BAB I
RUANG LINGKUP EKONOMETRIKA
Soal
no. 1
RANGKUMAN
RUANG LINGKUP EKONOMETRIKA
Ekonometrika
berasal dari dari dua kata, yaitu “ekonomi” dan “metrika”. Kata “Ekonomi” di sini dapat dipersamakan
dengan kegiatan ekonomi, yaitu kegiatan manusia untuk mencukupi kebutuhannya
melalui usaha pengorbanan sumber daya yang seefisien dan seefektif mungkin
untuk mendapatkan tujuan yang seoptimal mungkin. Kata “Metrika” mempunyai arti
sebagai suatu kegiatan pengukuran. Karena dua kata ini bergabung menjadi satu, maka
gabungan kedua kata tersebut menunjukkan arti bahwa yang dimaksud dengan
ekonometrika adalah suatu
pengukuran
kegiatan-kegiatan ekonomi.
Untuk mengukur suatu kegiatan
dalam keberagaman
kondisi, maka data merupakan
sesuatu
yang mutlak diperlukan. Melalui data,
informasi itu dapat dianalisis, diinterpretasi, untuk
mengungkap kejadian-kejadian di masa lampau, serta
dapat digunakan untuk prediksi masa mendatang.
Pengungkapan data atau analisis data dalam kegiatan
ekonomi, dapat dilakukan dengan berbagai cara atau
model, di antaranya melalui penggunaan grafik yang biasa
disebut dengan metode grafis, atau melalui penghitungan
secara matematis yang biasa disebut dengan metode
matematis.
Perbedaan
Metode Grafis dan Matematis
Perihal
|
Grafis
|
Matematis
|
Interprestasi
|
Relatif Lebih mudah
diinterpretasi
|
Relatif lebih sulit
diinterpretasi
|
Output
|
Berupa
grafik sepertikurva atau diagram
|
Hitungan
matematis berupa rumus
|
Keakuratan
|
Cenderung
kurang akurat,karena berdasar data yang bersifat skla
|
Dapat
lebih akurat,karena dihitung secara rinci sesuai dengankeadaannya
|
Uraian tersebut menjelaskan, bahwa dalam ekonometrika diperlukan
tiga hal pokok yang mutlak ada yaitu : teori ekonomi, data, dan model. Teori
ekonomi meliputi teori ekonomi mikro, makro, manajemen, pemasaran, operasional,
akuntansi, keuangan, dan lain lain. Ekonometrika merupakan gabungan dari ilmu
ekonomi, statistika, dan matematika, yang digunakan secara simultan untuk
mengungkap dan mengukur kejadian-kejadian atau kegiatan-kegiatan ekonomi.
Pentingnya Ekonometrika
Data
dalam ekonometrika merupakan suatu kemutlakan, begitu pula penentuan jenis
data, teknik analisanya, ataupun penyesuaian dengan tujuannya. Data yang
diperlakukan sebagai pengungkap sejarah (historical data) akan menghasilkan
evaluasi, dan untuk data yang diperlakukan pengungkap kecenderungan (trend
data) akan menghasilkan prediksi. Hasil evaluasi ataupun prediksi yang
mempunyai tingkat keakuratan tinggi saja yang akan mempunyai sumbangan terbesar
bagi pengambilan keputusan.
Jenis Ekonometrika
Ekonometrika
dapat dibagi menjadi 2 (dua) macam, yaitu ekonometrika teoritis (theoretical
econometrics) dan ekonometrika terapan (applied econometrics). Ekonometrik
teoritis berkenaan dengan pengembangan metode yang tepat/cocok untuk mengukur
hubungan ekonomi dengan menggunakan model ekonometrik. Ekonometrika terapan
menggambarkan nilai praktis dari penelitian ekonomi, sehingga lingkupnya
mencakup aplikasi teknik-teknik ekonometri yang telah lebih dulu dikembangkan
dalam ekonometri teoritis pada berbagai bidang teori ekonomi,
Metodologi Ekonometri
Metodologi
ekonometri merupakan serangkaian tahapan-tahapan
yang
harus dilalui dalam kaitan untuk
melakukan analisis terhadap
kejadian-kejadian ekonomi. Secara
garis besar, tahapan metodologi ekonometri dapat
diurutkan sebagai berikut:
1. merumuskan masalah
2. merumuskan hipotesa
3. menyusun model
4. mendapatkan data
5. menguji model
6. menganalisis hasil
7. mengimplementasikan hasil
Soal
no.2
MAKSUD
DARI PEMBELAJARAN EKONOMETRIKA
Ekonometrika
adalah suatu pengukuran kegiatan-kegiatan ekonomi. Dengan demikian,
Ekonometrika adalah ilmu yang mencakup teori ekonomi, matematika, dan
statistika dalam satu kesatuan sistem yang bulat, menjadi suatu ilmu yang
berdiri sendiri dan berlainan dengan ilmu ekonomi; matematika; maupun
statistika. Ekonometrika digunakan sebagai alat analisis ekonomi yang bertujuan
untuk menguji kebenaran teori ekonomi yang berupa hubungan antarvariabel
ekonomi dengan data empirik.
