Anda di halaman 1dari 53

PENERAPAN METODE 2SLS ((TWO STAGE LEAST SQUARE) PADA

MODEL PERSAMAAN SIMULTAN UNTUK PERSAMAAN
AN
PENDAPATAN NASIONAL DAN PEREDARAN UANG

Oleh
SEPTI WULANDARI
M0106016

SKRIPSI
ditulis dan diajukan
iajukan untuk memenuhi sebagian persyaratan
memperoleh gelar Sarjana Sains Matematika

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET SURAKARTA
2010

SKRIPSI
PENERAPAN METODE 2SLS (TWO STAGE LEAST SQUARE) PADA
MODEL PERSAMAAN SIMULTAN UNTUK PERSAMAAN
PENDAPATAN NASIONAL DAN PEREDARAN UANG
yang disiapkan dan disusun oleh
SEPTI WULANDARI
M0106016
dibimbing oleh
Pembimbing I,

Pembimbing II,

Dra. Sri Sulistijowati H, M.Si
Drs. Pangadi, M.Si
NIP. 19690116 199402 2 001
NIP. 19571012 199103 1 001
telah dipertahankan di depan Dewan Penguji
pada hari Selasa, tanggal 28 Juli 2010
dan dinyatakan telah memenuhi syarat.
Anggota Tim Penguji

Tanda Tangan

1. Irwan Susanto, DEA

1. ……………….

NIP.19710511 199512 1 001
2. Dra. Yuliana Susanti, M.Si

2. ……………….

NIP.19611219 198703 2 001
3. Drs. Muslich, M.Si

3. ……………….

NIP.19521118 197903 1 001
Surakarta, Agustus 2010
Disahkan oleh
Fakultas Matematika dan Ilmu Pengetahuan Alam
Dekan,

Ketua Jurusan Matematika,

Prof. Drs. Sutarno, M.Sc, Ph.D
NIP. 19600809 198612 1 001

Drs. Sutrima, M.Si
NIP. 19661007 199302 1 001

ii

ABSTRAK
Septi Wulandari. 2010. PENERAPAN METODE 2SLS (TWO STAGE LEAST
SQUARE) PADA MODEL PERSAMAAN SIMULTAN UNTUK
PERSAMAAN PENDAPATAN NASIONAL DAN PEREDARAN UANG.
Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.
Model persamaan simultan adalah model yang menyatakan terjadinya
hubungan dua arah antara variabel independen dan dependen. Terdapat dua
pendekatan untuk mengestimasi parameter pada sistem persamaan simultan yaitu
metode persamaan tunggal dan metode sistem. Dalam penelitian ini, diambil studi
kasus mengenai pemodelan pada persamaan pendapatan nasional dan peredaran
uang, karena terdapat hubungan timbal balik antara tingkat pendapatan nasional
dan jumlah uang beredar. Dalam mengestimasi parameternya digunakan metode
Two Stage Least Square (2SLS).
Tujuan dari penelitian ini adalah menentukan variabel-variabel yang
berpengaruh terhadap persamaan pendapatan nasional, peredaran uang dan
penentukan model persamaan simultan untuk persamaan pendapatan nasional dan
peredaran uang. Data yang digunakan adalah data tahunan dari tahun 1981-2008.
Hasil dari penelitian ini diperoleh bahwa variabel-variabel yang
berpengaruh terhadap persamaan pendapatan nasional adalah uang beredar,
pengeluaran konsumsi pemerintah saat ini dan pengeluaran konsumsi pemerintah
sebelumnya. Sedangkan pada persamaan peredaran uang, variabel-variabel yang
berpengaruh adalah Gross National Product (GNP) dan investasi domestik.
Model persamaan simultan untuk persamaan pendapatan nasional menghasilkan
koefisien determinasi sebesar 99% dan persamaan peredaran uang sebesar 99%.
Kata kunci: model persamaan simultan, Two Stage Least Square, GNP, uang
beredar.

iii

ABSTRACT
Septi Wulandari. 2010. THE APPLICATION OF 2SLS (TWO STAGE LEAST
SQUARE) METHOD IN SIMULTANEOUS EQUATIONS MODEL FOR
THE EQUATION OF NATIONAL INCOME AND MONEY SUPPLY.
Faculty of Mathematics and Natural Sciences. Sebelas Maret University.
Simultaneous equation model is a model that expresses two-way relation
between independent and dependent variable. It can be approximated with two
methods, single equation and system method. This research takes case study a
model of the national income and money supply equations, due to the reciprocal
relation between the level of national income and money supply. Two Stage Least
Square method (2SLS) is used to estimate.
This research aims to determine the variables that influence the equation of
national income, money supply and determine the simultaneous equations model
for the equation of national income and money supply. Data uses an annual data
from 1981-2008.
The results of this research are three variables that influence the national
income equation. They are money supply, the amount of governmental
consumption at this time and the amount of previous governmental consumption.
While the money supply equation is influenced by the Gross National Product
(GNP) and domestic investment. Simultaneous equations model for national
income equation produces the coefficients determination is 99% and money
supply equation is 99%.
Keywords: simultaneous equations model, Two Stage Least Square, GNP, money
supply.

iv

MOTO

“Our greatest glory is not in never falling but in rising every
time we fall. “
(Confucius)

“Tuhan pasti kan menunjukkan kebesaran dan kuasaNya bagi
hambaNya yang sabar dan tak kenal putus asa”
( d’ masiv )

v

Terima kasih atas doa dan dukungannya. v Masku Ferry. vi . v Nenekku dan keluarga besarku di Wonogiri. doa. dan pengorbanan untukku.PERSEMBAHAN Karya ini kupersembahkan kepada: v Ibu dan Bapak tercinta. Terima kasih atas dukungannya. v Teman-teman yang telah mendukungku. Terima kasih atas kasih sayang.

bimbingan.Si dan Bapak Drs. kasih sayang. Ibu Dra. antara lain kepada 1. 5. dan keluarga besarku di Wonogiri atas doa. Semoga penulisan skripsi ini dapat bermanfaat bagi pembaca. kerja sama. Bapak. Masku Ferry. dukungan. 3. Nenekku. dukungan. Keberhasilan dalam penyusunan skripsi ini tidak terlepas dari bantuan banyak pihak. Pangadi. 4. Sahabat-sahabatku Retno Hesti. Ernita. M. dan bimbingan dalam penulisan skripsi ini.KATA PENGANTAR Puji syukur penulis panjatkan kepada Allah SWT yang telah melimpahkan rahmat dan hidayahNya sehingga penulis berhasil menyelesaikan skripsi ini. dan Iin atas semangat dan dorongannya selalu.Si sebagai Pembimbing I dan Pembimbing II yang telah dengan sabar dan teliti memberikan saran. perhatian dan pengorbanan yang diberikan selama ini. Temanku Drajad dan rekan-rekan angkatan 2006 atas bantuan. Lia. Hendry. Surakarta. dan pengorbanan yang telah diberikan. Ibu. M. Semua pihak yang telah membantu kelancaran penulisan skripsi ini. Sri Sulistijowati. arahan. Nurmalitasari. petunjuk dan juga saran selama penyusunan skripsi ini. Penulis menyampaikan terima kasih kepada semua pihak yang telah memberikan dukungan. 2. Juli 2010 Penulis vii . Silvi. Dewi.

......1..................6 Metode Regresi Bertahap .................................................................... 5 2.........................3 Koefisien Determinasi........................ 11 2.................................................................................................................................. 4 1..................1..............1 Korelasi ................................................................... 3 1................................................................................1.... vi KATA PENGANTAR ....................... 12 2.................... viii DAFTAR TABEL .............................................................................................................................................................. x BAB I PENDAHULUAN 1.............1........................... iv ABSTRAK ....... 11 2...........1 Tinjauan Pustaka ....DAFTAR ISI JUDUL .................4 Uji Parsial Parameter Regresi ......................................................................................................................................................................... vii DAFTAR ISI ........................... v ABSTRACT ....1.......10 Uji Simultan (Hausman test)...................................1............1 Latar Belakang Masalah...................5 Uji Keseluruhan Parameter Regresi .............................................................2 Perumusan Masalah ....... 15 2....................... 13 2...............11 Identifikasi Model .......... 12 2...................................7 Model Persamaan Simultan ...................................... 3 1............ i PENGESAHAN ................9 Persamaan Direduksi (reduced-form) .........................................................................1......3 Batasan Masalah ..............5 Manfaat Penelitian ..............1....................................................... 14 2...................................................................1. 1 1....................... iii PERSEMBAHAN ................ 16 viii ................................................................................................... 5 2................................... ii MOTO ........................................... 6 2...................4 Tujuan Penulisan ...........2 Model Regresi ....................................... 4 BAB II LANDASAN TEORI 2.................................. 10 2.1...............................................................................1.......................................8 Model Struktural ........

.................................................... 42 LAMPIRAN ..... 27 BAB V PENUTUP 5..............1 Kerangka Pemikiran ............................................................................................... 22 BAB IV HASIL DAN PEMBAHASAN 4.......2 Persamaan Pendapatan Nasional dan Peredaran Uang ................ 26 4............2...................................... 20 2.....................1....................................................... 21 BAB III METODOLOGI ..............12 Estimasi Persamaan Simultan ......................................... 41 DAFTAR PUSTAKA .. 44 ix ........................1 Kesimpulan ..................................................................................................................3 Model Persamaan Simultan .............................................2 Saran......... 41 5....................................................

