PENGANTAR EKONOMETRIKA
(DILENGKAPI PENGGUNAAN EVIEWS)
1 | PENGANTAR EKONOMETRIKA
KATA PENGANTAR
Segala puji bagi Allah yang telah memberikan kami kemudahan sehingga dapat
menyelesaikan bahan ajar EKONOMETRIKA 1. Tanpa pertolongan-Nya penulis
tidak akan sanggup menyelesaikan bahan ajar ini dengan baik. Shalawat dan
salam semoga terlimpahkan kepada baginda tercinta nabi kita yakni Nabi
Muhammad SAW.
Buku ini kami tujukan untuk para mahasiswa yang sedang mengambil mata
kuliah Ekonometri, baik program S1 dan S2 bidang ekonomi. Untuk itu, dalam
buku ini kami menjelaskan berbagai materi tentang konsep dasar regresi, serta
pengujian asumsi klasik dan cara perbaikan pelanggaran asumisi klasik.
Sehingga dengan demikian buku ini akan membantu mereka untuk mendapatkan
kemampuan dalam menganalisis data dengan alat analisis regresi linear.
Semoga buku ini dapat memberikan pengetahuan yang lebih luas kepada
pembaca. Walaupun buku ini memiliki banyak kekurangan. Penulis
membutuhkan kritik dan saran dari pembaca yang membangun. Terima kasih.
Penulis
2 | PENGANTAR EKONOMETRIKA
DAFTAR ISI
Halaman Judul
Kata Pengantar
Daftar Isi
Bab 1 Konsep Dasar Ekonometrika 1
Bab 2 Regresi Sederhana 8
Bab 3 Regresi Berganda 43
Bab 4 Variabel Dummy Dalam Regresi 64
Bab 5 Uji Asumsi Klasik 70
Bab 6 Perbaikan Pelanggaran Asumsi Klasik 95
Bab 7 Analisis Regresi dengan EViews 132
Bab 8 Interpolasi Data 141
Bab 9 Menyamakan Tahun Dasar 150
Bab 10 Aplikasi Ekonometri Dalam Penelitian 155
Daftar Pustaka
3 | PENGANTAR EKONOMETRIKA
BAB
1
KONSEP DASAR EKONOMETRIKA
2 | PENGANTAR EKONOMETRIKA
diaplikasikan pada suatu kasus tertentu atau pada suatu wilayah tertentu.
Hasil dari analisis ekonomi ini bisa mendukung teori sehingga kita dapat
melakukan forecasting (peramalan) selain itu hasilnya bisa menolak teori
sehingga perlu adanya perbaikan teori.
Teori Ekonomi
(1)
Spesifikasi model
ekonometrika (2)
Pendugaan parameter
model (4)
Inferensi statistik
(5)
3 | PENGANTAR EKONOMETRIKA
Langkah – langkah dalam metodologi penelitian ekonometrika yaitu sebagai
berikut :
Langkah 1
Model yang akan dibagun harus didasrkan kepada teori ekonomi (Teori
Ekonomi Mikro, Teori Ekonomi Makro dan Teori ekonomi Pembangunan)
Langkah 2
Menspesifikasikan model, meliputi :
a. Variable bebas atau variable penjelas maupun variable terikat yang akan
dimasukkan ke dalam model.
b. Asumsi – asumsi a priori mengenai nilai dan tanda parameter dari model.
c. Bentuk matematik dari model.
Langkah 3
Penaksiran model dengan metode ekonometrika yang tepat, meliputi :
a. Pengumpulan data.
b. Menyelidiki ada tidaknya pelanggaran asumsi klasik.
c. Menyelidiki syarat identifikasi jika modelnya mengandung lebih dari satu
persamaan.
d. Memilih teknik ekonometrika yang tepat untuk penaksiran model.
Langkah 4
Evaluasi atau pengujian untuk memutuskan apakah taksiran – taksiran
terhadap parameter sudah bermakna secara teoritis dan nyata secara
statistic, meliputi :
a. Kriteria a priori ekonomi
b. Kriteria statistic
c. Kriteria ekonometri
4 | PENGANTAR EKONOMETRIKA
Langkah 5
Menguji kekuatan peramalan model.
Langkah 6
Inferensi Statistik
Apakah hasil uji statistic dan ekonometrik mendukung teori, jika tidak
mendukung ulangi cek data kembali serta beri alas an pendukung mengapai
hasil tidak sesuai dengan teori.
selain tehnik analisis, data merupakan suatu hal yang akan sangat
mempengaruhi analsis yang akan digunakan dalam ekonometrik. karena
data akan mempengaruhi seberapa besar tingkat presisi dari analisis
tersebut. ada 3 jenis data:
5 | PENGANTAR EKONOMETRIKA
Cross sectional
artinya itu data yang dikumpulkan dalam satu waktu.
Contoh : data PDRB provinsi di Indonesia tahun 2013
Time series
artinya data yang dikumpulkan dalam satu series waktu.
Contoh: data PDRB DIY tahun 1990-2013
Panel
merupakan data gabungan cross sectional dan time series.
Contoh: data PDRB provinsi di seluruh Indonesia tahun 1997-2012
6 | PENGANTAR EKONOMETRIKA
BAB
2
REGRESI SEDERHANA
2.1. Regresi
7 | PENGANTAR EKONOMETRIKA
perubahan yang besar sekali antar generasi. Hal ini dijelaskan Galton
berdasarkan fakta yang memperlihatkan adanya kecenderungan
mundurnya (regress) tinggi rata-rata anak dari orang tua dengan tinggi
tertentu menuju tinggi rata-rata seluruh anggota masyarakat. Ini berarti
terjadi penyusutan ke arah keadaan sekarang. Tetapi sekarang istilah
regresi telah diberikan makna yang jauh berbeda dari yang dimaksudkan
oleh Galton. Secara luas analisis regresi diartikan sebagai suatu analisis
tentang ketergantungan suatu variabel kepada variabel lain yaitu variabel
bebas dalam rangka membuat estimasi atau prediksi dari nilai rata-rata
variabel tergantung dengan diketahuinya nilai variabel bebas.
8 | PENGANTAR EKONOMETRIKA
sesungguhnya (30 dalam contoh ini) dengan demikian dipandang sebagai
suatu amatan acak dari sebaran peluang ini.
Tabel 2.1.
No Y X No Y X No Y X
1 10 11 11 38 42 21 70 74
2 12 14 12 40 45 22 74 79
3 15 17 13 45 49 23 77 85
4 19 22 14 49 52 24 80 88
5 22 24 15 52 55 25 84 90
6 25 28 16 55 57 26 90 95
7 27 30 17 57 60 27 92 97
8 29 31 18 60 65 28 95 99
9 33 35 19 64 67 29 98 110
10 35 40 20 67 71 30 100 120
Pendapatan
X
90
60
Garis Regresi
0 Konsumsi
Gambar 2.1.
Representasi Gambar bagi Model Regresi Linear
9 | PENGANTAR EKONOMETRIKA
fungsi regresi ini dinamakan kurva regresi. Perhatikan bahwa fungsi
regresi dalam Gambar 2.1. adalah linear. Ini berimplikasi untuk contoh
bahwa pendapatan bervariasi secara linear dengan konsumsi. Tentu saja
tidak ada alasan apriori mengapa pendapatan mempunyai hubungan
linear dengan konsumsi.
Dua model regresi mungkin saja berbeda dalam hal bentuk fungsi
regresinya, dalam hal bentuk sebaran peluang bagi peubah X, atau dalam
hal lainnya lagi. Apapun perbedaannya, konsep sebaran peluang bagi X
untuk Y yang diketahui merupakan pasangan formal bagi diagram pencar
dalam suatu relasi statistik. Begitu pula, kurva regresi, yang menjelaskan
hubungan antara rataan sebaran-sebaran peluang bagi X dengan Y,
merupakan pasangan formal bagi kecenderungan umum bervariasinya X
secara sistematis terhadap Y dalam suatu hubungan statistik.
Ungkapan “peubah bebas” atau “peubah peramal” bagi X dan “peubah tak
bebas” atau “peubah respons” bagi Y dalam suatu model regresi adalah
kebiasaan saja. Tidak ada implikasi bahwa Y bergantung secara kausal
pada X. Betapa pun kuatnya suatu hubungan statistik, ini tidak
berimplikasi adanya hubungan sebab-akibat. Dalam kenyataannya, suatu
peubah bebas mungkin saja sesungguhnya bergantung secara kausal pada
peubah responsnya, seperti bila menduga suhu (respons) dari tinggi air
raksa (peubah bebas) dalam suatu termometer.
10 | P E N G A N T A R E K O N O M E T R I K A
muncul harus memiliki bentuk tertentu dengan sifat-sifat asimtotik
tertentu pula.
Yang lebih sering dijumpai adalah bahwa bentuk fungsional
hubungan regresi tersebut tidak diketahui sebelumnya, sehingga harus
ditetapkan setelah datanya diperoleh dan dianalisis. Oleh karenanya,
fungsi regresi linier atau kuadratik sering digunakan sebagai suatu model
yang cukup memuaskan bagi fungsi regresi yang tidak diketahui
bentuknya. Bahkan, kedua jenis fungsi regresi yang sederhana itu masih
juga sering digunakan meskipun teori yang mendasarinya menunjukkan
bentuk fungsionalnya, terutama bila bentuk fungsional yang ditunjukkan
oleh teori terlalu rumit namun secara logis bisa dihampiri oleh suatu
fungsi linier atau kuadratik.
11 | P E N G A N T A R E K O N O M E T R I K A
2.5.1. Model
Bentuk umum fungsi regresinya linear dapat dituliskan sebagai
berikut:
Yi = 0 + 1Xi + i (2.1)
12 | P E N G A N T A R E K O N O M E T R I K A
b. suku galat i. Jadi Yi adalah suatu peubah acak.
2. Karena E{i} = 0, maka peroleh :
13 | P E N G A N T A R E K O N O M E T R I K A
6. Ringkasan model regresi mengimplementasikan bahwa peubah
respons Yi bersal dari sebaran peluang dengan rataan E{Yi) = 0 +
1Xi dan ragam 2 yang sama untuk semua nilai X. lebih lanjut, dua
amatan sembarang Yi dan dan Yj tidak berkorelasi.
Y1 = 62
(Y1) = 2.8
E(Y1) = 59.2
E(Y) =0,48+0,92X
2 40 X
0
Pendapatan
Gambar 2.2.
14 | P E N G A N T A R E K O N O M E T R I K A
Perhatikan sekali lagi bahwa suku galat I tidak lain adalah simpangan
Yi dari nilai rataannya E(Yi).
Gambar 2.2 juga memperhatikan sebaran peluang bagi Y bila X = 90.
Perhatikan bahwa sebaran ini mempunyai ragam yang sama seperti
sebaran peluang bagi Y untuk X = 90, sesuai dengan persyaratan model
regresi (2.1).
Konsumsi
Y
50
1 = 0,92
Kemirinagn X
0 = 0,4845
0 10 20 30 40 x
Pendapatan
15 | P E N G A N T A R E K O N O M E T R I K A
Intersep 0 = 0,4845 menunjukkan nilai fungsi pada X = 0. karena
model regresi linear ini diformulasikan untuk diterapkan pada
pendapatan yang berkisar antara 11 sampai 120, maka dalam hal ini 0
mempunyai makna rata-rata konsumsi pada waktu X sama dengan nol
adalah sebesar 0,4845.
yi nb0 b1 X i (2.5a)
X 1Yi b0 X i b1 X i2 (2.5b)
16 | P E N G A N T A R E K O N O M E T R I K A
Persamaan (2.5a) dan (2.5b) dinamakan persamaan normal; b0 dan b1
dinamakan penduga titik (point estimator) bagi 0 dan 1.
Besaran-besaran Yi, Xi, dan seterusnya di dalam (2.5)
dihitung dari amatan-amatan sampel(Xi, Yi). Dengan demikian, kedua
persamaan itu bisa diselesaikan. Untuk memperoleh b0 dan b1 bisa
dihitung secara langsung menggunakan rumus :
X i Yi
X iYi
n X i X Yi Y
b1 (2.6a)
Xi Xi X
2 2
Xi
2
n
1
b0 Yi bi X i Y b1 X (2.6b)
n
dalam hal ini X dan Y berturut-turut adalah rataan Xi dan rataan Yi.
mendiferensialkan:
∑e2 = ∑(Yi - 0 - 1Xi)2 terhadap 0 dan 1 . peroleh:
Q
2 (Yi 0 1 X i )
0 (2.7)
Q
2 X i (Yi 0 1 X i )
1 (2.8)
17 | P E N G A N T A R E K O N O M E T R I K A
(Y
i 0 1 X i ) 0
(2.9)
X (Y
i i 0 1 X i ) 0
(2.10)
n X iYi ( X i )( Yi )
b1
n X i2 ( X i )2
(2.11)
b0 Y b1 X (2.12)
Rumus terakhir ini merupakan versi lain dari rumusan yang telah
disajikan di depan, namun akan menghjasilkan nilai yang sama
(pembaca dapat membuktikannya).
Penduga kuadrat terkecil ini ialah penduga tak bias dan merupakan
fungsi linear dari Yi , yaitu:
n X iYi ( X i )( Yi )
b. b1
n X i2 ( X i )2
( X X )Y k Y
i i
( X X ) 2 i i
i
dimana:
ki
(X X ) i
( X X ) 2
i
(2.13)
18 | P E N G A N T A R E K O N O M E T R I K A
1
b0 Yi X kiYi bYi i
n (2.14)
dimana:
1
bi ( Xki )
n (2.15)
(jadi baik b1 maupun b0 merupakan kombinasi linear atau fungsi
linear dari Yi ).
Asumsi yang berkaitan dengan model garis regresi linier dua variabel
tersebut adalah sbb:
Asumsi 1
Hubungan antara Y (variabel dependen) dan X (variabel independen)
adalah linier dalam parameter. Model regresi yang linier dalam parameter
dapat dilihat dalam persamaan (2.16). Dalam hal ini 1 berhubungan linier
terhadap Y.
Asumsi 2
Variabel X adalah variabel tidak stokastik yang nilainya tetap. Nilai X
adalah tetap untuk berbagai observasi yang berulang-ulang. Kembali
dalam kasus hubungan jumlah permintaan barang dengan tingkat
19 | P E N G A N T A R E K O N O M E T R I K A
harganya, untuk mengetahui tingkat variasi jumlah permintaan barang
maka melakukan berbagai observasi pada tingkat harga tertentu. Jadi
dengan sampel yang berulang-ulang nilai variabel independen (X) adalah
tetap atau dengan kata lain variabel independen (X) adalah variabel yang
dikontrol.
Asumsi 3
Nila harapan (expected value) atau rata-rata dari variabel gangguan ei
adalah nol atau dapat dinyatakan sbb:
ei X i 0 (2.17)
Asumsi 4
Varian dari variabel gangguan ei adalah sama (homoskedastisitas) atau
dapat dinyatakan sbb:
Var ei X i ei ei X i (2.19)
2
ei2 X i karena asumsi 3
2
Asumsi 5
Tidak ada serial korelasi antara gangguan ei atau gangguan ei tidak saling
berhubungan dengan ej yang lain atau dapat dinyatakan sbb:
Cov ei , e j X i , X j ei (ei ) X i e j E (e j ) X j (2.20)
e X e
i i j Xj
0
20 | P E N G A N T A R E K O N O M E T R I K A
Asumsi 6
Variabel gangguan ei berdistribusi normal
e ~ N(0, 2) (2.21)
Asumsi 1 sampai 5 dikenal dengan model regresi linier klasik (Classical
Linear Regression Model).
