LAPORAN PRAKTIKUM APLIKOM

“Partial Adjustment Model (PAM)”

MOCH.SUBRI/ 180231100163/ EP-D

Uji Kelambanan dengan Model PAM :

Y = permintaan uang arti luas M2 (milyar)
X1= GDP nominal (milyar)
X2= suku bunga deposito 3 bulan (%)
year Y X1 X2
1990.1 22155.0 63181.8 16.2
1990.2 23204.0 64574.2 16.1
1990.3 22982.0 68127.8 18.4
1990.4 23819.0 67378.1 21.0
1991.1 23571.0 68609.0 24.2
1991.2 24610.0 70237.3 25.0
1991.3 25805.0 74254.7 22.6
1991.4 26341.0 73664.2 21.9
1992.1 27318.0 73183.2 21.3
1992.2 26880.0 74017.5 20.1
1992.3 27650.0 79754.8 18.5
1992.4 28779.0 78518.6 16.7
1993.1 30593.0 78529.7 15.7
1993.2 31342.0 79380.5 15.2
1993.3 34812.0 85254.1 13.8
1993.4 36805.0 86611.5 11.8
1994.1 37908.0 85604.9 11.5
1994.2 39886.0 87888.1 12.1
1994.3 42195.0 91143.0 13.4
1994.4 45374.0 90004.7 14.3
1995.1 44908.0 92563.0 15.9
1995.2 47045.0 94340.4 17.1
1995.3 48981.0 98293.7 17.6
1995.4 52677.0 98595.2 17.2
1996.1 53162.0 97874.8 17.3
1996.2 56448.0 100634.8 17.4
1996.3 59684.0 106562.0 17.3
1996.4 64089.0 108726.4 17.0
1997.1 63565.0 105261.1 16.5
1997.2 69950.0 105867.1 15.9
1997.3 66258.0 112212.7 26.2
1997.4 78343.0 109905.0 23.9
1998.1 98270.0 100535.7 27.3
1998.2 109480.0 91741.9 40.6
1998.3 102563.0 94258.1 47.4
1998.4 101197.0 89839.2 49.2
 1999.1 105705.0 94371.1 34.9
1999.2 105964.0 93387.9 27.4
1999.3 118124.0 96939.9 15.9
1999.4 124633.0 94653.6 13.0
2000.1 124663.0 98244.5 12.4
2000.2 133832.0 98191.9 11.7
2000.3 135430.0 100862.9 12.8
2000.4 162186.0 100717.5 13.2
2001.1 148375.0 102226.7 14.9
2001.2 160142.0 102456.2 15.0
2001.3 164237.0 104684.7 16.2
2001.4 177731.0 102386.0 17.2
2002.1 169002.0 104651.8 17.0
2002.2 174017.0 106642.6 15.9
2002.3 181791.0 109544.0 14.4
2002.4 191939.0 106104.6 13.6
2003.1 181239.0 109306.4 12.9
2003.2 194878.0 110532.4 11.6
2003.3 207587.0 113890.0 8.6
2003.4 223799.0 110724.7 7.1

Berikut adalah hasil olahan data menggunakan aplikasi eviews 9

“Partial Adjustment Model (PAM)”

sebelum melakukan analisa olah data untuk di interpretasi, maka harus di lakukan tahapan uji
untuk mengetahui data tersebut dapat dan bisa di interpretasi. Berikut adalah tahapan uji
asumsi yang di lakukan sebelum intrepesentasi sebuah hasil olahan data :
1. Uji autokorelasi
Uji autokolerasi merupakan kolerasi yang terjadi antara residual pada satu pengamatan
dengan pengamatan lain pada model regresi. Autokorelasi dapat diketahui melalui Uji
Durbin-Watson (D-W Test), adalah pengujian yang digunakan untuk menguji ada atau tidak
adanya korelasi serial dalam model regresi atau untuk mengetahui apakah di dalam model
yang digunakan terdapat autokorelasi diantara variabel-variabel yang diamati.
Berikut adalah analisa data menggunakan Uji Autokorelasi :
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.976665    Prob. F(2,49) 0.3838

Obs*R-squared 2.108462    Prob. Chi-Square(2) 0.3485

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 04/13/20 Time: 19:40
Sample: 1990Q2 2003Q4
Included observations: 55
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.223336 0.920704 0.242570 0.8094

