PENDAHULUAN
1.1
LatarBelakang
Statistika merupakan cabang dari ilmu matematika yang
telah berkembang sangat pesat. Tidak hanya dapat digunakan
dalam hal analisis, namun juga dapat digunakan sebagai metode
pengambilan sebuah keputusan. Untuk menjalankan fungsinya
tersebut, ilmu statistika berkembang dengan berbagai macam
metode, salah satunya adalah analisis regresi.
Analisis regresi merupakan salah satu metode statistika
yang sering digunakan untuk membantu mengungkapkan
hubungan atau pengaruh satu atau lebih peubah bebas terhadap
peubah tak bebas. Bila dalam analisisnya hanya melibatkan
sebuah peubah bebas maka digunakan adalah analisis linier
sederhana. Sedangkan bila dalam analisisnya melibatkan dua atau
lebih variabel bebas, maka analisis yang digunakan adalah
analisis regresi linear berganda. Dalam kehidupan sehari-hari
banyak sekali permasalahan yang dapat dipecahkan dengan
menggunakan analisis regresi, salah satu contohnya adalah
mengenai tingkat konsumsi yang diduga dipengaruhi oleh
pendapatan dan juga kekayaan.
Runtun waktu merupakan serangkaian pengamatan
terhadap suatu peristiwa, kejadian, yang diambil dari waktu ke
waktu, serta dicatat secara teliti berdasarkan urutan waktu,
kemudian disusun sebagai data statistik (Sutrisno, 1998: 353).
Penganalisaan runtun waktu dahulu menjadi pertentangan antara
dua kelompok ahli yaitu para ahli ekonometrika dan para ahli
runtun waktu. Para ahli ekonometrika menganalisis data runtun
waktu dengan metode yang berbeda dengan yang dilakukan oleh
para ahli runtun waktu. Ahli ekonometrika cenderung
memformulasikan model regresi klasik untuk menganalisis
1
1.2 Tujuan
Mengetahui dan dapat menentukan persamaan dinamis distribusi
lag dugaan dengan metode Koyck.
Mengetahui dan dapat menentukan persamaan dinamis distribusi
lag dugaan dengan metode Almon.
Dapat melakukan interpretasi hasil pendugaan parameter data
runtun waktu dengan metode Koyck dan metode Almon.
BAB II
2
TINJAUAN PUSTAKA
2.1 Regresi Linear
Regresi linear adalah regresi yang variabel bebasnya (variabel X)
berpangkat paling tinggi 1. Regresi linear dibedakan menjadi 2
yaitu :
2.1.1 Regresi linear sederhana
Regresi linear sederhana adalah regresi linear yang hanya
melibatkan dua variabel yaitu variabel bebas X dan variabel tak
bebas Y (Hasan, 2005: 250). Model regresi linear sederhana dari Y
terhadap X ditulis dalam bentuk : Y = + X +
(2.1)
2.1.2 Regresi linear berganda
Regresi linear berganda adalah regresi yang variabel tak
bebasnya (Y) dihubungkan lebih dari satu variabel bebas
(X1, X2, . . ., Xn) (Hasan, 2005: 269). Bentuk umum model regresi
linear berganda : Y = + 1 Xi1 + 2 Xi2 + . . . + n Xin + i
(2.2)
Model regresi linear yang sering ditemui biasanya tidak
memperhatikan pengaruh waktu karena pada umumnya model
regresi linear cenderung mengasumsikan bahwa pengaruh variabel
bebas terhadap variabel tak bebas terjadi dalam kurun waktu yang
sama. Namun, dalam model regresi linear juga terdapat model
regresi yang memperhatikan pengaruh waktu. Waktu yang
diperlukan bagi variabel bebas X dalam mempengaruhi variabel tak
bebas Y disebut bedakala atau a lag atau a time lag (Supranto,
1995: 188).
2.2 Model Regresi Linear dengan Memperhatikan Pengaruh Waktu
Sebelum dilakukan penanganan kasus multikolinieritas,
sebelumnya perlu diadakan pemeriksaan mengenai masalah tersebut.
Pemeriksaan adanya masalah multikolinieritas dapat dilakukan
dengan beberapa metode, diantaranya :
3
(2.6)
0 = 0
1 = 1C
2 = 1C2
3 = 1C3
...
