Dokumen ini membahas analisis statistik menggunakan EViews, mencakup pengenalan statistika dasar, skala pengukuran, dan berbagai uji asumsi klasik dalam regresi, seperti uji normalitas, heteroskedastisitas, multikolinieritas, dan autokorelasi. Selain itu, dijelaskan tentang teknik analisis regresi data panel dan pemilihan model yang tepat. Uji statistik ini penting untuk memastikan validitas model regresi dalam analisis data.

1. ANALISIS STATISTIK
PENDEKATAN
E V I E W S
I K A S W A S T I P U T R I , S E , M . A k

2. OVERVIEW
1.Pengenalan statistika dasar
2.Skala pengukuran
3.Pengenalan Program Eviews
4.Praktik Tabulasi Data Eviews
5.Uji Asumsi Klasik Padaa Eviews
6.Penanganan Data Tidak Normal
7.Uji Regresi Linier sederhana
8.Uji Regresi Linier Berganda
Konsep dasar Analisis Regresi Data
Panel
9.
10.Tahapan Regresi data Panel
Metode Estimasi Model Regresi Data
Panel Pada Eviews
11.
Pemilihan Model Regresi Data Panel
Pada Eviews
12.
Analisis Regresi Data Panel pada
Eviews
13.

3. Statistika adalah suatu
kumpulan angka yang tersusun
lebih dari satu angka
Statistika adalahh
kumpulanmetode yag digunakan
untuk merencsnakan eskperimen,
mengambil data, dan kmudian
menyusun , meringkas,
menyajikan, menganalisis,
meginterpretasikan dan
mengambil simpulan yang
didsarkan padda data tersebut.

4. NOMINAL
Sifatnya hanya untuk membedakan antar kelompok. Artinya data
hanya dibedakan berdasarkan kategori.
Jika suatu pengukuran data hanya menghasilkan satu dan hanya
satu-satunya kategori, maka data tersebut adalah data nominal,
contoh : Pagawai negeri, pegawai swasta.
data ordinal, adalah data dengan urutan lebih tinggi dan
urutan lebih rendah, contoh : panjang, kurang panjang,
pendek
Ciri data ordinal yaitu posisi data tidak setara.
Skala yang sering dipakai dalam penyusunan kuisioner adalah
skala ordinal atau sering disebut skala likert.
Data interval selain urutannya bisa bertingkat, urutan tersebut
bisa juga dikuantitatifkan.
Data berskala interval yang diperoleh dengan cara pengukuran,
dimana jarak dua titik pada skala sudah diketahui. Hal ini berbeda
dengan skala ordinal, dimana jarak antara dua titik tidak
diperhatikan (seperti berapa jarak antara puas dengan tidak puas,
yang sebenarnya menyangkut perasaan seseorang saja), contoh :
nilai ujian, temperatur suatu ruangan.
SKALA PENGUKURAN
Data rasio adalah data yang bersifat angka dalam arti yang
sesungguhnya dan bisa dioperasikan secara matematika (+, -, :, x)
.
Data yang berskala rasio adalah data yang diperoleh dengan cara
pengukuran, dimana jarak dua titik pada skala sudah diketahui,
dan mempunyai titik nol yang absolut. Hal ini berbeda dengan
skala interval, dimana tidak ada titik nol mutlak, seperti titik
derajat celcius tentu berbeda dengan titik derajat farehit.
ORDINAL
INTERVAL
RASIO

5. Dalam analisis regresi terdapat beberapa asumsi yang
harus dipenuhi sehingga persamaan regresi yang
dihasilkan akan valid jika digunakan untuk memprediksi
suatu masalah.
Model regresi dapat disebut sebagai model yang baik
jika model tersebut memenuhi kriteria
BLUE (Best Linear Unbiased Estimator).

