2015 Wcy
2015 Wcy
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Pemodelan Persamaan
Simultan dengan Metode Pendugaan 2SLS dan 3SLS untuk Kesejahteraan
Nelayan di Indonesia adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi
manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
* Pelimpahan hak cipta atas karya tulis dari penelitian kerjasama dengan pihak luar IPB harus
didasarkan pada perjanjian kerjasama yang terkait
RINGKASAN
WIDYAWAN CANDRA YUNIANTO. Pemodelan Persamaan Simultan dengan
Metode Pendugaan 2SLS dan 3SLS untuk Kesejahteraan Nelayan di Indonesia.
Dibimbing oleh I MADE SUMERTAJAYA dan SASMITO HADI WIBOWO.
Nilai tukar nelayan (NTN) telah ditetapkan sebagai salah satu sasaran
pertumbuhan ekonomi dan pembangunan nasional, sehingga menjadi indikator
kesejahteraan nelayan yang sangat penting. Selama ini, NTN dihitung berdasarkan
harga barang dan jasa baik dari segi produksi, biaya, dan konsumsi rumah tangga
yang dikumpulkan setiap bulan, sedangkan volume produksi mengacu pada
volume tahun dasar. Sebagai akibatnya, NTN kurang akurat untuk
menggambarkan kondisi aktual.
Di sisi lain, sehubungan dengan perencanaan Anggaran Pendapatan dan
Belanja Negara (APBN), pemerintah perlu mengetahui bagaimana asumsi-asumsi
ekonomi makro mempengaruhi kesejahteraan nelayan. Oleh karena itu, tujuan dari
penelitian ini adalah untuk menyusun sebuah model komprehensif yang mampu
menghubungkan sisi produksi dan indikator-indikator ekonomi makro secara
simultan untuk meramalkan NTN. Fokus perhatian lainnya adalah untuk meneliti
metode pendugaan parameter yang lebih baik antara Two Stage Least Squares
(2SLS), sebagai pendekatan persamaan tunggal, dan Three Stage Least Squares
(3SLS), sebagai pendekatan sistem. Pada bagian akhir studi ini, model terbaik
yang diperoleh digunakan untuk menyusun simulasi kebijakan.
Penelaahan terhadap data Indonesia sejak Januari 2008 Juni 2014
menunjukkan adanya hubungan simultan yang nyata antara produksi, indikator
ekonomi makro, dan NTN. Metode 3SLS menghasilkan dugaan parameter yang
lebih baik karena memiliki Mean Square Error (MSE) yang lebih kecil dengan R-
sq = 99.13%. Meskipun demikian, metode 2SLS dan 3SLS memiliki keakuratan
yang relatif sama untuk meramalkan NTN.
Simulasi kebijakan memperlihatkan bahwa kondisi asumsi makro ekonomi
ideal yang diharapkan dapat meningkatkan kesejahteraan nelayan adalah:
menguatnya nilai rupiah terhadap USD, terjaganya stablitas harga barang
konsumsi, dan turunnya harga minyak dunia.
Kata Kunci: nilai tukar nelayan, model persamaan simultan, 2SLS, 3SLS
SUMMARY
WIDYAWAN CANDRA YUNIANTO. Simultaneous Equations Modelling
Using 2SLS and 3SLS Methods for Fishermens Term of Trade of Indonesia.
Supervised by I MADE SUMERTAJAYA and SASMITO HADI WIBOWO.
