Oleh :
Yolan Setyo Utomo 062115 4000 0009
Wikaning Tri Dadari 062115 4000 0016
Ratri Galuh Pramesti 062115 4000 0116
Dimas Achmad F 062115 4000 0117
Dosen Pembimbing :
M. Sjahid Akbar, S.Si., M.Si.
Kelas :
Ekonometrika – C
Semester V
ii
A. EKONOMETRIKA
1. Pengertian
1
Dalam dunia nyata yang penuh dengan ketidakpastian (uncertainty), ekonometrika
mencoba untuk menjembatani hubungan- hubungan yang pasti dalam teori ekonomi
dengan hubungan- hubungan yang tidak pasti pada dunia nyata (realitas). Dengan
demikian, teori ekonomi mencoba mendefenisikan hubungan antara berbagai
variabel ekonomi dalam bentuk matematis. Tujuannya antara lain untuk membantu
memahami fenomena ekonomi dalam dunia nyata. Teori-teori tersebut harus diuji
dengan data empiris dari dunia nyata. Jika data empiris tersebut membenarkan
hubungan yang dimaksud oleh teori, maka teori tersebut dapat diterima. Kalau tidak,
maka teori tersebut harus ditolak, karena tidak didukung oleh bukti empiris.
B. DATA
1. Pengertian
2. Time Series
Data berkala, yaitu data yang dikumpulkan dari waktu ke waktu untuk
melihat perkembangan suatu kejadian/kegiatan selama periode tersebut.Misalnya
2
perkembangan harga nilai tukar rupiah terhadap dollar. Pada data time series,
serangkaian nilai pengamatan dari suatu variabel dikumpulkan berdasarkan waktu
yang berbeda-beda (Gujarati, 2003:25). Tabel 2 merupakan contoh dari data time
series.
Tabel B.1 Pendapat dan Pengeluaran pada Perusahaan “Z” Pada Tahun 2000-2005 (dalam
Milyar)
Tahun Pendapatan (X) Pengeluaran (Y)
2000 35 22
2001 21 15
2002 99 56
2003 27 12
2004 46 27
2005 66 36
3. Cross Section
Data cross-section pada Tabel 1 terdiri atas dua variabel, yakni pendapatan
(X) dan pengeluaran (Y). Data pendapatan dan pengeluaran dari enam
perusahaan tersebut dikumpulkan pada waktu yang sama, yakni pada tahun 2000.
3
C. DISTRIBUSI LAG
1. Pengertian
Suatu model yang akan mengetahui seberapa besar pengaruh kejadian sebelumnya
terhadap kejadian selanjutnya menggunakan variabel lag. Misalnya dalam ekonomi
tidak semua dampak atau hasil dari suatu kebijakan ekonomi dapat berpengaruh
langsung secara instan , tapi memerlukan waktu atau kelembanan (lag).
Model regresi dengan menggunakan data runtun waktu tidak hanya menggunakan
pengaruh perubahan variabel bebas terhadap variabel tak bebas dalam kurun waktu
dan periode yang sama,tetapi menggunakan periode sebelumnya. Waktu yang
diperlukan bagi variabel bebas X dalam mempengaruhi variabel tak bebas Y disebut
berkendala atau lag ( Supranto,1995).
2. Model Dinamis
Yt = Variabel respon
α = Konstanta
𝛽 = Pengaruh Total
a. Pengertian
4
b. Estimasi Ad-Hoc Model Distibusi Lag
Dalam estimasi ini, variable bebas Xt, di angga “non-stocha” artinya dari
sampel sampel atau repested sample, tidak berkordinasi dengan kesalahan
penganggu atau error εt, makan Xt-1. Xt-2 juga di anggap non-stockastic.
Dengan prinsip tersebut, Alt dan timbergen menggunakan model Ols =
ordinaly least square. Mereka berpendapat pada model
Yt = A + BoXt + B1Xt-1 +B2Xt-2 + …….+ εt
Memperhatikan koefisien harus di lakukaan secara berurutan
(sequentially), yaitu mula-mula membuat regresi Y terhadap Xt dan Xt-1,
kemudian Yt, terhadap Xt, Xt-1, Xt-2 dst. Prosedur tersebut akan berhenti
apabila koefisien regresi lag variable. Sudah mulai tidak signifikan atau nyata
dan atau koefisien dan paling tidak variable bebas tanda koefisien dan paling
tidak 1 variabel bebas berubah tanda dari positif ke negative dan sebaliknya.
