RAHMANTA
SOSIAL EKONOMI PERTANIAN
FAKULTAS PERTANIAN
UNIVERSITAS SUMATERA UTARA
MEDAN
APLIKASI EVIEWS DALAM EKONOMETRIKA
1. Membuat File Baru, Menyimpan dan Membuka File
Jalankan aplikasi Eviews melalui start program di windows dan pilih Eviews. Dalam hitungan beberapa detik muncul tampilan awal Eviews, seperti pada Gambar 1. Klik perintah menu File – New – Workfile secara berurutan,
sehingga akan tampil jendela workfile range seperti pada Gambar 2.
Gambar 3. Jendela workfile
Tampilan berikutnya setelah perintah Ok di klik adalah jendela workfile.
Pada posisi awal workfile, jalankan menu Quick – Empty Group (Edit Series)
yang ada di sebelah atas, maka secara langsung kita akan dibawa ke jendela worksheet Group Series. Biarkan jendela ini tetap terbuka dan diperbesar untuk
Gambar 4. Gambar perintah quick
Klik kotak ini untuk memperbesar tampilan jendela group
lanjutkan dengan klik menu Edit – Paste, otomatis data dan nama-nama variabel
yang di copy dari file excel akan langsung ditempel pada pada lembar kerja
Eviews.
Gambar 6. Cara memblok kolom pada jendela group workfile Arahkan kursor pada bar
kolom pertama dan klik sekali hingga seluruh barisnya pada kolom ini kena blok
Hasil akhir yang dapat dilihat dari perintah-perintah Copy Paste di atas
adalah seperti yang dicantumkan dalam Gambar 7. di bawah ini. Selanjutnya untuk mengetahui apakah nama-nama variabel yang akan dioperasionalkan sudah tercantum dengan benar sesuai keinginan kita, tutup saja jendela group tersebut melalui cara klik sekali x, dilanjutkan klik kembali Yes pada jendela Delete
(jangan khawatir perintah ini bukan untuk menghapus data, tetapi untuk menghilangkan jendelanya saja).
Gambar 7. Perintah untuk menutup jendela group
Sekarang pada tampilan jendela workfile sudah bisa kita lihat ada lima nama variabel operasional yang tercantum ditambah dengan dua nama variabel default Eviews (dibuat eviews sendiri) yaitu C dan resid, atau secara lengkap
seperti pada gambar dibawah ini.
Klik sekali untuk menutup jendela group
Gambar 8. Jendela workfile setelah dilakukan pengisian data
Apakah kita ingin melihat data-data itu kembali. Kalau memang ingin melihat caranya mudah. Tekan tombol Ctrl dan tahan, arahkan kursor ke variabel X1 dan klik sekali. Masih tetap menekan Ctrl kemudian gerakan kursor ke variabel X2 klik sekali. Pindah sekarang ke variabel X3 klik sekali. Begitu seterusnya,
hingga semua variabel yang ingin ditampilkan datanya telah ditandai blok. Sesudah tombol Ctrl dilepas, berikutnya arahkan kursor ke toolbar Show dan klik
sekali. Selanjutnya jendela konfirmasi show yang memuat nama-nama variabel yang akan ditampilkan datanya, untuk itu kita klik sekali Ok. Lihat, di depan kita
saat ini sudah ada kembali lembar kerja Group Series yang menyajikan data-data yang telah kita isi sebelumnya.