Soal
no.3
a.
Ekonometrika berasal dari dari dua kata, yaitu “ekonomi” dan “metrika”. Kata “Ekonomi” di sini dapat dipersamakan
dengan kegiatan ekonomi, yaitu kegiatan manusia untuk mencukupi kebutuhannya
melalui usaha pengorbanan sumber daya yang seefisien dan seefektif mungkin
untuk mendapatkan tujuan yang seoptimal mungkin. Kata “Metrika” mempunyai arti
sebagai suatu kegiatan pengukuran. Karena dua kata ini bergabung menjadi satu, maka
gabungan kedua kata tersebut menunjukkan arti bahwa yang dimaksud dengan
ekonometrika adalah suatu
pengukuran
kegiatan-kegiatan ekonomi.
b.
Ekonometrika diperlukan tiga hal pokok yang mutlak ada, yaitu: teori ekonomi,
data, dan model. Teori ekonomi meliputi teori ekonomi mikro, makro, manajemen,
pemasaran, operasional, akuntansi, keuangan, dan lain- lain. Guna memahami
data, memerlukan disiplin ilmu tentang data, yaitu statistika. Model sendiri
memerlukan disiplin ilmu matematika. Oleh karena itu, ekonometrika merupakan gabungan
dari ilmu ekonomi, statistika, dan matematika, yang digunakan secara simultan
untuk mengungkap dan mengukur kejadian-kejadian atau kegiatan-kegiatan ekonomi.
c.
Data dalam ekonometrika merupakan suatu kemutlakan, begitu pula penentuan jenis
data, teknik analisanya, ataupun penyesuaian dengan tujuannya. Data yang
diperlakukan sebagai pengungkap sejarah (historical data) akan menghasilkan
evaluasi, dan untuk data yang diperlakukan pengungkap kecenderungan (trend
data) akan menghasilkan prediksi. Hasil evaluasi ataupun prediksi yang
mempunyai tingkat keakuratan tinggi saja yang akan mempunyai sumbangan terbesar
bagi pengambilan keputusan.
d.
Tahapan
metodologi ekonometri dapat
diurutkan sebagai berikut:
·
merumuskan masalah
·
merumuskan hipotesa
·
menyusun model
·
mendapatkan data
·
menguji model
·
menganalisis hasil
·
mengimplementasikan hasil
Merumuskan Masalah
Merumuskan
masalah adalah hal yang sangat penting,
karena merupakan “pintu pembuka” untuk menentukan tahapan-tahapan selanjutnya. Merumuskan suatu masalah berarti mengungkap hal-hal apa yang ada
di balik
gejala atau
informasi yang ada, dan
sekaligus
mengidentifikasi penyebab-penyebab utamanya. Oleh karena itu, di dalam merumuskan masalah tidak dapat
dilepaskan dari pemahaman
teori-teori yang melandasi atau kontekstual
dengan penelitian, mengungkap mengapa penelitian itu dilakukan, dan sekaligus
mampu membuat rencana
untuk menentukan langkah untuk mendapatkan jawaban dari permasalahan yang ada.
Rumusan masalah merupakan
pedoman untuk membuat struktur isi penelitian. Wajar saja bila sebagian besar
orang berpendapat bahwa perumusan
masalah adalah tahapan yang paling sulit dan menentukan.
Perumusan masalah yang baik tentu disertai
dengan latar belakang masalah,
karena itu merupakan sumber informasi yang digunakan
untuk memahami keterkaitan permasalahan yang dirumuskan. Umumnya perumusan
masalah dalam suatu penelitian diungkapkan dalam
bentuk kalimat pertanyaan yang membutuhkan jawaban. Karena membutuhkan jawaban, maka akan semakin
baik
jika apa yang mendasari permasalahan itu
adalah hal-hal
yang menarik minat peneliti.
Merumuskan
Hipotesa
Hipotesa merupakan jawaban sementara
terhadap masalah penelitian, sehingga perlu diuji lebih lanjut
melalui pembuktian berdasarkan
data-data
yang
berkenaan dengan hubungan antara
dua atau lebih
variabel. Rumusan
hipotesa yang baik seharusnya dapat
menunjukkan adanya struktur yang sederhana
tetapi jelas,
sehingga memudahkan untuk mengetahui jenis variabel, sifat hubungan antar variabel, dan jenis data.
Perumusan hipotesa
biasanya
berupa
kalimat
pernyataan yang merupakan jawaban sementara
dari
masalah yang akan diteliti.
