KOMPUTASI STATISTIK
Klasifikasi Emas Indonesia sebagai Hedge dan Safe Haven Asset terhadap Pasar Saham
Domestik dan Luar Negeri serta Dolar Tahun 2008-2015
MARINI SYAFITRI dan AISYAH FITRI YUNIASIH
Pendugaan Standard Error dan Confidence Interval Koefisien Gini dengan Metode Bootstrap:
Terapan pada Data Susenas Provinsi Papua Barat Tahun 2013
DWI INDRI ARIESKA dan NOVI HIDAYAT PUSPONEGORO
Developing Panel Data and Time Series Application (Delta) : Smoothing Module
NENSI FITRIA DELI dan SITI MARIYAH
Dewan Redaksi :
Ketua: Dr. Hardius Usman
Anggota: Dr. Nasrudin.
Dr. Ernawati Pasaribu
Mitra Bestari: Prof. Dr. Abuzar Asra
Prof. Dr. Irdam Ahmad
Prof. Nur Iriawan, Ph.D.
Dr. Hari Wijayanto
Setia Pramana, Ph.D.
Dr. Erni Tri Astuti
Pelaksana Redaksi: Dr. Budiasih
Dr. Subagio Dwijosumono
Dr. I Made Arcana
Dr. Thiodora Hadumaon S.
Dr. M. Ari Anggorowati
Novia Budi Parwanto, Ph.D.
Alamat Redaksi:
Sekolah Tinggi Ilmu Statistik
Jl. Otto Iskandardinata 64C
Jakarta Timur 13330
Telp. 021-8191437
Redaksi menerima karya ilmiah atau artikel penelitian mengenai kajian teori statistik dan komputasi
statistik pada bidang ekonomi dan sosial kependudukan, serta teknologi informasi. Redaksi berhak
menyunting tulisan tanpa mengubah makna substansi tulisan. Isi Jurnal Aplikasi Statistika dan
Komputasi Statistik dapat dikutip dengan menyebutkan sumbernya.
Syukur Alhamdulillah, di akhir tahun 2016 “Jurnal Aplikasi Statistika dan Komputasi
Statistik” Volume 8, Nomor 2, Desember 2016 dapat diterbitkan. Jurnal kampus STIS ini
dapat terwujud atas partisipasi Bapak/Ibu dosen di STIS beserta mahasiswa bimbingan
skripsinya yang telah mengirimkan artikel kepada redaksi, serta peran dari para editor jurnal.
Untuk atensi dan kerjasama yang baik guna keberlangsungan terbitnya jurnal ini redaksi
mengucapkan terimakasih.
Semoga artikel dalam jurnal ini dapat menambah pengetahuan para pembaca tentang
penggunaan metode statistika serta komputasi statistik pada berbagai jenis data. Redaksi terus
menunggu artikel-artikel ilmiah selanjutnya dari Bapak/Ibu guna dapat menghasilkan
publikasi yang menjadi salah satu sarana untuk memberikan sosialisasi statistika bagi
masyarakat.
Hardius Usman
DAFTAR ISI
Pengantar Redaksi………………………………………………………..……….…………iii
Daftar Isi……………………………………………………..……………………………….iv
Abstrak..……………………………………………………..…………………………..….v-x
Klasifikasi Emas Indonesia sebagai Hedge dan Safe Haven Asset terhadap Pasar Saham
Domestik dan Luar Negeri serta Dolar Tahun 2008-2015
Marini Syafitri, dkk……………………………………………………….………………20-32
Pendugaan Standard Error dan Confidence Interval Koefisien Gini dengan Metode
Bootstrap: Terapan pada Data Susenas Provinsi Papua Barat Tahun 2013
Dwi Indri Arieska, dkk…………………………………………………….……………...57-66
Developing Panel Data and Time Series Application (Delta): Smoothing Module
Nensi Fitria Deli, dkk……………………………………………………………......……67-80
Kata kunci bersumber dari artikel. Lembar abstrak ini boleh diperbanyak tanpa izin dan
biaya
DDC: 315.98 DDC: 315.98
Mohammad Junaedi, Heny K. S. Daryanto, Marini Syafitri dan Aisyah Fitri Yuniasih
Bonar M. Sinaga dan Sri Hartoyo
Klasifikasi Emas Indonesia sebagai Hedge
Efisiensi dan Kesenjangan Teknologi dan Safe Haven Asset terhadap Pasar
Usahatani Padi Sawah di Pulau Jawa Saham Domestik dan Luar Negeri serta
Dolar Tahun 2008-2015
Jurnal Aplikasi Statistika & Komputasi
Statistik, Volume 8, Nomor 2, Desember Jurnal Aplikasi Statistika & Komputasi
2016, hal 1 – 19 Statistik, Volume 8, Nomor 2, Desember
2016, hal 20 – 32
Abstrak
Karakteristik antarprovinsi yang berbeda Abstrak
menyebabkan kesenjangan penggunaan Emas seharusnya merupakan salah satu
teknologi dalam usahatani padi sawah di instrumen investasi yang menjanjikan
Pulau Jawa yang mengakibatkan ukuran karena sifatnya yang baik sebagai alat
jumlah produksi maksimal (frontier) diversifikasi investasi (O’Byrne dan
antarprovinsi tidak dapat diperbandingkan. O’Brien (2013)). Namun, terjadi
Penelitian ini bertujuan untuk menganalisis penurunan yang drastis pada total investasi
faktor apa saja yang memengaruhi emas Indonesia pada masa pascakrisis
produksi, efisiensi dan bagaimana global yaitu pada tahun 2009. Penelitian ini
kesenjangan teknologi pada usahatani padi bertujuan untuk mengklasifikasikan emas
sawah di Pulau Jawa. Untuk membuktikan Indonesia sebagai strong atau weak hedge
bahwa ukuran tingkat efisiensi di 4 dan safe haven asset dalam pasar saham
provinsi sentra di Pulau Jawa tidak dapat domestik dan luar negeri serta pasar dolar
diperbandingkan, maka pada penelitian ini AS, pada kondisi secara umum dan kondisi
digunakan analisis meta-frontier. Hasil bullish dan bearish periode 2008-2015.
penelitian menunjukkan bahwa semua Penelitian ini menggunakan model
koefisien variabel fungsi produksi sesuai Autoregressive Distributed Lag (ARDL)
harapan bernilai positif. Penelitian ini juga dalam analisis hedge dan safe haven dari
menunjukkan bahwa penggunaan ukuran emas IndonesiaPenelitian ini menunjukkan
efisiensi teknis yang diukur berdasarkan bahwa emas Indonesia secara umum
frontier masing-masing provinsi akan berperan sebagai sebagai weak hedge asset
menyebabkan kebijakan yang dihasilkan dalam pasar saham internasional, strong
menjadi bias dan salah arah, sehingga hedge asset dalam pasar dolar AS, strong
dibutuhkan catatan khusus dalam safe haven asset baik dalam pasar saham
analisisnya. domestik maupun internasional dan weak
Kata kunci: efisiensi, kesenjangan safe haven dalam pasar dolar AS.
teknologi, meta-frontier, usahatani, padi Kata kunci: investasi, emas, resiko, Dolar AS,
sawah hedge and safe haven, ARDL
Abstrak | v
DDC: 315.98 DDC: 315.98
Fakhri Aliyudin dan Budyanra Yulia Atma Putri dan Margaretha Ari
Anggorowati
Faktor-Faktor yang Memengaruhi
Komplikasi Persalinan Wanita Usia Subur Metode Penanganan Multikolinieritas pada
di Indonesia Menggunakan Data SDKI RLB: Perbandingan Partial Least Square
2012 (Aplikasi Analisis Regresi Logistik dengan Ridge Regression
Biner Multilevel)
Jurnal Aplikasi Statistika & Komputasi
Jurnal Aplikasi Statistika & Komputasi Statistik, Volume 8, Nomor 2, Desember
Statistik, Volume 8, Nomor 2, Desember 2016, hal 47 – 56
2016, hal 33 – 46
Abstrak
Abstrak Multikolinieritas antar variabel prediktor
Maternal Mortality Rate (MMR) is still a merupakan pelanggaran asumsi pada
crucial problem in Indonesia considering Regresi Linier Berganda (RLB) ketika
the incidence rate is still high enough that estimasi dilakukan dengan menggunakan
is about 359 per 100,000 births. The estimator Ordinary Least Square (OLS).
biggest cause of MMR in Indonesia is due Ridge Regression (RR) dan Partial Least
to the high incidence of birth Square Regression (PLSR) adalah metode
complications. This papers aims to yang umum digunakan untuk menangani
determine the factors that affect the masalah tersebut. RR memodifikasi
incidence of birth complications in women metode OLS dengan menambahkan suatu
of childbearing age in Indonesia by using konstanta bias yang bersifat subjektif,
regression of logistic biner multilevel sedangkan PLSR mengeneralisasi dan
analysis. The data used are sourced from mengkombinasikan metode Analisis
Indonesia Demographic and Health Survey Komponen Utama dengan metode RLB.