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apapun tanpa izin IPB
PEMODELAN PERSAMAAN SIMULTAN DENGAN METODE
PENDUGAAN 2SLS DAN 3SLS UNTUK KESEJAHTERAAN
NELAYAN DI INDONESIA
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada Program Studi Statistika Terapan
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2015
Penguji Luar Komisi pada Ujian Tesis: Dr Ir Erfiani, MSi
Judul Tesis : Pemodelan Persamaan Simultan dengan Metode Pendugaan
2SLS dan 3SLS untuk Kesejahteraan Nelayan di Indonesia
Nama : Widyawan Candra Yunianto
NIM : G152130504
Disetujui oleh
Komisi Pembimbing
Diketahui oleh
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
1 PENDAHULUAN 1
Latar Belakang 1
Identifikasi Masalah 2
Tujuan Penelitian 2
Manfaat Penelitian 3
2 TINJAUAN PUSTAKA 3
Persamaan Simultan, Masalah Bias dan Ketidakkonsistenan Penduga OLS 3
Masalah Identifikasi 5
Metode Pendugaan Parameter 5
Metode Two-Stage Least Squares (2SLS) 6
Metode Three-Stage Least Squares (3SLS) 7
Nilai Tukar Nelayan (NTN) 8
3 METODE PENELITIAN 9
Data 9
Metode Analisis 9
4 HASIL DAN PEMBAHASAN 13
Perkembangan Kesejahteraan Nelayan Indonesia 13
Eksplorasi Peubah Penelitian 13
Model Persamaan Simultan 15
Keterkaitan Sisi Produksi, Indikator Ekonomi Makro,
dan Nilai Tukar Nelayan 18
Keakuratan Peramalan 19
Simulasi Kebijakan Ekonomi Makro untuk Kesejahteraan Nelayan
Indonesia Tahun 2015 21
5 SIMPULAN DAN SARAN 24
Simpulan 24
Saran 24
DAFTAR PUSTAKA 25
LAMPIRAN 26
DAFTAR TABEL
1 Daftar peubah penelitian 10
2 Identifikasi persamaan struktural 16
3 Nilai dugaan parameter dengan metode 2SLS dan 3SLS 16
4 Ukuran kebaikan model (goodness of fit) 2SLS dan 3SLS 16
5 Nilai statistik Durbin Watson pada ketujuh persamaan struktural 17
6 Ukuran keakuratan peramalan dengan metode 2SLS dan 3 SLS 20
7 Koefisien-koefisien persamaan reduced form dengan metode 3SLS 21
8 NTN hasil simulasi menurut berbagai alternatif nilai kurs rupiah dan
harga barang konsumsi 23
DAFTAR GAMBAR
1 Struktur model simultan 9
2 Alur penelitian 12
3 Perkembangan NTN, IT, dan IB Indonesia
Januari 2008 Desember 2014 13
4 Plot ACF untuk produksi penangkapan ikan 14
5 Plot PACF untuk produksi penangkapan ikan 14
6 Plot CCF antara produksi dengan lama penyinaran matahari 15
7 Produksi perikanan tangkap, nilai aktual NTN dan ramalannya dengan
metode 2SLS dan 3SLS 20
8 Nilai ramalan dan aktual NTN 2015 22
DAFTAR LAMPIRAN
1 Eksplorasi peubah berdasarkan ACF, PACF, dan CCF 26
2 Analisis ragam (ANOVA) untuk metode pendugaan 2SLS 31
3 Simulasi kebijakan menurut pergerakan harga minyak dunia 32
1 PENDAHULUAN
Latar Belakang
Identifikasi Masalah
Tujuan Penelitian
Manfaat Penelitian
2 TINJAUAN PUSTAKA
Model persamaan simultan adalah suatu model yang memiliki lebih dari satu
persamaan yang saling terkait. Dalam model ini, peubah respon pada suatu
persamaan dapat juga bertindak sebagai peubah penjelas pada persamaan lainnya
(Gujarati 2004).
Model sistem persamaan simultan dalam bentuk struktural dengan G peubah
endogen dan K peubah eksogen (predetermined), secara umum dapat dituliskan
sebagai berikut (Seddighi et al. 2000):
(1)
[ ][ ] [ ][ ] [ ] (2)
Model ini dibangun dengan didasari asumsi galat yang sama dengan asumsi pada
regresi klasik, yaitu:
Karena model (1) lengkap, maka umumnya persamaan dapat diselesaikan untuk
peubah-peubah endogennya. Penyelesaian ini disebut model bentuk sederhana
(reduced form), dan ditulis sebagai:
(6)
[ ] [ ][ ] [ ] (7)
(9)
dan dengan asumsi matriks ada, maka dari (8) dan (9) dapat diperoleh
dan (10)
Masalah Identifikasi
[ ] dan [ ]
dengan
[ ],
[ ], [ ]
Jika adalah penduga bagi ,maka langkah-langkah 2SLS adalah sebagai
berikut:
Langkah 1. Menerapkan metode OLS pada persamaan bentuk sederhana berikut
ini
, untuk i = 1,2, , g (12)
untuk memperoleh penduga koefisien bentuk sederhana ,
dengan adalah dugaan bagi , dan menggunakan dugaan ini untuk
memperoleh nilai dugaan , yaitu .