30 Tabel 4.11)............9 Estimasi Parameter Persamaan (4............. 31 Tabel 4..15 Hasil Uji Multikolinearitas pada Persamaan (4.......9) .. 33 Tabel 4.....................12 Estimasi Parameter Persamaan (4..... 36 Tabel 4.................................................................8)..................5 Estimasi Parameter Persamaan (4..... 35 Tabel 4..............13 Estimasi Parameter Persamaan (4.................... 19 Tabel 4.................................8 Estimasi Parameter Persamaan (4......13) ...... 38 x ..........................6) ............ 37 Tabel 4...........10) ...............14 Hasil Uji Multikolinearitas pada Persamaan (4..................1 Model Persamaan Pendapatan ........... 27 Tabel 4............14) ..................2 Model Persamaan Peredaran Uang ...7).............5) .......... 27 Tabel 4................7 Hasil Uji Multikolinearitas pada Persamaan (4...................... 37 Tabel 4.....................DAFTAR TABEL Tabel 2........... 36 Tabel 4...... 31 Tabel 4...4)..3)......10 Hasil Uji Multikolinearitas pada Persamaan (4........................... 32 Tabel 4.....3 Koefisien-koefisien struktural .....6 Hasil Uji Multikolinearitas pada Persamaan (4.....................................11 Hasil Uji Multikolinearitas pada Persamaan (4...12).... 38 Tabel 4.............1 Koefisien-koefisien struktural ........4 Estimasi Parameter Persamaan (4........ 34 Tabel 4....................

terkadang dalam beberapa model terdapat interpendensi atau saling ketergantungan antar variabel. Menurut Sumodiningrat (2002). eksogen waktu lampau dan endogen waktu lampau. yaitu â ke ò. Dalam model persamaan simultan terdapat lebih dari satu persamaan yang akan membentuk suatu sistem persamaan. terdapat variabel yang disebut variabel endogen dan variabel yang ditetapkan lebih dulu (predetermined variable).1 Latar Belakang Masalah Model regresi yang sering ditemui dalam statistika biasanya berupa model persamaan tunggal (single equation model). karena pada model persamaan simultan terjadi hubungan dua arah yang mengakibatkan adanya korelasi antara variabel independen yang nantinya akan menjadi variabel endogen dengan galat. pemberian nama variabel independen dan variabel dependen di dalam sistem persamaan simultan kurang tepat lagi. Variabel yang ditetapkan lebih dulu bisa berupa variabel eksogen sekarang. dalam model-model seperti itu. maka MKT ini tidak dapat digunakan pada sistem persamaan simultan. Oleh karena itu. Hubungan sebab akibat yang terjadi dalam model tersebut berlangsung satu arah.BAB I PENDAHULUAN 1. 1978). dimana bukan hanya variabel â yang bisa mempengaruhi variabel ò. Namun. Salah satu metode yang dapat digunakan untuk memperoleh nilai estimasi parameter dari model persamaan tunggal adalah Metode Kuadrat Terkecil (MKT). Namun. Model yang seperti itu disebut dengan model persamaan simultan (Gujarati. 1998). tetapi juga variabel ò bisa mempengaruhi variabel â sehingga dalam model tersebut terjadi hubungan dua arah. Untuk selanjutnya dalam persamaan simultan. Hal ini dikarenakan metode MKT tidak mampu memberikan penaksir yang bersifat tak bias serta konsisten (Pindyck. variabel dependen ò dinyatakan sebagai sebuah persamaan linier dari satu atau lebih variabel independen â. Oleh 1 . Ciri unik dari model persamaan simultan adalah bahwa variabel dependen dalam satu persamaan bisa muncul lagi sebagai variabel independen dalam persamaan lain dari sistem.

The Method of Instrumental Variables (IV) dan Two-stage Least Squares (2SLS). Three Stage Least Squares (3SLS) dan Full Information Maximum Likelihood (FIML). karena tingkat pendapatan nasional yang tidak lain output nasional. Menurut teori Keynes dalam buku yang ditulis oleh Feriyanto (1989) 2 . salah satu variabel yang cukup berpengaruh terhadap pendapatan yaitu variabel konsumsi. akibatnya perekonomian nasional bisa terganggu. harga-harga akan turun. Dalam bidang ekonomi antara lain oleh Sholikhat (2008) yang melakukan penelitian terhadap besarnya jumlah pembiayaan pada Bank Syariah. Lebih lanjut Aliman (1998) mengatakan adanya kenaikan tingkat pendapatan nasional dalam waktu yang relatif lama akan menuntut penambahan jumlah uang beredar lebih segera. terdapat hubungan timbal balik antara tingkat pendapatan nasional dan jumlah uang beredar. ada dua pendekatan untuk mengestimasi parameter pada sistem persamaan simultan. Selain jumlah uang beredar. Menurut Sumodiningrat (2002). metode sistem (System Methods) contohnya Limited Information Maximum Likelihood (LIML). pada persamaan simultan perlu metode khusus untuk memperoleh penaksir parameter yang bersifat tak bias dan juga konsisten. Berdasarkan penelitian-penelitian sebelumnya. Kedua. Penelitian tentang penerapan model persamaan simultan telah banyak diterapkan di berbagai bidang ilmu. Pertama. Selain itu terdapat penelitian yang dilakukan oleh Rao dan Tamazian (2008) mengenai model pertumbuhan dan keuangan di India. Karena jika ada penambahan jumlah uang beredar. Menurut Aliman (1998).2 karena itu. maka model persamaan simultan cocok digunakan dalam bidang ekonomi karena variabel-variabelnya cenderung memiliki hubungan yang simultan. jika mengalami kenaikan dengan tanpa diimbangi dengan penambahan jumlah uang beredar. maka akan menaikkan tingkat pendapatan nasional walaupun dalam jangka waktu yang relatif lama. Dalam penelitian ini dilakukan pemodelan pada persamaan pendapatan nasional dan peredaran uang yang merupakan salah satu contoh kasus yang mengindikasikan adanya hubungan simultan. dan hal ini akan menyebabkan pelaku ekonomi menjadi kurang bergairah karena pendapatannya berkurang. metode persamaan tunggal contohnya Indirect Least Squares (ILS).

sehingga ada kemungkinan pendapatan dan besarnya investasi berpengaruh secara bersama-sama terhadap uang beredar. Besarnya investasi yang ada di dalam negeri diindikasikan juga ikut mempengaruhi jumlah uang beredar. Pada model persamaan simultan untuk persamaan pendapatan nasional dan peredaran uang dalam penelitian ini.3 Batasan Masalah Permasalahan dalam penulisan tugas akhir ini dibatasi oleh data yang digunakan. 1. karena metode tersebut dapat digunakan untuk mengestimasi model yang berada dalam kondisi tepat teidentifikasi (just identified) dan terlalu teridentifikasi (over identified).2 Perumusan Masalah Berdasarkan latar belakang masalah. disusun perumusan masalah sebagai berikut 1. variabel-variabel apa saja yang berpengaruh terhadap persamaan pendapatan nasional dan peredaran uang? 2.3 berpendapat bahwa semakin tinggi tingkat pendapatan maka konsumsi juga akan bertambah tinggi. Sedangkan pada persamaan peredaran uang. akan menggunakan metode 2SLS dalam mengestimasi parameternya. bagaimana model persamaan simultan untuk persamaan pendapatan nasional dan peredaran uang? 1. 3 . selain tingkat pendapatan terdapat juga variabel lain yang diindikasikan memiliki pengaruh terhadap jumlah uang beredar yaitu variabel investasi. yaitu data keuangan dan perbankan yang terdapat pada Statistika Indonesia tahun 1982-2009 yang diperoleh dari Badan Pusat Statistik (BPS) Kota Surakarta. karena menurut teori Keynes dalam buku yang ditulis Tohir (1975) mengatakan bahwa investasi mempengaruhi pendapatan.

5 Manfaat Penelitian Manfaat penelitian ini adalah sebagai berikut 1. memodelkan persamaan pendapatan nasional dan peredaran uang.4 Tujuan Penelitian Penelitian ini disusun dengan tujuan sebagai berikut 1. untuk memberikan pemahaman terutama bagi penulis mengenai penerapan metode 2SLS pada model persamaan simultan. menentukan variabel-variabel yang berpengaruh terhadap persamaan pendapatan nasional dan peredaran uang. 1. 2. 2.4 1. 4 . untuk menambah wawasan statistik dalam bidang keuangan dan perbankan dan sebagai kontribusi khususnya untuk pihak-pihak yang terkait dalam mengetahui Gross National Product (GNP) dan implementasi kebijakan moneter yang harus ditempuh.

Ǵ 5 . Sembiring . 2. Bila úŮ = + 1 maka hubungan tersebut searah dan bila úŮ = − 1 hubungan tersebut berlawanan arah. . = .∑ − − Ǵ⁄ dengan − 1 ≤ úŮ ≤ 1. Misalkan x. yaitu tinjauan pustaka dan kerangka pemikiran. korelasi sederhana úŮ hanya didefinisikan untuk dua peubah.1 Tinjauan Pustaka 2. Melalui kerangka pemikiran akan digambarkan langkah dan arah penulisan untuk mencapai tujuan penelitian. Bila hubungan linier antara x dan y sempurna maka úŮ = ± 1 . jika diberikan pasangan data maka untuk mengetahui keeratan hubungan antara x dan y perlu dicari besarnya korelasi antara x dan y. maka apabila terdapat lebih dari dua peubah maka perlu dilakukan korelasi parsial dengan menggunakan variabel lain sebagai kontrol. Misal Ů dan merupakan simpangan baku dari x dan y maka koefisien korelasi antara x dan y (dinotasikan úŮ ) adalah úŮ = Ů = Ů ∑ ∑ − − .….1 Menurut Ǵ. Menurut Sembiring (1995). Ǵ . Tinjauan pustaka berupa konsep dan definisi-definisi yang berhubungan dengan pembahasan model persamaan simultan.BAB II LANDASAN TEORI Terdapat dua sub bab yang akan dibahas pada landasan teori ini. Korelasi (1995). bila z dikontrol didefinisikan sebagai úŮ . Korelasi parsial antara x dan y. Ǵ . .1. y dan z merupakan variabel.

… . . Ė. pada model regresi terdapat variabel ò dimana variabel ini bergantung dengan variabel yang lain â disebut sebagai variabel dependen dan â disebut sebagai variabel independen. merupakan vektor dan â adalah matriks dengan. ∗ diperoleh dengan metode kuadrat terkecil dengan meminimumkan jumlah kuadrat galat. dengan ò. ∗ .. merupakan koefisien regresi dari parameter Ėu. Ė yang tidak diketahui sehingga perlu diestimasi... .1. ..2 Model Regresi Menurut Sembiring (1995). = 1. Ėu = −2 Ǵ secara − Ėu − ĖǴ 6 Ǵ − …− Ė = 0 . model regresi juga dapat dinyatakan dengan matriks yaitu. u 1 1. â merupakan galat yang berdistribusi normal dan u. = = − Ėu − ĖǴ Ǵ − Ė − ∗− Ė .. = 0. ∗ Ǵ Ǵ Ǵ .. 2. .. ò= Ǵ ∗ .â = . Ǵ ∗ . … .. Ǵ. ǴǴ ∗ 1 .Ė = . Ǵ. ò = âĖ + . ò = Ėu + ĖǴ âǴ + Ė â + ∗ + Ė â + untuk data sampel. maka model regresinya yaitu. ∗ ∗ . Kuadrat galat di atas diminimumkan dengan mencari turunan parsial terhadap Ė .. . . Koefisien regresi Ėu ĖǴ ∗ . . Ǵ . ĖǴ. ò= dengan u + Ǵ âǴ + â + ∗+ . Menurut Sembiring (1995). Ė . Ė u. persamaan yang diperoleh. . 1. . Jika dimiliki data yang pengamatan dari variabel ò dan terdiri dari variabel â. . = Ė .6 2.. dan menyamakannya dengan nol sehingga diperoleh..