2012 (SDKI-2012). Based on the results of Efisiensi kedua metode akan dibandingkan
data processing, it is known that variables berdasarkan nilai RMSE. Data yang akan
of parity, pregnancy complications, history digunakan adalah data generate
of previous complications and ratio of berdasarkan tingkat multikolinieritas,
health centers per 100,000 population are jumlah variabel, dan jumlah observasi.
significantly affect the incidence of birth Perbandingan memberikan hasil bahwa
complications in women of childbearing secara keseluruhan kedua metode memiliki
age in Indonesia. tingkat efisiensi yang sama.
Keywords: the incidence of birth Kata kunci: RLB, OLS, Multikolinieritas,
complications, Indonesia Demographic RR, PLSR.
and Health Survey 2012 (SDKI-2012) and
Regression of Logistic Biner Multilevel
Analysis
Jurnal Aplikasi Statistika & Komputasi Nensi Fitria Deli dan Siti Mariyah
Statistik, Volume 8, Nomor 2, Desember
2016, hal 57 – 66 Developing Panel Data and Time Series
Application (Delta): Smoothing Module
Abstrak
Ketimpangan pendapatan merupakan salah Jurnal Aplikasi Statistika & Komputasi
satu indikator pembangunan ekonomi suatu Statistik, Volume 8, Nomor 2, Desember
negara. Salah satu ukuran ketimpangan
2016, hal 67 – 80
pendapatan yang sering digunakan adalah
koefisien gini. Namun, koefisien gini yang
Abstrak
dipublikasikan merupakan estimasi titik yang
Smoothing adalah salah satu metode yang
memiliki kekurangan dalam fungsinya sebagai
umum digunakan untuk meramalkan data time
penduga dikarenakan tidak
series. Saat ini sudah banyak aplikasi pengolah
dipertimbangkannya peluang kebenaran dalam
data time series yang menyediakan fungsi
nilai tersebut. Sehingga, penduga titik saja
smoothing, antara lain EViews, Minitab,
tidak cukup untuk mengestimasi suatu
Zaitun TS, dan R. Namun, aplikasi-aplikasi
parameter maka penduga interval menjadi
tersebut masih memiliki kekurangan, seperti
penting karena merepresentasikan akurasi atau
tidak tersedianya fasilitas untuk
presisi dari sebuah estimasi. Penelitian ini
membandingkan beberapa metode smoothing
menerapkan metode pendugaan terhadap
sekaligus. Oleh karena itu, dibangun sebuah
standard error dan confidence interval
aplikasi yang open source yaitu aplikasi
koefisien gini dengan metode bootstrap guna
DELTA modul smoothing yang menyediakan
memperoleh penduga selang nilai koefisien
metode smoothing yang lengkap dan fasilitas
gini. Data yang dipergunakan dalam kajian ini
untuk membandingkan beberapa metode
adalah data Susenas Provinsi Papua Barat
sekaligus. Berdasarkan uji coba yang telah
tahun 2013. Dengan mempergunakan nilai
dilakukan, aplikasi yang dibangun telah sesuai
koefisien gini yang telah disesuaikan
dengan pengguna dan keluaran yang
(koefisien gini bias-corrected) maka
ditampilkan sesuai dengan teori yang dijadikan
pendugaan standar error koefisien gini bias-
sebagai acuan.
corrected Provinsi Papua Barat tahun 2013
Kata kunci: smoothing, peramalan, aplikasi
dilakukan dengan dua metode yaitu
time series, aplikasi data panel, eksponensial,
perhitungan sampel asli dan resample metode
rata-rata bergerak.
bootstrap nonparametrik. Temuan pada kajian
ini adalah penduga selang koefisien gini yang
Abstrak | vii
JURNAL APLIKASI STATISTIKA & KOMPUTASI STATISTIK
(Journal of Statistical Application & Statistical Computing)
ISSN 2086 – 4132 Volume 8, Nomor 2, Desember 2016
Kata kunci bersumber dari artikel. Lembar abstrak ini boleh diperbanyak tanpa izin dan
biaya
DDC: 315.98 DDC: 315.98
Mohammad Junaedi, Heny K. S. Daryanto, Marini Syafitri dan Aisyah Fitri Yuniasih
Bonar M. Sinaga dan Sri Hartoyo
Klasifikasi Emas Indonesia sebagai Hedge
Efisiensi dan Kesenjangan Teknologi dan Safe Haven Asset terhadap Pasar
Usahatani Padi Sawah di Pulau Jawa Saham Domestik dan Luar Negeri serta
Dolar Tahun 2008-2015
Jurnal Aplikasi Statistika & Komputasi
Statistik, Volume 8, Nomor 2, Desember Jurnal Aplikasi Statistika & Komputasi
2016, hal 1 – 19 Statistik, Volume 8, Nomor 2, Desember
2016, hal 20 – 32
Abstract
The characteristics of different provinces Abstract
led to the use of different technologies Gold is supposed to be one of the
among wetland rice farming in Java. Such promising investment instruments because
differences lead to the technology gap that it has good characteristics as a means for
resulted in incomparable frontier size investment diversification (O'Byrne and
among provinces. This study analysed the O'Brien (2013)). However, during post-
factors affected on the production, global crisis, especially in 2009,
efficiency and how the technological gap Indonesian gold investment was lower than
in wetland rice farming. Meta-frontier before. This study aims to identify the
analysis is applied in this article to prove classification of Indonesian gold in terms
that the measure of the technical efficiency of its strength and its role in the domestic
level in four Java Island provinces cannot and foreign stock market as well as the US
be compared among each other. All Dollar market, in both normal condition
variable coefficients production function and bullish and bearish conditions in
as expected is positive and significant. This 2008-2015. This study uses the ARDL
study also shows that the utilization of model in its analysis of hedge and safe
technical efficiency (TE) were measured haven of Indonesian gold. It indicates that
based on their respective frontier province the Indonesian gold, in general, act as a
could lead to biased and misleading policy weak hedge asset in the international stock
decisions, so it needs to be given special market, a strong hedge asset in the US
notes in its analysis. Dollar market, a strong safe haven asset in
Keywords: efficiency, meta-frontier, the domestic and international stock
technology gap, wetland rice farming market and a weak safe haven in the US
Dollar market.
Keywords: investment, gold, risk, US
Dollar, hedge and safe haven, ARDL
viii | Jurnal Aplikasi Statistika & Komputasi Statistik V.8.2.2016, ISSN 2086-4132
DDC: 315.98 DDC: 315.98
Fakhri Aliyudin dan Budyanra Yulia Atma Putri dan Margaretha Ari
Anggorowati
Faktor-Faktor yang Memengaruhi
Komplikasi Persalinan Wanita Usia Subur Metode Penanganan Multikolinieritas pada
di Indonesia Menggunakan Data SDKI RLB: Perbandingan Partial Least Square
2012 (Aplikasi Analisis Regresi Logistik dengan Ridge Regression
Biner Multilevel)
Jurnal Aplikasi Statistika & Komputasi
Jurnal Aplikasi Statistika & Komputasi Statistik, Volume 8, Nomor 2, Desember
Statistik, Volume 8, Nomor 2, Desember 2016, hal 47 – 56
2016, hal 33 – 46
Abstract
Abstract Mullticolinearity between variable
Maternal Mortality Rate (MMR) is still a predictor in multiple regression is
crucial problem in Indonesia considering assuming violation for ordinary least
the incidence rate is still high enough that square estimator (OLS). Ridge Regression
is about 359 per 100,000 births. The (RR) and Partial Least Square Regression
biggest cause of MMR in Indonesia is due (PLSR were used to handle the
to the high incidence of birth multicollinearity problem. RR modify OLS
complications. This papers aims to by adding subjective bias constant, while
determine the factors that affect the PLSR, generalize and combine Principal
incidence of birth complications in women Component Analysis and multiple
of childbearing age in Indonesia by using regression. The efficiency of these two
regression of logistic biner multilevel methods will be compared based on the
analysis. The data used are sourced from value of RMSE. This study simulated
Indonesia Demographic and Health Survey generating data in different level of
2012 (SDKI-2012). Based on the results of multicollinearity, the number of variable,
data processing, it is known that variables and number of observation were
of parity, pregnancy complications, history controlled. This study results that, overall,
of previous complications and ratio of both method equally efficient.
health centers per 100,000 population are Keywords: RLB, OLS, Multikolinieritas,
significantly affect the incidence of birth RR, PLSR
complications in women of childbearing
age in Indonesia.
