LAPORAN RESMI PRAKTIKUM

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

DINA MARTINI SILALAHI

17/19392/EP

Telah disusun dan disetujui oleh Co. Asisten Pembimbing

Pada Tanggal 4 November 2019

Laporan ini dipersiapkan guna melengkapi sebagian persyaratan untuk mengikuti

Ujian akhir dari mata praktikum Ekonometri Institut
Pertanian STIPER (INSTIPER) Yogyakarta.

Yogyakarta, 4 November 2019

Mengetahui
Co. Ass Pembimbing Praktikan

(M. Ali Nur Secha, S. Kom) (Dina Martini Silalahi)

Mengetahui
Penanggung Jawab Praktikum
Ekonometri

(Dr. Ir Danang Manumono, MS.)

 PENDAHULUAN

Ekonometrika adalah penggunaan analisis komputer serta teknik

pembuatan model untuk menjelaskan hubungan antara kekuatankekuatan ekonomi
utama seperti ketenagakerjaan, modal, suku bunga, dan kebijakan pemerintah
dalam pengertian matematis, kemudian menguji pengaruh dari perubahan dalam
skenario ekonomi. Syahrul (2000:150). Berdasarkan beberapa pengertian di atas,
maka dapat disimpulkan bahwa ekonometrika merupakan cabang dari ilmu
ekonomi dengan menggunakan dan menerapkan matematika dan statistika untuk
memecahkan masalah-masalah ekonomi yang dibuat dalam suatu model
ekonometrik yang kemudian diestimasi hasilnya dan diuji lagi kesesuaiannya
dengan teori ekonomi yang sudah ada. Metode kuantitatif dalam ilmu ekonomi
sebenarnya telah lama dikembangkan sejak abad ke-18. Vilfredo Pareto (Paris, 15
Juli 1848 - Jenewa, 19 Agustus 1923) berkontribusi dalam menjelaskan distribusi
pendapatan dan pilihan individu melalui pendekatan matematis yang berdasarkan
atas teori ekonomi. Selain Pareto, Marie-Esprit-Léon Walras dari Perancis pada
abad ke-18 mengembangkan teori keseimbangan umum yang menjelaskan
mengenai aliran barang dan jasa dalam perekonomian. Pada awal tahun 1950-an
ekonometri dikembangkan sebagai satu cabang sendiri dari ilmu ekonomi. Jan
Tinbergen dari Belanda, yang kini namanya diabadikan sebagai salah satu institusi
akademik besar di Eropa (Tinbergen Institute), merupakan salah tokoh utama
yang mengembangkan ilmu ini.

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

Regresi menunjukkan hubungan pengaruh satu arah yaitu variabel independen ke

variabel dependen, sedangkan kausalitas menunjukkan hubungan dua arah. Dan
Analisis korelasi bertujuan untuk mengukur kuatnya tingkat hubungan linear
antara dua variabel. 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:

 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.

Bentuk umum fungsi regresinya linear dapat dituliskan sebagai berikut:

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.

2. Kemudian buka Eviews

3. Kemudian klik file-open-foreign data workfile

4. Kemudian pilih file yang akan diolaH. Lalu Open

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

9. Setelah dilakukan analisis maka akan muncul hasil seperti gambar

dibawah ini
B. Forcast 5 tahun ke depan
1. Klik file, open kemudian foreign for work files

2. Input data yang sudah di buat, lalu klik OPEN

3. Setelah tampilan excel seperti ini lalu klik Finish

4. Kemudian pilih file yang akan dianalisis, lalu pilih open as Gruop

5. Maka akan muncul tampilan sebagai berikut,

6. Kemudian ketik “Expand” pada kolom Command

7. Setelah itu, pilih start date 1978 dengan end date 2005. Lalu klik Ok

8. Lalu klik Edit +/-. Lalu klik angka 24 di kolom T dan begitu selanjutnya.

9. Klik Quick Estimate Equation

10. Kemudian ketik valiabel yang akan di analisis di kolom yang tersedia.
Lalu klik Ok.

11. Kemudian akan muncul seperti ini hasil data.

12. Lalu klik menu Forcast.

13. Setelah muncul seperti ini, kemudian klik Ok.

14. Lalu akan muncul seperti ini

15. Lalu Quick Show

16. Lalu masukkan objek yang akan di analisis. Kemudian klik Ok

17. Kemudian akan muncul seperti ini.

18. Kemudian klik Quick Graph

19. Lalu akan muncul Graph Option. Kemudian klik Ok.

20. Lalu akan muncul grafik sebagai berikut.

 HASIL ANALISIS DAN PEMBAHASAN
1. Hasil Analisis Trend
Dependent Variable: Q
Method: Least Squares
Date: 10/31/19 Time: 22:36
Sample: 1978 2000
Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob.  

P 1.114420 0.285827 3.898933 0.0008

Y 0.352779 0.172724 2.042449 0.0539

R-squared 0.257170    Mean dependent var 4110435.

