Anda di halaman 1dari 15

ANALISIS REGRESI

DAN KORELASI
Pertemuan 14
2
Regresi, Kausalitas dan Korelasi
Regresi merupakan metode estimasi
utama di dalam ekonometrika.
* Analisis regresi berkenaan dengan studi
ketergantungan satu variabel, variabel tak bebas, pada
satu atau lebih variabel lain.
* Variabel yang menjelaskan (explanatory variables)
dengan maksud menaksir dan atau meramalkan nilai
rata-rata hitung (mean) atau rata-rata populasi variabel
tak bebas, dipandang dari segi nilai yang diketahui
atau tetap (dalam pengambilan sampel berulang).
3
Regresi berbeda dengan Kausalitas
Regresi menunjukkan hubungan satu arah
dari variabel independen ke variabel
dependen. Sedangkan kausalitas menunjuk-
kan hubungan dua arah.
Misalnya hubungan antara pertumbuhan ekonomi dan jumlah
uang beredar. Jika pertumbuhan ekonomi tinggi maka jumlah
uang beredar cenderung untuk naik.
Sebaliknya jika jumlah uang yang beredar naik maka akan
mendorong pertumbuhan ekonomi.
Dengan demikian hubungan kausalitas semua variabel
adalah variabel dependen, tidak ada variabel independen.
4
Regresi berbeda dengan Korelasi
Korelasi menunjukkan derajat keeratan
hubungan antara satu variabel dengan
variabel lainnya.
Korelasi yang tinggi tidak berarti karena satu
variabel mempengaruhi variabel yang lain.
Analisis korelasi tujuan utamanya adalah
untuk mengukur kuat atau derajat hubungan
linear antara dua variabel, sangat erat
berhubungan tetapi sangat berbeda dalam
konsep analisis regresi.
5
REGRESI KORELASI
1. Ada Asimetri (asymmetry)
cara bagaimana variabel
tak bebas dan variabel yg
menjelaskan diperlukan
1. Variabel manapun simetri
Tidak ada perbedaan
variabel antara variabel
bebas dan yang
menjelaskan
2. Variabel tak bebas
diasumsikan bersifat
statistik, random atau
stokhastik, yaitu
mempunyai distribusi
probabilitas
2. Korelasi antara nilai ujian
statistik dan matematik
adalah sama dengan
korelasi nilai ujian
matematik dan statistik
3. Variabel yg menjelaskan
diasumsikan memp. nilai
tetap, variabel tak bebas
stokhastik
3. Kedua variabel
diasumsikan
kerandomannya
PERBEDAAN
6
Istilah dan Notasi
Variabel tak Bebas
(Dependent Variable)
Variabel yang Menjelaskan
(Explanatory Variable)
Variabel yang dijelaskan
(Explained Variable)
Variabel Bebas
(Independent Variable)
Yang diramalkan
(Predictand)
Peramal
(Predictor)
Yang diregresi
(Regressand)
Yang meregresi
(Regressor)
Tanggapan
(Response)
Perangsang atau Variabel kendali
(Stimulus or control variable)
Analisis regresi adalah analisis yang digunakan untuk menelaah arah
dan kekuatan hubungan 2 variabel yang mungkin mempunyai hubungan
sebab akibat, dan peramalan/ pendugaan yang berimplikasi mendekati
nilai tengah populasi.
Analisis regresi ada beberapa macam yaitu :
a. Regresi linier sederhana atau lurus adalah hubungan antara y dan x
yang hanya terdiri dari satu variabel saja atau berpangkat satu.
Persamaan fungsi linier dapat dituliskan sebagai berikut:

a = Intercep b = kemiringan
= untuk membedakan antara nilai ramalan dengan nilai pengamatan
e = error/kesalahan dalam persamaan

Y = a + bx + e

2
1 1
2
1 1 1
|
|
.
|

\
|

|
|
.
|

\
|
|
|
.
|

\
|

=


= =
= = =
n
i
n
i
n
i
n
i
n
i
Xi n
Yi Xi Yi Xi n
b
Xi
a = Y b X

Y = + e

e = error diharapkan sekecil mungkin jumlah kuadrat galat


b. Regresi Linier Berganda adalah suatu alat analisis yang digunakan untuk
mengetahui hubungan antara y dengan beberapa variabel x. Persamaan
regresi berganda dapat dituliskan sebagai berikut :
= b0 + b1x1 + b2x12 + e
Setiap pengamatan memenuhi hubungan sebagai berikut :
= b0 + b1x1 + bix1i + bix2i + ei


