Anda di halaman 1dari 13

Nama : Adi Permana

NIM/tingkat : 07.5270/ 4SE1

Mata Kuliah : Ekonometrika

1. PDRB dan Jumlah Orang yang Bekerja di Propinsi Sumatera Barat, serta
Inflasi di kota Padang

Sumber: Badan Pusat Statistik

Dari grafik di atas terlihat bahwa nilai PDRB Sumatera Barat setiap tahun selalu
meningkat. Peningkatan PDRB atas dasar harga beraku ini sangat dipengaruhi
oleh perubahan harga, sehingga sangat dibutuhkan data PDRB ADHK agar
interpretasi pengguna data menjadi benar . Sebagai contoh, jika melihat grafik di
atas pada krisis tahun 1998 nilai PDRB ADHB mengalami peningkatan yang
signifikan dibanding tahun sebelumnya, padahal peningkatan tersebut sebagian
besar karena adanya pengaruh harga yang melonjak tajam. Dengan
menggunakan data PDHB ADHK tahun dasar 1993 bisa terlihat bahwa secara riil
PDB tahun 1998 turun jika dibandingkan tahun sebelumnya, yaitu Rp
7.458.575,95 miliar yang sebelumnya adalah Rp 7.996.929,90 miliar.

Tabel 1. Persentase PDRB ADHB Propinsi Sumatera Barat menurut


Sektor

Tahun 2000-2007

N Tahun
Sektor
o 2000 2001 2002 2003 2004 2005 2006 2007
23.5 23.5 23.4 24.1 25.5 25.2 24.6
1 pertanian 3 9 1 8 24.27 9 6 7
pertambangan dan
2 penggalian 3.82 3.73 3.73 3.59 3.52 3.39 3.45 3.44
14.0 13.7 13.1 12.5 11.3 11.4 12.0
3 industri 6 0 6 9 12.25 8 2 1
4 LGA 0.92 0.99 1.27 1.47 1.47 1.49 1.42 1.37
5 bangunan 4.94 4.97 4.81 4.94 5.37 5.53 5.61 5.50
perdagangan,hotel&rest 18.1 19.0 18.8 18.7 17.4 16.9 17.3
6 oran 2 5 8 9 18.80 6 6 4
pengangkutan&komunik 11.5 11.7 12.7 12.5 13.8 15.1 15.0
7 asi 8 8 8 9 12.28 1 3 7
8 keuangan 5.09 5.11 5.15 5.27 5.17 5.03 4.96 4.96
17.9 17.0 16.8 16.5 16.3 15.7 15.6
9 Jasa-jasa 5 7 1 7 16.87 1 9 4
100. 100. 100. 100. 100.0 100. 100. 100.
Total 00 00 00 00 0 00 00 00
Sumber: Badan Pusat Statistik
Dari tabel di atas terlihat bahwa sektor yang menguasai perekonomian Sumatera
Barat dari tahun 2000 sampai 2007 adalah sektor Pertanian, yang diikuti sektor
Perdagangan, hotel dan Restoran serta sektor Jasa-jasa. Pada tahun 2007, sektor
yang mengalami penurunan persentase share-nya terhadap total PDRB
dibanding tahun 2006 adalah: pertanian,pertambangan dan penggalian, LGA,
bangunan, pengangkutan dan komunikasi, serta jasa-jasa. Sektor yang share-
nya paling kecil terhadap total PDRB Sumatera Barat adalah sektor LGA.

Sumber: Badan Pusat Statistik

Dari Grafik PDRB ADHK 1993 tersebut bisa terlihat bahwa trend PDRB Sumatera
Barat cenderung selalu meningkat, kecuali ketika terjadi guncangan krisis
moneter tahun 1998. Krisis 1998 ternyata menyebabkan PDRB ADHK Sumatera
Barat menurun. Kemudian pada tahun 2000 kembali mengalami peningkatan
sampai sekarang. Kenaikan BBM pada tahun 2005 tidak terlalu terlihat
dampaknya bagi PDRB Sumatera Barat.

