Cara Regresi Data Cross Section di Eviews 9

Gambar : Cover Artikel 

 

REGRESI DATA CROSS SECTION

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penjelasan Regresi

Regresi merupakan pengujian statistik terhadap hubungan atau pengaruh antar variabel baik terikat maupun bebas. Sedangkan data cross section merupakan jenis data yang terdiri dari satu objek dengan sub objek lainnya yang berkaitan.

Disini saya mencoba meneliti pengaruh atau hubungan antara Upah Minimum Provinsi terhadap Pengangguran Terbuka di 33 Provinsi Tahun 2015. Upah Minimum Provinsi saya beri simbol (X) dan Pengangguran Terbuka saya beri simbol (Y).

B.Tahapan Pengolahan Data

Berikut langkah-langkahnya :

Langkah 1 : Pastikan data yang kalian miliki sudah tersusun seperti pada gambar dibawah ini. Formatnya : Nomor/Tahun - Jumlah Sampel/Populasi - Data Variabel Dependen (Y) – Data Variabel Independen (X).

Gambar : Data Latihan

Langkah 2 : Setelah data siap, buka aplikasi eviews (boleh menggunakan versi apapun, kalau saya menggunakan eviews 9). Maka akan muncul tampilan seperti gambar dibawah ini.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Pilih : Create a New Eviews Workfile.

Gambar : Pengolah Data Eviews 9

Langkah 4 : Kemudian pada bagian Workfile Structure Type, pilih Unstructured/Undated (untuk data cross section).

Gambar : Pengolah Data Eviews 9

Langkah 5 : Isikan pada kolom observations dengan jumlah sampel/populasi yang kalian ambil. Karena saya mengambil sampel 33 provinsi, maka di kolom tersebut diisi 33. Lalu klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 6 : Akan muncul tampilan seperti pada gambar dibawah ini.

Gambar : Pengolah Data Eviews 9

Langkah 7 : Selanjutnya, kita menuju ke bagian Quick - Empty Group (Edit Series).

Gambar : Pengolah Data Eviews 9

Langkah 8 : Maka akan muncul kolom kosong seperti pada gambar dibawah ini.

Gambar : Pengolah Data Eviews 9

Langkah 9 : Copy Data yang tadi sudah kalian siapkan - paste kan di pojok kiri sebelah atas (jangan lupa, Variabel X dan Y juga diikutkan).

Gambar : Pengolah Data Eviews 9

Langkah 10 : Setelah data masuk, pilih Make Equation.

Gambar : Pengolah Data Eviews 9

Langkah 11 : Pada kolom Equation Estimation (Specification) terdapat rumus (y x c). Rumus tersebut boleh dirubah boleh juga tidak (berdasarkan beberapa sumber), saran : sebaiknya dirubah menjadi (y c x). Lalu klik Ok.

Gambar : Pengolah Data Eviews 9

Langkah 12 : Selesai.

Gambar : Hasil Output Pengolah Data Eviews 9

Interpretasi Output :

Berikut adalah hasil regresi data yang tadi sudah kita lakukan.

Cara membacanya :

Nilai Coefficient Variabel X (Upah Minimum Provinsi) sebesar 4.684809 (artinya, bernilai positif). Sehingga dapat dibaca :

“Jika Variabel X mengalami kenaikan maka Variabel Y juga mengalami kenaikan” atau “Jika Upah Minimum Provinsi mengalami kenaikan, maka akan menyebabkan meningkatnya Pengangguran Terbuka”.

Bisa juga kita asumsikan : “Jika Pemerintah menetapkan kebijakan untuk menaikan Upah Minimum Provinsi, maka akan menyebabkan terjadikan peningkatan jumlah orang yang menganggur atau Pengangguran meningkat”. Meningkatnya Pengangguran ini bisa disebabkan karena dengan kenaikan Upah, perusahaan cenderung untuk membatasi jumlah pegawai, sehingga bisa jadi dengan kebijakan ini, banyak para pegawai yang di cut (diberhentikan) atau juga perusahaan tidak akan melakukan rekrutmen pegawai baru (karena Upah yang terlalu tinggi).

Catatan : Bandingkan hasil ini dengan teori yang ada, jika berbeda dengan teori yang kita temukan maka perlu dilakukan pembuktian (bisa melalui data lain atau juga melalui trend).

Nilai Probabilitas Variabel X (Upah Minimum Provinsi) sebesar 0.1536 (artinya masih lebih besar dari tingkat alpha). Tingkat alpha yang saya gunakan adalah 95% dengan error 5% atau 0.05. Asumsinya : “Jika nilai Probabilitas Variabel X (Upah Minimum Provinsi) lebih besar dari tingkat alpha 0.05, maka data tidak signifikan, atau sebaliknya jika nilai Probabilitas Variabel X (Upah Minimum Provinsi) lebih kecil dari tingkat alpha 0.05, maka data signifikan”.

Signifikansi ini sangatlah penting dalam analisis regresi, karena mengambarkan tingkat kepercayaan pada data. Contohnya : Kita akan meneliti kenaikan harga beras pada Hari Raya Idul Fitri, tetapi ternyata (faktanya) tidak terjadi kenaikan harga. Maka tidak ada pembeda antara bulan sebelum Hari Raya Idul Fitri dan saat Hari Raya Idul Fitri (Tidak Signifikan). Logikanya, untuk apa kita meneliti sesuatu yang tidak terjadi, sehingga Signifikansi sangatlah penting dalam penelitian.

Nilai R-Squared sebesar 0.064567 atau 6.4567 (6%) dan nilai Adjusted R-Squared sebesar 0.034392 atau 3.4392 (3%). Syarat pada Uji Koefisien Determinasi ini adalah : Nilai dari R-Squared dan Adjusted R-Squared harus diatas 50%, karena jika berada dibawah 50% maka solusinya harus menambah variabel lain.

Dari hasil ini dapat dibaca :

“Korelasi antara Variabel X (Upah Minimum Provinsi) dengan Variabel Y (Pengangguran Terbuka) sebesar 6% sisanya 94% (100%-6%) dipengaruhi oleh Variabel lain atau tidak terdapat hubungan antara Variabel X (Upah Minimum Provinsi) dengan Variabel Y (Pengangguran Terbuka)”.

“Korelasi antara Variabel X (Upah Minimum Provinsi) dengan Variabel Y (Pengangguran Terbuka) sebesar 3% sisanya 97% (100%-3%) dipengaruhi oleh Variabel lain atau tidak terdapat hubungan antara Variabel X (Upah Minimum Provinsi) dengan Variabel Y (Pengangguran Terbuka)”.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya.Terima Kasih :-)