Resume W5 (Lanjutan): Latihan Eviews: Part 2

CONTOH 2: Menggunakan Analisis Regresi Berganda

Tahap I dan tahap II yang dilakukan pada contoh 2 ini, sama seperti yang dilakukan pada contoh 1, hanya saja yang membedakannya, pada contoh 2 ini kita menggunakan satu variabel terikat (Y) dan dua variabel bebas (X). Karena kita menggunakan regresi berganda yang dalam pengertiannya adalah menggunakan dua atau lebih variabel bebas dan satu variabel terikat. Dalam contoh ini kita akan menggunakan Pembiayaan sebagai variabel terikat (Y), DPK dan NPF seagai variabel bebas (X1 dan  X2)

Berikut langkah input datanya:

• Tekan ctrl secara bersamaan dengan klik dan klik variabel secara berurutan sesuai susunan kolom data yang akan di input. Misalkan data:

Y (F)	X1 (DPK)	X2 (NPF)
147505	147512	218635
154072	150795	246340
161081	156964	268234
163407	158519	270001
167259	163858	284874
171227	163966	310107
174486	166453	301628
174537	170222	313291
177320	171701	334655
179284	174018	326943
180833	176292	324142
184122	183534	288373
181398	177930	340602

• Klik kanan pada variabel yang diblok lalu pilih “open” lalu “as group”

• Setelah itu, akan muncul kolom seperti dibawah ini, kemudia klik “edit” lalu isi dengan data yang tersedia di masing-masing variabel. Setelah diisi, lalu klik close (x).

TAHAP III : ESTIMASI MODEL REGRESI LINEAR

• Klik variabel Y, lalu tekan tombol ctrl, klik variabel x1
• Klik kanan lalu pilih “open” “as equation”

• Ketika muncul jendela Equation Estimation, pastikan pada form Equation specification tertulis semua variabel dengan urutan Y X1 X2 lalu ketik C yang merupakan persamaan regresi alpha (α) atau coefficient. Pada estimation settings bagian method pilih Least Squares (NLS dan ARMA).
• Klik OK

INTERPRETASI OUTPUT

Interpretasi: melihat tingkat signifikasi

Hipotesis:

H₀ = Tidak signifikan

H_1­ = Signifikan

1. Uji F >> digunakan untuk melihat apakah variabel bebas (X) mempengaruhi secara simultan terhadap variabel terikat (Y). Pengujian melalui uji F adalah dengan membandingkan F-statistic/F_hitung (Fh) dengan F_tabel (Ft) pada α = 0,05. Jika tingkat p-value (prob(f-statistic) < tingkat error/signifikasi maka H₀ ditolak dan H₁ diterima. Jika tingkat p-value (prob(f-statistic) > tingkat error/signifikasi maka H₀ tidak dapat ditolak dan H₁ ditolak.

Jika F_hitung < F_tabel maka H₀ ditolak dan H₁ diterima.

Jika F_hitung > F_tabel maka H₀ tidak dapat ditolak dan H₁ ditolak.

Pada contoh diatas, p=value < α (0,000000 < 0,05) maka H₀ ditolak dan H₁ diterima. Artinya, DPK dan NPF (X₁ dan X₂) berpengaruh secara signifikan terhadap jumlah pembiayaan (Y).

2. UJI T >> digunakan untuk melihat apakah masing-masing variabel bebas (X) mempengaruhi secara parsial terhadap variabel terikat (Y). Jika tingkat pvalue (prob) < tingkat error/signifikasi maka H₀ ditolak dan H₁ diterima. Jika tingkat pvalue (prob) > tingkat error/signifikasi maka H₀ tidak dapat ditolak dan H₁ ditolak. Pengujian melalui uji T adalah dengan membandingkan t_hitung (th) dengan T_tabel (tt) pada α = 0,05.

Jika T_hitung < T_tabel maka H₀ ditolak dan H₁ diterima.

Jika T_hitung > T_tabel maka H₀ tidak dapat ditolak dan H₁ ditolak.

Pada contoh ini, pertama-tama kita lakukan analisis pada variabel DPK (X₁). p-value < α (0.0081 < 0.05), maka H₀ ditolak dan H₁ diterima. Artinya, variabel DPK berpengaruh secara signifikan terhadap jumlah pembiayaan. Kedua, lakukan analisis pada variabel NPF (X₂). p-value < α (0,1495), maka H₀ tidak dapat ditolak dan H₁ ditolak. Artinya, variabel NPF tidak berpengaruh secara signifikan terhadap jumlah pembiayaan.

3. Uji Koefisien Determinasi >> merupakan uji untuk mengetahui berapa besar pengaruh seluruh variabel bebas terhadap variabel terikat. Uji koefisien determinasi dapat dilihat melalui R-Squared dan Adjusted R-Squared. Penggunaan Adjusted R-Squared dilakukan apabila dalam penelitian model regresi mengalami modifikasi seperti penambahan dan/atau pengurangan variabel bebas (dengan asumsi yang tepat seperti apabila terjadi masalah multikolinearitas dalam model regresi). Sehubungan pada contoh ini model regresi tidak mengalami penambahan dan/atau pengurangan variabel bebas, maka digunakan uji R-Squared (R²). Nilai R² berada dalam interval antara 0 dan 1 (0<R² <1) yang artinya akan semakin baik apabila nilai tersebut mendekati satu.

Dalam contoh diatas, kita akan melihat pengaruh variabel bebas terhadap variabel terikat. Dapat dilihat bahwa hasil R-Squared adalah 0.920690, yang artinya bahwa variabel bebas (DPK dan NPF) dapat mempengaruhi besar terhadap variabel terikat (jumlah pembiayaan) sebesar 92,06%, sedangkan sisanya dipengaruhi oleh variabel lain diluar penelitian.

4. Model Regresi Linear >> Jika menggunakan regresi berganda maka akan menggunakan satu variabel terikat (Y) dan dua atau lebih variabel bebas (X). Model regresi pada penelitian ini dapat disusun menggunakan persamaan regresi berikut: IHSG  = α + β₁ DPK + β₁ NPF

Lihat output Eviews pada kolom 4 Coefficient Variable DPK dan NPF yang merupakan nilai β₁ dan β₂. Sedangkan Variable C (Konstanta) meruapakan nilai α. Sehingga persamaan regresi pada contoh ini dapat disusun sebagai berikut: F = 61925.21 + 0.527479 DPK + 0.070627 NPF

Jumlah pembiayaan (Y) tergantung pada besarnya DPK dan NPF (X). Jika variabel bebas dianggap konstan maka jumlah pembiayaan konstanta. α = 61925.21, artinya apabila DPK  dan NPF sebesar 0, maka jumlah pembiayaan sebesar  61925.21. β₁ = 0.527479, artinya dengan asumsi NPF tetap, maka setiap peningkatan DPK sebesar 1% akan menaikkan jumlah pembiayaan sebesar 0.527479%.
*)Catatan: Tanda negatif pada β₁ merupakan arah pengaruh DPK terhadap jumlah pembiayaan. Pada contoh ini, Inflasi berpengaruh positif terhadap pembiayaan dan signifikan pada α = 5%.

β₂ = 0.070626, artinya dengan asumsi DPK tetap, maka setiap peningkatan NPF sebesar 1% akan meningkatkan jumlah pembiayaan sebesar 0.070626%. *)Catatan: Tanda positif pada β₂ menunjukkan bahwa pada contoh ini NPF berpengaruh positif terhadap jumlah pembiayaan dan signifikan pada α = 5%.