Keywords: the incidence of birth
complications, Indonesia Demographic
and Health Survey 2012 (SDKI-2012) and
Regression of Logistic Biner Multilevel
Analysis
Abstrak | ix
DDC: 315.98 DDC: 315.98
Dwi Indri Arieska, dan Novi Hidayat Nensi Fitria Deli dan Siti Mariyah
Pusponegoro
Developing Panel Data and Time Series
Pendugaan Standard Error dan Confidence Application (Delta): Smoothing Module
Interval Koefisien Gini dengan Metode
Bootstrap: Terapan pada Data Susenas Jurnal Aplikasi Statistika & Komputasi
Provinsi Papua Barat Tahun 2013 Statistik, Volume 8, Nomor 2, Desember
2016, hal 67 – 80
Jurnal Aplikasi Statistika & Komputasi
Statistik, Volume 8, Nomor 2, Desember Abstract
2016, hal 57 – 66 Smoothing is commonly used methods to
predict time series data. There are many
Abstract applications that help in the processing of
Income inequality is one of economic time series data that provide smoothing
development indicators. As a kind of function such as EViews, Minitab, Zaitun
inequality indicators which is commonly TS, and R. However, these applications
used in Indonesia, gini coefficient is have some shortcomings such as the
published as a point estimation. This difficulty in comparing several methods. In
estimation are lacking in its function as an this study, we build an open source
estimator because it doesn’t considerate application that provides more complete
the probability accuration of the estimate smoothing method and a facility for
value. Thus, the confidence interval comparing several methods, namely
estimation is needed as a comprehensive smoothing module in DELTA application.
estimator. The objective of this study is Based on the tests, it can be proved that
estimate the standard errors and this application is suitable for users and
confidence intervals Gini coefficients with the displayed output is consistent with the
the bootstrap method. This study used theory.
National Social Economics Household Keywords: smoothing, forecasting, time
Survey for West Papua Province in 2013. series application, panel data application,
The Gini coefficient that used is a bias- exponential, moving average
corrected gini coefficient as consideration
the bias in the calculation. The standard
error of bias-corrected gini coefficient in
West Papua is carried out of two data,
which are the original sample and
resample nonparametric bootstrap method.
This research found out that bootstrap-t
confidence interval confidence interval is
the best confidence interval since it has the
smallest standard error and shortest
interval.
Keywords: confidence interval, bias-
corrected Gini coefficient, bootstrap
Masuk tanggal : 2 Juni 2017, diterima untuk diterbitkan tanggal : 30 Agustus 2017
Abstrak
Abstract
The characteristics of different provinces led to the use of different technologies among wetland rice
farming in Java. Such differences lead to the technology gap that resulted in incomparable frontier
size among provinces. This study analysed the factors affected on the production, efficiency and how
the technological gap in wetland rice farming. Meta-frontier analysis is applied in this article to prove
that the measure of the technical efficiency level in four Java Island provinces can not be compared
among each other. All variable coefficients production function as expected is positive and significant.
This study also shows that the utilization of technical efficiency (TE) were measured based on their
respective frontier province could lead to biased and misleading policy decisions, so it needs to be
given special notes in its analysis.
Model fungsi produksi jenis fungsi (dapat dikendalikan) dan biasanya berkaitan
Cobb-Douglas awalnya diajukan secara dengan kapabilitas managerial petani dalam
terpisah oleh Aigner et al. (1977) serta mengelola usahataninya. Komponen ini
Meeusen dan van den Broeck (1977). Galat sebarannya asimetris (one sided) yakni ui ≥
(error term) pada model mereka 0. Jika proses produksi berlangsung efisien
mengandung dua komponen, karenanya (sempurna) maka output yang dihasilkan
model ini oleh (Jondrow et al. (1982); berimpit dengan potensi produksi maksimal
Abedullah et al. (2007); Usman et al. (frontier) untuk the best practice. Dalam
(2013)) dan peneliti-peneliti lain sering hal ini tidak terjadi inefisiensi yang berarti
disebut juga sebagai "composed error ui = 0. Sebaliknya jika ui > 0 berarti berada
model". Bentuk umum model fungsi di bawah potensi tersebut, dan dikatakan
produksi Cobb-Douglas adalah sebagai terjadi inefisiensi dalam usahatani.
berikut: Distribusinya menyebar setengah normal
(u~|N(0, σ2u)|).
( 1 ) 𝑌𝑖 = 𝑓(𝑥𝑖 , 𝛽)𝑒 𝑣𝑖 −𝑢𝑖 ≡ 𝑒 𝑥𝑖 𝛽+𝑣𝑖 −𝑢𝑖 (1)
Fungsi produksi frontier merupakan
atau dalam bentuk logaritma natural ditulis jumlah output maksimum yang mungkin
sebagai berikut: dicapai dari penggunaan input pada tingkat
( 2 ) 𝑙𝑛 𝑦𝑖 = 𝑥𝑖′ 𝛽 + 𝑣𝑖 − 𝑢𝑖 teknologi tertentu dan diasumsikan sudah (2)
efisien atau tidak terjadi inefisiensi (ui=0).
dengan yi = output yang dihasilkan oleh Gambar 2 menunjukkan ilustrasi komponen
petani ke-i; xi = vektor yang berisi ln dari deterministik model frontier dari dua petani
input yang digunakan oleh petani ke-i; β = diwakili oleh petani 1 dan petani 2 dengan
vektor koefisien parameter yang tak output aktual sebesar y1 dan y2. Output
diketahui; vi - ui = galat (error term) dari frontier petani 1 (sebesar y1*) dan output
model fungsi produksi usahatani petani ke- frontier petani 2 (sebesar y2*) tidak dapat
i. Galat pada fungsi stokastik frontier diamati atau diukur karena adanya random
tersebut terdiri dari dua unsur yaitu vi dan error (vi) dari keduanya yang tidak
ui. Unsur vi adalah variasi output yang teramati. Output frontier dari petani 1
disebabkan oleh faktor-faktor eksternal berada di atas fungsi produksi deterministik
(misal iklim, serangan hama, bencana alam, frontier karena noise effect-nya bernilai
dll) yang tidak dapat dikendalikan oleh positif dan lebih besar dari inefficiency
petani, sebarannya simetris dan menyebar effect-nya, v1>0, sedangkan output frontier
normal vi ~ N(0, σ2v). Sedangkan ui untuk petani 2 berada di bawah fungsi
merefleksikan komponen inefisiensi yaitu produksi deterministik frontier karena v2<0.
komponen galat yang sifatnya internal
penyediaan lahan, maka salah satu fokus Selain variabel luas lahan dan pupuk,
utamanya adalah dengan menambah luas di Provinsi Jawa Timur variabel tenaga
areal tanam. Beberapa hasil penelitian yang kerja dan benih juga berpengaruh
mendukung besarnya peranan luas lahan signifikan. Sementara variabel selain luas
adalah penelitian yang dilakukan oleh lahan dan pupuk yang juga berpengaruh
Harianto dan Susila (2008), Kusnadi et al. signifikan di provinsi Jawa Tengah adalah
(2011) dan Achmad et al. (2012). Variabel variabel tenaga kerja, dan di provinsi
pupuk berpengaruh signifikan terhadap Banten yang juga berpengaruh signifikan
produksi padi sawah di semua provinsi adalah variabel penggunaan benih non-
walaupun nilainya relatif kecil. Sebagai lokal. Salah satu alasan mengapa variabel
contoh, elastisitas pupuk terbesar dari tenaga kerja berpengaruh tidak signifikan
keempat provinsi adalah elastisitas pupuk di adalah karena dengan rata-rata luas lahan
Provinsi Jawa Timur sebesar 7,7 persen yang sempit dimana sebagian besar petani
yang berarti setiap penambahan jumlah adalah petani gurem, maka penambahan
pupuk sebesar 100 persen maka akan tenaga kerja justru dirasakan tidak efektif
memberikan kontribusi penambahan jumlah karena penambahan tenaga kerja dengan
produksi padi sawah sebesar 7,7 persen. luas lahan sempit dianggap tidak dapat
Walaupun relatif kecil, namun informasi ini menambah jumlah produksi. Demikian
bisa membantu pemerintah dalam halnya dengan mengapa variabel
menyusun kebijakan pertanian seperti penggunaan benih non-lokal berpengaruh
kebijakan pemberian subsidi pupuk. tidak signifikan karena umumnya petani
12 | Jurnal Aplikasi Statistika & Komputasi Statistik V.8.2.2016, ISSN 2086-4132
sudah menggunakan benih non-lokal yang Provinsi Sumatera Utara, Jawa Barat dan
sudah banyak tersedia dan bisa diperoleh Jawa Timur.
dengan mudah, sehingga yang lebih Pendidikan petani berpengaruh negatif
dibutuhkan petani dalam meningkatkan terhadap inefisiensi usahatani padi sawah di
produksinya adalah penggunaan teknologi Provinsi Jawa Tengah, Jawa Timur dan
yang lain selain teknologi varietas benih. Banten, namun hanya berpengaruh
Hasil pengolahan juga menunjukkan signifikan di Provinsi Banten. Artinya
bahwa kesepuluh variabel sosial ekonomi semakin tinggi tingkat pendidikan petani,
berpengaruh beragam terhadap inefisiensi akan semakin efisien dalam usahataninya.
