Lompat ke konten

Cara Baca Hasil Regresi EViews

Cara Baca Hasil Regresi EViews

Setelah melakukan Analisis Regresi Linier Menggunakan E-Views, sekarang saatnya kita membaca hasil regresi tersebut. Apa sih makna dari hasil regresi tersebut dan bagaimana cara baca hasil regresi menggunakan Eviews.

Kali ini Saya menggunakan contoh pada tulisan Cara Regresi Linier Menggunakan Eviews sebelumnya, yaitu Penelitian bertujuan mencari pengaruh Inflasi (X1) dan Kurs USD/IDR (X2) terhadap IHSG (Y) periode Januari 2005 sampai Juli 2016.

Output analisis regresi linear data time series pada Eviews tersebut dapat dilihat pada gambar di bawah ini.

mjurnal.com
Image: M Jurnal. Dahulu bernama mardanijournal.wordpress.com

Pembahasan hanya dikhususkan pada tujuan penelitian yaitu mencari pengaruh (Signifikan dan Besaran Pengaruh) variabel bebas (Inf dan Kurs) terhadap variabel terikat (IHSG).

Maka pembahasan lebih difokuskan pada kolom yang dilingkari dan diberi angka 1 – 4. Berikut penjelasannya.

Uji F – Cara Baca Hasil Regresi EViews

Uji F merupakan uji statistik yang bertujuan untuk mengetahui pengaruh seluruh variabel bebas secara bersama-sama (Simultan) terhadap variabel terikat. Dalam EViews, output uji F dapat dilihat pada point 1 yaitu F-statistic dan/atau Prob(F-statistic).

F-statistic disebut pula sebagai Fhitung, sedangkan Prob(F-statistic) disebut pula p-value.

Anda dapat menggunakan keduanya atau salah satunya saja karena jika p-value menyatakan H0 ditolak dan Ha diterima, maka sudah pasti pada uji F-statistic memberikan kesimpulan yang sama. Hipotesis pada Uji F adalah sebagai berikut:

  • H0 = Tidak signifikan
  • H = Signifikan

#1 Menggunakan F-statistic atau Fhitung

Jika Anda menggunakan F-statistic, maka Anda harus membadingkan F-statistic tersebut dengan Ftabel (didapatkan pada Tabel F).

Tabel F dapat dilihat pada lampiran buku-buku statistik atau dapat didownload melalui Play Store. Pengambilan keputusan F-statistic adalah sebagai berikut:

  1. Jika Fhitung < Ftabel maka H0 diterima dan Ha ditolak.
  2. Jika Fhitung > Ftabel maka H0 ditolak dan Ha diterima.

#2 Menggunakam Prob(F-Statistic) atau p-value

Jika Anda menggunakan p-value, maka Anda harus membandingkan p-value dengan tingkat signifikansi atau α (ditentukan oleh peneliti dan pada penelitian ekonomi dan bisnis, umumnya menggunakan α = 5%). Pengambilan keputusan p-value adalah sebagai berikut:

  1. Jika p-value > α, maka H0 diterima dan Ha ditolak.
  2. Jika p-value < α, maka H0 ditolak dan Ha diterima.

Pada contoh ini, p-value < α (0.000000 < 0.05) dengan demikian, H0 ditolak dan Ha diterima. Artinya, Inflasi dan Kurs USD/IDR secara simultan berpengaruh signifikan terhadap IHSG.

Uji tCara Baca Hasil Regresi EViews

Uji t merupakan uji statistik yang bertujuan untuk mengetahui pengaruh variabel bebas secara individual (parsial) terhadap variabel terikat. Output uji t pada EViews dapat dilihat pada point 2, yaitu t-Statistic dan Prob.

Tak berbeda dengan uji F, Anda dapat menggunakan salah satunya saja dan secara teknis, hipotesis uji t dan uji F tidak berbeda. Namun, yang membedakannya adalah makna dari hipotesis tersebut yaitu uji t adalah uji pengaruh secara parsial sedangkan uji F adalah uji pengaruh secara simultan.

sponsored-blibli-samsung

#1 t-Statistic atau thitung

Jika Anda menggunakan t-Statistic, maka Anda harus membandingkan t-Statistic tersebut dengan ttabel (didapatkan pada Tabel t).