6. Uji Normalitas
Uji normalitas data merupakan uji distribusi data yang akan di
analisis. Apabila data tidak berdistribusi normal maka tidak
dapat menggunakan analisis parametrik, melainkan
menggunakan analisis non parametrik
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi
normal.
Ada 4 perlakuan:
1.Menambah jumlah data
Menghilangkan data penyebab tidak normal (dengan cara
membuang outlier)
2.
Dilakukan transformasi data, misal mengubah data ke bentuk
logaritma atau natural atau bentuk lainnya, lalu diuji ulang
(Imam Ghozali)
3.
Terima apa adanya. Pilih alat analisis yang tepat, misalnya
gunakan uji nonparametrik
4.
Uji Asumsi Klasik
Penanganan Data Tidak Normal
Pilih quick -> estimate equation
Langkah-Langkah
Masukan label variable dengan format “variable
dependen c variable independ”
Klik view, Residual Diagnostic, lalu pilih
histogram
UNTUK MENENTUKAN APAKAH DATA TERSEBUT LULUS UJI
NORMALITAS ATAU TIDAK DENGAN MELIHAT NILAI PROBABILITY.
APABILA NILAI PROBABILITY > 0.05 MAKA DAPAT DIPASTIKAN
BAHWA DATA TERSEBUT LULUS UJI NORMALITAS ATAU DENGAN
KATA LAIN TELAH TERDISTRIBUSI DENGAN NORMAL

7. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi linear terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas.
Jika menggunakan Eviews, Metode white dapat menjadi alternatif
untuk mendekteksi heteroskedastisitas.
Jika adavariabel yang mengalami heterokedastisitas, dapat
dilakukan transformasi data, seperti mengubah data menjadi
bentuk logaritma, natural (Ln) atau yang lainnya (Imam Gozali dan
Singgih santoso)
SKALA PENGUKURAN
Penanganan Masalah Uji Heterokesdatisitas
Klik View, Residual Diagnostics, Heterokesdatisitas Test
Langkah-Langkah
Ada beberapa pilihan yang bisa diplih. Dalam tutorial kali ini pilih uji
white untuk mendapatkan hasil heterokesdatisitas test.
Setelah itu akan muncul output dari Heterokesdatisitas test.
terdapat heterokesdatisitas.
DARI HASIL HETEROKESDATISITAS TEST DENGAN
MENGGUNAKAN METODE WHITE MAKA
DIDAPATKAN PROB. CHI-SQUARE (S) ADALAH 0.33997>0.05.
MAKA DAPAT DISIMPULKAN BAHWA TIDAK

8. Uji multikolinearitas bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antar variabel
bebas (independent variable).
Uji multikolinieritas berarti terjadi korelasi yang kuat
(hampirsempurna) antarvariabel bebas.
Tepatnya multikolinieritas berkenaan dengan
terdapatnya lebih dari satu hubungan linier pasti, dan
istilah kolinieritas berkenaan dengan terdapatnya satu
hubungan linier.
Metode untuk mendeteksi multikolinearitas antara lain
variance influence factor dan korelasi berpasangan.
Metode korelasi berpasangan untuk
Mendeteksi multikolinearitas akan lebih
Bermanfaat karena dengan menggunakan metode
tersebut peneliti dapat mengetahui secara rinci variabel
bebas apa saja yang memiliki korelasi yang kuat.
SKALA PENGUKURAN
Uji Multikoinieritas
Cara mendeteksi ada atau tidaknya
multikolinearitas:
Multikolinearitas dapat juga dilihat dari nilai tolerance dan
lawannya variace inflation factor (VIF). Nilai cutoff yg umumnya
dipakai untuk menunjukkan adanya multikolinearitas adalah
nilai tolerance ≤ 0.10 atau sama dengan ≥ 10.
Dengan cara regresi parsial (bandingkan r square model utama
dengan r square regresi variabel indepandent terhadap
variabel independent lainnya, jika r square utama > r square
baru, berarti tidak terdapat multikolonieritas)
Langkah-Langkah
Klik Quick, Group Statistics, Correlation
Masukan Semua Variabel bebas
DARI HASIL UJI MULTIKOLINIERITAS DIDAPATKAN HASILNYA
ADALAH <0.7 MAKA DAPAT DISIMPULKAN BAHWA TIDAK TERJADI
MASALAH MULTIKOLINEARITAS PADA VARIABEL PENELITIAN
TERSEBUT.