Dengan asumsi-asumsi di atas pada model regresi linier klasik,
model kuadrat terkecil (OLS) memiliki sifat ideal dikenal dengan teorema
Gauss-Markov (Gauss-Markov Theorem). Metode kuadrat terkecil akan
menghasilkan estimator yang mempunyai sifat tidak bias, linier dan
mempunyai varian yang minimum (best linear unbiased estimators =
BLUE). Penjelasan detil tentang estimator yang BLUE bisa dilihat dalam
Lampiran 1.2. Suatu estimator ̂1 dikatakan mempunyai sifat yang BLUE
jika memenuhi kriteria sbb:
1. Estimator ̂1 adalah linier (linear), yaitu linier terhadap variabel
stokastik Y sebagai variabel dependen
2. Estimator ̂1 tidak bias, yaitu nilai rata rata atau nilai harapan
21 | P E N G A N T A R E K O N O M E T R I K A
2.7. Standard Error dari OLS
Regresi sampel yang lakukan merupakan cara untuk mengestimasi
regresi populasi. Karena itu, estimator ̂ 0 dan ̂1 yang diperoleh dari
metode OLS adalah variabel yang sifatnya acak atau random yaitu nilainya
berubah dari satu sampel ke sampel yang lain. Adanya variabilitas
estimator ini maka membutuhkan ketepatan dari estimator ̂ 0 dan ̂1 . Di
dalam statistika untuk mengetahui ketepatan estimator OLS ini diukur
dengan menggunakan kesalahan standar (Standard error). Dengan kata
lain standard error mengukur ketepatan estimasi dari estimator ̂ 0 dan ̂1 .
ˆ X i2 2
Var ( 0 ) (2.22)
n xi2
X i2 2
Se(ˆ0 ) Var (ˆ0 ) (2.23)
n xi2
2
Var ( ˆ1 ) (2.24)
xi2
2
Se( ˆ1 ) Var ( ˆ1 ) (2.25)
xi2
22 | P E N G A N T A R E K O N O M E T R I K A
n = jumlah observasi
k = jumlah parameter estimasi yaitu ̂ 0 dan ̂1 .
23 | P E N G A N T A R E K O N O M E T R I K A
Persamaan (2.28) kemudian dapat ditulis kembali menjadi persamaan
sbb:
(Yi Y ) (Yˆi Y ) eˆi
(Yi Y ) adalah variasi di dalam Y dari nilai rata-ratanya dan total dari
variasi garis regresi dari nilai rata-ratanya dan total dari penjumlahan
kuadrat nilai ini disebut explained sum of squares (ESS). (Yi Yˆi ) atau
residual e adalah variasi dari Y yang tidak dijelaskan oleh garis regresi
atau variasi Y yang dijelaskan oleh variabel residual dan nilai total dari
penjumlahan kuadratnya disebut residual sum of squares (RSS). Dengan
demikian maka persamaan (2.28) dapat ditulis kembali menjadi
persamaan sbb:
24 | P E N G A N T A R E K O N O M E T R I K A
Y
variasi total (Y Y )
Ŷ
(Yˆ Y ) = variasi karena regresi
Y
Jika garis regresi menjelaskan data dengan baik maka ESS akan
lebih besar dari RSS. Pada kasus ekstrim bila semua garis regresi cocok
dengan datanya maka ESS sama dengan TSS dan RSS sama dengan nol. Di
lain pihak jika garis regresi kurang baik menjelaskan datanya RSS akan
lebih besar dari ESS. Pada kasus ekstrim jika garis regresi tidak
menjelaskan semua variasi nilai Y maka ESS sama dengan nol dan RSS
sama dengan TSS. Oleh karena itu jika nilai ESS lebih besar dari RSS maka
garis regresi menjelaskan dengan proporsi yang besar dari variasi Y
sedangkan jika RSS lebih besar dari ESS maka garis regresi hanya
menjelaskan bagian kecil dari variasi Y.
Dari penjelasan ini dapat didefinisikan bahwa R2 sebagai rasio
antara ESS dibagi dengan TSS. Formula R2 dengan demikian dapat ditulis
sbb:
ESS
R2 (2.32)
TSS
(Yˆi Y ) 2
(Yi Y ) 2
25 | P E N G A N T A R E K O N O M E T R I K A
ESS
R2 (2.33)
TSS
TSS RSS
TSS
RSS
1
TSS
eˆi2
1
(Yi Y ) 2
26 | P E N G A N T A R E K O N O M E T R I K A
mendapatkan nilai R2 yang tinggi. Hal ini terjadi hanya karena setiap
variabel yang berkembang dalam runtut waktu mampu menjelaskan
dengan baik variasi variabel lain yang juga berkembang dalam waktu yang
sama. Dengan kata lain data runtut waktu diduga mengandung unsur
trend yakni bergerak dalam arah yang sama. Di lain pihak, dalam data
antar tempat atau antar ruang (cross section) akan menghasilkan nilai R2
yang rendah. Hal ini terjadi karena adanya variasi yang besar antara
variabel yang diteliti pada periode waktu yang sama.
(2.35)
dimana:
n
(X i X )(Yi Y )
cov( X i , Yi ) n 1
(2.36)
n 1
n
(X i X )2
var( X i ) n 1
(2.37)
n 1
n
(Y i Y )2
var(Yi ) n 1
(2.38)
n 1
sehingga dapat menulis formula untuk koefisien korelasi sbb:
27 | P E N G A N T A R E K O N O M E T R I K A
n
(X i X )(Yi Y )
r n 1
(2.39)
n n
(X
n 1
i X ) 2 (Yi Y ) 2
n 1
Dari tabel 2.1 diketahui data konsumsi dan pendapatan penduduk suatu
daerah sebagai berikut :
28 | P E N G A N T A R E K O N O M E T R I K A
Untuk bisa menjawab pertanyaan diatas maka saudara harus buat tabel isian
sebagai berikut :
SUMMARY OUTPUT
Regression Statistics
Multiple R …………….........
R Square …………….....…
Adj R Square ……………....…
Stand Error 1.706706
Observations ……………....…
ANOVA
df SS MS F Sign F
Regression ………….......…. ……………… …………. ………… 7.587E-08
Residual ………….......…. ………………. ….………
Total …………......…. ………………
Jawab:
Missal
Y = konsumsi
X = pendapatan
Maka persamaan regresi Y = b0 + b1X
Persamaan tersebut dapat dicari dengan bantuan table sebagai berikut :
Tahun Y X YX X2
2006 14 15 210 225
2007 17 19 323 361
2008 19 20 380 400
2009 20 22 440 484
2010 22 25 550 625
2011 25 30 750 900
2012 30 32 960 1024
2013 32 34 1088 1156
2014 33 35 1155 1225
2015 37 45 1665 2025
2016 40 50 2000 2500
Σ 289 327 9521 10925
29 | P E N G A N T A R E K O N O M E T R I K A
Sehingga dari bantuan table dapat disusun persamaan :
ΣY = n b0 + b1ΣX
Σ YX = b0 ΣX + b1ΣX2
289 = 11 b0 + 327 b1 kalikan 327
9521 = 327 b0 + 10925 b1 11
C = 3,318 + 0,772 Y
Artinya :
Konstatnta = b0 = jika factor lain tidak berubah maka rata-rata konsumsi
3,318 sebesar 3,318 satuan
Koefisien b1=0,772 jika factor lain tetap maka kenaikan pendapatan sebesar
1000 satuan akan meningkatkan konsumsi sebesar 0,772
x 1000 atau sebesar 772 satuan.
Hasil persamaan regresi dapat kita tuliskan ke dalam table berikut ini
Coefficients Stand Error t Stat P-value
Intercept 3,318 ………………….. ……………... 0.060917
Pendapatan 0,772 …………………... ……………… 7.59E-08
30 | P E N G A N T A R E K O N O M E T R I K A
Untuk menguji hipotesis apakah adan pengaruh secara individu antara
pendapatan terhadap konsumsi maka kita harus mencari Standar Deviasi dari
masing-masing koefisien.
Untuk mencarai standar deviasi kita bias menggunakan formula sebagai berikut :
sehingga
sehingga
Ingat : dan
31 | P E N G A N T A R E K O N O M E T R I K A
Tahun Y X YX X^2 y x y^2 x^2 Y' u u^2
2006 14 15 210 225 -12.2727 -14.7273 150.6198 216.8926 14.90095 -0.90095 0.811713
2007 17 19 323 361 -9.27273 -10.7273 85.98347 115.0744 17.98958 -0.98958 0.979272
2008 19 20 380 400 -7.27273 -9.72727 52.89256 94.61983 18.76174 0.238261 0.056768
2009 20 22 440 484 -6.27273 -7.72727 39.34711 59.71074 20.30605 -0.30605 0.093669
2010 22 25 550 625 -4.27273 -4.72727 18.2562 22.34711 22.62253 -0.62253 0.387541
2011 25 30 750 900 -1.27273 0.272727 1.619835 0.07438 26.48332 -1.48332 2.200226
2012 30 32 960 1024 3.727273 2.272727 13.89256 5.165289 28.02763 1.972369 3.89024
2013 32 34 1088 1156 5.727273 4.272727 32.80165 18.2562 29.57195 2.428054 5.895445
2014 33 35 1155 1225 6.727273 5.272727 45.2562 27.80165 30.3441 2.655896 7.053784
2015 37 45 1665 2025 10.72727 15.27273 115.0744 233.2562 38.06568 -1.06568 1.135674
2016 40 50 2000 2500 13.72727 20.27273 188.438 410.9835 41.92647 -1.92647 3.71128
Σ 289 327 9521 10925 0 0 744.1818 1204.182 289 0 26.21561
= 26,21561
Sehingga = 2,912846/1204,182=0.002419
= (0,002419)0,5 = 0.049183
Dan = = 2.402449
= 1.549984
Sehingga dapat disusun :
Hasil persamaan regresi dapat kita tuliskan ke dalam table berikut ini
Coefficients Standard Error t Stat P-value
Intercept 3,318 1.549984 2,141046 0.060917
Pendapatan 0,772 0.049183 15.69977 7.59E-08
33 | P E N G A N T A R E K O N O M E T R I K A
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.98228
R Square 0.96477
Adjusted R Square ………………
Standard Error 1.706706
Observations ………………...
ANOVA
df SS MS F Significance F
Regression …………….….. …………………..……. ……………… ……………… 7.58751E-08
Residual …………….….. 26.21561 ….…………..
Total …………….…..
= =
Sehingga r2 = 0.96477
34 | P E N G A N T A R E K O N O M E T R I K A
Setelah r diketahui maka anova dapat kita susus sebagai berikut :
Regression Statistics
Multiple R 0.98228
R Square 0.96477 1-R2=0.035
Adj R Square 0.96085
Stand Error 1.706706
Observations 11
ANOVA
df SS MS F Sign F
Regression (k-1) =1 717.9118382 717.91 82.15 7.59E-08
Residual (n-k) =3 ∑u2 = 26.21561 8.73
(k-1)+(n-k) = 4
Total ∑y2 = 744.1274482
35 | P E N G A N T A R E K O N O M E T R I K A
jelas hipotesis penelitian yang dilakukan untuk dibuktikan kebenarannya melalui
penelitian dari data sampel.
Dalam statistika, hipotesis yang ingin uji kebenarannya tersebut biasanya
bandingkan dengan hipotesis yang salah yang nantinya akan tolak. Hipotesis yang
salah dinyatakan sebagai hipotesis nol (null hypothesis) disimbolkan H0 dan
hipotesis yang benar dinyatakan sebagai hipotesis alternatif (alternative hypothesis)
dengan simbol Ha. Dalam menguji kebenaran hipotesis dari data sampel, statistika
telah mengembangkan uji t. Uji t merupakan suatu prosedur yang mana hasil sampel
dapat digunakan untuk verifikasi kebenaran atau kesalahan hipotesis nol (H 0).
Keputusan untuk menerima atau menolak H0 dibuat berdasarkan nilai uji statistik
yang diperoleh dari data.
Hal yang penting dalam hipotesis penelitian yang menggunakan data sampel dengan
menggunakan uji t adalah masalah pemilihan apakah menggunakan dua sisi atau
satu sisi. Uji hipotesis dua sisi dipilih jika tidak punya dugaan kuat atau dasar teori
yang kuat dalam penelitian, sebaliknya memilih satu sisi jika peneliti mempunyai
landasan teori atau dugaan yang kuat.
Misalnya menguji hubungan antara pendapatan terhadap konsumsi pada hitungan
sebelumnya. Karena mempunyai landasan teori atau dugaan yang kuat bahwa
terdapat hubungan yang positif antara jumlah pendapatan terhadap konsumsi maka
menggunakan uji satu sisi. Adapan hipotesis nol dan hipotesis alternatif dapat
dinyatakan sbb:
H0 : 1 ≤ 0 (2.45)
Ha : 1 > 0
Hipotesis nol atau hipotesis salah yakni menyatakan bahwa pendapatan tidak
berpengaruh dan atau berpengaruh negatif terhadap konsumsi yang ditunjukkan
oleh koefiesin 1 0. Sedangkan hipotesis alternatif menyatakan bahwa pendapatan
berpengaruh positif terhadap konsumsi yang ditunjukkan oleh 1 > 0.
36 | P E N G A N T A R E K O N O M E T R I K A
Namun misalnya hubungan antara dua variabel dalam persamaan regresi bisa
positif maupun negatif maka prosedur uji hipotesis harus dilakukan dengan uji dua
sisi. Dalam kasus hubungan antara jumlah pendapatan terhadap konsumsi. Jumlah
pendapatan dan konsumsi bisa berhubungan positif atau negatif tergantung dari
jenis barangnya. Jika barang kualitas rendah (inferior) maka hubungan antara
jumlah konsumsi barang dan pendapatan akan negatif yakni semakin tinggi
pendapatan seseorang maka jumlah konsumsi barang inferior akan semakin kecil.
Sedangkan jika barang adalah normal atau barang mewah maka hubungannya akan
positif karena semakin tinggi pendapatan seseorang maka semakin besar jumlah
konsumsi kedua jenis barang ini. Hipotesis dua sisi ini dapat dinyatakan sbb:
H0 : 1 = 0 (2.46)
Ha : 1 0
Dalam hipotesis alternatif disini dinyatakan bahwa pendapatan bisa mempunyai
hubungan positif atau negatif tergantung jenis barangnya dilihat dari koefisien
pendapatan yang nilainya tidak sama dengan nol yakni 1 0. Sedangkan hipotesis
nolnya adalah pendapatan tidak berpengaruh terhadap jumlah konsumsin barang
ditunjukkan oleh nilai koefisien 1 = 0.
Misalkan dalam kasus hubungan antara jumlah pendapatan dan tingkat
konsumsi, kita akan menguji dari data yang pilih dari tahun 2006 sampai dengan
2016. Pertanyaannya, apakah memang terhadap hubungan yang positif antara
pendapatan dan tingkat konsumsi melalui uji t? Karena pendapatan mempunyai
pengaruh yang positif terhadap konsumsi maka uji yang digunakan adalah uji satu
sisi bukan uji dua sisi. Adapun prosedur uji t dengan uji satu sisi adalah sbb:
1. Membuat hipotesis melalui uji satu sisi
Uji hipotesis negatif satu sisi
H0 : 1 ≤ 0 (2.47)
Ha : 1 > 0
37 | P E N G A N T A R E K O N O M E T R I K A
2. Menghitung nilai satisitik t ( t hitung) dan mencari nilai t kritis dari tabel
distribusi t pada dan degree of freedom tertentu. Adapun nilai t hitung dapat
dicari dengan formula sbb:
ˆ1 1
t (2.48)
se( ˆ1 )
jika nilai t hitung > nilai t kritis maka H0 ditolak atau menerima Ha
jika nilai t hitung < nilai t kritis maka H0 diterima atau menolak Ha
- tc 0 tc t
Gambar 2.6.
Daerah penolakan (penerimaan) H0: 1=0 dan Ha: 1 0
38 | P E N G A N T A R E K O N O M E T R I K A
Keputusan menolak hipotesis nol (H0) atau menerima hipotesis alternatif Ha
dapat juga dijelaskan melalui distribusi probabilitas t seperti terlihat dalam gambar
2.6. Nilai tc diperoleh dari nilai t kritis dari distribusi tabel t dengan dan degree of
freedom tertentu. Pada gambar 2.6. menjelaskan keputusan menolak hipotesis nol
atau tidak berdasarkan uji dua sisi, gambar 1.6. menjelaskan keputusan menolak
hipotesis nol dengan hipotesis alternatif positif dan gambar 2.6. menjelaskan
keputusan menolak hipotesis nol jika hipotesis alternatifnya adalah negatif.
se (1,549) (0,049)
R2 = 0,964
Dengan menggunakan = 5% tentukanlah apakah pendapatan berpengaruh positif
terhadap jumlah konsumsi. Misalkan hipotesis nol H0 = 0. Langkah uji hipotesisnya
sebagai berikut:
1. uji satu sisi
H0 : 1 ≤ 0 (2.50)
Ha : 1 > 0
2. Menghitung t hitung dan mencari nilai t kritis dari tabel dengan = 5% dan df
sebesar 9 yakni 11-2. Besarnya t hitung sbb:
0,772
t 15,69 (2.51)
0,049
Dimana nilai 0 merupakan nilai 1 dalam hipotesis nol. Sedangkan nilai t kritis
diperoleh dari t tabel yakni sebesar 1,8331 dengan = 5% dan df 9.