( )

= =
= =
n
i
n
i
bxi a Yi
ei
JKG
1
2
1
2

+
= = =
= +
n
i
n
i
i
n
i
i
Yi n
x b x
b
b
1 1
2 2
1
1
1
0
y
x x
b
x
b
x b
i
n
i
i
n
i
n
i
n
i
i i i

= = = =
= + +
1
1
1
1
1
2
1
1
0
1 1 1
y
x x
b
x x
b
x b
i
n
i
i
n
i
i
n
i
n
i
i i i

= = = =
= + +
1
2
1
2
2
2
1
1
1
0
2 1 2
c. Regresi bila variabelnya tidak linier maka dijadikan parameter linier
1. Polinomial kuadratik
Y = b0 + b1 X1 + b11 X1 2
Contoh : X1 2 Z
= b0 + b1 X1 + b2Z + e
2. Polinomial akar pangkat dua
Y = b0 + b1 X11/2 + b11 X1
Contoh : X11/2 P
= b0 + b1 P + b11X1 + e
d. Fungsi produksi Cobb Douglas
Soekartawi (1990) menyatakan bahwa fungsi CobbDouglass adalah
suatu fungsi atau persamaan yangmelibatkan dua atau lebih
variabel, di mana variabel yang satu disebut variabel indipenden,
yang menjelaskan atau dengan simbol x sedangkan variabel
dependen atau variabel yang dijelaskan dengan simbol y.
Penyelesaian hubungan antara y dan x adalah sebagai berikut :
Persamaan dalam Fungsi produksi Cobb Douglas
Y = aX1
b1
X2
b2
....Xi
bi
...Xn
bn
eu
Ln Y = ln a + b1ln X1 + b2ln X2 + ln e
Misalnya : Z = lnY
= ln a
X11 = ln X1
X22 = ln X2
= ln e




Karena penyelesaian fungsi Cobb Douglass harus diubah bentuk
fungsinya menjadi fungsi linier, maka ada persyaratan yang harus
dipenuhi sebelum menggunakan persamaan tersebut :
1. Tidak ada nilai pengamatan yang bernilai nol sebab logaritma dari
nol adalah suatu bilangan yang besarnya tidak diketahui

2
1 1
2
1 1 1
ln ln
|
|
.
|

\
|

|
|
.
|

\
|
|
|
.
|

\
|

=


= =
= = =
n
i
n
i
n
i
n
i
n
i
Xi n
Yi Xi Yi Xi n
b
Xi
2. Dalam fungsi produksi,perlu asumsi bahwa tidak ada perbedaan
tehnologi dalam setiap pengamatan, ini artinya kalau fungsi
produksi yang dipakai dalam pengamatan memerlukan lebih dari
satu model, maka perbedaan tersebut terletak pada intersep dan
bukan pada kemiringan (slope) model tersebut
3. Tiap variabel x adalah perfect competition
4. Perbedaan lokasi seperti iklim adalah tercakup pada faktor
kesalahan u (disturbance term)
Ada beberapa alasan mengapa banyak peneliti yang
menggunakan fungsi produksi Cobb Douglas ini antara lain :
1. Penyelesaiannya relatif lebih mudah dibandingkan dengan
fungsi lainnya karena mudah ditransfer ke bentuk linier
2. Hasil pendugaan garis melalui fungsi ini akan menghasilkan
koefisien regresi yang sekaligus juga menunjukkan besaran
elastisitas.
3. Besaran elastisitas tersebut sekaligus menunjukkan tingkat
besaran return to scale.