Gambar 9. Jendela show untuk melihat data kembalai
Sebelum kita menjalankan analisis data lebih lanjut, sebaiknya data-data itu disimpan terlebih dahulu dengan perintah kerja File – Save as, dan tulis nama
filenya, misalkan MEP. Sebagai latihan, ada baiknya file yang sudah disimpan itu
ditutup menggunakan perintah File – Close. Nantinya akan kita buka kembali
Gambar 10. Perintah-perintah file di eviews
2. Analisa Regresi
Anggaplah sekarang kita akan membuat model regresi linier berganda dengan bentuk persamaan :
Y = a0 + a1 X1 + a2 X2 + a3 X3
Menggunakan eviews akan dibangun persamaan di atas dengan cara sebagai berikut. Sekarang kita buka file MEP, melalui perintah File – Open seandainya
file MEP telah kita tutup. Setelah file-nya terbuka, kita masuk ke menu regresi dengan perintah Quick – Estimate Equation. Selanjtnya pada jendela Equation Specification cantumkan nama-nama variabel yang akan diregresikan. Ditulis
terlebih dahulu nama variabel terikatnya atau dependen variabel (Y), selanjutnya variabel-variabel bebas termasuk konstanta (C). Cara menulis persamaan regresinya adalah :
Karena kita akan melakukan analisis regresi linier berganda maka pilih dalam kotak Estimation Setting yaitu Method LS – Least Square (NLS and ARMA),
kemudian klik Ok.
Gambar 12. Perintah kerja penulisan variabel dependen dan variabel independen
Gambar 13. Jendela output regresi linear berganda
Ada baiknya output di atas kita copikan terlebih dahulu pada lembar kerja yang lain, misalkan dalam file MsWord. Perintah kerjanya sama seperti biasa kita
Klik sekali name untuk memberi nama output, dimana sewaktu-waktu dapat dipanggil kembali
melakukan copy dan paste diantara dua jendela. Blok semua output di atas dengan cara menyorotinya menggunakan mouse. Kemudian pada posisi semua sudah kena blok, klik menu Edit – Copy dan Ok. Pindah sekarang ke jendela MsWord, dan
tempatkan kursor di daerah yang akan ditempatkan output tersebut. Berikutnya gunakan perintah paste di MsWord atau Ctrl-V.
Selain itu, output tersebut harus diberi nama, karena suatu saat kita perlu
mengeluarkannya kembali. Caranya, masih tetap berada di jendela output, klik
icon Name, kemudian cantumkan nama obyeknya yang baru pada kolom Name to identity object atau lebih mudah menggunakan nama obyek yang sudah disiapkan
oleh Eviews (default) yaitu eq01. Sesudah diberi nama obyek, lanjutkan dengan
mengklik Ok. Suatu waktu bila kita ingin mengeluarkan output tersebut kembali
kita cukup hanya dengan klik obyek eq01 pada jendela worksheet eviews.
Gambar 14. Jendela pemberian nama output regresi
Agar tampilannya lebih informatif, kita bisa menyusun output tersebut secara singkat, yaitu :
Y = -34668,50 + 74,92 X1 + 15629,21 X2 – 2,25 X3 SE (17958,87) (10,48) (8736,87) (4,73) t-stat (-1,93)* (7,14)* (1,78)* (-0,47)
menandakan bahwa variasi dari perubahan nilai harga rumah (Y) mampu dijelaskan secara serentak oleh variabel-variabel luas tanah (X1), jumlah kamar (X2) dan X3 (jarak atau jauhnya lokasi rumah dari pusat keramaian) sebesar 91,25%, sedangkan sisanya sebesar 8,75% dijelaskan oleh faktor-faktor lain yang tidak masuk dalam model.
Analisis selanjutnya, semua variabel yang ditempatkan dalam model, yakni : Y (harga rumah), X1 (luas tanah), X2 (jumlah kamar), dan X3 (jarak atau jauhnya lokasi rumah dari pusat keramaian) perlu diinterpretasi apakah sesuai dengan kriteria ekonomi. Selanjutnya lakukan pengujian secara parsial untuk menentukan signifikan atau tidak signifikan masing-masing koefisien regresi secara sendiri terhadap variabel dependen (Y).