39 | P E N G A N T A R E K O N O M E T R I K A
3. Keputusannya karena t hitung lebih besar dari nilai t kritis maka menolak H 0
atau menerima Ha, lihat juga melalui gambar 2.6. Artinya, pendapatan
berpengaruh positif terhadap jumlah konsumsi. Dengan nilai 1 = -225 berarti
jika pendapatan naik satu juta rupiah, maka jumlah konsumsi akan
bertambah sebesar 772 ribu rupiah.
40 | P E N G A N T A R E K O N O M E T R I K A
Latihan Soal
Diketahui data permintaan barang Q dan harga barang Q di suatu daerah sebagai
berikut :
Tahun Permintaan Harga
2006 14 20
2007 17 19
2008 19 19
2009 20 17
2010 22 16
2011 25 15
2012 30 15
2013 32 16
2014 33 18
2015 34 17
2016 37 17
Sumber : data hipotesis
Dari data diatas maka dapat kita analisis sbb :
a. Persamaan regresi linear
b. Jelaskan arti persamaan tersebut berdasarkan teori ekonomi (teori permintaan
akan suatu baran)
c. Ujilah persamaan tersebut dengan pendekatan statistic (uji t, F hitung dan
koefisien determinasi (R2)
41 | P E N G A N T A R E K O N O M E T R I K A
BAB
3
REGRESI BERGANDA
Dalam praktek sebetulnya banyak sekali faktor yang mempengaruhi suatu variabel
terikat (dependent Variable), tidak hanya satu variabel. Contoh yang paling nyata
adalah permintaan akan barang X. Permintaan akan barang X oleh konsumen tidak
hanya dipengaruhi oleh faktor harga, tetapi juga bisa dipengaruhi oleh faktor harga
barang lain, pendapatan konsumen dan sebagainya. Untuk membuat analisis
pengaruh berbagai macam faktor independen terhadap variabel dependen bisa
menggunakan analisis regresi berganda.
Ada beberapa asumsi OLS yang digunakan dalam regresi berganda. Selain
enam asumsi pada regresi sederhana, perlu menambah satu asumsi lagi di
dalamnya. Adapun asumsinya sbb:
42 | P E N G A N T A R E K O N O M E T R I K A
1. Hubungan antara Y (variabel dependen) dan X (variabel independen)
adalah linier dalam parameter.
2. Nilai X nilainya tetap untuk obervasi yang berulang-ulang (non-stocastic).
Karena variabel independennya lebih dari satu maka ditambah asumsi tidak
ada hubungan linier antara variabel independen atau tidak ada
multikolinieritas antara X1 dan X2 dalam persamaan.
3. Nila harapan (expected value) atau rata-rata dari variabel gangguan ei
adalah nol.
e X i 0 (3.1)
ei2 X i karena asumsi 3
2
5. Tidak ada serial korelasi antara variabel gangguan ei atau variabel
gangguan ei tidak saling berhubungan dengan variabel gangguan ej yang
lain.
Cov ei , e j X i , X j ei (ei ) X i e j (e j ) X j (3.3)
ei X i e j X j
0
6. Variabel gangguan ei berdistribusi normal
e ~ N(0, 2)
Jika regresi berganda memenuhi 6 asumsi diatas maka persamaan
(3.3) dapat diartikan sbb:
43 | P E N G A N T A R E K O N O M E T R I K A
(Yi X 1i , X 2i ) 0 1 X 1i 2 X 2i ei (3.4)
Arti persamaan (3.4) tersebut adalah nilai harapan (expected value) atau rata-
rata dari Y pada nilai tertentu variabel independen X1 dan X2.
Dalam hal ini mengartikan 1 dan 2 agak sedikit berbeda dari regresi
sederhana sebelumnya. 1 adalah mengukur perubahan rata-rata Y atau nilai
harapan E (YX1, X2), terhadap perubahan per unit X1 dengan asumsi variabel
X2 tetap. Begitu pula 2 adalah mengukur perubahan rata-rata Y atau nilai
harapan E (YX1, X2), terhadap perubahan per unit X2 dengan asumsi variabel
X1 tetap
44 | P E N G A N T A R E K O N O M E T R I K A
Selanjutnya adalah mendapatkan nilai minimum jumlah residual kuadrat.
Adapun caranya minimumkan eˆi2 (Yi ˆ0 ˆ 1X 1i ˆ2 X 2i ) 2 dengan
(Yi ˆ0 ˆ1 X 1i ˆ 2i X 2i ) 2 2 X 1i (Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) (3.8)
ˆ1
(Yi ˆ0 ˆ1 X 1i ˆ 2i X 2i ) 2 2 X 2i (Yi ˆ0 ˆ1 X 1i ˆ 2 X 2i ) (3.9)
ˆ
2
Menyamakan persamaan (3.7), (3.8) dan (3.9) dengan nol dan membaginya
dengan 2 maka akan menghasilkan
(Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) 0 (3.10a)
X 1i (Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) 0 (3.10b)
X 2i (Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) 0 (3.10c)
Dengan memanipulasi persamaan (3.10a), (3.10b) dan (3.10c) tersebut maka
akan menghasilkan persamaan yang dikenal dengan persamaan normal
(normal equation) yakni:
45 | P E N G A N T A R E K O N O M E T R I K A
Yi nˆ0 ˆ1 X 1i ˆ2 X 2i (3.10d)
X 1iYi ˆ0 X 1i ˆ1 X 22i ˆ2 X 1i X 2i (3.10e)
X 2iYi ˆ0 X 2i ˆ1 X 1i X 2i ˆ2 X 22i (3.10f)
Dari persamaan (3.10d), (3.10e) dan (3.10f) tersebut kemudian bisa
dapatkan nilai untuk ̂ 0 , ̂1 dan ˆ 2 sbb:
ˆ0 Y 1 X 1i 2 X 2i (3.11)
dimana:
xi X i X
yi Yi Y
y 0 n x1 x2
x1 y 1 x1 x1 x1 x2
2
x y 2 x
2 x1 x 2 x2
2
2
H = bA A
1 det A1
β = A-1.H dimana A- =
det A
46 | P E N G A N T A R E K O N O M E T R I K A
dimana det A,
n x1 x2
A= x x x x
1 1
2
1 2
x x x x
2 1 2 2
2
Det A = n. Σx12 Σx22 + Σx1. Σx1x2 .Σx2 + Σx2. Σx1x2 .Σx1 - Σx2. Σx12 .Σx2 - Σx1x2 .
Σx1x2.n - Σx22. Σx1. Σx1
Det A1 = Σy Σx12Σx22 + Σx1. Σx1x2 .Σ2y + Σx2. Σx1x2 .Σx1y - Σx2y. Σx12 .Σx2 - Σx1x2 .
Σx1x2. Σy - Σx22. Σx1. Σx1y
Det A2 = n. Σx1y Σx22 + Σy. Σx1x2 .Σx2 + Σx2. Σx2y .Σx1 - Σx2. Σx1y .Σx2 – Σx2y .
Σx1x2.n - Σx22. Σy. Σx1
Det A3 = n Σx12. Σx2y + Σx1.Σx1y .Σx2 + Σy. Σx1x2 .Σx1 - Σx2. Σx12 .Σy – Σx1x2.
Σx1y.n - Σx2y. Σx1. Σx1
47 | P E N G A N T A R E K O N O M E T R I K A
demi efisiensi waktu apalagi kalau mempunyai variabel independen lebih
dari dua maka harus menggunakan program komputer untuk olahan regresi
seperti Eviews, Sazam, Rats dsb untuk menghitung koefisien regresi
berganda.
Setelah mendapatkan estimator OLS berupa koefisien regresi parsial,
maka selanjutnya bisa mendapatkan varian dan standard error dari
koefisien regresi untuk mengetahui reliabilitas estimator tersebut. Formula
untuk menghitung varian dan standard error untuk ˆ0 , ˆ1 dan ˆ 2 sbb:
2
var(ˆ1 ) (3.14)
x 2
1i (1 r122 )
2
var(ˆ 2 ) (3.16)
x22i (1 r122 )
Se(ˆ2 ) var(ˆ2 ) (3.17)
(X 1i X 1 )( X 2i X 2 )
r n 1
(3.18)
n n
(X
n 1
1i X 1 ) 2 ( X 2i X 2 ) 2
n 1
48 | P E N G A N T A R E K O N O M E T R I K A
3.3. Interval Estimasi Koefisien Regresi Berganda
Sebagaimana pada regresi sederhana pada bab 2, koefisien regresi
yang dapatkan pada regresi berganda adalah estimasi titik. bisa mencari
interval estimasi koefisien regresi berganda didasarkan pada probabilitas
sebagaimana probabilitas pada regresi sederhana pada bab 2. Adapun
probabilitas untuk mencari interval estimasi dapat tulis kembali sbb:
ˆ k
P t c k tc 1 (3.22)
se(ˆk )
dimana tc adalah nilai kritis tabel distribusi t dengan derajat kebebasan
sebesar (n-k) sehingga P(t t c ) / 2 . Penyusunan kembali persamaan
Yi 0 1 X 1i 2 X 2i ... k X ki ei (3.28)
49 | P E N G A N T A R E K O N O M E T R I K A
maka ei N(0, 2) dan Yi N(0, 2). Karena estimator i adalah fungsi
linier terhadap variabel dependen Y maka estimator i akan juga mempunyai
distribusi normal dengan rata-rata i dan varian sebesar var(i) sbb:
ˆ k N k , var( k ) (3.29)
ˆk k
Z N(0,1) untuk k =1, 2, ..., k (3.30)
var( k )
random t sbb:
ˆk k
t t(n-k) (3.31)
var(ˆ k )
Perbedaan uji t regresi berganda dengan lebih dari satu variabel independen
dengan regresi sederhana dengan hanya satu variabel independen terletak
pada besarnya derajat degree of freedom (df) dimana untuk regresi sederhana
dfnya sebesar n-2 sedangkan regresi berganda tergantung dari jumlah
variabel independen ditambah dengan konstanta.
Prosedur uji t pada koefisien regresi parsial pada regresi berganda
sama dengan prosedur uji koefisien regresi sederhana. Untuk mengingat
kembali uji t koefisien regresi ini bisa dibaca kembali pada bab 2. akan
50 | P E N G A N T A R E K O N O M E T R I K A
kembali membahas secara ringkas uji t tersebut. Misalnya mempunyai dua
variabel independen dengan estimator 1 dan 2, langkah uji t sbb:
1. Membuat hipotesis melalui uji satu sisi atau dua sisi
jika nilai t hitung > nilai t kritis maka H0 ditolak atau menerima Ha
jika nilai t hitung < nilai t kritis maka H0 diterima atau menolak Ha
51 | P E N G A N T A R E K O N O M E T R I K A
3.5. Uji Hipotesis Koefisien Regresi Secara Menyeluruh: Uji F
perlu mengevaluasi pengaruh semua variabel independen terhadap
variabel dependen dengan uji F. Uji F ini bisa dijelaskan dengan
menggunakan analisis varian (analysis of variance = ANOVA). Misalkan
mempunyai model regresi berganda sbb:
Yi 0 1 X 1i 2 X 2i ei (3.40)
Tabel 3.1.
Analisys of Varian (ANOVA)
Sumber
SS (sum of squares) df MSS (mean sum of squares)
variasi
ESS ˆ1yi x1i ˆ2 yi x2i eˆi2 k-1 ( ˆ1yi x1i ˆ2 yi x2i eˆi2 )/k-1
RSS ei2 n-k (ei2 ) / n k ˆ 2
TSS y i2 n-1
52 | P E N G A N T A R E K O N O M E T R I K A
ESS /(k 1)
F (3.43)
RSS /(n k )
Dimana n= jumlah observasi dan k = jumlah parameter estimasi termasuk
intersep atau konstanta.
Formula uji statistik F ini bisa dinyatakan dalam bentuk formula yang
lain dengan cara memanipulasi persamaan (3.43) tersebut yaitu:
ESS /(k 1)
F
(TSS ESS ) /(n k )
( ESS / TSS ) /(k 1)
F (3.44)
(TSS ESS / TSS ) /(n k )
53 | P E N G A N T A R E K O N O M E T R I K A
dan rendahnya nilai t hitung meskipun model secara umum mampu
menjelaskan data dengan baik.
Misalnya mempunyai model regresi berganda dengan dua variabel
independen sebelumnya:
Yi 0 1 X 1i 2 X 2i ei (.46)
54 | P E N G A N T A R E K O N O M E T R I K A
Formula untuk menghitung koefisien determinasi (R2) regresi berganda sama
dengan regresi sederhana. Untuk itu kembali tampilkan rumusnya sbb:
RSS
R 2 ESS / TSS 1
TSS
( eˆi2 )
1
( yi2 )
( eˆi2 )
1 (3.48)
(Yi Y ) 2
Dari rumus tersebut diatas tampak jelas bahwa koefisien determinasi tidak
pernah menurun terhadap jumlah variabel independen. Artinya koefisien
determinasi akan semakin besar jika terus menambah variabel independen
di dalam model. Hal ini terjadi karena (Yi Y ) 2 bukan merupakan fungsi dari
55 | P E N G A N T A R E K O N O M E T R I K A
Sebagai Alternatif digunakan R2 yang disesuaikan (adjusted R2) dengan rumus
sebagai berikut :
( eˆi2 ) /(n k )
R 2 1 (3.49)
(Yi Y ) 2 /(n 1)
56 | P E N G A N T A R E K O N O M E T R I K A
Tabel 3.2
Diketahui data permintaan akan suatu barang, harga barang dan
pendapatan masyarakat sebagai berikut :
Pertanyaan : (a) carilah persamaan regresi dan (b) ujilah secara statitik
apakah harga dan pendapatan mempengaruhi permintaan secara signifikan,
© serta berapa besarnya koefisien determinasinya dan apa artinya
Jawab
57 | P E N G A N T A R E K O N O M E T R I K A
buat persamaan
ΣY = n b0 + b1ΣX1 + b2ΣX2
ΣYX1 = b0 ΣX1 + b1ΣX1^2 + b2ΣX1X2
ΣYX2 = b0 ΣX2 + b1ΣX1X2 + b2ΣX2^2
1) 164 = 10 b0 + 66 b1 + 350 b2
2) 1,044 = 66 b0 + 450 b1 + 2,230 b2
3) 6,187 = 350 b0 + 2,230 b1 + 13,100 b2
hilangkan b0
1) 164 = 10 b0 + 66 b1 + 350 b2 kali 66
2) 1,044 = 66 b0 + 450 b1 + 2,230 b2 10
hilangkan b0
58 | P E N G A N T A R E K O N O M E T R I K A
3962880 = 0 b0 + -1486080 b1 + 8256000 b2
6183648 = 0 b0 + -1486080 b1 + 12110400 b2 kurangkan
-2220768 = 0 b0 + 0 b1 + -3854400 b2
b2 = 0.5762
b1 = 0.5342
b0 = -7.292
Y X1 X2 y x1 x2 x 1x 2 x1 2 X22 Y' u u2 y2
10 8 20 -6.4 1.4 -15 -21 1.96 225 8.5055 1 2.23359 40.96
11 9 25 -5.4 2.4 -10 -24 5.76 100 11.921 -1 0.84741 29.16
11 7 27 -5.4 0.4 -8 -3.2 0.16 64 12.004 -1 1.00879 29.16
13 6 30 -3.4 -0.6 -5 3 0.36 25 13.199 0 0.03945 11.56
16 7 33 -0.4 0.4 -2 -0.8 0.16 4 15.461 1 0.29012 0.16
17 6 36 0.6 -0.6 1 -0.6 0.36 1 16.656 0 0.11860 0.36
18 5 40 1.6 -1.6 5 -8 2.56 25 18.426 0 0.18150 2.56
20 6 44 3.6 -0.6 9 -5.4 0.36 81 21.265 -1 1.60005 12.96
23 7 45 6.6 0.4 10 4 0.16 100 22.375 1 0.39020 43.56
25 5 50 8.6 -1.6 15 -24 2.56 225 24.188 1 0.65988 73.96
164 66 350 0 0 0 -80 14 850 164 0 7.369589 244
59 | P E N G A N T A R E K O N O M E T R I K A
HASIL PERHITUNGAN REGRESI
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.984808
R Square 0.969846 = ESS/TSS
Adjusted R Square 0.961231 0.96123
Standard Error 1.02606
Observations 10
ANOVA
df SS MS F Sign F
Regression 2 237 118.51 112.57 4.76E-06
Residual 7 7.369 1.05
Total 9 244
60 | P E N G A N T A R E K O N O M E T R I K A
Hasil Regresi
61 | P E N G A N T A R E K O N O M E T R I K A
LATIHAN SOAL
62 | P E N G A N T A R E K O N O M E T R I K A
BAB
4
VAIABEL DUMMY DALAM REGRESI
Nama lain Regresi Dummy adalah Regresi Kategori. Re-gresi ini menggunakan
prediktor kualitatif (yang bukan dummy dinamai prediktor kuantitatif).
