‟ dan perempuan sebagai „2‟.
Kategori ini hanya sebagai tanda saja, jadi tidak bisa
dilakukan operasi matematika, seperti 1 + 2 atau 1 – 2
dan lainnya.
2) Ordinal
Data ordinal, seperti pada data nominal, adalah
juga data kualitatif namun dengan level yang lebih
„tinggi‟ daripada data nominal. Jika pada data nominal,
semua data kategori dianggap sama, maka pada data
ordinal, ada tingkatan data. Musal pada data Jenis
Kelamin diatas, lelaki dianggap setara dengan wanita,
atau data dalam Tempat Kelahiran, data Jakarta
dianggap sama dengan data Yogyakarta, Surabaya,

12 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Boyolali, dan seterusnya. Pada data ordinal, ada data
dengan urutan lebih tinggi dan urutan lebih rendah.
Missal data tentang sikap seseorang terhadap produk
tertentu. Dalam pengukuran sikap konsumen, ada sikap
yang „suka‟. „tidak suka‟, „sangat suka‟ dan lainnya.
Disini data tidak bisa disamakan derajatnya, dalam arti
„suka‟ dianggap lebih tinggi dari „tidak suka‟ namun
lebih rendah dari „sangat suka‟ dan lainnya. Jadi, disini
ada preferensi atau tingkatan data, dimana data yang
satu berstatus lebih tinggi atau lebih rendah dari yang
lain. Namun data ordinal juga tidak bisa dilakukan
operasi matematika seperti jika „tidak suka‟
dikategorikan sebagai „1‟, „suka‟ sebagai „2‟, dan
„sangat suka‟ sebagai „3‟, maka tidak bisa dianggap „1‟
+ „2‟ = „3‟, atau „tidak suka‟ ditambah „suka‟ menjadi
„sangat suka‟!
b. Data Kuantitatif (Quantitative Data)
Data kuantitatif bisa disebut sebagai data berupa
angka dalam arti sebenarnya. Jadi berbagai operasi
matematika bisa dilakukan pada data kuantitatif.
Seperti pada data kualitatif, data kuantitatif juga bisa
dibagi menjadi dua bagian:
1) Data Interval
Data interval menempati level pengukuran
data yang lebih „tinggi‟ dari data ordinal, karena
selain bisa bertingkat urutannya, juga urutan tersebut
bisa dikuantitatifkan. Seperti pengukuran temperatur
sebuah ruangan pembakaran roti dari PT „ENAK
JOSS‟. Interval temperature ruang tersebut:

PANDUAN PRAKTIS EKONOMETRIKA: 13

Konsep Dasar dan Penerapan Menggunakan EViews 10
  Cukup panas jika temperatur antara 500C – 800C
 Panas jika temperatur antara 800C – 1100C
 Sangat panas jika temperatur antara 110 0C –
1400C
Dalam kasus diatas, data temperature bisa
dikatakan data interval karena data mempunyai
interval (jarak) tertentu, yaitu 300C. Namun disini
data interval tidak mempunyai titik nol yang
absolute. Seperti pada pengukuran temperatur,
seperti pernyataan bahwa „air membeku pada 00C‟.
pernyataan diatas bersifat relative karena 0 0C hanya
sebagai tanda saja. Dalam pengukuran 0F, air
membeku bukan pada 00F, namun pada 320F.
dengan demikian, juga tidak bisa dikatakan bahwa
suhu 1000F adalah dua kali lebih panas dari suhu
500F. inilah yang menjadi kelemahan dari data
interval yang tidak ada dalam jenis data rasio berikut
ini.
c. Data Rasio
Data rasio adalah data dengan tingkat pengukuran
paling „tinggi‟ diantara jenis data lainnya. Data rasio
adalah data bersifat angka dalam arti sesungguhnya
(bukan kategori seperti pada data nominal dan ordinal)
dan bisa dioperasikan secara matematika (+,-,x, /).
Perbedaan dengan data interval adalah bahwa data rasio
mempunyai titik nol dalam arti sesungguhnya. Missal
jumlah produk roti dari gudang PT. „ENAK JOSS‟
pada contoh diatas. Jika jumlah roti nol berarti memang
tidak ada sepotong roti pun dalam gudang tersebut. Jika

14 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 ada 24 roti, kemudian bertambah produk baru sebanyak
3 roti, maka total roti sekarang adalah 24+3 = 27 roti
(operasi penjumlahan) dan seterusnya. Atau berat
badan dan tinggi badan seseorang, pengukuran-
pengukurannya mempunyai angka nol/0 dalam arti
sesungguhnya. Missal berat badan 0 berarti memang
tanpa berat. Dengan demikian, bisa dikatakan bahwa
sekantong beras 10 kilogram adalah benar-benar dua
kali lebih berat dari sekantong beras yang mempunyai
berat 5 kilogram.

2.3. Defenisi, Pengelompokkan, dan Hubungan Antar

Variabel
2.3.1. Defenisi Variabel
Dalam penelitian salah satu objek yang menjadi
perhatian adalah variabel. dimana pada umumnya tahapan
pertama yang akan dilakukan oleh sipenelitia yaitu penentuan
variabel yang akan diamati. Menurut Santoso (2016:5) dalam
melakukan inverensi terhadap populasi, tidak semua cirri-ciri
populasi harus diketahui. Hanya satu atau beberapa
karakteristik populasi yang perlu diketahui, yang disebut
sebagai variabel. Seperti untuk meneliti kepuasan kerja,
variabel yang dianggap relevan bisa berupa usia pekerja,
gender pekerja, penghasilan pekerja, dan yang [Link]
melakukan penelitian Variabel adalah karakteristik atau
keadaan yang dapat berubah atau memiliki nilai yang berbeda
untuk individu yang berbeda (Frederick dan Larry, 2014:5).
Selanjutnya menurut Sukestiyarno (2014: 6) defenisi dari
variabel adalah suatu karakteristik dari suatu objek yang

PANDUAN PRAKTIS EKONOMETRIKA: 15

Konsep Dasar dan Penerapan Menggunakan EViews 10
nilainya untuk tiap objek bervariasi dan dapat diobservasi
atau dibilang atau diukur.

2.3.2. Pengelompokkan Variabel

Menurut Suliyanto (2011) variabel dikelompokkan
berdasarkan sifat, hubungan antar variabel, cara pengukuran,
maupun berdasarkan perioritas hubungan indikator dengan
variabel laten. Adapun pengelompokkannya sebagai berikut:
1. Pembagian variabel berdasarkan sifatnya
a. Variabel dikotomis
Variabel yang mempunyai dua nilai kategori
yang saling berlawanan. Variabel ini sering disebut
juga dengan variabel diskrit karena hanya memiliki
suatu nilai tertentu.
Contoh, variabel jenis kelamin:
Laki-Laki :1
Perempuan :2
Disini tidak mempunyai kemungkinan untuk
memiliki nilai 1,5
b. Variabel Kontinu
Variabel kontinu adalah variabel yang dapat
mempunyai nilai dalam satu interval tertentu yang
memungkinkan untuk muncul suatu nilai yang tidak
selalu bulat sehingga dapat dihasilkan nilai yang berupa
bilangan pecahan.
Contoh, variabel berat badan:
Berat badan Didi : 50 kg
Berat badan Dino : 62,75 kg

16 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Disini nilai variabel memiliki kemungkinan
untuk berupa nilai desimal (pecahan) karena berada
pada suatu interval tertentu.
2. Pembagian variabel berdasarkan hubungan antarvariabel
dalam sebuah penelitian adalah sebagai berikut:
a. Variabel Independent
Variabel independent adalah variabel yang
mempengaruhi atau menjadi penyebab besar kecilnya
nilai variabel yang lain. Variabel ini sering disebut
dengan variabel predikator. Variasi perubahan variabel
independent akan berakibat terhadap variasi perubahan
variabel dependent.
Contoh: Pengaruh inovasi terhadap kinerja
organisasi. Dalam hal ini inovasi merupakan variabel
independent.
b. Variabel Dependent
Variabel dependent adalah variabel yang
variasinya dipengaruhi oleh variasi variabel
independent. Variabel ini sering disebut dengan
variabel criteria. Variasi perubahan variabel dependent
ditentukan oleh variasi perubahan variabel independent.
Contoh: Pengaruh inovasi terhadap kinerja organisasi.
Dalam hal ini, kinerja organisasi merupakan variabel
dependent.
c. Variabel Moderator
Adalah variabel yang dapat memperkuat dan
memperlemah hubungan antar variabel independent
dengan dependent.

PANDUAN PRAKTIS EKONOMETRIKA: 17

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Contoh: Pengaruh inovasi terhadap kinerja organisasi.
Tetapi hubungan antara inovasi terhadap kinerja
organisasi ditentukan juga oleh intensitas persaingan.
Oleh sebab itu dalam hal ini intensitas persaingan
merupakan variabel moderator.
3. Selanjutnya dalam pengukurannya variabel ada yang dapat
diukur secara langsung dan ada juga yang dikur dengan
indikator yang membentuk suatu variabel. Pembagian
variabel berdasarkan cara pengukurannya terdiri dari:
a. Pengukuran Variabel Observed
Variabel yang diukur secara langsung berdasarkan nilai
skala yang ditunjukkan oleh alat ukur tersebut,
misalnya panjang jalan, tinggi badan, luas bangunan,
pendapatan keluarga.
b. Pengukuran Variabel Unobserved (laten)
Variabel yang diukur melalui indikator (indikasi) yang
dapat digunakan untuk menggambarkan variabel
tersebut, misalnya loyalitas pelanggan, kepuasan kerja,
motivasi kerja, komitmen karyawan.

2.4. Populasi dan Sampel

2.4.1. Defenisi Populasi dan Sampel
Istilah populasi dan sampel didalam bidang penelitian
seing dijumpai bahkan sudah menjadi salah satu indikator
penting didalam penelitian yang harus diperhatikan. Tentunya
bagi pemula khususnya dikalangan mahasiswa yang nantinya
akan dihadapkan dengan smester akhir yang mengharuskan
untuk melakukan penelitian sangat penting untuk lebih
memahami kedua istilah tersebut. Hal ini dimaksudkan agar

18 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
mahasiswa dalam menentukan sampel dari populasi
representatif dan bisa menggambarkan populasi.
Secara umum populasi bisa didefenisikan sebagai
sekumpulan data yang mengidentifikasi suatu fenomena.
Kemudian sampel bisa didefenisikan sebagai sekumpulan
data yang diambil atau diseleksi dari suatu populasi (Santoso,
2016:4). Populasi menurut pengertian statistika, dapat
berupa: orang-orang yang berhak memilih dalam pemilu AS,
mahasiswa di sebuah universitas, konsumen sabun merk
tertentu, dan sebagainya. Ukuran populasi bervariasi, dari
terbatas sampai tak terhingga, sedangkan jumlah sampel jauh
lebih kecil dari ukuran populasinya (Atmaja, L.,S, 2009:3).
Populasi merupakan keseluruhan objek atau subyek yang
berada pada suatu wilayah dan memenuhi syarat-syarat
tertentu berkaitan dengan masalah penelitian, atau
keseluruhan unit atau individu dalam ruang lingkup yang
akan diteliti. Kemudian sampel merupakan bagian dari
populasi yang mempunyai cirri-ciri atau keadaan tertentu
yang akan diteliti, atau sebagaian anggota populasi yang
dipilih dengan menggunakan prosedur tertentu sehingga
diharapkan dapat mewakili populasi (Martono, 2010:15).
Populasi adalah kumpulan seluruh individu yang ingin
diteliti, kemudian sampel adalah kumpulan individu yang
terpilih dari populasi, biasanya dimaksudkan untuk
merepresentasikan populasi dalam studi penelitian (Frederick
dan Larry, 2014:3).
Berdasarkan dari beberapa pendapat diatas, dengan
demikian dapat dipahami bahwa populasi merupakan
keseluruhan objek atau subyek maupun individu pada suatu

PANDUAN PRAKTIS EKONOMETRIKA: 19

Konsep Dasar dan Penerapan Menggunakan EViews 10
wilayah yang akan diteliti, kemudian sampel adalah
kumpulan atau bagian dari populasi yang terpilih dengan
prosedur tertentu yang bisa merepresentasikan populasi.