9. SKALA PENGUKURAN
Uji Autokorelasi
Cara mengatasi masalah autokorelasi :
Transformasi data
Menambahvariabelpengganggu pada fungsi regresi yang
menjelaskanasosiasi pada respon dariperiode 1 ke periode
selanjutnya.
Uji autokorelasi bertujuan untuk melihat apakah
dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1
(sebelumnya).
Autokorelasi dilakukan untuk data time series,
sedangkan untuk data cross section autokorelasi
tidak perlu dilakukan (Rambat Lupiyoadi dan Ridho
Bramulya Ikhsan), namun menurut imam ghozali
model regresi yang baik adalah regresi yang bebas
dari autokorelasi.
Metode lagrange multiplier dapat menjadi alternatif
untuk mendeteksi autokorelasi jika menggunakan
eviews.
Klik View, Residual Diagnostics, Serial Correlation Test
Setelah itu akan muncul output dari Uji autokeralasi.
Langkah-Langkah
DARI HASIL AUTOKORELASI TEST DIDAPATKAN PROB.
CHI-SQUARE (2) > 0.05 MAKA DAPAT DISIMPULKAN
BAHWA TIDAK TERDAPAT MASALAH AUTOKORELASI.

10. Apa Itu
Eviews?
Item menu utama (main menu item)
yang berisikan semua perintah program
olah data EViews, yaitu
FILE, EDIT, OBJECT, VIEW, PROCS,
OPTIONS, WINDOWS dan HELP.

12. Lorem ipsum dolor sit amet, consectetur adipiscing
elit. Duis vulputate nulla at ante rhoncus, vel efficitur
felis condimentum. Proin odio odio.
Dalam regresi linear sederhana uji asumsi klasik harus terpenuhi
kecuali uji multikolonieritas (tidak perlu dilakukan)
Regresi sederhana = variabel independennya hanya 1 sedangkan
regresi berganda jika variabel independent > 1
Uji F dilakukan untuk menguji kelayakan model, uji ini harus
terpenuhi. Uji ini lebih tepat diterapkan pada regresi berganda
Jika Uji F tidak terpenuhi artinya model yang kita buat salah (jadi
dalam kerangka pemikiran tidak diperlukan dibuat uji simultan dan
tidak perlu dibuat hipotesisnya, karena uji F harus terpenuhi).

13. •Menilai Goodness of Fit Model Regresi
Koefisien
Determinasi
Uji Signifikansi Simultan
( Uji Statistik F)
Uji Signifikansi
Parameter Individual
(Uji Statistik t)
REGRESI LINIER BERGANDA

14. Lorem ipsum dolor sit amet, consectetur adipiscing
elit. Duis vulputate nulla at ante rhoncus, vel efficitur
felis condimentum. Proin odio odio.
Dapat diukur dengan oleh R Square atau
Adjusted R Square
R Square digunakan jika variabel X nya 1 atau
paling banyak 2 variabel
Jika variabel X lebih dari 2, maka digunakan
Adjusted R Square

15. U ji Parsial ( uji t )
Uji t dilakukan untuk melihat pengaruh suatu variabel independent terhadap
Variable dependen. Dengan menggunakan hipotesis :
Ho : tidak berpengaruh
Ha : berpengaruh
Jika nilai t hitung < t table, artinya Ho diterima
Jika nilai t hitung > t table, artinya Ho ditolak
Pilih quick -> estimate equation
Masukan label variable dengan format “variable
dependen c variable independ” sesuai dengan judul
penelitian.
Langkah-Langkah

16. Lorem ipsum dolor sit amet, consectetur adipiscing
elit. Duis vulputate nulla at ante rhoncus, vel efficitur
felis condimentum. Proin odio odio.
U ji Simul tan ( U J I F)
Uji simultan dilakukan untuk melihat pengaruh variabel independent secara
bersama-sama terhadap variabel independent.
Apabila nilai f hitung lebih besar daripada f tabel maka dapat disimpulkan
bahwa secara bersama-sama variabel independen berpengaruh terhadap
variabel dependen.
sebagai contoh :
Nilai df1 = k-1 = 2-1 = 1
df2 = n-k = 32-2= 30
Berdasarkan Tabel F dengan nilai df 1 = 1 df 2 = 30 maka nilai F table adalah
4.17. Dari hasil regresi di atas dapat dilihat bahwa nilai f hitung (74.79874) > f
table 4.17 dehingga dapat disimpulkan bahwa variabel independent secara
bersama- masa berpengaruh terhadap variable independent.