usahatani padi di setiap provinsi. Secara Hal ini sejalan dengan penelitian Asadullah
umum tingkat pendidikan, penggunaan dan Rahman (2005) serta penelitian
traktor, memperoleh kredit, memperoleh Abedullah et al. (2007). Pendidikan dapat
penyuluhan, menjadi anggota kelompok meningkatkan kemampuan petani untuk
tani dan musim hujan berpengaruh negatif mencari, memperoleh dan
terhadap inefisiensi atau diinterpretasikan menginterpretasikan informasi yang
sebaliknya bahwa faktor-faktor ini berguna tentang penggunaan input-input
memberikan pengaruh positif terhadap produksi. Berarti semakin tinggi tingkat
tingkat efisiensi usahatani padi sawah. pendidikan akan berdampak pada kemauan
Sebaliknya, jenis kelamin petani, umur, dan kemampuan petani dalam mengakses
memperoleh bantuan, dan status informasi tentang penggunaan faktor
kepemilikan lahan secara umum produksi. Peningkatan pendidikan baik
berpengaruh positif terhadap inefisiensi, formal maupun non formal dapat
artinya faktor-faktor ini justru membuat meningkatkan kualitas pengelolaan
usahatani padi sawah menjadi tidak efisien. usahatani karena dengan peningkatan
Petani laki-laki berpengaruh positif pendidikan akan terjadi peningkatan
terhadap inefisiensi usahatani padi sawah di pengetahuan, wawasan, keterampilan, sikap
seluruh provinsi dan signifikan di Provinsi positif, logis dalam berfikir, adaptif,
Jawa Tengah dan Jawa Timur. Hasil yang inisiatif, lebih risk taker, serta
sama diperoleh pada penelitian (Oladeebo meningkatkan rasa ingin tahu dan mencoba
dan Fajuyigbe, 2007) yang meneliti hal-hal yang baru.
efisiensi teknis produksi padi ladang pada Penggunaan traktor berpengaruh
100 petani laki-laki dan perempuan di Osun negatif terhadap inefisiensi, atau
State-Nigeria. Hal ini menunjukkan bahwa berpengaruh positif dalam meningkatkan
secara umum petani perempuan relatif lebih efisiensi usahatani di seluruh provinsi dan
banyak berkontribusi dalam meningkatkan berpengaruh signifikan di Provinsi Jawa
efisiensi usahatani, karena petani Barat dan Jawa Tengah. Hasil penelitian ini
perempuan dianggap relatif lebih tekun dan sejalan dengan penelitian Abedullah et al.
teliti dalam bekerja dibandingkan petani (2007) bahwa pada batas tertentu
laki-laki yang cenderung mengandalkan penggunaan teknologi mekanisasi akan
kekuatan tenaganya. lebih mempercepat dalam proses
Umur petani berpengaruh positif pengolahan lahan, sehingga hal ini dapat
terhadap inefisiensi usahatani padi sawah di meningkatkan efisiensi.
seluruh provinsi dan signifikan di Provinsi Variabel menerima kredit sebagian
Jawa Barat dan Jawa Tengah. Hal ini besar berpengaruh negatif terhadap
menunjukkan bahwa semakin tua usia inefisiensi usahatani dan berpengaruh
petani, semakin mengurangi tingkat signifikan di Provinsi Banten. Hal ini
efisiensi usahataninya, karena terkait menunjukkan bahwa kredit yang diberikan
dengan kekuatan fisik petani yang semakin kepada petani dapat dimanfaatkan untuk
berkurang dibandingkan petani-petani yang pembiayaan dan pembelian input secara
relatif lebih muda. Hasil ini sejalan dengan lebih baik sehingga dapat meningkatkan
hasil penelitian Tinaprilla (2012) di efisiensi usahatani. Dukungan peranan
lembaga-lembaga dalam meningkatkan
Kesenjangan Teknologi Usahatani…./Junaedi M, Daryanto HKS, Sinaga BM, Hartoyo S | 13
efisiensi juga diteliti oleh Oduol et al. Musim hujan secara umum
(2006) di Kenya, Idiong (2007) di Nigeria. berpengaruh negatif terhadap inefisiensi
Variabel menerima bantuan usaha dan signifikan di Provinsi Jawa Tengah.
berupa hibah atau subsidi berpengaruh Hal ini mengindikasikan bahwa bercocok
positif terhadap inefisiensi di semua tanam di musim hujan akan berpeluang
provinsi dan berpengaruh signifikan di lebih efisien dibandingkan saat musim
Provinsi Jawa Barat dan Jawa Tengah, kemarau, ditambah lagi jika kondisi
artinya pemberian bantuan berupa hibah jaringan irigasi yang kurang memadai,
atau subsidi yang diharapkan dapat maka kondisi musim hujan akan sangat
meningkatkan efisiensi usahatani, justru mendukung pengairan usahatani padi
mengurangi efisiensi usahatani. Ini sawah. Hal ini menginformasikan betapa
mengindikasikan bahwa bantuan yang pentingnya keberadaan saluran irigasi yang
diberikan tidak tepat sasaran atau salah terawat dengan baik dalam mendukung
dalam penggunaan yang seharusnya usahatani padi sawah.
bantuan digunakan untuk usahatani namun Status lahan milik sendiri secara
sebaliknya digunakan untuk kebutuhan umum berpengaruh positif terhadap
konsumtif. inefisiensi usahatani padi sawah dan
Variabel memperoleh penyuluhan/ berpengaruh signifikan di Provinsi Jawa
bimbingan terkait usahatani berpengaruh Timur dan Banten. Hal ini menunjukkan
negatif terhadap inefisiensi di Provinsi Jawa bahwa petani penyewa lahan berpeluang
Barat dan Jawa Tengah dan berpengaruh lebih efisien dibandingkan petani yang
signifikan di Provinsi Jawa Barat. memiliki lahan sendiri. Petani penyewa
Sebaliknya Variabel memperoleh lahan menanggung risiko lebih besar jika
penyuluhan terkait usahatani berpengaruh gagal panen, karena harus menanggung
positif terhadap inefisiensi di Provinsi Jawa kerugian biaya sewa lahan dan kerugian
Timur dan Banten. Perbedaan pengaruh gagal panen, karenanya petani penyewa
penyuluhan terhadap efisiensi usahatani lahan cenderung lebih optimal dalam
banyak dipengaruhi oleh keefektifan pemanfaat lahan dan bahkan cenderung
penyuluhan dan kemanfaatan yang over use dalam penggunaan input
diharapkan dari penyuluhan tersebut, usahataninya karena berharap akan
disamping juga dipengaruhi oleh seberapa mendapatkan keuntungan yang lebih besar
kuat kemauan dan kemampuan petani untuk menutupi biaya sewa lahannya.
dalam mengadopsi dan mengadaptasi Sampai saat ini belum ditemukan
pengetahuan dan informasi baru dalam ketentuan terkait batasan minimal nilai
usahatani. efisiensi yang dapat diacu untuk
Keanggotaan dalam kelompok tani menentukan suatu usaha produksi dikatakan
berpengaruh negatif terhadap inefisiensi telah efisien. Beberapa penelitian seperti
usahatani di semua provinsi dan yang dilakukan Kusnadi et al. (2011) dan
berpengaruh signifikan di Provinsi Jawa Tinaprilla (2012) menggunakan angka 80
Barat, Jawa Tengah dan Jawa Timur. persen sebagai batasan suatu usahatani
Keanggotaan dalam kelompok tani akan dikatakan telah efisien, sementara peneliti
dirasakan kemanfaatannya sangat yang lain menggunakan batasan yang
bergantung kepada seberapa aktif petani berbeda. Masing-masing peneliti bisa
anggota dalam kelompok tersebut. menentukan batasan minimal sesuai dengan
Pengaruh negatif terhadap inefisiensi hasil yang diperoleh dan disesuaikan
usahatani mengindikasikan bahwa dengan tujuan penelitiannya. Dalam
keberadaan kelompok tani masih usahatani padi, target kementerian pertanian
diperlukan dalam usahatani, karena dengan selalu didasarkan pada nilai produktivitas
bekerja bersama dan saling mendukung terutama produktivitas lahan sebagai
dalam sebuah kelompok akan ukuran pencapaian, bukan nilai efisiensi
meningkatkan efisiensi usahatani. teknis.
