Les Privat EViews di Surabaya

Sesi EViews berpijak pada watak data ekonomi

EViews tumbuh sebagai perangkat lunak ekonometrika, dan sifat itu terasa sejak layar pertamanya. Program statistik umum memperlakukan tiap baris data sebagai pengamatan yang berdiri sendiri. EViews justru bertanya lebih dulu apakah baris-baris itu berurutan menurut waktu, tersebar menurut individu, atau keduanya sekaligus. Jawaban atas pertanyaan itu menentukan menu mana yang nanti hidup dan mana yang tetap kelabu.

Versi yang beredar di kampus Surabaya hari ini adalah EViews 14, dirilis 25 Juni 2024 dan diedarkan S&P Global. Tampilan menunya bergeser sedikit demi sedikit antarversi, sementara urutan kerjanya tetap sama: susun workfile, masukkan data, baca sebarannya, estimasi persamaan, uji sisaan, lalu terjemahkan keluarannya ke kalimat naskah.

Peserta yang datang ke sesi pertama biasanya sudah memegang data dan tenggat. Yang belum ia pegang adalah alasan di balik tiap langkah, dan alasan itulah yang ditanya penguji di ruang sidang. Program ini menaruh alasan tersebut di depan, lalu tombolnya menyusul.

Satu keputusan di menit pertama menentukan seluruh sesi berikutnya. Workfile adalah wadah tempat seri, grup, persamaan, dan tabel peserta hidup bersama, dan bentuknya dipilih sekali di awal.

Impor data Excel di sesi pertama tanpa merusak kolom tanggal

Sebagian besar peserta datang membawa berkas Excel, dan di titik inilah sesi pertama sering berhenti lebih lama daripada dugaan. EViews membaca lembar Excel lewat menu impor, sementara ia menuntut bentuk yang rapi: satu baris judul saja, nol sel gabungan, nol baris kosong penyela, dan nama variabel tanpa spasi maupun tanda baca.

Kolom tanggal jadi sumber masalah yang berulang. Excel menyimpan tanggal sebagai angka urut, sedangkan pengaturan wilayah komputer menentukan apakah 03/04/2023 terbaca 3 April atau 4 Maret. Ketika kolom itu terlanjur berubah menjadi teks, EViews menerimanya sebagai deretan huruf dan workfile jatuh ke bentuk tak bertanggal tanpa satu pesan galat pun muncul.

Pemisah ribuan menimbulkan cacat serupa. Angka 1.250,75 yang ditulis gaya Indonesia terbaca sebagai teks pada pengaturan berbahasa Inggris, lalu kolom itu masuk sebagai seri kosong berisi NA. Tutor memeriksa hal ini bersama peserta sebelum satu persamaan pun diestimasi, sebab menemukannya di tengah bab empat berarti mengulang seluruh perhitungan dari awal.

Statistik deskriptif dibaca sebelum regresi dijalankan

Godaan yang berulang pada peserta bertenggat adalah melompat langsung ke jendela estimasi. Tampilan Descriptive Statistics and Tests di EViews memberi rata-rata, median, nilai minimum, nilai maksimum, simpangan baku, kemencengan, keruncingan, dan jumlah pengamatan dalam satu layar, dan layar itu menghemat berhari-hari kerja.

Jarak lebar antara rata-rata dan median menandakan sebaran yang menjulur ke satu sisi. Nilai maksimum yang melompat jauh dari kuartil atas biasanya berarti satu pengamatan pencilan, mungkin salah ketik nol, mungkin peristiwa nyata yang justru menarik untuk dibahas. Jumlah pengamatan yang berbeda antarvariabel menunjukkan ada periode atau responden yang hilang, dan EViews akan diam-diam memangkas sampel saat estimasi berjalan.

Satuan ikut terbaca di sini. Belanja modal dalam miliar rupiah yang disandingkan dengan inflasi dalam persen melahirkan koefisien berangka nol koma nol nol nol sekian, dan angka semacam itu benar secara hitungan sementara mustahil ditafsirkan dengan enak. Transformasi logaritma biasanya menyelesaikannya sekaligus memberi tafsir elastisitas.