Pembahasan pada regresi ini hanya untuk satu macam variabel dummy dan
dikhususkan pada penaksiran parameter dan kemaknaan pengaruh prediktor.
Pembahasan akan dilakukan dengan menggunakan berbagai contoh.
Di dalam metodologi penelitian dikenal ada sebuah variabel yang disebut dengan
dummy variable. Variabel ini bukan jenis lain dari variabel dependen-
independen, namun menunjukkan sebuah variabel yang nilainya telah
ditentukan oleh peneliti. Donald Cooper dan Pamela Schindler (2000)
mendefinisikan dummy variable sebagai sebuah variabel nominal yang
digunakan di dalam regresi berganda dan diberi kode 0 dan 1. Nilai 0 biasanya
63 | P E N G A N T A R E K O N O M E T R I K A
menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1
menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda,
aplikasinya bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan),
ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-
sarjana).
Masalah di sini adalah bukan pada konsep variabel ini dan aplikasinya di dalam
riset, namun bagaimana dummy variable harus diterjemahkan atau
dialihbahasakan ke dalam bahasa Indonesia. Sepengetahuan saya, beberapa
orang membiarkannya tetap dummy dan menulisnya miring menjadi "variabel
dummy" (perhatikan bahwa ia diindonesiakan dengan membiarkan dummy
dalam bahasa aslinya). Sebagian orang lain menyerapnya ke dalam bahasa
Indonesia menggunakan azas bunyi sehingga menjadi "variabel dami". Sebagian
yang lain menyebutnya "variabel boneka" karena dummy di dalam bahasa Inggris
bisa berarti boneka.
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi
simbol D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0)
untuk kategori yang lain. D = 1 untuk suatu kategori (laki- laki, kulit putih,
sarjana dan sebagainya). D = 0 untuk kategori yang lain (perempuan, kulit
berwarna, non-sarjana dan sebagainya). Nilai 0 biasanya menunjukkan
64 | P E N G A N T A R E K O N O M E T R I K A
kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok
yang mendapat perlakuan. Dalam regresi berganda, aplikasinya bisa berupa
perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 =
kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta
diberi simbol D. D = 1 untuk suatu kategori (wanita, Batak, Islam, damai
dan sebagainya). D = 0 untuk kategori yang lain (pria, Jawa, Kristen,
perang dan sebagainya). Variabel dummy digunakan sebagai upaya untuk
melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh
terhadap parameter pendugaan. Variabel dummy juga mencoba membuat
kuantifikasi dari variabel kualitatif. pertimbangkan model berikut ini:
65 | P E N G A N T A R E K O N O M E T R I K A
4.2. Pemanfaatan Regresi Berganda dengan Variabel Dummy
Dimana :
D (dummy variabel)
jika D = 1 sebelum terjadinya krisis ekonomi dan
jika D = 0 setelah krisis ekonomi.
67 | P E N G A N T A R E K O N O M E T R I K A
Diperoleh hasil sebagai berikut :
68 | P E N G A N T A R E K O N O M E T R I K A
BAB
5
UJI ASUMSI KLASIK
Model regresi linier klasik (OLS) berlkitaskan serangkaian asumsi. Tiga di antara
beberapa asumsi regresi klasik yang akan diketengahkan dalam penelitian ini
adalanh (lihat Maddala, 1992, hal. 229-269):
1. Non-autokorelasi.
Non-autokorelasi adalah keadaan dimana tidak terdapat hubungan antara
kesalahan-kesalahan (error) yang muncul pada data runtun waktu (time
series).
2. Homoskedastisitas.
Homoskedastisitas adalah keadaan dimana erros dalam persamaan regresi
memiliki varians konstan.
3. Non-multikolinearitas.
Non-multikolinearitas adalah keadaan dimana tidak ada hubungan antar
variabel-variabel penjelas dalam persamaan regresi.
69 | P E N G A N T A R E K O N O M E T R I K A
Penyimpangan terhadap asumsi tersebut akan menghasilkan estimasi yang tidak
sahih. Deteksi yang biasa dilakukan terhadap ada tidaknya penyimpangan
asumsi klasik adalah uji autokorelasi, heteroskedastisitas, dan multikolinearitas.
Konsekuensi multikonearitas:
1. Kesalahan stkitar cenderung semakin besar dengan meningkatnya
tingkat korelasi antar variabel.
2. Karena besarnya kesalahan stkitar, selang keyakinan untuk
parameter populasi yang relevan cenderung lebih besar.
3. Taksiran koefisian dan kesalahan stkitar regresi menjadi sangat
sensitif terhadap sedikit perubahan dalam data.
Kasus
Perhatikan nilai R kuadrat. Nilai R kuadrat jauh lebih rendah dibandingkan
dengan nilai R kuadrat regresi variabel dalam level (regresi awal). Namun
demikian, hal tersebut sama sekali tidak perlu dirisaukan. R kuadrat
regresi persamaan dalam difference jelas jauh lebih kecil daripada R
kuadrat regresi persamaan dalam level. R kuadrat kedua persamaan
berbada bentuk tersebut (difference versus level) sama sekali tidak dapat
dibandingkan (uncomparable).
Untuk membuktikan terobatinya multikolinearitas, lakukan regresi
antar variabel penjelas dalam perbedaan pertama. Jika nilai t-statistik
salah satu variabel independen masih signifikan, berarti masih terdapat
multikolinearitas pada persamaan tersebut. Hal sebaliknya terjadi jika
nilai t-statistik tidak signifikan. Dilihat dari t statistiknya memang terdapat
perbaikan dengan model regresi first difference, tetapi belum dapat
menyelesaikan masalah multikoliniernya.
Perintah untuk regresi antar variabel penjelas dalam perbedaan pertama:
pengobatan multikolinearitas melalui perbedaan pertama, akan
kehilangan informasi jangka panjang. Perbedaan pertama hanya
mengandung informasi jangka pendek. Hal ini riskan apabila kita
melakukan pengkajian empiris terhadap suatui teori karena teori
berkaitan dengan informasi jangka panjang. Bagaimana solusinya? Klein
mengajukan solusi yang kemudian disebut dengan Klein’s Rule of Thumb:
Multikolinearitas tidak usah dirisaukan apabila nilai R kuadrat regresi
72 | P E N G A N T A R E K O N O M E T R I K A
model awal lebih besar daripada nilai R kuadrat regresi antar variabel
penjelas
73 | P E N G A N T A R E K O N O M E T R I K A
Apabila nilai t statistik signifikan, maka dapat disimpulkan bahwa
hipotesis adanya heteroskedastisitas tidak dapat ditolak.
74 | P E N G A N T A R E K O N O M E T R I K A
Konsekuensi heteroskedastisitas:
1. Penaksir OLS tetap tak bias dan konsisten tetapi tidak lagi efisien
dalam sampel kecil dan besar.
2. Variansnya tidak lagi minimum.
Heteroskedastisitas adalah situasi tidak konstannya varians.
Konsekuensi heteroskedasitas adalah biasnya varians sehingga uji
signifikansi menjadi invalid. Salah satu cara mendeteksi
heteroskedastisitas adalah dengan melakukan uji Glesjer. Uji Glesjer
dilakukan dengan cara meregresi nilai absolut residual dari model
yang diestimasi terhadap variabel-variabel penjelas. Regresi model
awal setelah variable PRM dihilangkan:
76 | P E N G A N T A R E K O N O M E T R I K A
Berangkat dari pemikiran di atas, bila semua asumsi regresi linier
klasik dipenuhi kecuali asumsi no autocorrelation, maka penafsir-
penafsir OLS akan mengalami hal-hal sebagai berikut (Arief, 1993: 41,
Sumodiningrat, 1994: 241-244, Ramanathan, 1996: 452-, Gujarati,
1995: 410-415 dan Gujarati, 1999: 381-382).
77 | P E N G A N T A R E K O N O M E T R I K A
Deteksi autokorelasi dilakukan dengan membandingkan nilai statiatik
Durbin Watson hitung dengan Durbin Watson tabel. Mekanisme uji
Durbin Watson adalah sebagai berikut :
1. Lakukan regresi OLS dan dapatkan residualnya.
2. Hitung nilai d (Durbin Watson).
3. Dapatkan nilai kritis dL dan du.
4. Apabila hipotesis nol adalah bahwa tidak ada serial korelasi positif,
maka jika
d < dL, tolak Ho
d < du, terima Ho
dL= d = du, pengujian tidak menyakinkan
5. Apabila hipotesis nol adalah bahwa tidak ada serial korelasi baik
negatif, maka jika
d > 4-dL, tolak Ho
d < 4-du, terima Ho
4-du = d = 4-dL, pengujian tidak menyakinkan
6. Apabila Ho adalah dua ujung, yaitu bahwa tidak ada serial korelasi
baik positif maupun negatif, maka jika
d < dL, tolak Ho
d > 4-dL, tolak Ho
du < d < 4-du, terima Ho
dL = d = du, pengujian tidak menyakinkan
4-du = d = 4-dL, pengujian tidak menyakinkan
Konsekuensi autokorelasi:
1. Penaksir tidak efisien, selang keyakinanya menjadi lebar secara tak
perlu dan pengujian signifikansinya kurang kuat.
2. Variasi residual menaksir terlalu rendah.
3. Pengujian arti t dan F tidak lagi sahih dan memberi kesimpulan
yang menyesatkan mengenai arti statistik dari koefisien regresi
yang ditaksir.
4. Penaksir memberi gambaran populasi yang menyimpang dari nilai
populasi yang sebenarnya.
79 | P E N G A N T A R E K O N O M E T R I K A
Contoh Kasus
80 | P E N G A N T A R E K O N O M E T R I K A
Klik View Residual Diagnostics kemudian pilih Serial
Correlation LM test
81 | P E N G A N T A R E K O N O M E T R I K A
82 | P E N G A N T A R E K O N O M E T R I K A
Untuk medeteksi adanya serial korelasi dengan membandingkan
nilai X2 hitung dengan X2 tabel (probabilitasnya), yakni :
Klik OK
83 | P E N G A N T A R E K O N O M E T R I K A
Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak
dengan membandingkan jilai Jarque Bera (JB) dengan X2 tabel, yaitu :
Hasil Analisis Output : probabilitas Jarque Bera (JB)0,289 > 0,05, maka
residualnya berdistribusi normal
84 | P E N G A N T A R E K O N O M E T R I K A
Klik OK
Uji Linearitas
Analisis Hasil Output karena Jika probabilitas F statistic 0,13 > 0,05, maka
hipotesis yang menyatakan bahwa model linear adalah diterima.
Uji Multikolinearitas
86 | P E N G A N T A R E K O N O M E T R I K A
Tahapan pengujian melalui program eviews dengan pendekatan korelasi
partial dengan tahapan sebagai berikut :
1. Lakukan regresi seperti contoh diatas :
Investasi = a0 + a1 Inflasi + a2 bunga + a3 kurs …………. (5.1)
(investasi c inflasi bunga kurs)
2. Kemudian lakukan estimasi regresi untuk :
Inflasi = b0 + b1 bunga + b2 kurs ……………………….……….. (5.2)
(inflasi c bunga kurs).
bunga = b0 + b1 inflasi + b2 kurs ……………………………..….. (5.3)
(bunga c inflasi kurs)
kurs = b0 + b1 infasi+ b2 bunga) …………………………......... (5.4)
(kurs c inflasi bunga)
87 | P E N G A N T A R E K O N O M E T R I K A
88 | P E N G A N T A R E K O N O M E T R I K A
Untuk persamaan (1) nilai R2 adalah sebesar 0,951 selanjutnya disebut
R21
Untuk persamaan (2) nilai R2 adalah sebesar 0,0276 selanjutnya disebut
R22
Untuk persamaan (3) nilai R2 adalah sebesar 0,296 selanjutnya disebut
R23
Untuk persamaan (4) nilai R2 adalah sebesar 0,312 selanjutnya disebut
R24
Hasil Analisis Output : menunjukan bahwa R21 > R22, R23, R24 maka dalam
model tidak ditemukan adanya multikolinearitas
89 | P E N G A N T A R E K O N O M E T R I K A
Uji Heteroskedastisitas
Uji White
Lakukan estimasi persamaan regresi bergkita diatas, setelah itu klik view
residula diagnostics heteroskedastisitas Test
90 | P E N G A N T A R E K O N O M E T R I K A
Diperoleh hasil sebagai berikut :
Apabila nilai X2 hitung (nilai Obs* R squared) > nilai X2 tabel, misalnya
dengan derajat kepercayaan α = 5%, baik untuk cross terms maupun no
cross terms maka dapat disimpulkan model diatas tidak lolos uji
heteroskedasitisitas.
Hasil analisis output, berdasarkan table output diatas, tampak bahwa nilai
nilai Obs* R squared 27,11 , probabilitas X2 0,0013 < 0,05 maka tidak lolos
uji heteroskedastisitas.
91 | P E N G A N T A R E K O N O M E T R I K A
Karena model tidak lolos Heteroskedastisitas maka model dibuat log
92 | P E N G A N T A R E K O N O M E T R I K A
Hasil analisis output, berdasarkan table output diatas, tampak bahwa nilai
nilai Obs* R squared 10,04, probabilitas X2 > 0,05 maka Ho diterima atau
model tidak mengandung heteroskedastisitas.
Uji Autokorelasi
Dari hasil regresi Investasi = f(inflasi, bunga, kurs) dapat kita lihat nilai dw
yaitu sebesar 1,985. Nilai dw ini kemudian kita bandingkan dengan dw
table.
93 | P E N G A N T A R E K O N O M E T R I K A
Karena nila dw diantara du < dw < 4-du, terima Ho, maka dapat
disimpulkan bahwa H0 diterima artinya model tersebut tidak mengandung
autokorelasi.
94 | P E N G A N T A R E K O N O M E T R I K A
BAB
6
PERBAIKAN PELANGGARAN
ASUMSI KLASIK
6.1. Multikolinearitas
95 | P E N G A N T A R E K O N O M E T R I K A
Dengan Perbaikan
a. Menghilangkan Variabel Independen
Ketika kita menghadapi persoalan serius tentang
multikolinieritas, salah satu metode sederhana yang bisa dilakukakan
adalah dengan menghilangkan salah satu variabel independen yang
mempunyai hubungan linier kuat. Misalnya dalam kasus hubungan
antara tabungan dengan pendapatan dan kekayaan, kita bisa
menghilangkan variabel independen kekayaan.
Akan tetapi menghilangkan variabel independen di dalam suatu
model akan menimbulkan bias spesifikasi model regresi. Masalah bias
spesifikasi ini timbul karena kita melakukan spesifikasi model yang
salah di dalam analisis. Ekonomi teori menyatakan bahwa pendapatan
dan kekayaan merupakan faktor yang mempengaruhi tabungan
sehingga kekayaan harus tetap dimasukkan di dalam model.
b. Transformasi Variabel
Misalnya kita menganalisis perilaku tabungan masyarakat
dengan pendapatan dan kekayaan sebagai variabel independen. Data
yang kita punyai adalah data time series. Dengan data time series ini
maka diduga akan terjadi multikolinieritas antara variabel independen
pendapatan dan kekayaan karena data keduanya dalam berjalannya
waktu memungkinkan terjadinya trend yakni bergerak dalam arah
yang sama. Ketika pendapatan naik maka kekayaan juga mempunyai
trend yang naik dan sebaliknya jika pendapatan menurun diduga
kekayaan juga menurun.