Alt telah membuat regresi konsumsi BBM (Y) terhadap pesanan-pesanan
baru (X)*). Berdasarkan data kuantal pada periode 1930-1939, hasilnya
sebagai berikut :
Yt = 8,37 + 0.071 Xt
Yt = 8,27 + 0.111 Xt + 0,064 Xt-1
Yt = 8,27 + 0,109 Xt + 0,07 Xt-1 – 0.055 Xt-2
Yt = 8,27 + 0,108 Xt + 0,036 Xt-1 + 0,022 Xt-2 – 0,020 Xt-3
Guesi kedua adalah yang berubah Karena 2 persamaan terakhir koefisien Xt-2,
tandanya tidak stabil lagi (dari minus plus).
Kelemahan pada model ini adalah pertama, tidak ada petunjuk berapa
panjang beda kala. Kedua, adanya degree of freedom (derajat kebebasan)
yang hilang sehingga menyebabkan hasil analisis statistic secara induktif, dan
pengujian hipotesis dan interval yang meragukan. Ketiga, dalam data time
series ekonomi, nilai varian lag, cenderung memiliki koreksi yang hygi ,
sehingga menimbulkan masalah kolinearitas ganda (multikolinearitas).
a. Psikologis
b. Teknologis
c. Kelembagaan
6
D. PENDEKATAN DISTRIBUSI LAG
1. Metode Kyock
dimana adalah tingkat penurunan dari lag terdistribusi (rate of decay of the
distributed lag). Adapun asumsi-asumsi dari aturan Koyck (Nachrowi, 2005)
yaitu:
1) Nilai non-negatif sehingga k selalu mempunyai tanda yang sama.
1
k 0
k 0 1 2 3 ... 0
1
(D.5)
7
Dengan menggunakan model pada persamaan (D.6) ini tidaklah mudah untuk
melakukan estimasi terhadap koefisiennya karena model tersebut masih
merupakan Infinite Lag Model dan juga dapat dilihat parameter yang masuk
dalam model berbentuk nonlinier berderajat tinggi. Oleh karena itu persamaan
(D.6) berlaku untuk semua t maka berlaku juga untuk t 1 yang dituliskan
sebagai berikut
Yt 1 0 X t 1 0 X t 2 0 2 X t 3 ..... t 1 (D.7)
error vt melalui adanya t 1 didalamnya, maka melanggar salah satu asumsi
dimana variabel bebas tidak berkorelasi dengan error.
2) Dalam model yang sudah ditransformasikan, vt t t 1 . Sifat-sifat vt
sangat tergantung pada sifat-sifat t sehingga akan timbul masalah korelasi serial.
Untuk melihat kendala-kendala statistik tersebut penting untuk mengetahui
sifat-sifat dari vt . Pada metode OLS diasumsikan bahwa unsur gangguan dari t
8
E vt , vt 1 E t t 1 t 1 t 2 (D.12)
2
Implikasi dari penemuan ini yaitu jika suatu variabel yang menjelaskan dalam
model regresi berkorelasi dengan unsur gangguan error, penaksir OLS tidak hanya
bias tetapi bahkan juga tidak konsisten yaitu bahkan jika ukuran sampel
meningkat secara tak terbatas, penaksir tidak akan mendekati nilai populasi yang
sebenarnya. Oleh karena itu, penaksiran model Koyck dengan prosedur OLS biasa
memberikan hasil yang menyesatkan. Penanggulangan masalah tersebut diatasi
dengan metode penaksiran variabel Instrumen (IVM).
Contoh pengaplikasiannya pada soal yaitu pada data perusahaan dimana
variabel Y adalah Personal Consumption Expenditure dan variabel X adalah
Gross Domestic Product dari tahun 1982-1996 dalam satuan dolar adalah sebagai
berikut :
Tabel D.1 Gross Domestic Product dari tahun 1982-1996
Year Y X
1982 3081.5 4620.3
1983 3240.6 4803.7
1984 3407.6 5140.1
1985 3566.5 5323.5
1986 3708.7 5487.7
1987 3822.3 5649.5
1988 3972.7 5865.2
1989 4064.6 6062
1990 4132.2 6136.3
1991 4105.8 6079.4
1992 4219.8 6244.4
1993 4343.6 6389.6
1994 4486 6610.7
1995 4595.3 6742.1
1996 4714.1 6928.4
Dengan menggunakan minitab, kita dapat mengetahui distribusi lag yang
didapatkan dari data tersebut. Langkah pengerjaannya adalah sebagai berikut,
1. Membuka software Minitab
2. Memasukkan data dalam worksheet
9
3. Melakukan pendugaan persamaan model sitribusi lag dengan metode
transformasi Koyck. Hal ini dikarenakan panjang beda kala (Lag) tidak diketahui.