Nilai efisiensi teknis (TE) pada setiap Kesenjangan teknologi suatu frontier
provinsi seperti tersaji pada Tabel 3 provinsi terhadap meta-frontier bisa diukur
menunjukkan bahwa di semua wilayah bisa dengan melihat besaran ukuran Technology
dianggap efisien jika menggunakan batasan Gap Ratio (TGR) di Tabel 3, dimana
minimal 70 persen, namun jika digunakan ukuran TGR ini bisa digunakan untuk
batas minimal 80 persen maka hanya mengukur peluang suatu wilayah dalam
Provinsi Jawa Barat yang belum efisien meningkatkan produksinya untuk mencapai
dalam usahataninya. Dengan menggunakan produksi potensial (Battese et al., 2004).
frontier lokal masing-masing provinsi Nilai rata-rata TGR beragam, mulai dari
sebagai acuan, secara rata-rata Provinsi 0,7161 (Provinsi Banten) hingga 0,9861
Banten merupakan provinsi paling efisien (Provinsi Jawa Barat). Berdasarkan rata-
dengan nilai efisiensi teknis sebesar 91,78 rata ukuran TGR di Tabel 3 bisa dilihat
persen dan di Provinsi Jawa Barat bahwa Provinsi Jawa Barat kesenjangan
merupakan provinsi paling tidak efisien teknologinya paling kecil dengan nilai TGR
dengan nilai efisiensi sebesar 72,97 persen. = 98,61 persen atau dengan kondisi
Berdasarkan pada acuan (benchmark) pada teknologi yang tersedia rata-rata produksi
masing-masing frontier provinsi, dengan padi di Jawa Barat sudah 98,61 persen dari
menggunakan batas minimal efisiensi 70 produksi potensial yang bisa dicapai di
persen maka kondisi yang sudah efisien ini Pulau Jawa. Seperti digambarkan dalam
berimplikasi pada masing-masing provinsi ilustrasi pada Gambar 3 maka fungsi
akan merasa cukup puas dengan capaian produksi frontier Provinsi Jawa Barat bisa
efisiensi usahatani padi sawahnya, karena digambarkan paling rapat mendekati fungsi
tidak banyak lagi peluang untuk dapat produksi meta-frontier. Hal ini berarti
mencapai kondisi efisiensi teknis yang penggunaan teknologi di Jawa Barat relatif
sempurna. Provinsi Banten tentunya akan lebih baik dibandingkan provinsi lain.
bangga dengan capaian prestasi efisiensi Berdasarkan nilai-nilai TGR tersebut
tertinggi sebesar 91,78 persen, yang artinya maka efisiensi teknis (TE) dari masing-
tinggal 8 persen lagi peluang untuk masing provinsi bisa dikoreksi dan bisa
mencapai tingkat efisiensi yang sempurna. diperbandingkan, karena sudah
mempertimbangkan aspek kesenjangan
Masuk tanggal : 20 Desember 2016, diterima untuk diterbitkan tanggal : 10 Juli 2017
Abstrak
Emas seharusnya merupakan salah satu instrumen investasi yang menjanjikan karena sifatnya yang
baik sebagai alat diversifikasi investasi (O’Byrne dan O’Brien (2013)). Namun, terjadi penurunan
yang drastis pada total investasi emas Indonesia pada masa pascakrisis global yaitu pada tahun 2009.
Penelitian ini bertujuan untuk mengklasifikasikan emas Indonesia sebagai strong atau weak hedge dan
safe haven asset dalam pasar saham domestik dan luar negeri serta pasar dolar AS, pada kondisi secara
umum dan kondisi bullish dan bearish periode 2008-2015. Penelitian ini menggunakan model
Autoregressive Distributed Lag (ARDL) dalam analisis hedge dan safe haven dari emas
IndonesiaPenelitian ini menunjukkan bahwa emas Indonesia secara umum berperan sebagai sebagai
weak hedge asset dalam pasar saham internasional, strong hedge asset dalam pasar dolar AS, strong
safe haven asset baik dalam pasar saham domestik maupun internasional dan weak safe haven dalam
pasar dolar AS.
Kata kunci: investasi, emas, resiko, Dolar AS, hedge and safe haven, ARDL
Abstract
Gold is supposed to be one of the promising investment instruments because it has good
characteristics as a means for investment diversification (O'Byrne and O'Brien (2013)). However,
during post-global crisis, especially in 2009, Indonesian gold investment was lower than before. This
study aims to identify the classification of Indonesian gold in terms of its strength and its role in the
domestic and foreign stock market as well as the US Dollar market, in both normal condition and
bullish and bearish conditions in 2008-2015. This study uses the ARDL model in its analysis of hedge
and safe haven of Indonesian gold. It indicates that the Indonesian gold, in general, act as a weak
hedge asset in the international stock market, a strong hedge asset in the US Dollar market, a strong
safe haven asset in the domestic and international stock market and a weak safe haven in the US
Dollar market.
Keywords: investment, gold, risk, US Dollar, hedge and safe haven, ARDL
Masuk tanggal : 30 November 2016, diterima untuk diterbitkan tanggal : 20 Juni 2017
Abstract
Maternal Mortality Rate (MMR) is still a crucial problem in Indonesia considering the incidence rate
is still high enough that is about 359 per 100,000 births. The biggest cause of MMR in Indonesia is
due to the high incidence of birth complications. This papers aims to determine the factors that affect
the incidence of birth complications in women of childbearing age in Indonesia by using regression of
logistic biner multilevel analysis. The data used are sourced from Indonesia Demographic and Health
Survey 2012 (SDKI-2012). Based on the results of data processing, it is known that variables of parity,
pregnancy complications, history of previous complications and ratio of health centers per 100,000
population are significantly affect the incidence of birth complications in women of childbearing age
in Indonesia.
Keywords: the incidence of birth complications , Indonesia Demographic and Health Survey 2012
(SDKI-2012) and Regression of Logistic Biner Multilevel Analysis
Masuk tanggal : 10 April 2017, diterima untuk diterbitkan tanggal : 20 Juli 2017
Abstrak
Multikolinieritas antar variabel prediktor merupakan pelanggaran asumsi pada Regresi Linier
Berganda (RLB) ketika estimasi dilakukan dengan menggunakan estimator Ordinary Least Square
(OLS). Ridge Regression (RR) dan Partial Least Square Regression (PLSR) adalah metode yang
umum digunakan untuk menangani masalah tersebut. RR memodifikasi metode OLS dengan
menambahkan suatu konstanta bias yang bersifat subjektif, sedangkan PLSR mengeneralisasi dan
mengkombinasikan metode Analisis Komponen Utama dengan metode RLB. Efisiensi kedua metode
akan dibandingkan berdasarkan nilai RMSE. Data yang akan digunakan adalah data generate
berdasarkan tingkat multikolinieritas, jumlah variabel, dan jumlah observasi. Perbandingan
memberikan hasil bahwa secara keseluruhan kedua metode memiliki tingkat efisiensi yang sama.
Abstract
Mullticolinearity between variable predictor in multiple regression is assuming violation for ordinary
least square estimator (OLS). Ridge Regression (RR) and Partial Least Square Regression (PLSR
were used to handle the multicollinearity problem. RR modify OLS by adding subjective bias constant,
while PLSR, generalize and combine Principal Component Analysis and multiple regression. The
efficiency of these two methods will be compared based on the value of RMSE. This study simulated
generating data in different level of multicollinearity, the number of variable, and number of
observation were controlled. This study results that, overall, both method equally efficient.
Tabel 2. Kesimpulan metode yang lebih efisien berdasarkan nilai RMSE pada tingkat
multikolinieritas sedang
Berdasarkan nilai RMSE pada Tabel Jika efisiensi metode RR dan PLSR
1 dan kesimpulannya pada Tabel 2, untuk dibandingkan dengan metode OLS sebagai
semua kondisi dengan tingkat estimator pembentuk koefisien regresi saat
multikolinieritas sedang, baik yang terjadi multikolinieritas sedang, nilai RMSE
berdasarkan jumlah variabel maupun metode OLS pada Tabel 3 menunjukan
berdasarkan jumlah observasi, metode nilai yang lebih besar daripada metode RR
PLSR memiliki tingkat efisiensi yang sama dan PLSR pada Tabel 1, hal ini
kuat dengan metode RR. PLSR terlihat membuktikan untuk data dengan tingkat
lebih efisien ketika data yang disimulasikan multikoinieritas sedang, masalah
terdiri dari 5 variabel prediktor dan 10 multikolinieritas tetap harus ditangani
observasi. dengan menggunakan metode PLSR atau
RR.
Multiko tinggi
PLSR RR
n=10 n=50 n=100 n=500 n=10 n=50 n=100 n=500
(1) (2) (3) (4) (5) (6) (7) (8) (9)
2 0.169 0.061 0.039 0.020 0.167 0.062 0.038 0.020
3 0.148 0.033 0.024 0.013 0.138 0.034 0.025 0.013
5 0.062 0.022 0.012 0.006 0.058 0.022 0.012 0.007
Tabel 5. Kesimpulan metode yang lebih efisien berdasarkan nilai RMSE pada tingkat
multikolinieritas tinggi
n=10 n=50 n=100 n=500
(1) (2) (3) (4) (5)
p=2 RR PLSR RR PLSR=RR
p=3 RR PLSR PLSR PLSR=RR
p=5 RR PLSR=RR PLSR=RR PLSR
Bersadarkan nilai RMSE pada Tabel efisiennya. Berlanjut untuk simulasi data
4 dan kesimpulannya pada Tabel 5, untuk dengan 5 variabel prediktor, RR lebih
kondisi 2 variabel prediktor, saat data yang efisien untuk jumlah observasi 10, untuk 50
disimulasikan sebanyak 10 observasi dan dan 100 observasi kedua metode sama
100 observasi, nilai RMSE yang dihasilkan efisiennya, dan untuk observasi 500 PLSR
metode PLSR lebih besar daripada metode lebih efisien.
