Oleh
SEPTI WULANDARI
M0106016
SKRIPSI
ditulis dan diajukan
iajukan untuk memenuhi sebagian persyaratan
memperoleh gelar Sarjana Sains Matematika
ii
ABSTRAK
Kata kunci: model persamaan simultan, Two Stage Least Square, GNP, uang
beredar.
iii
ABSTRACT
Keywords: simultaneous equations model, Two Stage Least Square, GNP, money
supply.
iv
MOTO
v
PERSEMBAHAN
vi
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT yang telah melimpahkan
rahmat dan hidayahNya sehingga penulis berhasil menyelesaikan skripsi ini.
Keberhasilan dalam penyusunan skripsi ini tidak terlepas dari bantuan
banyak pihak. Penulis menyampaikan terima kasih kepada semua pihak yang telah
memberikan dukungan, bimbingan, petunjuk dan juga saran selama penyusunan
skripsi ini, antara lain kepada
1. Ibu Dra. Sri Sulistijowati, M.Si dan Bapak Drs. Pangadi, M.Si sebagai
Pembimbing I dan Pembimbing II yang telah dengan sabar dan teliti
memberikan saran, arahan, dan bimbingan dalam penulisan skripsi ini.
2. Ibu, Bapak, Nenekku, Masku Ferry, dan keluarga besarku di Wonogiri atas
doa, dukungan, kasih sayang, perhatian dan pengorbanan yang diberikan
selama ini.
3. Sahabat-sahabatku Retno Hesti, Ernita, Dewi, Silvi, Nurmalitasari,
Hendry, Lia, dan Iin atas semangat dan dorongannya selalu.
4. Temanku Drajad dan rekan-rekan angkatan 2006 atas bantuan, kerja sama,
dukungan, dan pengorbanan yang telah diberikan.
5. Semua pihak yang telah membantu kelancaran penulisan skripsi ini.
Semoga penulisan skripsi ini dapat bermanfaat bagi pembaca.
vii
DAFTAR ISI
JUDUL ........................................................................................................... i
PENGESAHAN ............................................................................................. ii
MOTO ............................................................................................................ iii
PERSEMBAHAN .......................................................................................... iv
ABSTRAK ..................................................................................................... v
ABSTRACT ..................................................................................................... vi
KATA PENGANTAR ................................................................................... vii
DAFTAR ISI .................................................................................................. viii
DAFTAR TABEL ......................................................................................... x
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah............................................................ 1
1.2 Perumusan Masalah .................................................................. 3
1.3 Batasan Masalah ....................................................................... 3
1.4 Tujuan Penulisan ....................................................................... 4
1.5 Manfaat Penelitian .................................................................... 4
viii
2.1.12 Estimasi Persamaan Simultan ............................................. 20
2.1 Kerangka Pemikiran .................................................................. 21
BAB V PENUTUP
5.1 Kesimpulan ............................................................................... 41
5.2 Saran.......................................................................................... 41
LAMPIRAN ................................................................................................... 44
ix
DAFTAR TABEL
x
BAB I
PENDAHULUAN
1
2
karena itu, pada persamaan simultan perlu metode khusus untuk memperoleh
penaksir parameter yang bersifat tak bias dan juga konsisten.
Menurut Sumodiningrat (2002), ada dua pendekatan untuk mengestimasi
parameter pada sistem persamaan simultan. Pertama, metode persamaan tunggal
contohnya Indirect Least Squares (ILS), The Method of Instrumental Variables
(IV) dan Two-stage Least Squares (2SLS). Kedua, metode sistem (System
Methods) contohnya Limited Information Maximum Likelihood (LIML), Three
Stage Least Squares (3SLS) dan Full Information Maximum Likelihood (FIML).
Penelitian tentang penerapan model persamaan simultan telah banyak
diterapkan di berbagai bidang ilmu. Dalam bidang ekonomi antara lain oleh
Sholikhat (2008) yang melakukan penelitian terhadap besarnya jumlah
pembiayaan pada Bank Syariah. Selain itu terdapat penelitian yang dilakukan oleh
Rao dan Tamazian (2008) mengenai model pertumbuhan dan keuangan di India.