Yang dikerjakan ketika satu uji asumsi gagal

Kegagalan uji asumsi adalah kejadian biasa dalam penelitian, dan peserta yang mengetahui penanganannya berhenti panik. Sisaan yang tidak normal pada sampel kecil sering pulih sesudah pencilan ditelusuri satu per satu atau variabel ditransformasi ke bentuk logaritma. Pada sampel besar, penarikan kesimpulan tetap berjalan dan hal itu dinyatakan terang di naskah.

Multikolinearitas ditangani dengan mengeluarkan salah satu variabel yang saling menjelaskan, menggabungkan keduanya menjadi satu indeks, atau menerima keadaannya sambil menyatakan tafsir koefisien secara berhati-hati. Heteroskedastisitas dan autokorelasi ditangani di lapisan galat baku: matriks kovarians White untuk yang pertama, galat baku HAC ala Newey-West untuk keduanya sekaligus pada data deret waktu.

Satu kebiasaan yang perlu dihentikan adalah mentransformasi data berulang kali sampai semua uji lolos, tanpa mencatat apa yang dikerjakan. Model yang lahir dari percobaan buta sulit dipertahankan ketika penguji bertanya mengapa variabel tertentu memakai bentuk logaritma sementara variabel lain memakai selisih. Tiap perubahan dicatat berikut alasannya di lembar kerja peserta.

Data ekonomi Indonesia yang runtut menuntut pemeriksaan tambahan sebelum diregresi. Rangkaian berikut adalah urutan yang lazim ditempuh peserta dengan data bulanan atau kuartalan.

Common, fixed, dan random effect dalam sesi data panel

Data panel menyatukan dua sumbu sekaligus, sehingga jumlah pengamatan melonjak tanpa perlu memperpanjang periode. Skripsi manajemen keuangan di Surabaya banyak memakainya: sekian perusahaan terdaftar diikuti selama sekian tahun, dengan rasio keuangan sebagai variabel.

Common effect memperlakukan seluruh pengamatan seolah datang dari satu kolam yang sama, dan ia mengabaikan bahwa tiap perusahaan punya watak sendiri yang tak terukur. Fixed effect memberi tiap individu intersep tersendiri, sehingga watak yang tetap sepanjang waktu terserap ke dalam model. Random effect memperlakukan perbedaan antarindividu sebagai komponen galat acak, dan ia lebih hemat derajat kebebasan selama asumsinya terpenuhi.

Pilihan di antara ketiganya ditentukan lewat pengujian, dan urutan pengujiannya punya logika sendiri. Yang perlu dicatat sejak awal: EViews menolak menjalankan random effect ketika jumlah unit lintas individu tidak melebihi jumlah koefisien yang diestimasi. Peserta dengan tujuh perusahaan dan lima variabel bebas akan bertemu pesan penolakan itu, dan jalan keluarnya menambah individu atau menerima fixed effect.

Membaca keluaran EViews baris demi baris

Keluaran estimasi EViews terbagi dua bagian, dan keduanya sama pentingnya. Bagian atas memuat koefisien, galat baku, t hitung, serta nilai p tiap variabel. Koefisien dibaca sebagai perubahan yang diharapkan pada variabel terikat untuk satu satuan perubahan variabel bebas, dengan variabel lain ditahan tetap. Pada model logaritma penuh, angka itu langsung terbaca sebagai elastisitas.

Bagian bawah memuat R kuadrat, R kuadrat terkoreksi, galat baku regresi, statistik F beserta probabilitasnya, kriteria informasi, dan statistik Durbin-Watson. R kuadrat terkoreksi memberi hukuman atas penambahan variabel, sehingga ia lebih pantas dipakai saat membandingkan dua spesifikasi dengan jumlah variabel berbeda. Statistik F menguji seluruh lereng secara bersama-sama.

Satu kombinasi wajib diwaspadai pada data deret waktu: R kuadrat sangat tinggi disertai Durbin-Watson mendekati nol. Pasangan angka itu adalah tanda regresi lancung, hubungan semu antara dua seri yang sama-sama menaik sepanjang waktu. Menulis 0,97 sebagai keberhasilan model dalam kasus itu justru mengundang pertanyaan pertama penguji.

Cacat berikut berulang di meja bimbingan lintas kampus, dan seluruhnya bisa dicegah sebelum estimasi dijalankan.