2.4.2. Teknik Pengambilan Sampel

Tentunya dalam pemilihan sampel sangatlah
diharpakan sampel tersebut bisa representatif atau dapat
merepresentasikan populasi. Untuk itu dibutuhkan teknik
pengambilan sampel. Menurut Martono (2010:15) ada dua
teknik pengambilan sampel yaitu:
1. Probability Sampling, merupakan teknik sampling yang
memberikan peluang yang sama bagi seluruh anggota
populasi untuk dipilih, Sugiyono (dalam Martono,
2010:16).
a. Simple Random Sampling, merupakan teknik
pengambilan sampel yang dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi
tersebut. Cara ini hanya biasa dilakukan bila sifat
anggota populasi adalah homogen atau memiliki
karakter yang sama. Misalnya: penduduk perempuan
Desa “X”, dokter di Kabupaten Banyumas, Guru di
SMA “A”, dan sebagainya.
b. Proportionate Random Sampling, merupakan teknik
pengambilan sampel yang dilakukan apabila sifat atau
unsur dalam populasi tidak homogen dan berstrata
secara proporsional. Misalnya mahasiswa Unsoed,
dapat diklasifikasikan menurut jenis kelamin (laki-laki
dan perempuan), tahun angkatan (2009, 2008, 2007,
2006, dan seterusnya), menurut fakultas (FISIP,

20 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Ekonomi, Hukum, Biologi, Pertanian, dan sebagainya).
Sebagai contoh kita akan mengambil mahasiswa
Unsoed sebagai sampel yang diklasifikasikan menurut
jurusan sebanyak 5%. Langkah pertama, kita harus
mendata jumlah mahasiswa untuk setiap jurusan
tersebut, kemudian menentukan jumlah sampelnya.
Sampel yang terambil adalah sebagai berikut:
1) Jumlah mahasiswa Sosiologi: 100 mahasiswa
2) Jumlah mahasiswa Biolog: 120 mahasiswa
3) Jumlah mahasiswa akuntansi: 150 mahasiswa
Masing-masing jurusan diambil 5%, maka sampel
untuk setiap jurusan adalah:
1) Mahasiswa Sosiologi: 100 x 5% = 20
2) Mahasiswa Biologi: 120 x 5% = 60
3) Mahasiswa Akuntansi: 150 x 5% = 75
c. Disproportionate Stratified Random Sampling,
merupakan teknik pengambilan sampel yang dilakukan
apabila sifat atau unsur dalam populasi tidak homogen
dan berstrata secara kurang/tidak proporsional.
d. Cluster Sampling (Area Sampling), merupakan teknik
sampling daerah yang digunakan untuk menentukan
sampel bila obyek yang akan diteliti atau sumber data
sangat luas. Misalnya sampel yang ada disebuah
kabupaten, bisa dipilih kecamatan tertentu, kemudian
kita dapat memilih salah satu atau beberapa desa di
kecamatan tersebut.
2. Nonprobability Sampling, merupakan teknik yang tidak
memberikan peluang atau kesempatan yang sama bagi

PANDUAN PRAKTIS EKONOMETRIKA: 21

Konsep Dasar dan Penerapan Menggunakan EViews 10
setiap unsur atau anggota populasi untuk dipilih menjadi
sampel.
a. Sampling Sistematis, merupakan teknik penentuan
sampel berdsarkan urutan dari anggota populasi yang
telah diberi nomor urut. Misalnya jika akan
menentukan memilih sampel sebanyak 30% dari
mahasiswa Jurusan Sosiologi yang berjumlah 100
mahasiswa, maka sampel yang diambil sebanyak 30
mahasiswa. Untuk menentukan interval nomor
mahasiswa yang akan dipilih sebagai sampel, maka
digunakan rumus:

Dengan:
I: Interval
P: Jumlah Populasi
S: Jumlah Sampel
Maka intervalnya adalah:

Interval nomor mahasiswa yang menjadi sampel adalah

5, selanjutnya dapat kita tentukan secara acak
mahasiswa nomor berapa yang menjadi responden
pertama yang akan dipilih, selanjutnya nomor
berikutnya menyesuaikan. Misalnya terpilih no 6
sebagai responden pertama, maka mahasiswa yang
menjadi responden adalah mahasiswa nomor 11, 16, 21,
26,…, 91, 96, 101 (karena jumlah populasi ada 100,
jadi mahasiswa no 101 diganti mahasiswa nomor 1).

22 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Sampling Kuota, merupakan teknik untuk menentukan
sampel dan populasi yang mempunyai cirri-ciri tertentu
sampai jumlah (kuota) yang diinginkan.
c. Accidental Sampling, teknik penentuan sampel
berdasarkan kebetulan, yaitu siapa saja yang secara
kebetulan bertemu dengan peneliti dapat digunakan
sebagai sampel, bila dipandang orang yang kebetulan
ditemui itu cocok sebagai sumber data. Misalkan kita
akan meneliti opini masyarakat mengenai film “Laskar
Pelangi”. Kita dapat mengambil sampel dengan
mewawancarai orang yang baru saja menonton
film”Laskar Pelangi” disebuah bioskop.
d. Purposive Sampling, merupakan teknik penentuan
sampel dengan pertimbangan tertentu. Kita memilih
orang sebagai sampel dengan memilih orang yang
benar-benar mengetahui atau memiliki kompetensi
dengan topic penelitian kita.
e. Sampel jenuh, merupakan teknik penentuan sampel bila
semua anggota populasi digunakan sebagai sampel.
f. Snowball Sampling, merupakan teknik penentuan
sampel yang mula-mula jumlahnya kecil, kemudian
sampel (responden) pertama ini diminta untuk mencari
sampel (responden) yang lainnya.

*****

PANDUAN PRAKTIS EKONOMETRIKA: 23

Konsep Dasar dan Penerapan Menggunakan EViews 10
24 PANDUAN PRAKTIS EKONOMETRIKA:
Konsep Dasar dan Penerapan Menggunakan EViews 10
BAB 3

STATISTIK DESKRIPTIF

Pada umumnya hasil penelitian yang diperoleh

hendaknya disajikan kedalam gentuk yang sistematis dan
informatif. Statistik deskriptif merupakan ilmu statistika yang
berkaitan pada meringkas dan menyajikan data sehingga
lebih mudah untuk dibaca dan dipahami.
3.1. Membuat Grafik
Sama dengan beberapa aplikasi statistik lainnya
Eviews juga dapat menyajikan grafik. Berikut langkah-
langkah yang dilakukan untuk membuat grafik pada Eviews.
a. Buka ikon EViews pada halaman desktop dengan cara
meng-klik pada gambar ikon tersebut. Selanjutnya akan
tampil lembar kerja utama program EViews sebagai
berikut:

Gambar 3.1 Lembar Kerja Utama Program EViews

PANDUAN PRAKTIS EKONOMETRIKA: 25

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Pada jendela utama program EViews pada gambar 3.1
dapat dilihat beberapa tampilan menu-menu diantaranya:
File; Edit; Object; View; Proc; Quick; Options; Add-
In; Windows dan Help.
b. Selanjutnya untuk membuka file data yang sudah
disediakan oleh EViews (File yang telah disimpan
sebelumnya dalam format Excel) dengan mengklik menu
File; Open; Eviews Workfile…atau dapat juga dilakukan
dengan menekan tombol Ctrl-O.

Gambar 3.2 Tahapan untuk membuka file data pada

lembar kerja EViews

c. Setelah meng-klik Eviews Workfile (Ctrl-O) maka Eviews

akan menampilkan lokasi file yang telah di simpan
sebelumnya.

26 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 3.3 Pintasan file data pada lembar kerja EViews
d. Selanjutnya kita akan memperoleh tampilan pada gambar
3.3, maka selanjutnya pastikan memilih All files agar
seluruh file dapat terbaca setelah itu pilih file yang telah
disimpan sebelumnya lalu pilih Open.

Gambar 3.4 Tampila file data variabel pada lembar kerja

E-Views

PANDUAN PRAKTIS EKONOMETRIKA: 27

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Pada tampilan gambar 3.4, terlihat bahwa pada lembar
kerja yang akan dianalisis terdapat variabel Return on
Asset (ROA), Return on Equity (ROE) dan Harga Saham.
Selanjutnya pilih OK lalu pilih Finish.
e. Kita akan memperoleh tampilan work file data olah
kuantitatif.

Gambar 3.5 Contoh Tampilan Data

f. Untuk memastikan data terbaca dengan baik, maka kita

dapat melihat data dengan meng-klik ikon untuk variabel
yang ditampilkan pada lembar kerja Eviews. Sebagai
contoh dengan meng-klik roe dan harga saham secara
bersamaan maka akan diperoleh tampilan pada gambar
3.6.

28 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 3.6 Contoh Tampilan Data
g. Langkah selanjutnya yaitu melakukan uji statistik
deskriptif dengan meng-klik View, lalu pilih menu
Graph; Scatter; Regression Line pada sub menu Fit
Lines. Maka akan diperoleh tampilan pada layar seperti
pada gambar 3.7.

Gambar 3.7 Contoh Tampilan Grafik Prediksi

PANDUAN PRAKTIS EKONOMETRIKA: 29

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Berdasarkan output hasil analisis pada gambar 3.7,
diperoleh informasi bahwa pada gambar terdapat pola
hubungan positif antara roe dan harga saham.

3.2. Menyimpan Hasil Analisis

Langkah selanjutnya yaitu menyimpan hasil analisis
berupa gambar grafik kedalam workfile. Adapun langkah
yang dapat dilakukan yaitu dengan meng-klik tombol name,
lalu berikan nama pada file yang akan disimpan sebagai
contoh grafik01 lalu pilih Ok.

Gambar 3.8 Pemberian Nama Pada File Hasil Analisis

Dengan demikian pada workfile telah tersimpan data

baru yang telah diberi nama sebelumnya grafik01.

30 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 3.9 File Hasil Analisis Pada Workfile
Langkah selanjutnya kita dapat menyimpan seluruh workfile
dengan meng-klik menu File; Save. Beri nama sesuai dengan
keinginan anda, untuk kasus ini akan diberi nama Analisis
Statistik Deskriptif_1.

Gambar 3.10 Menyimpan Workfile

PANDUAN PRAKTIS EKONOMETRIKA: 31

Konsep Dasar dan Penerapan Menggunakan EViews 10
Menghitung Statistika Deskriptif
Adapun langkah-langah yang dilakukan dalam analisis
statistika deskriptif dengan E Views sebagai berikut:
a. Pilih menu Quick, Group Statistics, Descriptive
Statistics, Common Sampel.

Gambar 3.11 Tahapan Analisis Statistika Deskriptif

b. Setelah memilih Common sample maka akan diperoleh

tampilan pada gambar 3.12. Selanjutnya isikan variabel
yang akan dianalisis dengan statistik deskriptif. Pada
contoh ini kita coba mengisi dengan memilih dua
variabel yaitu harga saham dan roa, kemudian pilih
OK.

32 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 3.12 Tampilan Variabel Yang Akan Dianlisis

c. Selanjutnya akan diperoleh output hasil analisis pada

gambar 3.13

Gambar 3.13 Tampilan Output Statistika Deskriptif

PANDUAN PRAKTIS EKONOMETRIKA: 33

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Berdasarkan output diatas kita dapat memperoleh
informasi mengenai nilai mean, median, standar
deviasi, skewness, kurtosis, nilai minimum dan nilai
maksimum.

*****

34 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
BAB 4

ANALISIS REGRESI LINIER

4.1. Konsep Dasar Analisis Regresi

Analisis regresi merupakan suatu metode analisis
statistika yang digunakan untuk melihat pengaruh antar
variabel independen dengan satu variabel dependen. Analisis
regresi merupakan analisis ketergantungan dari satu atau
lebih variabel bebas terhadap satu variabel tergantung,
dengan tujuan untuk menduga atau memprediksi nilai rata-
rata populasi berdasarkan nilai-nilai variabel bebasnya.
Perbedaan mendasar antara analisis korelasi dengan analisis
regresi adalah bahwa analisis korelasi hanya bertujuan untuk
mengukur kekuatan hubungan linier antara dua variabel.,
sehingga pada analisis korelasi tidak membedakan antara
variabel bebas dengan variabel tergantung. Sedangkan pada
analisis regresi, selain untuk mengukur kekuatan hubungan
antar dua variabel atau lebih, analisis regresi juga digunakan
untuk menunjukkan arah hubungan antar variabel bebas
dengan variabel tergantungya (Suliyanto, 2011:37). Ada dua
jenis uji regresi linier yaitu pertama uji regresi sederhana dan
uji regresi linier berganda. Pada bab ini akan disajikan berupa
konsep dasar dan contoh penggunaan analisis regresi
sederhana. Untuk keseragaman dalam pelafalan variabel
maka variabel bebas kita lafalkan independen variabel dan

PANDUAN PRAKTIS EKONOMETRIKA: 35

Konsep Dasar dan Penerapan Menggunakan EViews 10
variabel terikat yaitu dependen variabel. Ada tiga jenis data
yang digunakan dalam regresi yaitu
1. Data runtun waktu (time series),
2. Data antarruang (cross-sectional) dan
3. Pooled data (gabungan antara time series dan cross-
sectional).
Regresi linier berganda digunakan untuk menguji
pengaruh dua atau lebih variabel independen (explanatory)
terhadap satu variabel dependen dan umumnya dinyatakan
dalam persamaan:
Y = α + β1X1 + β2X2 + β3X3 + µ

4.2. Classical Liniear Regression Model (CLRM)

Gujarati (2006) menyatakan bahwa terdapat 11
asumsi utama yang mendasari model regresi linier klasik
dengan menggunakan metode Ordinary Least Square (OLS)
atau yang dikenal dengan asumsi klasik:
1. Model regresi linier: artinya linear dalam parameter
seperti dalam persamaan dibawah ini:
Yi = α + β1Xi + µi
2. Nilai X diasumsikan non-stokastik: artinya nilia X
dianggap tetap dalam sampel yang berulang
3. Nilai rata-rata kesalahan µi adalah nol, atau E (µi ‫ ׀‬Xi) = 0
4. Homoskedastisitas: artinya varian (variance) kesalahan
atau residual sama untuk setiap periode (Homo=sama,
Skedastisitas = sebaran) dan dinyatakan dalam bentuk
matematis Var(µi ‫ ׀‬Xi) = σ2

36 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
5. Tidak ada autokorelasi antarresidual (antara µi dan µj
tidak ada korelasi) atau secara matematis Cov(µi, µj ‫׀‬Xi,
Xj) = 0.
6. Antara µi dan Xi saling bebas, sehingga Cov(µi ‫׀‬Xi) = 0.
7. Jumlah observasi (n) harus lebih besar daripada jumlah
parameter yang diestimasi. Secara alternative, jumlah n
lebih besar daripada jumlah variabel bebas.
8. Adanya variabilitas dalam nilai Xi, artinya nilai Xi harus
berbeda.
9. Model regresi telah dispesifikasi secara benar. Dengan
kata lain tidak ada bias (kesalahan) spesifikasi dalam
model yang digunakan untuk analisis empiric.
10. Tidak ada multikolinieritas yang sempurna antarvariabel
bebas.
11. Nilai kesalahan µi terdistribusi secara normal.
Apabila ke-11 asumsi klasik diatas terpenuhi maka
menurut teorema Gauss-Markov metode estimasi ordinary
least square akan menghasilkan unbias linier estimator dan
memiliki varian minimum atau sering disebut BLUE (Best
Linier Unbiased Estimator).