Tabel t bisa dilihat pada lampiran buku-buku statistik atau dapat didownload melalui play store. pengambilan keputusan t-Statistic adalah sebagai berikut:

  1. Jika thitung < ttabel maka H0 diterima dan Ha ditolak.
  2. Jika thitung > ttabel maka H0 ditolak dan Ha diterima.

#2 Prob. atau p-value

Jika Anda menggunakan p-value, maka Anda harus membandingkan p-value dengan tingkat signigikansi atau α. Pengambilan keputusan p-value adalah sebagai berikut:

  1. Jika p-value > α, maka H0 diterima dan Ha ditolak.
  2. Jika p-value < α, maka H0 ditolak dan Ha diterima.

Pertama, kita lakukan analisis pada variabel INF (X1). p-value < α (0.0000 < 0.05), maka H0 ditolak dan Ha diterima. Artinya, variabel INF (Inflasi) berpengaruh signifikan terhadap IHSG.

Kedua, lakukan analisis pada variabel KURS (X2). p-value < α, maka H0 ditolak dan Ha diterima. Artinya, variabel KURS (Kurs USD/IDR) berpengaruh signifikan terhadap IHSG.

Penting! Tidak berpengaruh signifikan bukan sebuah masalah. Selengkapnya kunjungi SUB-BAB Tidak Signifikan. Saya sudah bahas alasannya, serta solusinya…

Koefisien Determinasi – Cara Baca Hasil Regresi EViews

Uji Koefisien Determinasi merupakan uji untuk mengetahui berapa besar pengaruh seluruh variabel bebas terhadap variabel terikat.

Dalam hal ini, pengaruh Inflasi dan Kurs USD/IDR terhadap IHSG. Output uji koefisien determinasi dapat dilihat pada point 3 yaitu R-squared dan Adjusted R-squared.

Penggunaan Adjusted R-squared dilakukan apabila dalam penelitian model regresi mengalami modifikasi seperti penambahan dan/atau pengurangan variabel bebas (dengan asumsi yang tepat seperti apabila terjadi masalah multikolinearitas dalam model regresi).

Sehubungan pada contoh ini model regresi tidak mengalami penambahan dan/atau pengurangan variabel bebas, maka digunakan uji R-squared (R2).

Nilai R2 sebesar 0.421459, artinya variasi seluruh variabel bebas (Inflasi dan Kurs) dapat mempengaruhi variabel terikat (IHSG) sebesar 42.15% (0.421459). Sedangkan sisanya sebesar 57.85% (0.578541) dipengaruhi oleh variabel lain diluar penelitian.

Model Regresi Linear EViews

Yang terakhir adalah menyusun model persamaan regresi linear. Output model regresi pada Eviews dapat dilihat pada point 4. Model regresi pada penelitian ini dapat disusun menggunakan persamaan regresi berikut:

IHSG = α + β1 INF + β2 KURS

Sehubungan model regresi telah mengalami transformasi data menggunakan logaritma natural (Telah dijelaskan pada artikel Penggunaan Eviews sebelumnya), maka persamaan regresi berubah menjadi:

ln(IHSG) = α + β1 ln(INF) + β2 ln(KURS)

Lihat output Eviews pada point 4, nilai pada Kolom Coefficient Variable INF dan KURS secara berturut-turut merupakan nilai β1 dan β2. Sedangkan Variable C (Konstanta) meruapakan nilai α.

Sehingga persamaan regresi pada contoh ini dapat disusun sebagai berikut:

ln(IHSG) = -3.417498 – 0.586815 ln(INF) + 1.349839 ln(KURS)

Interpretasi Model Regresi EViews

Dari persamaan regresi di atas, dapat disimpulkan bahwa:

  1. α = -3.417498, artinya apabila Inflasi dan Kurs USD/IDR sebesar 0, maka IHSG sebesar -3.417498 tetapi tidak signifikan pada alpha sebesar 5% (lihat p-value dari variable C pada point 2).

    *) Catatan: Dalam contoh ini, IHSG tidak mungkin sangat mendekati 0 atau bahkan bernilai negatif meskipun dalam bentuk logaritma natural. Karena logaritma natural dari 1 = 0 dan dibawah 1 = bernilai negatif. Jika IHSG sangat mendekati 0, maka dapat dipastikan perekonomian Indonesia anjlok. Dengan demikian, nilai konstanta pada model regresi tidak dapat dibuktikan kebenarannya.
  2. β1 = -0.586815, artinya dengan asumsi Kurs USD/IDR tetap, maka setiap peningkatan Inflasi sebesar 1% akan menurunkan IHSG sebesar 0.586815%.