LOG(X1) -0.027144 0.094903 -0.286013 0.7761
LOG(X2) 0.005834 0.022688 0.257138 0.7981
LOG(Y(-1)) 0.006336 0.019623 0.322896 0.7481
RESID(-1) -0.209986 0.150830 -1.392208 0.1701
RESID(-2) -0.042554 0.153796 -0.276688 0.7832

R-squared 0.038336    Mean dependent var -3.39E-15

Adjusted R-squared -0.059793    S.D. dependent var 0.055232
S.E. of regression 0.056860    Akaike info criterion -2.793795
Sum squared resid 0.158418    Schwarz criterion -2.574813
Log likelihood 82.82935    Hannan-Quinn criter. -2.709113
F-statistic 0.390666    Durbin-Watson stat 2.007022
Prob(F-statistic) 0.852845

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi
klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan
pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya
autokorelasi dalam model regresi. 

Kesimpulan : Uji autokolerasi merupakan kolerasi yang terjadi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Autokorelasi dapat diketahui
melalui Uji Breusch-Godfrey, dimana jika nilai F-statistik > 0,5 data tersebut dapat di
gunakan. Dari hasil uji autokorelasi di atas dapat dilihat bahwa nilai F-statistik sebesar
0.976665 > 0,5 maka dapat disimpulkan bahwa data tersebut dapat di gunakan dan di
interpretasi.

2. Uji ramsy test

Uji ini dikembankan oleh Ramsey tahun 1969. Ramsey menyarankan bahwa suatu uji yang
disebut general test o spesification atau RESET. Untuk melakukan uji ini kita harus membuat
suatu asumsi atau keyakinan bahwa fungsi yang benar adalah fungsi linear.
Berikut adalah analisa data menggunakan Uji Autokorelasi :
Ramsey RESET Test
Equation: UNTITLED
Specification: LOG(Y) C LOG(X1) LOG(X2) LOG(Y(-1))
Omitted Variables: Squares of fitted values

Value df Probability
t-statistic  1.206853  50  0.2332
F-statistic  1.456495 (1, 50)  0.2332
Likelihood ratio  1.579253  1  0.2089

F-test summary:
Mean
Sum of Sq. df Squares
Test SSR  0.004663  1  0.004663
Restricted SSR  0.164733  51  0.003230
Unrestricted SSR  0.160070  50  0.003201

LR test summary:
Value df
Restricted LogL  81.75438  51
Unrestricted LogL  82.54401  50

Unrestricted Test Equation:

Dependent Variable: LOG(Y)
Method: Least Squares
Date: 04/13/20 Time: 19:42
Sample: 1990Q2 2003Q4
Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.  

C -5.328360 3.522438 -1.512691 0.1367

LOG(X1) 0.120212 0.091346 1.316006 0.1942
LOG(X2) -0.044998 0.032839 -1.370270 0.1767
LOG(Y(-1)) 1.773587 0.661692 2.680381 0.0099
FITTED^2 -0.035794 0.029659 -1.206853 0.2332

R-squared 0.994612    Mean dependent var 11.13922

Adjusted R-squared 0.994180    S.D. dependent var 0.741694
S.E. of regression 0.056581    Akaike info criterion -2.819782
Sum squared resid 0.160070    Schwarz criterion -2.637297
Log likelihood 82.54401    Hannan-Quinn criter. -2.749214
F-statistic 2307.262    Durbin-Watson stat 2.328567
Prob(F-statistic) 0.000000

dalam uji asumsi kali ini, yang di lihat adalah probalitiasnya. Jika probabilitasnya lebih dari 0,05
maka data tersebut tidak bisa di lakukan interpretasi. Jika lebih dari 0,05 maka data tersebut
dapat di interpretasi.
Kesimpulan : Data probabilitas F-statistik sebesar 0.000 < 0,05 artinya data tersebut dapat di
lakukan interpretasi lebih lanjut.
MODEL TAHAP KE 1 : y c x1 x2
Dependent Variable: Y
Method: Least Squares
Date: 04/13/20 Time: 19:19
Sample: 1990Q1 2003Q4
Included observations: 56

Variable Coefficient Std. Error t-Statistic Prob.  