RR, ini menunjukan bahwa metode RR Dengan demikian, dapat disimpulkan
lebih efisien. Ketika data yang untuk tingkat multikolinieritas tinggi,
disimulasikan sebanyak 50 observasi, PLSR dengan berbagai kondisi data yang
memiliki nilai RMSE yang lebih kecil disimulasikan memberikan kesimpulan
sehingga lebih efisien. Kemudian ketika bahwa sebagian besar kondisi menunjukan
data yang digunakan sebanyak 500 metode PLSR lebih efisien. Terdapat pula
observasi, kedua metode menunjukan sebagian kondisi lain yang menunjukan
tingkat efisiensi yang sama dalam metode RR lebih efisien. Namun,
menangani multikoliniritas. Selanjutnya, perbedaan efisiensi berdasarkan nilai
simulasi data dengan kondisi 3 variabel RMSE yang terdapat pada Tabel 4 tersebut
prediktor menunjukan metode RR lebih tidak jauh berbeda.
efisien untuk data sebanyak 10 observasi, Jika dibandingkan efisiensi metode
untuk data dengan 50 dan 100 observasi RR dan PLSR dengan metode OLS sebagai
efisiensi yang lebih baik diberikan oleh estimator pembentuk koefisien regresi
metode PLSR, dan untuk data dengan 500 ketika terdapat multikolineritas tinggi, nilai
observasi kedua metode memberikan RMSE metode OLS pada Tabel 6
RMSE yang sama besar sehingga sama menunjukan nilai yang lebih besar daripada
Metode Penanganan Multikolinieritas pada RLB… / Putri YA dan Anggorowati MA | 53
metode RR dan PLSR pada Tabel 4, hal ini multikolinieritas tetap harus ditangani
membuktikan untuk data dengan tingkat dengan menggunakan metode PLSR atau
multikoinieritas tinggi, masalah RR.
Tabel 6. Nilai RMSE metode OLS pada tingkat multikolinieritas tinggi
RMSE
n=10 n=50 n=100 n=500
p=2 0.932 0.919 0.953 1.001
p=3 1.037 0.829 0.959 0.979
p=5 0.894 1.028 0.836 0.951
Tabel 7. Nilai RMSE kedua metode pada tingkat multikolinieritas sangat tinggi
Mutiko = 0,8
PLSR RR
n=10 n=50 n=100 n=500 n=10 n=50 n=100 n=500
(1) (2) (3) (4) (5) (6) (7) (8) (9)
2 0.082 0.056 0.032 0.017 0.079 0.057 0.032 0.017
3 0.104 0.027 0.020 0.010 0.091 0.027 0.020 0.010
5 0.027 0.016 0.009 0.004 0.026 0.016 0.009 0.005
Tabel 8. Kesimpulan metode yang lebih efisien berdasarkan nilai RMSE pada tingkat
multikolinieritas sangat tinggi
n=10 n=50 n=100 n=500
Bersadarkan nilai RMSE pada Tabel memiliki tingkat efisiensi yang sama.
7 dan kesimpulannya pada Tabel 8, untuk Begitu pula untuk data dengan variabel
kondisi 2 variabel prediktor, metode RR prediktor sebanyak 5, RR efisien untuk
lebih efisien untuk data dengan 10 observasi sebanyak 10, tingkat efisiensi
observasi, PLSR lebih efisien saat jumlah kedua metode sama saat observasi sebanyak
data sebanyak 50 observasi, dan efisiensi 50 dan 100, dan PLSR lebih unggul untuk
kedua metode sama untuk data dengan observasi 500.
observasi 100 dan 500. Ketika kondisi 3 Dari rincian tabel diatas dapat
variabel prediktor, metode RR lebih efisien disimpulkan bahwa untuk tingkat
untuk data dengan 10 observasi, untuk multikolinieiritas sangat tinggi, dengan
jumlah observasi lainnya kedua metode berbagai kondisi data yang disimulasikan
54 | Jurnal Aplikasi Statistika & Komputasi Statistik V.8.2.2016, ISSN 2086-4132
beberapa kondisi menunjukan metode estimator pembentuk koefisien regresi
PLSR lebih efisien. Sebagian kondisi ketika multikolinieritas sangat tinggi, maka
lainnya menunjukan metode RR yang lebih berdasarkan nilai RMSE yang ditunjukan
efisien. Namun, sebagian besar kondisi oleh Tabel 9, metode OLS menghasilkan
menunjukan kedua metode memiliki tingkat nilai RMSE yang lebih besar, hal ini
efisiensi yang sama kuat. Meskipun membuktikan buntuk data dengan tingkat
demikian, perbedaan efisiensi berdasarkan multikoinieritas sangat tinggi, masalah
nilai RMSE yang terdapat pada tabel diatas multikolinieritas tetap harus ditangani
tidak jauh berbeda. dengan menggunakan metode PLSR atau
Jika dibandingkan efisiensi metode RR.
RR dan PLSR dengan metode OLS sebagai
Tabel 9. Nilai RMSE metode OLS pada tingkat multikolinieritas sangat tinggi
RMSE
n=10 n=50 n=100 n=500
p=2 0,539 1,154 0,984 1,010
p=3 0,578 0,904 0,994 1,028
p=5 0,467 0,999 0,944 0,967
Skenario IV: Multikolinieritas Mendekati nilai RMSE yang dihasilkan dari masing-
Sempurna masing metode berdasarkan jumlah variabel
Pada skenario dengan tingkat dan jumlah observasi adalah sebagai
multikolinieritas yang mendekati sempurna, berikut:
Tabel 10. Nilai RMSE kedua metode pada tingkat multikolinieritas mendekati sempurna
Mutiko = 0,95
PLSR RR
p n=10 n=50 n=100 n=500 n=10 n=50 n=100 n=500
(1) (2) (3) (4) (5) (6) (7) (8) (9)
2 0.134 0.052 0.030 0.015 0.134 0.052 0.030 0.015
3 0.090 0.024 0.016 0.009 0.090 0.024 0.016 0.009
5 0.029 0.014 0.008 0.004 0.029 0.014 0.008 0.004
Tabel 11. Kesimpulan metode yang lebih efisien berdasarkan nilai RMSE pada tingkat
multikolinieritas mendekati sempurna
Berdasarkan nilai RMSE pada Tabel 10 dan mendekati sempura, baik metode PLSR
kesimpulan pada Tabel 11, metode PLSR maupun metode RR sama efisiennya.
memiliki nilai RMSE yang sama besar Jika dibandingkan efisiensi metode
dengan metode RR untuk semua kondisi RR dan PLSR dengan metode OLS sebagai
data yang disimulasikan. Dengan demikian, estimator pembentuk koefisien regresi
ketika terjadi multikolinieritas yang ketika multikolinieritas mendekati
sempurna, nilai RMSE metode OLS lebih
Metode Penanganan Multikolinieritas pada RLB… / Putri YA dan Anggorowati MA | 55
besar daripada metode RR dan PLSR point atau nilai batas sehingga suatu metode
seperti yang ditunjukan oleh Tabel 12, hal dikatakan lebih efisien dari metode lainnya.
ini membuktikan untuk data dengan tingkat
multikoinieritas mendekati sempurna,
DAFTAR PUSTAKA
masalah multikolinieritas tetap harus
ditangani dengan menggunakan metode Abdi, H. 2007. Partial Least Square
PLSR atau RR. Regression (PLS-Regression).
Ensyclopedia of Measurement and
Tabel 12. Nilai RMSE metode OLS pada Statistics, 1-13.
tingkat multikolinieritas sangat http://plstools.googlecode.com/svn-
tinggi history/r13/trunk/Documentation/Abd
RMSE i-PLSR2007-pretty.pdf (Diakses 21
n=10 n=50 n=100 n=500 Maret, 2015).
p=2 0,978 1,105 0,921 0,941 Adnan, N., Ahmad, M. H., dan Adnan, R.
p=3 0,838 0,902 0,847 1,024 2006. A Comparative Study On Some
p=5 0,639 1,003 0,943 0,977 Methods For Handling
Multicolinierity Problems. Journal of
Matematics, Vol. 22 No. 2, 109-119.
