Interpretasi output data Eviews

INTERPRETASI OUTPUT DATA EVIEWS

Dependent Variable: Y
Method: Least Squares
Date: 11/22/17   Time: 22:03
Sample: 1960 1982
Included observations: 23
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	36.30322	3.867471	9.386812	0.0000
X1	0.002101	0.003190	0.658788	0.5184
X2	-0.636353	0.164748	-3.862585	0.0011
X3	0.217663	0.058102	3.746221	0.0015
X4	0.097555	0.041223	2.366548	0.0294
R-squared	0.939196	Mean dependent var		39.71304
Adjusted R-squared	0.925683	S.D. dependent var		7.449668
S.E. of regression	2.030858	Akaike info criterion		4.444454
Sum squared resid	74.23895	Schwarz criterion		4.691301
Log likelihood	-46.11123	Hannan-Quinn criter.		4.506536
F-statistic	69.50775	Durbin-Watson stat		1.387410
Prob(F-statistic)	0.000000

Hasil analisis di atas dilakukan menggunakan program Eviews 8 dengan menghasilkan model estimasi. Terlihat dari hasil analisis di atas, terdapat beberapa hal dari hasil analisis yang saya rincikan sebagai berikut.

1.  Dependent variabel: Y. Menjelaskan bahwa dalam penelitian ini menggunakan Y sebagai variabel dependenpen atau terikat.

2.      Method: Panel Least Square. Menjelaskan metode yang digunakan untuk analisis, yang mana panel least square adalah fixed effect model.

3.      Sample: 1960 – 1982. Menunjukkan series waktu yang digunakan dalam kajian.

4.      Periods included: 23. Merupakan banyaknya/lamanya/series tahun dalam penelitian.

Pengujian Terhadap Koefisien Regresi Secara Parsial (Uji t)

Analisis ini digunakan untuk mengukur kekuatan dua variabel atau lebih dan juga menunjukan arah hubungan antara   variabel dependen dengan variabel independen. Adapun rumus dari regresi linier berganda (multiple linier regresion) secara umum adalah:

Y= a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + e

Analisis regresi linier digunakan dalam penelitian ini dengan tujuan untuk mengetahui ada tidaknya pengaruh variabel bebas.  Uji statistik t menunjukkan seberapa jauh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Terdapat dua cara untuk melihat hal tersebut:

• Jika Prob. > ɑ (5%), maka H_0­ diterima;
• Sebaliknya, pabila Prob < 0,05 maka tolak H₀

Catatan:

H₀ = variabel independen tidak mempengaruhi variabel dependen.

H₁ = variabel independen mempengaruhi variabel dependen.

Berdasarkan hasil Uji t, maka pengambilan keputusannya adalah sebagai berikut:

1.        Pengujian terhadap variabel X₁

Hipotesis pertama menyebutkan bahwa X₁ tidak berpengaruh signifikan terhadap Y. Berdasarkan hasil perhitungan data menggunakan program Eview 8. diperoleh hasil bahwa nilai signifikansi sebesar 0,5184. Ini berarti keputusan tolak H₁dan terima H₀, artinya X₁ berpengaruh signifikan terhadap Y karena nilai signifikansi lebih besar dari 0,05 dengan arah hubungan positif.

2.        Pengujian terhadap variabel X₂

Hipotesis kedua menyebutkan bahwa X₂ berpengaruh signifikan dan positif terhadap Y. Berdasarkan hasil perhitungan data menggunakan program Eviews8. diperoleh hasil bahwa nilai signifikansi sebesar 0,0011. Ini berarti keputusan tolak H₀ dan terima H₁, artinya X₂ berpengaruh signifikan terhadap Y karena nilai signifikansi lebih kecil dari 0,05 dengan arah hubungan negatif.

3.        Pengujian terhadap variabel X₃

Hipotesis ketiga yang menyebutkan bahwa X₃ tidak berpengaruh signifikan terhadap Y.  Berdasarkan hasil perhitungan data menggunakan program Eview 8. diperoleh hasil bahwa nilai signifikansi sebesar 0.0015. Ini berarti keputusan yang diambil adalah terima H₃ dan tolak H₀ artinya X₃ berpengaruh signifikan positif terhadap Y karena nilai signifikansi lebih kecil dari 0,05 dengan arah hubungan positif.

