Panduan Eviews

i

PANDUAN EVIEWS
Untuk Ekonometrika Dasar

Pengarah:
Dr. Dra. Enny Radjab, M.AB (Dekan Fakultas Ekonomi)
Dr. Wahyu Maulid Adha, S.E., M.M (Wakil Dekan I Fekon)
Dr. Nur Fitriayu Mandasari, S.E., M.Si (Wakil Dekan II Fakon)

Tim Penulis
Arlistria Muthmainnah, S.E., M.M

(Ketua)

Sufyan Amirullah, S.E.,M.Ak

(Sekertaris)

Dr.Sumarsih , S.E.,M.M
Erwin, S.E., M.M.

Eni Novitasari, S.E., M.Si

(Anggota)

ii

SAMBUTAN DEKAN
FAKULTAS EKONOMI
UNIVERSITAS SULAWESI BARAT

Assalamualaikum warahmatullahi wabarakatu
Puji syukur kehadirat Allah SWT. atas segala nikmat, kesempatan dan

petunjukknya dalam segala aktivitas keseharian kita semua. Shalawat dan salam
senantiasa kita sanjungkan kepada junjungan kita Nabi Besar MuhammadSAW
yang telah menuntun kita untuk senantiasa menuntut dan mengembangkan ilmu
pengetahuan sebagai bekal dalam mencari Ridho Allah SWT. Senang sekali
rasanya diberi kesempatan memberikan kalimat pembuka dalam buku Panduan
EViews untuk Ekonometrika Dasar ini.

Peranan statistika dan ekonometrika bagi mahasiswa khususnya fakultas
ekonomi adalah kolaborasi yang diperlukan dan saling menguatkan dalam
meningkatkan kompetensi mahasiswa. Mengacu pada konsep revolusi industri 4.0.
maka perlu ada penguatan literasi teknologi untuk meningkatkan kompetensi
mahasiswa dalam memahami cara kerja aplikasi ekonometrika yang salah satunya
adalah Eviews. Sebagai hasil pembelajarannya, diharapkan mahasiswa mempunyai
keterampilan dalam mengolah dan menganalisis data, memiliki pengetahuan dan
pemahaman logis, serta mampu menggunakan perangkat lunak ekonometrika dan
mampu membaca serta memberikan interpretasi hasil komputasi dengan benar
dalam waktu yang cepat dan dengan hasil yang akurat.

Buku Panduan Eviews ini secara spesifik membahas mengenai cara mudah
untuk melakukan pengolahan data khususnya data penelitian kuantitatif dan
memberikan contoh kasus serta cara penyelesaiannya secara bertahap yang

iii

didukung dengan visualisasi gambar yang mudah untuk dipahami. Buku panduan
ini memiliki relevansi yang sangat erat dengan kebutuhan mahasiswa dalam
penyelesaian tugas akhirnya khususnya dalam perhitungan hasil pengolahan data
penelitian.

Harapan terbesar semoga buku panduan ini dapat dimanfaatkan dengan
sebaik-baiknya oleh seluruh pembaca utamanya bagi para mahasiswa Fakultas
Ekonomi sebagai salah satu referensi dalam penyususnan tugas akhir penyelesaian
studi. Kepada semua pihak yang telah terlibat dalam penyusunan buku panduan ini,
kami ucapkan terima kasih.

Majene, 20 September 2022
Dekan,

Dr. ENNY RADJAB, MAB
Nip. 19670325 199403 2 001

iv

KATA PENGANTAR

Pengolahan dan analisa data merupakan dua proses yang sangat menentukan
dalam pengelolaan data menjadi suatu informasi. Kecepatan dalam pengolahan dan
ketepatan dalam analisa akan sangat menentukan kualitas informasi dan penulisan
laporan dalam suatu kegiatan monitoring dan evaluasi, baik menggunakan data
primer maupun menggunakan data sekunder. Telah banyak buku panduan yang
disusun untuk mengolah dan menganalisa data kuantitatif, namun hanya sedikit
yang memberikan contoh-contoh secara nyata yang mudah dipahami oleh peserta
pemula khususnya mahasiswa tingkat akhir.

Panduan EViews untuk Ekonometrika Dasar ini sengaja disusun secara
sistematis, dengan memberikan contoh kasus dalam pengolahan dan analisa data
kuantitatif yang sering digunakan. Tahapan dan proses yang dibahas dalam
panduan ini dibatasi hanya sampai pada tahap hubungan antara dua variabel atau
lebih saja. Dengan menjelaskan model dalam tahapan regresi data panel untuk
menentukan model yang sesuai dalam melihat hubungan diantara variabel-variabel.
Panduan ini bertujuan untuk memberikan tambahan informasi dari pengguna
khususnya mahasiswa tentang tata cara pengolahan data statistik kuantitatif.
Panduan ini dilengkapi oleh tahapan yang disertai dengan gambar dan contoh
kasus yang releva.

Semoga peanduan ini dapat dimanfaatkan oleh mahasiswa untuk membantu
dalam pengolahan dan analis data untuk skripsi/ thesis, Kritik dan saran kami
terima dengan senang hati untuk kesempurnaan buku ini.

v

DAFTAR ISI
SAMPUL............................................................................................................ i
SAMBUTAN DEKAN FEKON UNSULBAR.................................................. iii
KATA PENGANTAR........................................................................................ v
DAFTAR ISI....................................................................................................... vi
BAB 1 MENGENAL PROGRAM EVIEWS..................................................... 1
BAB 2 PETUNJUK DOWNLOAD & PENGINSTALAN EVIEWS

VERSI STUDENT 12............................................................................ 4
BAB 3 PEMBUATAN WORKFILE (INPUT DATA PADA EVIEWS).......... 8
BAB 4 UJI ASUMSI KLASIK........................................................................... 13
BAB 5 ANALISIS REGRESI BERGANDA.................................................... 21
BAB 6 ANALISIS REGRESI DATA PANEL................................................... 25
BAB 7 PENUTUP.............................................................................................. 41
DAFTAR PUSTAKA ........................................................................................ 42

vi

MENGENAL PROGRAM
EViews

Peranan statistika dan ekonometrika bagi mahasiswa khususnya fakultas
ekonomi adalah kolaborasi yang diperlukan dan saling menguatkan dalam
meningkatkan kompetensi mahasiswa. Ekonometrika semakin penting ketika para
ahli ekonomi dan para pengambil keputusan dibidang bisnis membutuhkan
informasi yang cepat dan akurat.