∗ Ǵ = 0 Ǵ Setelah disusun kembali dan mengganti parameter Ėu . ∗ Ǵ ∗ .. . ∗ . Ė dengan u. ∗ 1 Ǵn .. . . Ǵ Ǵ . Ǵ .7 ĖǴ = −2 = −2 Ė Ė Ǵ Ǵ = −2 − Ėu − ĖǴ Ǵ − …− Ė − Ėu − ĖǴ Ǵ − …− Ė = 0 − Ėu − ĖǴ Ǵ − …− Ė = 0. . Ǵ Ǵ Ǵ Ǵ . . = Ǵ ∗ . . âò= 1 ǴǴ . … . ∗ n Ǵ = Ǵ = Ǵ Ǵ = âò Ǵ ∗ . ĖǴ . . . ∗ . Ǵ 1 Ǵ Ǵ + …+ Ǵ ââ= = Ǵ + …+ Ǵ ââ dengan. 7 1 Ǵ . ∗ ∗ . . . estimatornya yaitu u u u Ǵ Ǵ Ǵ + Ǵ + Ǵ + Ǵ sehingga diperoleh. . Ǵ. … . Ǵ . maka sistem persamaan menjadi. + …+ . ∗ . . Ǵ . + Ǵ Ǵ + Ǵ Ǵ ∗ + Ǵ ∗ .

3. untuk konstan atau homoskedastik. Misal dipunyai model. Pada model regresi. 8 . 2. yaitu dengan meregresikan galat yang dikuadratkan dengan variabel independen pada model. dan variabel independennya terdiri atas variabel independen yang sudah ada. Uji heterokesdastisitas dapat dilakukan dengan white-test. .3. 2 = ĖǴ + Ė 2 + Ėn 2 + 2 dari model tersebut diestimasi koefisien model dan galatnya. Galat berdistribusi normal dengan = 1. Dari model di atas dapat dilakukan white-test dengan menggunakan statistik uji dengan 5 ∗5 ~ â : koefisien determinasi model regresi : jumlah data JKR : jumlah kuadrat regresi pada model regresi JKS : jumlah kuadrat galat pada model. Tidak ada multikolinearitas diantara variabel independen â.2. |â = 0 dan Rōú 1.8 jika â â tidak singular maka diperoleh. = ââ Ǵ â ò. white-test menggunakan galat kuadrat sebagai variabel dependen. perlu dilakukan uji untuk mengetahui apakah model regresi memenuhi asumsi regresi atau tidak. Kemudian dimodelkan kembali = u + Ǵ 2 + 2 + n 2 + 2 + 7 2 2 + R2 . Menurut Gujarati (1978). … . model regresi memiliki asumsi sebagai berikut. Variansi = . Menurut Winarno (2007). Uji heterokesdastisitas Uji heterokesdastisitas bertujuan untuk mengetahui apakah variansi konstan. Uji asumsi yang dilakukan pada model regresi adalah 1. ditambah dengan kuadrat variabel independen dan perkalian dua variabel independen.

Variansi koefisien regresi dapat dinyatakan dengan fōú Ė = Ǵ = ∑ . Salah satu cara mendeteksi adanya multikolinearitas dalam model adalah dengan VIF (Variance Inflation Factors). Uji multikolinearitas Multikolinearitas artinya terdapat korelasi yang signifikan di antara dua atau lebih variabel independen dalam model regresi.9 Jika ∗5 > â atau p-value < a dengan signifikansi dan derajat bebas sama dengan jumlah variabel independen pada model white-test maka terdapat heterokedastisitas. Selanjutnya akan dilihat nilai VIF. 2. namun menurut Montgomery dan Peck (1992). Berdasarkan fōú Ė . Uji autokorelasi Autokorelasi yaitu keadaan dimana galat dari periode tertentu berkorelasi dengan galat dari periode sebelumnya 2 2 . yang berarti mengindikasikan adanya multikolinearitas. jika fōú Ė tinggi dan semakin besar kemungkinan Ė tidak signifikan. maka didapatkan VIF sebagai berikut fIF Ė = Ǵ Ǵ . dimana â − â Ǵ dan 5 adalah nilai 5 dari â yang diregresikan dengan variabel independen â yang lain. 9 . Secara teoritis tidak ada yang mengatakan dengan pasti batas nilai VIF dikatakan tinggi. Pada kondisi ini galat tidak bebas tetapi satu sama lain saling berhubungan. Jika tidak terdapat hubungan antara â dan variabel independen yang lain dalam model. Hipotesisnya adalah u Ǵ : tidak terdapat autokorelasi pada residual : terdapat autokorelasi pada residual. Salah satu cara mendeteksi adanya autokorelasi dalam model adalah dengan menggunakan Breusch-Godfrey Serial Correlation LM Test. 3. maka 5 akan mendekati nol dan fōú Ė = . berdasarkan pengalaman batas nilai VIF yang mengindikasikan adanya multikolinearitas adalah antara 5 atau 10.

5 = ∑ ∑ − − = . Uji ini didasarkan pada nilai dengan.10 Statistik uji dirumuskan sebagai ∗ 2 2 yang diregresikan dengan variabel independen dan .2. Hipotesis null yaitu galat mengikuti model berdistribusi normal. … . koefisien determinasi 5 dapat digunakan untuk mengukur kecocokan model dengan data. Nilai koefisien determinasi. . Jika nilai JKR membesar maka nilai JKS akan mengecil begitu pula sebaliknya. .. 2 Ǵ. Uji asumsi kenormalan Menurut Praptono (1986). adalah nilai deviasi absolut maksimum antara Fu â â . 5 berkisar antara 0 hingga 1.1. Pada hakekatnya dan = ō |Fu â − â |.. salah satu cara untuk menguji asumsi kenormalan adalah dengan uji Kolmogorov-Smirnov. Fu â adalah fungsi distribusi frekuensi kumulatif relatif dari distribusi teoritis dibawah â dan u adalah distribusi frekuensi kumulatif pengamatan sebanyak sampel. Semakin dekat 5 dengan 1 maka makin baik kecocokan model dengan 10 .5 .. Koefisien determinasi didefinisikan. dengan JKR adalah jumlah kuadrat regresi pada model regresi dan JKS adalah jumlah kuadrat galat pada model. = 1. ditolak jika 4. 2. Statistik uji nilai ∗ 5 adalah jumlah pengamatan dan 5 adalah koefisien determinasi dengan dari = ∗ dibandingkan dengan nilai tabel lebih besar dari nilai . Jika > kenormalan tidak terpenuhi.3 2od l atau p-value < a maka asumsi Koefisien Determinasi Menurut Sembiring (1995). Nilai ini selanjutnya kritis dengan signifikansi a (tabel dibandingkan dengan nilai kolmogorov-smirnov). u 2 .

5 Uji Keseluruhan Parameter Regresi Menurut Supranto (1994). 2. maka H0 ditolak artinya parameter regresi ke-j signifikan berpengaruh terhadap ò. 2... uji parsial parameter regresi dilakukan untuk menguji hipotesis bahwa koefisien parameter â (variabel independen ke-j) tidak mempengaruhi Y (dengan asumsi variabel independen lainnya konstan). maka hipotesisnya 11 . uji keseluruhan parameter regresi dilakukan untuk menguji hipotesis bahwa seluruh parameter regresi variabel independen berpengaruh terhadap variabel dependen. 2. . j = 1.11 data.. berarti Ė = 0 maka hipotesisnya H0 : Ė = 0 (parameter regresi ke-j tidak signifikan berpengaruh terhadap Y) H1 : Ė ¹ 0 (parameter regresi ke-j signifikan berpengaruh terhadap Y). 3.1. n dan digunakan statistik uji t u = d .4 Uji Parsial Parameter Regresi Menurut Supranto (1994).1. u dengan d = = Ǵ Ǵ berdistribusi fungsi dengan derajat kebebasan sebesar ( − ) ∑ : elemen dari baris j dan kolom j matriks dimana: = ââ Jika diambil tingkat signifikansi a dan memenuhi daerah kritis : u > Ǵ u . sebaliknya makin dekat 5 dengan 0 maka makin jelek kecocokan model tersebut. < − atau dengan derajat kebebasan ( − ) dari tabel .

. metode regresi bertahap digunakan untuk menentukan model regresi terbaik yang akan digunakan.1.6 Metode Regresi Bertahap Menurut Sembiring (1995). artinya paling tidak terdapat salah satu parameter regresi yang signifikan berpengaruh terhadap ò.5( .7 Model Persamaan Simultan Model persamaan simultan adalah model dimana terdapat lebih dari satu persamaan regresi. Pada setiap tahap pemasukan variabel. 12 .12 H0 : b1 = b2 = ..5 = 5. Metode regresi bertahap dilakukan dengan memasukkan variabel independen satu persatu. bk = 0 (seluruh parameter regresi tidak signifikan berpengaruh terhadap Y) H1 : bj ¹ 0 (paling tidak terdapat salah satu parameter regresi yang signifikan berpengaruh terhadap Y) dan digunakan statistik uji F F= dengan ⁄ − 1) . dalam model persamaan simultan estimasi parameternya tidak dapat dilakukan tanpa mempertimbangkan informasi pada persamaan lainnya (Gujarati. . ) atau p-value < a maka H0 ditolak. : jumlah data : jumlah parameter Apabila F > F( . dari variabel yang memiliki korelasi terkuat terhadap variabel dependen. Ǵ.⁄( − ) 5.1. Model persamaan simultan menjadi sangat kompleks. 1978). sekaligus menentukan apakah variabel independen perlu dipertahankan dalam model atau tidak... karena model ini dapat menjelaskan hubungan dua arah (two way) antara variabel-variabelnya. Berbeda dengan persamaan tunggal. dievaluasi nilai F dan 5 untuk mengoreksi apakah model yang dibangun baik atau tidak. 2. bj = . 2. dimana antara persamaan satu dengan yang lainnya saling bergantung.

13 Oleh karena adanya hubungan dua arah tersebut maka penggunaan nama variabel independen dan variabel dependen pada persamaan simultan menjadi tidak tepat lagi. sedangkan âǴ merupakan variabel yang bersifat eksogen. variabel ini merupakan hasil dari adanya hubungan antar variabel. variabel predetermined dan galat.3) . Penamaan yang digunakan untuk variabel-variabel persamaan simultan adalah variabel endogen dan variabel predetermined.2) (2. Variabel endogen adalah variabel yang besarnya ditentukan di dalam model. ĖǴ . Sedangkan variabel predetermined (eksogen dan lag endogen) adalah variabel yang nilainya ditetapkan sebelumnya.8 Menurut Model Struktural Sumodiningrat (2002). u1 dan u 2 merupakan unsur gangguan stokastik. 2. Ė > 0 (2. Menurut Gujarati (1978) contoh model struktural fungsi permintaan dan penawaran sebagai berikut fungsi permintaan fungsi penawaran kondisi keseimbangan 2 2 dimana.1) (2. = u + Ǵ ò2 + âǴ2 + = Ėu + ĖǴ ò2 + Ė â 2 + 2 = 2 : kuantitas yang diminta (variabel endogen) : kuantitas yang ditawarkan (variabel endogen) t : waktu u : gangguan stokastik Y : variabel endogen 13 Ǵ2 2 . model struktural adalah model yang menggambarkan struktur hubungan yang lengkap antara berbagai variabel ekonomi.1. Persamaan-persamaan struktural dari suatu model mengandung variabel endogen. Ǵ. < 0 . 1978). Berikut contoh persamaannya òǴ2 = ĖǴ + Ė ò 2 + Ėn âǴ2 + ò2 = Ǵ + òǴ2 + dimana òǴ dan n âǴ2 + Ǵ2 2 ò merupakan variabel endogen dan kedua-duanya stokastik. tidak melalui model dan merupakan variabel yang hanya mempengaruhi variabel lain (Gujarati.