    *) Catatan: Tanda negatif pada β1 merupakan arah pengaruh Inflasi terhadap IHSG. Pada contoh ini, Inflasi berpengaruh negatif terhadap IHSG dan signifikan pada α = 5%
  3. β2 = 1.349839, artinya dengan asumsi Inflasi tetap, maka setiap peningkatan Kurs USD/IDR sebesar 1% akan meningkatkan IHSG sebesar 1.349839%.

    *) Catatan: Tanda positif pada β2 menunjukkan bahwa pada contoh ini Kurs USD/IDR berpengaruh positif terhadap IHSG dan signifikan pada α = 5%.

Pintasan Panduan Olah Data Regresi Linier

Panduan Sebelumnya: Proposal (BAB 1 – 3).

  1. Regresi Linier: Materi dasar (yang paling dasar) tentang Regresi Linier. Jangan abaikan materi ini, supaya tidak gagal paham.
  2. Metode Analisis: Uji apa saja yang wajib dilakukan pada Penelitian Regresi Linier ?

Angket Kuesioner

Jika penelitian Anda menggunakan angket kuesioner, ikuti beberapa panduan berikut sebagai tahap awal dalam analisis data.

  1. Tabulasi Data: Membuat tabulasi data dari hasil jawaban responden menggunakan Microsoft Excel berdasarkan skala likert + Gratis Template.
  2. Analisis Deskriptif: Langkah-langkah analisis deskriptif data angket kuesioner + Gratis Template Otomatis.
  3. Frekuensi Kumulatif: (Sedang disusun).
  4. Method Successive Interval: Lakukan MSI untuk mengubah data ordinal (dari skala likert) menjadi data interval sebagai syarat Analisis Regresi Linier.

Selanjutnya, ikuti panduan sesuai software yang Anda gunakan. Saat ini, Saya sudah menyusun panduan dari 2 software.

Regresi SPSS

  1. Uji Asumsi Klasik SPSS: Cara uji Asumsi Klasik menggunakan Aplikasi SPSS.
  2. Regresi SPSS: Cara Regresi, Uji t, uji F, R2 dan Estimasi Model Regresi menggunakan Aplikasi SPSS
  3. Hasil SPSS: Cara baca hasil Regresi SPSS (Interpretasi Model Regresi), + R-Square.

Regresi E-Views

  1. Uji Asumsi Klasik E-Views: Cara uji Asumsi Klasik menggunakan Aplikasi E-Views
  2. Regresi E-Views: Cara Regresi, Uji t, uji F, R2 + Pengambilan keputusan Hipotesis.
  3. Hasil E-Views: (Anda Disini).

Panduan Berikutnya: Problem dan Solusi.

26 tanggapan pada “Cara Baca Hasil Regresi EViews”

  1. assalamualaikum bang, saya mau nanya terkait skripsi saya, gimana cara mengetahui program kerja promosi yang paling efektif/signiufikan dalam meningkatkan jumlah mahasiswa baru berdasarkan data program promosi yang dipilih oleh mahasiswa baru ditahun 2017-2019 untuk menghasilkan prediksi jumlah mahasswa baru ditahun 2020.
    jadi langkahnya seperti apa saya sudah pakai eviews9.

  2. Ka mau bertanya itu kan hasil t-hitungnya -7,700, nah untuk menguji t statistik kan membandingkan t hitung dengan t tabel, yg ingin saya tanyakan apakah tanda min pada t hitung di gunakan yang berarti kurang dari t-tabel karena dia minus atau bagaimana ? Terimakasih sebelumnya

  3. Tanda negatif / positif tidak di gunakan untuk menguji hipotesis mbak.
    Dalam contoh ini, t-hitung (7,7) > t-Tabel (1,98).
    Nilai t-tabel bisa lihat pada df 136 (hasil dari 139-3)
    139 = n atau periode penelitian
    3 = jumlah variabel
    Dan angka t-tabel yg di ambil adalah uji 2 arah. Karna terdapat tanda negatif pada coeficient beta dan t-hitung.
    Itu artinya, Inflasi berpengaruh negatif dan significant pada alpha 5%.
    Mbak biaa baca penjelasannya pada Interpretasi Hasil Regresi Eviews point ke 2 di atas.