Dalam mengatasi masalah multikolinieritas tersebut, kita bisa
melakukan transformasi variabel. Misalnya kita mempunyai model
regresi time series sbb:
96 | P E N G A N T A R E K O N O M E T R I K A
Yt 0 1 X 1t 2 X 2t et (6.1)
dimana :
Y = tabungan;
X1 = pendapatan;
X2 = kekayaan
Yt 1 0 1 X 1t 1 2 X 2t 1 et 1 (6.2)
Yt Yt 1 ( 1 X 1t 1 X 1t 1 ) ( 2 X 2t 2 X 2t 1 ) (et et 1 ) (6.3)
Yt Yt 1 1 ( X 1t X 1t 1 ) 2 ( X 2t X 2t 1 ) vt (6.4)
dimana vt = et – et-1
97 | P E N G A N T A R E K O N O M E T R I K A
Transformasi variabel dalam persamaan (6.4) akan tetapi
menimbulkan masalah berkaitan dengan masalah variabel gangguan.
Metode OLS mengasumsikan bahwa variabel gangguan tidak saling
berkorelasi. Namun transformasi variabel variabel gangguan vt = et –
et-1 diduga mengandung masalah autokorelasi. Walaupun variabel
gangguan et awalnya adalah independen, namun variabel gangguan vt
yang kita peroleh dari transformasi variabel dalam banyak kasus akan
saling berkorelasi sehingga melanggar asumsi variabel gangguan
metode OLS.
c. Penambahan Data
Masalah multikolinieritas pada dasarnya merupakan
persoalan sampel. Oleh karena itu, masalah multikolinieritas
seringkali bisa diatasi jika kita menambah jumlah data. Kita kembali ke
model perilaku tabungan sebelumnya pada contoh 6.5. dan kita tulis
kembali modelnya sbb:
Yi 0 1 X 1i 2 X 2i ei (6.5)
2
var(ˆ1 ) (6.6)
x12i (1 r122 )
98 | P E N G A N T A R E K O N O M E T R I K A
mengalami penurunan sehingga kita akan mampu mengestimasi
1 lebih tepat. Dengan kata lain, jika multikolinieritas menyebabkan
variabel independen tidak signifikan mempengaruhi variabel
dependen melalui uji t maka dengan penambahan jumlah data maka
sekarang variabel independen menjadi signifikan mempengaruhi
variabel dependen.
Tabel 6.1.
Perkembangan Ekspor, Konsumsi, impor,
angkatan kerja dan populasi
Angkatan
Tahun Ekspor konsumsi Impor Populasi
Kerja
1990 468359 119802 95842 72574728 181436821
1991 556306 140805 112644 73845896 184614740
1992 632582 157484 125987 75104839 187762097
1993 671218 192959 154367 76349299 190873248
1994 737948 228119 182495 77575965 193939912
1995 794926 279876 223901 78783138 196957845
1996 855022 332094 265676 79970646 199926615
1997 921714 387171 309737 81141540 202853850
1998 1024791 647824 518259 82301397 205753493
1999 698856 813183 650547 83457632 208644079
2000 883948 856798 685439 84616171 211540428
2001 889649 1039655 831724 85779320 214448301
2002 878823 1231965 985572 86947635 217369087
2003 930554 1372078 1097662 88123124 220307809
2004 1056442 1532888 1226311 89307442 223268606
2005 1231826 1785596 1428477 90501881 226254703
2006 1347685 2092656 1674125 91705592 229263980
2007 1462818 2510504 2008403 111244331 232296830
2008 1602275 2999957 2399966 113031121 235360765
2009 1447012 3290996 2632797 115053936 238465165
2010 1667918 3858822 3087057 116495844 241613126
99 | P E N G A N T A R E K O N O M E T R I K A
Angkatan
Tahun Ekspor konsumsi Impor Populasi
Kerja
2011 1914268 4340605 3472484 118515710 244808254
2012 1945064 4858331 3886665 120426769 248037853
2013 2026120 5456626 2359212 122125092 251268276
2014 2046740 6035674 2580527 124061112 254454778
Dari hasil output regresi diatas dapat kita susun persamaan sebagai
berikut :
100 | P E N G A N T A R E K O N O M E T R I K A
Konsekuensi multikearitas adalah invalidnya signifikansi variable
maupun besaran koefisien variable dan konstanta. Multikolinearitas
diduga terjadi apabila estimasi menghasilkan nilai R kuadrat yang tinggi
(lebih dari 0.8), nilai F tinggi, dan nilai t-statistik semua atau hampir
semua variabel penjelas tidak signifikan. (Gujarati, 2003)
Untuk medeteksi awal apakah dalam suatu model mengandung
multikolinearitas, maka tindakan awal dengan melihat estimasi nilai R2
yang tinggi (lebih dari 0.8), nilai F tinggi, dan nilai t-statistik semua atau
hampir semua variabel penjelas tidak signifikan. Dari hasil diatas dapat
kita lihat R2 tinggi, F tinggi namun sebagian besar tidak signifikan. Artinya
ada kemungkinan model diatas mengandung multikolinearitas yang
serius.
Uji selanjutnya, bandingkan R kuadrat regresi diatas dengan R
kuadrat regresi antar variable bebasnya.
Dependent Variable: AK
Method: Least Squares
Date: 01/09/17 Time: 04:49
Sample: 1990 2014
Included observations: 25
101 | P E N G A N T A R E K O N O M E T R I K A
Jika kita bandingkan R12 regresi LS EKS C CONS IMP AK POP dengan R22
regresi LS AK IMP CONS POP C, maka R12 = 0.959611lebih kecil dari
R22 = 0.964931, sehingga dapat disimpulkan model diatas
mengandung multikolearitas.
Hasil regresi diatas : R kuadrat yang tinggi (lebih dari 0.8), nilai F tinggi,
dan nilai t-statistik hampir semua variabel penjelas signifikan.
102 | P E N G A N T A R E K O N O M E T R I K A
6.2. Heteroskedastisitas
Yi 0 i ei
(6.8)
i i i i
103 | P E N G A N T A R E K O N O M E T R I K A
Persamaan (6.9) merupakan transformasi dari persamaan (6.7). Dari
metode transformasi ini kita akan mendapatkan varian variabel
gangguan yang konstan.
Metode White
Jika kita tidak mengetahui besaranya varian variabel gangguan
maka kita tidak mungkin bisa menggunakan metode WLS. OLS
estimator sebenarnya menyediakan estimasi parameter yang
104 | P E N G A N T A R E K O N O M E T R I K A
konsisten jika terjadi heteroskedastisitas tetapi standard errors OLS
yang biasa tidak tepat untuk membuat sebuah kesimpulan. White
kemudian menggembangkan perhitungan standard errors
heteroskedastisitas yang dikoreksi (heteroscedasticity-corrected
standard errors). Untuk menjelaskan metode White ini kita ambil
contoh regresi sederhana sbb:
Yi 0 1 X i ei (6.11)
Dimana var(ei ) i2
Jika model mempunyai varian variabel gangguan yang tidak sama maka
varian estimator tidak lagi efisien. Varian estimator ̂1 menjadi:
xi2 i2
var(ˆ1 ) (6.12)
( xi2 ) 2
ˆ xi2 ei2
var(1 ) (6.13)
( xi2 ) 2
105 | P E N G A N T A R E K O N O M E T R I K A
Prosedur metode White dilakukan dengan mengestimasi
persamaan (6.11) dengan metode OLS, dapatkan residualnya dan
menghitung varian berdasarkan persamaan (6.10). Bagi model regresi
lebih dari satu variabel independen maka kita harus mencari varian
setiap variabel independen. Untuk mengatasi masalah ini, beberapa
program komputer seperti Eviews menyediakan metode White ini.
Metode White tentang heteroscedasticity-corrected standard
errors didasarkan pada asumsi bahwa variabel gangguan et tidak saling
berhubungan atau tidak ada serial korelasinya. Untuk itu maka Newey,
Whitney dan Kennneth West menggembangkan metode dengan
memasukkan masalah unsur autokoralsi (6.13)
Yi 0 1 X i ei (6.14)
2Xi
106 | P E N G A N T A R E K O N O M E T R I K A
melakukan transformasi persamaan (6.15) dengan membagi dengan
X i sehingga akan menghasilkan persamaan sbb:
Y X e
0 1 i i
Xi Xi Xi Xi
1
0 1 X i vi (6.16)
Xi
ei
dimana vi
Xi
2
e
E (v ) E i
2 karena persamaan (6.16)
i
X
i
1
(ei2 ) (6.17)
Xi
1 2
Xi
Xi
107 | P E N G A N T A R E K O N O M E T R I K A
Selain proporsional dengan variabel independen X, kita bisa
mengasumsikan bahwa pola varian variabel gangguan adalah
proporsional dengan X i2 sehingga:
E (ei2 ) 2 X i2 (6.18)
Yi e
0 1 i
Xi Xi Xi Xi
1
0 1 vi (6.19)
Xi
2
e
E (v ) E i
2
i
Xi
1
(ei2 )
X i2
1 2 2
Xi
X i2
108 | P E N G A N T A R E K O N O M E T R I K A
Contoh Kasus 6.2:
Tabel 6.2.
Perkembangan Ekspor, Konsumsi, impor,
angkatan kerja dan populasi
109 | P E N G A N T A R E K O N O M E T R I K A
Dependent Variable: IMP
Method: Least Squares
Date: 01/09/17 Time: 05:38
Sample: 1990 2014
Included observations: 25
Karena nilai Prob. Chi-Square(14) 0,0461 lebih kecil dari 0,05, maka
dapat disimpulkan model diatas mengandung heteroskedastisitas.
111 | P E N G A N T A R E K O N O M E T R I K A
Uji heteroskedastisitas dengan uji White
Hipotesis:
H0: tidak ada heteroskedastisitas
H1: ada heteroskedastisitas
akan dibagi dengan Xi2, selain proporsional dengan X1 dan Xi2 bisa juga
diasumsikan bahwa pola varian sisaan adalah proporsional dengan
[E(Yi)]2 sehingga dibagi dengan E(Yi) . Namun dalam prakteknya tidak
selalu dengan pembobotan 1
,
1
,
1 dapat mengatasi
X1 X 1 E Yi
kuadrat).
113 | P E N G A N T A R E K O N O M E T R I K A
Tabel 6.3.
Variabel baru setelah pembobotan
114 | P E N G A N T A R E K O N O M E T R I K A
Method: Least Squares
Date: 01/09/17 Time: 05:47
Sample: 1990 2014
Included observations: 25
115 | P E N G A N T A R E K O N O M E T R I K A
6.3. Autokorelasi
Yt 0 1 X t et (6.21)
et et 1 vt 1 1 (6.22)
Yt 0 1 X t et (6.23)
et et 1 vt 1 1 (6.24)
Yt 1 0 1 X t 1 et 1 (6.25)
Jika kedua sisi dalam persamaan (6.25) dikalikan dengan maka akan
menghasilkan persamaan sbb:
Yt 1 0 1 X t 1 et 1 (6.26)
Yt Yt 1 0 0 1 X t 1 X t 1 et et 1
Yt Yt 1 0 (1 ) 1 X t 1 X t 1 vt
0 (1 ) 1 ( X t X t 1 ) vt (6.27)
117 | P E N G A N T A R E K O N O M E T R I K A
dimana vt et et 1 dan memenuhi asumsi OLS seperti persamaan
(6.24)
Yt 0 t X t vt (6.28)
Yt 0 1 X t et (6.29)
Yt Yt 1 0 (1 ) 1 X t 1 X t 1 et et 1 (6.30)
Yt Yt 1 1 ( X t X t 1 ) (et et 1 ) (6.31)
Yt 1 X t vt (6.32)
119 | P E N G A N T A R E K O N O M E T R I K A
dicari dengan memasukkan variabel trend (T) di dalam model
aslinya. Misalkan model awalnya dengan trend sbb:
Yt 0 1 X t 2T et (6.33)
dimana T adalah trend, nilainya mulai satu pada awal periode dan
terus menaik sampai akhir periode. Residual et dalam persamaan
(6.24) tersebut mengikuti autoregresif tingkat pertama.
Transformasi persamaan (6.34) dengan metode first difference akan
menghasilkan persamaan sbb:
Yt 1 X 1t 2 vt (6.34)
dimana residual vt et et 1
120 | P E N G A N T A R E K O N O M E T R I K A
n
t
2
g 2
n
(6.34)
e
1
t
t
d 2(1 ˆ ) (6.35)
d
ˆ 1 (6.36)
2
Sebagaimana pembahasan sebelumnya, kita bisa mencari nilai
dari estimasi statistik pada persamaan (6.36) di atas. Asumsi first
121 | P E N G A N T A R E K O N O M E T R I K A
difference menyatakan bahwa ˆ 1 hanya terjadi jika d=0 di dalam
persamaan (6.36). Begitu pula jika d = 2 maka ˆ 0 dan bila d =4
maka ˆ 1 . Persamaan tersebut hanya suatu pendekatan tetapi
kita bisa menggunakan nilai statistik d untuk mendapatkan nilai .
Di dalam sampel besar kita dapat mengestimasi dari persamaan
(6.36) dan menggunakan yang kita dapatkan untuk model
generalized difference equation dalam persamaan (6.13)
sebelumnya.
Yt Yt 1 0 0 1 X t 1 X t 1 et et 1 (6.37)
Yt 0 (1 ) 1 X t 1 1 X t 1 Yt 1 vt (6.38)
Dimana vt (et et 1 )
122 | P E N G A N T A R E K O N O M E T R I K A
Walaupun ini bias, tetapi merupakan estimasi yang
konsisten
2. setelah mencapai pada langkah pertama, kemudian lakukan
transformasi variabel Yt (Yt Yt 1 ) dan X t ( X t X t 1 ) dan
Yt 0 1 X t et (6.39)
et et 1 vt (6.40)
Yt ˆYt 1 0 (1 ˆ ) 1 ( X t ˆX t 1 ) vt
dimana: 0 0 (1 ˆ )
124 | P E N G A N T A R E K O N O M E T R I K A
eˆt ˆˆ eˆt wt (6.45)
̂ˆ yang kita peroleh dari persamaan (6.45) ini merupakan langkah
kedua mengestimasi nilai
Karena kita tidak juga mengetahui apakah langkah kedua ini mampu
mengetimasi nilai yang terbaik maka kita dapat melanjutkan pada
langkah ketiga dan seterusnya. Pertanyaannya, sampai berapa langkah
kita harus berhenti melakukan proses iteratif untuk mendapatkan nilai .
Menurut Cochrane-Orcutt, estimasi nilai akan kita hentikan jika nilainya
sudah terlalu kecil.
Contoh Kasus :
125 | P E N G A N T A R E K O N O M E T R I K A
Tabel 6.4.
Perkembangan Ekspor, Konsumsi, impor, dan populasi
126 | P E N G A N T A R E K O N O M E T R I K A
Dependent Variable: LOG(IMP)
Method: Least Squares
Date: 01/09/17 Time: 07:01
Sample: 1990 2014
Included observations: 25
127 | P E N G A N T A R E K O N O M E T R I K A
Perbaikan Autokorelasi
Tabel 6.5.
Pembentukan Variabel Baru Ekspor, Konsumsi, impor,
dan populasi
128 | P E N G A N T A R E K O N O M E T R I K A
Dimana :
Log(ekst)* = Log(ekst)-0.5446*Log(ekst-1)
Log(const)* = Log(const)-0.5446*Log(const-1)
Log(impt)* = Log(impt)-0.5446*Log(impt-1)
Log(popt)* = Log(popt)-0.5446*Log(popt-1)
129 | P E N G A N T A R E K O N O M E T R I K A
Dari hasil perhitungan Uji LM diperoleh nilai Prob. Chi-Square(2) = 0,1640
lebih besar dari α = 0,05 berti H0 diterima, artinya dalam model diatas
model yang digunakan tidak mengandung autokorelasi.