Langkah pertama adalah mencari variabel Yt-1 yaitu dengan klik Start > time
series > lag
4. Mencari persamaan Yt dengan cara melakukan regresi. Klik start >
regression > regression
5. Menaksir koefisien parameter dari bentuk umum distribusi lag dengan
menggunakan Excel
Sehingga, didapatkan hasil model distibusi lag dengan pendekatan Koyck
dimana Yt = -136+0628Xt-0.108Yt-1. Menurut teori, model regresi distribusi lag
dengan pendekatan Koyck adalah Yt 0 1 X t 2Yt 1 vt sehingga dalam
permasalahan ini
𝛽0 = −136
𝛽1 = 0.628
𝜏 = 0.108
Jadi model distribusi lag untuk permasalahan di atas adalay Yt = 152.466 -
0.067824 Xt + 0.007325 Xt-1 + 0.000791 Xt-2 + ...
Model distribusi lag dengan pendekatan metode Koyck yang terbentuk di atas
menunjukkan bahwa koefisien β menurun secara geometris. Artinya, semakin
jauh jarak lag variabel prediktor dari periode sekarang, maka semakin kecil
pengaruh variabel lag terhadap variabel respon.
2. Metode Almon
10
Gambar D.1 Diaram Pencar Perubahan Koefisien Gambar D.2 Diagram Pencar Perubahan Koefisien
𝛽 𝛽
Model yang digunakan dalam metode Almon adalah model finite lag
sebagai berikut :
𝑌𝑡 = α + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + ⋯ + 𝛽𝑘 𝑋𝑡−𝑘 + 𝜀𝑡 (D.13)
Atau
𝑌𝑡 = 𝛼 + ∑𝑘𝑖=0 β𝑖 𝑋𝑡−𝑖 + 𝜀𝑡 (D.14)
Berdasarkan teori matematik yang dikenal dengan nama Weir-Strass’s
Theorem, Almon berasumsi bahwa 𝛽𝑖 dapat didekati oleh suatu polynomial dalam
i yang memiliki derajat dengan i merupakan panjangnya beda kala (lag).
Polynomial tersebut bisa berderajat 0, 1, 2,…dst. Apabila diagram pencar
digambarkan seperti gambar 1 maka model bisa dituliskan sebagai berikut:
𝛽𝑖 = 𝑎0 + 𝛼1 𝑖 + 𝛼2 𝑖 2 (D.15)
Persamaan (D.15) merupakan polynomial dalam i yang kuadratik
berpangkat dua.
Namun apabila koefisien 𝛽 mengikuti gambar 2 maka model bisa dituliskan
sebagai berikut:
𝛽𝑖 = 𝑎0 + 𝛼1 𝑖 + 𝛼2 𝑖 2 + 𝛼3 𝑖 3 (D.16)
Persamaan (D.16) merupakan polynomial dalam i yang berpangkat tiga.
Secara umum, model dituliskan sebagai berikut:
𝛽𝑖 = 𝑎0 + 𝛼1 𝑖 + 𝛼2 𝑖 2 + … + 𝛼𝑚 𝑖 𝑚 (D.17)
Persamaan (D.17 ) adalah polynomial dalam i yang berpangkat m dimana
m<k
11
𝑘
𝑌𝑡 = 𝛼 + ∑(𝑎0 + 𝛼1 𝑖 + 𝛼2 𝑖 2 )𝑋𝑡−𝑖 + 𝜀𝑡
𝑖=0
𝑘
𝑌𝑡 = 𝛼 + 𝑎0 ∑𝑘𝑖=0 𝑋𝑡−𝑖 + 𝑎1 ∑𝑘𝑖=0 𝑖 𝑋𝑡−𝑖 + 𝑎2 ∑𝑖=0 𝑖 2 𝑋𝑡−𝑖 + 𝜀𝑡 (D.18)
Didefinisikan:
𝑍0𝑡 = ∑𝑘𝑖=0 𝑋𝑡−𝑖
𝑍1𝑡 = ∑𝑘𝑖=0 𝑖 𝑋𝑡−𝑖
𝑘
𝑍2𝑡 = ∑𝑖=0 𝑖 2 𝑋𝑡−𝑖
Maka persamaan (D.18) menjadi
𝑌𝑡 = 𝛼 + 𝑎0 𝑍0𝑡 + 𝑎1 𝑍1𝑡 + 𝑎2 𝑍2𝑡 + 𝜀𝑡 (D.19)
Apabila dituliskan dalam persamaan regresi, dugaan menjadi:
𝑌̂𝑡 = 𝑎̂ + 𝑎
̂𝑍0 0𝑡 + 𝑎
̂𝑍
1 1𝑡 + 𝑎
̂𝑍2 2𝑡 (D.20)
Menggunakan metode estimasi kuadrat terkecil, nilai 𝑎̂ dan 𝑎̂𝑖 dapat ditaksir
dan mempunyai sifat-sifat yang diinginkan asalkan 𝜀𝑡 memenuhi asumsi klasik.