Ekonometrika adalah penggunaan analisis komputer serta teknik pembuatan
model untuk menjelaskan hubungan antara kekuatan ekonomi utama seperti tenaga
kerja, modal, suku bunga, dan kebijakan pemerintah dalam pengertian matematis,
kemudian menguji pengaruh perubahan dalam skenario ekonomi. Jadi intinya
ekonometrika adalah suatu ilmu yang memanfaatkan matematika dan teori statistik
dalam mencari nilai parameter dari pada hubungan ekonomi sebagaimana
didalilkan oleh teori ekonomi. Karenanya dalam praktek, ekonometrika
mencampurkan teori ekonomi dengan matematika dan teori statistik. Namun yang
perlu diingat bahwa matematika dan teori statistik hanya merupakan alat bantu
dalam melakukan analisis ekonometrika yang pada hakekatnya lebih merupakan
analisis ekonomi.

Analisa ekonomi ini merupakan profil lulusan mahasiswa fakultas ekonomi
yang harus ditingkatkan kompetensi lulusannya dari tahun ke tahun. Mengacu
pada konsep revolusi industri 4.0. maka perlu ada penguatan literasi teknologi
untuk meningkatkan kompetensi mahasiswa dalam memahami cara kerja aplikasi
ekonometrika yang salah satunya adalah Eviews. Sebagai hasil pembelajarannya,
diharapkan mahasiswa mempunyai keterampilan dalam mengolah dan
menganalisis data, memiliki pengetahuan dan pemahaman logis, serta mampu
menggunakan perangkat lunak ekonometrika dan mampu membaca serta
memberikan interpretasi hasil komputasi dengan benar dalam waktu yang cepat
dan dengan hasil yang akurat.

EViews adalah program kommputer yang digunakan untuk mengolah data
statistik dan data ekonometri. Program ini tersedia dalam versi MS Windows dan

1

Macintosh. EViews merupakan kelanjutan dari MicroTSP, yang dikeluarkan pada
tahun 1981. Aplikasi EViews dibuat pertama kali oleh Quantitative Micro
Software (QMS) yang berada di Irvine, California, Amerika Serikat. Hingga saat
ini sudah terdapat banyak versi dari software Eviews ini. Eviews versi 6 telah
dirilis pada tahun 2007 dimana pada versi ini telah mengalami perkembangan yang
sangat pesat dibandingkan versi-versi sebelumnya. Selanjutnya pada tahun-tahun
berikutnya muncullah versi yang lebih baru, yaitu eviews versi 7, versi 8, versi 8
SV, versi 9, versi 9.5 dan versi 9,5 SV/Lite. Untuk saat ini, telah hadir versi
terbaru yaitu versi 12 yang dirilis tahun 2020. Selain memiliki banyak versi
Eviews juga mempunyai berbagai macam jenis atau edisi lisensi, seperti edisi
student atau akademik, lisensi single user untuk satu pengguna dan edisi komersial
(commercial license). Sehingga untuk melakukan proses instalisasi software ini
perlu menyesuaikan dengan kebutuhan olah data statistik yang akan dilakukan.

EViews dapat kita gunakan untuk menyelesaikan masalah yang
berbentuk time-series, cross section, maupun data panel. Apa itu time-series, cross
section, dan data panel? Untuk penjelasan simpelnya adalah sebagai berikut :

 Time Series
Time Series adalah data suatu objek yang terdiri atas beberapa periode.
Contohnya adalah harga saham sebuah perusahaan yang diamati selama 1
bulan (30 hari). Contoh lain adalah data penjualan untuk 3 bulan kerja
(quarter). Dengan demikian, data yang bersifat time-series harus dijaga
urutannya

 Cross Section
Cross Section adalah data beberapa objek pada waktu tertentu atau saat
tertentu. Sebagai contoh adalah data harga saham pada tanggal 5 Juni 2016
untuk semua perusahaan yang sahamnya diperjual-belikan pada saat itu.
Dalam kasus ini urutan tiap-tap perusahaan yang sahamnya dijual tidak perlu
dipermasalahkan.

 Data Panel
Data Panel adalah data yang bersifat time-series dan cross section. Artinya

2

data terdiri atas beberapa objek dan meliputi beberapa periode. Data panel
bersifat lebih komplek karena menggabungkan timme-series dan cross section.
Karena EViews mampu mengakomodir ketiga kebutuhan di atas, analisis
yang dilakukan oleh program EViews tidak hanya berupa masalah statistik biasa,
namun EViews juga mampu menyelesaikan untuk kasus-kasus ekonometrik yang
cukup komplek. Keunggulan EViews sendiri adalah pada kemampuannya untuk
menyelesaikan kasus time-series, meskipun tetap dapat mengolah data cross
section dan data panel. Penggunaan Eviews juga cukup mudah, hanya perlu
melakukan beberapa kali klik maka hasil akan muncul di screen / layar komputer
Anda. Hasil output dari Eviews juga mudah untuk ditransfer atau dipindahkan ke
aplikasi lain (misal MS Word), cukupdengan edit-copy lalu edit-paste.

3

PETUNJUK DOWNLOAD &
PENGINSTALAN EVIEWS 12
VERSI STUDENT

Memilih Versi Eviews sesuai Spesifikasi Komputer

Sejak dikeluarkan, Perangkat lunak yang dikembangkan oleh perusahaan
QMS di tahun 1994 dan hingga saat ini sudah terdapat banyak versi dari software
Eviews ini. Eviews versi 6 telah dirilis pada tahun 2007 dimana pada versi ini telah
mengalami perkembangan yang sangat pesat dibandingkan versi-versi sebelumnya.
Selanjutnya pada tahun-tahun berikutnya muncullah versi yang lebih baru,
yaitu eviews versi 7, versi 8, versi 8 SV, versi 9, versi 9.5 dan versi 9,5 SV/Lite.
Untuk saat ini, telah hadir versi terbaru yaitu versi 12 yang dirilis tahun 2020.
Selain memiliki banyak versi Eviews juga mempunyai berbagai macam jenis atau
edisi lisensi, seperti edisi student atau akademik, lisensi single user untuk satu
pengguna dan edisi komersial (commercial license). Sehingga untuk melakukan
proses instalisasi software ini perlu menyesuaikan dengan kebutuhan olah data
statistik yang akan dilakukan.