4.        Pengujian terhadap variabel X₄

Hipotesis ketiga yang menyebutkan bahwa X₄ tidak berpengaruh signifikan terhadap Y.  Berdasarkan hasil perhitungan data menggunakan program Eview 8. diperoleh hasil bahwa nilai signifikansi sebesar 0.0294. Ini berarti keputusan yang diambil adalah terima H₄ dan tolak H₀ artinya X₄ berpengaruh signifikan positif terhadap Y karena nilai signifikansi lebih besar dari 0,05 dengan arah hubungan positif.

Berdasarkan hasil pengujian dengan metode regresi linier berganda untuk menguji pengaruh variabel-variabel independen (X₁, X₂, X₃ dan X₄) terhadap variabel dependen (Y) maka dapat disusun sebuah persamaan sebagai berikut:

Y = C(1) + C(2)*X1 + C(3)*X2 + C(4)*X3 + C(5)*X4

Y = 36.3032186495 + 0.00210145736311*X1 - 0.636353436773*X2 + 0.217662563342*X3 +   0.097555258358*X4

Hasil tersebut dapat dijelaskan sebagai berikut :

1. Koefisien regresi X₁ adalah sebesar 0.0021 yang berarti bahwa setiap peningkatan X₁ sebesar 1% akan menaikan Y sebanyak 0.0021% dengan asumsi variabel lain konstan, begitu juga sebaliknya.
2. Koefisien regresi X₂ adalah sebesar – 0.6363 yang berarti bahwa setiap peningkatan X₂ sebesar 1% akan menurunkan Y sebanyak 0.6363% dengan asumsi variabel lain konstan, begitu juga sebaliknya.
3. Koefisien regresi X₃ adalah sebesar 0.2176 yang berarti bahwa setiap peningkatan nilai tukar sebesar 1% akan menaikkan Y sebanyak 0.2176% dengan asumsi variabel lain konstan, begitu juga sebaliknya
4. Koefisien regresi X₄ adalah sebesar 0.0975 yang berarti bahwa setiap peningkatan nilai tukar sebesar 1% akan menaikkan Y sebanyak 0.0975%  dengan asumsi variabel lain konstan, begitu juga sebaliknya

Pengujian Terhadap Koefisien Regresi Secara Simultan (Uji F)

       Pengujian hipotesis uji F digunakan untuk melihat apakah secara keseluruhan variabel bebas mempunyai pengaruh yang bermakna terhadap variabel terikat.

     Hasil pengolahan data terlihat bahwa variabel independen (X₁, X₂, X₃ dan X₄) signifikansi F hitung sebesar 69.50775 dengan tingkat signifikansi yang lebih kecil (0,00000) dari 0,05. Dengan demikian hasil analisis dalam penelitian ini menunjukkan bahwa secara bersama-sama variabel independen (X₁, X₂, X₃ dan X₄) berpengaruh terhadap Y.  Dengan demikian hipotesis pertama (H1) dalam penelitian ini dapat diterima.

Koefisien Determiasi Berganda.

    Nilai koefisien determinasi berganda dalam eviews 8 sama seperti halnya dengan aplikasi lainnya yaitu di beri label R-Square. Dalam tabel diatas dapat dilihat bahwa R- Square sebesar 0.939196 yang berarti sekumpulan variabel devendent di dalam model dapat menjelaskan variabel indevendent sebesar 93.9196%. sedangkan sisanya dijelaskan oleh variabel lain diluar model yang tidak diteliti.

Adjusted R Square

    Nilai adjusted R Square artinya nilai R Square yang telah terkoreksi oleh nilai standar error. Dalam tabel diatas adjuster R Square sebesar 0.925683. sedangkan nilai standart error model regresi 2.030858 ditunjukkan dengan label S.E Of regression. Nilai standar error ini lebih besar dari pada nilai standart deviasi variabel indevendent yang dijuntukkan dengan label “S.D. dependent var” yaitu sebesar 7.449668 yang diartikan bahwa model regresi tidak valid sebagai model devendent variabel.

Semoga artikel ini bermanfaat bagi pembaca . Terima kasih :) ^_^