ANALISIS RUNNING DATA DENGAN EVIEWS 9 Pe

UNIVERSITY OF JEMBER – FACULTY OF
ECONOMICS
DEPARTEMENT OF ECONOMICS AND DEVELOPMENT
SCIENCE
ODD SEMESTER ACADEMIC YEAR 2014-2015



Lesson
Lecturer

: 2nd Econometrics
: Adhitya Wardhono, S.E., M.Sc., Phd.

Name

: Fatchur Rozi

NIM

: 130810101173

Class Cluster : D

Tugas Running data menggunakan Eviews
1. Landasan Teoritis
Pendahuluan
Ekonomi merupakan salah satu ilmu yang relative baru, salah satu titik awal
kelahiran ilmu ekonomi makro adalah adanya permasalahan ekonomi jangka pendek
yang tidak dapat diatasi oleh teori ekonomi klasik. Masalah jangka pendek ekonomi
tersebut yaitu inflasi, pengangguran dan neraca pemba-yaran. Munculnya ekonomi
makro dimulai dengan terjadinya depresi ekonomi Amerika Serikat pada tahun 1929.
Depresi merupakan suatu malapetaka yang terjadi dalam ekonomi di mana kegiatan
produksi terhenti akibat adanya inflasi yang tinggi dan pada saat yang sama terjadi
pengangguran yang tinggi pula.
Inflasi (inflation) adalah gejala yang menunjukkan kenaikan tingkat harga umum
yang berlangsung terus menerus. Dari pengertian tersebut maka apabila terjadi kenaikan
harga hanya bersifat sementara, maka kenaikan harga yang sementara sifatnya tersebut
tidak dapat dikatakan inflasi. Semua negara di dunia selalu menghadapi permasalahan
inflasi ini. Oleh karena itu, tingkat inflasi yang terjadi dalam suatu negara merupakan
salah satu ukuran untuk mengukur baik buruknya masalah eko-nomi yang dihadapi suatu

negara. Bagi negara yang perekono-miannya baik, tingkat inflasi yang terjadi berkisar
antara 2 sampai 4 persen per tahun. Tingkat inflasi yang berkisar antara 2 sampai 4
persen dikatakan tingkat inflasi yang rendah. Selanjut tingkat inflasi yang berkisar
antara 7 sampai 10 persen dikatakan inflasi yang tinggi. Namun demikian ada negara
yang meng-hadapai tingkat inflasi yang lebih serius atau sangat tinggi, misalnya

Indonesia pada tahun 1966 dengan tingkat inflasi 650 persen. Inflasi yang sangat tinggi
tersebut disebut hiper inflasi (hyper inflation).
Didasarkan pada faktor-faktor penyebab inflasi maka ada tiga jenis inflasi yaitu:
1) inflasi tarikan permintaan (demand-pull inflation) dan 2) inflasi desakan biaya (costpush inflation) 3) inflasi karena pengaruh impor (imported inflation). Inflasi tarikan
permintaan (demand-pull inflation) atau inflasi dari sisi permintaan (demand side
inflation) adalah inflasi yang disebabkan karena adanya kenaikan permintaan agregat
yang sangat besar dibandingkan dengan jumlah barang dan jasa yang ditawarkan.
Karena jumlah barang yang diminta lebih besar dari pada barang yang ditawarkan maka
terjadi kenaikan harga. Inflasi tarikan permintaan biasanya berlaku pada saat
perekonomian mencapai tingkat penggunaan tenaga kerja penuh dan pertumbuhan
ekonomi berjalan dengan pesat (full employment and full capacity). Dengan tingkat
pertumbuhan yang pesat/tinggi mendorong peningkatan permintaan sedangkan barang
yang ditawarkan tetap karena kapasitas produksi sudah maksimal sehingga mendorong
kenaikan harga yang terus meneruss

Pengangguran, Inflasi dan Pertumbuhan Ekonomi
Seperti yang telah diuraikan di atas, bahwa pada saat terjadinya
depresi ekonomi Amerika Serikat tahun 1929, terjadi inflasi yang
tinggi dan diikuti dengan pengangguran yang tinggi pula. Didasarkan
pada fakta itulah A.W. Phillips mengamati hubungan antara tingkat
inflasi dan tingkat pengangguran. Dari hasil pengamatannya, ternyata
ada hubungan yang erat antara inflasi dengan tingkat pengangguran,
dalam arti jika inflasi tinggi, maka pengangguran akan rendah. Hasil
pengamatan Phillips ini dikenal dengan kurva Phillip.

Teori Pertumbuhan Ekonomi dan Konsumsi Nasional

Istilah pertumbuhan bisa saja diartikan berbeda oleh satu orang dengan
orang lain, daerah yang satu dengan daerah lain, negara satu dengan negara lainnya.
Penting bagi kita untuk dapat memiliki definisi yang sama dalam mengartikan
pertumbuhan. Secara umum pertumbuhan ekonomi memiliki arti

peningkatan

pada

Gross Domestic Product (GDP) atau Produk Domestik Bruto (PDB) suatu negara.
Pendapat mengenai definisi pertumbuhan ekonomi menurut beberapa ilmuwan adalah
sebagai berikut :
a) Kuncoro

(2004)

berpendapat

bahwa

suatu

perekonomian

dikatakan

mengalami pertumbuhan atau berkembang apabila tingkat kegiatan ekonominya
lebih tinggi daripada apa yang dicapai pada masa sebelumnya.

b) Todaro (2003) mendefinisikan pertumbuhan ekonomi sebagai suatu proses
yang mantap dimana kapasitas produksi dari suatu perekonomian meningkat
sepanjang waktu untuk menghasilkan tingkat pendapatan nasional yang semakin
besar.
c) Menurut Budiono (1994), pertumbuhan ekonomi adalah suatu proses
pertumbuhan output perkapita jangka panjang yang terjadi apabila ada
kecenderungan (output perkapita untuk naik) yang bersumber dari proses intern
perekonomian tersebut (kekuatan yang berada dalam perekonomian itu
sendiri), bukan berasal dari luar dan bersifat sementara.
d) Sukirno

(2004) berpendapat

bahwa pertumbuhan

ekonomi

merupakan

perubahan tingkat kegiatan ekonomi yang berlaku dari tahun ke tahun. Sehingga

untuk mengetahuinya harus diadakan perbandingan pendapatan naional dari
tahun ke tahun, yang dikenal dengan laju pertumbuhan ekonomi.
Dari pendapat para ahli diatas dapat disimpulkan bahwa pertumbuhan ekonomi
pada dasarnya diartikan sebagai suatu proses dimana GDP riil atau pendapatan riil
perkapita meningkat secara terus-menerus melalui kenaikan produktivitas perkapita.
Sedangkan pengeluaran konsumsi masyarakat/rumah tangga merupakan salah
satu variabel makro ekonomi. Dalam identitas pendapatan nasional menurut pendekatan
pengeluaran, variabel ini lazim dilambangkan dengan huruf C, inisial dari kata

Consumption. Pengeluaran konsumsi seseorang adalah bagian dari pendapatan yang
dibelanjakan. Apabila pengeluaran- pengeluaran konsumsi semua orang dalam suatu
negara dijumlahkan, maka hasilnya adalah pengeluaran konsumsi masyarakat negara
yang bersangkutan.
Secara makro (agregat) pengeluaran konsumsi masyarakat berbanding lurus
dengan pendapatan nasional. Semakin besar pendapatan maka semakin besar pula
pengeluaran konsumsi. Perbandingan besarnya tambahan pengeluaran konsumsi
terhadap pendapatan disebut hasrat marginal untuk berkonsumsi (Marginal Propensity
to Consume: MPC). Pada masyarakat yang kehidupan ekonominya relatif belum mapan
biasanya angka MPC mereka relatif besar, sementara angka MPS mereka relatif kecil,
artinya jika memperoleh tambahan pendapatan maka sebagian besar tambahan

pendapatan tersebut akan teralokasi untuk konsumsi. Hal ini sebaliknya berlaku pada
masyarakat yang kehidupan ekonominya relatif lebih mapan. Menurut Rahardja (2001:
45), pengeluaran konsumsi terdiri atas konsumsi pemerintah

