Inteprestasi Hasil Output

INTEPRESTASI OUTPUT

Dependent Variable: Y
Method: Least Squares
Date: 11/23/17   Time: 10:10
Sample : 1960-1982
Included observations: 23
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	36.30322	3.867471	9.386812	0.0000
X1	0.002101	0.003190	0.658788	0.5184
X2	-0.636353	0.164748	-3.862585	0.0011
X3	0.217663	0.058102	3.746221	0.0015
X4	0.097555	0.041223	2.366548	0.0294
R-squared	0.939196	Mean dependent var		39.71304
Adjusted R-squared	0.925683	S.D. dependent var		7.449668
S.E. of regression	2.030858	Akaike info criterion		4.444454
Sum squared resid	74.23895	Schwarz criterion		4.691301
Log likelihood	-46.11123	Hannan-Quinn criter.		4.506536
F-statistic	69.50775	Durbin-Watson stat		1.387410
Prob(F-statistic)	0.000000

Hasil analisis diatas menggunakan aplikasi pengolah data Eviews 8 dengan menggunakan metode estimasi. Terlihat dari hasil analisis diatas, terdapat beberapa hal dari hasil analisis yang saya rincikan sebagai berikut:

Dependen variabel Y : Menjelaskan bahwa dalam penelitian ini menggunakan Y sebagai variabel dependen.

Method : Panel Least Square : menjelaskan metode yang digunakan untuk analisis yang menapanel least adalah fixed effect model.

Sample : 1960-1982 : Menunjukkan series waktu yang digunakan dalam kajian analisis

Periode Include : 23 : Merupakan banyaknya / lamanya/ series tahun dalam menelitian.

Estimation Command:

OUTPUT REGRESI LINEAR DENGAN EVIEWS

Identifikasi Variabel

    Variabel responses ditunjukkan dengan nilai “Dependent Variable” yaitu Y

Variabel prediktor yang menjadi bagian dalam model ditunjukkan pada kolom variabel dimana dalam hal ini adalah variabel X1,X2,X3,X4, dan konstanta (Symbol C).

T Parsial

    Analisis ini digunakan untuk mengukur kekuatan dua variabel atau lebih dan juga menunjukkan hubungan antara variabel dependen dengan variabel independen. Adapun rumusnya yaitu sebagai berikut:

Y = a + b1 X1  + b2 X2 + b3 X3 + b4 X4 +e

Digunakan untuk mengetahui ada tidaknya hubungan atau pengaruh variabel bebas. Dengan cara melihat hal tersebut :

Jika Prob > α H₀ ditolak

Jika Prob < α H₀  Diterima

Catatan :

H₀  : Variabel independen tidak mempengaruhi variabel dependen

H_{1 :} Variabel independen mempengaruhi variabel dependen

T parsial ditunjukkan dengan nilai “t-statistics”.

-      Nilai t parsial X1 sebesar 0.658788. nilai ini kita bandingkan dengan t tabel, namun agar proses lebih cepat kita dapat melihat p value dari t parsial. Jika t statisic > dari α = 0,05 maka H₁ ditolak atau berarti variabel X1 tidak berpengaruh secara parsial di dalam model terhadap variabel response (Y). Nilai p value t parsial X1 adalah 0.5184 dimana > 0,05 maka H₁ ditolak dengan arah hubungan positif.

-      Nilai X2 sebesar -3.862585. maka t statistic < α maka H₁ diterima berarti X2 berpengaruh secara parsial di dalam model terhadap variabel responses (Y). Nilai p value t parsial X1 adalah 0.0011 dimana < α maka H₁ diterima dengan arah hubungan negatif.

-      Nilai X3 sebesar 3.746221. maka t statistic > α maka H₁ ditolak berarti X3 tidak berpengaruh secara parsial di dalam modal terhadap variabel response (Y). Nilai p value t parsial X3  adalah 0.0015 dimana < dari 0,05 maka H₁ diterima dengan arah hubungan positif.

-      Nilai X4 sebesar 2.366548, maka t statistic > α maka H₁  ditolak berarti X4 tidak berpengaruh secara parsial di dalam modal terhadap variabel responses (Y). Nilai p value t parsial X4 adalah 0.0294 dimana > dari 0,05 maka H₁ Ditolak dengan arah hubungan positif.

    Berdasarkan hasil pengujian dengan metode regresi linear berganda untuk menguji pengaruh variabel independen (X1, X2, X3, X4) terhadap variabel dependen (Y) maka dapat disusun dalam sebuah persamaan sebagai berikut:

Y = C(1) + C(2)*X1 + C(3)*X2 + C(4)*X3 + C(5)*X4

Y = 36.3032186495 + 0.00210145736311*X1 - 0.636353436773*X2 + 0.217662563342*X3 + 0.097555258358*X4

Koefisien Beta

    Koefisien beta dalam eviews ditunjukkan dengan label “coefficient”. Koefisien beta adalah nilai prediksi sebuah varianel di dalam model dalam variabel response. Tabel diatas nilai koefisien beta X1 adalah 0.002101 yang berarti X1 dapat menjelaskan Y sebesar 0,2 %.

Koefisien X2 adalah 0.636353 yang berarti X2 dapat menjelaskan Y sebesar 63%.

Koefisien X3 adalah 0.217663 yang berarti X3 dapat menjelaskan sebesar 21%.

Koefisien X4 adalah 0.097555 yang berarti X3 dapat menjelaskan sebesar  9,7%.

Koefisien Determiasi Berganda.

    Nilai koefisien determinasi berganda dalam eviews sama seperti halnya dengan aplikasi lainnya yaitu deberi label R-Square. Dalam tabel diatas  sebesar 0.939196 yang berarti sekumpulan variabel predictor di dalam model dapat menjelaskan variabel responses sebesar 93.9196%. sedangkan sisanya dijelaskan oleh variabel lain diluar model yang tidak diteliti.

Adjusted R Square

    Nilai adjusted R Square artinya nilai R Square yang telah terkoreksi oleh nilai standar error. Dalam tabel diatas adjuster R Square sebesar 0.925683. sedangkan nilai standart error model regresi 2.030858 ditunjukkan dengan label S.E Of regression. Nilai standar error ini lebih besar dari pada nilai standart deviasi variabel response yang dijuntukkan dengan label “S.D. dependent var” yaitu sebesar 7.449668 yang diartikan bahwa model regresi tidak valid sebagai model prediktor.

Uji Simultan

    Uji simultan dengan eviews diperlihatkan dengan hasil nilai Uji F seperti layaknya kita menggunakan program aplikasi pengolah data yang lainnya. Namun dalam eviews diberi label F-Statistic. Dalam tabel diatas nilai F sebesar 69.50775 dengan p value sebesar 0.000000 dimana < 0,05 atau batas kritis penelitian, sehingga dapat disimpulkan menerima H₁. Menerima H₁ Dalam uji simultan berarti bahwa variabel bebas secara serentak mempengaruhi secara bermakna terhadap variabel terikat.