Dari ke-3 variabel bebas tersebut, ada dua variabel yang berpengaruh signifikan terhadap variabel Y, yaitu X1 dan X2. Hal ini ditandai bahwa t-stat
untuk koefisien regresi masing-masing variabel bebas tampak lebih besar dibandingkan t-tabel pada level 5% dan degree of fredom sebesar 20. Untuk
variabel X1 t-stat = 7,14 > t-tabel (0,05 ; 20) = 1,725. Kemudian variabel X2 t-stat
= 1,78 > t-tabel (0,05 ; 20) = 1,725. Sedangkan variabel X3 tidak berpengaruh
signifikan terhadap variabel Y. Hal ini ditandai bahwa t-stat untuk koefisien regresi variabel bebas tampak lebih kecil dibandingkan t-tabel pada level 5% dan degree of fredom sebesar 20. Untuk variabel X3 t-sat = 0,47 < t-tabel (0,05 ; 20) = 1,725.
Selanjutnya, pengujian secara serentak/bersama-sama, ada tidaknya pengaruh yang signifikan secara bersama-sama, pengujian ini melibatkan ketiga variabel (X1, X2 dan X3) terhadap variabel Y. Pengujian secara serentak
menggunakan distribusi F yaitu membandingkan antara F-stat dengan F-tabel. Hasil melalui program Eviews diperoleh nilai F-stat = 69,53 > F-tabel (0,05 ; 3 ; 20) =
3,10 maka dapat disimpulkan bahwa variabel X1, X2 dan X3 secara serentak
mempunyai pengaruh yang sangat signifikan terhadap perubahan variabel Y.
3. Uji Asumsi-asumsi Klasik Dalam Regresi
Secara teoritis telah diungkapkan bahwa salah satu metode pendugaan parameter dalam model regresi linear adalah Ordinary Least Square (OLS). Metode OLS digunakan berlandaskan pada sejumlah asumsi tertentu. Ada beberapa asumsi yang harus dipenuhi, pada prinsipnya model regresi linear yang dibangun sebaiknya tidak boleh menyimpang dari asumsi BLUE (Best, Linear, Unbiased dan
Estimator), dalam pengertian lain model yang dibuat harus lolos dari penyimpangan asumsi adanya serial korelasi, normalitas, linearitas, heteroskedastisitas dan multikolinearitas. Selanjutnya, kita akan melakukan uji asumsi klasik tersebut.
3.1. Uji Serial Korelasi
Serial korelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah serial korelasi timbul karena residual tidak bebas dari suatu observasi ke observasi lainnya. Masalah ini sering ditemukan apabila kita menggunakan data time series/runtut waktu. Hal ini disebabkan karena error pada seorang individu cendrung akan mempengaruhi error pada individu yang sama pada priode berikutnya. Sedangkan, pada data cross section, masalah serial korelasi jarang terjadi karena error pada observasi yang berbeda berasal dari individu yang berbeda.
Buka kembali lembaran output model regresi yang sudah kita beri nama sebelumnya (lihat kembali Gambar 13, oleh karena itu sangat disarankan setiap output equation diberi nama), dengan cara klik sekali = eq1 yang tertera di lembar
kerja Eviews. Sesudah output yang dimaksud keluar, klik View – Residual Test
Gambar 16. Output untuk uji serial korelasi
Untuk mendeteksi adanya serial korelasi dengan membandingkan nilai X2 hitung dengan X2 tabel, yaitu :
a. Jika nilai X2 hitung > X2 tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah serial korelasi ditolak.
b. Jika nilai X2 hitung < X2 tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah serial korelasi diterima.
Analisis Hasil Output, lihat nilai Obs* R squared (disebut juga X2 hitung) sebesar
Gambar 18. Output untuk uji normalitas
Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai Jarque Bera (JB) dengan X2 tabel, yaitu :
a. Jika nilai JB > X2 tabel, maka residualnya berdistribusi tidak normal. b. Jika nilai JB < X2 tabel, maka residualnya berdistribusi normal.