130 | P E N G A N T A R E K O N O M E T R I K A
BAB
7
ANALISIS REGRESI
DENGAN EVIEWS
Model regresi sederhana dilakukan jika bermaksud meramalkan bagaimana
keadaan (naik turunnya) variabel dependen (kriterium), bila ada satu variabel
independen sebagai prediktor dimanipulasi (dinaik turunkan nilainya),
Persamaan yang diperoleh dari regresi sederhana adalah Y = β0 + β1 X + µ
Tiga model persamaan tunggal yang umum digunakan adalah OLS, ILS, dan 2SLS
(Gujarati dan Porter, 2009), Ordinary least square (OLS) merupakan metode
estimasi yang sering digunakan untuk mengestimasi fungsi regresi populasi dan
fungsi regresi sampel, Kriteria OLS adalah “line best fit” atau jumlah kuadrat dari
deviasi antara titik-titik observasi dengan garis regresi adalah minimum,
(penjelasan OLS, ILS dan 2SLS secara teknis dapat baca di Buku Gujarati dan
Porter, 2009, Dasar-dasar ekonometrika, Jakarta : Salemba Empat),
131 | P E N G A N T A R E K O N O M E T R I K A
Tabel 7.1
Data Inflasi, GDP, Harga Minyak dan Tingkat Bunga riil
Tahun 1990 sd 2012
132 | P E N G A N T A R E K O N O M E T R I K A
7.1. PENYELESAIAN
Klik Quick empty groups edit, buka excel dan copy data dari
excel dan paste di eviews, lalu ganti nama untuk ser01, ser02, ser03
dan ser04 dengan Inflasi, GDP, Poil dan Bunga.
133 | P E N G A N T A R E K O N O M E T R I K A
Langkah 3, Membuat Equation
Klik OK
134 | P E N G A N T A R E K O N O M E T R I K A
Hasil
Interpretasi :
Dari persamaan regresi diatas maka dapat disimpulkan :
GDP dan tingkat BUNGA memiliki hubungan negatif signifikan dengan
inflasi, sedangkan POIL memiliki pengaruh positif signifikan terhadap
inflasi. 75,24 persen variable bebas dapat menjelaskan variable terikat,
sisanya 24,76 dijelaskan oleh variable diluar model.
Pada hasil uji yang berinama “eq01”, klik Views – Residual Diagnostics -
Histogram – Normality test
135 | P E N G A N T A R E K O N O M E T R I K A
7.2. INTERPRETASI HASIL
136 | P E N G A N T A R E K O N O M E T R I K A
Kemudian akan muncul
Klik OK
137 | P E N G A N T A R E K O N O M E T R I K A
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 04/11/15 Time: 19:29
Sample: 1990 2012
Included observations: 23
Presample missing value lagged residuals set to zero.
Hasil analisis output berdasarkan tabel diatas, tampak bahwa nilai Obs
probabilitas F-statistic 0,8274 > 0,05 maka dapat disimpulkan model
diatas bebas dari masalah serial korelasi diterima.
138 | P E N G A N T A R E K O N O M E T R I K A
Pilih White
Tekan OK
Hasil analisis output berdasarkan tabel diatas, tampak bahwa nilai Obs*R
squared 0,095, probabilitas X2 > 0,05 maka dapat disimpulkan model
diatas tidak mengandung heteroskedastisitas.
139 | P E N G A N T A R E K O N O M E T R I K A
BAB
8
INTERPOLASI DATA
Buku Insukindro yang berjudul ekonomi uang dan bank yang didalamnya
terdapat cerita tentang interpolasi data. Interpolasi data merupakan metode
pemecahan data menjadi data triwulan atau bentuk kuartalan, dimana data
setahun dibagi menjadi empat data dalam bentuk kuartalan.
140 | P E N G A N T A R E K O N O M E T R I K A
1. Buka Eviews hingga muncul tampilan seperti di bawah ini :
Klik File New Workfile
Jika kita ingin melakukan interpolasi data dari data tahunan ke data
kuartalan (misalnya) maka pada Frequency pilih Annual. Kemudian
isikan dengan tahun yang sesuai dengan data anda, misalnya:
141 | P E N G A N T A R E K O N O M E T R I K A
Klik Quick Empty Group (Edit Series)
142 | P E N G A N T A R E K O N O M E T R I K A
Isikan data :
Tahun GDP
2000 213.634
2001 223.817
2002 232.749
2003 241.291
2004 259.578
2005 274.014
2006 287.921
2007 306.373
2008 324.768
2009 336.093
2010 357.201
143 | P E N G A N T A R E K O N O M E T R I K A
Pada kolom Store GDP as berikan nama variabel anda (misalnya “gdp”)
Pada kolom Store in pilih Individual.DB? files
Pada kolom Path for DB Files : pilih lokasi penyimpanan yang anda
inginkan. Lokasi ini harus anda ingat karena kita akan menggunakannya
kembali.
144 | P E N G A N T A R E K O N O M E T R I K A
Pilih Series and Alphas Pilih Quadratic Match Sum Ok
pada kolom Frequency, anda pilih Quarterly (jika interpolasi anda dari
data tahunan ke data kuartalan) atau Monthly (jika data yang anda
inginkan adalah dari data tahunan ke data bulanan)
145 | P E N G A N T A R E K O N O M E T R I K A
Isikan Start date dan End date sesuai dengan data anda (misal Start date
2000 dan End date 2010)
146 | P E N G A N T A R E K O N O M E T R I K A
Pada Fetch from pilih Individual .DB? files
Pada path for DB Files pilih lokasi data tempat database yang anda
simpan tadi
Pada Objects to fecth tulis gdp
Kemudian klik OK
147 | P E N G A N T A R E K O N O M E T R I K A
148 | P E N G A N T A R E K O N O M E T R I K A
BAB
9
MENYAMAKAN TAHUN DASAR
Misalkan kita ingin mencari data tentang PDB (Produks Domestik Bruto) suatu
Negara yang diambil dari buku statististik berbagai terbitan, dan kita telah
peroleh data PDRB sebagai berikut :
Tahun PDB riil
2003 123,456
2004 129,629
2005 136,110
2006 141,555
2007 150,048
2008 157,550
2009 163,852
2010 173,683
2011 267,548
2012 278,250
2013 286,597
2014 298,061
2015 312,964
Sumber : data hipotesis
149 | P E N G A N T A R E K O N O M E T R I K A
Sekilas data diatas kelihatan benar, sehingga data tersebut siap diolah. Maka
agar kita tidak terjebak kepada data yang kurang valid maka perlu kita cek
pertumbuhan PDB nya terlebih dahulu sebagai berikut :
Setelah kita susun ulang kedalam table, ternyata kita dapatkan informasi sebagai
berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456
2004 129,629
2005 136,110
2006 141,555 Dari table tersebut ada 2
2007 150,048 kemungkinan data disusun :
2008 157,550 1. Data PDB berdasar harga
2009 163,852 konstan tahun 2000
2010 173,683 2. Data PDB berdasar harga
2011 267,548 konstan tahun 2010
2012 278,250
2013 286,597
2014 298,061
2015 312,964
Sumber : data hipotesis
150 | P E N G A N T A R E K O N O M E T R I K A
Langkah-langkan untuk menyamakan tahun dasar
Pertama kita cari pertumbuhan PDB tahun 2011, misalkan PDB tahun 2011
tumbuh sebesar 4,72 persen. Maka kita cari dulu PDB tahun 2010 berdasarkan
tahun dasar 2010 dan didapatkan angka sebesar 255.490.96.
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456
2004 129,629
2005 136,110
2006 141,555
2007 150,048
2008 157,550
2009 163,852
2010 173,683 255.491
2011 267,548
2012 278,250
2013 286,597
2014 298,061
2015 312,964
Dan lakukan untuk tahun 2007 sampai dengan tahun 2003 dengan cara yang
sama, sehingga diperoleh hasil sebagai berikut :
151 | P E N G A N T A R E K O N O M E T R I K A
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456 181,606
2004 129,629 190,686
Hasil perhitungan
2005 136,110 200,220
PDB berdasar
2006 141,555 208,229
tahun dasar 2010
2007 150,048 220,723
2008 157,550 231,759
2009 163,852 241,029
2010 173,683 255,491
2011 181,880 267,548
2012 189,155 278,250
2013 194,830 286,597
2014 202,623 298,061
2015 212,754 312,964
Jika data yang kita inginkan adalah PDB tahun dasar 2000 maka caranya
adalah sebagai berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456 181,606
2004 129,629 190,686
2005 136,110 200,220
2006 141,555 208,229
2007 150,048 220,723
2008 157,550 231,759
2009 163,852 241,029
2010 173,683 255,491
2011 181,880 267,548 Diperoleh dari
2012 189,155 278,250
2013 286,597
2014 298,061
2015 312,964
Diperoleh dari
152 | P E N G A N T A R E K O N O M E T R I K A
Dan lakukan untuk tahun 2013 sampai dengan tahun 2015 dengan cara yang
sama, sehingga diperoleh hasil sebagai berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456 181,606
2004 129,629 190,686
2005 136,110 200,220
2006 141,555 208,229
2007 150,048 220,723
2008 157,550 231,759
2009 163,852 241,029
2010 173,683 255,491
2011 181,880 267,548
2012 189,155 278,250
2013 194,830 286,597
2014 202,623 298,061
2015 212,754 312,964
Walaupun data yang diperoleh berbeda berdasarkan tahun dasar tetapi hasil
perhitungan pertumbuhan PDB nya tetap sama. Lihat hasilnya sebagai berikut :
PDB
Tahun PDB(2000=100) Pertumbuhan (2010=100) Pertumbuhan
2003 123,456 181,606
2004 129,629 5.00 190,686 5.00
2005 136,110 5.00 200,220 5.00
2006 141,555 4.00 208,229 4.00
2007 150,048 6.00 220,723 6.00
2008 157,550 5.00 231,759 5.00
2009 163,852 4.00 241,029 4.00
2010 173,683 6.00 255,491 6.00
2011 181,880 4.72 267,548 4.72
2012 189,155 4.00 278,250 4.00
2013 194,830 3.00 286,597 3.00
2014 202,623 4.00 298,061 4.00
2015 212,754 5.00 312,964 5.00
153 | P E N G A N T A R E K O N O M E T R I K A
BAB
10
APLIKASI EKONOMETRI
DALAM PENELITIAN
Dalam bab ini akan dibahas tentang penerapan regresi berganda dalam
kasus ekonomi :
Muhammad Paozan
Agus Tri Basuki
ABSTRAK
Penelitian ini bertujuan menganalisis pengaruh utang luar negeri dan
pengeluaran pemerintah terhadap pertumbuhan ekonomi. Data yang digunakan
dalam penelitian ini diambil dari BPS tahun 1985 sampai dengan 2014. Variabel
dependen dalam penelitian ini adalah pertumbuhan ekonomi dengan
menggunakan data PDB Indonesia, sedangkan variabel independennya adalah
utang luar negeri dan pengeluaran pemerintah Indonesia. Untuk melihat pengaruh
variabel independent dan variabel dependent, peneliti melakukan pengujian
analisis regresi linier berganda juga melakukan uji asumsi klasik. Berdasarkan
hasil penelitian yang diperoleh, dapat diketahui bahwa secara simultan utang luar
negeri dan pengeluaran pemerintah berpengaruh signifikan terhadap
pertumbuhan ekonomi Indonesia. Selanjutnya secara parsial, utang luar negeri
berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi, dan
pengeluaran pemerintah juga berpengaruh positif dan signifikan terhadap
terhadap pertumbuhan ekonomi Indonesia.
154 | P E N G A N T A R E K O N O M E T R I K A
A. PENDAHULUAN
Pertumbuhan ekonomi adalah salah satu indikator yang sangat penting
dalam melakukan analisis tentang pembangunan ekonomi suatu negara.
Pertumbuhan ekonomi menunjukkan sejauh mana aktivitas perekonomian
akan menghasilkan tambahan pendapatan masyarakat pada suatu periode
tertentu. Karena pada dasarnya aktivitas perekonomian adalah suatu proses
penggunaan faktor-faktor produksi yang menghasilkan output, yang diukur
dengan menggunakan PDB.
Berdasarkan data dari Badan Pusat Statistik Indonesia, pertumbuhan
ekonomi Indonesia sejak tahun1986 sampai tahun 1989 terus mengalami
peningkatan, yakni masing-masing 5.9% di tahun1986, kemudian 6.9% di
tahun 1988 dan menjadi 7.5% di tahun 1989. Namun pada tahun 1990 dan
1991 pertumbuhan ekonomi Indonesia mencatat angka sebesar 7.0%,
kemudian tahun 1992, 1993, 1994, 1995, dan 1996, masing-masing tingkat
pertumbuhan ekonominya adalah sebesar 6.2%, 5.8%, 7.2%, 6.8%, dan 5.8%.
Angka inflasi yang stabil, jumlah pengangguran yang cukup rendah seiring
dengan kondusifnya iklim investasi yang ditandai dengan kesempatan kerja
yang terus meningkat, dan sebagainya. Namun pada satu titik tertentu,
perekonomian Indonesia akhirnya runtuh oleh krisis ekonomi yang melanda
secaraglobal pada tahun 1997-1998 yang ditandai dengan inflasi yang
meningkat tajam, nilai kurs Rupiah yang terus melemah, tingginya angka
pengangguran seiring dengan menurunnya kesempatan kerja, dan ditambah
lagi semakin besarnya jumlah utang luar negeri Indonesia akibat kurs rupiah
yang semakin melemah. Hal ini terjadi dikarenakan tidak adanya dukungan
mikro yang kuat, semakin meningkatnya praktek korupsi, kolusi, dan
nepotisme (KKN), sumber daya manusia yang kurang kompetitif, dan
sebagainya (Anggito Abimanyu, 2000).
Beberapa faktor yang mempengaruhi PDB diantaranya adalah ekspor,
jumlah utang luar negeri, penanaman modal asing, investasi, kurs dan lain-
lain. Hubungan utang luar negeri terhadap PDB adalah variabel yang bisa saja
155 | P E N G A N T A R E K O N O M E T R I K A
mendorong perekonomian sekaligus menghambat pertumbuhan ekonomi.
Mendorong perekonomian maksudnya jika hutang-hutang tersebut
digunakan untuk membuka lapangan kerja dan investasi dibidang
pembangunan yang pada akhirnya dapat mendorong perekonomian,
sedangkan menghambat pertumbuhan apabila utang-utang tersebut tidak
dipergunakan secara maksimal karena masih kurangnya fungsi pengawasan
dan integritas atas penanggung jawab utang-utang itu sendiri. Hubungan
Pengeluaran Pemerintah dengan PDB tercermin dalam pernyataan Y = C + I +
G + ( X – M ). Yaitu ketika pengeluaran pemerintah naik maka akan menaikkan
Produk Domestik Bruto (PDB) dengan ketentuan bahwa belanja pemerintah
akan menaikkan konsumsi masyarakat melalu pemberian subsidi,
pembangunan infrastruktur, operasi pasar dan sebagainya yang akhirnya
akan mempermudah mobilitas sehingga menaikkan tingkat perekonomian
dan pertumbuhan ekonomi dan pendapatan negara naik.
Maka, berdasarkan permasalahan yang dikemukakan di atas, dimana
utang luar negeri mempunyai pengaruh terhadap pertumbuhan ekonomi.
Namun belakangan terdapat banyak kontradiksi dalam teori dan
penerapannya di Indonesia, maka yang akan diteliti dan dibahas dalam
tulisan ini adalah masalah utang luar negeri dan pengeluaran pemerintah
dalam kaitannya dengan pertumbuhan ekonomi dengan mengangkat judul
“Analisis Pengaruh Utang Luar Negeri dan Pengeluaran Pemerintah
terhadap Pertumbuhan Ekonomi Indonesia Periode 1985-2014”
B. Rumusan Masalah
Berdasarkan uraian latar belakang di atas, permasalah pokok yang
akan diteliti adalah sebagai berikut :
1. Seberapa besar pengaruh utang luar negeri terhadap pertumbuhan
ekonomi (PDB) periode 1985-2014?