KESIMPULAN DAN SARAN http://www.matematika.utm.my/index
.php/matematika/article/viewFile/179/
Berdasarkan simulasi yang telah 174. (Diakses 19 Maret, 2015).
dilakukan, untuk tingkat multikolinieritas Garthwaite, P. H. 1994. An Intepretation of
sedang, tinggi, dan sangat tinggi, beberapa Partial Least Squares. Journal of the
kondisi menunjukan salah satu metode American Statistical Association, Vol.
lebih efisien dan sebagian besar kondisi 89 No. 425, 122-127.
lainnya menunjukan tingkat efisien yang http://amstat.tandfonline.com/doi/abs/
sama untuk kedua metode. Sedangkan 10.1080/01621459.1994.10476452 .
tingkat multikolnieritas mendekati (Diakses, 20 Maret 2015).
sempurna, hasil simulasi menunjukan kedua Kibria, B. M. 2003. Performance of Some
metode sama efisien untuk semua kondisi New Ridge Regression Estimators.
data. Meskipun untuk beberapa kondisi Communications in Statistics-
salah satu metode lebih efisien, tetapi Simulation and Computation, Vol. 32
selisih perbedaan nilai RMSE dari kedua No. 2, 419-435.
metode tidak berbeda jauh, sehingga dapat http://www.tandfonline.com/doi/abs/1
dikatakan kedua metode memiliki tingkat 0.1081/SAC-120017499. (Diakses, 24
efisiensi yang sama. Jika kompleksitas dari Maret 2015).
metode penanganan multikolinieritas tidak Netter, J., Wasserman, W., dan H.Kutner,
diperhatikan dalam perhitungan koefisien M. 1989. Applied Linier Regression
regresi, metode PLSR lebih baik digunakan Model (2th ed). Homewood: IRWIN
karena merupakan metode yang tidak bias. Book Team.
Untuk penelitian lebih lanjut, metode Gujarati, D. N. 2010. Dasar-Dasar
penanganan multikolinieritas yang lain Ekonometrika . Jakarta: Salemba
dapat dikaji tingkat efisiensinya dengan Empat.
metode PLSR dan RR untuk menemukan Soemartini. 2008. Penyelesaian
metode lain yang mungkin lebih efisien Multikolinieritas Melalui Metode
dalam mengatasi masalah multikolinieritas Ridge Regression [Skripsi].
pada RLB. Selain itu, proses simulasi data Jatinangor: Universitas Padjadjaran.
dapat dikembangkan untuk mencari cutting
Masuk tanggal : 12 Agustus 2016, diterima untuk diterbitkan tanggal : 9 Januari 2017
Abstrak
Ketimpangan pendapatan merupakan salah satu indikator pembangunan ekonomi suatu negara. Salah
satu ukuran ketimpangan pendapatan yang sering digunakan adalah koefisien gini. Namun, koefisien
gini yang dipublikasikan merupakan estimasi titik yang memiliki kekurangan dalam fungsinya sebagai
penduga dikarenakan tidak dipertimbangkannya peluang kebenaran dalam nilai tersebut. Sehingga,
penduga titik saja tidak cukup untuk mengestimasi suatu parameter maka penduga interval menjadi
penting karena merepresentasikan akurasi atau presisi dari sebuah estimasi. Penelitian ini menerapkan
metode pendugaan terhadap standard error dan confidence interval koefisien gini dengan metode
bootstrap guna memperoleh penduga selang nilai koefisien gini. Data yang dipergunakan dalam kajian
ini adalah data Susenas Provinsi Papua Barat tahun 2013. Dengan mempergunakan nilai koefisien gini
yang telah disesuaikan (koefisien gini bias-corrected) maka pendugaan standar error koefisien gini
bias-corrected Provinsi Papua Barat tahun 2013 dilakukan dengan dua metode yaitu perhitungan
sampel asli dan resample metode bootstrap nonparametrik. Temuan pada kajian ini adalah penduga
selang koefisien gini yang dihitung dengan menggunakan bootstrap-t merupakan confidence interval
terbaik dari keseluruhan confidence interval yang terbentuk karena memiliki standard error kecil dan
interval pendek.
Abstract
Income inequality is one of economic development indicators. As a kind of inequality indicators which
is commonly used in Indonesia, gini coefficient is published as a point estimation. This estimation are
lacking in its function as an estimator because it doesn’t considerate the probability accuration of the
estimate value.Thus, the confidence interval estimation is needed as a comprehensive estimator. The
objective of this study is estimate the standard errors and confidence intervals Gini coefficients with
the bootstrap method. This study used National Social Economics Household Survey for West Papua
Province in 2013. The Gini coefficient that used is a bias-corrected gini coefficient as consideration
the bias in the calculation. The standard error of bias-corrected gini coefficient in West Papua is
carried out of two data, which are the original sample and resample nonparametric bootstrap method.
This research found out that bootstrap-t confidence interval confidence interval is the best confidence
interval since it has the smallest standard error and shortest interval.
{
LAMPIRAN datapapua2<- matrix(yj[i],nrow=art[i])
datapapua <- rbind(datapapua, datapapua2)
Lampiran 1. Syntax pembentukan data }
pendapatan per kapita individu dari data datapapua
pendapatan per kapita rumah tangga di write.csv(datapapua, file = "papuadata.csv")
software R
myData <- as.data.frame(papua) Lampiran 2. Syntax perhitungan vi di
yj <- myData$yj software R
art <-myData$art
myData <- as.data.frame(papua)
datapapua<- matrix(yj[1],nrow=art[1])
hasil <- numeric(3790)
for (i in 2:902)
yj <- myData$yj
Pendugaan Standard Error dan Confidence Interval… / Arieska DI dan Pusponegoro NH | 65
hasil[1] <- myData$yj[1] term1 <- 2/(mu[i]*(nrObs^2))
yitemp <- numeric(3790)
for(i in 2:3790)
{ for(j in 1:3790)
hasil[i] <- hasil[i-1]+yj[i] {
} yitemp[j] <- dataBase[j,i]*(j-0.5)
hasilAkhir <- numeric(3790) }
for(i in 1:3790) term2 <- sum(yitemp)
{ result <- term1*term2
hasilAkhir[i] <- hasil[myData$i[i]] gini[i-1] <- result-1
} }
hasilAkhir gini
viFix <- hasilAkhir/3790 ##proses perhitungan koefisien gini bias-corrected
write.csv(viFix, file = "vipapuadata.csv") setiap set resampel
bcgini <- (3790/3789)*gini
Masuk tanggal : 18 Agustus 2017, diterima untuk diterbitkan tanggal : 30 Agustus 2017
Abstrak
Smoothing adalah salah satu metode yang umum digunakan untuk meramalkan data time series. Saat
ini sudah banyak aplikasi pengolah data time series yang menyediakan fungsi smoothing, antara lain
EViews, Minitab, Zaitun TS, dan R. Namun, aplikasi-aplikasi tersebut masih memiliki kekurangan,
seperti tidak tersedianya fasilitas untuk membandingkan beberapa metode smoothing sekaligus. Oleh
karena itu, dibangun sebuah aplikasi yang open source yaitu aplikasi DELTA modul smoothing yang
menyediakan metode smoothing yang lengkap dan fasilitas untuk membandingkan beberapa metode
sekaligus. Berdasarkan uji coba yang telah dilakukan, aplikasi yang dibangun telah sesuai dengan
pengguna dan keluaran yang ditampilkan sesuai dengan teori yang dijadikan sebagai acuan.
Kata kunci: smoothing, peramalan, aplikasi time series, aplikasi data panel, eksponensial, rata-rata
bergerak
Abstract
Smoothing is commonly used methods to predict time series data. There are many applications that
help in the processing of time series data that provide smoothing function such as EViews, Minitab,
Zaitun TS, and R. However, these applications have some shortcomings such as the difficulty in
comparing several methods. In this study, we build an open source application that provides more
complete smoothing method and a facility for comparing several methods, namely smoothing module
in DELTA application. Based on the tests, it can be proved that this application is suitable for users
and the displayed output is consistent with the theory.
Keywords: smoothing, forecasting, time series application, panel data application, exponential,
moving average
Developing Panel Data and Time Series Application… / Nensi FD dan Siti Mariyah | 67
INTRODUCTION respondents there were more than 30% of
respondents stated that quite difficult to do
Smoothing is one of common method
a comparison of several methods of
used to predict time series data because it is
smoothing. Furthermore, there are 72.1% of
easy to use. This method can eliminate
the total respondents who stated that the
randomness in the data so that the pattern
need to create a new time series data
can be projected into the future and used for
processing application to overcome the
forecasting [5]. There are two types of
deficiencies contained in existing
smoothing method, moving average and
applications.
exponential. The moving average method
This study aimed to build an
can be used in relatively constant data. This
application that open source namely
method consists of a simple moving
smoothing module in DELTA application
average, a double moving average, and
that provides more complete smoothing
weighted moving average. The exponential
methods. They are simple moving average,
method is commonly used in forecasting for
double moving average, weighted moving
near future. This method consists of a single
average, single exponential smoothing,
exponential smoothing, double exponential
double exponential smoothing with one
smoothing with one component (Brown's
component (Brown's method), double
method), double exponential smoothing
exponential smoothing with two
with two components (Holt's method), and
components (Holt's method) and Holt-
Holt-Winter exponential smoothing.