Eviews adalah aplikasi yang berjalan di atas sistem operasi windows,
sehingga sebelum melakukan instalisasi Eviews, Anda perlu mengetahui
spesifikasi komputer yang digunakan agar Software Eviews dapat dioperasikan.
Software Eviews berjalan di bawah Java Runtime Environment sehingga
memerlukan resource RAM yang lebih besar dari software pada umumnya. Hal
yang juga perlu disesuaikan dengan arsitektur sistem operasi komputer yang
digunakan 32 bit atau 64 bit (silahkan buka My Computer klik kanan dan klik
properties. Perhatikan ada tulisan 32 atau 64 bit, itu adalah jenis sistem operasi
komputer).

Mendownload Master Drive Eviews 12 Versi Student

1. Sebelum melakukan Instalisasi terlebih dahulu dilakukan download eviews,
anda dapat download di situs resmi dari eviews, yaitu: www.eviews.com.

4

2. Setelah halaman website EViews terbuka, silahkan pilih eviews 12 versi
student.

3. Silahkan mengisi data yang diminta, Pastikan alamat email yang anda
masukan masih aktif untuk menerima pemberitahuan aktivasi. Kemudian Klik
Get Serial Number

4. Selanjutnya cek email masuk untuk memastikan anda telah mendapatkan
serial number, kemudian klik link download untuk melakukan download
dengan memilih for windows atau MAC.

5

Proses Instal Aplikasi EViews

Untuk Menginstal Eviews ini diperlukan beberapa persyaratan kemampuan
komputer yang digunakan:
1. Menggunakan processor Minimal A386,486, Pentium atau procesor intel

lainnya yang dijalankan dengan Windows 3.1, Windows 95, atau Windows
NT.
2. Minimal RAM 4 MB untuk Windows 3.1, untuk Windows 95 dan NT sangat
disarankan 8 MB atau lebih.
3. Monitor VGA, Super VGA atau lainnya yang kompartibel.
4. Menggunakan mouse, trackball, atau pen pad.
5. Instalasi program akan membutuhkan sekitar lebih dari 10 MB.
Jika telah memenuhi persyaratan, Proses Instal Aplikasi EViews dapat
dilakukan dengan langjah-langkah sebagai berikut:
1. Silahkan membuka file EViews yang telah di download dan kilk dua kali pada
aplication sehingga akan muncul kotak dialog Instal.

2. Selanjutnya silahkan membaca ketentuan dari Aplikasi dan memilih I Accept
term of the license aggrement jika anda setuju untuk melanjutkan proses Instal,
kemudian klik Next. Pada kotak selanjutnya juga klik Next

6

3. Pada kotak dialog berikut, isilah serial number dengan yang telah didapatkan
melalui email sebelumnya, kemudian kilk next dan begitu juga pada kotak-
kotak dialog selanjutnya

4. Pada perintah Automatic Update, silahkan pilih Yes untuk melakukan update
secara berkala klik next dan proses instal aplikasi EViews akan segera
berjalan.

5. Kotak Selanjutnya, silahkan pilih Yes untuk menyelesasikan proses instal dan
klik finish jika seluruh Proses Instal telah selesai dilakukan. Apliksi EViews
sudah dapat digunakan.

7

PEMBUATAN WORKFILE
(INPUT DATA PADA EVIEWS)

Sebelum menjalankan perintah metode statistika yang ada di
Eviews, terlebih dahulu harus dibuka file Eviews workfile. Jika belum
terdapat data yang dimaksud maka kita harus membuat workfile baru
dengan mengimpor dari data Excel spreadsheet. Berikut tahapan yang
dilakukan:

Membuat Workfile EViews

1. Buka Aplikasi EViews pada perangkat anda, kemudian pada Menu
klik File New Work File sehingga akan muncul kotak dialog
worfile yang akan diisi sesuai dengan data yang anda miliki

2. Silahkan memilih tipe struktur data & jenis data series penelitian
yang anda miliki
Workfile Structure : Merupakan
bentuk data yangakan digunakan
untuk penelitian, yang terdiri dari
1. Instructured / undated : adalah
jenis datayang tidak terstruktur
2. Date / regular frequency : adalah
bentuk datayang terstruktur
secara series
3. Balanced panel : Adalah data
bentuk panel, biasa digunakan
dalam penelitian data panel

8

Date Specification, Frequecy adalah jenis
data series yang digunakan anatara lain :

1. Multi-year : data multi tahun
2. Annual : data tahunan
3. Semi-annual : data semesteran
4. Quarterly : data kuartalan
5. Monthly : data bulanan
6. Bimonthly : Data dua bulanan
7. Weekly : data mingguan
8. Daily : data harian (5 hari dan 7 hari)
3. Pada isian Start Date : isikan tahun awal data yang digunakan misal
tahun 2000 dan End Date: isikan tahun akhir data misal tahun 2015,
kemudian klik OK

4. Maka akan tampil Worfile berikut

Membuat objek (variabel/ persamaan)

1. Untuk melakukan import file silahkan Klik menu object  new object

9

• Type of object = jenis object yang akan ditambahkan Yang paling sering
digunakan adalah : equation (persamaan), series (data series), VAR
(persamaan model VAR)

• Name for object = nama object yang akan digunakan

2. Untuk obejk selanjutnya silahkan klik di objek PDB klik kanan => copy
kemudian “ctrl + v”, kemudian gantinama variabelnya sesuai denga keinginan
misalnya “PMA”.

10

3. Untuk menambah variabel-variabel selanjutny, silahkan gunakan cara yang
sama

4. Untuk menginput data kedalam eviews, maka pilih semua variabel
penelitian sesuai denga urutan di excel, jika urutan kolomnya PDB, PMA
dan PMDN maka di workfile eviews lakukan dengan cara sambil menekan
tombol Ctrl kemudian klik PDB, PMD dan PMDN kemudian klik kanan,
open as group,

5.