  4. Nah masalahnya itu kak kan saya datanya tidak berdistribusi normal. Akhirnya saya log agar datanya berdistribusi normal… Kan kalau sudah normal otimatis untuk estimate equation yang berisi koefisien, probabilitas, t statistic kan hasilnya beda kak dengan yang belum normal tadi. Nah untuk yang normal ini kok saya dapatkan perbandingan t hitung:t tabel hasilnya menerima ho. Sedangkan saat saya uji probabilitas: nilai signifikasi hasilnya menolak ho….
    Itu saya salahnya dimana kak dan bagaimana penyelesaiannya?

  5. punten kak, masih newbi, boleh lebih diringankan lagi bahasanya agar kami bisa lebih memahami,. masih ada bahasa-bahasa yang sukar dimengerti

  6. Halo, Selamat Sore
    Saya izin bertanya, pada contoh regresi yang suadara berikan konstantanya memiliki p-valuea yang lebih besar dari tingakat signifikansi 5%. Apakah ini berarti konstantanya tidak signifikan karena lebih besar dari tingkat signifikansi 5%? Lalu bagaimana interprentasinya?

    Besar harapan saya saudara bisa menjawab pertanyaan saya
    Terima Kasih

  7. Bener, ga signifikan kak.
    Pada dasarnya, kalo ga signifikan ya nilai constanta itu ga bisa digunakan dalam pengambilan keputusan (dari sisi pengguna, bukan peneliti).
    Interpretasi ini sudah Saya bahas pada bagian Interpretasi Hasil Regresi EViews di atas kak.
    Dibaca-baca lagi ya kak.

  8. Hallo ka, izin bertanya. untuk interpretasi model regresi, bersumber dari buku siapa ya ka. Saya masih bingung, alasannya kenaikan 1% kenapa koefisien regresi nya tidak dikalikan terlebih dahulu untuk menjadi persentasenya ya ka. ditunggu balasannya ka, Terimakasih.

  9. Di contoh kan sudah Saya jadikan persen kakak.
    Misal untuk Beta X1 = -0.586815. Jika inflasi meningkat sebesar 1%, maka IHSG menurun sebesar 0.586815%.

    Koefisien regresi itu dalam satuan.
    Dalam contoh lain gini… Misalnya untuk beta X1 = -0.586815.
    Apabila Inflasi meningkat sebesar 1 satuan, maka IHSG menurun sebesar 0.586815.

    1 satuan = 100%.
    Sementara dalam artikel di atas, Saya pake 1%, bukan 100%.
    Kalo mau pake 100%, bakal kayak gini:
    Jika inflasi meningkat sebesar 100%, maka IHSG menurun sebesar 58,68%.

    Tapi Saya rasa kurang enak aja baca kalimatnya…
    Makanya Saya pake 1% aja. Kan maknanya sama aja kak.

  10. Kak, saya mau tanya. Saya pake e-Views 9, dengan model terpilihnya cem trs hasil Prob (F-Statistic) saya hasilnya 0,026 apakah ini bermasalah atau bagaimana ya ? Dan ketentuannya dibawah 0,05 bukan ? Terimakasih kak.

  11. Menurut kakak, mana yg benar dari ke 2 pernyataan ini:
    0,026 < 0.05
    Atau
    0,026 > 0.05
    Ingat... ini desimal loh kak...

  12. Assalamu’alaikum kak,
    Izin bertanya, hasil olahan r-squared maupun adjusted r-squared saya yaitu 99%, apakah dengan hasil 99% otomatis terjadi multikolinearitas? Dan kalau memang terjadi multikolinearitas lalu bagaimana ya kak solusinya?????

  13. Lakukan uji Multikolinearitas biar tahu kak.
    Kalau terjadi multikolinearitas, coba eliminasi salah satu variabel independent yang saling berkorelasi.

  14. Halo, saya mau tanya tentang interpretasi persamaan analisis regresi linear sederhana. Punya saya nilai B itu tidak 0, tapi 4, bagaimana itu yaa? apakah persamaannya salah. Hasil persamaan sama Y = -1.488 + 4.319 . Mohon pencerahannya

  15. Ga salah kok. Interpretasinya sama aja seperti biasa.

    Cuma nilainya aja yg lebih besar kak.