1. menjelaskan bahwa model reduced-form adalah model yang menyajikan variabel-variabel endogen sebagai fungsi dari variabel-variabel predetermined.2) dan (2.6) dengan memasukkan persamaan (2.6) Persamaan reduced-formnya dapat dicari dengan langkah-langkah sebagai berikut. Parameter-parameter struktural mencerminkan pengaruh langsung dari setiap variabel independen terhadap variabel dependen. sehingga di dapat u + Ǵ ò2 + âǴ2 + Ǵ Ǵ2 = Ėu + ĖǴ ò2 + Ė â 2 + − ĖǴ ò2 = Ėu − u − 2 âǴ2 + Ė â 2 + 14 2 − Ǵ2 . (2. Sumodiningrat (2002).4) dan (2.3). namun secara tidak langsung mempengaruhi variabel dependen. Dalam model persamaan simultan pengaruhpengaruh tak langsung diperhitungkan sebagai bagian dari satu sistem persamaan yang menyeluruh. Menyelesaikan persamaan (2. tidak diperhitungkan dalam fungsi konsumsi karena parameter-parameter struktural hanya dapat mengukur pengaruh-pengaruh langsung saja. tidak diperhitungkan dalam fungsi tersebut.9 Persamaan Direduksi (reduced-form) Reduced-form adalah persamaan dimana variabel endogen hanya dipengaruhi variabel predetermined dan gangguan stokastik. yang untuk mudahnya diberikan di bawah ini dengan sedikit perubahan dalam notasi = fungsi permintaan u + Ǵ ò2 + âǴ2 + = Ėu + ĖǴ ò2 + Ė â 2 + fungsi penawaran = kondisi keseimbangan . Sebaliknya pengaruh tidak langsung tersebut diperhitungkan dalam model persamaan simultan. perubahan konsumsi yang sesungguhnya secara tidak langsung mempengaruhi investasi.14 X : variabel eksogen a dan b : parameter.5). Misalkan model struktural permintaan dan penawaran pada persamaan (2.5) 2 (2. 2.4) Ǵ2 (2. Sedangkan Variabelvariabel yang tidak kelihatan secara eksplisit dalam fungsi. (2. Misalnya.1).

Ordinary Least Square (OLS) akan menghasilkan estimasi parameter yang tak bias dan konsisten. maka dapat dilakukan uji simultan 15 .8) Berikut adalah hubungan antara koefisien reduced-form dengan koefisien strukturalnya Πn = 0 0 0 0 Π = − 0 0 0 Π7 = 1 0 0 Ω = 0 0 0 0 0 . Lebih lanjut Pindyck (1998) mengatakan bahwa jika tidak terdapat hubungan simultan. 0 0 0 (2.7) dengan salah satu persamaan dengan = = 0 .8). diperoleh hasil = = 0 0 u + + + u u + Ǵ2 Ǵ ò2 Ǵ + âǴ2 + Ė0 − 0 1 − Ė1 1 Ė0 − 1 0 + 2 â1 1 − Ė1 + 1 Ė0 − 0 Ė1 1 − Ė1 1 − − − 2 Ė1 1 − Ė1 Ǵ2 2 1 − Ė1 â1 + 1 2 Ė2 1 − Ė1 1 Ė2 â1 + 1 − Ė1 1 Ė2 â1 + 1 − Ė1 = Πn + Π âǴ2 + Π7 â 2 + Ω .7) dan (2.10 Uji Simultan (Hausman Test) Menurut Pindyck (1998). Uji Simultan dapat ditunjukkan misalnya terdapat persamaan reducedform yang ada pada persamaan (2.15 ò2 = 0 − 0 0 0 âǴ2 + 0 â 2+ 0 ò2 = Πu + ΠǴ âǴ2 + Π â 2 + ΩǴ . dimana akan berkorelasi dengan galat. 2 â2 + 1 − Ė1 + 1 − Ė1 â2 + 1 2 â2 + − 1 1 2 2 â1 − 1 1 1 − Ė1 − Ė1 1 1 − Ė1 (2. 2.1. misalnya .7) Berikut adalah hubungan antara koefisien reduced-form dengan koefisien strukturalnya Πu = 0 ΠǴ = − 0 0 Ė2 Π = 0 0 ΩǴ = 0 Kemudian disubstitusi persamaan (2. simultan terjadi apabila satu atau lebih variabel independen menjadi variabel endogen.

Kemudian melakukan uji hipotesis untuk mengetahui apakah ΩǴ signifikan berpengaruh atau tidak terhadap (dengan asumsi variabel lainnya konstan). dan didapatkan ò2 = Πu + ΠǴ âǴ2 + Π â Jadi Kedua. Pertama. meregresikan 2 ò2 = ò2 + ΩǴ . 2. dan diperoleh = ōu + ōǴ ò2 + ō ΩǴ + e. setiap orang tidak akan pernah tahu bahwa perkiraan yang dihasilkan merupakan fungsi permintaan atau penawaran. berdistribusi fungsi t dengan derajat kebebasan sebesar ( − ). pada ò2 dan ΩǴ . masalah identifikasi dimaksudkan apakah taksiran angka dari koefisien persamaan struktural dapat diperoleh dari koefisien 16 .1.7) dengan regresi OLS. Jadi terbukti bahwa terdapat hubungan simultan antara kedua persamaan tersebut. Jadi. Fungsi permintaan dan penawaran merupakan fungsi yang sama yaitu terdiri dari sedikitnya dua variabel yaitu variabel banyaknya komoditi yang diminta/ditawarkan dan variabel harga. dan digunakan statistik uji t = o ō2 . H0 : ō = 0 (parameter ō tidak signifikan berpengaruh terhadap H1 : ō ¹ 0 (parameter ō signifikan berpengaruh terhadap ) ). meregresikan persamaan reduced-form (2. Jika diambil tingkat signifikansi a dan memenuhi daerah kritis : > < − atau dengan derajat kebebasan ( − ) dari tabel t.16 dengan prosedur dua langkah sederhana. atau p-value < a maka H0 ditolak artinya parameter ō signifikan berpengaruh terhadap . Tanpa adanya variabel yang lain. Misalnya adalah persamaan simultan pada fungsi permintaan dan penawaran.11 Identifikasi Model Masalah identifikasi sering dijumpai pada model ekonometri yang memiliki persamaan lebih dari satu karena adanya kelompok data yang sama yang mungkin cocok dengan kelompok data pada persamaan yang berbeda.

Suatu persamaan yang identified dapat berupa just identified ataupun over identified. Misalnya terdapat bentuk struktural dari sistem persamaan simultan seperti yang terdapat pada persamaan (2. Dikatakan just identified jika nilai angka yang unik dari koefisien struktural dapat diperoleh. Berikut langkah-langkah melakukan pengidentifikasian. Selanjutnya dilakukan pengujian kondisi ordo dan tingkatan (order and rank conditions). Sebelumnya akan dibuat asumsi berikut G* : Jumlah variabel endogen yang terdapat dalam persamaan G : Jumlah variabel endogen yang terdapat dalam model K* : Jumlah variabel predetermined yang terdapat dalam persamaan K : Jumlah variabel predetermined yang terdapat dalam model. 1978).5). 2. Jika hal ini dapat dilakukan. adalah . diperoleh − dengan.4) dan (2. − . Pengertian order dan rank di sini mengacu pada order dan rank matriks. yang diperoleh dari sistem persamaan. Dalam bentuk notasi. sedangkan dikatakan over identified jika lebih dari satu nilai angka dapat diperoleh untuk beberapa koefisien persamaan struktural.17 reduced-form yang ditaksir. sekurangkurangnya harus sebanyak jumlah variabel endogen yang terdapat dalam persamaan dikurangi satu. − ∗ − ∗ ∗ + + . Dengan menambahkan (G-G*) pada kedua sisi ketidaksamaan.∗ ≥ K − K∗ ≥ ∗ − 1 + − 1 − ∗ : jumlah variabel endogen yang tidak terdapat dalam persamaan yang bersangkutan 17 . Pengujian identifikasi dengan menggunakan kondisi order. (Gujarati. Jika tidak. maka dapat dikatakan bahwa persamaan tadi unidentified.∗ ≥ ∗ − 1. − . maka dapat dikatakan bahwa suatu persamaan dalam suatu sistem persamaan simultan adalah identified. dimana syarat identifikasi dari suatu persamaan struktural adalah jumlah variabel predetermined yang tidak dimasukkan dalam persamaan. 1.

3. Determinan tersebut adalah determinan berdimensi (G-1) dari koefisien-koefisien variabel yang tidak dimasukkan dalam persamaan tersebut. Berikut rincian identifikasinya. Karena kondisi order hanya merupakan kondisi yang diperlukan (necessary condition). − .∗ − 1 Jika : jumlah variabel predetemined yang tidak terdapat dalam persamaan yang bersangkutan : jumlah variabel endogen dalam model dikurangi satu ∗ − . Dengan demikian maka seluruh persamaan dalam model berada pada kondisi just identified.∗ = 1 − 1= 2− 1= 1 Kesimpulan: fungsi permintaan dalam kondisi just identified.∗ = − 1 . Dimana syarat identifikasi dengan menggunakan kondisi rank adalah misal suatu sistem yang terdiri dari M persamaan.∗ > + over identified. mempunyai G = 2 dan K = 2. ∗ + . − .∗ = 1 − 1= 2− 1= 1 Kesimpulan: fungsi penawaran dalam kondisi just identified. maka persamaan dalam kondisi − persamaan dalam kondisi just identified.5). tetapi 18 . − . − . − . Sedangkan jika − 1 .18 . maka Pada model permintaan dan penawaran yang ditunjukkan pada persamaan (2. a) Status identifikasi dari fungsi permintaan − Maka ∗ = 2 − 2 = 0 dan . − . artinya walaupun suatu persamaan dalam kondisi identified menurut kondisi order. − . ∗ = 2 − 1 = 1 − Sedangkan ∗ + .4) dan (2. tetapi belum cukup (not sufficient) menunjukkan kondisi identifikasi. b) Status identifikasi dari fungsi penawaran − Maka ∗ = 2 − 2 = 0 dan . bisa terjadi bahwa persamaan tersebut dalam kondisi unidentified kalau diuji dengan kondisi rank. ∗ = 2 − 1 = 1 − Sedangkan ∗ + . disebut identified jika sekurang-kurangnya memiliki satu determinan yang tidak sama dengan nol.