11

6. kemudian klik edit, copy data di excel kemudian paste di kolom pertama
workfile

Setelah data
masuk kedalam
masing-masing
variabel, maka
langsung di
closesaja

12

UJI ASUMSI KLASIK

Uji asumsi pada dasarnya adalah salah satu uji yang digunakan sebagai syarat
statistik. Uji asumsi haruslah dipenuhi pada analisis regresi linier berganda serta
tidak pada regresi linier sederhana. Analisis yang dimaksud ialah analisis regresi
linier berganda dengan basis OLS seperti yang telah dijelaskan sebelumnya.

Melakukan uji asumsi sebelum melakukan uji hipotesis dianggap sebagai
salah satu syarat yang harus dilakukan pada penelitian kuantitatif. Jika, hasil dari
uji asumsi tidak sesuai dengan hipotesis maka akan timbul bermacam-macam
reaksi. Oleh karena itu, melakukan uji asumsi terlebih dahulu adalah hal yang
penting dalam penelitian kuantitatif.

Pengujian asumsi klasik ini ditujukan agar dapat menghasilkan model regresi
yang memenuhi kriteria BLUE (Best Linier Unbiased Estimator). Model regresi
yang memenuhi kriteria BLUE dapat digunakan sebagai estimator yang terpercaya
dan handal dimana estimator tersebut dinyatakan tidak bias, konsisten,
berdistribusi normal dan juga efisien. Untuk mengetahui apakah model regresi
yang akan digunakan telah memenuhi kriteria BLUE maka perlu dilakukan
serangkaian pengujian yaitu Uji Normalitas, Uji Multikolinieritas, Uji
Heteroskedastisitas, dan Uji Autokorelasi. Berikut tahapan dalam uji asumsi klasik
pada aplikasi EViews.

Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi terbentuk
adanya korelasi tinggi atau sempurna antar variabel bebas (independen). Jika
ditemukan ada hubungan korelasi yang tinggi antar variabel bebas maka dapat
dinyatakan adanya gejala multikorlinear pada penelitian. . Nilai korelasi yang
dapat ditoleransi dalam uji multikolinearitas adalah 70 persen atau 80 persen (0,7
atau 0,8). Tahapan dalam melakukan uji multikolinearitas yaitu:
1. Silahkan tekan Ctrl + Klik variabel independen (variabel bebas), kemudian

klik kanan, open as group

13

2. Selanjutnya silahkan pilih menu Quick, Group Statistic, Correlation

3. Pada kotak dialog series list pastikan selmua variabel independent telah
terblok, lalu klik ok dan lanjut klik yes

14

4. Maka akan muncul hasil dari pengujian multikolinearitas berikut

Dari hasil uji multikolinearitas di atas dapat dilihat bahwa nilai
korelasinya adalah sebesar 0,654 < 0,7 sehingga dapat disimpulkan
bahwa tidak terjadi masalah multikolinearitas pada variabel penelitian
tersebut.Dengan hasil ini maka satu uji asumsi klasik telah terpenuhi.

Uji Autokorelasi

Uji autokolerasi merupakan kolerasi yang terjadi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Autokorelasi dapat
diketahui melalui Uji Breusch-Godfrey, dimana jika nilai prob < 0,05 maka
terjadi gejala autokorelasi sedangkan jika nilai prob > 0,05 maka tidak terjadi
gejala autokorelasi adalah pengujian yang digunakan untuk menguji ada atau
tidak adanya korelasi serialdalam model regresi atau untuk mengetahui apakah
di dalam model yang digunakan terdapat autokorelasidiantara variabel-variabel
yang diamati. Untuk melakukan uji autokorelasi maka langkah-langkahnya
adalah sebagaia berikut :
1. Tekan Ctrl + klik keseluruhan variabel (urutannya berdasarkan variabel Y

X1 X2 dst…), kemudian klik kanan, open as equation, lanjut pastikan
untuk semua variabel telah terblok lalu klik OK

15

2. Maka akan muncul kotak dialog berikut
3. Klik view, residual diagnostic , serial correlation LM test

16

4. Kemudian akan muncul hasil sebagai berikut

Dari hasil uji autokorelasi di atas dapat dilihat bahwa prob 0,6249 >
0,05 maka dapat disimpulkan bahwa tidak terjadi gejala autokorelasi
dalam model penelitian.

Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik. Heteroskedastisitas yaitu adanya ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Prasyarat
yang harus terpenuhi dalam model regresi adalah tidak adanya gejala
heteroskedastisitas. Prasyarat yang harus terpenuhi dalam model regresi adalah
tidak adanya gejala heteroskedastisitas. Jika nilai prob nya < 0,05 maka terjadi
gejala heteroskedastisitas dalam model penelitian sedangkan jika nilai prob >
0,05 maka tidak terjadi gejala heteroskedastisitas dalam model penelitian.
Untuk melakukan uji heteroskedastisitas, sebagai berikut :
1. Tekan Ctrl + klik keseluruhan variabel (urutannya berdasarkan variabel Y

X1 X2 dst…), kemudian klik kanan, open as equation, lanjut pastikan
untuk semua variabel telah terblok lalu klik OK

17

2. Maka akan muncul kotak dialog berikut

3. Klik view, residual diagnostics, heteroskedasticity test, pilih white
kemudian ok

18

4. Maka akan dihasilkan output sebagai berikut:

Dari hasil uji heteroskedastisitas dengan menggunakan metode white, nilai
prob nya sebesar 0,597 > 0,05 sehingga dapat disimpulkan tidak terjadi gejala
heteroskedastisitas dalam modl penelitian.