Winter exponential smoothing. In addition,
Currently, there are many applications
this application interface is user friendly
that help in time series data processing that
and has a facility to perform analysis some
provides smoothing function, for instance
smoothing methods at once so that users
EViews, Minitab, Zaitun TS, and R.
can compare them easily. This application
However, these applications still have some
is built using Python 3.5.2 programming
shortcomings.
language on data processing algorithm and
The EViews application is the most
Qt 5.6.0 on the interface display. This
widely used application for analysing time
application is expected to be easier for users
series data because this application has a
to perform time series data analysis using
user interface that is easy to use. However,
smoothing method. The output of this
this application is a paid application in case
application is also expected to display
its use is only limited to those who can
graphs, forecast results and easier to
afford only. In addition, this application
analyse with available smoothing methods.
only provides some of exponential method
and does not provide a moving average RELATED WORKS
method. The Minitab app also has some
Simple moving average
flaws. This application is also paid and The moving average method is used
provides just a bit of smoothing methods. to predict time series data that has a linear
On the other hand, there is a free R app. trend [6]. This method averages the
But, the user must type a specific command overvaluation value in the last n period. In
to process the data. It is not user friendly. In other words, the emergence of new data can
addition, the lack of which is equally owned be calculated by removing the oldest data
by the EViews, Minitab, Olives TS, and R and adding new data. The equations used in
is the unavailability of facilities to perform the implementation of this method are:
smoothing by several methods at once so
users have difficulty in comparing several 𝑦𝑡 + 𝑦𝑡−1 + ⋯ + 𝑦𝑡−𝑛+1 (1)
methods. 𝑀𝑡 =
𝑛
A survey about time series data
applications was conducted on December Forecasting in the next m period use
2016. The respondents are STIS students following equation:
who have earned the course of time series.
According to the survey, out of 270
68 | Jurnal Aplikasi Statistika & Komputasi Statistik V.8.2.2016, ISSN 2086-4132
𝑌̂𝑡+𝑚 = 𝑀𝑡 (2) moving averages on this method requires
observation up to the period m+t. To
Double moving average ascertain the amount of weights that are
This method is similar to the simple used, an adjustment is made in the divisor
moving average method. However, this used to calculate aj [5].
method calculates the moving average of Single exponential smoothing
simple moving average. According to This method is a procedure that
Montgomery et al [6] the equations which repeats calculations continuously using the
are used in this method are: earliest data. This method is used if the data
is not significantly affected by trend and
𝑦𝑡 + 𝑦𝑡−1 + ⋯ + 𝑦𝑡−𝑛+1 (3) seasonal factors. This method needs a
𝑀𝑡′ =
𝑛 parameter α or commonly called the
′ ′ smoothing constant. The equation which is
𝑀𝑡′ + 𝑀𝑡−1 + ⋯ + 𝑀𝑡−𝑛+1 (4)
𝑀𝑡′′ = implemented in this method is:
𝑛
Forecasting in the next m period use 𝑆𝑡 = 𝛼𝑌𝑡 + (1 − 𝛼)𝑆𝑡−1 (10)
following equation:
Meanwhile, the equation used for data
2 (5) forecasting in the next m period is:
𝑌̂𝑡+𝑚 = 2𝑀𝑡′ − 𝑀𝑡′′ + (𝑀′
𝑛−1 𝑡 𝑌̂𝑡+𝑚 = 𝛼𝑌𝑡 + (1 − 𝛼)𝑌̂𝑡 (11)
− 𝑀𝑡′′ )𝑚
Based on the above equation, to
Weighted moving average calculate smoothing the first observations
This method is a method that uses a required an initial smoothing value (S0).
weight for averaging. According According to Abraham and Ledolter [1], the
Makridakis et al [5], the weights used in value of S0 can be calculated using the
this method can be calculated using the average of several observations. In this
weights function as follows: study, the value of S0 is calculated using the
(1 − (𝑗/𝑚)2 )2 , −𝑚 < 𝑗 < 𝑚 (6) average of the six first observations.
𝑄(𝑗, 𝑚) = {
0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Double exponential smoothing with one
With m = (n - 1) / 2. The value of n is the component (Brown’s method)
period of moving average. Furthermore, This method is used for data
weighing on j (aj) is calculated using the containing linear trend. The equations used
following equation: in the implementation of this method are:
Developing Panel Data and Time Series Application… / Nensi FD dan Siti Mariyah | 71
Fig. 1. DELTA application architecture
Developing Panel Data and Time Series Application… / Nensi FD dan Siti Mariyah | 73
Fig. 6. Activity diagram of single exponential smoothing use case
Fig. 7. Activity diagram of double exponential smoothing (brown's method) use case
Developing Panel Data and Time Series Application… / Nensi FD dan Siti Mariyah | 75
Fig. 9. Activity diagram of double exponential smoothing (holt's method) use case
Developing Panel Data and Time Series Application… / Nensi FD dan Siti Mariyah | 77
Fig. 19. Output window interface
TESTING
Fig. 17. Smoothing window interface There are four approaches in testing
this module. They are white-box testing,
Implementation of grid search’s interface black-box testing, validation testing, and
Grid search window’s interface can be system usability scale (SUS).
seen in Figure 18. This window appears
when the user presses the "best search White-Box Testing
parameter for exponential smoothing" button White-box testing tested the internal
in smoothing window. performance of the application. Testing on
this application is done by running the
application in PyCharm Community
Edition 2017.1 for all functions that have
been made. In this test is done unit testing
and integration testing. Based on test
results, all classes (units) contained in this
smoothing module can run well and well
integrated in DELTA application project.
Black-box Testing
Black-box testing is a test that
focuses on testing the application interface.
This test is done by checking and showing
the function of the application can be
operated and check the error on the
Fig. 18. Grid search window interface interface display. Black-box testing aims to
Implementation of the output page’s test a specific function in the application
interface without the need to know the internal
The output interface can be seen in performance of the application. These test
Figure 19. Once the user presses the "OK" results prove that all the functions on this
button on the smoothing window, the smoothing module has been running well.
application processing forecast calculation Validation
using smoothing methods that have been What is tested in this test is the input
selected with the parameters entered by the and output of the application. With two
user and then the result is displayed on the different inputs given, the application is
output window. tested to see if the application has provided
output according to the applied theory.
Petunjuk Penulisan | 81
pengujian hipotesis dengan disertai uraian analitis yang mengangkat poin-poin penting
berdasarkan konsepsi teoritisnya.
Kesimpulan dan Saran. Bagian ini memuat kesimpulan dari hasil dan implikasinya secara
akademis, dan saran yang dapat diberikan berdasarkan temuan dari pembahasan. Bagian ini
juga memuat keterbatasan penelitian dan kemungkinan penelitian lanjutan yang dapat
dilakukan dengan penggunaan/pengembangan variabel, metode analisis ataupun cakupan
wilayah penelitian lainnya.
Daftar Pustaka. Daftar pustaka disusun berdasarkan urutan abjad dengan ketentuan sebagai
berikut:
Publikasi Buku
1. Penulis satu orang
Enders, Walter. 2010. Applied Econometric Time Series, Third Edition. New Jersey: Wiley.
2. Penulis dua orang
Pyndick, Robert. S. dan Rubinfeld, Daniel L. 2009. Microeconomics, Seventh Edition. New
Jersey: Pearson Education.
3. Penulis tiga orang
Fotheringham, A. S., Brunsdon, C, dan Charlton, M. 2002. Geographically Weighted
Regression: The Analysis of Spatially Varying Relationships. West Sussex: John Wiley &
Sons.
Artikel dalam jurnal
Romer, P. 1993. Idea Gaps and Object Gaps in Economic Development. Journal of Monetary
Economics, Vol. 32 (3), 543–573.
Artikel online
Woodward, Douglas P. 1992. Locational Determinants of Japanese Manufacturing Start-Ups
in the United States. Southern Economic Journal, Vol. 58 (3), 690-708.
http://www.jstor.org/discover/10.2307/1059836 (Diakses 1 Sepetember, 2014).
Buku yang ditulis oleh lembaga atau organisasi
BPS. 2009. Analisis dan Penghitungan Tingkat Kemiskinan 2008. Jakarta: BPS.
Kertas kerja (working papers)
Edwards, S. 1990. Capital Flows, Foreign Direct Investment, and Debt-Equity Swaps in
Developing
Countries. NBER Working Paper, 3497.
Makalah yang direpresentasikan
Zhang, Kevin H. 2006. Foreign Direct Investment and Economic Growth in China: A Panel
Data Study for 1992-2004. Conference of WTO, China, and Asian Economies. Beijing.
Karya yang tidak dipublikasikan
Hartono, Djoni. 2002. Analisis Dampak Kebijakan Harga Energi terhadap Perekonomian dan
Distribusi Pendapatan di DKI Jakarta: Aplikasi Model Komputasi Keseimabangan Umum
(Computable General Equilibrium Model. Tesis. Jakarta.
Artikel di koran, majalah, dan periodik sejenis
Reuters. (2014, September 17). Where is Inflation?. Newsweek.