Langkah 2. Menggunakan nilai dugaan untuk membentuk matriks
[ ] dengan [ ] dan kemudian menerapkan metode
OLS pada persamaan
(13)
dengan = komponen galat, untuk mendapatkan penduga 2SLS
(14)
Dengan demikian, penduga 2SLS yang dinyatakan dalam nilai peubah asal untuk
persamaan ke-i dapat ditulis sebagai:
[ ] (15)
dan var-cov ( )=
dengan (16)
Untuk persamaan yang exactly identified dapat ditunjukkan bahwa penduga 2SLS
sama dengan penduga Indirect Least Square (ILS), dan dapat diintepretasikan
sebagai sebuah penduga Instrumental Variable (IV) (Johnston 1984 dalam
Seddighi et al. 2000).
7
(17)
[ ] dan [ ]
Sistem ini juga dapat ditulis sebagai
dengan [ ], [ ], [ ], [ ] (18)
[ ] dan [ ].
Sistem (19), yang tidak menyertakan berbagai fungsi identitas yang mungkin,
dapat ditulis sebagai (20)
dengan [ ], , [ ], [ ]
[ ]
[ ] (23)
(27)
Kecepatan
Angin (X1)
Suhu (X4) : Endogenous
Harga BBM
DN (Y2)
Kesejahteraan
Harga NTN (Y8)
Upah Buruh Nelayan
Minyak (Y5)
Dunia (X6)
3 METODE PENELITIAN
Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yang
bersumber dari BPS, BMKG, Ditjen Perikanan Tangkap, Kementerian ESDM,
Bank Indonesia, dan US Energy Information Administration (USEIA). Series data
untuk pemodelan adalah mulai Januari 2008 sampai dengan Juni 2014. Data
harga yang digunakan untuk BBM dalam negeri (diwakili oleh bensin) dan harga
barang konsumsi adalah harga yang diukur di tingkat perdesaan. Sementara itu,
data inflasi yang digunakan adalah laju inflasi dari bulan ke bulan (month to
month). Tahun dasar yang digunakan dalam perhitungan NTN adalah tahun 2012.
Metode Analisis
2. Formulasi/Spesifikasi model
Berdasarkan skema pada Gambar 1, dibentuk tujuh persamaan struktural awal
dalam bentuk linier di luar NTN, dengan tujuh peubah endogen (G), dan
delapan peubah predetermined (K), yaitu:
i. Produksi penangkapan ikan:
ii. Harga BBM dalam negeri (bensin):
iii. Laju Inflasi:
iv. Harga jual produk perikanan:
v. Upah buruh penangkapan ikan:
vi. Nilai tukar komponen penerimaan nelayan yang ditunjukkan oleh indeks
harga yang diterima nelayan:
vii. Nilai tukar komponen pembayaran nelayan yang ditunjukkan oleh indeks
yang dibayar nelayan:
NTN (Y8) dalam hal ini berlaku sebagai identitas, namun tidak linier. Formula
persamaan struktural di atas kemudian dilengkapi dengan komponen lag dari
peubah endogen maupun eksogen berdasarkan hasil penelaahan ACF, PACF,
dan CCF pada tahap eksplorasi data.
3. Identifikasi Persamaan
Persamaan teridentifikasi jika jumlah peubah predetermined yang dikeluarkan
dari persamaan tidak kurang dari jumlah peubah endogen yang dimasukkan
dalam persamaan dikurangi satu, dan rank matriks yang dibentuk dari
koefisien dari semua peubah yang dikeluarkan dari persamaan tersebut tetapi
dimasukkan pada persamaan lain dalam model sama dengan jumlah
persamaan dikurangi satu (rank () = G-1) (Seddighi et al. 2000).