19 terkandung dalam persamaan lain dalam model. tidak terdapat koefisien variabel â 2 .1 koefisien-koefisien struktural Persamaan − 1 Koefisien-koefisien dari variabel Konstanta 1 u − Ėu 2 1 ò2 − Ǵ − ĖǴ âǴ2 â 0 −Ė − 0 2 Pada persamaan pertama. Menurut kondisi rank harus diperoleh sekurangkurangnya satu determinan yang tidak sama dengan nol. berdimensi satu dari matriks koefisien variabel-variabel yang tidak terdapat dalam persamaan ini. Pada tabel 2.5). Untuk lebih memudahkan maka dibuat dalam model berbentuk tabulasi berikut ini Tabel 2.4) dan (2. Dengan demikian kondisi rank dari persamaan pertama terpenuhi. dapat dituliskan 19 . Sedangkan pada persamaan kedua.1 terlihat bahwa kolom koefisien variabel tersebut adalah nol di baris pertama. maka pengujian selanjutnya yaitu dengan menentukan kondisi rank pada model permintaan dan penawaran yang ditunjukkan pada persamaan (2. tetapi terkandung dalam persamaan 2. tidak terdapat koefisien variabel âǴ2 . diberi simbol = G-1 = 1. Untuk menyelidiki kondisi rank. Oleh karena penentuan kondisi rank merupakan syarat cukup penunjukkan kondisi identifikasi. Misalnya matriks dari koefisien variabel â sebagai berikut = dan | | 2 (pada persamaan pertama) adalah matriks −Ė = −Ė ¹ 0 Oleh karena itu rank matriks . model tersebut diubah ke dalam bentuk sebagai berikut − u + − − Ėu + Ǵ ò2 − âǴ2 = − ĖǴ ò2 − Ė â 2 = Ǵ2 2 .

2. Berikut langkah-langkahnya. didapatkan ò2 = Πu + ΠǴ âǴ2 + Π â 2 Oleh karena ò2 didasarkan atas taksiran dari persamaan reduced form. maka variabel ini berlaku sebagai variabel instrumen (instrumental variable) bagi data asli ò2 . 1.1. Menaksir koefisien reduced form pada persamaan (2. metode ini meliputi dua penerapan OLS secara berturut-turut. variabel instrumen yaitu suatu variabel baru yang tidak berkorelasi dengan unsur gangguan persamaan namun berkorelasi erat dengan variabel independen.7) dengan menerapkan OLS pada kedua persamaan tersebut.12 Estimasi Persamaan Simultan Analisis regresi Two Stage Least Square (2SLS) adalah suatu tehnik statistik yang menggunakan analisis persamaan struktural. Sesuai dengan namanya.9) . Selain itu 2SLS dapat juga digunakan untuk menaksir persamaan struktural yang just identified. 2SLS merupakan metode untuk mendapatkan taksiran koefisien struktural dari koefisien reduced-form yang ditaksir dalam persamaan struktural yang over identified. Persamaan (2.1) dan (2.2). Dengan demikian kondisi rank dari persamaan kedua juga terpenuhi.20 = dan | | − = − Sehingga ¹ 0 = G-1 = 1. Tehnik analisis regresi 2SLS digunakan ketika galat variabel dependen berkorelasi dengan variabel independen. Menurut Gujarati (1978). 2SLS merupakan pengembangan dari metode OLS. Lebih lanjut 2SLS berguna ketika terdapat hubungan simultan dalam model. Misalnya diberikan persamaan struktural yang terdapat pada persamaan (2.7) dapat dinyatakan sebagai ò2 = ò2 + 20 2 (2. variabelvariabel independen (yang berkorelasi dengan galat) diganti dengan nilai-nilai taksirannya sendiri. Dalam 2SLS.

21 yang menunjukkan bahwa ò terdiri dari 2 bagian : ò2 . model dalam kondisi identified 2. Menurut Gujarati tidak berkorelasi. Sebelum melakukan penaksiran parameter persamaan simultan. dimana kedua persamaan tersebut dapat diperoleh dengan menggunakan model regresi. 2. âǴ2 + ∗ 2 + Ǵ2 Ǵ2 Ǵ2 Taksiran yang kemudian didapat akan konsisten. Selanjutnya kedua persamaan tersebut akan diuji apakah mengandung hubungan secara simultan dengan menggunakan uji simultan (Hausman test). ò2 dan 2 2.9) dan kemudian melakukan regresi OLS sebagai berikut = u + Ǵ ò2 = u + Ǵ ò2 = = = dimana u u u + + + ∗ 2 = Ǵ + ò2 + Ǵ ò2 Ǵ ò2 + + + Ǵ 2 (Gujarati. Menggantikan ò2 dalam persamaan (struktural) asli dengan persamaan (2. Pengidentifikasian ini bertujuan untuk melihat apakah taksiran angka dari koefisien persamaan struktural dapat diperoleh dari koefisien reduced21 . galat harus berdistribusi normal 4. + âǴ2 + Ǵ2 + âǴ2 + âǴ2 + Ǵ 2 2 Ǵ 2 + âǴ2 + Ǵ2 . dengan mengikuti teori OLS . pengamatan harus independent satu sama lain. Salah satu kasus yang mengindikasikan adanya hubungan simultan adalah persamaan pendapatan nasional dan peredaran uang. 1978). maka dilakukan identifikasi terlebih dahulu. yang merupakan variabel instrumen. dan suatu komponen random (1978). 2. Jika terbukti kedua persamaan tersebut berhubungan secara simultan. maka akan didapatkan model persamaan simultan.statisticssolutions.2 Kerangka Pemikiran Model persamaan simultan merupakan suatu model yang terdiri dari beberapa persamaan yang saling berhubungan secara simultan. Asumsi analisis regresi two-stage least squares (2SLS) seperti yang dikutip di www. variansi dari galat pada semua variabel sama 3.com sebagai berikut 1.

maka penaksiran parameter persamaan simultan salah satunya dapat dilakukan dengan menggunakan metode Two Stage Least Square (2SLS).22 form yang ditaksir. 22 . Jika persamaan tersebut berada dalam kondisi just identified.

variabel predetermined. 2. antara lain 1) âǴ = pengeluaran konsumsi pemerintah 2) â = investasi domestik. Tahapan analisis data antara lain. variabel predetermined dan variabel gangguan. antara lain 1) òǴ = Gross National Product (GNP) 2) ò = uang beredar (Money Supply) b. Variabel-variabel yang digunakan dalam penelitian ini antara lain. Pengumpulan data Tahap pengumpulan data dilakukan dengan mengambil data sekunder (sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara/diperoleh dan dicatat oleh pihak lain) yang terdapat di Badan Pusat Statistik (BPS) Kota Surakarta. 1. Data yang digunakan adalah data-data yang terdapat pada Statistika Indonesia Tahun 1982-2009. 23 . yaitu model yang menyajikan variabel-variabel endogen sebagai fungsi dari variabel-variabel predetermined. Mengubah persamaan struktural ke dalam model persamaan reduced form. yaitu menerapkan teori yang telah dipelajari untuk menganalisis data. a. c. Mencari persamaan regresi terbaik persamaan pendapatan nasional dan peredaran uang untuk mendapatkan variabel independen yang berpengaruh terhadap masing-masing persamaan. a.BAB III METODOLOGI PENELITIAN Penelitian ini dilaksanakan dengan metode studi kasus. b. Langkahlangkah yang dilakukan dalam penelitian ini sebagai berikut. variabel endogen. Menentukan model struktural persamaan simultan dari persamaan pendapatan nasional dan peredaran uang untuk mengetahui struktur hubungan yang lengkap antara variabel endogen.

0 dan Eviews 5. Mengestimasi parameter model persamaan simultan yang terdiri dari persamaan pendapatan nasional dan peredaran uang yang didapatkan sebelumnya dengan menggunakan metode Two Stage Least Square (2SLS). Jika belum memenuhi maka akan dilakukan perbaikan dengan transformasi logaritma 10 dan atau difference. Mencari koefisien determinan untuk mengetahui kecocokan model persamaan simultan dengan data. Langkah-langkah di atas dapat ditunjukkan dalam Gambar 3.0. Tahap analisis data tersebut dibantu dengan menggunakan SPSS 13. h.1. f. g.24 d. 24 . Uji asumsi model persamaan simultan tersebut untuk mengetahui apakah sudah memenuhi asumsi regresi klasik atau belum. MINITAB 13. e. Melakukan uji simultan (Hausman test) untuk mengetahui apakah terdapat hubungan simultan antara persamaan pendapatan nasional dan peredaran uang.0 for Windows. Identifikasi model dengan tujuan apakah taksiran angka dari koefisien persamaan struktural dapat diperoleh dari koefisien reduced-form yang ditaksir.

1 Diagram alur penelitian 25 Transformasi/difference .25 Data Persamaan regresi Model struktural Model reduced form Tidak terdapat simultan Uji Simultan (Hausman test) Terdapat simultan Unidentified OLS Identifikasi masalah Tidak terdapat penyelesaian Identified Estimasi parameter Uji asumsi regresi klasik Tidak memenuhi Memenuhi Model persamaan simultan Gambar 3.

variabel pertama yang dimasukkan adalah variabel GNP karena memiliki korelasi terkuat yaitu 0. uang beredar (Money Supply).997 kemudian diikuti variabel-variabel lain yang memiliki korelasi yang lebih lemah.99 kemudian diikuti variabel-variabel lain yang memiliki korelasi yang lebih lemah. 26 . Metode bertahap pada persamaan pendapatan nasional menghasilkan dua variabel yang signifikan berpengaruh terhadap GNP.1 Persamaan Pendapatan Nasional dan Peredaran Uang Data yang akan digunakan di sini terdapat pada Tabel 1 (lampiran 1). perlu dicari variabel independen yang signifikan berpengaruh terhadap persamaan pendapatan nasional dan peredaran uang dengan melakukan analisis regresi antara variabel independen dan dependen lalu dicari model regresi terbaik dengan metode regresi bertahap. sedangkan pada persamaan peredaran uang juga menghasilkan dua variabel yang signifikan terhadap uang beredar. Metode regresi bertahap ini dilakukan dengan memasukkan satu persatu variabel independen yang berkorelasi dengan variabel dependen dengan mengevaluasi nilai F dan 5 pada setiap tahap untuk mengoreksi apakah variabel independen tersebut perlu dipertahankan atau tidak. Pada metode regresi bertahap. variabel pertama yang dimasukkan adalah variabel konsumsi karena memiliki korelasi terkuat yaitu 0.BAB IV PEMBAHASAN Pada penelitian ini. Sedangkan pada persamaan peredaran uang. pengeluaran konsumsi pemerintah dan investasi domestik yang merupakan data time series (dari waktu ke waktu) tahun 1981-2008 berasal dari Badan Pusat Statistik (BPS) Surakarta. 4. data yang digunakan adalah data nilai Gross National Product (GNP). variabel yang pertama dimasukkan adalah variabel yang memiliki korelasi terkuat. Sebelumnya sebagai langkah awal untuk mencari model persamaan simultan. Pada persamaan pendapatan nasional.