Uji Normalitas

Uji normalitas untuk menguji apakah nilai residual yang telah distandarisasi
pada model regresi berdistribusi normal atau tidak. Cara melakukan uji
normalitas dapat dilakukan dengan pendekatan analisis grafik normal probability
Plot. Pada pendekatan ini nilai residual terdistribusi secara normal apabila garis
(titik-titik) yang menggambarkan data sesungguhnya akan mengikuti atau
merapat ke garis diagonalnya

1. Tekan Ctrl + klik keseluruhan variabel (urutannya berdasarkan variabel Y
X1 X2 dst…), kemudian klik kanan, open as equation, lanjut pastikan
untuk semua variabel telah terblok lalu klik OK

19

2. Maka akan muncul kotak dialog berikut

3. Selanjutnya klik menu view, residual diagnostics, histogram normality test

4. Maka akan muncul output sebagai berikut

Dari hasil uji dapat dilihat
bahwa nilai probability Jarque

Berra sebesar 0,123 > 0,05
artinya residual data penelitian

terdistribusi dengan normal
20

ANALISIS REGRESI
BERGANDA

Regresi Linear Ordinary Least Square (OLS) merupakan uji statistik yang sangat
popular di kalangan mahasiswa, terutama mahasiswa yang kuliah dengan di bidang
ekonomi atau akuntansi. uji regresi linear ada banyak macamnya. Berdasarkan
jumlah variabel bebas di dalam model regresi, maka uji regresi ini ada dua macam,
yaitu regresi linear sederhana (simple linear regression) dan regresi linear
berganda (multiple linear regression).
Apabila hanya terdapat satu variabel bebas dan satu variabel terikat, maka regresi
tersebut dinamakan regresi linear sederhana (Juliandi, Irfan, & Manurung, 2014).
Sebaliknya, apabila terdapat lebih dari satu variabel bebas atau variabel terikat,
maka disebut regresi linear berganda. Regresi linear berganda merupakan model
regresi yang melibatkan lebih dari satu variabel independen. Analisis regresi linear
berganda dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel
independen terhadap variabel dependen (Ghozali, 2018).
Sebagai contoh dalam panduan ini, uji regresi linear berganda dilakukan untuk
mendapatkan gambaran bagaimana variabel independen yaitu Pendapatan Asing
(PMA) dan Pendapatan dalam Negeri (PMDN) mempengaruhi variabel dependen
yaitu Product Domestic Bruto (PDB), maka persamaan modelnya adalah :

Y = α + β1X1 + β2X2 + e
Berikut data-data yang dimiliki untuk masing-masing variabel selama 15 tahun:

21

Untuk melalukan analisis regresi berganda silahkan mengikuti tahap-tahap berikut:
1. Silahkan mengimpor dan mengimput data pada workfile sesuai dengan

petunjuk yang ada pada Bagian 3 Buku Panduan ini. Setelah melakukan input
data maka tampilan pada jendela kerja seperti tampilan di bawah ini

2. Selanjutnya untuk melakukan Analisis regresi, Tekan Ctrl + klik variabel pdb
pma pmdn (urutannya berdasarkan variabel Y X1 X2 dst…), klik kanan,
open as equation kemudian pada kotak equation estimation pastikan telah
sesuai dengan urutan model persamaan yang anda miliki lalu klik OK

22

3. Maka akan muncul output hasil regresi berganda yang dilakukan sebagai
berikut:

Berdasarkan hasil output di atas maka diperoleh persamaan model
Y = 4.490 + 130666.4+ 6.520 yang dapat diintepretasikan sebagai berikut:
- Nilai koefisien konstanta sebesar 4.490, artinya jika variable PMA dan PMDN

dianggap konstanmaka PDB akan meningkat sebesar 4.490.
- Nilai koefisien PMA sebesar 130666,4, artinya jika PMA meningkat sebesar 1

unit maka PDB akanmeningkat sebesar 130666,4 dengan asumsi variable lain
tetap.
- Nilai koefisien PMDN sebesar 6,520, artinya jika PMDN meningkat sebesar 1
unit maka PDB akan meningkat sebesar 6,520 dengan asumsi variable lain
tetap.

Uji Parsial (Uji t)
Uji t dilakukan untuk melihat pengaruh suatu variable independen terhadap

variable dependen. Dengan menggunakan hipotesis :
Ho : Tidak Berpengaruh

23

Ha : Berpengaruh
Jika nilai t hitung < t table , artinya Ho diterima
Jika nilai t hitung > t table , artinya Ho ditolak
Dengan jumlah n=16 maka nilai t tabel ya adalah n-1= df-1= 16, nilai t tabelnya
adalah 1,76

- Variabel PMA memiliki nilai t hitung (8,350) > t table ( 1.761) , artinya
PMA berpengaruh terhadap PDB

- Variabel PMDN memiliki nilai t hitung (2,056) > t table ( 1.761) ,
artinya PMDN berpengaruh terhadapPDB

Uji Simultan (Uji F)
Uji simultan dilakuakn untuk melihat pengaruh variable independen

secara bersama-sama terhadapvariable dependen.
Nilai df1 = k-1 = 2-1= 1
df 2 = n-k = 16-2 = 14

Berdasarkan tabel F dengan nilai df 1 = 1 dan df 2 = 14 maka nilai F tabelnya
adalah 4,54.

Dari hasil regresi di atas dapat dilihat bahwa nilai F hitung (84,29) > nilai
F table (4,54), sehingga dapat disimpulkan bahwa variable independen secara
bersama-sama berpengaruh terhadap variable dependen

24

ANALISIS REGRESI DATA
PANEL

Data panel adalah gabungan antara data runtut waktu (time series) dan data
silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu
(misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi), tetapi meliputi
beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang terdiri
dari atas beberapa atau banyak objek, sering disebut responden (misalnya
perusahaan) dengan beberapa jenis data (misalnya; laba, biaya iklan, laba ditahan,
dan tingkat investasi) dalam suatu periode waktu tertentu. Ketika kita melakukan
suatu observasi perilaku unit ekonomi seperti rumah tangga, perusahaan atau
Negara, kita tidak hanya akan melakukan observasi terhadap unit-unit tersebut di
dalam waktu yang bersamaan tetapi juga perilaku unit-unit tersebut pada berabagai
periode waktu.

