BAB II

MODEL REGRESI
1. Rangkuman
karakteristik dari keilmuan sosial yaitu berupa banyaknya variabel-variabel atau faktor-
faktor yang saling mempengaruhi satu sama lain. Dari beragam faktor-faktor yang disebutkan di
atas,tentu mempunyai tingkat signifikansi yang berbeda. Beberapa faktor mungkin mempunyai
tingkat signifikansi yang tinggi, sementara yang lain mungkin tingkat signifikansinya rendah,
atau biasa disebut tidak signifikan. Dalam kepentingan untuk mengidentifikasi beberapa variabel
saja, maka dibenarkan untuk mengabaikan variabel-variabel yang lain. Cara yang dilakukan
adalah membuat model, yang menjelaskan variabel-variabel yang hendak diteliti saja.
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. 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. Berikut adalah contoh penulisan model dalam bentuk persamaan fungsi:

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.

Bentuk model
Persamaan fungsi pada pers.2 memiliki tujuan untuk menetahui pengaruh variabel bebas
terhadap variabel terikat.persamaan tersebut disebut juga sebagai persamaan regresi.macam-
macam bentuk model regresi dapat dibedakan berdasarkan sebaran data yang terlihat dalam
gambar sebaran datanya(scatter plot). Terdapat 3 jenis model yaiyu: regresi linier, regresi
kuadratik dan regresi kubik.

Model regresi linier

Kata linier menggambarkan arti bahwa sebaran data dalam scatter plot menunjukkan
sebaran data yang mendekati bentuk garis lurus. Dan menunjukan linearitas dalam variabel
maupun dalam data. Data semacam ini dapat wujud apabila perubahan pada variabel Y
sebanding dengan perubahan variabel X. 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 variabel bebas lebih dari satu
variabel dengan batasan pangkat satu. Untuk jelasnya dicontohkan persamaan single linier
(pers.3) dan persamaan multiple linier (pers.4) sbb:

Y = b0 + b1X + e .... (pers.3)

Y = b0 + b1X1 + b2X2 + + bnXn + e . (pers.4)

Model kuadratik
model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel
bebasnya. Ciri yang lain dapat dilihat dari pengamatan terhadap scatter plott yang menunjukkan
kecenderungan sebaran data membentuk lengkung, tidak seperti model linier yang cenderung
lurus. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:

Y=b0+b1X1+b2X12+e ...(pers.5)

Model kubik
model kubik dapat diketahui dari adanya pangkat tiga pada salah satu variabel bebasnya.
sering disebut juga dengan fungsi berderajat tiga. Ciri yang lain dapat dilihat dari pengamatan
terhadap scatter plott yang menunjukkan kecenderungan sebaran data yang berbentuk lengkung
dengan arah yang berbeda. Model kubik dituliskan dalam persamaan fungsi sebagai berikut:

Y=b0+b1X1+b1X12+b1+X13+e .(PERS.6)
Notasi model
Huruf Y memerankan fungsi sebagai variabel dependen atau variabel terikat. Huruf X
menggambarkan variabel bebas atau variabel yang mempengaruhi. Huruf b0 sering juga
dituliskan dengan huruf a, , atau juga 0. Secara substansi penulisan itu mempunyai arti yang
sama, yaitu menunjukkan konstanta atau intercept yang merupakan sifat bawaan dari variabel Y.
Konstanta ini mempunyai angka yang bersifat tetap yang sekaligus menunjukkan titik potong
garis regresi pada sumbu Y. Nilai konstanta ini merupakan nilai dari variabel Y ketika variabel X
bernilai nol. Huruf b1, b2, bn merupakan parameter yang menunjukkan slope atau kemiringan
garis regresi. Parameter ini sering juga dituliskan dengan bentuk b, atau 1, 2, n.
Demikian pula, karena nilai koefisien korelasi ini juga menunjukkan tingkat elastisitas, maka
dari besarnya nilai koefisien korelasi (b) tersebut dapat ditentukan jenis elastisitasnya. Jika nilai
b besarnya lebih dari satu (b>1) maka disebut elastis. Artinya, jika variabel X mengalami
perubahan, maka variabel Y akan mengalami perubahan yang lebih besar dari perubahan yang
ada pada variabel X tersebut. Jika nilai b besarnya sama dengan angka satu (b=1) disebut uniter
elastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y akan mengalami
perubahan yang sama besar dengan perubahan yang ada pada variabel X tersebut. Jika nilai b
besarnya lebih kecil dari angka satu (b<1) disebut inelastis. Artinya, jika variabel X mengalami
perubahan, maka variabel Y akan mengalami perubahan yang lebih kecil dari perubahan yang
ada pada variabel X tersebut. Huruf e merupakan kependekan dari error term atau kesalahan
pengganggu. Karena hasil yang di tunjukan oleh model ekonometrika hanya bersifat perkiraan,
dalam arti tidak menunjukan kebenaran yang mutlak. Kesalahan pengganggu sendiri memiliki
banyak sebab yang dapat menimbulkan hal sebagai berikut:
1. tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi variabel
terikat dapat disebutkan dalam model.
2. kesalahan asumsi dalam menentukan teori yang diwujudkan sebagai model.
3. ketidaklengkapan data yang dianalisis.
4. Misalnya, seharusnya digunakan model kuadratik tetapi justru yang digunakan adalah
model linier, atau sebaliknya.

Spesifikasi Model dan Data

 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.

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 Y
jadi, Y = Y + e
karena, Y = E (Y) = b0 + b1X1 + b2 X2
maka Y = b0 + b1X1 + b2 X2 + e
tanda e pada persamaan di atas mencerminkan distribusi probabilitas. Dalam teori ekonomi, e
merupakan representasi dari asumsi ceteris paribus. 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 berikut:
1. Nilai harapan Y tergantung pada nilai masing-masing variabel penjelas dan
parameterparameternya. 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 ratarata.

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.

Kesimpulan:
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 b 0, atau 0.
Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan, elastisitas.
2, SIMPULAN

Model sering diartikan refleksi dari realita atau simplikasi dari kenyataan. Model dalam
ilmu ekonomi berfungsi sebagai panduan analisis melalui penyederhanaan dari realitas yang
ada.penulisan model dalam ekonometrika merupakan pengembangan dari persamaan fungsi
secara matematis. 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. Setidaknya ada 3 jenis
model antara lain:
1. Model regresi linier
Digunakan pada sebaran data yang mendekati bentuk garis lurus. Model ini di bedakan
menjadi 2 yaitu:
single linier
Y=b0+b1X+e
multiple linier
Y= b0+b1X1++bn+e.
2. Model regresi kuardatik
Digunakan pada sebaran data yang cenderung melengkung
3. Model regresi kubik.
Digunakan pada sebaran data yanag kecenderungannya seperti bentuk U atau spiral
Perbedaan antar jenis-jenis model ekonometrika:
Model Regresi Linier Model Kuadratik Model Kubik
Variabelnya maksimum Variabelnya maksimum Variabelnya maksimum
berpangkat 1 berpangkat 2 berpangkat 3
Y = b0 + b1X1 + b2X2 + + Y = b0 + b1X1 + b2X12 + e Y = b0 + b1X1 + b1X12 + b1X13
bnXn + e Menggambarkan sebaran + e
Ordinary Least Square (OLS) datanya cenderung Sebaran datanya
Sebaran data dalam scatter melengkung kecenderungan seperti bentuk
plot mendekati bentuk garis U atau spiral
lurus

3. SOAL-SOAL
 a. Jelaskan apa yang dimaksud dengan model!
model diartikan sebagai refleksi dari realita atau simplikasi dari kenyataan. Dalam
keilmuan ekonomi berfungsi sebagai panduan analisis melalui penyederhanaan dari
realitas yang ada.
b. Sebutkan apa saja jenis-jenis model ekonometrika!
jenis-jenis model ekonometrika antara lain:
model regresi linier
model kuardatik
model kubik
model ekonomi
model statistic

c. Jelaskan perbedaan antara jenis-jenis model ekonometrika!

Model Regresi Linier Model Kuadratik Model Kubik
Variabelnya maksimum Variabelnya maksimum Variabelnya maksimum
berpangkat 1 berpangkat 2 berpangkat 3
Y = b0 + b1X1 + b2X2 + + Y = b0 + b1X1 + b2X12 + e Y = b0 + b1X1 + b1X12 + b1X13
bnXn + e Menggambarkan sebaran + e
Ordinary Least Square (OLS) datanya cenderung Sebaran datanya
Sebaran data dalam scatter melengkung kecenderungan seperti bentuk
plot mendekati bentuk garis U atau spiral
lurus

d. Coba uraikan asumsi-asumsi yang harus dipenuhi dalam regresi linier!