Berdasarkan penelitian-penelitian sebelumnya, maka model persamaan simultan
cocok digunakan dalam bidang ekonomi karena variabel-variabelnya cenderung
memiliki hubungan yang simultan.
Dalam penelitian ini dilakukan pemodelan pada persamaan pendapatan
nasional dan peredaran uang yang merupakan salah satu contoh kasus yang
mengindikasikan adanya hubungan simultan. Menurut Aliman (1998), terdapat
hubungan timbal balik antara tingkat pendapatan nasional dan jumlah uang
beredar. Karena jika ada penambahan jumlah uang beredar, maka akan menaikkan
tingkat pendapatan nasional walaupun dalam jangka waktu yang relatif lama.
Lebih lanjut Aliman (1998) mengatakan adanya kenaikan tingkat pendapatan
nasional dalam waktu yang relatif lama akan menuntut penambahan jumlah uang
beredar lebih segera, karena tingkat pendapatan nasional yang tidak lain output
nasional, jika mengalami kenaikan dengan tanpa diimbangi dengan penambahan
jumlah uang beredar, harga-harga akan turun, dan hal ini akan menyebabkan
pelaku ekonomi menjadi kurang bergairah karena pendapatannya berkurang,
akibatnya perekonomian nasional bisa terganggu. Selain jumlah uang beredar,
salah satu variabel yang cukup berpengaruh terhadap pendapatan yaitu variabel
konsumsi. Menurut teori Keynes dalam buku yang ditulis oleh Feriyanto (1989)
2
3
berpendapat bahwa semakin tinggi tingkat pendapatan maka konsumsi juga akan
bertambah tinggi. Sedangkan pada persamaan peredaran uang, selain tingkat
pendapatan terdapat juga variabel lain yang diindikasikan memiliki pengaruh
terhadap jumlah uang beredar yaitu variabel investasi. Besarnya investasi yang
ada di dalam negeri diindikasikan juga ikut mempengaruhi jumlah uang beredar,
karena menurut teori Keynes dalam buku yang ditulis Tohir (1975) mengatakan
bahwa investasi mempengaruhi pendapatan, sehingga ada kemungkinan
pendapatan dan besarnya investasi berpengaruh secara bersama-sama terhadap
uang beredar. Pada model persamaan simultan untuk persamaan pendapatan
nasional dan peredaran uang dalam penelitian ini, akan menggunakan metode
2SLS dalam mengestimasi parameternya, karena metode tersebut dapat digunakan
untuk mengestimasi model yang berada dalam kondisi tepat teidentifikasi (just
identified) dan terlalu teridentifikasi (over identified).
3
4
4
BAB II
LANDASAN TEORI
Terdapat dua sub bab yang akan dibahas pada landasan teori ini, yaitu
tinjauan pustaka dan kerangka pemikiran. Tinjauan pustaka berupa konsep dan
definisi-definisi yang berhubungan dengan pembahasan model persamaan
simultan. Melalui kerangka pemikiran akan digambarkan langkah dan arah
penulisan untuk mencapai tujuan penelitian.
Ů ∑ − −
úŮ = = Ǵ⁄
Ů ∑ − .∑ −
úŮ . = .
Ǵ . Ǵ
5
6
= = − Ėu − ĖǴ Ǵ − Ė − ∗− Ė , = 1, … , .
= −2 − Ėu − ĖǴ Ǵ − …− Ė = 0
Ėu
Ǵ
6
7
= −2 − Ėu − ĖǴ Ǵ − …− Ė Ǵ = 0
ĖǴ
Ǵ
= −2 − Ėu − ĖǴ Ǵ − …− Ė = 0
Ė
Ǵ
= −2 − Ėu − ĖǴ Ǵ − …− Ė = 0.
Ė
Ǵ
u + Ǵ Ǵ + + …+ =
Ǵ Ǵ Ǵ Ǵ
u Ǵ + Ǵ Ǵ + Ǵ + …+ Ǵ = Ǵ
Ǵ Ǵ Ǵ Ǵ Ǵ
u + Ǵ Ǵ + + …+ =
Ǵ Ǵ Ǵ Ǵ Ǵ
sehingga diperoleh,
ââ = âò
dengan,
Ǵ
. .
