1.

Hasil deskriptif

X1 X2 Y X3 X4
 15.00667  10.28100  10.29013  8.233367  14.77500
 14.88550  8.795000  10.13800  8.110500  15.57500
 17.24300  77.63000  12.63700  9.301000  27.60000
 12.87300  2.010000  7.984000  6.540000  7.040000
 1.388578  13.09361  1.497631  0.903203  4.937263
 0.061406  4.743219  0.012858 -0.195625  0.318883
 1.668793  24.98967  1.608182  1.480357  2.871622

 2.233994  716.9228  2.422273  3.077991  0.529033

 0.327261  0.000000  0.297859  0.214597  0.767577

 450.2000  308.4300  308.7040  247.0010  443.2500

 55.91634  4971.834  65.04403  23.65747  706.9204

 30  30  30  30  30

2. Uji Stasioneritas

Hipotesis

H0 : tidak stasioner

H1 : stasioner

a. Uji ADF pada X1 pada level

Null Hypothesis: X1 has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.573826  0.2938

Test critical values: 1% level -4.309824
5% level -3.574244
10% level -3.221728

*MacKinnon (1996) one-sided p-values.

 b. Uji ADF pada X1 pada first difference

Null Hypothesis: D(X1) has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.432087  0.0007

Test critical values: 1% level -4.323979
5% level -3.580623
10% level -3.225334

*MacKinnon (1996) one-sided p-values.

c. Uji ADF pada X2 level

Null Hypothesis: X2 has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.784233  0.0000

Test critical values: 1% level -3.679322
5% level -2.967767
10% level -2.622989

*MacKinnon (1996) one-sided p-values.

 d. Uji ADF pada X3 level

Null Hypothesis: X3 has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -1.305331  0.8664

Test critical values: 1% level -4.309824
5% level -3.574244
10% level -3.221728

*MacKinnon (1996) one-sided p-values.

e. Uji X3 pada first different

Null Hypothesis: D(X3) has a unit root

Exogenous: None
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -4.149617  0.0002

Test critical values: 1% level -2.650145
5% level -1.953381
10% level -1.609798

*MacKinnon (1996) one-sided p-values.

 f. Uji x4 pada level

Null Hypothesis: X4 has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.135454  0.2331

Test critical values: 1% level -3.679322
5% level -2.967767
10% level -2.622989

*MacKinnon (1996) one-sided p-values.

g. Uji x4 pada First Different

Null Hypothesis: D(X4) has a unit root

Exogenous: None
Lag Length: 1 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.545252  0.0000

Test critical values: 1% level -2.653401
5% level -1.953858
10% level -1.609571

*MacKinnon (1996) one-sided p-values.

h. Uji ADF Y pada level

Null Hypothesis: Y has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*
Augmented Dickey-Fuller test statistic -2.919106  0.1719
Test critical values: 1% level -4.323979
5% level -3.580623
10% level -3.225334

*MacKinnon (1996) one-sided p-values.

i. Uji ADF Y pada first difference

Null Hypothesis: D(Y) has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -4.656754  0.0049

Test critical values: 1% level -4.339330
5% level -3.587527
10% level -3.229230

*MacKinnon (1996) one-sided p-values.

Variabel Level Kesimpulan 1st Difference Kesimpulan

T stat Prob T stat Prob
X1 Tidak stasioner
-2.573826  0.2938 stasioner -5.432087  0.0007
X2 -5.784233  0.0000 Stasioner
X3 Tidak Stasioner
-1.305331  0.8664 Stasioner -4.149617  0.0002
X4 Tidak Stasioner
-2.135454  0.2331 stasioner -5.545252  0.0000
Y Tidak stasioner
-2.919106  0.1719 stasioner -4.656754  0.0049

Kesimpulan 1 : dari seluruh variabel dalam model yaitu X1, X2, X3, X4 dan Y, hanya X2
yang stasioner pada level. Sedangkan X1, X3 , X4 dan Y tidak stasioner pada level. Hal
tersebut perlu diwaspadai karena akan menyebabkan terjadinya regresi palsu.
 3. ESTIMASI MODEL REGRESI

Dependent Variable: Y
Method: Least Squares
Date: 12/17/20 Time: 15:06
Sample: 1982 2011
Included observations: 30

Coefficien
Variable t Std. Error t-Statistic Prob.  