Analisis Hasil Output, bahwa nilai JB sebesar 3,447. Karena 3,447 < 5,99 maka
dapat disimpulkan bahwa residual berdistribusi normal.
3.3. Uji Linearitas
Pada posisi jendela output uji normalitas atau pada jendela output awal, klik
View – Stability Test dan Ramsey Reset Test, ketika muncul jendela reset yang
menanyakan jumlah fitted terms kita abaikan saja, lanjut dengan klik sekali Ok
Gambar 20. Output untuk uji linearitas
Untuk mendeteksi apakah model linear atau tidak dengan membandingkan nilai F-statistic dengan F-tabel, yaitu :
a. Jika nilai F- statistic > F-tabel, maka hipotesis yang menyatakan bahwa model linear adalah ditolak.
b. Jika nilai F- statistic < F-tabel, maka hipotesis yang menyatakan bahwa model linear adalah diterima.
Analisis Hasil Output, bahwa nilai F-statistic sebesar 6,827 kemudian
dibandingkan dengan F-tabel (0,05, (2) (20)) sebesar 3,49. Berarti nilai F- statistic > F-tabel maka model tidak linear.
(ketik : X1 C X2 X3)
X2 = b0 + b1 X1 + b2 X3 ... (3)
(ketik : X2 C X1 X3)
X3 = b0 + b1 X1 + b2 X2 ... (4)
(ketik : X3 C X1 X2)
Hasil estimasi regresi untuk persamaan kedua untuk X1:
Hasil estimasi regresi untuk persamaan ketiga untuk X2:
Gambar 22. Output untuk variabel X3
Untuk persamaan (1) nilai R2 adalah sebesar 0,9125 selanjutnya disebut R2 1
Untuk persamaan (2) nilai R2 adalah sebesar 0,6801 selanjutnya disebut R211
Untuk persamaan (3) nilai R2 adalah sebesar 0,6482 selanjutnya disebut R212
Untuk persamaan (4) nilai R2 adalah sebesar 0,6519 selanjutnya disebut R213
Ketentuan :
Bila nilai R21 > R211, R212, R213 maka model tidak diketemukan adanya
multikolinearitas. Bila nilai R2
1 < R211, R212, R213 maka model diketemukan adanya
multikolinearitas.
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R211, R212, R213 maka
3.5. Uji Heteroskedastisitas 3.5.1. Uji White
Lakukan estimasi persamaan regresi berganda di atas, setelah itu klik View – Residual test – White Heteroskedastisitas (no cross terms) dan lakukan juga
untuk yang cross terms.
Hasil output white heteroskedastisitas (no cross terms)
Gambar 23. Output untuk cross terms
Apabila nilai X2 hitung (nilia Obs* R squared) > nilai X2 tabel, misalnya
dengan derajat kepercayaan α = 5%, baik untuk cross terms maupun no cross terms maka dapat disimpulkan model di atas tidak lolos uji heteroskedastisitas.
Hasil analisis output, berdasarkan table output di atas, tampak bahwa nilai Obs* R
white cross terms adalah sebesar 5,112, dan nilai X2 tabel dengan derajat kepercayaan α = 5% adalah sebesar 7,81.
Karena nilai X2 hitung (nilai Obs* R squared) < nilai X2 tabel, naik untuk cross
terms maupun no cross terms maka dapat disimpulkan model di atas lolos uji heteroskedastisitas.
Laborotium Komputer Fakultas Ekonomi, Universitas Indonesia, Jakarta.
4. Sarwoko, 2005. Dasar-dasar Ekonometrika. Penerbit Andi, Yogyakarta.
5. Sunyoto, D. 2007. Analisis Regresi dan Korelasi Bivariat. Penerbit Amara
Books, Yogyakarta.
6. Sumodiningrat, G. 1994. Pengantar Ekonometrika. Penerbit BPFE,
Yogyakarta.
7. Thomas, R.L. 1997. Modern Econometrics. Addison Wesley Longman
Limited, England.