Ǵ Ǵ
. . Ǵ
ââ= ∗ ∗ ∗
. ∗ ∗ . . ∗
. . . . .
Ǵ
1 1 1 . . 1 Ǵ
ǴǴ Ǵ Ǵn .. .. Ǵ
âò= . . . . . =
Ǵ
,
∗ ∗ . .
∗ ∗ ∗ ∗
. . .
Ǵ n
7
8
8
9
Selanjutnya akan dilihat nilai VIF, jika fōú Ė tinggi dan semakin besar
kemungkinan Ė tidak signifikan, yang berarti mengindikasikan adanya
multikolinearitas. Secara teoritis tidak ada yang mengatakan dengan pasti
batas nilai VIF dikatakan tinggi, namun menurut Montgomery dan Peck
(1992), berdasarkan pengalaman batas nilai VIF yang mengindikasikan
adanya multikolinearitas adalah antara 5 atau 10.
3. Uji autokorelasi
Autokorelasi yaitu keadaan dimana galat dari periode tertentu 2
9
10
10
11
data, sebaliknya makin dekat 5 dengan 0 maka makin jelek kecocokan model
tersebut.
dengan
d =
Ǵ
= ∑
Ǵ
Ǵ
: elemen dari baris j dan kolom j matriks dimana: = ââ .
Jika diambil tingkat signifikansi a dan memenuhi daerah kritis : u < − atau
11
12
12
13
Oleh karena adanya hubungan dua arah tersebut maka penggunaan nama
variabel independen dan variabel dependen pada persamaan simultan menjadi
tidak tepat lagi. Penamaan yang digunakan untuk variabel-variabel persamaan
simultan adalah variabel endogen dan variabel predetermined. Variabel endogen
adalah variabel yang besarnya ditentukan di dalam model, variabel ini merupakan
hasil dari adanya hubungan antar variabel. Sedangkan variabel predetermined
(eksogen dan lag endogen) adalah variabel yang nilainya ditetapkan sebelumnya,
tidak melalui model dan merupakan variabel yang hanya mempengaruhi variabel
lain (Gujarati, 1978). Berikut contoh persamaannya
òǴ2 = ĖǴ + Ė ò 2 + Ėn âǴ2 + Ǵ2
ò2 = Ǵ + òǴ2 + n âǴ2 + 2
13
14
X : variabel eksogen
a dan b : parameter.
Parameter-parameter struktural mencerminkan pengaruh langsung dari
setiap variabel independen terhadap variabel dependen. Sedangkan Variabel-
variabel yang tidak kelihatan secara eksplisit dalam fungsi, namun secara tidak
langsung mempengaruhi variabel dependen, tidak diperhitungkan dalam fungsi
tersebut. Sebaliknya pengaruh tidak langsung tersebut diperhitungkan dalam
model persamaan simultan. Misalnya, perubahan konsumsi yang sesungguhnya
secara tidak langsung mempengaruhi investasi, tidak diperhitungkan dalam fungsi
konsumsi karena parameter-parameter struktural hanya dapat mengukur
pengaruh-pengaruh langsung saja. Dalam model persamaan simultan pengaruh-
pengaruh tak langsung diperhitungkan sebagai bagian dari satu sistem persamaan
yang menyeluruh.
Ǵ − ĖǴ ò2 = Ėu − u − âǴ2 + Ė â 2 + 2 − Ǵ2
14
15
0
ò2 = − âǴ2 + â 2+
0 0 0 0 0 0 0 0
ò2 = Πu + ΠǴ âǴ2 + Π â 2 + ΩǴ . (2.7)
Berikut adalah hubungan antara koefisien reduced-form dengan koefisien
strukturalnya
Ė2 0
Πu = ΠǴ = − Π = ΩǴ = .
0 0 0 0 0 0 0 0
Ė0 − 0 Ė2 − 1
= u + Ǵ −
2
â1 + â2 +
2
+ 2 â1
1 − Ė1 1 − Ė1 1 − Ė1 1 − Ė1
+ Ǵ2
1 Ė0 − 1 0 1 Ė2 1 2 − 1 1
= u + −
1 2
â1 + â2 +
1 − Ė1 1 − Ė1 1 − Ė1 1 − Ė1
+ 2 â1 + 1
1 Ė0 − 0 Ė1 2 Ė1 1 Ė2 1 2 − Ė1 1
= − â1 + â2 +
1 − Ė1 1 − Ė1 1 − Ė1 1 − Ė1
= Πn + Π âǴ2 + Π7 â 2 + Ω . (2.8)
Berikut adalah hubungan antara koefisien reduced-form dengan koefisien
strukturalnya
0 0 0 0 0 0
Πn = Π = − Π7 = 1
Ω = .