Sedangkan pada Tabel 4. dapat disimpulkan bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap uang beredar.00 1.81 0.67 10.23 0.06 -0.24 25.1 Model Persamaan Pendapatan Nasional variabel independen koefisien t p-value konstan -8912.56 0.00 dan 0. Model persamaan simultan dibangun dengan menggunakan persamaan-persamaan yang telah diperoleh pada persamaan-persamaan sebelumnya. dapat disimpulkan bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap GNP.u7.00 < a = 0.21 0.71 0.27 Tabel 4.05. . kemudian dibawa ke model reduced form dimana dalam model ini menyajikan variabel-variabel endogen sebagai fungsi dari variabel-variabel predetermined. Selanjutnya akan dibawa ke model struktural.2 Model Persamaan Simultan Model persamaan simultan merupakan model yang terdiri dari beberapa persamaan yang saling berhubungan secara simultan. 7= 3.2 terlihat bahwa GNP dan investasi domestik secara statistik masing-masing memiliki p-value 0.49 GNP (òǴ ) 0.95 > Fu.1 dapat dilihat bahwa variabel uang beredar dan pengeluaran konsumsi pemerintah masing-masing memiliki p-value 0.57 0. 7= 3. .u7.43 36. yang berarti kedua variabel tersebut masing-masing berpengaruh terhadap GNP dan nilai F = 12129.05. dengan model reduced form maka uji simultan dilakukan untuk mengetahui 27 .7 -0.00 Tabel 4.43 uang beredar (ò ) 8.7 3.2 Model Persamaan Peredaran Uang variabel independen koefisien t p-value konstan -18301.00 konsumsi (âǴ) 0. yang berarti kedua variabel tersebut masing-masing berpengaruh terhadap uang beredar dan nilai F = 679.00 dan 0.00 investasi (â ) Pada Tabel 4. 4.04 > Fu.00 < a = 0.39 (lampiran 2).39 (lampiran 2).

kemudian mencari koefisien determinasinya untuk mengetahui kecocokan model dengan data.1) Ǵ2 (4. Terdapat aturan identifikasi dalam model persamaan simultan yaitu dengan kondisi order dan rank. ò 2 = Ėu + ĖǴ ò 2 = Ėu + 1− ò2 = Ǵ ĖǴ u ĖǴ u + + ò 2 = Ėu + Ėu + 1− u ĖǴ Ǵ ĖǴ + Ǵò 2 + u ĖǴ + Ǵ ĖǴ ò 2 + âǴ2 + Ǵ2 + Ė â 2+ ĖǴ âǴ2 + ĖǴ Ǵ2 + Ė â 2+ ĖǴ âǴ2 + Ė â 2 + ĖǴ ĖǴ â + 1 − Ǵ ĖǴ Ǵ2 ò 2 = Π0 + Π1 âǴ2 + Π2 â 2 + Ω 1− Ė 2 Ǵ2 + â 2+ Ǵ ĖǴ 2 2 ĖǴ Ǵ2 + 2 1 − Ǵ ĖǴ (4. Jika kedua persamaan itu dalam kondisi just identified maka dalam mengestimasi parameternya salah satunya dapat menggunakan Two Stage Least Square (2SLS).28 apakah terdapat hubungan simultan antara dua persamaan regresi yang ada. Pendapatan nasional : òǴ2 = u + Ǵò 2 + âǴ2 + : ò 2 = Ėu + ĖǴ òǴ2 + Ė â 2 + Peredaran uang (4. òǴ2 = u + Ǵ âǴ2 + Ėu + 1− Ǵ2 u ĖǴ Ǵ ĖǴ + ĖǴ â + 1 − Ǵ ĖǴ Ǵ2 28 1− Ė Ǵ ĖǴ â 2+ ĖǴ Ǵ2 + 2 + 1 − Ǵ ĖǴ . Pada persamaan simultan terdapat adanya masalah identifikasi.3) Kemudian substitusikan persamaan ò 2 diatas dengan persamaan òǴ2 yaitu sebagai berikut . Berikut adalah model struktural yang didapat berdasarkan model regresi sebelumnya. Tujuan dari masalah identifikasi adalah apakah taksiran angka dari parameter persamaan struktural dapat diperoleh dari koefisien reduced form yang ditaksir.2) 2 dimana òǴ2 = Gross National Product (GNP) (Milyar Rupiah) ò 2 = uang beredar (Money Supply) (Milyar Rupiah) âǴ2 = pengeluaran konsumsi pemerintah (Milyar Rupiah) â 2 = investasi domestik (Milyar Rupiah) Selanjutnya dibawa ke persamaan reduced form yang dapat dicari dengan langkah sebagai berikut.

1). Tujuan dari masalah identifikasi adalah apakah taksiran angka dari parameter persamaan struktural dapat diperoleh dari koefisien bentuk yang direduksi yang ditaksir. Selanjutnya akan dilakukan uji simultan untuk mengetahui apakah terdapat hubungan simultan antara dua persamaan regresi yang ada. Model diatas mempunyai G = 2 dan K = 2 G – G* = 2 – 2 = 0 dan K – K* = 2 – 1 = 1 maka (G – G*) + (K – K*) = 1 sedangkan G – 1 = 2 – 1 = 1 sehingga (G – G*) + (K – K*) = G – 1 kesimpulan : persamaan (4. Kondisi Order a.2). Pada output (lampiran 3) terlihat bahwa nilai probabilitas residual pada persamaan (4.4).00 < a = 0.1) dalam kondisi tepat diidentifikasi (just identified).01 < a = 0. sedangkan nilai probabilitas residual pada persamaan (4.3) dengan variabel endogen ò 2 adalah 0. 29 . Π dan Π7 yang akan digunakan untuk menaksir 6 koefisien struktural yaitu u.1) dan (4. Pada persamaan simultan terdapat adanya masalah identifikasi. . ΠǴ . sehingga dapat disimpulkan bahwa terjadi hubungan simultan antara persamaan (4.29 òǴ2 = òǴ2 = u Ǵ Ėu + 0 0 0 + 1− u Ǵ + 1− u Ǵ ĖǴ Ǵ ĖǴ 0 0 0 Ǵ Ėu Ǵ ĖǴ + + 1− + ĖǴ â + 1 − Ǵ ĖǴ Ǵ2 Ǵ âǴ2 + Ǵ ĖǴ òǴ2 = Π3 + Π4 âǴ2 + Π5 â 2 + Ω Ǵ2 âǴ2 + 1− ǴĖ Ǵ ĖǴ 1− ǴĖ â 2+ Ǵ ĖǴ â 2+ + 1− Ǵ2 Ǵ 2 Ǵ ĖǴ (4. 1. Ǵ. ĖǴ dan Ė .05.4) Dari persamaan reduced form-nya diperoleh 6 koefisien reduced form yaitu Πu . Π . Πn . Hal ini mengindikasikan bahwa model persamaan tersebut dalam kondisi just identified.3) dan (4.4) dengan variabel endogen òǴ2 adalah 0.05. Ėu . Uji simultan akan dilakukan pada persamaan (4. Status identifikasi pada persamaan (4.

G – G* = 2 – 2 = 0 dan K – K* = 2 – 1 = 1 maka (G – G*) + (K – K*) = 1 sedangkan G – 1 = 2 – 1 = 1 sehingga (G – G*) + (K – K*) = G – 1 kesimpulan : persamaan (4. Selanjutnya perlu diuji rank-nya. 2.2).30 b. Model diatas dapat ditulis kembali dalam bentuk sebagai berikut: − òǴ2 + u + Ǵò 2 + âǴ2 + − ò 2 + Ėu + ĖǴ òǴ2 + Ė â 2 + Ǵ2 = 0 2 =0 Tabel 4. tidak terdapat koefisien variabel âǴ2 . Sedangkan pada persamaan kedua.2) telah terpenuhi seperti yang telah terbukti pada uraian sebelumnya. Kondisi rank Kondisi order pada persamaan (4. 30 . dapat dituliskan = dan | | = ¹ 0.1) dan (4.2) dalam kondisi tepat diidentifikasi (just identified).3 koefisien-koefisien struktural Koefisien dari variabel Persamaan òǴ2 òǴ2 ò2 âǴ2 â ĖǴ -1 0 Ė -1 ò2 Ǵ α2 0 2 Pada persamaan pertama. Dengan demikian kondisi rank dari persamaan pertama terpenuhi. tidak terdapat koefisien variabel â 2 . = G-1 = 1. dapat dituliskan = Ė Sehingga dan | | = Ė ¹ 0. Status identifikasi pada persamaan (4. Untuk itu dibuat matriks koefisien variabel-variabel yang tidak terdapat dalam persamaan ini tetapi terkandung dalam persamaan lainnya.

metode ini meliputi dua penerapan OLS secara berturut-turut. Prosesnya adalah sebagai berikut. dan kemudian melakukan regresi OLS sebagai berikut òǴ2 = ∗ Ǵ2 dimana = Ǵ2 + u + αǴ ò t + âǴ2 + ò 2 = Ėu + ĖǴ òǴ + Ė â 2 + Ǵ Ǵ2 dan penaksiran kedua dari 2SLS.69 2.04E+15 0. sehingga dalam mengestimasi parameternya dapat menggunakan metode 2SLS. Persamaan struktural pada model persamaan diatas dalam kondisi just identified.00 investasi â 31 .3 -0.35 14.3 dan 4. Langkah pertama yaitu menentukan persamaan reduced form dari variabel-variabel endogennya (yang telah diperoleh pada 4.88âǴ2 + 2.4) variabel independen koefisien t p-value konstan -26056.31 Sehingga = G-1 = 1.56 + 4.00 GNP òǴ 0. Dengan demikian kondisi rank dari persamaan kedua juga terpenuhi.80E+14 0.64 5.51â ò t = − 26015.08 + 11.56 0.44 2.3) variabel independen koefisien t p-value konstan -7469. ∗ Ǵ2 ∗ 2 Langkah ini merupakan Hasil akhir yang diperoleh berdasarkan output Eviews 5.0 (lampiran 4) di dapatkan.4 Estimasi Parameter Persamaan (4. Tabel 4. Berdasarkan output Eviews 5.13E+16 0.16 -5.00 1. òǴt = − 24200. Sesuai dengan namanya.34â 2 2 Selanjutnya substitusikan nilai-nilai ò t dan òǴt pada variabel ò t dan òǴt yang asli.49âǴ2 + 1. ∗ 2 = 2 + ĖǴ 2.91 0.59 0.0 (lampiran 4) didapatkan.4 ) yang kemudian di estimasi menggunakan OLS.00 uang beredar ò konsumsi âǴ Tabel 4.65 0.00 8.5 Estimasi Parameter Persamaan (4.