  16. Kak saya izin tanya. Apabila hanya 1 variabel yg di ln kan berarti bagaimana intrepretasi datanya ya? Misal data Y= 2.5X1 – 25.95nX2.
    Kan kalo yg X1 berarti ketika X1 naik 1% maka Y naik 2.5%, sedangkan kalo yg X2 nya gimsna ya ka? Soalnya kan udh di ln kan.
    Apakah begimi cara bacanya ketika X2 naik 1% maka Y turun 0.259%? Karna dibagi 100 gitu, Apakah benar ka?
    Terima kasih ka sebelumnya.

  17. Interpretasi model nya pakai satuan aja (bukan persen). Misalnya… Jika X1 naik sebesar 1 satuan, maka Y naik 2.5.

    Untuk X2, jika X2 naik sebesar 1 satuan, maka Y turun sebesar (ln)25.95.

    Saya lupa satuan ln nya di awal apa di akhir seperti 25.95ln. Coba konsultasi sama dosennya.

    Note: Dalam pembahasan, jangan lupa jelaskan bahwa variabel X2 telah ditransformasi menggunakan ln.

  18. Hai ka mau tanya apabila hasil probabilitas menunjukan berpengaruh namun hasil thitung tidak maka apa yang harus dilakukan apakah harus menggunakan uji dua arah?

  19. Selamat malam kak admin. Izin bertanya nih.
    Kalau variabel dependennya dalam satuan milyar. Sementara independen nya dalam satuan persen. Untuk interprestasi model regresinya bagaimana ya?

  20. Ijin bertanaya untuk interpretasi misal data sya JPM= x – 0,0000201(JPB) ini sprti apa ya ka, apa nilai beta 1 di kali dengan stuan jumlah penduduk miskin (ribu jiwa) ato bgaimana?

  21. kak nilai koefisien ku semua sangat tinggi apa ada kesalahan ya kak? ex: -1421269 (c), -8730,64 (x1)

  22. Dependent Variable: Y
    Method: Least Squares
    Date: 05/18/23 Time: 16:06
    Sample (adjusted): 1974 2022
    Included observations: 49 after adjustments

    Variable Coefficient Std. Error t-Statistic Prob.

    C 5547.976 1258.650 4.407877 0.0001
    X1 -0.012390 0.094763 -0.130752 0.8966
    X2 -0.147108 0.060557 -2.429260 0.0194
    X3 0.338269 0.075806 4.462297 0.0001
    X1_T_1_ 0.098086 0.094698 1.035783 0.3061
    X1_T_2_ 0.156819 0.092823 1.689440 0.0984

    R-squared 0.857807 Mean dependent var 9090.163
    Adjusted R-squared 0.841273 S.D. dependent var 345.4657
    S.E. of regression 137.6354 Akaike info criterion 12.80137
    Sum squared resid 814571.0 Schwarz criterion 13.03302
    Log likelihood -307.6336 Hannan-Quinn criter. 12.88926
    F-statistic 51.88123 Durbin-Watson stat 1.100645
    Prob(F-statistic) 0.000000

    Analisislah hasil pengolahan data dari seorang manager investasi seperti diatas.
    Anggaplah hasil pengolahan data diatas menggunakan model APT untuk mengetahui dan untuk memperkecil resiko dengan membuat keseimbangan seperti CAPM.
    1. Tentukan nama-nama variable Y, X1, X2, X3 sehingga memenuhi syarat hubungan sebab-akibat yang dibenarkan oleh teori, dimana untuk variable X1_T_1_ adalah LAG ke 1dari X1 dan X1_T_2 adalah LAG ke 2 dari X1.
    2. Strategi apakah yang akan saudara lakukan?
    3. Bisakah saudara menunjukkan peluang resiko dari hasil pengolahan data tsb diatas? Jelaskan dan buktikan dengan angka-2x tsb diatas.

  23. Halo ka mau tanya, untuk menentukan nilai Beta itu positif atau negatif itu gimana yaa selain melihat dari tabel Beta ada tanda (-) nya, maksud saya apakah ada sumbernya untuk menentukan atau bagaimana 🙏

Komentar Anda:

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *