Tugas 4 Praktikum Ekonometrika 1

Nama Anggota: Alya Zhafira 1651021003

Shafira Arnitiara 1651021006

Jurusan: Ekonomi Pembangunan

Tabel 7.3 Tambahan Nilai, Jam Kerja, dan Input Kapital dalam Sektor Industri di AS, 2005.

No Wilayah Y L K
1 Alabama 38372840 424471 2689076
2 Alaska 1805427 19895 57997
3 Arizona 23736129 206893 2308272
4 Arkansas 26981983 304055 1376235
5 California 217546032 1809756 13554116
6 Colorado 19462751 180366 1790751
7 Connecticut 28972772 224267 1210229
8 Delaware 14313157 54455 421064
9 District of Columbia 159921 2029 7188
10 Florida 47289846 471211 2761281
11 Georgia 63015125 659379 3540475
12 Hawaii 1809052 17528 146371
13 Idaho 10511786 75414 848220
14 Illinois 105324866 963156 5870409
15 Indiana 90120459 835083 5832503
16 Iowa 39079550 336159 1795976
17 Kansas 22826760 246144 1595118
18 Kentucky 38686340 384484 2503693
19 Louisiana 69910555 216149 4726625
20 Maine 7856947 82021 415131
21 Maryland 21352966 174855 1729116
22 Massachusetts 46044292 355701 2706065
23 Michigan 92335528 943298 5294356
24 Minnesota 48304274 456553 2833525
25 Mississippi 17207903 267806 1212281
26 Missouri 47340157 439427 2404122
27 Montana 2644567 24167 334008
28 Nebraska 14650080 163637 627806
29 Nevada 7290360 59737 522335
30 New Hampshire 9188322 96106 507488
31 New Jersey 51298516 407076 3295056 Keterangan:
32 New Mexico 20401410 43079 404749
Y = Tambahan Nilai
33 New York 87756129 727177 4260353 (ribuan$)
34 North Carolina 101268432 820013 4086558
35 North Dakota 3556025 34723 184700 L = Jam Kerja (ribu
36 Ohio 124986166 1174540 6301421 jam)
37 Oklahoma 20451196 201284 1327353 K = Input Kapital
38 Oregon 34808109 257820 1456683 (ribuan $)
39 Pennsylvania 104858322 944998 5896392
40 RhodeIsland 6541356 68987 297618
41 SouthCarolina 37668126 400317 2500071
42 SouthDakota 4988905 56524 311251
43 Tennessee 62828100 582241 4126465
44 Texas 172960157 1120382 11588283
45 Utah 15702637 150030 762671
46 Vermont 5418786 48134 276293
47 Virginia 49166991 425346 2731669
48 Washington 46164427 313279 1945860
1. Kerjakan regresi
49 West Virginia 9185967 89639 685587
berdasarkan data 7.3 ed 5
50 Wisconsin 66964978 694628 3902823
pada file Data Praktikum
51 Wyoming 2979475 15221 361536 Eviews.
- Menggunakan Estimasi Lin-Lin

A. Model Fungsi Regresi Lin-Lin

Y  f ( L, K )

Yi  0  1Li  1Ki  ui

Yi  233621,6  47,987 Li  9,952 Ki

t-stat = (0,187) (6,799) (10,175)

F-stat = 1243,514 df = 48
2
R 2  0,981 R  0,980

Interpretasi:
 Jika variabel K dan L sama dengan nol maka tambahan nilaiakanada sebesar
$233.621.600.
 Variabel L
Jika jam kerja naik sebesar 1.000 jam maka akan meningkatkan tambahan nilai sebesar
$47.987 dengan asumsi ceteris paribus.
 Variabel K
Jika input kapital naik sebesar $1.000 maka akan meningkatkan tambahan nilai sebesar
$9.952 dengan asumsi ceteris paribus.
 R2
 Pengujian terhadap koefisien regresi K dan L untuk satu arah dengan alpha 0.05 dan df 48
diperoleh nilai t tabel sebesar 1.677. Nilai t-statistic koefisien K dan L lebih besar dari nilai t-
tabel sehinga keduanya kita tolak H0. Pengujian terhadap konstanta tidak signifikan.

Uji Hipotesis
1. Uji t-statistik untuk variabel L (Jam Kerja)
H0 : β1 ≤ 0 N = 51 α = 0,05 t-statistik = 6,799
Ha : β1> 0 df = 48 TK = 95% t-kritis = 1,677

Jadi, dengan tingkat keyakinan 95% (𝛼 = 0,05 ) maka secara statistik jam kerja ( Li )
akan meningkatkan tambahan nilai ( output ) sektor industri di AS. Jika terjadi
kenaikan jam kerjs ( L ) sebesar 1000 jam, maka akan menaikkan output sektor
industri sebesar 47.98736 dengan asumsi ceteris paribus.

2. Uji t-statistik untuk variabel K (Input Kapital)

H0 : β1 ≤ 0 N = 51 α = 0,05 t-statistik = 10,175
Ha : β1> 0 df = 48 TK = 95% t-kritis = 1,677
.
Dengan tingkat keyakinan 95% (𝛼 = 0,05 ) maka secara statistik input kapital ( Ki ) akan
meningkatkan tambahan nilai ( output ) sektor industri. Jika terjadi kenaikan input kapital ( L
) sebesar 1000 dollar, maka akan meningkatkan output sektor industri sebesar 9.951891 ribu
dollar, dengan asumsi ceteris paribus.
Daerah Tolak H0
Uji F-statistik
H0: β1 = β2 = β3 = 0 N=51 α = 0,05 F-stat = 1243,514 df = 48
Ha : setidaknya ada satu koefisien yang tidak sama dengan nol
 Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 48, uji f
statistiknya sebesar 1243,514 atau lebih besar dari f-kritis yaitu sebesar 19,475atau
dengan kata lain H0 ditolak. Maka, secara bersama-sama variabel jam kerja dan input
kapital secara statistik signifikan mempengaruhi tambahan nilai Sektor Industri di AS
(variabel independen).

Uji Asumsi Klasik

1. Uji Normalitas Residual : Uji JB
H0 : Residu tersebar normal
Ha : Residu tersebar tidak normal
χ2-stat= 16,862 χ2-hitung= 5,991 α = 0,05 df = 2
Residual tersebar
tidak normal
 H0 yang diajukan adalah residual tersebar secara normal. Di peroleh hasil χ2 sebesar
16.86183. dengan alpha 0.05 dan df 2, di peroleh t-tabel sebesar 5.991 sehingga kita
menolak H0 yang berarti residual tersebar tidak normal. Atau dapat dilihat dari
probabilitasnya yang kurang dari 0.05 yaitu sebesar 0.000218.

2. Uji Heteroskedatisitas : Uji White

H0 : Tidak ada heteroskedastisitas
Ha : Ada heteroskedastisitas
χ2-stat=8,661 χ2-hitung= 9,488 α = 0,05 df = 4
 Ada
heteroskedastisitas
 Non cross form

Di sini kita menggunakan uji heteroskedastisitas : uji white non cross form. Diperoleh nilai
statistik χ2 sebesar 1.213876. . dengan alpha 0.05 dan df 2, di peroleh t-tabel sebesar 5.991
sehingga kita menerima H0 yang berarti ada heteroskedastisitas. Atau dapat dilihat nilai
probabilitasnya yang lebih dari 0.05 yaitu sebesar 0.560941.

With cross form

Di sini kita menggunakan uji heteroskedastisitas : uji white with cross form. Diperoleh nilai
statistik χ2 sebesar 8.660653. dengan alpha 0.05 dan df 2, di peroleh t-tabel sebesar 5.991
sehingga kita menolak H0 yang berarti ada heteroskedastisitas. Atau dapat dilihat dari nilai
probabilitasnya yang lebih dari 0.005 yaitu sebesar 0.1240.

3. Uji Otokorelasi : Uji DW

Uji Otokorelasi : Uji BG LM Test
H0 : Tidak ada otokorelasi
Ha : Ada otokorelasi
χ2-stat= 4,118 χ2-hitung= 5,991 α = 0,05 df = 2
 Di sini kita menggunakan uji autokorelasi : Breusch-Godfrey.Diperoleh nilai statistik
χ2 sebesar 4.118270. dengan alpha 0.05 dan df 2, di peroleh t-tabel sebesar 5.991
sehingga kita menerima H0 yang berarti tidak ada autokorelasi. Atau dapat dilihat
dari nilai probabilitasnya yang lebih dari 0.005 yaitu sebesar 0.412021.

4. Deteksi Multikolinieritas
Di sini kita menggunakan deteksi multikoleniaritas : VIF. Kita lihat masing-masing nilai
centered VIF untuk masing-masing variabel adalah sebesar 8.879994. Karena nilai VIF
keduanya antara 5-10, maka dapat dikategorikan bahwa hasil estimasi mengalami
multikoleniaritas sedang.
B. Model Fungsi Regresi Double Log

Y  A.K 1 .L2 .eu

ln Yi  ln A  1 ln Li  2 ln Ki  u ln ei

ln Yi  0  1 ln Li  2 ln Ki  ui

ln Yi  3,888  0, 468ln Li  0,521ln Ki

t-stat = (9,812) (4,734) (5,380)

F-stat = 645,931 df = 48
2
R 2  0,964 R  0,963

Interpretasi:

 Variabel ln_L
Setiap kenaikan jumlah jam kerja sebesar 1% akan menaikan tambahan nilai sektor
industri di AS sebesar 0,468% dengan asumsi ceteris paribus.
 Variabel ln_K
Setiap kenaikan jumlah input kapitalsebesar 1% akan menaikan tambahan nilai sektor
industri di AS sebesar 0,521% dengan asumsi ceteris paribus.
 R2
Variabel ln_L dan ln_K dapat menjelaskan variasi variabel ln_YSektor Industri di AS
sebesar 0,964 atau 96,4%, sedangkan 3,6% tidak dapat menjelaskan variasi pada variabel
ln_YSektor Industri di AS.

Uji Hipotesis
1. Uji t-statistik untuk variabel ln_L
H0 : β1 ≤ 0 N = 51 α = 0,05 t-statistik = 9,812
Ha : β1> 0 df = 49 TK = 95% t-kritis = 1,677
Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 49, uji t
 statistiknya sebesar 9,812 atau lebih besar dari t-kritisyaitu sebesar 1,699 atau dengan
kata lain H0 gagal ditolak. Maka secara statistik peningkatan ln_L sebesar 1.000jam akan
menaikkan ln_YSektor Industri di AS sebesar $ 4.734,170.

2. Uji t-statistik untuk variabel ln_K

H0 : β1 ≤ 0 N = 51 α = 0,05 t-statistik = 4,734
Ha : β1 > 0 df = 48 TK = 95% t-kritis = 1,677

Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 49, uji t
statistiknya sebesar 4,734 atau lebih besar dari t-kritisyaitu sebesar 1,699 atau dengan
kata lain H0 gagal ditolak. Maka secara statistik peningkatan ln_K sebesar $1.000 akan
menaikkan ln_YSektor Industri di AS sebesar $5.380,274.

3. Uji F-statistik
H0: β1 = β2 = β3 = 0 N=51 α = 0,05 F-stat = 645,931 df = 48
Ha : setidaknya ada satu koefisien yang tidak sama dengan nol
 Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 49, uji f
statistiknya sebesar 645,931 atau lebih besar dari f-kritis yaitu sebesar 19,475atau dengan
kata lain H0 ditolak. Maka, secara bersama-sama variabel ln_L dan ln_K secara statistik
signifikan mempengaruhi ln_Y Sektor Industri di AS (variabel independen).

Uji Asumsi Klasik

1. Uji Normalitas Residu
H0 : Residu tersebar normal
Ha : Residu tersebar tidak normal
χ2-stat = 196,024 χ2-hitung = 5,991 α = 0,05 df = 2
 Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 2, χ2-
stat sebesar 196,024 atau lebih besar dari χ2-hitung yaitu sebesar 5,991 atau dengan kata
lain H0 ditolak. Maka, dapat disimpulkan bahwa residual tersebar tidak normal.

2. Uji Heteroskedatisitas : Uji White

H0 : Tidak ada heteroskedastisitas
Ha : Ada heteroskedastisitas
χ2-stat= 7,326 χ2-hitung= 9,488 α = 0,05 df = 4
 Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 4, χ2-
stat sebesar 7,326 atau lebih kecil dari χ2-hitung yaitu sebesar 9,488 atau dengan kata lain
H0gagal ditolak. Maka, dapat disimpulkan tidak ada heteroskedastisitas dalam model ini.

3. Uji Otokorelasi : Uji DW

Karena residual tidak terdistribusi normal, maka tidak berlaku uji DW untuk model ini.

4. Uji Otokorelasi : Uji BG LM Test

H0 : Tidak ada otokorelasi
Ha : Ada otokorelasi
χ2-stat= 0,149 χ2-hitung= 5,991 α = 0,05 df = 2
 Dengan α sebesar 5% atau tingkat keyakinan 95% dan derajat kebebasan sebesar 2, χ2-
stat sebesar 0,149atau lebih kecil dari χ2-hitung yaitu sebesar 5,991 atau dengan kata lain
H0gagal ditolak. Maka, dapat disimpulkan bahwa data dalam penelitian initidak terdapat
masalah otokorelasi.