(2.7)
BAB III
METODOLOGI
3.1 Metode Koyck
1. Membuka software Minitab
2. Memasukkan data ke dalam worksheet Minitab.
Series
: variable respon
Store lags in
: kolom kosong untuk variable baru yt-1. Klik OK.
Klik OK pada kotak dialog Lag.
4. Mencari persamaan Yt dengan cara melakukan regresi. Klik stat
> regression > regression. Kemudian akan muncul kotak dialog :
regression.
Regression
Predictors
: variable respon
: variable xt, yt-1
8
Klik OK
5. Menaksir koefisien parameter dari bentuk umum distribusi lag
0
dan
1
Menentukan 0 =
^ 0=
Menentukan
0
1
0.42
=0.4334
10.031
^ 0=( 0)0 0
0
1
^ 1=( 0)1 0
^ =( 0.31 )1 ( 0.88 )=0.0273
1
2
Menentukan ^ 2=( 0) 0
^ 2=( 0.31 )2 ( 0.88 )=0. 0008
3
Menentukan Menentukan ^ 3=( 0) 0
^ =( 0.31 )3 ( 0.88 )=2.6216105
3
Menentukan
Series
: Xt, Xt-1, Xt-2
Store lags in
: kolom kosong untuk variable baru X t-1, Xt-2, Xt-2.
Klik OK pada kotak dialog Lag.
3. Kemudian pindahkan Yt, Xt, Xt-1, Xt-2, Xt-3 ke excel dan hitung
W0, W1, W2, W3 dengan rumus :
W0 = Xt + Xt-1 + Xt-2 + Xt-3
W1 = (1)
Xt-1
+ (2)
Xt-2
+ (3)
Xt-3
11
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Perhitungan Menggunakan Metode Koyck
Pada kolom Session Minitab dihasilkan seperti berikut ini :
Coefficients
Term
Constant
Xt
Yt-1
Coef
0,42
0,880
0,031
SE Coef
1,40
0,273
0,340
T-Value
0,30
3,22
0,09
P-Value
0,773
0,018
0,931
VIF
149,26
149,26
Regression Equation
Yt = 0,42 + 0,880 Xt + 0,031 Yt-1
Menentukan 0 =
^ 0=
Menentukan
0
1
0.42
=0.4334
10.031
^ 0=( 0)0 0
Menentukan
^ 1=( 0)1 0
0
1
12
Coef
0,42
SE Coef
1,64
T-Value
0,25
P-Value
0,810
VIF
13
W0
W1
W2
W3
0,9282
-1,790
1,008
-0,1719
0,0520
0,169
0,137
0,0295
17,84
-10,60
7,34
-5,82
0,000
0,000
0,001
0,002
217,64
7297,25
28221,18
9018,82
Regression Equation
Yt = 0,42 + 0,9282 W0 - 1,790 W1 + 1,008 W2 - 0,1719 W3
- 0.0111Xt-3
Dengan Interpretasi:
-
5.2 Saran
Ketelitian merupakan hal yang sangat penting dalam
menentukan variabel independent dan juga variabel
16
DAFTAR PUSTAKA
Dillon, William R & Matthew Goldstein.1984. Multivariate Analysis
Method and Application. Canada: John Willey&Sons,Inc.
Hasan.2005. Statistika I. Jakarta: PT. Bumi Aksara.
Montgomery, Douglas C. Linear Regression Analysis : Fifth Edition .
2012. NewJersey : Wiley
Sembiring, R.K. 1995 . Analisis Regresi. Penerbit : ITB
Supranto,J.1987. Statistika Teori & Aplikasi. Jakarta: Erlangga.
________.1995. Ekonometrik. Jakarta: Lembaga Penerbit Fakultas
Ekonomi Universitas Indonesia.
________.2004. Ekonometrika. Jakarta: Ghali Indonesia.
Yitnosumarno, S. 1985. Regresi dan Korelasi, teori dan pengguaannya.
Malang (tidak dipublikasikan)
17
LAMPIRAN 1 : Data
Tahun
Pengeluaran
Pendapatan
1995
32
34
1996
33
36
1997
35
38
1998
37
40
1999
40
44
2000
43
47
2001
47
51
2002
49
55
2003
54
59
2004
58
63
18
19