Selamat datang di modul “Syntax Regresi OLS Time Series dan Interpretasinya” menggunakan RStudio! Dalam modul ini, kita akan bisa menggunakan Syntax sederhana dari Regresi OLS Time Series menggunakan RStudio dan bahasa pemrograman R serta untuk menginterpretasikan hasilnya. RStudio adalah *Integrated Development Environment* (IDE) yang sangat populer untuk pengembangan aplikasi R dan analisis data. Dalam modul ini, Anda akan mempelajari cara mengimpor dan mengelola data, menjalankan perintah R, dan menganalisis regresi serta interpretasinya menggunakan RStudio.
Pada modul ini, lembar kerja pada RStudio menggunakan RMarkdown yang digunakan untuk membuat laporan analisis data yang menarik dan profesional dengan menggunakan kode R. Mari kita mulai!
Tahapan analisis regresi OLS Time Series dan interpretasinya adalah :
Penginputan data
Regresi OLS
Interpretasi
Jika data yang akan kita gunakan sudah dibuat dan disimpan pada lembar kerja excel, maka kita bisa menggunakan syntax read_excel(“path direktori file tersebut”). Data yang saya gunakan bernama “data input.xlsx” yang berada pada drive “G:/” di dalam folder “My Drive/Bahan Ajar/Ekonometrika”, sehingga syntax nya menjadi read_excel(“G:/My Drive/Bahan Ajar/Ekonometrika/data input.xlsx”).
library(readxl)
data_input <- read_excel("G:/My Drive/Bahan Ajar/Ekonometrika/data input.xlsx")
View(data_input)Kemudian saya menyatakan data tersebut di R dengan sebutan “data_input” sehingga syntax utuhnya menjadi data_input <- read_excel(“G:/My Drive/Bahan Ajar/Ekonometrika/data input.xlsx”). tanda “<-” menyatakan bahwa kita menganggap data yng kita masukkan sebagai “data_input” untuk memudahkan kita menggunakan, menampilkan, memanggil dsb data tersebut. untuk menampilkan ke R data tersebut maka kita bisa menggunakan syntax View(data_input).
Syntax regresi OLS di RStudio adalah lm(variabel terikat ~ variabel bebas 1 + variabel bebas 2 + … + variabel bebas ke n, sumber data yang digunakan). Pada contoh kasus ini, kita menggunakan variabel “gwrt” (persentase pertumbuhan ekonomi indonesia) sebagai variabel terikat dan variabel “inf” (persentase inflasi indonesia) serta variabel “un” (persentase pengangguran indonesia) sebagai 2 variabel bebas yang sumber datanya sudah kita sebutkan sebelumnya sebagai “data_input”, kemudian kita nyatakan hasil regresinya itu sebagai “reg1” untuk memudahkan analisis (boleh juga anda menggantinya sesuai dengan keinginan anda).
Maka kita nyatakan ke dalam syntax berikut reg1 <- lm(gwrt ~ inf + un, data = data_input) untuk bisa menjalankan regresi OLS antara variabel inf dan un terhadap variabel gwrt dengan menggunakan data_input yang kita sebut sebagai reg1. Untuk menampilkan hasil regresi OLS maka kita bisa menggunakan syntax summary(“hasil regresinya”) sehingga untuk model kita maka syntaxnya menjadi summary(reg1) yang memerintahkan kepada RStudio untuk menampilkan hasil dari reg1.
reg1 <- lm(gwrt ~ inf + un, data = data_input)
summary(reg1)##
## Call:
## lm(formula = gwrt ~ inf + un, data = data_input)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.1226 -1.0062 -0.2966 1.1775 2.7743
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 7.30082 0.93897 7.775 6.97e-08 ***
## inf -0.34542 0.02715 -12.725 6.80e-12 ***
## un -0.06973 0.12364 -0.564 0.578
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.423 on 23 degrees of freedom
## Multiple R-squared: 0.8757, Adjusted R-squared: 0.8648
## F-statistic: 80.99 on 2 and 23 DF, p-value: 3.873e-11Dari output regresi maka kita akan bisa menuliskannya ke dalam persamaan sebagai berikut : gwrt = 7,30082 - 0,34542 inf - 0,06973 un
Kemudian kita bisa melihat tingkat signifikansi pengaruh setiap variabel bebas terhadap variabel terikat dengan cara membandingkan nilai Pr(>|t|) atau bisa juga dengan melihat tanda bintang nya. maka dari dua variabel bebas yang ada, variabel inf (inflasi) memiliki pengaruh signifikan pada alpha 5% terhadap gwrt (pertumbuhan ekonomi indonesia). hal ini dilihat dari nilai Pr(>|t|) yaitu 6,97e-08 yang lebih kecil dari 0,05 dan memiliki tanda bintang 3. kemudian variabel un (pengangguran) tidak memiliki pengaruh signifikan pada alpha < 5% terhadap gwrt (pertumbuhan ekonomi indonesia). hal ini dilihat dari nilai Pr(>|t|) yaitu 0,578 yang lebih besar dari 0,05 dan tidak memiliki tanda bintang. (lihat keterangan Signif. codes)
Dengan nilai Multiple R-squared sebesar 0,8757 maka ini memiliki makna bahwa variabel-variabel bebas (yaitu inflasi dan pengangguran) mampu menjelaskan variasinya terhadap variabel terikat (yaitu pertumbuhan ekonomi) sebesar 87,57% dan sisanya sebesar 12,43% dijelaskan atau dipengaruhi oleh variabel-variabel lainnya yang tidak dimasukkan ke dalam model persamaan.
Kemudian dengan nilai p-value sebesar 3,873e-11 yang lebih kecil dari 0,05 untuk F-statistic sehingga kita harus tolak H0, kondisi ini menunjukkan bahwa seluruh variabel bebas (yaitu inflasi dan pengangguran) secara bersama-sama mampu mempengaruhi variabel terikat (pertumbuhan ekonomi) pada tingkat alpha 5%.
Adapun penjelasan menyeluruh dari hasil regresi tersebut adalah : 1. Variabel inflasi berpengaruh negatif dan signifikan terhadap pertumbuhan ekonomi, dimana ketika inflasi naik 1% akan menyebabkan pertumbuhan ekonomi mengalami koreksi sebesar 0,35% (pembulatan dari 0,34542). 2. Variabel pengangguran berpengaruh negatif walaupun tidak signifikan terhadap pertumbuhan ekonomi, dimana ketika pengangguran bertambah 1% akan menyebabkan pertumbuhan ekonomi terkontraksi sebesar 0,07% (pembulatan dari 0,06973). walaupun penjabaran perubahan variabel yang tidak signifikan bisa saja kita abaikan, karena tidak memberikan dampak yang signifikan terhadap model.