X1 0.896736 0.035038 25.59319 0.0000**

X2 -0.002950 0.000972 -3.036691 0.0055**
X3 0.275380 0.050048 5.502363 0.0000**
X4 -0.005640 0.003241 -1.740363 0.0941*
C -5.320527 0.210932 -25.22394 0.0000**

R-squared 0.998481    Mean dependent var 10.29013

Adjusted R-squared 0.998238    S.D. dependent var 1.497631
-
S.E. of regression 0.062857    Akaike info criterion 2.544886
-
Sum squared resid 0.098776    Schwarz criterion 2.311353
    Hannan-Quinn -
Log likelihood 43.17328 criter. 2.470176
F-statistic 4109.369    Durbin-Watson stat 1.323116
Prob(F-statistic) 0.000000

Keterangan : **)signifikan 5% *)signfikan 10%

Persamaan Regresi Jangka Panjang

Y = -5.320 + 0.896 X1 – 0.0029 X2 + 0.275 X3 – 0.0056 X4

 Uji-F
H0 : seluruh variabel X tidak berpengaruh signifikan terhadap Y

H1 : minimal ada satu variabel X yang berpengaruh terhadap Y (Model Fit)

Nilai F hitung 4109.369 dengan nilai prob(0.0000). Karena nilai prob(0.0000)<alpha 5%

maka tolak H0 artinya Model Fit.
  R-square
Nilai R-square 99.85% artinya keragaman yang mampu dijelaskan oleh faktor-faktor
dalam model sebesar 99.85% sedangkan sisanya 0.15% dijelaskan oleh faktor lain diluar
model

 Variabel Independen yang signifikan pada alpha 5%

1. Variabel X1 berpengaruh signifikan dan positif terhadap Y. p-value (0.0000)<alpha 5% maka
signifikan pengaruh X1 terhadap Y.
2. Variabel X2 berpengaruh signifikan dan negative terhadap Y. p-value (0.0055)<alpha 5%
maka signifikan pengaruh X2 terhadap Y.
3. Variabel X3 berpengaruh signifikan dan positif terhadap Y. p-value (0.0000)<alpha 5% maka
signifikan pengaruh X3 terhadap Y.

 Variabel Independen yang signifikan pada alpha 10%. Hanya X4 yang berpengaruh
signfikan dan negative terhadap Y, dengan nilai prob(0.0941)<alpha 10%.

 Durbin Watson, nilai DW rendah sebesar 1.323

Kesimpulan 2 : Model terlihat baik, karena memiliki uji-F yang signifikan, R-square yang sangat
tinggi, koefisien regresi seluruh variabel signifikan, tetapi memiliki nilai DW yang rendah atau
jauh dari angka 2. Sehingga dicurigai, model regresi tersebut adalah regresi palsu. Untuk itu
perlu dilakukan uji kointegrasi.

4. Uji Kointegrasi
Menguji ADF pada nilai residual (Ut)

Hipotesis

H0 : Ut tidak stasioner (tidak terkointegrasi)

H1 : Ut stasioner (terkointegrasi)
Null Hypothesis: UT has a unit root
Exogenous: None
Lag Length: 1 (Automatic - based on SIC, maxlag=7)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.184940  0.0000

Test critical values: 1% level -2.650145
5% level -1.953381
10% level -1.609798

*MacKinnon (1996) one-sided p-values.

nilai prob(0.000)<alpha 5% maka tolak H0 artinya terbukti terkointegrasi

Kesimpulan 3 : hasil uji kointegrasi membuktikan bahwa model regresi tersebut bukanlah regresi
palsu, melainkan regresi yang terkointegrasi atau seimbang jangka Panjang. Hanya saja untuk
keseimbangan jangka pendek tidak bisa dibuktikan dengan kointegrasi, melainkan dengan ECM.
Untuk itu Langkah berikutnya adalah dengan model ECM sebagai pengoreksi keseimbangan
jangka pendek.