5. Deteksi Multikolinieritas
VIF untuk variabel L = 12,882
VIF untuk variabel K = 12,882
Karena nilai VIF keduanya lebih besar dari 10, maka dapat dikategorikan bahwa hasil
estimasi mengalami multikolinieritas tinngi.

2. Jelaskan perbedaan Log Natural dan Log biasa, serta berikan contoh dari log natural
dan log biasa.
Jawab :

Logaritma natural adalah logaritma yang berbasis e, dimana e adalah 2.718281828459… (dan
seterusnya). Logaritma natural terdefinisikan untuk semua bilangan real positif x dan dapat
juga didefinisikan untuk bilangan kompleks yang bukan 0. Aturan pangkat, tidak dapat
memberikan fungsi yang anti turunannya adalah 1/x. Tetapi, dengan menggunakan Teorema
Dasar Kalkulus kita dapat mendefinisikan fungsi melalui integral yang turunannya adalah 1/x.
Fungsi ini kita sebut logaritma natural dari x, ditulis lnx. Dapat dibuktikan, tapi tidak
diberikan pada kuliah ini, bahwa fungsi ini sama dengan fungsi logaritma berbasis e yang
telah kita kenal di SMA.

Contoh soal :

1. Tentukan nilai x yang memenuhi persamaan

ln2 x - ln x5 + 6 = 0

Jawab :
Bentuk di atas bisa kita ubah sebagai berikut :
(ln x)2 - 5 ln x + 6 =0
misalkan ln x = A maka
A2 - 5A + 6 = 0
(A - 2)(A - 3) = 0
A = 2 atau A = 3
ln x = 2 atau ln x = 3
x = e2 atau x = e3

Logaritma Biasa
Dalam bidang matematik, logaritma biasa bermaksud logaritma asas 10. Ia juga dikenali
sebagai logaritma dekadik dan juga logaritma perpuluhan, dinamakan sempena nombor
asasnya, ataupun logaritma Briggsian, sempena Henry Briggs, seorang ahli matematik
Inggeris yang menjadi perintis penggunaannya. Ia ditandakan dengan log10(x), atau kadang-
kadang Log(x) dengan huruf L besar (namun demikian, notasi sebegini kabur memandangkan
ia boleh bermaksud fungsi berbilang nilai logaritma asli kompleks). Pada mesin kira, ia
selalunya dilabelkan sebagai "log", tetapi ahli matematik selalunya merujuk kepada logaritma
asli dan bukannya logaritma biasa apabila mereka menulis "log". Untuk mengelakkan
kekaburan, spesifikasi ISOmenyatakan bahawa log10(x) seharusnya ditulis sebagai lg (x)
manakala loge(x) ditulis sebagai ln (x).
Diketahui 3log 5 = x dan 3log 7 = y. maka, nilai dari 3log 245 1/2 ?
3
log 245 ½ = 3log (5 x 49) ½
3
log 245 ½ = 3log ((5) ½ x (49) ½)
3
log 245 ½ = 3log (5) ½ + 3log (72) ½
3
log 245 ½ = ( 3log 5 + 3log 7)
3
log 245 ½ = (x + y)
Jadi, nilai dari 3log 245 1/2 adalah (x + y).

3. Jika 𝜷𝟎 = ln A, maka bagaimana cara untuk mencari nilai A? Kemudian

kerjakan regresi berdasarkan data 7.3 ed 5 pada file data praktikum Eviews.
Jawab :

Ln_Yi = 𝛽0 + 𝛽1 ln Li + 𝛽2 ln Ki + ei
̂
𝑙𝑛 𝑌𝑖 = 3.888 + 0.468 Li + 0.521 Ki
t-stat = (9.811) (4.734) (5.380)
F-stat = 0.000
R2 = 0.964
R 2 = 0.962