53E + 32 > Fu.35âǴ2 ò t = − 26056. (4. 7= 3.56 > a = 0. dapat disimpulkan bahwa parameter regresi secara keseluruhan berpengaruh terhadap GNP.32 Berdasarkan Tabel 4. òǴt = − 7469.4 dan 4.39 (lampiran 4).00 dimana persamaan yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan variabel independen sebesar 100%.5) 5 = 1.6) memiliki nilai 5 sebesar 1. 2 (4. sisanya dijelaskan di luar model.00 . dapat disimpulkan bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap uang beredar.69â 5 = 0.3 + 0.5 maka model persamaan simultan yang diperoleh adalah.2 Terdapat multikolinearitas 55. pada persamaan (4.2 Terdapat multikolinearitas 2 âǴ 32 Kesimpulan .39 (lampiran 4).6) Pada Tabel 4.4 dapat dilihat bahwa hanya konstan yang tidak berpengaruh signifikan terhadap GNP karena p-value 0. Multikolinearitas Uji multikolinearitas bertujuan untuk mengetahui apakah terdapat korelasi antara variabel independen dalam persamaan regresi.5 terlihat bahwa semua variabel signifikan berpengaruh terhadap uang beredar karena pvalue 0. Sedangkan pada Tabel 4.99 .u7.44òǴt + 1.u7.99 dimana persamaan yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan variabel independen sebesar 99%.6 Hasil Uji Multikolinearitas pada Persamaan (4.05 dan nilai F = 7782. Uji multikolinearitas. . heteroskedastisitas. 1. 7= 3.5) memiliki nilai 5 sebesar 0.64ò t + 8. Berdasarkan perhitungan oleh software Minitab 13.00 < a = 0. Sedangkan nilai F = 1.0 (lampiran 7) didapatkan.16 + 0. Tabel 4.05.46 > Fu.5) No Variabel VIF 1 ò 55. autokorelasi dan kenormalan untuk model persamaan simultan dilakukan untuk mengetahui apakah model tersebut memenuhi asumsi regresi klasik atau tidak. Pada persamaan (4. .

3. pada persamaan (4. sedangkan pada persamaan (4. Berdasarkan output Breusch-Godfrey (lampiran 6).5) diperoleh nilai probabilitas obs*R-square = 0.053 > a = 0. Uji autokorelasi Uji autokorelasi bertujuan untuk mengetahui ada tidaknya hubungan antara kesalahan pengganggu dari periode tertentu (mt) dengan kesalahan pengganggu dari periode sebelumnya (mt-p). Persamaan regresi yang baik adalah yang tidak memiliki autokorelasi antar kesalahan pengganggu dari periode tertentu (mt) dengan kesalahan pengganggu dari periode sebelumnya (mt-p).05. Persamaan regresi yang baik mengasumsikan variansi dari galatnya tetap (homokedastis).05.7 diperoleh nilai VIF semua variabel independen pada persamaan (4. Berdasarkan output white-test (lampiran 5).5) diperoleh nilai probabilitas obs*R-square = 0.05. pada persamaan (4.6) terdapat heterokedastisitas.6) diperoleh nilai 0. Heteroskesdastisitas Uji heteroskedastisitas bertujuan untuk mengetahui apakah terdapat ketidaksamaan variansi dari galat satu pengamatan ke pengamatan lain.01 < a = 0.6) diperoleh nilai 0.7 Hasil Uji Multikolinearitas pada Persamaan (4.0 Tidak terdapat multikolinearitas 1.5) lebih dari 10 sehingga dapat disimpulkan bahwa terdapat gejala multikolinearitas dalam persamaan regresi.6) No Variabel VIF Kesimpulan 1 òǴ 1. Sedangkan pada Tabel 4.33 Tabel 4.01 < a = 0. sehingga dapat disimpulkan bahwa pada persamaan (4.6) kurang dari 10 sehingga dapat disimpulkan bahwa tidak terdapat multikolinearitas dalam persamaan regresi.83 > a = 0.0 Tidak terdapat multikolinearitas 2 â Berdasarkan Tabel 4. 33 .5) dan (4. sedangkan pada persamaan (4.6 diperoleh nilai VIF semua variabel independen pada persamaan (4. 2.05.

85 18. Selanjutnya akan dilakukan transformasi data dengan menggunakan log 10 Tabel 2 (lampiran 1). Uji asumsi kenormalan Persamaan regresi diasumsikan bahwa galat model memiliki rata-rata = 0. Berdasarkan output (lampiran 4) di dapatkan hasilnya sebagai berikut.8) 2 Untuk selanjutnya akan diestimasi kembali dengan menggunakan metode 2SLS. Berdasarkan uji asumsi yang telah dilakukan.05. Tabel 4. dapat disimpulkan bahwa model persamaan simultan yang di dapat belum memenuhi asumsi regresi.00 log ò 2 0. maka dapat disimpulkan bahwa asumsi kenormalan pada persamaan (4.00 log âǴ2 34 .5) dan (4.7) (4. Berdasarkan output (lampiran 8). Oleh karena itu perlu dilakukan uji asumsi kenormalan. pada persamaan (4.74 18.00 0.6) terpenuhi.05. log òǴ2 = ǴǴ + αǴ log ò 2 + Ǵn log âǴ2 log ò 2 = βǴǴ + βǴ log òǴ2 + ĖǴn log â (4. Uji asumsi kenormalan ini dapat dilakukan dengan uji Kolmogorov-Smirnov. maka di dapat persamaan baru yang telah di transformasi sebagai berikut.7) variabel independen koefisien t p-value konstan 0.5) tidak terpenuhi.8 Estimasi Parameter Persamaan (4.94 0.01 < a = 0. sedangkan pada persamaan (4.5) diperoleh signifikansi 0.94 0. 4.6) diperoleh signifikansi 0.64 0. Oleh karena itu maka akan dilakukan perbaikan.34 sehingga dapat disimpulkan bahwa pada persamaan (4.27 8. sedangkan pada persamaan (4.1 > a = 0.6) tidak terdapat autokorelasi.

8) variabel independen koefisien t p-value konstan -1.00 < a = 0.9) memiliki nilai 5 sebesar 0.35 Tabel 4.85 + 0. 1.9 + 1. Sedangkan pada Tabel 4. pada persamaan (4.27 11.u7.67 > Fu. 5 = 0.8 dan 4. 7= 3. .47 0. 7= 3.9) (4.5 0.00 log â 2 Berdasarkan Tabel 4.00 < a = 0.8 dapat dilihat bahwa semua variabel berpengaruh signifikan terhadap GNP karena p-value 0. Pada persamaan (4.00 0.10) memiliki nilai 5 sebesar 0. dapat disimpulkan bahwa parameter regresi secara keseluruhan berpengaruh terhadap GNP. Sedangkan nilai F = 2132. Multikolinearitas Berdasarkan perhitungan oleh Minitab 13. log òǴ2 = 0.27log â 2 .99 (4.u7.9 Estimasi Parameter Persamaan (4.00 log òǴ2 1.05.05 dan nilai F = 5255. sisanya di jelaskan di luar model. sisanya dijelaskan di luar model. Kemudian akan di uji kembali apakah model persamaan simultan telah memenuhi asumsi regresi klasik atau tidak.74log âǴ2 log ò 2 = − 1. dapat disimpulkan bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap uang beredar. . 35 .99 dimana persamaan yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan variabel independen sebesar 99%.39 (lampiran 4).99 5 = 0.06 54.10) Pada Tabel 4. .0 (lampiran 7) di dapatkan.99 dimana persamaan yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan variabel independen sebesar 99%.3 0.06log òǴ2 + 0.9 maka model persamaan simultan yang diperoleh adalah.2 > Fu.27log ò 2 + 0.9 terlihat bahwa semua variabel signifikan berpengaruh terhadap uang beredar karena p-value 0.9 -20.39 (lampiran 4).

2 Terdapat multikolinearitas 2 log âǴ2 Kesimpulan Tabel 4.10) diperoleh nilai 0.05. sedangkan pada 36 .10) kurang dari 10 sehingga dapat disimpulkan bahwa tidak ada gejala multikolinearitas dalam persamaan regresi.36 Tabel 4. sedangkan pada persamaan (4. Uji autokorelasi Berdasarkan output Breusch-Godfrey (lampiran 6).9) No Variabel VIF 1 log ò 2 22.2 Terdapat multikolinearitas 22.10) diperoleh nilai 0.5 > a = 0.9) dan (4.9) diperoleh signifikansi 0. Uji asumsi kenormalan Berdasarkan output uji kolmogorov-smirnov (lampiran 8) di dapatkan persamaan (4.10) No Variabel VIF Kesimpulan 1 log òǴ2 1.10 diperoleh nilai VIF semua variabel independen pada persamaan (4.05 sehingga dapat disimpulkan bahwa pada persamaan (4.05. sedangkan pada persamaan (4.01 < a = 0.10) tidak terdapat heterokedastisitas.9) lebih dari 10 yang berarti masih adanya multikolinearitas pada persamaan regresi dan pada Tabel 4.6 Tidak terdapat multikolinearitas 1.38 > a = 0. pada persamaan (4. sehingga dapat disimpulkan bahwa pada persamaan (4. pada persamaan (4.10 Hasil Uji Multikolinearitas pada Persamaan (4.9) dan (4.11 Hasil Uji Multikolinearitas pada Persamaan (4. 3. 4.11 diperoleh nilai VIF semua variabel independen pada persamaan (4.10) terdapat autokorelasi.05. 2.9) diperoleh nilai probabilitas obs*R-square = 0.05.15 > a = 0. Heteroskedastisitas Berdasarkan output white-test (lampiran 5).9) diperoleh nilai probabilitas obs*R-square = 0.6 Tidak terdapat multikolinearitas 2 log â 2 Berdasarkan Tabel 4.