0 0 0 0 0 0 0 0
15
16
Jadi
ò2 = ò2 + ΩǴ .
Kedua, meregresikan pada ò2 dan ΩǴ , dan diperoleh
= ōu + ōǴ ò2 + ō ΩǴ + e.
Kemudian melakukan uji hipotesis untuk mengetahui apakah ΩǴ signifikan
berpengaruh atau tidak terhadap (dengan asumsi variabel lainnya konstan).
H0 : ō = 0 (parameter ō tidak signifikan berpengaruh terhadap )
H1 : ō ¹ 0 (parameter ō signifikan berpengaruh terhadap ),
dan digunakan statistik uji t
o ō2
= , berdistribusi fungsi t dengan derajat kebebasan sebesar ( − ).
Jika diambil tingkat signifikansi a dan memenuhi daerah kritis : < − atau
> dengan derajat kebebasan ( − ) dari tabel t, atau p-value < a maka H0
16
17
reduced-form yang ditaksir. Jika hal ini dapat dilakukan, maka dapat dikatakan
bahwa suatu persamaan dalam suatu sistem persamaan simultan adalah identified.
Jika tidak, maka dapat dikatakan bahwa persamaan tadi unidentified. Suatu
persamaan yang identified dapat berupa just identified ataupun over identified.
Dikatakan just identified jika nilai angka yang unik dari koefisien struktural dapat
diperoleh, sedangkan dikatakan over identified jika lebih dari satu nilai angka
dapat diperoleh untuk beberapa koefisien persamaan struktural.
Berikut langkah-langkah melakukan pengidentifikasian.
1. Misalnya terdapat bentuk struktural dari sistem persamaan simultan seperti
yang terdapat pada persamaan (2.4) dan (2.5). 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.
Selanjutnya dilakukan pengujian kondisi ordo dan tingkatan (order and
rank conditions), (Gujarati, 1978). Pengertian order dan rank di sini
mengacu pada order dan rank matriks, yang diperoleh dari sistem
persamaan.
2. Pengujian identifikasi dengan menggunakan kondisi order, dimana syarat
identifikasi dari suatu persamaan struktural adalah jumlah variabel
predetermined yang tidak dimasukkan dalam persamaan, sekurang-
kurangnya harus sebanyak jumlah variabel endogen yang terdapat dalam
persamaan dikurangi satu. Dalam bentuk notasi, adalah
. − .∗ ≥ ∗
− 1.
Dengan menambahkan (G-G*) pada kedua sisi ketidaksamaan, diperoleh
∗
− + . − .∗ ≥ ∗
− 1 + − ∗
∗
− + K − K∗ ≥ − 1
dengan,
∗
− : jumlah variabel endogen yang tidak terdapat dalam
persamaan yang bersangkutan
17
18
18
19
− Ėu + − ĖǴ ò2 − Ė â 2 = 2 .
Untuk lebih memudahkan maka dibuat dalam model berbentuk tabulasi
berikut ini
Tabel 2.1 koefisien-koefisien struktural
Koefisien-koefisien dari variabel
Persamaan Konstanta
ò2 âǴ2 â 2
1 − u 1 − Ǵ − 0
2 − Ėu 1 − ĖǴ 0 −Ė
19
20
= −
dan
| | = − ¹ 0
Sehingga = G-1 = 1. Dengan demikian kondisi rank dari persamaan
kedua juga terpenuhi.
20
21
= u + Ǵ ò2 + 2 + âǴ2 + Ǵ2
= u + Ǵ ò2 + Ǵ 2 + âǴ2 + Ǵ2
= u + Ǵ ò2 + âǴ2 + Ǵ 2 + Ǵ2
∗
= u + Ǵ ò2 + âǴ2 + 2
∗
dimana 2 = Ǵ 2 + Ǵ2 . Taksiran yang kemudian didapat akan konsisten,
(Gujarati, 1978).