Sesi penulisan hasil: menyusun tabel keluaran EViews ke naskah

Keluaran mentah EViews memuat lebih banyak baris daripada yang diminta penguji. Langkah pertama adalah membekukan tampilan menjadi objek tabel, sehingga angkanya berhenti berubah saat spesifikasi disunting lagi. Objek beku itu dapat disunting langsung: baris yang tidak dibutuhkan dihapus, lebar kolom dirapikan, jumlah angka di belakang koma diseragamkan.

Bentuk yang lazim diterima di kampus Surabaya memuat nama variabel, koefisien, galat baku, t hitung, dan nilai p, ditambah baris R kuadrat terkoreksi serta statistik F di bawahnya. Tanda bintang untuk taraf signifikansi diberi keterangan di catatan kaki tabel. Naskah berbahasa Indonesia memakai koma sebagai pemisah desimal, sedangkan EViews mencetak titik, jadi penyesuaian ini dikerjakan sekali untuk seluruh tabel.

Keluaran mentah tetap disimpan dan dilampirkan. Penguji yang ingin memastikan sebuah angka akan mencarinya di lampiran, dan peserta yang menyimpan berkas workfile-nya rapi dapat menjalankan ulang perhitungan itu di depan mereka.

Batas layanan les privat EViews Edubia disebut sejak awal

Program ini berhenti pada satu garis yang disampaikan sebelum sesi pertama dijadwalkan: peserta menjalankan analisisnya sendiri. Edubia tidak mengerjakan skripsi, tidak menerima pengolahan data titipan, dan tidak menulis bab untuk peserta. Batas itu bagian dari cara kerjanya, dan menyebutkannya di awal menghemat waktu kedua pihak.

Alasannya sederhana. Sidang menanyakan alasan di balik pilihan model, dan pembimbing kerap meminta spesifikasi diubah sepekan sebelum jadwal. Peserta yang datanya diolah orang lain berhenti di situ, sementara peserta yang menjalankan sendiri tinggal membuka workfile-nya dan mengulang langkahnya. Kemampuan itulah yang dibayar dalam sesi pendampingan.

Dalam praktiknya tutor memperagakan sebuah langkah lebih dulu, menjelaskan sebabnya, lalu peserta mengulangi langkah yang sama di laptopnya sampai lancar tanpa dituntun. Tutor menjawab pertanyaan tentang tafsir, memeriksa kekeliruan yang muncul, dan menunjukkan letak menu. Papan ketik tetap dipegang peserta.

Peserta program ini berkumpul di sekitar kampus, dan tutor menyesuaikan titik temu dengan jadwal kuliah maupun asistensi.

Biaya sesi EViews di Surabaya dan cara memulai pendampingan

Sesi EViews Edubia dimulai dari Rp186.500 per sesi 90 menit di rumah atau kos peserta. Panjang itu dipilih supaya satu rumpun uji tuntas dikerjakan berikut pembacaan keluarannya dalam satu duduk, sebab memotong sesi di tengah pengujian sisaan berarti mengulang penyiapan datanya pada pertemuan berikutnya. Belajar di co-learning space Edubia menambah Rp15.000 per sesi.

Untuk memulai, kirim pesan berisi jenjang studi, topik penelitian, jenis data yang dipegang, dan tenggat yang mengejar. Tim mencocokkan tutor yang terbiasa dengan rumpun analisis itu, lalu menawarkan jadwal. Sesi pertama dipakai memeriksa data serta menyusun urutan materi sisa, sehingga peserta tahu sejak awal berapa sesi yang masuk akal untuk sasarannya.

Bila cara mengajar tutor pertama kurang cocok, peserta menyampaikannya ke tim dan tutor lain dicarikan tanpa biaya tambahan. Jadwal disepakati per pekan, dan peserta yang sedang menghadapi ujian atau bimbingan mendadak dapat menggeser sesi selama pemberitahuannya masuk sehari sebelumnya.

Sesi 90 menit disusun supaya satu rumpun pekerjaan selesai dalam satu duduk, berikut pembacaan keluarannya.

Ketiganya dijalankan dari jendela persamaan panel yang sudah diestimasi, dan tiap uji membandingkan sepasang model.