Adjusted R-squared 0.221798    S.D. dependent var 3848410.
S.E. of regression 3394905.    Akaike info criterion 32.99639
Sum squared resid 2.42E+14    Schwarz criterion 33.09513
Log likelihood -377.4585    Hannan-Quinn criter. 33.02122
Durbin-Watson stat 1.446201

2. Hasil Analisis Forcest

Dependent Variable: Q
Method: Least Squares
Date: 10/31/19 Time: 22:46
Sample (adjusted): 1978 2000
Included observations: 23 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

 P 1.113775 0.294808 3.777971 0.0012
Y 0.350739 0.206459 1.698829 0.1049
T 1306.057 68038.69 0.019196 0.9849

R-squared 0.257184    Mean dependent var 4110435.

Adjusted R-squared 0.182902    S.D. dependent var 3848410.
S.E. of regression 3478710.    Akaike info criterion 33.08333
Sum squared resid 2.42E+14    Schwarz criterion 33.23144
Log likelihood -377.4583    Hannan-Quinn criter. 33.12058
Durbin-Watson stat 1.446581

Forecasting adalah proses analisis untuk memperikarakan masa depan

dengan metode – metode tertentu dan menimbangkan segala variable yang
mungkin berpengaruh di dalamnya. Forecasting merupakan satuan estimasi
tentang hal – hal yang paling mungkin terjadi di masa mendatang berdasarkan
eksplorasi dan berkaitan dengan apa yang mungkin terjadi di masa depan. Artinya
setiap hal yang akan terjadi di masa depan tersebut tidak dapat dipengaruhi oleh
siapapun. Forecasting dengan metode-metodenya akan menghasilakn suatu
oemetaan mengenail hal-hal yang paling mungkin terjadi di masa yang akan
datang. Kini Forecasting telah digunakan pada hampir seluruh disiplin ilmu,
termasuk ilmu ekonomi dan seluruh aktifitas di dalamnya.

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.

Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai

macam informasi ( data ) yang cukup banyak dan diamti dalam periode waktu
yang relative cukup panjang, sehingga hasil analisis tersebut dapat mengetahui
sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang
mempengaruhi terhadap perubahan tersebut. Secara teoritis, dalam analisis runtun
waktu ( time series ) hal yang paling menentukan adalah kualitas dan keakuratan
dari data-data yang diperoleh, serta waktu atau periode dari data-data tersebut
dikumpulkan. Jika data yang dikumpulkan tersebut semakin banyak maka
semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika data
yang dikumpulkan semakin kecil maka kecil estimasi atau peramalannya akan
semakin jelek.

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan

jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari prose
s perencanaan dan pengendalian produksi. Tujuan peramalan dalam kegiatan prod
uksi adlaah unutk meredam ketidakpastian, sehingga diperoleh suatu perkiraan
yang mendekati keadaan yang sebenarnya.

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).

Teknik peramalan merupakan cara memperkirakan apa yang akan terjadi

pada masa mendatang secara sistematis dan pragmatis atas dasar data yang
relevan pada masa yang lalu, sehingga dengan demikian teknik peramalan
diharapkan dapat memberikan objectivitas yang lebih besar. Metode/teknik
peramalan memberikan cara pengerjaan yang teratur dan terarah, dengan
demikian dapat dimungkinkan pengguna teknik-teknik pengaalisisan yang lebih
maju, yang dapat diharapkan memberikan tingkat kepercayaan atau keyakinan
yang lebih besar, karana dapat diuji dan dibuktikan penyimpangan atau deviasi
yang terjadi secara ilmiah.
 KESIMPULAN

Dari analisis regresi dengan menggunakan Eviews9 dapat disimpulkan sebagai

berikut.
1. Produuksi Daging sapi mempengaruhi harga daging sapi. Dapat dilihat dari
tabel analisis regeresi berganda pada probabilitasnya (α) < dari nilai t-statistic
(x), 0.0008 < 3.393933 yang artinya signifikan, maksudnya adalah pada X1
yang merupakan variabel hasil produksi mempengaruhi harga daging sapi atau
variable Y.
2. Pendapatan Per Kapita dipengaruhi oleh produksi dan harga daging sapi dapat
dilihat dari tabel analisis regresi berganda pada probabilitas (a) < dari nilai t-
statistic (x), 0,0535 < 2.042449 yang artinya signifikan, maksudnya adalah
pada X2 yang merupakan variable hasil produksi mempengaruhi Pendapatan
perkatpita
3. Pada variable t dapat dilihat dari tabel analisis regresi brganda pada
probabilitas (a) > dari nilai t-statistic (x), 0,09849 < 0.019196 yang artinya
signifikan.
 DAFTAR PUSTAKA

Anton.2017.“Berbagai jenis regresi berganda”. https://www.statistikian.com

Diakses pada tanggal 02 November 2018 Pukul 20.00 WIB.

Dawaisimfoni.2017.“Karya tulis ilmiah metodologi penelitian analisis regresi”.

https://dawaisimfoni.wordpress.com. Diakses pada tanggal 25 Oktober
2018 pukul 20.12 WIB.

Rizqi Sayid.2012. Model Regresi Linier Sederhana. https://www.academia.edu.

Diakses pada tanggal 25 Oktober 2018 pukul 20.20 WIB.
 Yogyakarta, 4 November 2019

Mengetahui,
Co.Ass Praktikan

(M.Ali Nur Secha, S. Kom) (Dina Martini Silalahi)