Asumsi analisis regresi two-stage least squares (2SLS) seperti yang
dikutip di www.statisticssolutions.com sebagai berikut
1. model dalam kondisi identified
2. variansi dari galat pada semua variabel sama
3. galat harus berdistribusi normal
4. pengamatan harus independent satu sama lain.
21
22
form yang ditaksir. Jika persamaan tersebut berada dalam kondisi just identified,
maka penaksiran parameter persamaan simultan salah satunya dapat dilakukan
dengan menggunakan metode Two Stage Least Square (2SLS).
22
BAB III
METODOLOGI PENELITIAN
23
24
24
25
Data
Persamaan regresi
Model struktural
Terdapat simultan
OLS
Unidentified
Identifikasi masalah
Tidak memenuhi
Uji asumsi regresi
klasik
Memenuhi Transformasi/difference
Model persamaan
simultan
25
BAB IV
PEMBAHASAN
Pada penelitian ini, data yang digunakan adalah data nilai Gross National
Product (GNP), uang beredar (Money Supply), 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.
26
27
Pada Tabel 4.1 dapat dilihat bahwa variabel uang beredar dan pengeluaran
konsumsi pemerintah masing-masing memiliki p-value 0,00 dan 0,00 < a = 0,05,
yang berarti kedua variabel tersebut masing-masing berpengaruh terhadap GNP
dan nilai F = 12129,04 > Fu.u7; ; 7= 3,39 (lampiran 2), dapat disimpulkan
bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap GNP.
Sedangkan pada Tabel 4.2 terlihat bahwa GNP dan investasi domestik secara
statistik masing-masing memiliki p-value 0,00 dan 0,00 < a = 0,05, yang berarti
kedua variabel tersebut masing-masing berpengaruh terhadap uang beredar dan
nilai F = 679,95 > Fu.u7; ; 7= 3,39 (lampiran 2), dapat disimpulkan bahwa
parameter regresi secara keseluruhan juga berpengaruh terhadap uang beredar.
27
28
apakah terdapat hubungan simultan antara dua persamaan regresi yang ada. Pada
persamaan simultan terdapat adanya masalah identifikasi. Tujuan dari masalah
identifikasi adalah apakah taksiran angka dari parameter persamaan struktural
dapat diperoleh dari koefisien reduced form yang ditaksir. Terdapat aturan
identifikasi dalam model persamaan simultan yaitu dengan kondisi order dan
rank. Jika kedua persamaan itu dalam kondisi just identified maka dalam
mengestimasi parameternya salah satunya dapat menggunakan Two Stage Least
Square (2SLS), kemudian mencari koefisien determinasinya untuk mengetahui
kecocokan model dengan data.
Berikut adalah model struktural yang didapat berdasarkan model regresi
sebelumnya.
Pendapatan nasional : òǴ2 = u + Ǵò 2 + âǴ2 + Ǵ2 (4.1)
Peredaran uang : ò 2 = Ėu + ĖǴ òǴ2 + Ė â 2 + 2 (4.2)
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.
ò 2 = Ėu + ĖǴ u + Ǵò 2 + âǴ2 + Ǵ2 + Ė â 2+ 2
ò 2 = Ėu + u ĖǴ + Ǵ ĖǴ ò 2 + ĖǴ âǴ2 + ĖǴ Ǵ2 + Ė â 2+ 2
1− Ǵ ĖǴ ò 2 = Ėu + u ĖǴ + ĖǴ âǴ2 + Ė â 2 + ĖǴ Ǵ2 + 2
Ėu + u ĖǴ ĖǴ Ė ĖǴ Ǵ2 + 2
ò2 = + â + â 2+
1− Ǵ ĖǴ 1 − Ǵ ĖǴ Ǵ2 1− Ǵ ĖǴ 1 − Ǵ ĖǴ
ò 2 = Π0 + Π1 âǴ2 + Π2 â 2 + Ω (4.3)
Kemudian substitusikan persamaan ò 2 diatas dengan persamaan òǴ2 yaitu
sebagai berikut .