2. Seberapa besar pengaruh pengeluaran pemerintah terhadap pertumbuhan
ekonomi (PDB) periode 1985-2014?
156 | P E N G A N T A R E K O N O M E T R I K A
C. Batasan Masalah
Dalam penelitian ini peneliti membatasi variabel-variabel yang
ditelitinya sebagai berikut :
1. Untuk variabel dependen (Y) adalah pertumbuhan ekonomi menggunakan
indikator PDB
2. Untuk variabel independennya adalah utang luar negeri (X1), pengeluaran
pemerintah (X2)
D. Tujuan Penelitian
Sesuai dengan rumusan masalah di atas, maka tujuan yang ingin
dicapai dari penelitian ini adalah :
1. Untuk mengetahui seberapa besar pengaruh utang luar negeri terhadap
pertumbuhan ekonomi periode 1985-2014
2. Untuk mengetahui seberapa besar pengaruh pengeluaran pemerintah
terhadap pertumbuhan ekonomi periode 1985-2014
E. Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah sebagai berikut :
1. Sebagai bahan informasi tambahan tentang faktor-faktor yang dapat
mempengaruhi pertumbuhan ekonomi di Indonesia 1985-2014
2. Dapat digunakan sebagai bahan masukan bagi peneliti lain yang akan
mengadakan penelitian ruang lingkup yang sama
3. Dapat menambah pengetahuan bagi pembaca yang lain
F. Kajian Pustaka
1. Landasan Teori
a. Pertumbuhan Ekonomi
Secara umum, pertumbuhan ekonomi didefinisikan sebagai
peningkatan kemampuan dari suatu perekonomian dalam
memperoduksi barang-barang dan jasa-jasa. Pertumbuhan ekonomi
157 | P E N G A N T A R E K O N O M E T R I K A
adalah salah satu indicator yang amat penting dalam melakukan
analisis tentang pembangunan ekonomi yang terjadi pada suatu
Negara. Pertumbuhan ekonomi menunjukkan sejauh mana aktivitas
perekonomian akan menghasilkan tambahan pendapatan masyarakat
pada suatu periode tertentu. Karena pada dasarnya aktivitas
perekonomian adalah suatu proses penggunaan factor-faktor produksi
untuk menghasilkan output, maka proses ini pada dasarnya akan
menghasilkan suatu aliran balas jasa terhadao factor produksi yang
dimiliki oleh masyarakat (Basri, 2002), dengan adanya pertumbuhan
ekonomi maka diharapkan pendapatan masyarakat sebagai pemilik
factor produksi juga akan meningkat.
Perekonomian dianggap mengalami pertumbuhan jika seluruh
balas jasa riil terhadap penggunaan factor produksi pada tahun
tertentu lebih besar dari pada tahun sebelumnya. Dengan kata lain
perekonomian dikatakan mengalami pertumbuhan jika pendapatan riil
masyarakat pada tahun tertentu lebih besar dari pada pendapatan riil
masyarakat sebelumnya (Basri, 2002).
Dengan perkataan lain bahwa pertumbuhan ekonomi lebih
menunjuk kepada perubahan yang bersifat kuantitatif (quantitative
change) dan biasanya diukur dengan menggunakan data Produk
Domestik Bruto (GDP) atau pendapatan atau nilai akhir pasar (total
market value) dari barang-barang akhir dan jasa-jasa (final goods and
services) yang dihasilkan dari suatu perekonomian selama kurun waktu
tertentu (biasanya satu tahun).
Kuznets dalam Hariyanto (2005) mendefinisikan pertumbuhan
ekonomi sebagai kenaikan jangka panjang dalam kemapuan suatu
Negara dalam menyediakan semakin banyak jenis barang-barang
ekonomi kepada penduduknya; kemampuan ini tumbuh sesuai dengan
kemajuan teknologi, dan penyesuaian kelembagaan dan ideologis yang
diperlukannya.
158 | P E N G A N T A R E K O N O M E T R I K A
b. Teori-teori Pertumbuhan Ekonomi
Teori-teori pertumbuhan ekonomi yang berkembang antara lain:
1) Teori Pertumbuhan Klasik
Teori ini dipelopori oleh Adam Smith, David Ricardo, Malthus,
dan Jhon Stuart Mill. Menurut teori ini pertumbuhan ekonomi
dipengaruhi oleh empat factor, yaitu jumlah penduduk, jumlah
barang modal, luan tanah dan kekayaan alam serta teknologi yang
digunakan. Mereka lebih memilih perhatianya pada pengaruh
pertambahan penduduk terhadap pertumbuhan ekonomi. Mereka
asumsikan luas tanah dan kekayaan alam serta teknologi tidak
mengalami perubahan. Teori yang menjelaskan keterkaitan antara
pendapatan perkapita dengan jumlah penduduk disebut dengan
teori penduduk optimal.
Menurut teori ini, pada mulanya pertambahan penduduk
akan menyebabkan kenaikan pendapatan perkapita. Namun jika
jumlah penduduk terus bertambah maka hukum hasil lebih yang
semakin berkurang akan mempengaruhi fungsi produksi marginal
akan mengalami penurunan, dan akan membawa pada keadaan
perkapita sama dengan produksi marginal.
Pada keadaan ini pendapatan perkapita mencapai nilai yang
maksimal. Jumlah penduduk pada waktu itu dinamakan penduduk
optimal. Apabila jumlah penduduk terus meningkat melebihi titik
optimal maka pertumbuhan penduduk akan menyebabkan
penurunan nilai pertumbuhan ekonomi (Ricardo dalam Hariani,
2008).
160 | P E N G A N T A R E K O N O M E T R I K A
Harrod-Domar dalam Hariani (2008) teorinya berdasarkan
mekanisme pasar tanpa campur tangan pemerintah. Akan tetapi
kesimpulannya menunjukkan bahwa pemerintah perlu
merencanakan besarnya investasi agar terdapat keseimbangan
dalam sisi penawaran dan sisi permintaan barang.
4) Teori Schumpeter
Teori ini menekankan pada inovasi yang dilakukan oleh para
pengusaha dan mengatakan bahwa kemajuan teknologi sangat
ditentukan oleh jiwa usaha (entrepreneurship) dalam masyarakat
yang mampu melihat peluang dan berani mengambil risiko
membuka usaha baru, maupun memperluas usaha yang telah ada.
Dengan pembukaan usaha baru dan perluasan usaha, tersedia
lapangan kerja tambahan untuk menyerap angkatan kerja yang
bertambah setiap tahunnya.
Didorong oleh adanya keinginan untuk memperoleh
keuntungan dari inovasi tersebut maka para pengusaha akan
meminjam modal dan mengadakan investasi. Investasi ini akan
162 | P E N G A N T A R E K O N O M E T R I K A
mempertinggi kegiatan ekonomi suatu negara. Kenaikan tersebut
selanjutnya juga akan mendorong pengusaha-pengusaha lain untuk
menghasilkan lebih banyak lagi sehingga produksi agregat akan
bertambah.
Maka menurut Schumpeter dalam Hariani (2008) penanaman
modal atau investasi dapat dibedakan menjadi dua, yakni
penanaman modal otonomi (autonomous investment) yakni
penanaman modal untuk melakukan inovasi. Jenis investasi kedua
yaitu penanaman modal terpengaruh (induced investment) yakni
penanaman modal yang timbul sebagai akibat kegiatan ekonomi
setelah munculnya inovasi tersebut.
Selanjutnya Schumpeter menyatakan babwa jika tingkat
kemajuan suatu perekonomian semakin tinggi maka keinginan
untuk melakukan inovasi semakin berkurang, hal ini disebabkan
oleh karena masyarakat telah merasa mencukupi kebutuhannya.
Dengan demikian pertumbuhan ekonomi akan semakin lambat
jalannya dan pada akhirnya tercapai tingkat keadaan tidak
berkembang (stationery state). Namun keadaan tidak berkembang
yang dimaksud di sini berbeda dengan pandangan klasik. Dalam
pandangan Schumpeter keadaan tidak berkembang itu dicapai pada
tingkat pertumbuhan ekonomi tinggi. Sedangkan dalam pandangan
klasik, keadaan tidak berkembang terjadi pada waktu
perekonomian berada pada kondisi tingkat pendapatan masyarakat
sangat rendah.
164 | P E N G A N T A R E K O N O M E T R I K A
1. Pendekatan Pengeluaran
Pendekatan pengeluaran adalah pendekatan dimana produk
nasional atau produk domestik bruto diperoleh dengan eara
menjumlahkan nilai pasar dari seluruh permintaan akhir (final
demand) atas output yang dihasilkan di dalam perekonomian,
diukur pada harga pasar yang berlaku. Dengan perkataan lain,
produk nasional atau produk domestik bruto adalah penjumlahan
nilai pasar dari permintaan sektor rumah tangga untuk barang-
barang konsumsi dan jasa-jasa (C), permintaan sektor bisnis untuk
barang-barang investasi (I), pengeluaran pemerintah untuk barang-
barang dan jasa-jasa (G), dan pengeluaran sektor luar negeri untuk
ekspor dan impor (X -M).
Secara matematis dapat dirumuskan sebagai berikut :
Y = C + I + G (X-M)
Dimana :
Y = Pendapatan nasional (GNP atau GDP)
C = Nilai pasar pengeluaran konsumsi barang-barang dan jasa-jasa
oleh rumah tangga
I = Nilai pasarpengeluaran investasi barang-barang modal
G = Nilai pasar pengeluaran pemerintah untuk barang-barang dan
jasa-jasa (pemerintah pusat, daerah tingkat I dan II)
X = Nilai pasar pengeluaran atas barang-barang dan jasa-jasa yang
diekspor
M = Nilai pasar pengeluaran untuk barang-barang dan jasa-jasa
yang diimpor
2. Pendekatan Pengeluaran
Pendekatan pendapatan (income approach) adalah suatu
pendekatan dimana pendapatan nasional diperoleh dengan eara
menjumlahkan pendapatan dari berbagai faktor produksi yang
165 | P E N G A N T A R E K O N O M E T R I K A
menyumbang terhadap proses produksi yang dijumlahkan dari
jenis-jenis pendapatan ;
a. Kompensasi untuk pekerja, yang terdiri atas upah dan gaji plus
factor rent terhadap upah gaji, dan ini merupakan komponen
terbesar dari pendapatan nasional.
b. Keuntungan perusahaan yang merupakan kompensasi kepada
pemilik perusahaan, dimana sebagaian digunakan untuk
membayar pajak keuntungan perusahaan, sebagaian lagi
dibagikan pada pemegang saham sebagai deviden, dan sebagaian
lagi ditabung oleh perusahaan sebagai laba perusahaan yang
tidak dibagikan.
c. Pendapatan usaha perorangan, yang merupakan kompensasi
atas penggunaan tenaga kerja dan sumber-sumber dari
selfemployed persons, misalnya petani, Self-employed
professional, dan lain-lain.
d. Pendapatan sewa, yang merupakan kompensasi untuk para
pemiliki tanah, rental business dan residential properties.
Secara matematis pendapatan nasional berdasarkan
pendekatan pendapatan dapat dirumuskan sebagai berikut :
N1 = Yw + Yr + Yi + Ynr + Ynd
Dimana :
1. Yw menunjukkan pendapatan dari upah, gaji, dan
pendapatan lainnya setelah pajak,
2. Yr adalah pendapatan dari bunga
3. Ynr, Ynd adalah pendapatan dari keuntungan perusahaan
dan pendapatan lainnya sebelum pengenaan pajak.
3. Pendekatan Produksi
Dengan pendekatan produksi (production approach) produk
nasional atau produk domestik bruto diperoleh dengan
166 | P E N G A N T A R E K O N O M E T R I K A
menjumlahkan nilai pasar dari seluruh barang dan jasa yang
dihasilkan oleh berbagai sektor di dalam perekonomian. Dengan
demikian, GNP atau GDP merupakan penjumlahan dari harga
masing-masing barang dan jasa-jasa dikalikan dengan jumlah atau
kuantitas barang atau jasa yang dihasilkan. Secara matematis dapat
dinyatakan sebagai berikut :
Dimana:
Y = Produk nasional atau produk domestic bruto (GNP atau
GDP)
P = Harga barang dari unit ke-J hingga jenis ke-n
Q = jumlah barang dari jenis ke-I hingga ke-n
Dengan perkataan lain, GNP atau GOP diperoleh dengan
menjumlahkan nila tambah (value added) yang dihasilkan oleh
berbagai sektor perekonomian. Dalam hal ini, GDP atau GNP
merupakan penjumlahan dari nilai tambah dan sektor pertanian,
ditambah nilai tambah di sektor pertambangan, ditambah nilai
tambah dari sektor manufaktur, dan seterusnya.
Dimana:
g : Pertumbuhan ekonomi
167 | P E N G A N T A R E K O N O M E T R I K A
yt : Produk domestic bruto tahun sekarang
yt-1 : Produk domestic bruto tahun yang lalu
168 | P E N G A N T A R E K O N O M E T R I K A
tampil sebagai organisator dan pengambil resiko dalam
ketidakpastian.
Perubahan teknologi dianggap sebagai sektor paling penting
dalam proses pertumbuhan ekonomi. Perubahan ini berkaitan
dengan perubahan dalam metode produksi yang telah menaikkan
produktivitas buruh, modal, dan sektor produksi lain.
Spesialisasi dan pembagian kerja menimbulkan peningkatan
produktivitas. Keduanya membawa prekonomian kearah ekonomi
skala besar yang selanjutnya membantu perkembangan industri.
c) Pengeluaran Pemerintah
Teori ini dapat digolongkan menjadi dua bagian,
diantaranya yaitu Teori Makro yang terdiri dari :
(Mangkoesoebroto, 2001)
(1) Rostow dan Mungrave, dimana mereka menghubungkan
pengeluaran pemerintahdengan tahap-tahap pembangunan
ekonomi. Pada tahap awal perkembanganekonomi, menurut
mereka rasio rasio pengeluaran pemerintah terhadap
pendapatannasional-relatif besar. Hal itu dikarenakan pada
tahap awal ini pemerintah harusmenyediakan berbagai
sarana dan prasarana. Pada tahap menengah
pembangunanekonomi, investasi pemerintah tetap
diperlukan guna memacu pertumbuhan agardapat lepas
172 | P E N G A N T A R E K O N O M E T R I K A
landas. Bersamaan dengan itu posisi investasi pihak swasta
jugameningkat. Tetapi besarnya peranan pemerintah adalah
karena pada tahap ini banyakkegagalan pasar yang
ditimbulkan perkembangan ekonomi itu sendiri, yaitu
kasuseksternalitas negatif, misalnya pencemaran
lingkungan.
Dalam suatu proses pembangunan, menurut
Musgrave rasio investasi total terhada pendapatan nasional
semakin besar, tetapi rasio investasi pemerintahterhadap
pendapatan nasional akan semakin mengecil. Sementara itu
Rostowberpendapat bahwa pada tahap lanjut
pembangunan terjadi peralihan aktivitaspemerintah, dari
penyediaan prasarana ekonomi ke pengeluaran-
pengeluaran untuklayanan sosial seperti kesehatan dan
pendidikan. Teori Rostow dan Musgrave adalahpandangan
yang timbul dari pengamatan atas pengalaman
pembangunan ekonomiyang dialami banyak negara, tetapi
tidak didasari oleh suatu teori tertentu. Selain itutidak jelas,
apakah tahap pertumbuhan ekonomi terjadi dalam tahap
demi tahap, ataubeberapa tahap dapat terjadi secara
simultan.
(2) Hukum Wagner, Wagner melakukan pengamatan
terhadap negara-negara Eropa,Amerika Serikat dan Jepang
pada abad ke-19 yang menunjukkan bahwa
aktivitaspemerintah dalam perekonomian cenderung
semakin meningkat. Wagner mengukurdari perbandingan
pengeluaran pemerintah terhadap produk nasional.
Temuan oleh Richard Musgrave dinamakan hukum
pengeluaran pemerintah yang selalu meningkat (law of
growing public expenditures). Wagner sendiri
173 | P E N G A N T A R E K O N O M E T R I K A
menamakannya hukum aktivitas pemerintah yang selalu
meningkat (law of ever increasing state activity).