17. ANALISIS STATISTIK
PENDEKATAN
E V I E W S

18. ANALISIS REGRESI DENGAN DATA PANEL
Konsep Dasar
Data Panel
Time Series
Cross Section
Data runtut waktu (time series). Dapat dikumpulkan
dari waktu ke waktu pada satu obyek.
Data silang waktu (cross section). Data dikumpulkan dari
beberapa obyek padasatu waktu.
Data yang dikumpulkan dari beberapa obyek dengan
beberapa waktu.
Disebut juga pool data.

19. Data
Panel
Panel data
seimbang
(balanced panel)
Panel data tidak
seimbang
(unbalanced panel)
ANALISIS REGRESI DENGAN DATA PANEL
Berdasarkan Keseimbangan, Data Panel Di Kelompokan Menjadi 2: year
Units

20. NOTE : KERANGKA PEMIKIRAN DATA PANEL
TAHAPAN REGRESI DATA PANEL

21. TAHAPAN REGRESI DATA PANEL
Teknik analisis regresi data panel memiliki serangkaian tahapan berupa:
Pemilihan model regresi pengujian asumsi klasik
uji kelayakan model interpretasi model

22. Pemilihan model regresi
TAHAPAN REGRESI DATA PANEL

23. Metode Estimasi Model Regresi Data Panel
Common Effect Model
Fixed Effect Model
Random Effect Model

24. Fixed Effect Model
Fixed Effect Model
Pemilihan Model Regresi Data Panel
Chow Test
Hausman Test
Lagrange Multiplier Test
Common Effect Model
Random Effect Model
Random Effect Model
Common Effect Model
Nilai prob. F > 0.05
Nilai prob. F < 0.05
nilai prob chi squares < 0.05
nilai prob chi squares > 0.05
Nilai p value < batas kritis
Nilai p value > batas kritis

25. Klik View, Residual Diagnostics, Heterokesdatisitas
Test
Ada beberapa pilihan yang bisa diplih. Dalam tutorial
kali ini pilih uji white untuk mendapatkan hasil
heterokesdatisitas test.
Setelah itu akan muncul output dari
Heterokesdatisitas test. terdapat heterokesdatisitas.
Pilih quick -> estimate equation
Masukan label variable dengan format “variable
dependen c variable
independ” sesuai dengan judul penelitian
Klik view, Residual Diagnostic, lalu pilih histogram
Uji Normalitas
Uji Heterokesdatisitas
Klik View, Residual Diagnostics, Serial Correlation Test
Setelah itu akan muncul output dari Uji autokeralasi.
Uji autokorelasi
Klik View, Coeficient Diagnostics, Variance Inflation
Factors
Setelah itu akan muncul output dari Uji autokeralasi.
Uji Multikolinieritas
Jika nilai VIF < 10 atau nilai Tolerance >
0,01, maka dinyatakan tidak terjadi
multikolinearitas
prob chi squares > 0.05 maka tidak ada
autokorelasi
probabilitas jarque-bera > 0.05 maka
lulus uji normalitas
prob chi squares > 0.05 maka tidak ada
heteroskedastisitas.

26. Uji Parsial (Uji T)
Uji partial (Uji T)
Uji t dilakukan untuk melihat pengaruh suatu variabel
independent terhadap variable dependen. Dengan
menggunakan hipotesis :
Ho : tidak berpengaruh
Ha : berpengaruh
Jika nilai t hitung < t table, artinya Ho diterima
Jika nilai t hitung > t table, artinya Ho ditolak

27. Model Persamaan Simultan
Uji Simultan
Permasalahan simultanitas timbul akibat beberapa
variabel yaitu endogen regressor berkorelasi dengan
error atau disturbance. Oleh karena itu uji ini
merupakan pengujian untuk menguji apakah variabel
endogen regressor ber-korelasi dengan error.
Endogen Exogen
variabel yang dianggap
dipengaruhi oleh variabel lain
dalam model.
variabel yang dianggap mempunyai
pengaruh terhadap variabel yang lain,
tetapi tidak dipengaruhi oleh variabel lain
dalam model
df1 = k-1
df 2 = n-k