Ėu + u ĖǴ ĖǴ Ė ĖǴ Ǵ2 + 2
òǴ2 = u + Ǵ + â + â 2+ +
1− Ǵ ĖǴ 1 − Ǵ ĖǴ Ǵ2 1− Ǵ ĖǴ 1 − Ǵ ĖǴ
âǴ2 + Ǵ2
28
29
Ǵ Ėu
+ u Ǵ ĖǴ Ǵ ĖǴ ǴĖ
òǴ2 = u + + â + â 2+
1− Ǵ ĖǴ 1 − Ǵ ĖǴ Ǵ2 1− Ǵ ĖǴ
0 0 0 0
+ âǴ2 + Ǵ2
Ǵ 0 0
+ u Ǵ Ėu ǴĖ +
Ǵ2 Ǵ 2
òǴ2 = + âǴ2 + â 2+
1− Ǵ ĖǴ 1− Ǵ ĖǴ 1− Ǵ ĖǴ 1− Ǵ ĖǴ
29
30
òǴ2 -1 Ǵ α2 0
ò2 ĖǴ -1 0 Ė
30
31
31
32
Berdasarkan Tabel 4.4 dan 4.5 maka model persamaan simultan yang diperoleh
adalah,
òǴt = − 7469,3 + 0,64ò t + 8,35âǴ2 ; 5 = 0.99 (4.5)
ò t = − 26056,16 + 0,44òǴt + 1,69â 2 ; 5 = 1,00 (4.6)
Pada Tabel 4.4 dapat dilihat bahwa hanya konstan yang tidak berpengaruh
signifikan terhadap GNP karena p-value 0,56 > a = 0,05 dan nilai F =
7782,46 > Fu.u7; ; 7= 3,39 (lampiran 4), dapat disimpulkan bahwa parameter
regresi secara keseluruhan berpengaruh terhadap GNP. pada persamaan (4.5)
memiliki nilai 5 sebesar 0.99 dimana persamaan yang dibangun itu mampu
menjelaskan perubahan variabel dependen berdasarkan variabel independen
sebesar 99%, sisanya dijelaskan di luar model. Sedangkan pada Tabel 4.5 terlihat
bahwa semua variabel signifikan berpengaruh terhadap uang beredar karena p-
value 0,00 < a = 0,05. Sedangkan nilai F = 1,53E + 32 > Fu.u7; ; 7= 3,39
(lampiran 4), dapat disimpulkan bahwa parameter regresi secara keseluruhan juga
berpengaruh terhadap uang beredar. Pada persamaan (4.6) memiliki nilai 5
sebesar 1,00 dimana persamaan yang dibangun itu mampu menjelaskan perubahan
variabel dependen berdasarkan variabel independen sebesar 100%.
Uji multikolinearitas, heteroskedastisitas, autokorelasi dan kenormalan
untuk model persamaan simultan dilakukan untuk mengetahui apakah model
tersebut memenuhi asumsi regresi klasik atau tidak.
1. Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah terdapat korelasi
antara variabel independen dalam persamaan regresi. Berdasarkan
perhitungan oleh software Minitab 13.0 (lampiran 7) didapatkan,
Tabel 4.6 Hasil Uji Multikolinearitas pada Persamaan (4.5)
No Variabel VIF Kesimpulan
1 ò 55,2 Terdapat multikolinearitas
2 âǴ 55,2 Terdapat multikolinearitas
32
33
Berdasarkan Tabel 4.6 diperoleh nilai VIF semua variabel independen pada
persamaan (4.5) lebih dari 10 sehingga dapat disimpulkan bahwa terdapat
gejala multikolinearitas dalam persamaan regresi. Sedangkan pada Tabel
4.7 diperoleh nilai VIF semua variabel independen pada persamaan (4.6)
kurang dari 10 sehingga dapat disimpulkan bahwa tidak terdapat
multikolinearitas dalam persamaan regresi.
2. Heteroskesdastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah terdapat
ketidaksamaan variansi dari galat satu pengamatan ke pengamatan lain.
Persamaan regresi yang baik mengasumsikan variansi dari galatnya tetap
(homokedastis). Berdasarkan output white-test (lampiran 5), pada
persamaan (4.5) diperoleh nilai probabilitas obs*R-square = 0,01 < a =
0,05, sedangkan pada persamaan (4.6) diperoleh nilai 0,01 < a = 0,05,
sehingga dapat disimpulkan bahwa pada persamaan (4.5) dan (4.6) terdapat
heterokedastisitas.