4.3. Regresi Sederhana

4.3.1. Konsep Dasar Analisis Regresi Sederhana
Analisis regresi sederhana adalah analisis regresi
antara satu variabel Y dan variabel X dapat linier atau bukan
linier (Atmaja, L. S, 2009:165).
Adapun persamaan regresi sederhana yaitu:

PANDUAN PRAKTIS EKONOMETRIKA: 37

Konsep Dasar dan Penerapan Menggunakan EViews 10
Keterangan:
: Nilai Y prediksi
a : Intercept atau nilai rata-rata Y prediksi jika X = 0
b : Slope atau rata-rata perubahan pada Y jika X berubah 1
satuan
X : Variabel bebas
e : Kesalahan prediktor
(Atmaja, L.,S, 2009:166)

Perlu kita ketahui bahwa pada prinsipnya persamaan

regresi digunakan untuk memprediksi persamaan regresi
populasi. Artinya bahwa analisis regresi lebih identik dengan
penggunaan sampel atau biasa disebut dengan persamaan
regresi sampel.
Berdasarkan persamaan regresi sederhana diatas, ada
dua elemen yang akan kita hitung nilainya terlebih dahulu
yaitu nilai intercept atau konstanta (a) dan nilai slope atau
rata-rata perubahan Y jika X berubah 1 satuan atau koefisien
regresi (b). Untuk menentukan kedua nilai tersebut maka kita
akan menggunakan salah satu metode yang paling umum
digunakan yaitu metode Ordinary Least Squares (OLS).

4.3.2. Contoh Ilustrasi Penerapan Analisis Regresi

Sederhana
Disini kita akan menggunakan data ilustrasi yaitu
biaya iklan dan volume penjualan produk. Dimana variabel

38 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
independent yaitu biaya iklan dan untuk variabel dependen
yaitu volume penualan produk. Untuk dapat menggambarkan
penerapan model regresi sederhana lebih jelasnya akan
disajikan pada contok kasus berikut:

Kasus 1
Suatu perusahaan XYZ bertujuan untuk mengetahui apakah
terdapat pengaruh antara biaya iklan terhadap volume
penjualan produk. Adapun informasi mengenai data biaya
iklan dan volume penualan pada tahun sebelumnya dapat
disajikan pada tabel dibawah ini:
Tabel 4.1 Data Biaya Iklan dan Volume Penjualan
Biaya Iklan (Juta Volume Penjualan
Tahun
Rupiah) X Produk (Juta Rupiah) Y
2012 1 4
2013 3 6
2014 4 8
2015 5 10
2016 6 12
2017 7 14

1. Pertanyaan:
Apakah terdapat pengaruh positif antara biaya iklan
dengan volume penjualan?
2. Hipotesis
H0 : Tidak terdapat pengaruh positif antara biaya iklan
dengan volume penjualan produk

PANDUAN PRAKTIS EKONOMETRIKA: 39

Konsep Dasar dan Penerapan Menggunakan EViews 10
 H1 : Terdapat pengaruh positif antara biaya iklan dengan
volume penjualan produk
3. Kriteria Pengujian
H0 tidak dapat ditolak jika:
t hitung ≤ t tabel, atau
Sig. > alpha (α)
H1 diterima jika:
t hitung > t tabel, atau
Sig. ≤ alpha (α), arah koefisien positif

[Link]. Estimasi Model Regresi dengan EViews

Untuk menggambarkan tahapan estimasi model
regresi sederhana dengan EViews, kita akan menganalisis
model regresi dengan data time series, dimana kasus yang
akan dianalisis yaitu apakah Biaya Iklan berpengaruh
terhadap Volume Penjualan Produk. Secara sistematis dapat
dituliskan sebagai berikut:
Volume Penjualan Produk = α + βBiaya Iklan + ei

[Link]. Langkah analisis dalam program EViews sebagai

berikut:
a. Buka ikon EViews pada halaman desktop dengan cara
meng-klik pada gambar ikon tersebut. Selanjutnya akan
tampil lembar kerja utama program EViews sebagai
berikut:

40 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.1 Lembar Kerja Utama Program EViews

b. Pada jendela utama program EViews pada gambar 4.1

dapat dilihat beberapa tampilan menu-menu diantaranya:
File; Edit; Object; View; Proc; Quick; Options; Add-
In; Windows dan Help.
c. Selanjutnya untuk membuka file data yang sudah
disediakan oleh E-Views (File yang telah disimpan
sebelumnya dalam format Excel) dengan mengklik menu
File; Open; Eviews Workfile…atau dapat juga dilakukan
dengan menekan tombol Ctrl-O.

PANDUAN PRAKTIS EKONOMETRIKA: 41

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.2 Tahapan Untuk Membuka File Data Pada
Lembar Kerja EViews
d. Setelah meng-klik Eviews Workfile (Ctrl-O) maka Eviews
akan menampilkan lokasi file yang telah di simpan
sebelumnya.

Gambar 4.3 Pintasan File Data pada Lembar Kerja EViews

42 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
e. Kemudian pilih file yang telah anda simpan sebelumnya
pada contoh ini kita pilih file KASUS 1 lalu klik Open.
Selanjutnya kita akan memperoleh tampilan sebagai
berikut. Untuk itu pilih next. Sehingga kita akan
memperoleh tampilan sebagai berikut:

Gambar 4.4 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews
f. Kemudian akan muncul tampilan sebagai berikut. Untuk
itu pilih next lagi.

Gambar 4.5 Tampilan Memasukkan File Data Variabel

pada Lembar Kerja EViews

PANDUAN PRAKTIS EKONOMETRIKA: 43

Konsep Dasar dan Penerapan Menggunakan EViews 10
g. Kemudian akan muncul tampilan sebagai berikut. Untuk
itu pilih next lagi.

Gambar 4.6 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja E-Views

h. Selanjutnya kita akan memperoleh tampilan berikut.

Dimana pada tampilan ini perhatikan pada kotak basic
structure terdapat beberapa pilihan. Untuk data time series
seperti file KASUS 1, Eviews akan mendeteksinya sebagai
specified by date series. Karena telah sesuai maka kita klik
Finish.

44 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.7 Tampilan Memasukkan file data variabel pada
lembar kerja E-Views
i. Setelah kita klik Finish maka kita akan memperoleh
tampilan sebagai berikut. Akan muncul tampilan variabel-
variabel yang sebelumnya kita input pada excel, maka
akan tampil pada menu window seperti pada gambar
dibawah ini:

Gambar 4.8 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja E-Views

PANDUAN PRAKTIS EKONOMETRIKA: 45

Konsep Dasar dan Penerapan Menggunakan EViews 10
j. Selanjutnya kita simpan workfile tersebut dengan
mengklik File, Save As.

Gambar 4.9 Tampilan Menyimpan File Data Variabel

Pada Lembar Kerja E-Views
k. Simpan workfile tersebut di folder yang kita kehendaki
lalu klik save. File workfile KASUS 1 telah tersimpan dan
setiap saat bisa kita buka untuk analisis lebih lanjut. File
workfile Eviews mempunyai esktensi *.wf1.

Gambar 4.10 Memberi Nama File Data Variabel Pada

Lembar Kerja EViews

46 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
l. Selanjutnya misalkan kita akan membuka data variabel
Biaya Iklan dan Volume Penjualan Produk untuk
dianalisis lebih lanjut. Blok keempat variabel tersebut
secara berurutan dari salary dengan menekan Ctrl lalu klik
kanan Open, as Group.

Gambar 4.11 Tampilan Utama Pada Jendela Workfile

m. Untuk melakukan analisis regresi maka pilih Quick,
Estimate Equation.

Gambar 4.12 Tahapan Analisis Model Regresi

PANDUAN PRAKTIS EKONOMETRIKA: 47

Konsep Dasar dan Penerapan Menggunakan EViews 10
n. Setelah kita memilih Estimate Equation maka akan
diperoleh tampilan seperti pada gambar 4.13 Selanjutnya
pada tampilan tersebut kita harus memasukkan persamaan
regresi dengan mengetikkan rumus: volume_penjualan_
produk c biaya_iklan. Setelah itu lalu kita pilih OK.

Gambar 4.13 Menuliskan Persamaan Regresi

o. Berikut tampilan output hasil analisis model regresi.

Gambar 4.14 Tampilan Output Hasil Analisis

48 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
p. Langkah selanjutnya yaitu menyimpan file output hasil
analisis kedalam workfile. Adapun langkah yang dapat
dilakukan yaitu dengan meng-klik name, lalu berikan
nama pada file yang akan disimpan sebagai contoh
regres01 lalu pilih Ok.

Gambar 4.15 Tahap Menyimpan File Output Hasil

Analisis Pada Workfile

q. Setelah memilih OK maka kita dapat melihat bahwa file

lembar kerja sudah tersimpan pada jendela workfile
dengan nama regres01.

PANDUAN PRAKTIS EKONOMETRIKA: 49

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.16 File Hasil Analisis Pada Workfile

[Link]. Menampilkan Persamaan Regresi

Pada E Views persamaan regresi dapat ditampilkan,
anda tidak perlu menuliskannya sendiri. Adapun langkah-
langkah yang dapat dilakukan yaitu:
a. Tampilkan terlebih dahulu output hasil analisis regresi
yang telah dilakukan sebelumnya. Lalu pilih menu View,
Representations, dan akan diperoleh tampilan pada
gambar 4.17.

Gambar 4.17 Tahapan dalam Menampilkan Persamaan

Regresi

50 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Selanjutnya kita akan memperoleh tampilan model regresi
dan estimasinya.

Gambar 4.18 Tahapan dalam Menampilkan Persamaan

Regresi

[Link]. Interpetasi Hasil Analisis

Pertama interpretasikan koefisien determinasi: pada
tampilan output Eviews diatas menunjukkan besarnya
adjusted R2 sebesar 0,974, hal ini berarti 97.4% variasi
volume penjualan produk dapat dijelaskan oleh variasi
variabel independen biaya iklan, sedangkan sisanya (100% -
97.4% = 2.6%) dijelaskan oleh sebab-sebab lain diluar model.
Standard error of estimate (SE of Regression) sebesar
0.597614, makin kecil nilai Standard error of estimate (SE of
Regression) akan membuat model regresi semakin tepat
dalam memprediksi variabel dependen.
Kedua: Uji Signifikansi Parameter Individual (Uji t)

PANDUAN PRAKTIS EKONOMETRIKA: 51

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Variabel independen yang dimasukkan dalam model
yaitu biaya iklan berpengaruh signifikan, hal ini terlihat dari
probabilitas signifikansinya jauh dibawah 0,05 yaitu nilai
probabilitas sebesar 0.000. Jadi dapat disimpulkan bahwa
variabel volume penjualan produk dipengaruhi oleh biaya
iklan dengan persamaan matematis:
Volume penjualan produk = 1.571429 + 1.742 biaya
iklan :
1. Mempunyai arti bahwa apabila biaya iklan = 0 maka
volume penjualan produk sebesar (1.571429).
2. Koefisien regresi biaya iklan sebesar 1.742 menyatakan
bahwa setiap kenaikan satu satuan biaya iklan akan
meningkatkan 1.742 satuan volume penjualan produk.

4.4. Regresi Linier Berganda

4.4.1. Contoh Ilustrasi Penerapan Analisis Regresi
Sederhana
Disini kita akan menggunakan data ilustrasi yaitu
harga, pendapatan, dan volume penjualan. Dimana variabel
independent yaitu harga dan pendapatan sementara untuk
variabel dependen yaitu volume penjualan. Untuk dapat
menggambarkan penerapan model regresi sederhana lebih
jelasnya akan disajikan pada contok kasus berikut:

Kasus 2
Data Time Series
Pemilik perusahaan bermaksud untuk melakukan
indentifikasi mengenai pengaruh harga dan pendapatan

52 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
terhadap volue penjualan. Untuk keperluan tersebut pemilik
perusahaan mengambil data selama 10 tahun sebagai berikut:
Tabel 4.2 Data Harga Pendapatan dan Volume Penjualan
Harga (X1) Pendapatan (X2) Volume Penjualan (Y)
Tahun (Puluhan Juta
(Ribu/Liter Rp.) (Juta Rp.)
Rupiah Rp.)
2012 2 3 5
2013 3 4 8
2014 5 6 8
2015 4 5 9
2016 6 7 9
2017 2 6 13
2018 3 4 6
2019 4 5 9
2020 5 4 4
2021 6 3 3
1. Pertanyaan:
a. Apakah terdapat pengaruh negatif harga trhadap
volume penjualan?
b. Apakah terdapat pengaruh positif pendapatan terhadap
volume penjuaan?
c. Berapakah besaran nila koefisien determinasi (R
Square)?
2. Hipotesis:
Hipotesis 1
H0: Tidak terdapat pengaruh negatif harga terhadap
volume penjualan
Ha: Terdapat pengaruh negatif harga terhadap volume
penjualan
Hipotesis 2

PANDUAN PRAKTIS EKONOMETRIKA: 53

Konsep Dasar dan Penerapan Menggunakan EViews 10
 H0: Tidak terdapat pengaruh positif pendapatan terhadap
volume penjualan
Ha: Terdapat pengaruh positif pendapatan terhadap
volume penjualan
3. Kriteria Pengujian:
Hipotesis 1
H0 tidak dapat ditolak jika:
t hitung < t tabel atau Sig. > 0.05
Ha diterima jika:
t hitung > t tabel atau Sig. < 0.05
Hipotesis 1
H0 tidak dapat ditolak jika:
t hitung < t tabel atau Sig. > 0.05
Ha diterima jika:
t hitung > t tabel atau Sig. < 0.05

[Link]. Estimasi Model Regresi dengan EViews

Untuk menggambarkan tahapan estimasi model
regresi sederhana dengan EViews, kita akan menganalisis
model regresi dengan data time series, dimana kasus yang
akan dianalisis yaitu apakah harga dan pendapatan
berpengaruh terhadap volume penjualan. Secara sistematis
dapat dituliskan sebagai berikut:
Volume Penjualan = α + β1Harga + β2Pendapatan + ei

[Link]. Langkah analisis dalam program EViews sebagai

berikut:
a. Buka ikon E-Views pada halaman desktop dengan cara
meng-klik pada gambar ikon tersebut. Selanjutnya akan

54 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 tampil lembar kerja utama program E-Views sebagai
berikut:

Gambar 4.19 Lembar Kerja Utama Program EViews

b. Pada jendela utama program E-Views pada gambar 4.19

dapat dilihat beberapa tampilan menu-menu diantaranya:
File; Edit; Object; View; Proc; Quick; Options; Add-
In; Windows dan Help.
c. Selanjutnya untuk membuka file data yang sudah
disediakan oleh E-Views (File yang telah disimpan
sebelumnya dalam format Excel) dengan mengklik menu
File; Open; Eviews Workfile…atau dapat juga dilakukan
dengan menekan tombol Ctrl-O.