Dimana :
Gpc = Pengeluaran pemerintah perkapita
YpC = Produk atau pendapatan nasional perkapita
T = Indeks waktu
Menurut Wagner ada lima hal yang menyebabkan
pengeluaran pemerintahselalu meningkat yaitu tuntutan
peningkatan perlindungan keamanan dan
pertahanan,kenaikan tingkat pendapatan masyarakat,
urbanisasi yang mengiringi pertumbuhanekonomi,
perkembangan demokrasi dan ketidakefisienan birokrasi
yang mengiringiperkembangan pemerintahan.
(3) Peacock dan Wiseman, mereka mengemukakan
pendapat lain dalammenerangkan perilaku perkembangan
pemerintah. Mereka mendasarkannya padasuatu analisis
"dialektika penerimaan-pengeluaran pemerintah".
Pemerintah selalu berusaha memperbesar pengeluarannya
dengan mengandalkan penerimaan dari pajak. Padahal
masyarakat tidak menyukai pembayaran pajak yang kian
besar.
Mengacu pada teori pemungutan suara (voting),
mereka berpendapat bahwamasyarakat mempunyai batas
toleransi pajak, yakni suatu tingkat dimana masyarakat
dapat memaham besarnya pungutan pajak yang dibutuhkan
oleh pemerintah untukmembiayai pengeluaran-
pengeluarannya. Tingkat toleransi pajak ini
merupakankendala yang membatasi pemerintah untuk
174 | P E N G A N T A R E K O N O M E T R I K A
menaikkan pungutan pajak secara tidaksemena-mena atau
sewenang-wenang.
Menurut Peacock-Wiseman, perkembangan ekonomi
menyebabkan pungutan pajak meningkat yang meskipun
tarif pajaknya mungkin tidak berubah, padagilirannya
mengakibatkan pengeluaran pemerintah meningkat pula.
Jadi dalam keadaan normal, kenaikan pendapatan
nasional menaikkan pula baik penerimaan maupun
pengeluaran pemerintah. Apabila keadaan normal
jaditerganggu, katakanlah karena perang atau ekstemalitas
lain, maka pemerintahterpaksa harus memperbesar
pengeluarannya untuk mengatasi gangguan dimaksud.
Konsekuensinya, timbul tuntutan untuk memperoleh
penerimaan pajak lebih besar.Pungutan pajak yang lebih
besar menyebabkan dana swasta untuk investasi danmodal
kerja menjadi berkurang. Efek ini disebut efek penggantian
(displacement effict). Postulat yang berkenaan dengan efek
ini menyatakan, gangguan sosial dalamperekonomian
menyebabkan aktivitas swasta digantikan oleh aktivitas
pemerintah. Pengatasan gangguan acap kali tidak cukup
dibiayai semata-mata dengan pajaksehingga pemerintah
mungkin harus juga meminjam dana dari luar negeri.
Setelahgangguan teratasi, muncul kewajiban melunasi
utang dan membayar bunga. Pengeluaran pemerintah pun
kian membengkak karena kewajiban baru tersebut.Akibat
lebih lanjut ialah pajak tidak turun kembali ke tingkat
semula meskipun gangguan telah usai.
Jika pada saat terjadinya gangguan sosial dalam
perekonomain timbul efek penggantian, maka sesudah
gangguan berakhir timbul pula sebuah efek lain
175 | P E N G A N T A R E K O N O M E T R I K A
yangdisebut efek inspeksi (inspection effect). Postulat efek
ini menyatakan, gangguansosial menumbuhkan kesadaran
masyarakat akan adanya hal-hal yang perlu ditanganioleh
pemerintah sesudah redanya gangguan sosial tersebut.
Kesadaran semacam inimenggugah kesediaan masyarakat
untuk membayar pajak lebih besar, sehingga
memungkinkan pemerintah beroleh penerimaan yang lebih
besar pula. Inilah yangdimaksudkan dengan analisis
dialektika penerimaan-pengeluaran pemerintah.
Suatu hal yang perlu dicatat dari Teori Peacock dan
Wiseman adalah bahwa mereka mengemukakan adanya
toleransi pajak, yaitu suatu limit perpajakan, akantetapi
mereka tidak menyatakan pada tingkat berapakah toleransi
pajak tersebut. Clarke menyatakan bahwa limit perpajakan
sebesar 25% dari pendapatan nasional. Apabila limit
tersebut dilampaui maka akan terjadi inflasi dan gangguan
social lainnya.
G. Tinjauan Empiris
Penelitian tentang pengaruh Utang Luar Negeri dan Pengeluaran
Pemerintah telah banyak dilakukan di Indonesia. penelitian-penelitian
tersebut menggunakan variabel-variabel yang bervariatif. Variabel tersebut
diantaranya : pengeluaran pemerintah, utang luar negeri dan penanaman
modal asing,
Walaupun dasar teori yang digunakan relatif sama, namun sebagian
besar kesimpulan tidak menunjukkan hasil yang sama. Untuk lebih jelasnya
dapat dilihat pada tabel dibawah ini :
176 | P E N G A N T A R E K O N O M E T R I K A
Tabel 1. Review Penelitian terdahulu (Theoritical Mapping)
Nama Variabel yang
Tahun Judul Hasil yang diperoleh
Peneliti digunakan
177 | P E N G A N T A R E K O N O M E T R I K A
Nama Variabel yang
Tahun Judul Hasil yang diperoleh
Peneliti digunakan
2000-2009 dan penanaman Secara Parsial :
modal asing Utang luar negeri dan
penanaman modal
asing berpengaruh
signifikan terhadap
pertumbuhan
ekonomi.
Rosmawati 2010 Analsis Pengaruh Variabel Secara Simultan :
Sinuraya Pengeluaran dependen Pengeluaran
Pemerintah Pertumbuhan pemerintah
Tehadap ekonomi berpengaruh
Pertumbuhan signifikan terhadap
Variabel
Ekonomi cadangan devisa
independen
Kabupaten Karo Pengeluaran Secara Parsial :
pemrintah. Pengeluaran
pemerintah
berpengaruh
signifikan terhadap
pertumbuhan
ekonomi.
1. Kerangka Berpikir
Kerangka Konsep yang dapat dibentuk dari penelitian ini adalah :
Independen Dependen
Utang Luar
Negerti (X1)
Pertumbuhan
Ekonomi (Y)
Pengeluaran
Pemerintah (X2)
178 | P E N G A N T A R E K O N O M E T R I K A
Berdasarkan kajian teori yang telah dijabarkan diatas, maka hipotesis yang
dapat dibuat untuk penelitian ini adalah utang luar negeri dan pengeluaran
pemerintah berpengaruh secara simultan maupun parsial terhadap cadangan
devisa Indonesia untuk periode 1985 sampai 2014.
H. METODE PENELITIAN
Penelitian ini adalah deskriftif kuantitatif. Populasi yang digunakan adalah
data PDB, utang luar negeri, dan pengeluaran pemerintah yang diperoleh dari
World Bank dan Badan Pusat Statistik periode 1985 sampai dengan 2014.
Tekhnik pengambilan sampel dengan menggunakan sampel jenuh. Sampel
jenuh merupakan sampel yang mewakili populasi, dimana biasanya hanya
digunakan jika populasi kurang dari 100. Sehingga pada akhirnya diperoleh
jumlah sampel sebanyak 30 data.
Dimana :
𝛽0 = Konstanta
𝛽1 = Koefisien Utang Luar Negeri
𝛽2 = Koefisien Pengeluaran Pemerintah
Y = Pertumbuhan Ekonomi
179 | P E N G A N T A R E K O N O M E T R I K A
X1 = Utang Luar Negeri
X2 = Pengeluaran Pemerintah
e = Error (Variabel Pengganggu)
Metode selanjutnya dilakukan pengujian Asumsi Klasik dan pengujian
Statistik.
180 | P E N G A N T A R E K O N O M E T R I K A
Berdasarkan Tabel 2 di atas, maka persamaan regresi berganda
dapat dirumuskan sebagai berikut :
2. Uji Statistik
a) Koefisien Determinasi (R2)
Dari pengujian yang telah dilaksanakan menghasilkan nilai koefisien
determinasi (Adjusted R2) sebesar 0.996632, sehingga dapat dikatakan
bahwa hasil pengujian yang dilakukan memberikan hasil yang baik
(goodness of fit). Nilai koefisien determinasi bernilai positif, hal ini
menunjukkan bahwa 99,66% variasi dari pertumbuhan ekonomi dapat
dijelaskan oleh variabel utang luar negeri dan pengeluaran pemerintah.
Sedangkan sisanya 0,34% dijelaskan oleh variabel lain di luar model.
b) Uji-F
Uji-f digunakan untuk menguji signifikansi pengaruh variabel bebas
terhadap variabel terikat secar keseluruhan. Dari hasil analisis regresi
diperoleh nilai probabilitas signifikansi dari f-statistik yaitu 0.000000
(lihat tabel 2). Karena probabilitas signifikansi f-statistik < 0,05
181 | P E N G A N T A R E K O N O M E T R I K A
(0,000000 < 0,05), maka H0 ditolak dan H1 diterima, artinya utang luar
negeri dan pengeluaran pemerintah secara simultan atau bersama-
sama berpengaruh signifikan terhadap pertumbuhan ekonomi.
c) Uji-t
Uji-t digunakan untuk menguji signifikansi dari pengaruh
veriabel bebas terhadap variabel terikat secara individual/parsial.
Untuk mengetahui pengaruh masing-masing veriabel terhadap veriabel
dependen dapat dijelaskan di bawah ini :
1. Pengaruh utang luar negeri terhadap pertumbuhan ekonomi
Berdasarkan hasil anailis data dapat diperoleh nilai probabilitas
variabel ekspor sebesar 0,0000 (lihat tabel 2). Karena nilai
probabilitas utang luar negeri < 0,05 maka H0 diterima dan H1
ditolak sehingga variabel utang luar negeri berpengaruh signifikan
terhadap pertumbuhan ekonomi.
2. Pengaruh pengeluaran pemerintah terhadap pertumbuhan ekonomi
Berdasarkan hasil analisis data dapat diperoleh nilai probabilitas
variabel pengeluaran pemerintah sebesar 0,0000 (lihat tabel 2).
Karena nilai probabilitas pengeluaran pemerintah < 0,05, maka H0
diterima dan H1 ditolak sehingga variabel pengeluaran pemerintah
berpengaruh siginifikan terhadap pertumbuhan ekonomi.
6 Mean 8.28e-16
Median -0.000377
5 Maximum 0.083137
Minimum -0.089108
4 Std. Dev. 0.044577
Skewness -0.034888
3
Kurtosis 2.318072
2
Jarque-Bera 0.587369
1 Probability 0.745512
0
-0.100 -0.075 -0.050 -0.025 0.000 0.025 0.050 0.075 0.100
183 | P E N G A N T A R E K O N O M E T R I K A
Tabel 3. Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: White
Dari tabel 3 di atas diketahui bahwa nilai Obs*R Squared adalah 0,3834
lebih dari α = 0,05. Maka dapat disimpulkan model ini tidak mengandung
Heteroskedastisitas.
184 | P E N G A N T A R E K O N O M E T R I K A
Berdasarkan tabel 4 di atas diketahui bahwa nilai Obs*R-squared
adalah 4.777114 dan nilai probabilitasnya adalah 0.0918 yang lebih
besar dari α = 5 % (0,05) sehingga dapat disimpulkan bahwa data
dalam penelitian ini tidak terdapat masalah autokorelasi.
185 | P E N G A N T A R E K O N O M E T R I K A
Tabel 6. Uji Multikolinearitas (Persamaan 2)
Dependent Variable: LOG(ULN)
Sample: 1985 2014
Included observations: 30
186 | P E N G A N T A R E K O N O M E T R I K A
Untuk persamaan (2) nilai R² adalah sebesar 0.535143 selanjutnya
disebut R² 2
Untuk persamaan (3) nilai R² adalah sebesar 0.535143selanjutnya
disebut R² 3
Hasil analisis output : menunjukkan bahwa R² 1 > R² 3 > R² 2 maka
dalam model tidak ditemukan adanya multikolinearitas.
Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan, maka
kesimpulan yang dapat diambil dari penelitian ini adalah sebagai berikut :
1. Utang luar negeri berpengaruh positif dan signifikan terhadap cadangan devisa
dengan nilai probabilitas t-statistik sebesar 0.0000.
2. Pengeluaran pemerintah berpengaruh positif dan signifikan terhadap cadangan devisa
dengan nilai probabilitas t-statistik sebesar 0.0000.
3. Nilai Adjusted R2 cukup tinggi yaitu 0.9966, yang berarti 99,66% variabel independen
(utang luar negeri dan pengeluaran pemerintah) dapat menjelaskan variabel dependen,
dan sisanya 0, 34% dijelaskan oleh variabel diluar model.
DAFTAR PUSTAKA
Agus Widarjono, Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis, Edisi
Kedua, Cetakan Kesatu, Penerbit Ekonisia Fakultas Ekonomi UII Yogyakarta
2007.
Deprianto,Asrizal dan Jolianis., 2012, Pengaruh Konsumsi dan Investasi Terhadap
Pertumbuhan Ekonomi di Kota Padang, Jurnal Mahasiswa Programstudi
Pendidikan Ekonomi STKIP PGRI Sumatera Barat, STKIP PGRI Sumatera
Barat, Sumatera Barat.
Gujarati, Damodar N. 2003. Basic Econometrics. Third Edition.Mc. Graw-Hill,
Singapore.
Rachmadi, A.L., 2014, Analisis Pengaruh Utang Luar Negeri Terhadap
Pertumbuhan Ekonomi Indonesia (2001-2011), Skripsi, Universitas
Brawijaya, Malang.
187 | P E N G A N T A R E K O N O M E T R I K A
Sinuraya, Rosmawati., 2010, Analisis Pengaruh Pengeluaran Pemrintah Terhadap
pertumbuhan Ekonomi Kabupaten Karo, Skripsi, Universitas Sumatera
Utara, Sumatera Utara.
Anwar, A.F., 2011 Analisis Pengaruh Utang Luar Negeri dan Penanaman Modal
Asing Terhadap Produk Domestik Bruto Di Indonesia Periode 2000-2009,
Skripsi, Universitas Hasanuddin, Makassar.
188 | P E N G A N T A R E K O N O M E T R I K A
DAFTAR PUSTAKA
Agus Widarjono, Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis,
Edisi Kedua, Cetakan Kesatu, Penerbit Ekonisia Fakultas Ekonomi UII
Yogyakarta 2007.
Baltagi, Bagi (2005). Econometric Analysis of Panel Data, Third Edition. John
Wiley & Sons.
189 | P E N G A N T A R E K O N O M E T R I K A
Koutsoyiannis, A (1977). Theory of Econometric An Introductory Exposition of
Econometric Methods 2nd Edition, Macmillan Publishers LTD.
Maddala, G.S (1992). Introduction to Econometric, 2nd Edition, Mac-Millan
Publishing Company, New York.
190 | P E N G A N T A R E K O N O M E T R I K A
AGUS TRI BASUKI adalah Dosen Fakultas Ekonomi di Universitas
Muhammadiyah Yogyakarta sejak tahun 1994. Mengajar Mata Kuliah Statistik,
Ekonometrik, Matematika Ekonomi dan Pengantar Ekonomi. S1 diselesaikan di
Program Studi Ekonomi Pembangunan Universitas Gadjah Mada Yogyakarta
tahun 1993, kemudian pada tahun 1997 melanjutkan Magister Sains di
Pascasarjana Universitas Padjadjaran Bandung jurusan Ekonomi Pembangunan.
Dan saat ini penulis sedang melanjutkan Program Doktor Ilmu Ekonomi di
Universitas Sebelas Maret Surakarta.
Penulis selain mengajar di Universitas Muhammadiyah Yogyakarta juga
mengajar diberbagai Universitas di Yogyakarta. Selain sebagai dosen, penulis
juga menjadi konsultan di berbagai daerah di Indonesia.
Selain Buku Pengantar Ekonometrika, penulis juga menyusun Buku :
1. Pengantar Teori Ekonomi,
2. Statistik Untuk Ekonomi dan Bisnis,
3. Electronic Data Processing
4. Analisis Regresi Dalam Penelitian Ekonomi dan Bisnis
5. Analisis Statistik dengan SPSS
191 | P E N G A N T A R E K O N O M E T R I K A