4. Pendugaan parameter
Parameter-parameter dari model lalu diduga dengan metode persamaan
tunggal 2SLS dan metode sistem 3SLS.
5. Pemeriksaan asumsi kenormalan, kehomogenan ragam, dan non-autokorelasi.
6. Pemilihan model terbaik
Untuk mendapatkan model terbaik, dilakukan dengan dua cara:
i. Penelaahan terhadap goodness of fit: Mean Square Error (MSE) dan R-sq
dari kedua metode. Mengingat metode 2SLS merupakan pendugaan
persamaan tunggal maka penghitungan MSE didekati dengan mencari
gabungan jumlah kuadrat galat (Sum square error (SSE)) yang diboboti
oleh kuadrat tengah total dan membaginya dengan total derajat bebas galat.
Sementara untuk menghitung R-sq, jumlah kuadrat total (Sum square total
(SST)) yang digunakan adalah gabungan SST dari seluruh persamaan.
ii. Ketepatan untuk meramalkan NTN (Y8), yang diukur dengan:
a. Root Mean Square Percentage Error:
( ) (28)
Model yang lebih baik adalah model yang memiliki MSE lebih kecil, R-sq
lebih besar, RMSPE dan MAPE yang lebih kecil.
7. Simulasi kebijakan asumsi makro ekonomi
Simulasi dilakukan untuk meramalkan NTN dengan menggunakan berbagai
kemungkinan nilai dari peubah-peubah eksogen yang mempengaruhi, terutama
terkait asumsi-asumsi makro ekonomi.
Analisis pada penelitian ini dilakukan dengan bantuan program SAS melalui
prosedur SYSLIN.
Mulai
Model Terbaik
Simulasi Kebijakan
Unidentified Exactly Identified Overidentified
Asumsi Makro
1.0
0.8
0.6
0.4
Cross Correlation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
-15 -10 -5 0 5 10 15
Lag
bersama-sama sebesar R-sq= 99.13% dengan MSE sebesar 1.0641. Untuk metode
2SLS, dihasilkan gabungan MSE=1.1026 dan R-sq=66.25%. Dari nilai MSE dan
R-sq ini, kita dapat mengatakan bahwa metode 3SLS lebih baik secara statistika
daripada metode 2SLS untuk menjelaskan hubungan antar peubah di dalam
sistem.
Yang kemudian perlu mendapat perhatian dalam penelitian ini adalah
masih ditemukannya indikasi autokorelasi pada beberapa persamaan yaitu untuk
persamaan produksi (Y1), indeks yang diterima (Y6), dan indeks yang dibayar
(Y7). Ini ditunjukkan dengan nilai statistik Durbin Watson yang masih lebih kecil
dari batas bawah (dL), berturut-turut sebesar 1.07, 0.24, dan 0.61. Penambahan
peubah lag endogen terbukti efektif untuk menghilangkan autokorelasi pada
persamaan lainnya. Sementara untuk persamaan Y6 dan Y7, lag endogenous tidak
ditambahkan untuk mempertahankan keberadaan peubah-peubah penjelas lainnya
dalam persamaan tersebut.
Tabel 5 Nilai statistik Durbin Watson (d) pada ketujuh persamaan struktural
Persamaan dL dU d Keputusan
Y1 1.51 1.70 1.071865 Autokorelasi positif
Y2 1.48 1.73 1.623976 Tidak dapat disimpulkan
Y3 1.48 1.73 1.797568 Tidak ada autokorelasi
Y4 1.51 1.70 2.191195 Tidak ada autokorelasi
Y5 1.51 1.70 1.876009 Tidak ada autokorelasi
Y6 1.57 1.63 0.238552 Autokorelasi positif
Y7 1.51 1.70 0.612175 Autokorelasi positif
Keterangan: dL = batas bawah dU = batas atas
(32)
Dalam penelitian ini harga barang konsumsi diwakili oleh rata-rata geometrik
harga sembilan bahan pokok yang meliputi: beras, daging sapi, daging ayam,
telur, susu, minyak goreng, cabe merah, cabe rawit, dan gula pasir. Penggunaan
rata-rata geometrik dimaksudkan untuk mengantisipasi rentang harga yang jauh
berbeda.