Interpretasi untuk Estimasi

 Nilai konstanta 3.888 nilai konstanta ini dalam model double log tidak dapat secara
langsung diartikan, tetapi harus dikembalikan dalam bentuk anti ln karena 𝛽0 = ln A.
Nilai A dalam mocel Cobb-Douglas menunjukkan technological progress.
Dengan menggantikan ln nilainya adalah sebesar 40.794.
 Nilai Koefisien ln L sevesar 0.468 berarti bahwa setiap kenaikan 1% jam kerja
akan meningkatkan output sevesar 0.468 ribu dollar, dengan asumsi ceteris
paribus. Angka ini juga menunjukkan besaran elastisitas parsial input L
terhadap output.
  Nilai koefisien ln K sebesar 0.521 artinya setiap kenaikan 1% pengeluaran
modal akan meningkatkan output sebesar o.251 ribu dollar, dengan asumsi
ceteris paribus. Angka ini jua menunjukkan besaran elastisitas parsial input K
terhadap output.
 Jika kita jumlahkan koefisien ln L dengan koefisien ln K sebesar 0.989 yang
mendekati I, menunjukkan bahwa skala hasil di industri manufaktur AS adalah
mempunyai constant return to scale.

Uji Hipotesis
Uji t
a.Untuk Variabel Li

H0 : 𝛽1 ≤ 0 N = 51 𝛼 = 0,05 t statistic = 4.734

Ha : 𝛽1 > 0 df = n-k-1 = 48

Daerah tolak H0

Daerah terima H0

0 1,667 t

Jadi, dengan tingkat keyakinan 95% (𝛼 = 0,05 ) maka secara statistik jam kerja ( Li )
akan meningkatkan tambahan nilai ( output ) sektor industri di AS. Jika terjadi
kenaikan jam kerjs ( L ) sebesar 1000 jam, maka akan menaikkan output sektor
industri sebesar 0.468 ribu dollar dengan asumsi ceteris paribus.

b. Untuk variabel Ki
H0 : 𝛽1 ≤ 0 N = 51 𝛼 = 0,05 t statistic = 5.380
Ha : 𝛽1 > 0 df = n-k-1 = 48
 ;’p

Daerah tolak H0

Daerah terima H0

0 1,667 t

Dengan tingkat keyakinan 95% (𝛼 = 0,05 ) maka secara statistik input kapital ( Ki ) akan
meningkatkan tambahan nilai ( output ) sektor industri. Jika terjadi kenaikan input kapital ( L
) sebesar 1000 dollar, maka akan meningkatkan output sektor industri sebesar 0.521ribu
dollar, dengan asumsi ceteris paribus.
Uji F

H0 : 𝛽1 = 𝛽2 = 0 N = 51 𝛼 = 0,05 F statistic =0.000 n1 = k = 3

Ha : Setidaknya ada satu koefisien yang tidak sama dengan nol n2 = n-k-1 = 48

- Uji Asumsi Klasik

 Uji Normalitas Residual
Di sini kita menggunakan uji Jarque-Bera. H0 yang diajukan adalah residual yang
tersebar secara normal. Diperoleh nilai statistik χ2 sebesar 196.024. dengan alpha 0.05
dan df 2, dari tabel diperoleh nilai sebesar 5.991 sehingga kita menolak H0 yang
berarti residual tersebar tidak normal. Atau dapat dilihat dari probabilitasnya yang
kurang dari 0.05.
  Uji Heteroskedastisitas.

Non Cross Form

di sini kita menggunakan uji white : non cross form. H0yang diajukan adalah tidak
ada heteroskedastisitas. Diperoleh nilai statistik χ2 sebesar 4.986. dengan alpha 0.05
dan df 2, dari tabel diperoleh nilai sebesar 5.991 yang berarti kita menerima H0 yang
berarti tidak ada heteroskedastisitas.

With cross form

Di sini kita menggunakan uji white : with cross form. H0yang diajukan adalah tidak
ada heteroskedastisitas. Diperoleh nilai statistik χ2 sebesar 7.325. dengan alpha 0.05
dan df 2, dari tabel diperoleh nilai sebesar 5.991 yang berarti kita menolak H0 artinya
ada heteroskedastisitas.

Lampiran
 Hasil Estimasi Lin-Lin

 Uji Normalitas Residual : Uji JB (Lin-Lin)

 Uji Heteroskedatisitas : Uji White (Lin-Lin)

 Uji Otokorelasi : Uji BG LM Test (Lin-Lin)

 Deteksi Multikolinieritas (Lin-Lin)

 Hasil Estimasi Log-Log

 Uji Normalitas Residual : Uji JB (Log-Log)

 Uji Heteroskedatisitas : Uji White (Log-Log)

 Uji Otokorelasi : Uji BG LM Test (Log-Log)

 Deteksi Multikolinieritas (Log-Log)