Regresi dengan menggunakan data panel disebut model regresi data panel.
Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel yaitu:
1. Pertama, dapat memberikan peneliti jumlah pengamatan yang besar,

meningkatkan degree of freedom (derajat kebebasan), data memiliki
variabilitas yang besar dan mengurangi kolinieritas antara variabel penjelas, di
mana dapat menghasilkan estimasi ekonometri yang efisien.
2. Kedua, panel data dapat memberikan informasi lebih banyak yang tidak dapat
diberikan hanya oleh data cross section atau time series saja.
3. Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam
inferensi perubahan dinamis dibandingkan data cross section.
Mengingat data panel merupakan gabungan dari data cross section dan data time
series, maka persamaan modelnya dituliskan dengan:

Yit = α + β Xit + εit ; i = 1,2,....,N; t = 1,2,….., T

di mana :
N = banyaknya observasi
T = banyaknya waktu
N x T = banyaknya data panel

25

Pada Analisis regeresi data panel memilii perbedaan dengan regresi pada
umummnya, regresi data panel harus melalui tahapan penentuan model estimasi
yang tepat. Berikut diagram tahapan dari regresi data panel:

PENENTUAN MODEL ESTIMASI:
Dalam metode estimasi model regresi dengan menggunakan data panel dapat

dilakukan melalui tiga pendekatan, antara lain:
Common Effect Model atau Pooled Least Square (PLS)

Merupakan pendekatan model data panel yang paling sederhana karena hanya
mengkombinasikan data time series dan cross section. Pada model ini tidak
diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa
perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa
menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat
terkecil untuk mengestimasi model data panel.

26

Fixed Effect Model (FE)
Model ini mengasumsikan bahwa perbedaan antar individu dapat

diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model
Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan
intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya
kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan.
Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy
Variable (LSDV).

Random Effect Model (RE)

Model ini akan mengestimasi data panel dimana variabel gangguan mungkin

saling berhubungan antar waktu dan antar individu. Pada model Random Effect

perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan.

Keuntungan menggunkan model Random Effect yakni

menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error

Component Model (ECM) atau teknik Generalized Least Square (GLS) .

PENENTUAN METODE ESTIMASI REGRESI DATA PANEL
Untuk memilih model yang paling tepat terdapat beberapa pengujian yang

dapat dilakukan, antara lain:
Uji Chow

Chow test adalah pengujian untuk menentukan model apakah Common Effect
(CE) ataukah Fixed Effect (FE) yang paling tepat digunakan dalam mengestimasi
data panel. Dengan kriteria hasil sebagai berikut:
H0 : Model CEM yang dipilih ( Prob > 0,05)
H1 : Model FEM yang dipilih (Prob < 0,05)
Uji Hausman

Hausman test adalah pengujian statistik untuk memilih apakah model Fixed
Effect atau Random Effect yang paling tepat digunakan. Dengan kriteria hasil
sebagai berikut:
H0 : Model REM yang dipilih ( Prob > 0,05)
H1 : Model FEM yang dipilih (Prob < 0,05)

27

Uji Lagrange Multiplier
Uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model

Random Effect lebih baik daripada metode Common Effect (PLS) digunakan.
Dengan kriteria hasil sebagai berikut:
H0 : Model CEM yang dipilih ( Prob > 0,05)
H1 : Model REM yang dipilih (Prob < 0,05)

Adapun tahapan-tahapan dalam melakukan penentuan model menggunakan
aplikasi EViews adalah sebagai berikut:
1. Melakukan impor dan inpu data pada workfile eviws dengan cara yang telah

dijelaskan sebelumnya. Data yang digunakan untuk simulasi ini yaitu sebagai
berikut:

28

Silahkan anda perhatikan pada jendela utama aplikasi eviews yang sudah berisi
data sesuai contoh dalam link download. Di mana ada 2 variabel bebas, yaitu X1
dan X2 serta satu variabel terikat yaitu Y. Dan variabel “Perusahaan” sebagai cross
section serta “tahun” sebagai Time series. Jika langkah anda benar, tampilannya
seperti berikut:

Tahapan dalam Regresi Data Panel dengan Eviews
Analisis Common Effect dengan Eviews

Adapun tahapan-tahapan Untuk melakukan uji common effect adalah sebagai
berikut:
1. Klik Quick pada menu -> Estimate Equation atau klik Ctrl + Masing-masing

Variabel dari Y, X1, X2 dan seterusnya.kemudian kilk kanan open -> as
equation.

Silahkan anda ketik pada kotak Equation Spesification, persamaan regresi
data panel yang akan dibuat. Dalam hal ini karena melibatkan 2 variabel bebas,
yaitu X1 dan X2 serta Y sebagai variabel terikat, Maka bentuk persamaan regresi
data panel yang harus diketikkan adalah: “y c x1 x2 x3” (tanpa tanda kutip). Pada
method anda pilih LS and AR. Kemudian pastikan tahun atau time series yang
akan dimasukkan dalam analisis sudah sesuai. Misalnya dalam tutorial regresi data
panel dengan eviews ini adalah tahun 2000 sampai dengan tahun 2019.

29

2. Selanjutnya adalah anda klik tab “Panel Options” dan pada combo box cross-
section, silahkan anda biarkan “none.” Combo box “Period” juga biarkan
“none.” GLS Weight biarkan “No Weights” serta pada Coef covariance
method biarkan “Ordinary.” Tampilannya sebagai berikut:

3. Selanjutnya anda klik tombol “OK.” Maka akan terbuka sebuah window baru
seperti di bawah ini:

Di atas adalah output hasil analisis common effect. Namun karena dalam tahapan
ini kita tidak akan menjelaskan output tersebut, melainkan sebagai langkah untuk
melakukan chow test, maka hanya perlu menyimpan hasil ini dengan cara

30

4. Pada menu klik Freeze, kemudian title dan silahkan memberikan nama pada
file ini misal “CEM” lalu klik ok

Analisis Fixed Effect dengan Eviews

Langkah berikutnya adalah kita melakukan analisis Fixed Effect. Caranya
sama dengan melakukan uji commont effect yaitu :
1. Membuka “Jendela Equation Estimation” kemudian melakukan input

persamaan regresi data panel sesuai petunjuk sebelumnya. Selanjutnya
silahkan anda klik tab “Panel Options” pada jendela tersebut:

Pada combo box Cross-section anda ganti “none” menjadi “Fixed.” Itu
artinya anda akan melakukan analisis Fixed Effect.

