Cara Menggunakan EVIEWS

APLIKASI EVIEWS DALAM EKONOMETRIKA

Oleh : RAHMANTA

SOSIAL EKONOMI PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS SUMATERA UTARA MEDAN 2 0 0 9

Rahmanta : Aplikasi Eviews Dalam Ekonometrika, 2009 USU Repository © 2008

2

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 1. Tampilan awal eviews

Gambar 2. Jendela workfile range


3

Klik di kolom Frequency : Undated or irregular (karena datanya cross section). Dalam sub menu bar range cantumkan 1 pada kolom start observation dan 24 pada kolom end observation, lalu klik Ok. Seri waktu ini sesuai dengan data yang diperoleh mulai sampel 1 dan berkahir 24.

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 lebih mudah entry data.


4

Gambar 4. Gambar perintah quick

Gambar 5. Gambar jendela group


Klik kotak ini untuk memperbesar tampilan jendela group

5

Anggaplah sekarang kita sudah memiliki data-data yang dibutuhkan dalam file Excel (lihat Lampiran 1). Untuk itu kita harus membuka file Excel, setelah file

excel terbuka, sekarang blok semua data yang akan dianalisis, termasuk namanama variabel yang ditempatkan sebagai judul kolom (series waktu tidak ikut diblok). Kemudian jalankan perintah Copy di lembar kerja excel. Berikutnya pindah kembali ke worksheet group series di Eviews yang sudah terbuka, dan klik sekali bar kolom pertama sehingga kolom tersebut kena blok ke bawah, kemudian 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.

Arahkan kursor pada bar kolom pertama dan klik sekali hingga seluruh barisnya pada kolom ini kena blok

Gambar 6. Cara memblok kolom pada jendela group workfile


6

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).

Klik sekali untuk menutup jendela group

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.


7

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.


8

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 dengan perintah File – Open – Workfile .


9

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 : Y C X1 X2 X3


10

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 11. Perintah kerja estimation equation untuk analisis regresi


11

Gambar 12. Perintah kerja penulisan variabel dependen dan variabel independen

Klik sekali name untuk memberi nama output, dimana sewaktu-waktu dapat dipanggil kembali

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


12

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)

2

R = 0,9125 F-stat = 69,53


13

n = 24 df = 20 Dimana t-tabel (0,05 ; 20) = 1.725 * Signifikan pada level 5% 2

Analisis, melalui program eviews dapat diestimasi nilai R = 0,9125

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 X 1 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 X 2 t-stat = 1,78 > t-tabel (0,05 ; 20) = 1,725. Sedangkan variabel X 3 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 X 3 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 ) =


14

3,10 maka dapat disimpulkan bahwa variabel X 1, 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

heteroskedastisitas dan multikolinearitas.

korelasi,

normalitas,

linearitas,

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 kemudian pilih Serial Correlation LM Test.


15

Gambar 15. Perintah kerja untuk uji serial korelasi


16

Gambar 16. Output untuk uji serial korelasi Untuk mendeteksi adanya serial korelasi dengan membandingkan nilai X

2

2

hitung dengan X tabel, yaitu : 2

2

a. Jika nilai X hitung > X tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah serial korelasi ditolak. 2

2

b. Jika nilai X hitung < X tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah serial korelasi diterima. 2

Analisis Hasil Output, lihat nilai Obs* R squared (disebut juga X hitung) sebesar 2

0,5251 dan X tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan

α

= 5%

adalah sebesar 5,99. Karena 0,5251 < 5,99 maka dapat disimpulkan model diatas bebas dari masalah serial korelasi.


17

3.2. Uji Normalitas

Masih pada posisi jendela output uji autokorelasi, klik kembali View – Residual Tests dan Histogram – Normality Test .

Gambar 17. Perintah kerja untuk uji normalitas


18

Gambar 18. Output untuk uji normalitas Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak 2

dengan membandingkan nilai Jarque Bera (JB) dengan X tabel, yaitu : 2

a. Jika nilai JB > X tabel, maka residualnya berdistribusi tidak normal. 2

b. Jika nilai JB < X 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 hingga muncul output Ramsey Test.


19

Gambar 19. Perintah kerja untuk uji linearitas


20

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.


21

3.4. Uji Multikolinearitas

Tahapan pengujian melalui program Eviews dengan pendekatan koralasi parsial dengan tahapan sebagai berikut : 1. Lakukan regresi seperti contoh di atas : Y = a0 + a1 X1 + a2 X2 + a3 X3 ................................................................ (1) 2. Kemudian lakukan estimasi regresi untuk : X1 = b0 + b1 X2 + b2 X3 ........................................................................ (2) (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:

Gambar 21. Output untuk variabel X1


22

Hasil estimasi regresi untuk persamaan ketiga untuk X2:

Gambar 21. Output untuk variabel X2


23

Hasil estimasi regresi untuk persamaan keempat untuk X3:

Gambar 22. Output untuk variabel X3 2

2

2

2

2

2

2

2

Untuk persamaan (1) nilai R adalah sebesar 0,9125 selanjutnya disebut R 1 Untuk persamaan (2) nilai R adalah sebesar 0,6801 selanjutnya disebut R 11 Untuk persamaan (3) nilai R adalah sebesar 0,6482 selanjutnya disebut R 12 Untuk persamaan (4) nilai R adalah sebesar 0,6519 selanjutnya disebut R 13 Ketentuan : 2

Bila nilai R 1

2

>

2

2

R 11, R 12, R 13 maka model tidak diketemukan adanya

multikolinearitas. 2

Bila nilai R 1

<

2

2

2

R 11, R 12, R 13 maka model diketemukan adanya

multikolinearitas. 2

2

2

2

Analisis Hasil Output, menunjukkan bahwa nilai R 1 > R 11, R 12, R 13 maka

dalam model tidak diketemukan adanya multikolinearitas.


24

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 no cross terms


25

Hasil output white heteroskedastisitas (cross terms)

Gambar 23. Output untuk cross terms 2

2

Apabila nilai X hitung (nilia Obs* R squared) > nilai X 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

square untuk hasil estimasi uji white no cross terms adalah sebesar 1,235 dan uji


26

white cross terms adalah sebesar 5,112, dan nilai X

2

tabel dengan derajat

kepercayaan α = 5% adalah sebesar 7,81. 2

2

Karena nilai X hitung (nilai Obs* R squared) < nilai X tabel, naik untuk cross terms maupun no cross terms maka dapat disimpulkan model di atas lolos uji heteroskedastisitas.


27

DAFTAR PUSTAKA

1. Enders, W. 1995. Applied Econometric Time Series. John Wiley & Sons, Inc. New York. 2. Koutsoyiannis, A. 1978. Theory of Econometrics. Second Edition. Harper & Row Publishers, Inc. USA. 3. Khoirunnurrofiq. 2003. Modul Pengenalan Singkat Eviews Version 3.1. 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. Yogyakarta.

1994.

Pengantar

Ekonometrika.

Penerbit

BPFE,

7. Thomas, R.L. 1997. Modern Econometrics. Addison Wesley Longman Limited, England. 8. Yuwono, P. 2005. Pengantar Ekonometri. Penerbit Andi, Yogyakarta.


Cara Menggunakan EVIEWS

Recommend Documents