5. Data, data yang dipakai mempunyai limitasi yang penting dalam
penggunaan fungsi cob douglas antara lain :
1. data harga yang dipakai pada fungsi cobb douglas apabila
menggunakan data cross section harus mempunyai nilai variasi yang
cukup. Kenyataan data harga input didasarkan pada harga
pemerintah yang cenderung konstan dan variasinya kecil
2. pengukuran data yang dilakukan agak sulit seperti upah tenaga
kerja apakah upah riil atau diluangkan
3. data tidak boleh ada nilai nol atau negatif karena nilai logaritma
dari nol atau negatif adalah tidak terhingga
6. Asumsi, penggunaan asumsi harus tepat dan sesuai seperti asumsi
penggunaan tehnologi dianggap netral yang artinya intercept bisa
berbeda, tetapi slope garis penduga cobb douglas dianggap sama
padahal belum tentu tehnologi didaerah penelitian sama.
Soekartawi (1993) menyatakan Return to scale (RTS) digunakan untuk
mengetahui apakah kegiatan dari usahatani tersebut mengalami
kaidah increasing, constan atau decreasing return to scale serta
dapat menunjukkan efisiensi produksi secara tehnis.
Ada tiga alternatif yang bisa terjadi dalam RTS, yaitu :
1. Decreasing return to scale, apabila (b1 + b2) < 1, artinya bahwa
proporsi penambahan faktor produksi melebihi proporsi
penambahan produksi

2. Constant return to scale, apabila (b1 + b2) = 1, artinya bahwa
proporsi penambahan faktor produksi akan sama dengan proporsi
penambahan produksi
3. Increasing return to scale, apabila (b1 + b2) > 1, artinya bahwa
proporsi penambahan produksi melebihi proporsi penambahan
faktor produksi
Contoh pengaplikasian analisis fungsi produksi cobb douglass :
Penelitian yang dilakukan oleh Ati Haryati dengan judul Analisis
pendapatan dan efisiensi penggunaan factor-faktor produksi pada
usahatani jagung hibrida varietas pioneer dan cargil di Situbondo,
didapat hasil perhitungan sebagai berikut :
Ln Y = 4.599 + 0.089 ln X1 -0.006 X2 - 0,004 ln X3 + 0,014 ln X4 + 0,787 ln
X5
Variabel Koefisien regresi
(b
i
)
Salah baku
(Sb
i
)
t hitung
Intercep
1. Benih (X1)
2. Pupuk urea (X2)
3. Pupuk KCL (X
3
)
4. Pupuk ZA (X4)
5. Tenaga kerja (X
5
)
F hitung
R
2

b
i

4,599
0.089
-0.006
-0.004
0.014*
0.787*
4.877
0.385
0.88
1,540
0.110
0.008
0.005
0.005
0.280
2,986
0.419
-0.833
-1.031
3.033
2.808
* : nyata pada = 0,025 (t tabel = 2,319)
** : nyata pada = 0,05 (F tabel = 2.456)
Hasil penelitian tersebut dapat disimpulkan bahwa variabel pupuk ZA
dan tenaga kerja saja yang merupakan variabel yang berpengaruh nyata secara
statistik terhadap produktifitas jagung hibrida. Sedangkan hasil perhitungan
elastisitas produksi sebesar 0.88 artinya terjadi decreasing return to scale yaitu
proporsi penambahan faktor produksi melebihi proporsi penambahan produksi.
Tetapi fungsi cobb douglas ini juga mempunyai kelemahan-kelemahan,
antara lain :
1. Spesifikasi variabel yang keliru, hal ini menyebabkan nilai elastisitas
produksi yang diperoleh negatif atau nilainya terlalu besar atau kecil.
Spesifikasi ini akan menimbulkan terjadinya multikolinearitas pada
variabel bebas
2. Kesalahan pengukuran variabel, hal ini terjadi bila data kurang valid
sehingga menyebabkan besaran elastisitas produksi yang terlalu besar
atau kecil.
3. Bias terhadap variabel manajemen. Faktor manajemen merupakan
faktor penting untuk meningkatkan produksi karena berhubungan
langsung dengan variabel terikat seperti manajemen penggunaan
faktor produksi yang akan mendorong besaran elastisitas tehnik dari
fungsi produksi ke arah atas. Manajemen ini berhubungan dengan
pengambilan keputusan dalam pengalokasian variabel input dan kadang
sulit diukur dalam pendugaan fungsi cob douglas
4. Multikolinearitas, dalam fungsi ini sulit dihindarkan meskipun telah
diusahakan agar besaran korelasi antara variabel indipenden tidak
terlalu tinggi seperti memperbaiki spesifikasi variabel yang dipakai