Menyusun model
Fungsi model dalam
ekonometrika adalah sebagai tuntunan untuk mempermudah menguji ketepatan
model penduga. Salah
satu bentuk model
adalah berupa persamaan fungsi secara matematis.
Karena pada hakikatnya sebuah fungsi adalah sebuah persamaan
matematis yang menggambarkan
hubungan sebab
akibat antara
sebuah variabel
dengan
satu atau
lebih
variabel
lain. Ketepatan model itu sendiri mempunyai dua tujuan yaitu: Pertama, untuk mengetahui
apakah model
penduga tersebut merupakan model yang
tepat
sebagai estimator. Kedua,
untuk mengetahui daya ramal atau goodness of fit
dari model penduga. Model persamaan ini
disebut
pula
sebagai metode regresi yang
diharapkan
dapat menjawab
hipotesis yang telah ditentukan.
Model ekonometrika setidaknya terdiri dari dua golongan variabel, yaitu variabel terikat (dependen) yang
berada
pada sebelah kiri tanda persamaan,
dan variabel bebas (independen) yang berada di sebelah kanan tanda
persamaan. Jumlah variabel bebas tidak harus satu, tetapi dapat berjumlah lebih dari satu variabel.
Untuk model dengan satu variabel bebas
disebut dengan regresi
tunggal
(single regression),
sedang untuk model yang mempunyai lebih
dari satu variabel bebas disebut regresi berganda
(multiple regression).
Mendapatkan Data
Mendapatkan
data merupakan suatu langkah yang
harus dilakukan oleh peneliti, agar
dapat menjamin bahwa data yang dianalisis adalah benar-benar menggunakan
data
yang tepat. Hal
ini penting untuk mendapatkan hasil analisis yang tidak bias atau menyesatkan.
Para peneliti terdahulu
telah mengingatkan agar jangan
sampai dalam
penelitian terdapat GIGO, garbage In
garbage out.
Tahapan yang dapat ditempuh untuk mendapatkan data pra
analisis meliputi: penyuntingan data,
pengembangan variabel,
pengkodean
data,
cek
kesalahan,
pembentukan struktur data, tabulasi.
Penyuntingan data, adalah upaya proses data untuk mendapatkan data yang memberikan kejelasan, dapat dibaca, konsisten, dan komplit.
Pengembangan variabel,
yaitu memperluas
variansi data, misalnya mentransformasi menjadi data dalam angka logaritma, melakukan indeksasi data, komposit, dan
lain-lain.
Pengkodean data, melakukan koding terhadap data yang akan digunakan dengan cara yang sesuai, seperti koding
terhadap variabel dummy, data ordinal, data interval, dan lain-lain.
Cek kesalahan, merupakan finalisasi pengujian data agar betul-betul mendapatkan data
akhir
yang valid.
Strukturisasi data, membuat kesedian data agar dapat
digunakan dengan baik di kemudian hari.
Tabulasi data, biasanya tidak dimasukkan sebagai
prosedur
analitik
dalam penelitian
ilmiah
karena tidak mengungkapkan hubungan dalam data. Kendati demikian,
banyak riset bisnis
yang ditujukan untuk penjelasan masalah dan atau menemukan hubungan.
Tabulasi menyajikan hitungan hitungan frekuensi dari satu hal (analisis frekuensi) atau perkiraan numerik tentang
distribusi
sesuatu (analisis
deskriptif). Tabulasi merupakan alat analisis bisnis. Tabulasi juga bermanfaat bagi
peneliti sebagai alat menyusun kategori ketika
mengubah variabel interval menjadi klasifikasi nominal.
Dengan kata
lain, tabulasi mendeskripsikan jumlah
individu yang menjawab
pertanyaan tertentu. Tabulasi
dapat
juga digunakan untuk menciptakan statistik
deskriptif
mengenai
variabel-variabel yang digunakan atau tabulasi silang.
Menguji Model
Untuk mengetahui sejauh mana tingkat
kesahihan model terbaik yang dihasilkan, maka perlu dilakukan uji ketepatan fungsi regresi
dalam menaksir nilai actual dapat
diukur dari goodness of fit-nya. Untuk melakukan uji
goodness of fit pengukurannya dilakukan dengan menguji
nilai statistik t, nilai statistik F, dan koefisien
determinasinya (R2) pada hasil regresi yang telah memenuhi uji asumsi klasik.
Uji asumsi klasik juga perlu dilakukan
terhadap
model agar memperteguh validitas model,
yang dapat dilakukan melalui
pengujian normalitas, autokorelasi, multikolinearitas, juga
heteroskedastisitas.