19
Keakuratan Peramalan
Perhatian berikutnya dalam penelitian ini adalah; belum tentu model yang
baik secara statistika mampu mengikuti data historik dengan baik pula. Dalam hal
ini, metode 3SLS yang sudah ditunjukkan lebih baik belum tentu akan
menghasilkan ramalan yang lebih baik daripada 2SLS.
20
Tabel 6 menunjukkan bahwa model persamaan simultan yang diduga baik dengan
metode 2SLS maupun 3SLS menghasilkan nilai RMSPE dan MAPE yang sangat
kecil dengan nilai yang hampir sama. Nilai MAPE yang jauh di bawah 10%
menunjukkan bahwa kedua metode sangat akurat untuk memprediksi nilai NTN.
Ini berarti keakuratan peramalan kedua metode pendugaan dapat dikatakan sama.
Kesamaan akurasi ini secara jelas ditunjukkan oleh berhimpitnya nilai prediksi
NTN dengan kedua metode pada gambar di bawah ini:
Keterangan: Periode acuan untuk simulasi adalah Bulan Juli 2015 dengan nilai kurs rupiah = Rp 13.374,79/USD, rata-rata geometrik harga barang konsumsi =
Rp 25.964,47 , dan NTN = 104.87
23
24
Simpulan
Saran
DAFTAR PUSTAKA
[Bappenas] Badan Perencanaan Pembangunan Nasional. 2013. Analisis Nilai
Tukar Petani (NTP) Sebagai Bahan Penyusunan RJMN Tahun 2015-2019.
Jakarta (ID): Bappenas.
[BPS] Badan Pusat Statistik. 2013. Statistik Nilai Tukar Petani 2013. Jakarta (ID):
BPS.
Colman D. 2009. Agricultures Terms of Trade: Issues and implications.
Presidential Address prepared for the27th Conference of the International
Association of Agricultural Economists, Beijing, China. [diunduh 2015 Mar
25]. Tersedia pada: http://ageconsearch.umn.edu/bitstream/53200/2/Colman
%20FINAL.pdf.
Elyerviana A. 2011. Variabilitas spasial dan temporal kecepatan arus dan angin
serta kaitannya dengan hasil tangkapan di perairan Laut Flores
menggunakan data tahun 2009 [Skripsi]. Makassar (ID): Universitas
Hasanuddin.
Greene WH. 2003. Econometrics Analysis (5th Ed.). New Jersey: Prentice Hall.
Gujarati DN. 2004. Basic Econometrics (4th Ed.). New York: McGrawHill
Companies.
Ispahdianto D. 2012. Pengaruh angin dan gelombang terhadap hasil tangkapan
laut di Selat Jawa. [diunduh 2015 Mar 25]. Tersedia pada: http://dwi
perikanan.blogspot.com/2012/11/pengaruh-angin-dan-gelombang-
terhadap.html.
Nadapdap B. 1990. Studi simulasi model persamaan simultan untuk
makroekonomi dengan beberapa metode pendugaan [Tesis]. Bogor (ID):
Institut Pertanian Bogor.
Seddighi HR, Lawler KA, Katos AV. 2000. Econometrics A Practical Approach.
London (GB): Routledge.
Sofia LA. 2010. Analisis faktor produksi usaha perikanan jaring insang di
Kabupaten Tanah Laut. Ziraaah, 28(2): 99-108.
Undang-undang No. 23 Tahun 2013 tentang Anggaran Pendapatan dan Belanja
Negara Tahun Anggaran 2014 (ID).
Undang-undang No. 27 Tahun 2014 tentang Anggaran Pendapatan dan Belanja
Negara Tahun Anggaran 2015 (ID).