3. 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). Berdasarkan output Breusch-Godfrey (lampiran 6), pada
persamaan (4.5) diperoleh nilai probabilitas obs*R-square = 0,83 > a =
0,05, sedangkan pada persamaan (4.6) diperoleh nilai 0,053 > a = 0,05,
33
34
sehingga dapat disimpulkan bahwa pada persamaan (4.5) dan (4.6) tidak
terdapat autokorelasi.
4. Uji asumsi kenormalan
Persamaan regresi diasumsikan bahwa galat model memiliki rata-rata = 0.
Oleh karena itu perlu dilakukan uji asumsi kenormalan. Uji asumsi
kenormalan ini dapat dilakukan dengan uji Kolmogorov-Smirnov.
Berdasarkan output (lampiran 8), pada persamaan (4.5) diperoleh
signifikansi 0.01 < a = 0.05, sedangkan pada persamaan (4.6) diperoleh
signifikansi 0.1 > a = 0.05, maka dapat disimpulkan bahwa asumsi
kenormalan pada persamaan (4.5) tidak terpenuhi, sedangkan pada
persamaan (4.6) terpenuhi.
Berdasarkan uji asumsi yang telah dilakukan, dapat disimpulkan bahwa
model persamaan simultan yang di dapat belum memenuhi asumsi regresi. Oleh
karena itu maka akan dilakukan perbaikan.
Selanjutnya akan dilakukan transformasi data dengan menggunakan log 10
Tabel 2 (lampiran 1).
maka di dapat persamaan baru yang telah di transformasi sebagai berikut,
log òǴ2 = ǴǴ + αǴ log ò 2 + Ǵn log âǴ2 (4.7)
log ò 2 = βǴǴ + βǴ log òǴ2 + ĖǴn log â 2 (4.8)
Untuk selanjutnya akan diestimasi kembali dengan menggunakan metode 2SLS.
Berdasarkan output (lampiran 4) di dapatkan hasilnya sebagai berikut,
34
35
Berdasarkan Tabel 4.8 dan 4.9 maka model persamaan simultan yang diperoleh
adalah,
log òǴ2 = 0,85 + 0,27log ò 2 + 0,74log âǴ2 ; 5 = 0.99 (4.9)
log ò 2 = − 1,9 + 1,06log òǴ2 + 0,27log â 2 ; 5 = 0,99 (4.10)
Pada Tabel 4.8 dapat dilihat bahwa semua variabel berpengaruh signifikan
terhadap GNP karena p-value 0,00 < a = 0,05 dan nilai F = 5255,67 >
Fu.u7; ; 7= 3,39 (lampiran 4), dapat disimpulkan bahwa parameter regresi secara
keseluruhan berpengaruh terhadap GNP. pada persamaan (4.9) memiliki nilai 5
sebesar 0.99 dimana persamaan yang dibangun itu mampu menjelaskan perubahan
variabel dependen berdasarkan variabel independen sebesar 99%, sisanya
dijelaskan di luar model. Sedangkan pada Tabel 4.9 terlihat bahwa semua variabel
signifikan berpengaruh terhadap uang beredar karena p-value 0,00 < a = 0,05.
Sedangkan nilai F = 2132,2 > Fu.u7; ; 7= 3,39 (lampiran 4), dapat disimpulkan
bahwa parameter regresi secara keseluruhan juga berpengaruh terhadap uang
beredar. Pada persamaan (4.10) memiliki nilai 5 sebesar 0,99 dimana persamaan
yang dibangun itu mampu menjelaskan perubahan variabel dependen berdasarkan
variabel independen sebesar 99%, sisanya di jelaskan di luar model.
Kemudian akan di uji kembali apakah model persamaan simultan telah
memenuhi asumsi regresi klasik atau tidak.