Menganalisis Hasil
Analisis ekonometrika dimulai dari interpretasi
terhadap data dan keterkaitan antar variabel yang
dijelaskan di dalam
model. Tidak hanya analisis regresi, analisis korelasi juga
perlu dilakukan untuk mendapatkan hasil
pengukuran hingga benar-benar
valid. Analisis regresi akan mendapatkan hasil pengaruh antara variabel
independen terhadap variabel dependen. Sedang untuk analisis korelasi
berguna untuk
mengetahui
hubungan
antar
variabel tanpa
membedakan apakah itu variabel
dependen ataukah independen.
Tanda positif atau negatif pada masing-masing
koefisien
perlu untuk dicermati, karena mempunyai keterkaitan langsung terhadap kesesuaian dengan teori yang dirumuskan
dalam model. Pengabaian terhadap kedua
tanda tersebut,
dapat menjadikan hasil regresi tidak sesuai dengan teori yang melatar belakangi.
Hal lain yang tidak kalah pentingnya adalah
pengimplemantasian dari
hasil
pengukuran. Karena sebagus dan sebenar
apapun hasil penelitian, apabila
tidak ditindaklanjuti dalam bentuk implementasi, tidak akan berarti apa-apa.
BAB
II MODEL REGRESI
RANGKUMAN MODEL REGRESI
Model
dalam keilmuan ekonomi berfungsi sebagai panduan analisis melalui
penyederhanaan dari realitas yang ada. Sehingga model sering diartikan refleksi
dari realita atau simplikasi dari kenyataan. Hal ini akan semakin jelas kalau
kita runut dari bentuk suatu model yang memang berbentuk sangat sederhana.
Penulisan model dalam ekonometrika adalah merupakan pengembangan dari persamaan
fungsi secara matematis, karena pada hakikatnya sebuah fungsi adalah sebuah persamaan
yang menggambarkan hubungan sebab akibat antara sebuah variabel dengan satu
atau lebih variable lain. Penulisan model dalam bentuk persamaan fungsi tersebut
dicontohkan dalam persamaan berikut ini:
Persamaan Matematis
Y = a + b X ……….. (pers.1)
Persamaan Ekonometrika
Y = b0 + b1X + e ……….. (pers.2)
(pers.2)
merupakan suatu penegasan bahwa sebenarnya banyak sekali variabel-variabel
bebas yang mempengaruhi variabel terikat (Y). Karena dalam modeltersebut hanya
ingin melihat pengaruh satu variabel X saja, maka variabel-variabel yang lain
dianggap bersifat tetap atau ceteris paribus, yang dilambangkan dengan e.
BENTUK MODEL
Model Regresi
Linier
Kata “linier”
dalam model ini menunjukkan linearitas dalam variabel maupun lineraitas dalam
data. Kata linier menggambarkan arti bahwa sebaran data dalam scatter plot
menunjukkan sebaran data yang mendekati bentuk garis lurus. Data semacam ini
dapat wujud apabila perubahan pada variabel Y sebanding dengan perubahan variabel
X. Jika sebaran datanya berkecenderungan melengkung, maka cocoknya menggunakan
dengan regresi kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk
U atau spiral regresinya menggunakan regresi kubik.
Model linier
sendiri dapat dibedakan sebagai single linier maupun multiple linier. Disebut
single linier apabila variabel bebas hanya berjumlah satu dengan batasan pangkat
satu. Sedang multiple linier apabila variable bebas lebih dari satu variabel
dengan batasan pangkat satu. Untuk lebih jelasnya akan dicontohkan bentuk persamaan
single linier (pers.3) dan persamaan multiple linier (pers.4) sebagai berikut:
Y = b0 + b1X + e
……….. (pers.3)
Y = b0 + b1X1 +
b2X2 + …… + bnXn + e ……….. (pers.4)
Misalkan dari
pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito (Budep) pada periode
tertentu, dan jika datanya telah diketahui, maka data akan tergambar dalam bentuk
titik-titik yang merupakan sebaran data dalam scatter plot. Dengan menggunakan data
penelitian hubungan antara inflasi dan bunga deposito antara Januari 2001
hingga Oktober 2002, maka sebaran datanya tergambar sebagai berikut:
Sebaran data
tersebut di atas (gambar 3) menunjukkan hubungan yang positif, yaitu jika bunga
deposito meningkat, maka inflasi juga meningkat. Begitu pula jika bunga deposito
menurun, inflasi juga turun. Sedangkan contoh sebaran data yang digambarkan
dalam scatter plot di bawah ini (gambar 4), menunjukkan bahwa hubungan antara
variable Afenegat (Afeksi negative) dan Latribut (Atribut) mempunyai hubungan
yang negative. Jika atributnya berkurang, maka afeksi negatifnya meningkat.