(government

consumption) dan konsumsi masyarakat atau rumah tangga (household consumption).
2. Model Regresi
Dari teori tersebut diperkiran variabel inflasi, pengangguran, dan konsumsi
nasional diperkiran berpengaruh terhadap tingkat pertumbuhan ekonomi yang terjadi.
Model regresi yang digunakan menggunakan regesi linear berganda dengan
menggunakan data runtun waktu atau time series. Dengan menggunakan 3 variabel
Independen, dimana bentuk regresi dimodelkan sebagai berikut:
Y t = β 0 + β1X1 t + β2X 2 t + β3X3 t + µ t
Keterangan:
Y = Merupakan variable dependent yaitu variabel terikat yaitu suatu variabel yang
nilainya ditentukan atau bergantung oleh variabel lainnya dimana dalam model kali
ini variable dependennya merupakan pertumbuhan ekonomi. Variabel ini disebut juga
sebagai regressan.

β0 = Merupakan intercept atau perpotongan antara garis regresi dengan sumbu vertical.
Intercept menujukkan besarnya nilai regresi atau regressan saat variable lainnya
adalah konstan atau nol.
β1 = Merupakan koefisien atau slope (kemiringan) dari variable X1. Nilai koefisien
menunjukkan seberapa besar pengaruh kenaikan/penurunan dari variable dependen
Y jika variable X1 mengalami kenaikan 1 satuan dengan asumsi nilai variabel lain
dianggap konstan.
X1 = Merupakan variable independen pertama, yaitu tingkat inflasi (dalam %)
β2 = Merupakan koefisien atau slope (kemiringan) dari variable X2. Nilai koefisien tersebut
menunjukkan seberapa besar pengaruh kenaikan/penurunan dari variable dependen
Y jika variable X1 mengalami kenaikan 1 satuan dengan asumsi nilai variable lain
dianggap konstan.
X2 = Merupakan variable independen kedua, yaitu tingkat pengangguran terbuka (dalam
%)
β3 = Merupakan koefisien atau slope (kemiringan) dari variable X 3. Nilai koefisien
menunjukkan seberapa besar pengaruh kenaikan/penurunan dari variable dependen
Y jika variable X3 mengalami kenaikan 1 satuan dengan asumsi nilai variable lain
dianggap konstan.
X3 = Merupakan variable independen ketiga, yaitu tingkat pengeluaran konsumsi total dari
rumah tangga konsumsi dan rumah tangga pemerintah terhadap PDB total (dalam %)

µ = Error term, atau faktor ganguan stokastik.
Sedangakan simbol subscript “t” menujukkan observasi waktunya. Dari penjelasan
model dan keterangan diatas model regresi tersebut dapat ditulis menjadi:
GROWTHt = C + β1 INFLATt + β2 UNEMPLOYt + β3 CONSUMEt + µ t
Dengan menggunakan data time series tahunan yang saya ambil dari publikasi BI dan
BPS nasional berikut:

0BS

TAHUN

% GROWTH ECO
(Y)

% INFLASI
(X1)

% PENGANGGURAN (X2)

% PENGELUARAN C TOTAL (X3)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014

9.88
7.93
2.25
4.19
6.98
2.66
5.87
4.93
5.78
7.46
7.24
6.95
6.46
6.5
7.54
8.22
7.82
4.70
-13.13
0.79
4.92
3.64
4.50
4.78
5.03
5.69
5.50
6.35
6.01
4.63
6.22
6.17
6.03
5.58
5.02

15.97
7.09
9.69
11.46
8.76
4.31
8.83
8.90
5.47
5.97
9.53
9.52
4.94
9.77
9.24
8.60
6.50
11.1
77.6
2.00
9.40
12.55
10.03
5.16
6.40
17.11
6.60
6.59
11.06
2.78
6.96
3.79
4.30
8.38
8.36

1.66
2.70
3.01
2.00
2.00
2.14
2.60
2.55
2.81
2.87
2.51
2.59
2.71
2.80
4.40
7.24
4.89
4.68
5.46
6.36
6.08
8.10
9.06
9.50
9.86
10.26
10.4
9.11
8.39
7.90
7.10
6.60
6.10
6.20
5.90

70.84
76.53
81.34
71.04
70.30
70.20
72.73
67.10
66.01
62.48
63.33
64.11
61.80
62.28
67.79
69.41
69.93
68.52
73.47
80.54
74.44
70.04
74.88
76.27
75.09
72.47
71.30
71.89
69.04
68.29
65.62
56.22
55.43
56.39
57.25

sumber: BPS dan BI dioala
Dari tabel diatas diketahui bahwa jumlah observasi sebanyak 35 sampel yang
diambil dari sejak tahun 1980 hingga tahun 2014. Setelah dilakukan proses regresei
menggunakan aplikasi Eviews 9 di dapatkan hasil sebagai berikut:

Dependent Variable: GROWTH
Method: Least Squares
Date: 11/16/15 Time: 00:27
Sample: 1980 2014
Included observations: 35
Variable

Coefficient

Std. Error

INFLAT
UNEMPLOY
CONSUME
C

-0.235102
-0.121900
-0.080241
13.72562

0.030439 -7.723841
0.132475 -0.920176
0.057979 -1.383971
3.904104 3.515692

R-squared
0.687015
Adjusted R-squared 0.656726
S.E. of regression
2.133822
Sum squared resid 141.1491
Log likelihood
-74.06605
F-statistic
22.68208
Prob(F-statistic)
0.000000

t-Statistic

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

Prob.
0.0000
0.3646
0.1763
0.0014
5.174000
3.641982
4.460917
4.638671
4.522278
1.336444

Dari data diatas dapat diketahui bahwa, model persamaan regresi yang dhasilkan
adalah
GROWTHt = 13.72562 - 0.235102 INFLATt -0.121900 UNEMPLOYt -0.080241 CONSUMEt

Nilai Coefficient tiap variable menunjukkan nilai parameternya atau besar
pengaruh kenaikan tiap variabel bebas secara parsial jika tiap variabel bebas tersebut
mengalami kenaik 1 satuan. Sedangkan tanda positif atau negatif dalam coefficient
tersebut menjukkan arah. Jika positif maka searah, maksudnya jika variabel tersebut naik,
maka variabel dependen akan naik dengan asumsi variabel lainnya bersifat konstan;
Nilai Coefficient variabel:
a. C (Constant) = 13.72562, menujukkan bahwa besarnya perkiraan pertumbuhan
ekonomi yang terjadi (dalam persen ) jika nilai variabel INFLAT, UNEMPLOY, dan
CONSUME adalah nol
b. INFLAT = -0.235102, menunjukkan bahwa jika variabel INFLAT naik 1%, maka
diperkirakan GROWTH (pertumbuhan ekonomi) akan mengalami penurunan sebesar
0,235102% dengan asumsi variabel UNEMPLOY dan CONSUME dianggap
konstant.
c. UNEMPLOY = -0.121900 menunjukkan bahwa jika variabel UNEMPLOY naik 1%,
maka diperkirakan GROWTH (pertumbuhan ekonomi) akan mengalami penurunan
sebesar 0.121900% dengan asumsi variabel INFLAT dan CONSUME dianggap
konstant.

d. CONSUME = -0.080241 menunjukkan bahwa jika variabel CONSUME naik 1%,
maka diperkirakan nilai GROWTH (pertumbuhan ekonomi) akan mengalami
penurunan sebesar 0.080241% dengan asumsi variabel INFLAT dan UNEMPLOY
dianggap konstant.
Nilai Standard Error
a. C (Constant) = 3.904104, menujukkan bahwa nilai konstanta memiliki nilai rata-rata
sebaran data sampel 3.904104 dari rata-rata sampel
b. INFLAT = 0.030439, menunjukkan bahwa data sampel variabel INFLAT memiliki
selisih kesalahan nilai rata-rata sebaran sampel bernilai 0,030439 dari semua rata-rata
sampel variabel INFLAT
c. UNEMPLOY = 0.132475, menunjukkan bahwa data variabel sampel UNEMPLOY
memiliki selisih kesalahan nilai rata-rata sebaran sampel bernilai 0,132475 dari
semua rata-rata sampel UNEMPLOY
d. CONSUME = 0.057979, menunjukkan bahwa data sampel variabel CONSUME
memiliki selisih kesalahan nilai rata-rata 0.057979 dari semua rata-rata sampel
variabel CONSUME
Uji Signifikan Secara Parsial (t-test dan probabilitas t-test)
Uji untuk mengetahui tingkat signifikansi variabel secara parsial menggunakan Uji-t
(t-test) dengan tingkat kepercayaan 95% atau α= 5%, dengan df=n-k  df=35-4=31
H0: tidak ada pengaruh yang signifikan dari suatu variabel bebas terhadap variabel
terikat secara parsial
Ha: Terdapat pengaruh yang signifikan dari suatu variabel bebas terhadap variabel
terikat secara parsial
a. Nilai t-test C (Constant) = 3.904104 menunjukkan nilai t-hitungnya
Dari table diketahui t-tabel dengan df=31 mennjukkan bahwa t-tabel = 2,021 < thitungnya t-hitungnya = 0.920176, sehingga H0 diiterima
sehingga variabel UNEMPLOY tidak berpengaruh signifikan secara parsial terhadap
variabel independennya yaitu GROWTH-nya. nilai prob. t statistic UNEMPLOY =
0.3646 < α=0,05, sehingga secara probabilitas variabel UNEMPLOY juga tidak
berpengaruh signifikan secara parsial terhadap variabel GROWTH-nya
d. Nilai t-test CONSUME = -1.383971 menunjukkan nilai t-hitungnya. Nilai negative
hanya menunjukkan arahnya. Sedangkan dari table diketahui t-tabel dengan df=31
menunjukkan bahwa t-tabel = 2,021 > t-hitungnya = -1.383971, atau t-hitung lebih
besar dari t-tabel sehingga H0 ditolak sehingga variabel CONSUME tidak
berpengaruh berpengaruh signifikan secara parsial terhadap variabel independennya
yaitu GROWTH-nya. Nilai prob. t statistic UNEMPLOY =