PANDUAN PRAKTIS EKONOMETRIKA: 55

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.20 Tahapan Untuk Membuka File Data Pada
Lembar Kerja EViews

d. Setelah meng-klik Eviews Workfile (Ctrl-O) maka Eviews

akan menampilkan lokasi file yang telah di simpan
sebelumnya.

Gambar 4.21 Pintasan File Data Pada Lembar Kerja

EViews

56 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
e. Kemudian pilih file yang telah anda simpan sebelumnya
pada contoh ini kita pilih file KASUS 1 lalu klik Open.
Selanjutnya kita akan memperoleh tampilan sebagai
berikut. Untuk itu pilih next. Sehingga kita akan
memperoleh tampilan sebagai berikut:

Gambar 4.22 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews

f. Kemudian akan muncul tampilan sebagai berikut. Untuk

itu pilih next lagi.

PANDUAN PRAKTIS EKONOMETRIKA: 57

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.23 Tampilan Memasukkan File Data Variabel
Pada Lembar Kerja EViews

g. Kemudian akan muncul tampilan sebagai berikut. Untuk

itu pilih next lagi.

Gambar 4.24 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews

58 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
h. Selanjutnya kita akan memperoleh tampilan berikut.
Dimana pada tampilan ini perhatikan pada kotak basic
structure terdapat beberapa pilihan. Untuk data time series
seperti file KASUS REGRESI LINIER BERGANDA,
Eviews akan mendeteksinya sebagai specified by date
series. Karena telah sesuai maka kita klik Finish.

Gambar 4.25 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews

i. Setelah kita klik Finish maka kita akan memperoleh

tampilan sebagai berikut. Akan muncul tampilan variabel-
variabel yang sebelumnya kita input pada excel, maka
akan tampil pada menu window seperti pada gambar
dibawah ini:

PANDUAN PRAKTIS EKONOMETRIKA: 59

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.26 Tampilan Memasukkan File Data Variabel
Pada Lembar Kerja EViews
j. Selanjutnya kita simpan workfile tersebut dengan
mengklik File, Save As.

Gambar 4.27 Tampilan Menyimpan File Data Variabel

Pada Lembar Kerja EViews

60 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
k. Simpan workfile tersebut di folder yang kita kehendaki
lalu klik save. File workfile KASUS REGRESI LINIER
BERGANDA telah tersimpan dan setiap saat bisa kita
buka untuk analisis lebih lanjut. File workfile Eviews
mempunyai esktensi *.wf1.

Gambar 4.28 Memberi Nama File Data Variabel Pada

Lembar Kerja EViews

l. Selanjutnya misalkan kita akan membuka data variabel

harga, pendapatan dan volume penjualan untuk dianalisis
lebih lanjut. Blok keempat variabel tersebut secara
berurutan dari salary dengan menekan Ctrl lalu klik kanan
Open, as Group.

PANDUAN PRAKTIS EKONOMETRIKA: 61

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.29 Tampilan Utama Pada Jendela Workfile
m. Untuk melakukan analisis regresi maka pilih Quick,
Estimate Equation.

Gambar 4.30 Tahapan Analisis Model Regresi

n. Setelah kita memilih Estimate Equation maka akan

diperoleh tampilan seperti pada gambar 4.30 Selanjutnya

62 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 pada tampilan tersebut kita harus memasukkan persamaan
regresi dengan mengetikkan rumus: volume_penjualan_
produk c biaya_iklan. Setelah itu lalu kita pilih OK.

Gambar 4.31 Menuliskan Persamaan Regresi

o. Berikut tampilan output hasil analisis model regresi.

Gambar 4.32 Tampilan Output Hasil Analisis

PANDUAN PRAKTIS EKONOMETRIKA: 63

Konsep Dasar dan Penerapan Menggunakan EViews 10
p. Langkah selanjutnya yaitu menyimpan file output hasil
analisis kedalam workfile. Adapun langkah yang dapat
dilakukan yaitu dengan meng-klik name, lalu berikan
nama pada file yang akan disimpan sebagai contoh
regres01 lalu pilih Ok.

Gambar 4.33 Tahap Menyimpan File Output Hasil

Analisis Pada Workfile

q. Setelah memilih OK maka kita dapat melihat bahwa file

lembar kerja sudah tersimpan pada jendela workfile
dengan nama regres.

Gambar 4.34 File Hasil Analisis Pada Workfile

64 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
[Link]. Menampilkan Persamaan Regresi
Pada EViews persamaan regresi dapat ditampilkan,
anda tidak perlu menuliskannya sendiri. Adapun langkah-
langkah yang dapat dilakukan yaitu:
a. Tampilkan terlebih dahulu output hasil analisis regresi
yang telah dilakukan sebelumnya. Lalu pilih menu View,
Representations, dan akan diperoleh tampilan pada
gambar 4.35.

Gambar 4.35 Tahapan Dalam Menampilkan Persamaan

Regresi
b. Selanjutnya kita akan memperoleh tampilan model regresi
dan estimasinya.

Gambar 4.36 Tahapan dalam Menampilkan Persamaan

Regresi
PANDUAN PRAKTIS EKONOMETRIKA: 65
Konsep Dasar dan Penerapan Menggunakan EViews 10
[Link]. Interpetasi Hasil Analisis
Pertama interpretasikan koefisien determinasi: pada
tampilan output Eviews diatas menunjukkan besarnya
adjusted R2 sebesar 0.875, hal ini berarti 87.5% variasi
volume penjualan dapat dijelaskan oleh variasi variabel
independen harga dan pendapatan, sedangkan sisanya (100%
- 87.5% = 12.5%) dijelaskan oleh sebab-sebab lain diluar
model. Standard error of estimate (SE of Regression) sebesar
1.181795, makin kecil nilai Standard error of estimate (SE of
Regression) akan membuat model regresi semakin tepat
dalam memprediksi variabel dependen.
Kedua: Uji Signifikansi Parametr Individual (Uji t)
Variabel independen yang dimasukkan dalam model yaitu
harga dan pendapatan berpengaruh signifikan, hal ini terlihat
dari probabilitas signifikansinya jauh dibawah 0.05 yaitu nilai
probabilitas sebesar 0.000. Jadi dapat disimpulkan bahwa
variabel volume penjualan produk dipengaruhi oleh biaya
iklan dengan persamaan matematis:
Volume penjualan = 2.5529 - 1.092 Harga + 1.961
Pendapatan
1. Mempunyai arti bahwa apabila harga dan pendapatan = 0
maka volume penjualan sebesar (2.5529).
2. Koefisien regresi harga sebesar 1.092 menyatakan bahwa
setiap kenaikan satu satuan harga akan menurunkan 1.092
satuan volume penjualan.
3. Koefisien regresi pendapatan sebesar 1.961 menyatakan
bahwa setiap kenaikan satu satuan pendapatan akan
menaikkan 1.092 satuan volume penjualan.

66 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
4.5. Estimasi Model Regresi Data Panel (Pool Data)
4.5.1. Contoh Penerapan Analisis Regresi dengan Data
Panel
Untuk menggambarkan tahapan estimasi model
regresi dengan EViews, kita akan menganalisis model regresi
dengan data panel, dimana kasus yang akan dianalisis yaitu
apakah Return on Asset dan Return on Equity berpengaruh
terhadap Harga Saham. Data disajikan pada tabel 4.3 berikut:
Tabel 4.3 Nilai ROA ROE dan Harga Saham
ROA ROE HargaSaham
2010 2,51 12,98 1857,90
2011 2,21 12,38 3698,23
BANK A 2012 2,49 15,39 3681,71
2013 2,11 16,21 3682,47
2014 2,92 13,09 3950,00
2010 2,74 20,38 4323,09
2011 3,11 22,19 6089,38
BANK B 2012 2,99 20,26 6418,26
2013 3,23 20,96 7510,37
2014 3,28 21,21 7680,71
2010 3,12 26,81 3536,83
2011 1,69 31,28 5010,15
BANK C 2012 3,99 30,28 6503,57
2013 4,39 28,80 6797,94
2014 2,46 26,92 7250,00
2010 1,27 9,09 795,65
BANK D 2011 1,83 14,21 1553,41
2012 1,71 15,28 1164,95

PANDUAN PRAKTIS EKONOMETRIKA: 67

Konsep Dasar dan Penerapan Menggunakan EViews 10
 2013 1,67 13,27 1438,36
2014 1,63 13,52 910,00
Sumber: Bahari (2018)

Dengan demikian Secara sistematis persamaan regresi

dapat dituliskan sebagai berikut:
Harga Saham = α+β1Return on Asset+β2Return on
Equity+µ

Langkah analisis dalam program EViews sebagai

berikut:
a. Buka ikon E-Views pada halaman desktop dengan cara
meng-klik pada gambar ikon tersebut. Selanjutnya akan
tampil lembar kerja utama program EViews sebagai
berikut:

Gambar 4.37 Lembar Kerja Utama Program EViews

68 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Pada jendela utama program E-Views pada gambar 1
dapat dilihat beberapa tampilan menu-menu diantaranya:
File; Edit; Object; View; Proc; Quick; Options; Add-
In; Windows dan Help. Selanjutnya untuk membuka file
data yang sudah disediakan oleh E-Views (File yang telah
disimpan sebelumnya dalam format Excel) dengan
mengklik menu File; Open; Eviews Workfile…atau
dapat juga dilakukan dengan menekan tombol Ctrl-O.

Gambar 4.38 Tahapan Untuk Membuka File Data Pada

Lembar Kerja EViews

c. Selanjutnya untuk membuka file data yang sudah

disediakan oleh E-Views (File yang telah disimpan
sebelumnya dalam format Excel) dengan mengklik menu
File; Open; Eviews Workfile…atau dapat juga dilakukan
dengan menekan tombol Ctrl-O.

PANDUAN PRAKTIS EKONOMETRIKA: 69

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.39 Tahapan untuk Membuka File Data Pada
Lembar Kerja EViews

d. Setelah meng-klik Eviews Workfile (Ctrl-O) maka Eviews

akan menampilkan lokasi file yang telah di simpan
sebelumnya.

Gambar 4.40 Pintasan File Data Pada Lembar Kerja

EViews

70 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
e. Kemudian pilih file yang telah anda simpan sebelumnya
pada contoh ini kita pilih file [Link] lalu klik Open.
Selanjutnya kita akan memperoleh tampilan sebagai
berikut. Untuk itu pilih next. Sehingga kita akan
memperoleh tampilan sebagai berikut:

Gambar 4.41 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews
f. Kemudian akan muncul tampilan sebagai berikut. Untuk
itu pilih next lagi.

Gambar 4.42 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews

PANDUAN PRAKTIS EKONOMETRIKA: 71

Konsep Dasar dan Penerapan Menggunakan EViews 10
g. Kemudian akan muncul tampilan sebagai berikut. Untuk
itu pilih next lagi.

Gambar 4.43 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews
h. Selanjutnya kita akan memperoleh tampilan berikut.
Dimana pada tampilan ini perhatikan pada kotak basic
structure terdapat beberapa pilihan. Untuk data time series
seperti file latihan1, Eviews akan mendeteksinya sebagai
specified by date series. Karena telah sesuai maka kita klik
Finish.

Gambar 4.44 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews

72 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
i. Setelah kita klik Finish maka kita akan memperoleh
tampilan sebagai berikut. Akan muncul tampilan variabel-
variabel yang sebelumnya kita input pada excel, maka
akan tampil pada menu window seperti pada gambar
dibawah ini:

Gambar 4.45 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews
Untuk memastikan workfile data panel sudah siap,
langkah selanjutnya mengklik Quick, Estimate Equation.
Maka kita akan memperoleh tampilan berikut:

Gambar 4.46 Tampilan Panel Options pada Lembar Kerja

EViews

PANDUAN PRAKTIS EKONOMETRIKA: 73

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Selanjutnya jika kita mengklik Panel Options maka
akan diperoleh tampilan berikut:

Gambar 4.47 Tampilan Bagian Panel Options

Workfile data panel sudah siap untuk digunakan,
namun demikian kita juga bisa menambahkan object baru
dengan menggunakan format unstacked. Kegunaan dari
object ini yaitu jika peneliti menginginkan untuk
menganalisis setiap unit cross section pada data. Adapun
langkah dari proses ini yaitu dengan memilih Proc, Reshape
Current Page, Unstack in New Page.

Gambar 4.48 Tampilan Object Baru Dengan Format

Unstacked.