Begitu pula sebaliknya
Dari scatter
plot kedua gambar tersebut (baik gambar di atas maupun di bawah ini)
menunjukkan bahwa sebaran datanya menyebar memanjang lurus, sehingga dapat
diwakili dengan garis lurus. Oleh karena itu, kedua scater plot tersebut akan
tepat digunakan regresi linier.
Soal
no 2.
Dalam suatu
model regresi terdapat
dua jenis variabel, yaitu
variabel terikat dan variabel bebas, yang dipisahkan oleh tanda persamaan.
Variabel terikat sering disimbolkan
dengan Y, biasa
pula disebut sebagai variabel dependen, variabel tak
bebas, variabel yang dijelaskan, variabel yang diestimasi, variabel yang
dipengaruhi. Cirinya, berada pada sebelah kiri tanda persamaan (=). Variabel
bebas sering disimbolkan dengan X,
biasa pula disebut
sebagai variabel independen, variabel yang mempengaruhi,
variabel penjelas, variabel estimator,
variabel penduga, variabel
yang mempengaruhi, variabel prediktor. Cirinya terletak pada sebelah
kanan tanda persamaan (=).
Dalam suatu
model juga terdapat
parameter- parameter yang disebut konstanta, juga koefisien korelasi.
Konstanta sering disimbolkan dengan a, atau b0, atau 0. Koefisien korelasi
disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan, elastisitas.
Soal
no.3
a.
Model dalam keilmuan ekonomi berfungsi sebagai panduan analisis melalui
penyederhanaan
dari
realitas yang ada. Sehingga
model sering diartikan refleksi dari realita
atau
simplikasi
dari kenyataan. Hal
ini akan
semakin jelas kalau kita
runut dari bentuk suatu model yang memang berbentuk sangat sederhana. Penulisan
model dalam
ekonometrika adalah merupakan
pengembangan dari
persamaan fungsi secara matematis,
karena pada hakikatnya
sebuah fungsi
adalah
sebuah
persamaan yang menggambarkan
hubungan sebab akibat antara
sebuah variabel
dengan
satu atau
lebih
variabel
lain. Penulisan model dalam bentuk persamaan fungsi
tersebut dicontohkan dalam persamaan berikut ini:
Persamaan Matematis
Y =
a +
b X ……….. (pers.1)
Persamaan Ekonometrika
Y =
b0 +
b1X + e
……….. (pers.2)
Munculnya e (error term)
pada persamaan ekonometrika (pers.2) merupakan
suatu penegasan
bahwa sebenarnya banyak sekali variabel-variabel
bebas yang
mempengaruhi variabel terikat (Y). Karena dalam model tersebut hanya ingin
melihat pengaruh satu variabel
X
saja, maka variabel-variabel yang
lain dianggap
bersifat
tetap atau ceteris paribus,
yang dilambangkan dengan e.
b.
Jenisjenis model ekonometrika
Model regresi , tiga jenis
model yaitu: Model Regresi Linier,
Model Regresi Kuadratik, Model Regresi Kubik
c.
Secara spesifik model dalam ekonometrika dapat
dibedakan
menjadi: model ekonomi
(economic
model)
dan model statistic (statistical model).
Model Ekonomi
biasanya dituliskan
dalam bentuk persamaan sebagai berikut:
Y =
b0 + b1X1 + b2
X2
Tanda b = parameter, menunjukkan ketergantungan variabel Y terhadap variabel X
b0 = intercept, menjelaskan nilai variabel terikat ketika
masing-masing variabel bebasnya
bernilai 0 (nol).
Model ini menggambarkan rata-rata hubungan sistemik
antara
variabel Y, X1, X2. Dalam model ini nilai e tidak
tertera, karena nilai e diasumsikan
non random. Dalam
realita, model
ini
tidak mampu menjelaskan variabel- variabel ekonomi secara pas (clear), oleh karena itu
membutuhkan regresi.
Model Statistik
Model
ekonomi seperti
yang
dijelaskan
di atas,
mencerminkan nilai harapan, maka
dapat pula ditulis:
E (Y)
= b0 + b1X1 +
b2 X2
Karena nilai
harapan, maka tentu tidak akan secara pasti sesuai dengan realita. Oleh karena
itu akan muncul nilai random error term (e). Nilai e sendiri merupakan selisih antara
nilai kenyataan dan
nilai harapan. Secara matematis dapat dituliskan sebagai berikut:
e = Y – E(Y) atau e =
Y –
Yˆ
jadi,
Y = Yˆ + e
karena,Yˆ = E (Y) =b0 + b1X1 +b2X2
maka
Y = b0 + b1X1 + b2 X2 + e
Tanda e pada persamaan di atas mencerminkan distribusi probabilitas. Atau dapat pula dianggap sebagai pengganti
variabel-variabel berpengaruh lain selain
variabel yang
dijelaskan dalam model. Dalam
teori ekonomi, e merupakan representasi
dari asumsi ceteris
paribus. Pengakuan
adanya variabel lain
yang
berpengaruh, meskipun tidak disebutkan variabel apa, cukup ditulis dengan tanda
e, maka model menjadi lebih realistic.
d.