5. Model ECM
Model ECM adalah model regresi jangka pendek yang memasukkan nilai residual kedalam
persamaan jangka pendek.
Dependent Variable: D(Y)
Method: Least Squares
Date: 12/27/20 Time: 20:15
Sample (adjusted): 1983 2011
Included observations: 29 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

D(X1) 0.770378 0.213059 3.615792 0.0015

D(X2) -0.003444 0.000892 -3.858696 0.0008
D(X3) 0.317016 0.071782 4.416378 0.0002
D(X4) -0.007737 0.003303 -2.342884 0.0282
UT(-1) -0.692543 0.194338 -3.563594 0.0017
C 0.014139 0.035849 0.394402 0.6969

R-squared 0.585231     Mean dependent var 0.160448

Adjusted R-squared 0.495063     S.D. dependent var 0.081449
S.E. of regression 0.057877     Akaike info criterion -2.679016
Sum squared resid 0.077043     Schwarz criterion -2.396127
Log likelihood 44.84573     Hannan-Quinn criter. -2.590419
F-statistic 6.490498     Durbin-Watson stat 1.619861
Prob(F-statistic) 0.000671
Hasil ECM menunjukkan koefisien Ut-1

1. Signifikan karena memiliki nilai prob(0.0017)<alpha 5%

2. Koefisien Ut-1 sebesar -0.6925 letaknya diantara -1 sampai 0.
Kedua syarat terpenuhi, sehingga dapat dibuktikan bahwa model ECM mampu mengoreksi
keseimbangan jangka pendek menuju keseimbangan jangka Panjang.

Kesimpulan 4.

Model regresi baik jangka Panjang maupun jangka pendek menunjukkan hasil yang sangat baik,
artinya model sudah seimbang jangka pendek menuju keseimbangan jangka Panjang.

Uji Asumsi Klasik pada model jangka Panjang

1. Asumsi residual menyebar normal

Hipotesis
H0 : Residual menyebar normal
H1 : Residual tidak menyebar normal
6
Series: Residuals
Sample 1982 2011
5
Observations 30

4 Mean -6.21e-16
Median 0.000972
Maximum 0.115874
3 Minimum -0.097473
Std. Dev. 0.058362
2 Skewness 0.241767
Kurtosis 2.424415

1 Jarque-Bera 0.706380
Probability 0.702444
0
-0.10 -0.05 0.00 0.05 0.10

Nilai prob(0.70244)>alpha 5% maka terima H0 artinya asumsi residual menyebar normal

terpenuhi.
2. Uji Homoskedastisitas
Hipotesis
H0 : Homoskedastisitas
H1 : Heteroskedastisitas

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 1.421497    Prob. F(4,25) 0.2559

Obs*R-squared 5.558878    Prob. Chi-Square(4) 0.2346
Scaled explained
SS 2.749358    Prob. Chi-Square(4) 0.6006

nilai prob(0.2559)>alpha 5% maka terima H0 artinya asumsi homoskedastisitas

terpenuhi.

3. Uji Autokorelasi
Hipotesis

H0 : tidak ada autokorelasi

H1 : terdapat autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 6.154370    Prob. F(2,23) 0.0072

Obs*R-squared 10.45810    Prob. Chi-Square(2) 0.0054

nilai prob(0.0054) <alpha 5% maka tolak H0 artinya terdapat autokorelasi. Hal tersebut tidak
menjadi masalah karena sudah diobati dengan model ECM.

4. Uji Multikolinieritas
Uji Multikolinieritas pada eviews, menggunakan korelasi parsial antar variabel independent.

Jika nilai korelasi masih dibawah dari nilai R-square maka dapat disimpulkan tidak terdapat
multikolinieritas.
 Matriks Korelasi antar variabel Independen

X1 X2 X3 X4
-
0.0254017029 0.9495745415 0.5249580404
X1 1 4834457 772102 111586
0.0254017029 0.1448190614 0.2233226729
X2 4834457 1 429052 470962
-
0.9495745415 0.1448190614 0.3631421627
X3 772102 429052 1 719488
- -
0.5249580404 0.2233226729 0.3631421627
X4 111586 470962 719488 1

Nilai korelasi tertinggi adalah 0.949575 antara X1 dan X3, nilai korelasi masih lebih
rendah dari nilai R-square 0.998 artinya tidak terdapat multikolinieritas.

Kesimpulan akhir

Model regresi sudah bersifat Robust (baik) dan BLUE. Karena sudah memenuhi semua
syarat baik Kointegrasi, ECM, uji asumsi klasik, uji-F signifikan dan koefisien regresi
seluruh varabel signifikan pengaruhnya terhadap Y.