0.1763 < α=0,05,

sehingga secara probabilitas variabel UNEMPLOY juga tidak berpengaruh signifikan
terhadap variabel GROWTH-nya
Koefisien Determinasi (R-Saquared) dan Koefisien determinasi yang disesuaikan
(Adjusted R-squared)
Dari table diketahui bahwa nilai R-squared= 0.687015, menujukkan bahwa
68,7015% dari naik turunnya atau variansi data yang dihasilkan dari regresi mampu
dijelaskan oleh variabel yang ada dalam model regeresi sedangkan sisanya 31,2985%
ditentukan oleh variabel lain atau faktor lain yang tidak ada dalam model. Tetapi dalam
penggunaanya nilai R-squared dianggap kurang bisa menginterpretasikan semua
pengaruh variabel jika menggunakan bayak variabel, karena nilai R-squared akan slalu
meningkat dan mendekati 1 jika ada penambahan variabel bebasnya, oleh karena itu ada
nilai Koefisien determinasi yang disesuaikan (Adjusted R-squared)yang menunjukkan
bahwa penambahan variabel juga memperhitungkan nilai korelasinya. Sehingga untuk

regresi yang meggunakan banyak variabel maka yang digunakan sebagai ukuran
ketepatan

model, digunakan acuan nilai Adjusted R-squared.

Dari hasil output

menujukkan nilai Adjusted R-squared = 0.656726, berarti kemampuan variabel bebasnya
dalam menjelaskan varians dari variabel terikatnya sebesar 65,6726% sedangkan sisanya
sebesar 34,3274% dijelaskan oleh faktor lainnya.
Uji untuk mengetahui tingkat signifikansi variabel secara parsial menggunakan Uji-f (f-test) dan
probabilitas f-statistic.

Dengan tingkat kepercayaan 95% atau α= 5%, dimana :
df numerator = dfn = df1 =k-1 =4-1 =3
dfd = df2 = n-k = 35-4 =31
Sedangkan perumusan hipotesisnya:
H0: tidak ada pengaruh yang signifikan dari seluruh variabel bebas terhadap variabel
terikat
Ha: Terdapat pengaruh yang signifikan dari suatu variabel bebas terhadap variabel terikat
secara parsial
Dari table diatas diketahui bahwa nilai f-statistic = 22,68208 > f-table = 2,84
maka H0 ditolak, dan Ha diterima sehingga kesimpulannya secara serempak (INFLAT,
UNEMPLOY, CONSUME) terdapat pengaruh yang signifikan dari semua variabel bebas
terhadap variabel terikat. Sedangkan berdasarkan nilai probabilitas f statisticnya =
0.000000 < α = 5% sehingga variabel bebasnya scara serempak berpengaruh signifikan
terhadap variabel terikatnya.