Agar
terdapat gambaran yang jelas, maka nilai e
harus diasumsikan. Asumsi-asumsinya adalah:
1. Nilai harapan e sama dengan 0 (nol).
E(e)
= 0, masing-masing random error mempunyai
distribusi probabilitas = 0. Meskipun e
bisa bernilai
positif atau negatif, tetapi rata-rata
e harus = 0.
2. Variance residual sama
dengan standar deviasi
Var (e) = 2 , artinya: masing-masing random error
mempunyai distribusi probabilitas variance yang
sama
dengan standar
deviasi ( 2 ).
Asumsi ini
menjelaskan bahwa
residual bersifat
homoskedastik.
3. Kovarian ei dan ej mempunyai nilai nol.
Cov (ei, ej) = 0. Nilai nol dalam asumsi ini menjelaskan bahwa antara ei dan ej
tidak ada korelasi serial atau tida berkorelasi (autocorrelation).
4. Nilai random
error mempunyai distribusi
probabilitas yang normal.Karena masing, masing
observasi Y
tergantung
pada e,
maka masing-masing Y juga
memiliki varian yang
random. Dengan
demikian, statistik Y menjadi sebagai beriku:
1.
Nilai harapan
Y
tergantung pada
nilai
masing-masing variabel
penjelas dan parameter- parameternya. Dengan menggunakan asumsi E(e) =0, maka rata-rata perubahan nilai Y untuk setiap observasi ditentukan oleh fungsi regresi. E (Y)
= b0 + b1X1 +
b2 X2
2.
Variance distribusi probabilitas Y
tidak dapat berubah setiap observasi.
Var (Y) = Var (e) = 2
3.
Tidak ada
kaitan
langsung
antara observasi satu dengan observasi lainnya. Cov (Yi, Yj) = Cov (ei, ej) = 0
4.
Nilai Y secara normal terdistribusi di sekitar rata- rata.
Asumsi-asumsi di atas difokuskan pada
pembahasan
variabel terikat. Perlu adanya asumsi tambahan
terhadap variabel penjelas, yaitu:
1. Variabel independen tidak bersifat random, karena dengan jelas dapat diketahui dari data.
2. Variabel independen tidak merupakan fungsi linear dari yang lain. Asumsi ini penting agar tidak terjadi redundancy, yang menyebabkan multikolinearitas.
BAB
III
MODEL REGRESI DENGAN
DUA VARIABEL
Jawaban :
Soal no. 1
Bentuk Model
Fungsi regresi yang menggunakan data
populasi (FRP)
umumnya menuliskan
simbol konstanta dan koefisien regresi dalam
huruf besar, sebagai berikut:
Y = A + BX + ……….. (pers.3.1)
Fungsi regresi yang menggunakan data sampel (FRS)
umumnya menuliskan simbol
konstanta dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut:
Y =
a + bX + e
……….. (pers.3.2)
Dimana:
A
atau a ; merupakan konstanta
atau intercept
B atau b ;merupakan koefisien regresi, yang juga
menggambarkan tingkat elastisitas variable independen
Y ; merupakan variabel dependen
X ; merupakan variabel independen
Notasi a dan b merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau statistik, sedangkan nilainya disebut sebagai estimate atau nilai perkiraan.
Metode Kuadrat Terkecil Biasa (Ordinary Least Square) (OLS)
Rumus Pertama (I)
Mencari nilai b:
n (å XY )- (å X )(åY )
b =
n (å X 2 )- (å X )2
mencari nilai a:
åY - b. å X
a =
n
Rumus kedua (II)
Mencari nilai b:
b = å xy
å x 2
mencari nilai a:
Meskipun nilai a
dan
b dapat dicari dengan
menggunakan rumus tersebut, namun nilai a dan b baru
dapat dikatakan valid (tidak bias) apabila telah
memenuhi beberapa asumsi, yang terkenal dengan sebutan asumsi klasik. Asumsi-asumsi yang harus
dipenuhi dalam OLS ada 3 asumsi, yaitu:
1). Asumsi nilai harapan bersyarat (conditional expected
value) dari ei, dengan syarat X sebesar Xi,
mempunyai nilai nol.
2). Kovarian ei
dan
ej mempunyai nilai nol. Nilai
nol dalam asumsi ini menjelaskan bahwa antara ei dan ej
tidak ada korelasi serial atau tida berkorelasi (autocorrelation).
3). Varian
ei dan
ej sama dengan
simpangan
baku (standar
deviasi).