1. Multikolinearitas
Berdasarkan perhitungan oleh Minitab 13.0 (lampiran 7) di dapatkan,
35
36
36
37
Berdasarkan Tabel 4.12 dan 4.13 maka model persamaan simultan yang diperoleh
adalah,
log òǴ2 = 1,94 + 0,68log ò 2 + 1,82 log âǴ2 − log âǴ2 Ǵ ; 5 = 0.99 (4.13)
log ò 2 = − 2,02 + 1,11log òǴ2 + 0,22log â 2 ; 5 = 0,99 (4.14)
37
38
38
39
VIF semua variabel independen pada persamaan (4.14) juga kurang dari 10
sehingga dapat disimpulkan bahwa tidak ada gejala multikolinearitas dalam
persamaan regresi.
2. Heteroskedastisitas
Berdasarkan output white-test (lampiran 5), pada persamaan (4.13)
diperoleh nilai probabilitas obs*R-square = 0,26 > a = 0,05, sedangkan
pada persamaan (4.14) diperoleh nilai 0.47 > a = 0.05 sehingga dapat
disimpulkan bahwa pada persamaan (4.13) dan (4.14) tidak terdapat
heterokedastisitas.
3. Uji autokorelasi
Berdasarkan output Breusch-Godfrey (lampiran 6), pada persamaan (4.13)
diperoleh nilai probabilitas obs*R-square = 0,08 > a = 0,05, sedangkan
pada persamaan (4.14) diperoleh nilai 0,13 > a = 0,05, sehingga dapat
disimpulkan bahwa pada persamaan (4.13) dan (4.14) tidak terdapat
autokorelasi.
4. Uji asumsi kenormalan
Berdasarkan output uji kolmogorov-smirnov (lampiran 8) di dapatkan
persamaan (4.13) diperoleh signifikansi 0.15 > a = 0.05, sedangkan pada
persamaan (4.14) diperoleh signifikansi 0.05 > a = 0.05, maka dapat
disimpulkan bahwa asumsi kenormalan pada kedua persamaan tersebut
terpenuhi.
Berdasarkan uji asumsi yang telah dilakukan, dapat disimpulkan bahwa model
persamaan simultan dengan metode 2SLS telah memenuhi asumsi.
Karena model persamaan simultan diatas bukan berdasarkan data
sebenarnya, maka akan diubah ke dalam bentuk semula untuk mendapatkan model
persamaan simultan yang sebenarnya
log òǴ2 = Ǵ+ α log ò 2 + n(log âǴ2 − log âǴ2 Ǵ )
log òǴ2 = Ǵ+ log ò 2 + nlog âǴ2 − nlog âǴ2 Ǵ
0
log òǴ2 = log10 0 + log ò 2 + nlog
0 0
0
log òǴ2 = log10 0 + log ò 2 + log
0 0
39
40
0
log òǴ2 = log10 0 ò2
0 0
0
òǴ2 = 10 0 ò2
0 0
ò 2 = 10β 0 òǴ2 β
â 2
Pada persamaan peredaran uang terlihat bahwa uang beredar dipengaruhi GNP
dan investasi domestik.
40
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil pembahasan pada bab 4 dapat diperoleh kesimpulan
sebagai berikut:
1. 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
produk nasional bruto (GNP) dan investasi domestik.
2. Model persamaan simultan dengan menggunakan metode 2SLS untuk
persamaan pendapatan nasional adalah
Ǵ,kǴ7 n
Ǵ,ğntuk u, kn7nn
âǴ2
òǴ2 = 10 ò2
âǴ2 Ǵ
Sedangkan untuk persamaan peredaran uang adalah
5.2 Saran
Bagi pembaca yang tertarik pada penelitian ini, bisa menerapkan model
persamaan simultan pada kasus lain (misalnya pada bidang pertanian, kesehatan,
dan sebagainya) dengan data dan variabel-variabel yang lebih lengkap. Selain itu
bagi peneliti lainnya yang akan menggunakan model, hasil dan metodologi ini
diharapkan dapat menemukan berbagai kemungkinan lebih lanjut mengenai
keadaan perbankan dan keuangan.
41
42
DAFTAR PUSTAKA
Http://www.statisticssolutions.com/Two-Stage-Least-Squares-Regression-
Analysis, Tanggal 3 September 2009, pukul 15.30 WIB.
42
43
Supranto, J. 1994. Statistik, Teori dan Aplikasi Edisi Kelima. Erlangga, Jakarta.
43