74 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
Selanjutnya isikan sesuai tampilan berikut

Gambar 4.49 Mengisi Tampilan Workfile Unstacked

Selanjutnya kita akan memperoleh lembar kerja

pooling baru, dimana pada lembar kerja ini memuat beberapa
variabel atau series yang spesifik untuk masing-masing unit
cross sectional misalnya roaa roab roab dan roac.

Gambar 4.50 Lembar Kerja Data Panel.

PANDUAN PRAKTIS EKONOMETRIKA: 75

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Langkah selanjutnya yaitu menyimpan workfile yang
sudah dibuat sebelumnya dengan mengklik File, Save As,
Active Workfile. Untuk data ini kita beri nama Data [Link]

4.5.2. Estimasi Model Persamaan Regresi

Menurut Ghozali dan Ratmono (2013) bahwa dalam
melakukan tahapan estimasi model untuk workfile data panel
akan menghasilkan lima kemungkinan berikut:
1. Model dengan semua koefisien konstan terhadap waktu
dan individu.
2. Koefisien slope konstan ttapi intersep bervariasi
antarindividu: The Fixed Effects Model (FEM) atau Least
Squares Dummy variable (LSDF) Regression Model.
3. Pengaruh waktu (time efect): slope konstan, intersep
bervariasi antarwaktu.
4. Koefisien slope konstan, intersep bervariasi antarindividu
dan antarperiode.
5. Semua koefisien bervariasi untuk setiap individu
perusahaan.
Untuk estimasi model persamaan regresi pada contoh
ini dilakukan dengan pertimbangan model dengan semua
koefisien konstan terhadap waktu dan individu. Model seperti
ini dikatakan sebagai model yang paling sederhana, dimana
pendekatannya mengabaikan dimensi waktu dan ruang yang
dimiliki oleh data panel. Metode yang digunakan untuk
mengestimasi dengan pendekatan seperti ini adalah metode
regresi OLS atau biasa disebut pooled OLS atau common
OLS model (Ghozali dan Ratmono, 2013).

76 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Adapun langkah dalam melakukan estimasimodel
regresi menggunakan Eviews sebagai berikut:
a. Buka ikon E-Views pada halaman desktop dengan cara
meng-klik pada gambar ikon tersebut. Selanjutnya akan
tampil lembar kerja utama program EViews sebagai
berikut:

Gambar 4.51 Lembar Kerja Utama Program EViews

b. Pada jendela utama program E-Views pada gambar 4.51

dapat dilihat beberapa tampilan menu-menu diantaranya:
File; Edit; Object; View; Proc; Quick; Options; Add-
In; Windows dan Help.
c. Selanjutnya untuk membuka file data yang sudah
disediakan oleh EViews (File yang telah disimpan
sebelumnya dalam format Excel) dengan mengklik menu
File; Open; Eviews Workfile…atau dapat juga dilakukan
dengan menekan tombol Ctrl-O.

PANDUAN PRAKTIS EKONOMETRIKA: 77

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.52 Tahapan untuk Membuka File Data Pada
Lembar Kerja EViews
d. Setelah meng-klik Eviews Workfile (Ctrl-O) maka Eviews
akan menampilkan lokasi file yang telah di simpan
sebelumnya.

Gambar 4.53 Pintasan file Data Pada Lembar Kerja

EViews
e. Kemudian pilih file yang telah anda simpan sebelumnya
pada contoh ini kita pilih file Data Panel lalu klik Open.

78 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Selanjutnya kita akan memperoleh tampilan sebagai
berikut. Untuk itu pilih next. Sehingga kita akan
memperoleh tampilan sebagai berikut:

Gambar 4.54 Tampilan Memasukkan File Data Variabel

Pada Lembar Kerja EViews

f. Untuk melakukan analisis regresi maka pilih Quick,

Estimate Equation.

Gambar 4.55 Tahapan Analisis Model Regresi

PANDUAN PRAKTIS EKONOMETRIKA: 79

Konsep Dasar dan Penerapan Menggunakan EViews 10
g. Setelah kita memilih Estimate Equation maka akan
diperoleh tampilan seperti pada gambar 4.55 Selanjutnya
pada tampilan tersebut kita harus memasukkan persamaan
regresi dengan mengetikkan rumus: volume_penjualan_
produk c biaya_iklan. Setelah itu lalu kita pilih OK.

Gambar 4.56 Menuliskan Persamaan Regresi

h. Berikut tampilan output hasil analisis model regresi.

Gambar 4.57 Tampilan Output Hasil Analisis

80 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
i. Langkah selanjutnya yaitu menyimpan file output hasil
analisis kedalam workfile. Adapun langkah yang dapat
dilakukan yaitu dengan meng-klik name, lalu berikan
nama pada file yang akan disimpan sebagai contoh regres
lalu pilih Ok.

Gambar 4.58 Tahap Menyimpan File Output Hasil

Analisis Pada Workfile

j. Setelah memilih OK maka kita dapat melihat bahwa file

lembar kerja sudah tersimpan pada jendela workfile
dengan nama regres.

PANDUAN PRAKTIS EKONOMETRIKA: 81

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 4.59 File Hasil Analisis Pada Workfile

4.5.3. Menampilkan Persamaan Regresi

Pada E Views persamaan regresi dapat ditampilkan,
anda tidak perlu menuliskannya sendiri. Adapun langkah-
langkah yang dapat dilakukan yaitu:
a. Tampilkan terlebih dahulu output hasil analisis regresi
yang telah dilakukan sebelumnya. Lalu pilih menu View,
Representations, dan akan diperoleh tampilan pada
gambar 4.60.

Gambar 4.60 Tahapan Dalam Menampilkan Persamaan

Regresi

82 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Selanjutnya kita akan memperoleh tampilan model regresi
dan estimasinya.

Gambar 4.61 Tahapan Dalam Menampilkan Persamaan

Regresi

4.5.4. Interpetasi Hasil Analisis

Pertama interpretasikan koefisien determinasi: pada
tampilan output Eviews diatas menunjukkan besarnya
adjusted R2 sebesar 0.523, hal ini berarti 52.3% variasi
volume penjualan dapat dijelaskan oleh variasi variabel
independen harga dan pendapatan, sedangkan sisanya (100%
- 52.3% = 47.7%) dijelaskan oleh sebab-sebab lain diluar
model. Standard error of estimate (SE of Regression) sebesar
1729.925, makin kecil nilai Standard error of estimate (SE of
Regression) akan membuat model regresi semakin tepat
dalam memprediksi variabel dependen.
Kedua: Uji Signifikansi Parametr Individual (Uji
t)Variabel independen yang dimasukkan dalam model yaitu

PANDUAN PRAKTIS EKONOMETRIKA: 83

Konsep Dasar dan Penerapan Menggunakan EViews 10
ROA berpengaruh positif tetapi tidak signifikan terhadap
Harga Saham hal ini terlihat dari probabilitas signifikansinya
jauh diatas 0.05 yaitu nilai probabilitas sebesar 0.7332.
Selanjutnya untuk variabel ROE berpengaruh positif
signifikan terhadap Harga Saham hal ini terlihat dari
probabilitas signifikansinya jauh dibawah 0.05 yaitu nilai
probabilitas sebesar 0.0005. Jadi dapat disimpulkan bahwa
variabel Harga Saham dipengaruhi oleh ROA dan ROE
dengan persamaan matematis:
HARGA SAHAM = -824.944 + 1.985 ROA + 258.369 ROE
1. Mempunyai arti bahwa apabila harga dan pendapatan = 0
maka Harga Saham akan mengalami penurunan sebesar
(824.944).
2. Koefisien regresi ROA sebesar 1.985 menyatakan bahwa
setiap kenaikan satu satuan ROA akan menaikkan 1.985
satuan Harga Saham.
3. Koefisien regresi ROA sebesar 258.369 menyatakan
bahwa setiap kenaikan satu satuan ROA akan menaikkan
258.369 satuan Harga Saham.

*****

84 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
BAB 5

PERMASALAHAN DALAM ANALISIS

REGRESI LINIER

5.1. Normalitas
Dalam model regresi asumsi data terdistribusi secara
normal wajib terpenuhi. Untuk itu tujuan dari uji normalitas
yaitu untuk menguji sebuah model regresi dimana variabel
pengganggu atau residual memiliki distribusi normal.
Meskipun pada umumnya para peneliti berasumsi bahwa
untuk tiap variabel terdiri atas 30 data, maka telah dianggap
normal. Apabila dalam analisis melibatkan 4 variabel, maka
data yang dibutuhkan sebanyak 4 x 30 = 120. Namun
demikian asumsi ini masih perlu dibuktikan lebih akurat
pengujiannya dengan menggunakan alat analisis. EViews
dapat dijadikan sebagai alat analisis untuk membuktikan
secara akurat apakah data terdistribusi secara normal atau
tidak. Terdapat dua acara untuk mendeteksi apakah residual
memiliki distribusi normal atau tidak yaitu dengan
pendekatan grafik dan uji Jarque Bera. Untuk uji dengan
pendekatan grafik merupakan salah satu cara yang paling
mudah untuk digunakan namun hasilnya masih bersifat
subjektif atau masih ditentukan dengan melihat gambar pada
grafik histogram. Tampilan pada grafik histogram biasanya
memiliki pola yang tidak mengikuti kurva normal. Metode ini
juga tidak efektif ketika menggunakan sampel kecil.

PANDUAN PRAKTIS EKONOMETRIKA: 85

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Selanjutnya untuk uji Jarque-Bera merupakan uji
statistik untuk mengetahui data berdistribusi secara normal
dan ideal digunakan untuk sampel besar. Menurut Ghozali
dan Ratmono (2013) bahwa dalam melakukan uji Jarque-
Bera dapat dilakukan dengan dua tahapan yaitu tahap
pertama melakukan perhitungan nilai Skewness dan Kurtosis
untuk residual, selanjutnya tahap kedua lakukan uji Jarque-
Bera dengan menggunakan rumus berikut:

[ ]

n = Besarnya sampel
S = Koefisien Skewness
K = Koefisien Kurtosis

Nilai Jarque-Bera mengikuti distribusi Chi-square

dengan 2 df (degree of freedom). Kemudian tahap ketiga
lakukan perhitungan nilai signifikansi untuk menguji
hipotesis:
H0: residual terdistribusi normal
Ha: residual tidak terdistribusi normal
Dimana kriteria pengujiannya yaitu:
H0 ditolak dan Ha diterima, jika P Value < α 5% atau
>
H0 diterima dan Ha ditolak, jika P Value > α 5% atau
<

Adapun tahapan uji dengan menggunakan program

EViews sebagai berikut:

86 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
a. Sama dengan tahapan sebelumnya yaitu kita melakukan
analisis persamaan regresi dengan memilih Quick,
Estimate Equation. Kemudian isikan pada tampilan
Equation Estimation yaitu (hargasaham c roa roe)
kemudian klik OK maka kita akan memperoleh tampilan
pada gambar 5.1 berikut.

Gambar 5.1 Memasukkan Model Persamaan Regresi

b. Berikut tampilan output hasil analisis model regresi.

Gambar 5.2 Tampilan Output Hasil Analisis

PANDUAN PRAKTIS EKONOMETRIKA: 87

Konsep Dasar dan Penerapan Menggunakan EViews 10
c. Langkah selanjutnya yaitu pilih menu View, Residual
Tests, Histogram-Normality Test.

Gambar 5.3 Tampilan Perhitungan Nilai Jarque-Bera

d. Output hasil analisis

Gambar 5.4 Tampilan Output Hasil Perhitungan Nilai

Jarque-Bera

88 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Pada gambar 4 dengan melihat grafik histogram kita
dapat memperhatikan normalitas, namun demikian
seringkali tmapilan pada grafik histogram polanya tidak
mengikuti bentuk kurva normal sehingga kita mengalami
kesulitan dalam menyimpulkannya. Berdasarkan nilai
Jarque-Bera dan Probability pada tampilan output hasil
analisis, dimana nilai Jarque-Bera sebesar 0.568 dan nilai
Probability sebesar 0.752. dimana nilai Jarque-Bera kita
bandingkan dengan nilai pada tabel chi-square, dimana
nilai JB = 0.568380 < 31.41043 dan nilai probability =
0,752624 > 0,05. Dengan demikian dapat disimpulkan
bahwa kita dapat menerima hipotesis nol yang
menyatakan residual terdistribusi normal.

5.2. Multikolinieritas
Asumsi ke 10 dari model regresi linier klasik
(classical liniear regression model) menyatakan tidak ada
multikolinieritas yang tinggi atau sempurna antar variabel
independent. Uji multikolinieritas bertujuan untuk menguji
apakah dalam model regresi ditemukan adanya korelasi yang
tinggi atau sempurna antar variabel independent. Jika antar
variabel independen X terjadi multikolinieritas sempurna,
maka koefisien regresi variabel X tidak dapat ditentukan dan
nilai standar error menjadi tak terhingga. Jika
multikoliniertias antar variabel X tidak sempurna tetapi
tinggi, maka koefisien regresi X dapat ditentukan, tetapi
memiliki nilai standar error tinggi yang berarti nilai
koefisien regresi tidak dapat diestimasi dengan tepat.