Asumsi 1,2,3, di atas diringkas sebagai berikut:
Asumsi
|
Dinyatakan
dalam
E
|
Dinyatakan dalam
Y
|
Digunakan untuk membahas
|
1
|
E (ei/Xi) = 0
|
E (Yi/Xi) = A + Bxi
|
Multikolinea-
ritas
|
2
|
Kov (ei , ej)
=
0,
i j
|
Kov (Yi , Yj)
= 0, i j
|
Autokorelasi
|
3
|
Var (ei/Xi)
= 2
|
Var (Yi/Xi) = 2
|
Heteroskedas
-tisitas
|
Prinsip-prinsip Metode
OLS
Perlu diketahui
bahwa
dalam metode OLS
terdapat
prinsip-prinsip antara lain:
1. Analisis dilakukan dengan regresi, yaitu analisis untuk
menentukan hubungan
pengaruh antara
variabel bebas terhadap variabel terikat.
Regresi sendiri akan menghitung nilai a, b, dan e (error),
oleh karena
itu
dilakukan dengan cara matematis.
2. Hasil regresi akan menghasilkan garis regresi. Garis regresi ini merupakan representasi
dari bentuk arah data yang diteliti.
Garis regresi
disimbolkan dengan
Yˆ (baca: Y topi,
atau
Y
cap), yang berfungsi
sebagai Y perkiraan.
Sedangkan data disimbolkan dengan Y saja.
Ingat Elastisitas
|
|||
Jenis
Elastisitas
|
Koefisien
Elastisitas
|
Sifat Elastisitas
|
|
Elastik
|
E >
1
|
Perubahan yang terjadi pada variabel
bebas diikuti dengan perubahan yang
lebih besar pada variabel terikat
|
|
Elastik
Unitary
|
E =
1
|
Perubahan yang terjadi pada variabel
bebas diikuti dengan perubahan yang
sama besar pada variabel terikat
|
|
Inelastik
|
E <
1
|
Perubahan yang terjadi pada variabel
bebas diikuti dengan perubahan yang
lebih kecil pada variabel terikat
|
|
Tanda (+) pada koefisien regresi menunjukkan hubungan yang
searah. Artinya, jika
variabel bebas meningkat, maka variabel
terikat juga
meningkat. Demikian
pula
sebaliknya.
Tanda (-) pada koefisien regresi menunjukkan hubungan yang berlawanan. Artinya, jika
variabel bebas meningkat, maka variabel terikat akan menurun. Demikian
pula sebaliknya.
|
Menguji Signifikansi Parameter Penduga
Pengujian
signifikansi variabel X
dalam
mempengaruhi Y dapat
dibedakan menjadi
dua,
yaitu: 1) pengaruh secara
individual, dan 2) pengaruh secara bersama-sama.
Hal mendasar
yang membedakan
antara penggunaan uji t dan uji F terletak pada jumlah variabel
bebas yang diuji signifikansinya dalam mempengaruhi Y. Jika
hanya menguji signifikansi satu variabel bebas saja,
maka yang digunakan adalah uji t. Oleh karena itu disebut
sebagai uji signifikansi secara individual. Sedangkan pengujian signifikansi yang menggunakan lebih dari satu
variabel bebas yang diuji secara bersama-sama dalam
mempengaruhi Y, maka alat ujinya
adalah menggunakan uji F. Sebagai perbandingan antara penggunaan uji t dan
uji F dapat dilihat pada
tabel berikut:
Hal yang dibandingkan
|
Uji t
|
Uji F
|
Penemu
|
R.A. Fisher
|
Neyman, Pearson
|
Signifikan
|
t hitung > t tabel
|
F hitung >
F tabel
|
Tidak signifikan
|
t hitung < t tabel
|
F hitung <
F tabel
|
Pengujian
|
Individual
|
Serentak
|
Banyaknya variabel
|
Satu
|
Lebih dari
satu
|
Uji
t
Formula dari standar error dari b, yang ternyata
telah dirumuskan sebagai berikut:
Sb =
t
2
|
t
- X )2
Atau dapat ditulis pula dengan rumus sebagai berikut:
Sb =
å et
- X )2
Dimana:
Yt dan Xt adalah data variabel dependen dan independen pada
periode
t
Y
|
t
|
t
|
Yˆ merupakan error term.
n adalah jumlah data observasi
k adalah jumlah perkiraan koefisien regresi yang meliputi
a dan b (n-k) disebut juga dengan degrees of freedom (df).
Gambaran pengujian nilai t dapat disimak melalui
gambar di bawah ini:
Daerah diterima
Daerah Ditolak Daerah Ditolak
-t /2; (n-k-1) t /2; (n-k-1)
-1,725 1,725
Gambar di atas menunjukkan pengujian
nilai t dua arah
atau two sided atau two
tail test. Kutub sebelah kiri bertanda
negative.
Interpretasi Hasil regresi
Interpretasi yang dimaksudkan disini adalah mengetahui
informasi-informasi yang terkandung dalam hasil regresi melalui pengartian dari angka-angka parameternya.
Koefisien
Determinasi (R2)
Koefisien determinasi
(R2) pada intinya mengukur
seberapa jauh
kemampuan model dalam menerangkan
variasi
variabel
terikat. Besarnya nilai koefisien
determinasi adalah di antara nol dan satu (0<R2<1). Nilai
R2 yang mendekati 0 (nol) menunjukkan kemampuan
variabel-variabel independen dalam menjelaskan variasi
variabel dependen amat terbatas. Nilai yang mendekati
angka
1 (satu) menunjukkan variabel-variabel independen
memuat hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Soal no. 2
Analisis regresi pada
dasarnya adalah menjelaskan
berapa besar
pengaruh tingkat signifikansi variabel
independen dalam
mempengaruhi variabel dependen.
Meskipun
hasil regresi seperti tertera pada persamaan di
atas telah dapat diinterpretasi, dan dapat menunjukkan inti
tujuan analisis regresi,
namun bukan berarti bahwa
tahapan analisis telah selesai hingga di sini. Hasil regresi
di atas masih
perlu dipastikan apakah besarnya nilai thit ataupun angka-angka parameter telah valid ataukah masih
bias.
Jika nilai-nilai tersebut sudah dapat dipastikan valid
atau
tidak
bias, memang analisis regresi dapat
berhenti
di sini saja. Tetapi, jika nilai-nilai belum dapat dipastikan valid,
maka perlu dilakukan langkah-langkah analisis lanjutan untuk menjadikan parameter-parameter
tersebut menjadi valid.
Validitas (ketidakbiasan) informasi dari nilai-nilai
hasil regresi dapat
diketahui
dari terpenuhinya asumsi-asumsi klasik, yaitu jika data
variabel telah terbebas dari masalah Autokorelasi, tidak ada indikasi adanya heteroskedastisitas, maupun
tidak terjadi multikolinearitas atau saling berkolinear
antar variabel.
Soal no. 3
a. Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.
b. Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :
Y = a + bX
Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.
Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :
a = (Σy) (Σx²) – (Σx) (Σxy)
. n(Σx²) – (Σx)²
b = n(Σxy) – (Σx) (Σy)
. n(Σx²) – (Σx)²
c. Notasi a dan b merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau statistik, sedangkan nilainya disebut sebagai estimate atau nilai perkiraan. Meskipun penulisan simbol konstanta dan koefisien regresinya agak berbeda, namun penghitungannya menggunakan metode yang sama, yaitu dapat dilakukan dengan metode kuadrat terkecil biasa (ordinary least square), atau dengan metode Maximum Likelihood.
d. Konstanta ini mempunyai angka yang bersifat tetap yang sekaligus menunjukkan titik potong garis regresi pada sumbu Y. Jika konstanta itu bertanda positif maka titik potongnya di sebelah atas titik origin (0), sedang bila bertanda negatif titik potongnya di sebelah bawah titik origin. Nilai konstanta ini merupakan nilai dari variabel Y ketika variabel X bernilai nol. Atau dengan bahasa yang mudah, nilai konstanta merupakan sifat bawaan dari Y.
e. Nilai b atau disebut koefisien regresi berfungsi untuk menentukan tingkat kemiringan garis regresi. Semakin rendah
i
nilai b, maka derajat kemiringan garis regresi terhadap sumbu X semakin rendah pula. Sebaliknya, semakin tinggi nilai b, maka derajat kemiringan garis regresi terhadap sumbu X semakin tinggi.
f. koefisien determinasi (R2) adalah angka yang menunjukkan proporsi variabel dependen yang dijelaskan oleh variasi variabel independen. Juga, dapat digunakan sebagai ukuran ketepatan dalam menentukan prediktor. Artinya, R2 menunjukkan seberapa besar sumbangan X terhadap Y.
g. Kegunaan nilai t adalah untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi berlaku untuk populasi (dapat digeneralisasikan).
h. Cara menentukan nilai t yang signifikan.
1. Menentukan hipotesis
Ho : ada pengaruh secara signifikan
Ha : tidak ada pengaruh secara signifikan
2. Menentukan tingkat signifikan
3. Menentukan t hitung
4. Menentukan t tabel
5. Kriteria pengujian
6. Membandingkan t hitung dan t tabel
i. koefisien determinasi (R2) adalah angka yang menunjukkan proporsi variabel dependen yang dijelaskan oleh variasi variabel independen. Juga, dapat digunakan sebagai ukuran ketepatan dalam menentukan prediktor. Artinya, R2 menunjukkan seberapa besar sumbangan X terhadap Y.