Rata-rata dependent variable
Dari tabel diatas diketahui bahwa nilai mean dependent = 5.174000 yang berarti
bahwa nilai rata-rata variabel GROWTH adalah 5.174000% menujukkan bahwa rata-rata
pertumbuhan ekonomi yang terjadi di Indonesia dari tahun 1980-2014 adalah sebesar

5.174000%, sedangkan standar deviasi dari variabel GROWTH-nya= 3.641982,
menujukkan keragaman nilai sampel variabel GROWTH sebesar 3.641982.
Kriteria ketepatan dan kelayakan suatu model regrsi
Dari hasil regresi terdapat beberapa kriteria kebaikan suatu model yang
ditunjukkan dari beberap kriteria yang meliputi Akaike info criterion = 4.460917 ,
Schwarz criterion = 4.638671, Hannan-Quinn criteria = 4.522278 , secara umum ketiga
kriteria tersebut menggambarkan kelayakan suatu model regresi yang dibuat, semakin
mendekati nol maka model regresi tersebut semakin bagus. Sedangakan Durbin-Watson
Statistic digunakan untuk mengetahui autokorelasi
Uji asumsi klasik
Untuk menghasilkan suatu model yang BLUE (Best Linear Unbiased Estimator) dalam
teori Gaus-Markov maka model regresi tersebut perlu diuji menggunakan uji asumsi
klasik yang meliputi:
a. Uji Multikolinearitas
Dikatakan terjadi multikolinearitas jika antar variabel berkolerasi lebih dari 0,8.
Seangkan dari table di bawah ini menunjukkan bahwa semua variabel bebas, terbebas
dari multikolinearitas karena nilai korelasinya semua di bawah 0,8.

INFLAT
UNEMPLOY
CONSUME

INFLAT

UNEMPLOY

CONSUME

1.000000
-0.011252
0.159712

-0.011252
1.000000
0.166720

0.159712
0.166720
1.000000

b. Uji Heteroskedastisitas
Heteroskedastisitas menujukkan tingkat variansi yang tinggi dari data sampel yang
ada dalam model regresi. Pada kali ini saya menguji heteroskedastisitas dengan
menggunakan metode white atau uji white.
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

Test Equation:

0.902624
8.583805
11.32041

Prob. F(9,25)
Prob. Chi-Square(9)
Prob. Chi-Square(9)

0.5378
0.4765
0.2544

Dependent Variable: RESID^2
Method: Least Squares
Date: 11/16/15 Time: 00:28
Sample: 1980 2014
Included observations: 35
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
INFLAT^2
INFLAT*UNEMPLOY
INFLAT*CONSUME
INFLAT
UNEMPLOY^2
UNEMPLOY*CONSUME
UNEMPLOY
CONSUME^2
CONSUME

9.719436
0.004803
-0.048469
-0.120666
8.740771
0.218497
-0.119470
5.785641
0.026918
-1.893590

163.7001
0.008812
0.130112
0.089715
6.070472
0.288608
0.141048
8.809206
0.029047
4.283839

0.059373
0.545051
-0.372519
-1.344993
1.439883
0.757074
-0.847020
0.656772
0.926699
-0.442031

0.9531
0.5905
0.7126
0.1907
0.1623
0.4561
0.4050
0.5173
0.3629
0.6623

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.245252
-0.026458
7.601296
1444.492
-114.7657
0.902624
0.537760

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

4.032832
7.502691
7.129471
7.573856
7.282873
1.872319

Dari hasil eviews diatas diketahui bahwa Obs*R-squared 8,583805 sedangkan
nilai X2 tabel dengan tingkat alpha = 5% df:35-4=31 diperoleh 55,7585 sehingga
Obs*R-squared = 8,583805 < X2 tabel = 55,7585 maka model tersebut lolos dari
heteroskedastisitas.
c. Uji Autokorelasi
Dari hasil eviews dibawah diketahui bahwa nilai Obs*R-squared = 1.531699,
dengan df=31 sedangkan nilai alpha = 5% sehingga dapat diketahui nilai nilai X2
tabel diperoleh 55,7585. Karena Obs*R-squared = 1.531699 < X 2 tabel = 55,7585
maka hipotesis yang menyatakan bahwa model tersebut terbebas dari autokorelasi
diterima.

Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

Test Equation:

1.372970
1.531699

Prob. F(1,30)
Prob. Chi-Square(1)

0.2505
0.2159

Dependent Variable: RESID
Method: Least Squares
Date: 11/16/15 Time: 00:30
Sample: 1980 2014
Included observations: 35
Presample missing value lagged residuals set to zero.
Variable

Coefficient

Std. Error

t-Statistic

Prob.

INFLAT
UNEMPLOY
CONSUME
C
RESID(-1)

0.002350
-0.001593
-0.008782
0.579404
0.212875

0.030323
0.131692
0.058118
3.912204
0.181674

0.077482
-0.012094
-0.151112
0.148102
1.171738

0.9388
0.9904
0.8809
0.8833
0.2505

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.043763
-0.083735
2.121101
134.9720
-73.28294
0.343242
0.846566

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

2.12E-15
2.037509
4.473311
4.695503
4.550012
1.700739

d. Uji Normalitas
10

Series: Residuals
Sample 1980 2014
Observations 35

8

6

4

2

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

2.12e-15
0.118607
5.795564
-5.227550
2.037509
0.097493
4.362210

Jarque-Bera
Probability

2.761553
0.251383

0
-6

-5

-4

-3

-2

-1

0

1

2

3

4

5

6

Untuk mengetahui apakah model regesei tersebut nilai residualnya
terdistribusi normal digunakan uji normalitas menggunakan kriteria uji Jarque-Bera
(JB). Suatu model dikatakan nilai residualnya terdistribusi normal jika nilai JB > X 2
tabel, tidak terdistribusi normal jika X2 tabel > nilai JB

Dari table diatas diketahui

bahwa nilai JB = 2,761553. Sedangkan nilai nilai X2 tabel dengan tingkat alpha = 5%
df:35-4=31 diperoleh 55,7585 sehingga nilai X2 tabel = 55,7585 > JB= 2,761553
sehingga model regresi tersebut residualnya terdistribusi secara normal
e. Uji Linearitas
Ramsey RESET Test

Equation: OUTPUT1
Specification: GROWTH INFLAT UNEMPLOY CONSUME C
Omitted Variables: Squares of fitted values

t-statistic
F-statistic
Likelihood ratio

Value
4.893214
23.94354
20.53592

df
30
(1, 30)
1

Probability
0.0000
0.0000
0.0000

Sum of Sq.
62.65086
141.1491
78.49824

df
1
31
30

Mean
Squares
62.65086
4.553197
2.616608

Value
-74.06605
-63.79809

df
31
30

F-test summary:
Test SSR
Restricted SSR
Unrestricted SSR
LR test summary:
Restricted LogL
Unrestricted LogL

Unrestricted Test Equation:
Dependent Variable: GROWTH
Method: Least Squares
Date: 11/16/15 Time: 00:54
Sample: 1980 2014
Included observations: 35
Variable

Coefficient

Std. Error

t-Statistic

Prob.

INFLAT
UNEMPLOY
CONSUME
C
FITTED^2

-0.110499
-0.218405
-0.213367
26.14718
-0.112829

0.034364
0.102344
0.051691
3.899144
0.023058

-3.215560
-2.134028
-4.127739
6.705876
-4.893214

0.0031
0.0411
0.0003
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.825937
0.802729
1.617593
78.49824
-63.79809
35.58794
0.000000

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

5.174000
3.641982
3.931320
4.153512
4.008020
1.495251

Untuk mengetahui apakah model tersebut adalah model linear apa tidak, dapat
dilihat melalui uji F-statisticnya. Apabila nilai F-statisticnya > F-tabel, maka hipotesis
yang menyatakan model regresit tersebut linear adalah ditolak, sedangkan jika Fstatisticnya < F-tabel maka hipotesis yang menyatakan bahwa model regresi tersebut

linear adalah diterima. Dari table diketahui bahwa, Dengan tingkat kepercayaan 95% atau
α= 5%, dimana :
df numerator = dfn = df1 =k-1 =4-1 =3
dfd = df2 = n-k = 35-4 =31
Diperoleh f-table = 2,84 sedangkan dari table diatas diketahui f-statistic = 23.94354 maka
F-statisticnya > F-tabel sehingga hipotesis yang menyatakan model regresit tersebut
linear adalah ditolak. Kesimpulannya model tersebut tersebut tidak cocok untuk model
linear.