31

2. Kemudian anda klik tombol OK. Jika langkah anda benar, “Jendela Equation”
akan berubah tampilannya seperti di bawah ini:

Di atas adalah output hasil analisis fixed effect, selanjutnya silahkan
menyimpan hasil ini dengan cara yang sama dengan sebelumnya yaitu:
3. Pada menu klik Freeze, kemudian title dan silahkan memberikan nama pada

file ini misal “FEM” lalu klik ok

Untuk melakukan tahapan selanjutnya pada Uji Chow, biarkan“Jendela
Equation” tetap terbuka.

32

Chow Test dengan Eviews

Untuk melakukan Uji Chow berikut tahapan-tahapannya:
1. Pada “Jendela Equation” anda klik tombol View -> Fixed/Random Effect

Testing -> Redundant Fixed Effect – Likelihood Ratio.

2. Maka “Jendela Equation” akan berubah tampilannya sebagai berikut:

33

Pada output di atas, yaitu pada baris “Cross-section Chi-square” kolom Prob.
(Dalam lingkaran merah gambar di atas). Di mana dalam contoh ini nilainya
adalah 0,0000. Cara interprestasi Chow Test berdasarkan nilai tersebut. Yaitu jika
nilai Prob. Cross-section Chi-square < 0,05 maka kita akan memilih fixed
effect dari pada common effect. Dan sebaliknya jika nilainya > 0,05 maka kita
akan memilih common effect daripada fixed effect.

Berdasarkan gambar di atas, maka dalam tutorial ini nilai prob sebesar 0,000
< 0,05 maka chow test memilih fixed effect.
4. Selanjutnya silahkaan simpan output dari Uji Chow, Pada menu klik Freeze,

kemudian title dan silahkan memberikan nama pada file ini misal “Uji Chow”
lalu klik ok

Perlu anda perhatikan baik-baik, jika seandainya chow test memilih fixed effect,
maka langkah selanjutnya adalah melakukan random effect kemudian
melakukan hausman test untuk memilih fixed effect ataukah random effects.
Namun jika chow test ternyata memilih common effect, maka langkah selanjutnya
yang harus dilakukan adalah uji random effect kemudian uji Lagrangian multiplier
test untuk menentukan apakah aka memilih common effect ataukah random effect

34

Analisis Random Effect dengan Eviews

Adapun tahapa-tahapan dalam melakukan analisis Random Effect yaitu sama
dengan melakukan uji commont effect yaitu :
1. Membuka “Jendela Equation Estimation” kemudian melakukan input

persamaan regresi data panel sesuai petunjuk sebelumnya. Selanjutnya
silahkan anda klik tab “Panel Options” pada jendela tersebut:

Pada combo box Cross-section anda ganti “none” menjadi “Random.” Itu
artinya anda akan melakukan analisis Random Effect.
2. Kemudian anda klik tombol OK. Jika langkah anda benar, “Jendela Equation”

akan berubah tampilannya seperti di bawah ini:

35

Di atas adalah output hasil analisis Random Effect, selanjutnya silahkan
menyimpan hasil ini dengan cara yang sama dengan sebelumnya yaitu:
3. Pada menu klik Freeze, kemudian title dan silahkan memberikan nama pada

file ini misal “REM” lalu klik ok

Tahapan selanjutnya adalah melakukan Uji Hausman untuk memilih antara
Fixed Effect Model dan Random Effect Model. Untuk itu, biarkan“Jendela
Equation” tetap terbuka.

Hausman Test dengan Eviews

Untuk melakukan Uji Hausman berikut tahapan-tahapannya:
1. Pada “Jendela Equation” anda klik tombol View -> Fixed/Random Effect

Testing -> Correlated Random Effect – Hausman Test.

36

2. Maka “Jendela Equation” akan berubah tampilannya sebagai berikut:

Pada output di atas, yaitu pada baris “Cross-section random” kolom Prob.
(Dalam lingkaran merah gambar di atas). Di mana dalam contoh ini nilainya
adalah 0,4789. Cara interprestasi Hausman Test berdasarkan nilai tersebut. Yaitu
jika nilai Prob. Cross-section random < 0,05 maka kita akan memilih fixed
effect dari pada random effect. Dan sebaliknya jika nilainya > 0,05 maka kita akan
memilih random effect daripada fixed effect.

Berdasarkan gambar di atas, maka dalam tutorial ini nilai prob sebesar
0,4789 > 0,05 maka Hausman Test memilih Random effect.

3. Selanjutnya silahkaan simpan output dari Uji Hausman, Pada menu klik
Freeze, kemudian title dan silahkan memberikan nama pada file ini misal “Uji
Chow” lalu klik ok
Berdasarkan hasil Uji Chow dan Uji Hausman dari contoh pada panduan ini

terpilih Model Random Effect yang dianggap cocok dengan data penelitian ini
yang selajutnya dapat dilakukan Uji Regresi.

Jika harus melakukan Uji Lagrangian multiplier test untuk menentukan apakah
akan memilih common effect ataukah random effect dapat dilakukan dengan cara
Pada “Jendela Equation” anda klik tombol View -> Fixed/Random Effect Testing
-> Omitted Random Effect – Lagrangian Test maka akan muncul output dari Uji
Lagrangian kemudian disesuaikan dengan kriteria Probability untuk menentukan
model common effect ataukah random effect yang dipilih.

37

Melakukan Uji Regresi Data Panel dengan Eviews

Setelah menentukan model yang akan digunakan, selanjutnya dapat
dilakukanUji Regresi untuk melihat hubungan antara variabel dependent dan
variabel independent. Berikut tahapan- tahapan dalam melakukan Uji Regresi:
1. untuk melakukan Analisis regresi, Tekan Ctrl + klik masing-masingvariabel

(urutannya berdasarkan variabel Y X1 X2 dst…), klik kanan,open as
equation kemudian pada jendela equation estimation pastikan telah sesuai
dengan urutan model persamaan yang anda miliki lalu klik OK

2. Selajutnya klik tab “Panel Options” pada jendela equation estimation, Pada
combo box Cross-section anda ganti “none” menjadi “Random.” Itu artinya
anda akan melakukan analisis regresi berganda dengan menggunakan Random
Effect Model. Kemudian klik Ok.