PANDUAN PRAKTIS EKONOMETRIKA: 89

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Asumsi klasik ke 7 yang menyatakan jumlah
observasi harus lebih besar dari variabel indpenden
(micronumerosity) dan asumsi klasik ke 8 yang menyatakan
bahwa nilai variabel independent harus memiliki variabilitas
yang cukup. Kedua asumsi ini melengkapi asumsi
multikolinieritas. (Ghozali, 2014:33). Menurut Suliyanto
(2011:81) terdapat beberapa penyebab timblnya gejala
multikolinieritas pada model regresi adalah sebagai berikut:
1. Kebanyakan variabel ekonomi berubah sepanjang waktu.
Besaran-besaran ekonomi dipengaruhi oleh factor-faktor
yang sama sehingga jika suatu faktor memengaruhi
variabel dependen maka seluruh variabel cenderung
berubah dalam satu arah.
2. Adanya penggunaan nilai lag (lagge value) dari variabel-
variabel bebas tertentu dalam model regresi.
3. Metode pengumpulan data yang dipakai (the data
collection method employed)
4. Adanya kendala dalam model atau populasi yang menjadi
sampel (constaint on the model or in the population being
sampled).
5. Adanya kesalahan spesifikasi model (specification model).
Hal ini dapat terjadi karena peneliti memasukkan variabel
penjelas yang seharusnya dikeluarkan dari model empiris
atau dapat juga terjadi karena peneliti mengeluarkan
variabel penjelas yang seharusnya dimasukkan dalam
model empiris.
6. Adanya model yang berlebihan (an overdetermined
model). Hal ini terjadi ketika model empiris (jumlah

90 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 variabel penjelas) yang digunakan melebihi jumlah data
(observasi).

5.2.1. Menghitung Koefisien Korelasi antar Variabel

Independen
Sebagai contoh berikut akan ditampilkan data ilustrasi
untuk mendeteksi ada tidaknya pelanggaran dalam sumsi
multikolinieritas.
Berikut data untuk lima tahun dari empat perbankan
(pooled data):
ROA ROE HargaSaham
2010 2,51 12,98 1857,90
2011 2,21 12,38 3698,23
BANK A 2012 2,49 15,39 3681,71
2013 2,11 16,21 3682,47
2014 2,92 13,09 3950,00
2010 2,74 20,38 4323,09
2011 3,11 22,19 6089,38
BANK B 2012 2,99 20,26 6418,26
2013 3,23 20,96 7510,37
2014 3,28 21,21 7680,71
2010 3,12 26,81 3536,83
2011 1,69 31,28 5010,15
BANK C 2012 3,99 30,28 6503,57
2013 4,39 28,80 6797,94
2014 2,46 26,92 7250,00
2010 1,27 9,09 795,65
BANK D
2011 1,83 14,21 1553,41

PANDUAN PRAKTIS EKONOMETRIKA: 91

Konsep Dasar dan Penerapan Menggunakan EViews 10
 2012 1,71 15,28 1164,95
2013 1,67 13,27 1438,36
2014 1,63 13,52 910,00
Sumber: Bahari (2018)

Langkah-langkah dalam mendeteksi multikolinieritas

sebagai berikut:
Cara pertama yang dapat dilakukan untuk
mengetahui ada tidaknya multikolinieritas dalam sebuah
model regresi linier yaitu dengan menghitung nilai koefisien
korelasi antar variabel. Adapun langkah-langkahnya sebagai
berikut:
a. Buka file lembar kerja yang sudah tersimpan pada jendela
workfile, pada contoh ini kita telah menyimpan dengan
nama regres01.

Gambar 5.5 Tampilan Utama Workfile EViews

b. Selanjutnya pilih menu Quick, Group Statistics,

Correlation seperti pada tampilan gambar 5.6

92 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 5.6 Tampilan Utama Workfile EViews

c. Sehingga kita akan memperoleh tampilan pada gambar

5.7, lalu isikan variabel independent yang akan dihitung
dengan menuliskan roa roe (pastikan terdapat spasi antara
kedua variabel bebas tersebut) selanjutnya pilih OK.

Gambar 5.7 Tampilan Perhitungan Korelasi Antar

Variabel Independen

PANDUAN PRAKTIS EKONOMETRIKA: 93

Konsep Dasar dan Penerapan Menggunakan EViews 10
d. Selanjutnya kita akan memperoleh output hasil analisis
seperti yang ditampilan pada gambar 5.8.

Gambar 5.8 Tampilan Output Koefisien Korelasi Antar

Variabel Independen

Berdasarkan pada hasil output pada matrik korelasi

pada gambar 5.8 dapat diketahui nilai korelasi antar
variabel bebas yaitu ROA dan ROE sebesar 0.067.
berdasarkan hasil tersebut dapat diambil kesimpulan
bahwa tidak terdapat korelasi yang tinggi antar variabel
independen yang bernilai diatas 0.90. dengan demikian
dapat disimpulkan bahwa tidak terdapat multikolinieritas
antar variabel independen.

Cara kedua yang dapat dilakukan untuk mengetahui

ada tidaknya multikolinieritas dalam sebuah model regresi
linier yaitu dengan menjalankan regresi auxiliary. Disini kita
akan meregresikan setiap Xi terhadap variabel X sisanya dan
menghitung nilai R2. Pada kasus ini terdapat dua variabel
independent, maka kita akan menjalankan regresi sebanyak

94 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
dua kali dengan masing-masing analisis menggunakan satu
variabel independent sebagai variabel dependen. Sehingga
kita dapat membuat persamaan regresi yaitu ROA = a 0 + b
ROE + e. Adapun cara dalam melakukan tahap estimasi pada
persamaan diatas sama dengan cara melakukan estimasi
model regresi sebelumnya. Untuk menentukan ada tidaknya
korelasi yang kuat antar variabel bebas kita dapat
menggunakan kriteria Klein’s rule of thumb yang menyatakan
bahwa multikolinieritas menjadi bermasalah jika R 2 dari hasil
estimasi regresi auxiliary lebih besar dari nilai R 2 pada model
regresi linier secara keseluruhan.
Adapun langkah-langkahnya sebagai berikut:
a. Buka file lembar kerja yang sudah tersimpan pada jendela
workfile, pada contoh ini kita telah menyimpan dengan
nama regres01.

Gambar 5.9 Tampilan Utama Pada Jendela Workfile

PANDUAN PRAKTIS EKONOMETRIKA: 95

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Lakukan estimasi model regresi pada persamaan ROA = a0
+ b ROE + e sehingga diperoleh output hasil analisis
berikut:

Gambar 5.10 Tampilan Output Model Regresi Persamaan

(1)

Berdasarkan output pada gambar 1.6 diperoleh R2

untuk model regresi persamaan (1) sebesar 0.368.
Tabel 5.1 Perbandingan Hasil Analisis Auxilary
Regression dan Model Regresi Awal
Variabel Dependen
Variabel Dependen Nilai R2
ROA 0.368
Harga Saham 0.683

Pada tabel 5.1 dapat diketahui bahwa nilai R2 dari

Auxilary Regression memiliki nilai R2 (0.368) lebih
rendah dibandingkan dengan nilai R2 pada model regresi

96 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 awal yaitu dengan meregres semua variabel independen
terhadap variabel Harga Saham (0.683).

Cara ketiga yang dapat digunakan untuk mengetahui

ada tidaknya multikolinieritas dalam sebuah model regresi
linier yaitu dengan menggunakan nilai Variance Inflation
Factor (VIF) dan Tolerance. Untuk Batasan nilai yang umum
digunakan dalam menunjukkan adanya multikolinieritas yaitu
nilai VIF > 10 dan untuk nilai tolerance < 0.10. Adapun
langkah-langkahnya sebagai berikut:
a. Buka file lembar kerja yang sudah tersimpan pada jendela
workfile, pada contoh ini kita telah menyimpan dengan
nama regres01.

Gambar 5.11 Tampilan Utama Pada Jendela Workfile

b. Selanjutnya pilih View, Coefficient Diagnostics,

Variance Inflation Factors.

PANDUAN PRAKTIS EKONOMETRIKA: 97

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 5.12 Tampilan Utama Perhitungan Nilai Variance
Inflation Factors (VIF)

c. Kita akan memperoleh output hasil analisis untuk nilai

Variance Inflation Factors (VIF) seperti pada gambar
5.13.

Gambar 5.13 Tampilan Output Hasil Perhitungan Nilai

Variance Inflation Factors (VIF)

98 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Berdasarkan output hasil perhitungan nilai VIF
diatas untuk variabel bebas ROA dan ROE, kedua variabel
independen tersebut menghasilkan nilai VIF < 10 yaitu
masing masing ROA = 1.584 dan ROE = 1.584. Untuk
nilai Tolerance (1 – nilai R2) yaitu (1 – 0.368 = 0.632),
dimana nilai tolerance > 0.10. Dengan demikian dapat
disimpulkan bahwa dari hasil analisis dengan
memperhatikan nilai VIF dan nilai Tolerance yang dapat
membuktikan tidak terjadinya gejala multikolinieritas.

5.3. Autokorelasi
Salah satu uji asumsi klasik berikutnya yaitu uji
autokorelasi bertujuan untuk menguji apakah dalam model
regresi linier ada korelasi antarkesalahan penganggu
(residual) pada periode t dengan kesalahan pada periode t-1
(Ghozali dan Ratmono, 2013). Autokorelasi muncul
disebabkan karena observasi yang sifatnya kontinyu dalam
runtun waktu berkaitan satu sama lain. Masalah ini timbul
karena kesalahan pengganggu (residual) tidak bebas dari satu
observasi ke observasi lainnya. Kasus ini seringkali
ditemukan pada data time series karena “gangguan” pada
seseorang individu/kelompok cenderung mempengaruhi
gangguan pada individu/kelompok yang sama pada periode
berikutnya. Beberapa penyebab munculnya masalah
autokorelasi (Suliyanto, 2011) diantaranya yaitu:
1. Adanya Kelembaman (inertia)
Salah satu ciri yang menonjol dari Sebagian data
runtut waktu (time series) dalam fenomena ekonomi
adalah kelembaman, seperti data pendapatan nasional,

PANDUAN PRAKTIS EKONOMETRIKA: 99

Konsep Dasar dan Penerapan Menggunakan EViews 10
 indeks harga konsumen, data produksi, data kesempatan
kerja, data pengangguran yang menunjukkan adanya pola
konjungtur. Dalam situasi seperti ini, data observasi pada
periode sebelumnya dan periode sekarang, kemungkinan
besar akanmengandung saling ketergantungan (interde-
pendence).
2. Bias Spesifikasi Model Kasus Variabel yang Tidak di
masukkan
Hal ini disebabkan oleh tidak dimasukkannya
variabel yang menurut teroi ekonomi sangat penting
perannya dalam menjelaskan variabel tak bebas. Bila hal
ini terjadi, unsur pengganggu (error term) ui, akan
merefleksikan suatu pola yang sistematis diantara sesame
unsur pengganggu sehingga terjadi situasi autokorelasi
diantara unsur pengganggu.
3. Adanya Fenomena Laba-Laba (Cobweb Phenomenon)
Munculnya fenomena sarang laba-laba terutama
terjadi pada peawaran komoditi sector pertanian. Pada
sector ini, reaksi penawaran terhadap perubahan harga
terjadi setelah melalui tenggang waktu (getation period).
Misalnya, panen komuditi permulahan tahundipengaruhi
oleh harga yang terjadi pada tahun sebelumnya. Akibatnya
jika pada akhir tahun t harga komuditi pertanian ternyata
lebih rendah daripada harga tahun sebelumnya maka pada
tahun berikutnya (t+1) aka nada kecenderungan untuk
memproduksi lebih sedikit daripada yang diproduksi pada
tahun t. Akibatnya ui tidak lagi bersifat acak (random),
tetapi mengikuti pola sarang laba-laba.

100 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
4. Manipulasi Data (Manipulation of Data)
Dalam analisis empiris, terutama pada data time-
series, seringkali terjadi manipulasi data. Hal ini terjadi
karena data yang diinginkan tidak tersedia. Contohnya
adalah data GNP. Data GNP biasanya tersedia dalam
bentuk tahunan, sehingga apabila seorang peneliti ingin
mendapatkan data GNP kuartalan, maka peneliti tersebut
harus melakukan interpolasi data. Adanya interpolasi ata
manipulasi data ini jelas akan menimbulkan suatu pola
fluktuasi yang tersembunyi yang mengakibatkan
munculnya pola sistematis dalam unsur pengganggu dan
akhirnya akan menimbulkan masalah autokorelasi.
5. Adanya kelambanan waktu (Time Lags)
Dalam regresi menggunakan data time-series,
pengeluaran konsumsi atas tingkat pendapatan merupakan
hal yang lazim untuk mendapatkan bahwa pola
pengeluaran konsumsi untuk periode sekarang antara lain
ditentukan oleh pengeluaran konsumsi pada periode
sebelumnya, dimana model seperti ini dalam
ekonometrika dikenal dengan istilah regresi model
otoregresif.
Konsumsi (t) = f [(pendapatan (t), konsumsi (t-1)]
Dasar pemikiran diatas adalah konsumen tidak bisa
mengubah pola konsumsinya seketika, walaupun tigkat
pendapatannya meningkat. Hal ini terjadi karena pengaruh
psikologis, teknis, dan kelembagaan. Jika unsur lag diabaikan
dari model diatas, maka ui yang dihasilkan akan
mencerminkan pola sistematis sebagai akibat pengaruh
konsumsi pada periode sebelumnya atas konsumsi sekarang.

PANDUAN PRAKTIS EKONOMETRIKA: 101

Konsep Dasar dan Penerapan Menggunakan EViews 10
Pada umumnya terdapat dua cara yang dapat dilakkan untuk
mendeteksi ada tidaknya gejala autokorelasi yaitu:
Uji Durbin-Watson

Gambar 5.14 Kriteria pengujian Autokorelasi

Adapun cara untuk melakukan uji Durbin-Watson sama
dengan tahapan dalam estimasi regresi, dimana pada tampilan
output hasil estimasi telah menyajikan nilai Durbin-Watson.
Beberapa tahapan yang dilakukan yaitu:
a. Buka menu File, Open, Eviews Workfile pada kasus ini
pilih KASUS 2*.wf1 lalu klik Open.

Gambar 5.15 Tampilan file EViews KASUS 2*.wf1

102 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
Selanjutnya kita akan memperoleh tampilan lembar kerja
(workfile) untuk KASUS 2.

Gambar 5.16 Tampilan Lembar Kerja (Workfile) KASUS

2*.wf1
Langkah selanjutnya yaitu membuat model estimasi
regresi dimana harga saham sebagai variabel dependen
dan roa dan roe sebagai variabel independen.

Gambar 5.17 Tampilan Model Estimasi Regresi

PANDUAN PRAKTIS EKONOMETRIKA: 103

Konsep Dasar dan Penerapan Menggunakan EViews 10
Selanjutnya pilih OK

Gambar 5.18 Output Estimasi Regresi

Berdasarkan pada output hasil estimasi model

regresi, kita dapat mengetahui nilai Durbin-Watson (DW)
sebesar 1.816. Selanjutnya nilai Durbin-Watson tersebut
akan kita bandingkan dengan nilai pada tabel Durbin-
Watson. Untuk memperoleh nilai pada tabel Durbin-
Watson maka terlebih dahulu kita harus menentukan
beberapa nilai diantaranya nilai significance level yang
digunakan yaitu 5%, jumlah pengamatan (T) = 20, dan
untuk jumlah variabel bebas dan intersep) sebesar 2,
sehingga pada tabel Durbin-Watson kita akan memperoleh
nilai sebagai berikut:

104 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 5.19 Kesimpulan Nilai Pengujian Autokorelasi

Berdasarkan pada gambar 1.2 dapat disimpulkan

bahwa nilai Durbin-Watson sebesar 1.816 > dari nilai
batas atas (dU) sebesar 1.537. Dengan demikian dapat
disimpulkan bahwa tidak terdapat autokorelasi.

Uji Breusch-Godfrey
Adapun cara untuk melakukan uji Breusch-Godfrey
sama dengan tahapan dalam estimasi regresi. Beberapa
tahapan yang dilakukan yaitu:
a. Buka menu File, Open, Eviews Workfile pada kasus ini
pilih KASUS 2*.wf1 lalu klik Open.

Gambar 5.20 Tampilan file EViews KASUS 2*.wf1

PANDUAN PRAKTIS EKONOMETRIKA: 105

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Selanjutnya kita akan memperoleh tampilan lembar kerja
(workfile) untuk KASUS 2.

Gambar 5.21 Tampilan Lembar Kerja (Workfile) KASUS

2*.wf1
c. Langkah selanjutnya yaitu membuat model estimasi
regresi dimana harga saham sebagai variabel dependen
dan roa dan roe sebagai variabel independen.

Gambar 5.22 Tampilan Model Estimasi Regresi

106 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
d. Selanjutnya pilih OK

Gambar 5.23 Output Estimasi Regresi

e. Pada tampilan output hasil estimasi pilih menu View,

Residual Test, Serial Correlation LM Test.

Gambar 5.24 Tahapan uji Breusch-Godfrey

PANDUAN PRAKTIS EKONOMETRIKA: 107

Konsep Dasar dan Penerapan Menggunakan EViews 10
f. Adapun untuk nilai lag kita isikan 2 lalu pilih OK.

Gambar 5.25 Tampilan Pengisian Nilai Lag Specification

g. Selanjutnya kita akan memperoleh output hasil estimasi

Gambar 5.26 Tampilan Output Hasil Estimasi

108 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Berdasarkan output hasil estimasi uji Breusch-
Godfrey diperoleh informasi bahwa untuk nilai Obs*R-
Squared tidak signifikan secara statistik (nilai p = 0.0959).
Nilai ini berada diatas dari nilai alpha 5%. Dengan
demikian informasi nilai diatas mengindikasikan tidak
terdapat autokorelasi.

5.4. Heteroskedastisitas
Adanya varian variabel pada model regresi yang tidak
sama (konstan) merupakan indikasi adanya gejala
heteroskedastisitas. Begitu juga sebalikanya apabila varian
variabel pada model regresi memiliki nilai yang sama
(konstan) hal ini menandakan adanya indikasi gejala
homoskedastisitas. Namun yang diinginkan pada model
regresi yaitu adanya gejala homoskedastisitas. Menurut
Suliyanto (2011) ada beberapa penyebab perubahan nilai
varian yang berpengaruh pada homoskedastisitas residualnya.
1. Adanya pengaruh dari kurva pengalaman (learning curve)
Dengan semakin meningkatnya pengalaman maka akan
semakin menurun tingkat kesalahannya. Akibatnya nilai
varian makin lama semakin menurun.
2. Adanya peningkatan perekonomian
Dengan semakin meningkatnya perekonomian maka
semakin beragam tingkat pendapatan sehingga alternatif
pengeluaran juga akan semakin besar. Hal ini akan
meningkatkan varian.
3. Adanya peningkatan Teknik pengambilan data
Jika Teknik pengumpulan data semakin membaik, nilai
varian cenderung mengecil. Misalnya bank yang

PANDUAN PRAKTIS EKONOMETRIKA: 109

Konsep Dasar dan Penerapan Menggunakan EViews 10
 menggunakan peralatan Elektronic Data Processing
(EDP) akan membuat kesalahan yang relatif kecil
dalamlaporan dibandingkan dengan bank yang tidak
mempunyai peralatan tersebut.
Terdapat dua cara untuk mendeteksi ada tidaknya
gejala heteroskedastisitas yaitu dengan penggunaan metode
grafik dan metode uji statistik (uji formal).

5.4.1. Uji Statistik

Terdapat beberapa uji statistik yang dapat digunakan
untuk mendeteksi ada tidaknya gejala heteroskedastisitas
yaitu Uji Glejser dan Uji White.

Uji Gletser
Uji gletser mengusulkan untuk meregres nilai
absolute residual (AbsUi) terhadap variabel independent
lainnya dengan persamaan regresi sebagai berikut:
|Ui| = α + βXi + νi
Apabila nilai koefisien variabel independent Xi (yaitu
β) signifikan secara statistik, maka mengindikasikan adanya
gejala heteroskedastisitas pada model yang diusulkan.
Pada contoh ini kita akan menggunakan variabel
Return on Asset (ROA) dan Return on Equity (ROE) sebagai
variabel independen serta harga saham sebagai variabel
dependen. Adapun bentuk persamaannya sebagai berikut:
Abs Ui = α + β1ROA + β2ROE + νi
Untuk penggunaan program Eviews akan memberikan
kemudahan dimana kita tidak perlu lagi membuat nilai

110 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
absolut secara manual sama Ketika kita menggunakan
aplikasi Eviews. Adapun langkahnya sebagai berikut:
a. Sama dengan Langkah sebelumnya yaitu dengan
mengestimasi model persamaan regresi dengan cara pilih
Quick, Estimate Equation dan akan kita peroleh
tampilan sebagai berikut.

Gambar 5.27 Tahap Estimasi Equation

b. Selanjutnya isikan persamaan regresi yaitu harga saham c
roa roe seperti pada tampilan berikut lalu pilih OK.

Gambar 5.28 Memasukkan Persamaan Pada Estimasi

Equation

PANDUAN PRAKTIS EKONOMETRIKA: 111

Konsep Dasar dan Penerapan Menggunakan EViews 10
c. Pilih menu View, Residual Test, Heteroskedastisity Test
seperti tampilan berikut.

Gambar 5.28 Tahapan Uji Heteroskedastisitas

d. Selanjutnya kita akan memperoleh beberapa alternative
pengujian heteroskedastisitas seperti pada tampilan
berikut.

Gambar 5.29 Tahapan Uji Glejser

112 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
e. Untuk contoh kasus ini kita pilih Uji Glejser lalu pilih
OK.

Gambar 5.30 Output Uji Glejser

Pada output diatas kita dapat mengetahui bahwa

variabel roa roe tidak signifikan, dimana nilai Prob. Untuk
masing masing nilai yaitu ROA sebesar 0.056 dan ROE
sebesar 0.719. Dengan demikian dapat disimpulkan bahwa
dengan menggunakan Uji Glejser menunjukkan bahwa pada
model regresi tidak mengandung heteroskedastisitas.

Uji White
Uji White dapat dilakukan dengan meregres residual
kuadrat (U2i) dengan variabel independent, variabel
independen kuadrat dan perkalian antarvaraibel independent.
Apabila kita misalkan kita memiliki dua variabel independen

PANDUAN PRAKTIS EKONOMETRIKA: 113

Konsep Dasar dan Penerapan Menggunakan EViews 10
pada contoh kasus ini ROA dan ROE, maka penulisan
persamaan regresinya sebagai berikut:

U2i = α + β1ROA + β1ROE + β3ROA2 + β4ROE2 + β5ROA

ROE + νi

Gejala heteroskedastisitas ditunjukkan apabila nilai

X2 hitung > X2 tabel. Nilai X2 mengikuti distribusi Chi-
square dimana derajat bebas (df) sama dengan jumlah
variabel independen dalam model (tidak termasuk nilai
konstanta). Untuk pengamatan yang lebih praktis, kita dapat
menggunakan nilai probability (p) pada output hasil olah
dengan Eviews. Adapun Langkah-langkah yang dapat
dilakukan untuk tahapan uji ini sebagai berikut:
a. Sama dengan Langkah sebelumnya yaitu dengan
mengestimasi model persamaan regresi dengan cara pilih
Quick, Estimate Equation dan akan kita peroleh
tampilan sebagai berikut.

Gambar 5.31 Tahap Estimasi Equation

114 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
b. Selanjutnya isikan persamaan regresi yaitu harga saham c
roa roe seperti pada tampilan berikut lalu pilih OK.

Gambar 5.32 Memasukkan Persamaan Pada Estimasi

Equation
c. Pilih menu View, Residual Test, Heteroskedastisity Test
seperti tampilan berikut.

Gambar 5.33 Tahapan Uji Heteroskedastisitas

PANDUAN PRAKTIS EKONOMETRIKA: 115

Konsep Dasar dan Penerapan Menggunakan EViews 10
d. Selanjutnya kita akan memperoleh beberapa alternative
pengujian heteroskedastisitas seperti pada tampilan
berikut.

Gambar 5.34 Tahapan Uuji White

e. Untuk contoh kasus ini kita pilih Uji White lalu pilih OK.

Gambar 5.36 Output uji White

116 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Berdasarkan pada tampilan output diatas
menunjukkan bahwa nilai Obs*R-squared memiliki nilai
probabilitas Chi-square yang tidak signifikan (nilai
p=0.2500). dengan demikian maka hipotesis hipotesis
alternatif (Ha) adanya heteroskedastisitas dalam model dapat
ditolak. Dimana hiotesis yang diajukan yaitu:
Ho: tidak ada heteroskedastisitas
Ha: terdapat heteroskedastisitas
Dengan demikian pada output hasil menunjukkan
nilai probability yang tidak signifikan, sehingga Ha ditolak
dan Ho diterima. Artinya bahwa dengan menggunakan uji
White dapat membuktikan bahwa model yang diajukan tidak
mengandung heteroskedastisitas.

5.4.2 Uji Linieritas

Uji linieritas bertujuan untuk mengetahui model yang
dibuktikan merupakan model linier atau tidak. Hasil dari uji
linieritas merupakan informasi apakah sebuah model empiris
sebaiknya linier, kuadrat atau kubik. Dalam mendeskripsikan
sebuah model sebaiknya menggunakan persamaan linier atau
tidak maka terdapat beberapa metode yang pergunakan
diantaranya yaitu metode analysis grafik dan metode statistik.
Terdapat beberapa metode statistik yang dapat digunakan
untuk pengujian linieritas diantaranya yaitu Durbin-Watson
Test, Ramsey Test, LM Test, dan MWD Test. Uji linearitas
ini belum tentu dilakukan oleh peneliti, sebab tujuan uji ini
tergantung pada tujuan dilakukannya uji regresi linear. Jika
tujuannya adalah untuk membentuk sebuah model yang baru

PANDUAN PRAKTIS EKONOMETRIKA: 117

Konsep Dasar dan Penerapan Menggunakan EViews 10
dan bersifat BLUE (Best Linear Unbiased Estimation), maka
uji ini disarankan untuk dilakukan.

Ramsey Reset Test (Regression Equation Specification

Error Test)
Ramsey Reset Test ini dikembangkan pertama kali
oleh Ramsey pada tahun 1969, merupakan metode yang
sangat popular untuk pengujian spesifikasi model. Metode ini
mengasumsikan bahwa metode yang benar adalah persamaan
yang linier sehingga hipotesis nol menyatakan bahwa model
adalah linier. Sebaliknya, hipotesis alternative menyatakan
bahwa model adalah tidak linier. Prinsip metode ini adalah
membandingkan antara nilai F hitung (persamaan baru)
dengan nilai F table dengan df = (α, m, n-k)
m = jumlah variabel bebas
n = jumlah observasi
k = banyaknya parameter

a. Sama dengan Langkah sebelumnya yaitu dengan

mengestimasi model persamaan regresi dengan cara pilih
Quick, Estimate Equation dan akan kita peroleh
tampilan sebagai berikut.

118 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Gambar 5.37 Tahap Estimasi Equation

b. Selanjutnya isikan persamaan regresi yaitu harga saham c

roa roe seperti pada tampilan berikut lalu pilih OK.

Gambar 5.38 Memasukkan Persamaan pada Estimasi

Equation
PANDUAN PRAKTIS EKONOMETRIKA: 119
Konsep Dasar dan Penerapan Menggunakan EViews 10
c. Pilih menu View, Stability Diagnostics, Ramsey RESET
Test seperti tampilan berikut.

Gambar 5.39 Tahap Uji Ramsey Test

Isikan angka 1 pada RESET Spesification seperti

tampilan dibawah ini:

Gambar 5.40 Tahapan Pengisian Menu RESET

120 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Selanjutnya pilih OK, maka kita akan memperoleh
tampilan output berikut:

Gambar 5.41 Output Ramsey Test

Uji Linearitas dengan Eviews di atas adalah

menggunakan uji Ramsey Reset Test, dimana hasilnya bisa
anda lihat pada nilai p value yang ditunjukkan pada
kolom probability baris F-statistics. Hasilnya dalam tutorial
ini adalah sebesar 0,0376 dimana < 0,05 sehingga dapat
disimpulkan bahwa model regresi tidak memenuhi asumsi
linieritas.

Konsekuensi dan Cara Mengatasi Pelanggaran Linieritas

Apabila kita salah dalam menentukan apakah model
sebaiknya linier atau non linier maa hal itu akan
mengakibatkan nilai prediksi yang dihasilkan menjadi

PANDUAN PRAKTIS EKONOMETRIKA: 121

Konsep Dasar dan Penerapan Menggunakan EViews 10
menyimpang jauh. Nilai prediksi itu akan menjadi bias. Jika
uji linieritas mengharuskan penggunaan model non linier
maka model harus ditransformasikan ke bentuk non linier,
sedangkanjika uji linieritas mengharuskan penggunaan model
linier maka model tetap menggunakan model linier.

*****

122 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
DAFTAR PUSTAKA

Atmaja, Lukas Setia. 2009. Statistika Untuk Bisnis dan

Ekonomi. Yogyakarta: ANDI.

Ghozali, I. (2014). Ekonometrika: Teori, konsep dan aplikasi

dengan IBM SPSS 22. Semarang: Badan Penerbit
Undip.

Ghozali, I., dan Ratmono, D. (2013). Analisis Multivariat dan

Ekonometrika Teori, Konsep dan Aplikasi dengan
Eviews 8. Semarang: Universitas Diponegoro.

Gravetter Frederick J & Larry B. Wallnau. 2014. Pengantar

Statistika Sosial Statistics for the Behavioral Scinces.
Jakarta: Salemba Empat

Gujarati, D. N. (2006). Dasar-dasar Ekonometrika Jilid

1. Edisi Ketiga. Erlangga. Jakarta.

Bahari, Ira. (2018) Pengaruh Reurn on Asset, Return on

Equity, dan Net Profit Margin terhadap Harga Saham
pada Bank Umum Milik Negara yang Terdaftar di
Bursa Efek Indonesia Periode 2011-2016. Skripsi.
Program Studi Manajemen. Sekolah Tinggi Ilmu
Ekonomi Palopo.

Keynes, J. M. (1936). The General Theory of Employment,

Interest and Money (London, 1936). KeynesThe
General Theory of Employment, Interest and
Money1936.

Malinvaud, E. (1996). Statistical Methods of Econometrics.

Chicago: Rand McNally.

PANDUAN PRAKTIS EKONOMETRIKA: 123

Konsep Dasar dan Penerapan Menggunakan EViews 10
Martono, Nanang. 2014. Statistik Sosial Teori dan Aplikasi
Program SPSS. Yogyakarta: Gava Media.

Neuman, W., Lawrence. 2019. Metodologi Penelitian Sosial:

Pendekatan Kualitatif dan Kuantitatif. Jakarta: Indeks

Santoso, Singgih. 2016. Panduan Lengkap SPSS Versi 23.

Jakarta: Elex Media Komputindo.

Sukestiyarno, Y.L. 2014. Statistika Dasar. Yogyakarta:

ANDI

Suliyanto. 2011. Ekonometrika Terapan Teori dan Aplikasi

dengan SPSS. Yogyakarta: ANDI.

Theil, H. (1971). Principles of Econometrics. New York:

John Wiley & Sons.

Wonnacott, R.J., and T.H.W. (1979). Econometrics (2nd ed.).

New York: John Wiley & Sons.

124 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
INDEKS

- A -
Accidental sampling 23
Adjusted r2 66
An overdetermined model 90
Analisis regresi linier sederhana 37
Statistik deskriptif 25
Angket 7
Autokorelasi 37, 99

- B -
BLUE (best linear unbiased estimation) 37

- C -
Classical liniear regression model (CLRM) 36, 89
Cluster Sampling (area sampling) 21
Constaint on the model or in the population being sampled
90

- D -
Data 7
Datum 7
Data antarruang (cross-sectional) 36
Data diskrit 8
Data kontinum 8

PANDUAN PRAKTIS EKONOMETRIKA: 125

Konsep Dasar dan Penerapan Menggunakan EViews 10
Data kualitatif 8, 11
Data kuantitatif 8 12
Data runtun waktu (time series) 36
Disproportionate stratified random sampling 20
Disturbance 4

- E -
Econometrics 1
Economic 1
Edit
Elektronic Data Processing (EDP) 110
Empiris 2
Error 4
Error term 100
Explanatory 5, 36

- F -
Fenomena 1
Fenomena laba-laba (cobweb phenomenon) 100
Teori konsumsi keynesian 5

- G -
GNP 100

- H -
Harga saham 28
Heteroskedastisitas 109.
Homoskedastisitas 36

126 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 - I -
Income 6
Intercept 4, 38
Interdependence 99
Interval 22

- K -
Kelembaman (inertia) 99
Kelambanan waktu (time lags) 101
Kesalahan prediktor 38
Koefisien slope 3, 4
Kurtosis 34
Kurva pengalaman (learning curve) 109
Kualitatif 7
Kuantitas 7
Klein’s rule of thumb 95

- L -
Lagge value 90
Least squares dummy variable (LSDF) 75
Level of measurement 10
LM test 117
Learning curve 109
Linieritas 117

- M -
Manipulasi data (manipulation of data) 101
Marginal propensity to consume (MPC) 3

PANDUAN PRAKTIS EKONOMETRIKA: 127

Konsep Dasar dan Penerapan Menggunakan EViews 10
Micronumerosity 90
Model parameter 4
MWD Test 117
Metodologi 2
Mean 34
Median 34
Multikolinieritas 89, 99

- N -
Numerik 9
Nilai Maksimum 34
Nilai Mean 34
Nilai Median 34
Nilai Minimum 34
Nilai Probabilitas 52, 66, 84, 117
Nilai Jarque-Bera 89
Nilai Significance Level 104
Nilai Skewness 86
Nilai Kurtosis 86
Nonprobability Sampling 21
Non-Stokastik 36
Normalitas 85
Nominal 11

- O -
Observasi 7, 91
Ordinary least square (OLS) 36, 37, 28
Ordinal 11

128 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 - P -
P value 86
Pendapatan 3, 4
Pengaruh waktu (time efect) 76
Pengamatan 7
Pembilang 7
Pengukuran 7
Pengeluaran konsumsi 3, 4
Pengukuran variabel observed 18
Pengukuran variabel unobserved (laten) 18
Pooled data (gabungan antara time series dan cross-
sectional). 36
Pooled OLS 76
Populasi 18, 19
Predictor 5
Probability sampling 19
Proportionate random sampling 20
Purposive sampling 23

- R -
Ramsey reset test (regression equation specification error
test) 118
Regresi model otoregresif 101
Return on asset (ROA) 27
Return on equity (ROE) 27
Random 100

PANDUAN PRAKTIS EKONOMETRIKA: 129

Konsep Dasar dan Penerapan Menggunakan EViews 10
 - S -
Skala 8
Skala pengukuran 8
Sampel 18, 19
Sampel jenuh 23
Sampling kuota 23
Sampling sistematis 22
Simple random sampling 20
Skala interval 10
Skala kardinal 10
Skala nominal 9
Skala ordinal 9
Skala rasio 10
Skewness 34
Snowball sampling 23
Specification model 90
standar error 89
Standard error of estimate (SE of regression) 51, 83
Statistik deskriptif 25
Standar deviasi 34

- T -
Tunggal 7
Tenggang waktu (getation period) 100
The data collection method employed 90
The fixed effects model (FEM) 75
Tolerance 99
Time series 99, 101

130 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
 - U -
Uji durbin watson 102
Uji breusch-godfrey 105
Uji glejser 110
Uji jarque-bera 85, 86
Uji white 110, 113
Unbias linier estimator 37
Unstacked 74
Unsur pengganggu (error term) 100

- V -
Variabel 7, 15
Variabel dependent 17
Variabel dikotomis 16
Variabel independent 17
Variabel kontinu 16
Variabel moderator 17
Variabel observed 18
Variabel unobserved 18
Variance inflation factor (vif) 97, 98
Variance 36

- W -
Wawancara 7
Workfile 30

PANDUAN PRAKTIS EKONOMETRIKA: 131

Konsep Dasar dan Penerapan Menggunakan EViews 10
 - X -
Xhitung 86
Xtabel 86

*****

132 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
TENTANG PENULIS

Rahmad Solling Hamid, Lahir di

Masamba Kabupaten Luwu Utara
Sulawesi Selatan dan merupakan dosen
tetap pada Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah Palopo.
Menyelesaikan pendidikan Sarjana (S1)
pada Program Studi Manajemen
Universitas Jember 2008. Pendidikan
Magister (S2) diselesaikan pada Progam Studi Manajemen
Universitas Muslim Indonesia 2011. Beberapa hasil
penelitian dipublikasikan pada jurnal Ilmiah Nasional
Terakreditasi dan Jurnal Internasional Ber-ISSN. Adapun
buku yang telah ditulis yaitu (1) STRUCTURAL EQUATION
MODELING (SEM) BERBASIS VARIAN: Konsep Dasar dan
Aplikasi Program SmartPLS 3.2.8 dalam Riset Bisnis, (2)
PENGANTAR STATISTIKA UNTUK BISNIS DAN
EKONOMI: Konsep Dasar dan Aplikasi SPSS versi 25, (3)
MENINGKATKAN MOTIVASI DAN LOYALITAS
PELANGGAN: Belajar dari Unsur Spot Iklan Telkomsel.
Beberapa mata kuliah yang diajarkan yaitu Statistika
Ekonomi, Ekonometrika, Metodologi Penelitian dan
Manajemen Pemasaran.

*****

PANDUAN PRAKTIS EKONOMETRIKA: 133

Konsep Dasar dan Penerapan Menggunakan EViews 10
 Samsul Bachri, Lahir di Kota Palopo
Sulawesi Selatan dan merupakan dosen
tetap pada Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah Palopo.
Menyelesaikan pendidikan Sarjana (S-1)
pada Fakultas Ekonomi jurusan Ilmu
Ekonomi dan Studi Pembangunan pada
Universitas Muslim Indonesia 1988. Untuk jenjang
pendidikan magister (S-2) diselesaikan di STIE Patria Artha
Makassar 2008. Beberapa hasil penelitian dipublikasikan
pada Junral Ilmiah Nasional Ber-ISSN dan Prosiding
terindeks scopus. Beberapa mata kuliah yang diajarkan yaitu
Ekonometrika, Riset Operasional dan Penganggaran
Perusahaan.

*****

134 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10
Salju, Lahir di Walenrang Kabupaten
Luwu dan merupakan rektor serta
dosen tetap pada Universitas
Muhammadiyah Palopo. Menyelesaikan
pendidikan kejenjang strata satu (S1) di
Sekolah Tinggi Ilmu Ekonomi
Muhammadiyah Palopo pada Program
Studi Manajemen. Pendidikan Magister (S2) dan program
doktor (S3) diselesaikan di Universitas Muslim Indonesia
pada Program Studi Manajemen. Beberapa hasil penelitian
dipublikasikan pada jurnal Ilmiah Nasional ber-ISSN dan
Jurnal Internasional terindeks scopus. Adapun buku yang
telah ditulis yaitu (1) Melentingkan Kinerja Dosen di Era
Digital Melalui Motivasi, Kepribadian, dan Kepemimpinan
dan (2) MEMBUMIKAN KEPEMIMPINAN DAN BUDAYA
ISLAMI Sebuah Solusi Meningkatkan Kinerja Perbankan
Syariah. Selain itu penulis juga aktif dibeberapa organisasi
profesi yaitu, (1) Asosiasi Dosen Indonesia (ADI), (2)
Asosisasi Penerbit Perguruan Tinggi Swasta Indonesia
(APPTI) Wilayah komisariat Tana Luwu dan Tana Toraja,
(3) Asosiasi Perguruan Tinggi Swasta Indonesia (APTISI)
wilayah komisariat Tana Luwu dan Tana Toraja. Selanjutnya
penulis juga aktif dalam persyarikatan Muhammadiyah
sebagai Wakil Ketua Pimpinan Daerah Muhammadiyah.
Beberapa mata kuliah yang diajarkan yaitu Teori Ekonomi
Makro, Metodologi Penelitian Kuantitatif dan Kualitatif,
Perekonomian Indonesia, dan Manajemen Sumber Daya
Manusia.
*****

PANDUAN PRAKTIS EKONOMETRIKA: 135

Konsep Dasar dan Penerapan Menggunakan EViews 10
Muhammad Ikbal, Lahir di Cendana
Putih Kabupaten Luwu Utara Sulawesi
Selatan dan merupakan dosen tetap pada
Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah Palopo.
Menyelesaikan pendidikan Sarjana (S1)
pada Program Studi Ilmu Ekonomi
Pembangunan Sekolah Tinggi Ilmu Ekonomi
Muhammadiyah Palopo. Untuk jenjang pendidikan magister
(S2) diselesaikan pada Program Studi Ekonomi
Pembangunan dan Perencanaan Universitas Muslim
Indonesia. Beberapa hasil penelitian dipublikasikan pada
jurnal Ilmiah Nasional Terakreditasi dan Jurnal Internasional
Ber-ISSN. Beberapa mata kuliah yang diajarkan yaitu
Pengantar Ekonomi Makro, Perekonomian Indonesia,
Ekonomi Koperasi dan UKM, dan Ekonomi Perencanaan
Pembangunan.

*****

136 PANDUAN PRAKTIS EKONOMETRIKA:

Konsep Dasar dan Penerapan Menggunakan EViews 10