EKONOMETRI
Disusun Oleh:
Nama : Dina Martini Silalahi
NIM : 17/19392/EP
Kelas : SMBP B
Jurusan : Sosial Ekonomi Pertanian
Co. Ass : M. Ali Nur Secha, S.Kom
FAKULTAS PERTANIAN
INSTITUT PERTANIAN STIPER
YOGYAKARTA
2019
HALAMAN PENGESAHAN
LAPORAN RESMI PRAKTIKUM
TEKNOLOGI INFORMASI DAN KOMPUTER
Disusun Oleh
Mengetahui
Co. Ass Pembimbing Praktikan
Berdasarkan sedikit penjelasan diatas dapat kita lihat bahwa, konsep dasar
dari ilmu ekonometrik adalah mengkaji beberapa teori ekonomi sebelumnya
dengan melakukan suatu analisis yang dapat dipertanggungjawabkan melalui
matematika dan statistika. Sehingga, kita dapat mengetahui apakah teori ekonomi
yang ada benar-benar dapat 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.
Ekonometrik disini tidak terlepas dari ilmu statistika dan matematika.
statistika yang lazim digunakan juga akan masuk dalam ekonometrik. berikut ada
beberapa tehnik analisis yang akan sering digunakan dalam analisis ekonometrik:
1. Regresi 3. Kausalitas
2. Korelasi 4. forecasting
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 Ilmu Ekonometri juga
memiliki kelebihan dan kelemahan. Kelebihan menggunakan model ekonometri
dalam penelitian seringkali membuka perpesktif dan temuan-temuan baru namun
untuk mendapatkan hal tersebut membutuhkan keahlian khusus pada berbagai
bidang ilmu sehingga membutuhkan banyak waktu. Kelemahan membutuhkan
keahlian khusus pada berbagai bidang ilmu sehingga membutuhkan waktu untuk
mempelajarinya.
Istilah regresi dikemukakan untuk pertama kali oleh seorang antropolog
dan ahli meteorology Francis Galton dalam artikelnya “Family Likeness in
Stature” pada tahun 1886. Ada juga sumber lain yang menyatakan istilah regresi
pertama kali mucul dalam pidato Francis Galton didepan Section H of The British
Association di Aberdeen, 1855, yang dimuat di majalah Nature September 1855
dan dalam sebuah makalah “Regression towards mediocrity in hereditary stature”,
yang dimuat dalam Journal of The Antrhopological Institute (Draper and Smith,
1992). Studinya ini menghasilkan apa yang dikenal dengan hukum regresi
universal tentang tingginya anggota suatu masyarakat. Hukum tersebut
menyatakan bahwa distribusi tinggi suatu masyarakat tidak mengalami 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.
Yi = 0 + 1Xi + i (2.1) Dalam hal ini : Yi adalah nilai perubahan respons dalam
amatan ke-i 0 dan 1 adalah parameter Xi adalah konstanta yang diketahui, yaitu
nilai peubah bebas dari amatan ke-i 1 adalah suku galat yang bersifat acak
dengan rataan E{i} = 0 dan ragam 2{i} = 2; i dan j tidak berkorelasi
sehingga peragam (covariance) {I, j} = 0 untuk semua i, j; i j i = 1, 2, . . . ., n
Model regresi (2.1) dikatakan sederhana, linear dalam parameter, dan linier dalam
peubah bebas. Dikatakan “sederhana” karena hanya ada satu peubah bebas,
“linear dalam parameter” karena tidak ada parameter yang muncul sebagai salah
satu eksponen atau dikalikan atau dibagi oleh parameter lain, dan “linear dalam
peubah bebas” sebab peubah ini di dalam model berpangkat satu. Model yang
linear dalam parameter dan linear dalam peubah bebas juga dinamakan model
ordopertama.
DATA
LANGKAH KEJA
A. Analisis Trend
1. Input data yang akan di analisis ke micosoft excel kemudian simpan.
5. Setelah data di foreign akan muncul seperti gambar dibawah ini klik
Finish
6. Lalu, klik variabel yang akan dinalisis, kemudian klik open as Group
7. Kemudian pilih quick-estimate equation
8. Kemudian pilih variabel yang akan dianalisis pada colom yang tersedia
(Tahun q p ). Jangan lupa menambahkan konstanta. Kemudian tekan OK
8. Lalu klik Edit +/-. Lalu klik angka 24 di kolom T dan begitu selanjutnya.
Untuk data dependent variable nya adalah Q. Dan untuk waktu sampel
datanya dari tahun 1978 sampai tahun 2001. Dan akan dicari untuk 5 tahun ke
depannya pada tahun 2005. Dan untuk included observasinya ada 23. Dan untuk
uji pasrsialnya, untuk variable P didapat koefisien sebesar 1.114420. dan untuk
Std. Error didapat 0.294808. dan untuk probailty pada variable P adalah 0.0008.
Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang
kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Deret
waktu untuk bisnis dan ekonomi, yang terbaik adalah untuk melihat trend (atau
trend-siklus) sebagai perubahan dengan halus dari waktu ke waktu.
Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi
sederhana seperti garis lurus sepanjang periode untuk time series yang diamati
jarang ditemukan. Seringkali fungsi tersebut mudah dicocokkan dengan kurva
trend pada suatu kurun waktu karena dua alasan, yaitu fungsi tersebut
menyediakan beberapa indikasi arah umum dari seri yang diamati, dan dapat
dihilangkan dari seri aslinya untuk mendapatkan gambar musiman lebih jelas.
Time series model didasarkan pada serangkaian data-data berurutan yang
berjarak sama (misalnya: mingguan , bulanan, tahunan, dll). serangkaian data ini
yang merupakan serangkaian observasi berbagai variabel menurut waktu,
biasanya ditabulasikan dan digambarkan dalam bentuk grafik yang menunjukan
perilaku subyek. Time series sangat tepat dipakai untuk meramalkan permintaan
yang berpola permintaan dimasa lalunya cukup konsisten dalam periode waktu
yang lama, sehingga pola tersebut masih akan teteap berlanjut.
Analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri
dari komponen-komponen, yaitu: Pola kecenderungan (T), Pola siklus/cycle (C),
Pola musim(S),Variasiacak(R).
Mengetahui,
Co.Ass Praktikan