38

3. Maka akan muncul output dari hasil Analisis Regresi model Random Effect
berikut:

Interpretasi Hasil Regresi Data Panel

1. Coefficient: adalah koefisien beta regresi data panel sesuai dengan variabel
yang ada pada kolom variabel. Nilai koefisien ini digunakan untuk
membentuk Persamaan Regresi Data Panel.

2. Standar error: adalah Standar Error dari nilai koefisien pada kolom coefficient.
3. t-statistics: adalah nilai t parsial regresi data panel sesuai per variabel pada

kolom variable. Nilai t ini menunjukkan pengaruh parsial variabel prediktor
terhadap variabel response di dalam model regresi data panel.
4. Prob: adalah nilai p value atau tingkat signifikansi dari t parsial di kolom t-
statistics. Nilai p value ini menunjukkan tingkat signifikansi t parsial dalam
rangka menjawab hipotesis uji parsial. Jika nilai p value kurang dari batas
kritis, misalnya 0,05 maka jawaban hipotesis adalah menerima H1 atau yang
berarti variabel prediktor yang bersangkutan memiliki pengaruh yang
bermakna terhadap variabel response secara statistik. Dan sebaliknya jika p
value lebih dari batas kritis maka menerima H0 atau yang berarti variabel

39

prediktor yang bersangkutan tidak memiliki pengaruh yang bermakna
terhadap variabel response secara statistik.

5. R Square: adalah besarnya pengaruh atau kemampuan variabel prediktor
secara simultan dalam menjelaskan variabel response. Jika nilainya lebih dari
0,5 maka kemampuan variabel prediktor kuat dalam menjelaskan variabel
response. Sedangkan sebaliknya jika nilainya kurang dari 0,5 maka
kemampuan variabel prediktor tidak kuat dalam menjelaskan variabel
response. Dalam contoh regresi data panel ini, nilai R Square sebesar 0,9579,
yang artinya variabel prediktor sangat kuat dalam menjelaskan variabel
response.

6. Adjusted R Square: adalah besarnya pengaruh atau kemampuan variabel
prediktor secara simultan dalam menjelaskan variabel response dengan
memperhatikan standar error. penjelasannya sama dengan R Square namun
nilai ini telah terkoreksi dengan standar error.

7. F-Statistics: adalah nilai Uji F yang merupakan uji simultan dari regresi data
panel. Nilai F ini menunjukkan tingkat signifikansi pengaruh variabel
prediktor terhadap variabel response. Untuk menggunakan nilai F ini haruslah
dibandingkan dengan F Tabel. Namun untuk memudahkan bisa langsung
melihat nilai Prob (F-Statistics).

8. Prob (F-Statistics): adalah p value uji F yang merupakan tingkat signifikansi
dari nilai F, yaitu untuk menilai pengaruh simultan variabel prediktor terhadap
variabel response apakah bermakna secara statistik atau tidak. Jika nilai p
value kurang dari batas kritis misalnya 0,05 maka menerima H1 atau yang
berarti pengaruh simultan variabel prediktor terhadap variabel response
terbukti bermakna secara statistik. Begitu sebaliknya jika nilai p value
lebih dari batas kritis maka menerima H0 atau yang berarti pengaruh simultan
variabel prediktor terhadap variabel response tidak terbukti bermakna secara
statistik.

40

PENUTUP

Buku Digital panduan penggunaan “Aplikasi EViews” ini adalah buku
panduan yang memberikan informasi dan memandu para pembaca khususnya
mahasiswa dalam melakukan olah data statistik dengan menggunakan program
EViews. Panduan ini secara umum bertujuan untuk memberikan tambahan
informasi dan menciptakan kemandirian pada mahasiswa dalam proses
pengolahan data kuantitatif. Panduan “Penggunaan Aplikasi EViews”ini
dimaksudkan untuk memberikan wawasan serta edukasi praktis kepada
mahasiswa untuk mengolah data kuantitatif secara otodidak. Dengan adanya
panduan ini diharapkan mahasiswa mampu memahami dan mengerti proses
pengolahan data statistik yang dapat digunakan dalam proses penyelesaian tugas
akhirnya (Skripsi).

Panduan ini juga dimkasudkan untuk meningkatkan kualitas lulusan
Fakultas Ekonomi dengan kerjasama antara tim dengan laboratorium akuntansi
dan Laboratorium Manajemen di bidang teknologi statistik. Buku panduan ini
diharapkan dapat membantu pencapaian Visi & Misi Universitas Sulawesi Barat,
Fakultas Ekonomi, dan masing-masing Laboratorium dalam ham hal kualitas
lulusan dan proses penyelesaian studi. Disamping itu, juga memberikan
wawasan tambahan kepada mahasiswa dengan adanya visualisasi erupa tahapan
penggunaan yang disertai dengan gambar yang mungkin belum pernah mereka
tahu. Panduan ini juga ada untuk memberikan kontribusi pada akreditasi fakultas
Ekonomi Universitas Sulawesi Barat.

Sebuah buku panduan harus mudah dipahami dan diterapkan agar para
pembaca dapat mengikuti alur dari buku panduan dalam implementasi
penggunaan aplikasi EViws. Peran dosen sebagai media perantara penyampaian
informasi yang terdapat dalam buku panduan sehingga dapat membantu
mahasiswa dalam menyelesaikan yang menjadi tugas akhirnya.

41

Daftar Pustaka
Agus Widarjono, P. 2017. Ekonometrika Pengantar dan Aplikasinya Disertai

Panduan Eviews. Yogyakarta: UPP STIM YKPN.
Gujarati, Damodar. 2012. Dasar-Dasar Ekonometrika Buku 2 Edisi 5. Jakarta:

Salemba Empat.
Sihombing,Pardomua Robinson SST, M.St 2022. Aplikasi EVIEWS Untuk

Statistisi Pemula. Jakarta : PT Dewangga Energi.
Sugiyono. 2013. Statistika Untuk Penelitian . Bandung: Alfa Beta.
Eviews.com, EViews 12 Student Version Lite for Windows and Mac - Catalina

and newer. Diakses pada September 2022 dari halaman web
https://eviews.com/Learning/index.html

42