51 0.37 persamaan (4.13) .00 log òǴ2 1.00 1.02 -13.12 Estimasi Parameter Persamaan (4.49 0.00 log ò 2 0.13 Estimasi Parameter Persamaan (4.68 32. log òǴ2 = log ò 2 = β Ǵ+ Ǵ+ α log ò 2 + n log âǴ2 − log âǴ2 (4.94 19.05.11log òǴ2 + 0.10) diperoleh signifikansi 0.82 log âǴ2 − log âǴ2 log ò 2 = − 2.22log â 37 2 Ǵ . Tabel 4.12) variabel independen koefisien t p-value konstan -2.94 + 0.15 > a = 0. maka didapat persamaan baru yang telah di difference sebagai berikut.11) variabel independen koefisien t p-value konstan 1. Selanjutnya akan dilakukan difference pertama pada kelompok data konsumsi untuk menangani multikolinearitas pada model persamaan simultan yang terdapat pada tabel 2 (lampiran 1).00 log â 2 Berdasarkan Tabel 4.12 dan 4.02 + 1.14) . log òǴ2 = 1.11) Ǵ β log òǴ2 + Ė nlog â 2 . maka dapat disimpulkan bahwa asumsi kenormalan pada kedua persamaan tersebut terpenuhi.76 0. maka akan dilakukan perbaikan kembali. 5 = 0.26 0.99 (4. Oleh karena itu.11 24.00 0.68log ò 2 + 1. (4. Berdasarkan uji asumsi yang telah dilakukan.82 4.13 maka model persamaan simultan yang diperoleh adalah.79 0. 5 = 0.22 5.12 0. Berdasarkan output (lampiran 4) di dapatkan hasilnya sebagai berikut.12) Untuk selanjutnya akan diestimasi kembali dengan menggunakan metode 2SLS.99 (4.00 log âǴ2 − log âǴ2 Ǵ Tabel 4. dapat disimpulkan bahwa masih terdapat multikolinearitas dan autokorelasi.

5 Tidak terdapat multikolinearitas 1.6 Tidak terdapat multikolinearitas 2 log âǴ2 − log âǴ2 Ǵ Tabel 4.6 Tidak terdapat multikolinearitas 3.13) memiliki nilai 5 sebesar 0. pada persamaan (4.u7. Kemudian akan di uji kembali apakah model persamaan simultan telah memenuhi asumsi regresi klasik atau tidak.13 terlihat bahwa semua variabel signifikan berpengaruh terhadap uang beredar karena pvalue 0.13) No Variabel VIF Kesimpulan 1 log ò 2 3.05.14) memiliki nilai 5 sebesar 0.u7. .13) kurang dari 10 dan pada Tabel 4. Sedangkan pada Tabel 4. 7= 3.14 Hasil Uji Multikolinearitas pada Persamaan (4.15 Hasil Uji Multikolinearitas pada Persamaan (4.5 Tidak terdapat multikolinearitas 2 log â 2 Berdasarkan Tabel 4. dapat disimpulkan bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap uang beredar.43 > Fu. 1. 7= 3.99 dimana persamaan yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan variabel independen sebesar 99%. sisanya dijelaskan di luar model.53 > Fu. Pada persamaan (4. sisanya di jelaskan di luar model.14 diperoleh nilai VIF semua variabel independen pada persamaan (4.00 < a = 0.99 dimana persamaan yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan variabel independen sebesar 99%.05 dan nilai F = 1328.38 Pada Tabel 4.12 dapat dilihat bahwa semua variabel berpengaruh signifikan terhadap GNP karena p-value 0. Multikolinearitas Berdasarkan perhitungan oleh Minitab 13.00 < a = 0.39 (lampiran 4).0 (lampiran 7) didapatkan. Tabel 4.14) No Variabel VIF Kesimpulan 1 log òǴ2 1.39 (lampiran 4). dapat disimpulkan bahwa parameter regresi secara keseluruhan berpengaruh terhadap GNP.15 diperoleh nilai 38 . Sedangkan nilai F = 1730. .

pada persamaan (4. sedangkan pada persamaan (4. sedangkan pada persamaan (4. sedangkan pada persamaan (4.14) diperoleh signifikansi 0.26 > a = 0.13) diperoleh nilai probabilitas obs*R-square = 0.13 > a = 0.05.05.15 > a = 0. sehingga dapat disimpulkan bahwa pada persamaan (4.14) tidak terdapat heterokedastisitas.14) tidak terdapat autokorelasi. 2.14) diperoleh nilai 0.05.14) diperoleh nilai 0.08 > a = 0.13) dan (4.05.14) juga kurang dari 10 sehingga dapat disimpulkan bahwa tidak ada gejala multikolinearitas dalam persamaan regresi.39 VIF semua variabel independen pada persamaan (4.05.05 sehingga dapat disimpulkan bahwa pada persamaan (4. 3. maka dapat disimpulkan bahwa asumsi kenormalan pada kedua persamaan tersebut terpenuhi.47 > a = 0.13) dan (4. 4. Berdasarkan uji asumsi yang telah dilakukan.13) diperoleh nilai probabilitas obs*R-square = 0.13) diperoleh signifikansi 0. pada persamaan (4. Uji asumsi kenormalan Berdasarkan output uji kolmogorov-smirnov (lampiran 8) di dapatkan persamaan (4. dapat disimpulkan bahwa model persamaan simultan dengan metode 2SLS telah memenuhi asumsi. maka akan diubah ke dalam bentuk semula untuk mendapatkan model persamaan simultan yang sebenarnya log òǴ2 = log òǴ2 = Ǵ+ α Ǵ+ log òǴ2 = log10 log òǴ2 = log10 log ò 2 + 0 0 + log ò 2 + n(log âǴ2 − log âǴ2 Ǵ ) nlog log ò 2 + + log ò 2 âǴ2 − nlog + log 39 0 0 0 0 0 0 nlog âǴ2 Ǵ . Uji autokorelasi Berdasarkan output Breusch-Godfrey (lampiran 6). Karena model persamaan simultan diatas bukan berdasarkan data sebenarnya. Heteroskedastisitas Berdasarkan output white-test (lampiran 5).05 > a = 0.

pengeluaran konsumsi pemerintah saat ini dan pengeluaran konsumsi pemerintah sebelumnya.kǴ7 n adalah pengeluaran konsumsi pemerintah pada waktu − 1.uǴtku òǴ2 Ǵ. Pada persamaan pendapatan terlihat bahwa GNP dipengaruhi oleh uang beredar.ğntuk ò 2 u. kn7nn âǴ2 âǴ2 Ǵ Ǵ.40 log òǴ2 = log10 òǴ2 = 10 0 ò2 0 ò2 0 0 0 0 0 0 Sehingga didapatkan persamaan pendapatan nasional dengan menerapkan 2SLS adalah dengan âǴ2 Ǵ òǴ2 = 10Ǵ. log ò 2 = β β log òǴ2 + Ė nlog â Ǵ+ log ò 2 = log10β 0 + log òǴ2 β log ò 2 = log10 ò 2 = 10β 0 0 òǴ2 òǴ2 β β â â 2 β 2 + log â 2 2 sehingga didapatkan persamaan peredaran uang dengan menerapkan 2SLS adalah ò 2 = 10 . ğnu Pada persamaan peredaran uang terlihat bahwa uang beredar dipengaruhi GNP dan investasi domestik.ǴǴ 7t â 2 u. 40 .

bisa menerapkan model persamaan simultan pada kasus lain (misalnya pada bidang pertanian. pengeluaran konsumsi pemerintah saat ini dan pengeluaran konsumsi pemerintah sebelumnya. dan sebagainya) dengan data dan variabel-variabel yang lebih lengkap.2 òǴ2 Ǵ. 41 . ğnu Sedangkan untuk persamaan peredaran uang adalah ò 2 = 10 . hasil dan metodologi ini diharapkan dapat menemukan berbagai kemungkinan lebih lanjut mengenai keadaan perbankan dan keuangan.kǴ7 n u. Selain itu bagi peneliti lainnya yang akan menggunakan model.BAB V PENUTUP 5. Variabel-variabel yang berpengaruh terhadap persamaan pendapatan nasional adalah uang beredar. Model persamaan simultan dengan menggunakan metode 2SLS untuk persamaan pendapatan nasional adalah Ǵ.ǴǴ 7t Saran â 2 Bagi pembaca yang tertarik pada penelitian ini.ğntuk òǴ2 = 10 ò2 u. variabel-variabel yang berpengaruh adalah produk nasional bruto (GNP) dan investasi domestik. kesehatan.1 Kesimpulan Berdasarkan hasil pembahasan pada bab 4 dapat diperoleh kesimpulan sebagai berikut: 1. kn7nn âǴ2 âǴ2 Ǵ Ǵ. 2. Sedangkan pada persamaan peredaran uang.uǴtku 5.

(2008). _____ . Montgomery. Jakarta. Econometric Models and Econometric Forecasts. Pindyk. 1999. Statistika Indonesia. Rao. Yogyakarta. no. D. Sholikhat. Jurnal Ekonomi Pembangunan Dinamika. S and Rubinfeld. Sembiring. Erlangga. Surakarta: Badan Pusat Statistik. A Modal of Growth and Finance : FIML Estimates for India.3. 1989. 1989. Karunika. A. Analisis Simultan Pembiayaan pada Bank Syariah Tingkat Nasional Periode 2002-2007. 1995. Metode Statistika Nonparametrik. Statistika Indonesia.30 WIB. _____ . vol. 13. Jurnal Ekonomi dan Bisnis Indonesia. Yogyakarta: Badan Pusat Statistik. B. 2009. N. _____ .com/Two-Stage-Least-Squares-RegressionAnalysis. D and Peck. Bandung. C. Surakarta: Badan Pusat Statistik. K. Teori dan Penerapan Matematika untuk Ekonomi. Statistika Indonesia. Badan Pusat Statistik Surakarta. Feriyanto. 1978. Surakarta: Badan Pusat Statistik. E. B and Tamazian. 42 . Statistika Indonesia. hal 12-29. Analisis Regresi. 4. no. Statistika Indonesia. L. R. Jilid 1. Http://www. Introduction to Linier Regression Analysis. Badan Pusat Statistik Yogyakarta. 1984. Penerbit Andi Offset. Jakarta. Mc Graw-Hill International Edition. Statistika Indonesia. 1994.42 DAFTAR PUSTAKA Aliman. Gujarati. Surakarta: Badan Pusat Statistik. 2. Penerbit ITB. Yogyakarta: Badan Pusat Statistik. 1998. (2008). Second Edition. Praptono. _____ .statisticssolutions. hal 14-24. pukul 15. 1992. Model Autoregresif Analisis Kausalitas Antara Jumlah Uang Beredar dan Tingkat Pendapatan Nasional: Studi Kasus IndonesiaThailand. (1998). Ekonometrika Dasar. C. A. vol. Tanggal 3 September 2009. 1986. 2004.

K. Winarno. 2002. W. Ekonometrika Pengantar. Statistik. Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN: Yogyakarta. Jakarta. Beberapa Ajaran Pokok. Analisis Ekonometrika dan Statistika Dengan Eviews.43 Sumodiningrat. J. A. 2007. Teori dan Aplikasi Edisi Kelima. Pradnya Paramita. Jakarta. Tohir. 43 . Erlangga. G. Ekonomi Modern. 1975. 1994. W. Yogyakarta. BPFE-Yogyakarta: Supranto.