Setelah nilai 𝑎̂ dan 𝑎̂𝑖 ditaksir, koefisien 𝛽̂𝑖 dapat dihitung berdasarkan
rumus (5) sebagai berikut:
𝛽̂0 = 𝑎̂0
𝛽̂1 = 𝑎̂0 + 𝑎̂1 + 𝑎̂2
𝛽̂2 = 𝑎̂0 + 2𝑎̂1 + 4𝑎̂2
𝛽̂3 = 𝑎̂0 + 3𝑎̂1 + 9𝑎̂2
.
.
.
.
𝛽̂𝑘 = 𝑎̂0 + 𝑘𝑎̂1 + 𝑘 2 𝑎̂2 (D.21)
𝛽̂0 adalah estimasi untuk 𝛽0
𝛽̂𝑖 adalah estimasi untuk 𝛽𝑖
Contoh soal:
Suatu penelitian dilakukan untuk mengetahui hubungan antara
pengeluaran dan pendapatan suatu perusahaan. Penelitian dilakukan selama 10
tahun yaitu dari tahun 1995 sampai dengan tahun 2004. Setelah dilakukan
pengamatan, penelitian dan analisis terhadap perkembangan perusahaan selama
10 tahun ternyata besarnya pengeluaran perusahaan tersebut tergantung pada
pendapatan sekarang dan tahun-tahun sebelumnya yaitu dari satu tahun
sebelumnya sampai empat tahun sebelumnya. Hal ini karena, pendapatan yang
diperoleh dalam perusahaan tidak langsung dihabiskan semua untuk
pengeluaran tahun ini tetapi disimpan untuk keperluan tahun-tahun
mendatang. Oleh karena itu, dapat dikatakan bahwa pengeluaran perusahaan
tergantung pada pendapatan sekarang dan tahun-tahun sebelumnya. Data yang
digunakan adalah sebagai berikut :
13
Tabel D.2 Pengeluaran dan Pendapatan
Tahun Pengeluaran (Y) Pendapatan (X)
1995 32 34
1996 33 36
1997 35 38
1998 37 40
1999 40 44
2000 43 47
2001 47 51
2002 49 55
2003 54 59
2004 58 63
Secara umum, model dinamis distribusi lag dituliskan:
𝑌𝑡 = α + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + ⋯ + 𝜀𝑡 (D.22)
Akan ditunjukkan persamaan dinamis distribusi lag dugaan dengan
menggunakan metode Almon.
Penyelesaian :
Metode Almon mengasumsikan bahwa lag merupakan polinomial berderajat
dua sedangkan pada soal diketahui bahwa besarnya pengeluaran tergantung pada
pendapatan sekarang dan tahun-tahun sebelumnya yaitu dari satu tahun
sebelumnya sampai empat tahun sebelumnya. Model dinamis distribusi lag
menjadi :
𝑌𝑡 = α + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + 𝛽3 𝑋𝑡−3 + 𝛽4 𝑋𝑡−4 + 𝜀𝑡 (D.23)
Dengan 𝛽𝑖 = 𝑎0 + 𝛼1 𝑖 + 𝛼2 𝑖 2 model ditransformasikan menjadi
𝑌𝑡 = 𝛼 + 𝑎0 𝑋𝑡 + (𝑎0 + 𝑎1 + 𝑎2 )𝑋𝑡−1 + (𝑎0 + 2𝑎1 + 4𝑎2 )𝑋𝑡−2
+ (𝑎0 + 3𝑎1 + 9𝑎2 )𝑋𝑡−3 + (𝑎0 + 4𝑎1 + 16𝑎2 )𝑋𝑡−4 + 𝜀𝑡
𝑌𝑡 = 𝛼 + 𝛼0 (𝑋𝑡 + 𝑋𝑡−1 + 𝑋𝑡−2 + 𝑋𝑡−3 + 𝑋𝑡−4 )
+ 𝛼1 (𝑋𝑡−1 + 2𝑋𝑡−2 + 3𝑋𝑡−3 + 4𝑋𝑡−4 )
+ 𝛼2 (𝑋𝑡−1 + 4𝑋𝑡−2 + 9𝑋𝑡−3 + 16𝑋𝑡−4 ) + 𝜀𝑡
𝑘
𝑌𝑡 = 𝛼 + 𝑎0 ∑𝑘𝑖=0 𝑋𝑡−𝑖 + 𝑎1 ∑𝑘𝑖=0 𝑖 𝑋𝑡−𝑖 + 𝑎2 ∑𝑖=0 𝑖 2 𝑋𝑡−𝑖 + 𝜀𝑡
𝑌𝑡 = 𝛼 + 𝑎0 𝑍0𝑡 + 𝑎1 𝑍1𝑡 + 𝑎2 𝑍2𝑡 + 𝜀𝑡
Karena ada empat periode lag dalam fungsi asli, maka ada empat