C -203147.1 42206.51 -4.813170 0.0000

X1 3.183225 0.404981 7.860190 0.0000
X2 -285.7246 690.2201 -0.413962 0.6806

R-squared 0.551097    Mean dependent var 87570.05

Adjusted R-squared 0.534157    S.D. dependent var 60830.15
S.E. of regression 41518.20    Akaike info criterion 24.15773
Sum squared resid 9.14E+10    Schwarz criterion 24.26624
Log likelihood -673.4166    Hannan-Quinn criter. 24.19980
F-statistic 32.53280    Durbin-Watson stat 0.125311
Prob(F-statistic) 0.000000

MODEL TAHAP KE 2 : Logy c logx1 logx2

Dependent Variable: LOG(Y)

Method: Least Squares
Date: 04/13/20 Time: 19:26
Sample: 1990Q1 2003Q4
Included observations: 56

Variable Coefficient Std. Error t-Statistic Prob.  

C -33.66577 4.259934 -7.902886 0.0000

LOG(X1) 3.917062 0.361151 10.84606 0.0000
LOG(X2) 0.007021 0.158709 0.044241 0.9649

R-squared 0.701822    Mean dependent var 11.11898

Adjusted R-squared 0.690570    S.D. dependent var 0.750365
S.E. of regression 0.417401    Akaike info criterion 1.142544
Sum squared resid 9.233845    Schwarz criterion 1.251045
Log likelihood -28.99122    Hannan-Quinn criter. 1.184609
F-statistic 62.37318    Durbin-Watson stat 0.149813
Prob(F-statistic) 0.000000
MODEL TAHAP KE 3 : Log(y) c log(x1) log (x2) log(y(-1))
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 04/13/20 Time: 19:35
Sample (adjusted): 1990Q2 2003Q4
Included observations: 55 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

C -1.214140 0.890507 -1.363424 0.1787

LOG(X1) 0.137582 0.090608 1.518439 0.1351
LOG(X2) -0.015205 0.021752 -0.699005 0.4877
LOG(Y(-1)) 0.975333 0.018554 52.56756 0.0000

R-squared 0.994455    Mean dependent var 11.13922

Adjusted R-squared 0.994128    S.D. dependent var 0.741694
S.E. of regression 0.056834    Akaike info criterion -2.827432
Sum squared resid 0.164733    Schwarz criterion -2.681444
Log likelihood 81.75438    Hannan-Quinn criter. -2.770977
F-statistic 3048.576    Durbin-Watson stat 2.364497
Prob(F-statistic) 0.000000

Berikut hasil analisa data di atas dalam jangka pendek :

1. Nilai probabilitas sebesar 0.00 < 0,05 maka data tersebut signifikan
2. Nilai R-square sebesar 0.994 < 0,05 maka data tersebut signifikan
3. Nilai koefisien LOG(X1) positif artinya pertambahan permintaan uang atau variable y sebesar
1% maka akan meningkatkan variabel X1 atau GDP sebesar 0,137582.
Nilai koefisien LOG(X2) negative artinya ketika ada peningkatan permintaan uang maka justru
akan menurunkan suku bunga sebesar 0,015205.

HASIL INTERPRETASI :

Y = permintaan uang arti luas M2 (milyar)

X1= GDP nominal (milyar)
X2= suku bunga deposito 3 bulan (%)

Jangka pendek Jangka panjang

GDP 0,137582 5,577573
Suku Bunga -0,015205 -0,61641
Kesimpulan :

Dalam jangka pendek Ketika kondisi permintaan uang di masyarakat mengalami peningkatan sebesar
1% maka akan mempengaruhi peningkatan jumlah GDP sebesar 13%, akan tetapi jika peningkatan
permntaan uang sebesar 1% maka akan mempengaruhi jumlah suku yang akan mengalami penurunan
sebesar 1%.

Dalam jangka panjang Ketika kondisi permintaan uang di masyarakat mengalami peningkatan sebesar
1% maka akan mempengaruhi peningkatan jumlah GDP sebesar 557%, akan tetapi jika peningkatan
permntaan uang sebesar 1% maka akan mempengaruhi jumlah suku yang akan mengalami penurunan
sebesar 61%.