26
FUNGSI PRODUKSI
Cross Correlation Function for Y1, X1 Cross Correlation Function for Y1, X2
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
Cross Correlation
Cross Correlation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
a. Plot CCF antara produksi dan b. Plot CCF antara produksi dan
kecepatan angin curah hujan
Cross Correlation Function for Y1, X3 Cross Correlation Function for Y1, X4
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
Cross Correlation
Cross Correlation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
c. Plot CCF antara produksi dan lama d. Plot CCF antara produksi dan
penyinaran matahari suhu
FUNGSI BBM
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
1 5 10 15 20 25 30 35 40 1 5 10 15 20 25 30 35 40
Lag Lag
e. Plot ACF untuk harga BBM dalam f. Plot PACF untuk harga BBM
negeri (DN) dalam negeri (DN)
27
Cross Correlation Function for Y2, X5 Cross Correlation Function for Y2, X6
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
Cross Correlation
Cross Correlation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
g. Plot CCF antara harga BBM DN h. Plot CCF antara harga BBM DN
dan produksi minyak bumi dan harga minyak dunia
1.0
0.8
0.6
0.4
Cross Correlation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
-15 -10 -5 0 5 10 15
Lag
FUNGSI INFLASI
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
1 5 10 15 20 25 30 35 40 1 5 10 15 20 25 30 35 40
Lag Lag
Cross Correlation Function for Y3, X5 Cross Correlation Function for Y3, X6
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
Cross Correlation
Cross Correlation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
l. Plot CCF antara inflasi dan m. Plot CCF antara inflasi dan harga
28
Cross Correlation Function for Y3, X7 Cross Correlation Function for Y3, X8
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
Cross Correlation
Cross Correlation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
n. Plot CCF antara inflasi dan kurs o. Plot CCF antara inflasi dan harga
rupiah barang konsumsi
1.0
0.8
0.6
0.4
Cross Correlation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
-15 -10 -5 0 5 10 15
Lag
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
1 5 10 15 20 25 30 35 40 1 5 10 15 20 25 30 35 40
Lag Lag
q. Plot ACF untuk harga produksi r. Plot ACF untuk harga produksi
hasil perikanan hasil perikanan
29
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
1 5 10 15 20 25 30 35 40 1 5 10 15 20 25 30 35 40
Lag Lag
s. Plot ACF untuk indeks upah buruh t. Plot PACF untuk indeks upah
buruh
Cross Correlation Function for Y5, Y1 Cross Correlation Function for Y5, Y2
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
Cross Correlation
Cross Correlation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
u. Plot CCF antara indeks upah buruh v. Plot CCF antara indeks upah
dan produksi buruh dan harga BBM DN
1.0
0.8
0.6
0.4
Cross Correlation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
-15 -10 -5 0 5 10 15
Lag
FUNGSI IT
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
1 5 10 15 20 25 30 35 40 1 5 10 15 20 25 30 35 40
Lag Lag
x. Plot ACF untuk indeks yang y. Plot PACF untuk indeks yang
diterima nelayan diterima nelayan
FUNGSI IB
1.0 1.0
0.8 0.8
0.6 0.6
Partial Autocorrelation
0.4 0.4
Autocorrelation
0.2 0.2
0.0 0.0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
1 5 10 15 20 25 30 35 40 1 5 10 15 20 25 30 35 40
Lag Lag
z. Plot ACF untuk indeks yang aa. Plot PACF untuk indeks yang
dibayar nelayan dibayar nelayan
31
Bulan X6 X7 X8 Y8
2015 Jan 47.76 12579.1 25416.87 102.3207
Feb 58.1 12749.84 25325.37 103.0294
Mar 55.89 13066.82 25368.43 103.6265
Apr 59.52 12947.76 25459.75 104.3996
Mei 64.08 13140.53 25587.05 104.8787
Jun 61.48 13313.24 25725.22 105.0076
Jul 56.56 13374.79 25964.47 104.8721
Ags 53* 12500* 26065.73 105.0396
Sep 50* 12500* 26237.76 105.2742
Keterangan: * = diasumsikan
33
RIWAYAT HIDUP