pengamatan d an pendapatan yang hilang yaitu pengamatan tahun 1995,
1996, 1997, dan 1998. J adi, hanya tinggal enam pengamatan dan nilai Z yang
ditransformasikan dalam bentuk Z 0t , Z 1t , dan Z 2t . Nilai Z dapat dilihat pada
14
tabel berikut :
Tabel D.3 Lag Tahun 1995-2004
Tahun Yt Xt Z0t Z1t Z2t
1995 32 34 - - -
1996 33 36 - - -
1997 35 38 - - -
1998 37 40 - - -
1999 40 44 192 360 1060
2000 43 47 205 382 1122
2001 47 51 220 407 1191
2002 49 55 237 437 1275
2003 54 59 256 474 1386
2004 58 63 275 510 1490
Nilai Z dapat dihitung dengan cara berikut :
Didapatkan
𝛼̂0 = 1,4306
𝛼̂1 = −2,2724
𝛼̂2 = 0,5577
Maka
𝛽̂0 = 𝑎̂0 = 1,4306
𝛽̂1 = 𝑎̂0 + 𝑎̂1 + 𝑎̂2 = 1,4306 − 2,2724 + 0,5577 = −2841
𝛽̂2 = 𝑎̂0 + 2𝑎̂1 + 4𝑎̂2 = 1,4306 − 2(2,2724) + 4(0,5577) = −0,8834
𝛽̂3 = 𝑎̂0 + 3𝑎̂1 + 9𝑎̂2 = 1,4306 − 3(2,2724) + 9(0,5577) = −0,3673
𝛽̂4 = 𝑎̂0 + 4𝑎̂1 + 16𝑎̂2 = 1,4306 − 4(2,2724) + 16(0,5577) = 1,2642
Apabila nilai 𝛽̂𝑖 disubstitusikan ke persamaan 11, persamaan menjadi
𝑌𝑡 = − 7,7952 + 1,4306𝑋𝑡 − 2841𝑋𝑡−1 − 0,8834𝑋𝑡−2 − 0,3673𝑋𝑡−3
+ 1,2642𝑋𝑡−4
Pada persamaan regresi dugaanl tersebut terlihat bahwa :
1. Koefisien regresi pada variabel Xt bertanda positif berarti bahwa
hubungan antara pengeluaran sekarang dengan pendapatan sekarang searah atau
positif. Semakin besar pendapatan sekarang maka semakin besar pengeluaran
sekarang.
2. Koefisien regresi pada variabel Xt-1 bertanda negatif berarti bahwa
hubungan antara pengeluaran sekarang dengan pendapatan 1 tahun yang lalu
berlawanan arah atau negatif. Semakin besar pendapatan 1 tahun sebelumnya
maka semakin kecil pengeluaran sekarang.
3. Koefisien regresi pada variabel Xt-2 bertanda negatif berarti bahwa
hubungan antara pengeluaran sekarang dengan pendapatan 2 tahun yang lalu
berlawanan arah atau negatif. Semakin besar pendapatan 2 tahun sebelumnya
maka semakin kecil pengeluaran sekarang.
4. Koefisien regresi pada variabel Xt-3 bertanda negatif berarti bahwa
hubungan antara pengeluaran sekarang dengan pendapatan 3 tahun yang lalu
16
berlawanan arah atau negatif. Semakin besar pendapatan 3 tahun sebelumnya
maka semakin kecil pengeluaran sekarang.
5. Koefisien regresi pada variabel Xt-4 bertanda positif berarti bahwa
hubungan antara pengeluaran sekarang dengan pendapatan 4 tahun sebelumnya
searah atau positif. Semakin besar pendapatan 4 tahun sebelumnya maka
semakin besar pengeluaran sekarang.
Di bawah ini adalah struktur beda kala 𝛽𝑖 yang menggunakan metode Almon
17