Grafik 2. Inflasi Kota Padang tahun 2000-2009

INFLASI
12

10

-2
00 01 02 03 04 05 06 07 08 09

Sumber: Badan Pusat Statistik


Dari Grafik di atas terlihat bahwa inflasi yang terjadi di Propinsi Sumatera
Barat cenderung stabil, fluktuasinya tidak terlalu besar. Namun, pada
Oktober 2005 (ketika terjadi kenaikan harga BBM). Inflasi di Sumatera
Barat melonjak tajam menjadi 10 persen bila dibandingkan bulan
September. Kenaikan BBM mempunyai dampak yang besar terhadap
perekonomian karena hampir semua aspek kehiduan selalu menggunakan
BBM dalam menjalankan aktivitasnya.

Sumber: Badan Pusat Statistik


Jumlah orang yang bekerja di Sumatera Barat selalu meningkat seiring
dengan bertambahnya jumlah penduduk di propinsi tersebut (adanya
trend positif). Hal itu wajar, karena adanya kecenderungan manusia untuk
memenuhi kebutuhannya. Dengan bertambahnya kebutuhan akan barang
dan jasa, maka manusia akan berusaha memperoleh pekerjaan, sehingga
jumlah TK selalu meningkat.

2. Model IHK Kota Padang

IHK
560

520

480

440

400

360

320

280

240

200
00 01 02 03 04 05 06 07 08 09

Dari grafik terlihat bahwa IHK kota Padang mempunyai trend positif, selalu
meningkat dari tahun ke tahun. Walaupun bila dilihat perkembangan IHK
bulanan dalam 1 tahun kadang mengalami penurunan, namun tidak
terlalu signifikan.Dalam grafik di atas terdapat peningkatan IHK paling
besar yaitu ketika terjadi kenaikan harga BBM, Oktober 2005. Bulan Juni
2008 juga terjadi peningkatan IHK Kota Padang, hal ini dikarenakan terjadi
kenaikan harga BBM yang berpengaruh langsung terhadap peningkatan
harga-harga komoditas di kota Padang.

a. Pengujian Stasioneritas Data


H0: data IHK tidak stasioner
H1: data IHK stasioner
α = 5%
statistic uji: Augmented Dickey-Fuller

Hasil pengujian:

Null Hypothesis: IHKPADANG has a unit root


Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 0.488129 0.9857


Test critical values: 1% level -3.481623
5% level -2.883930
10% level -2.578788

*MacKinnon (1996) one-sided p-values.

Diperoleh hasil bahwa p value= 0.9857, yang lebih besar dari 5%, sehingga
disimpulkan bahwa data tidak stasioner pada level. Maka dilakukan proses
differensial/transformasi agar data menjadi stasioner. Dalam hal ini dilakukan
diferensial saja, karena grafik hasil differensial pertama memperlihatkan varians
antar waktu yang tidak terlalu fluktuatif.

H0: data D(IHK) tidak stasioner


H1: data D(IHK) stasioner
α = 5%
statistic uji: Augmented Dickey-Fuller
Hasil pengujian:

Null Hypothesis: D(IHKPADANG) has a unit root


Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -9.467849 0.0000


Test critical values: 1% level -3.482035
5% level -2.884109
10% level -2.578884

*MacKinnon (1996) one-sided p-values.

Diperoleh hasil bahwa p-value = 0.000, yang signifikan di tingkat


kepercayaan 95% maupun 99%. Sehingga disimpulkan bahwa data IHK stasioner
pada differens pertama (d=1). Karena data D(IHK) stasioner, maka dapat
dilanjutkan ke proses pencarian model ARIMA yang tepat untuk menggambarkan
IHK Kota Padang dari bulan Januari 2000 sampai dengan bulan Juni 2010.

b. Analisis Correlogram

Terlihat bahwa pola PACF dan ACF hampir sama, yaitu keduanya sama-sama
memotong garis sumbu pada lag 1. Ada indikasi bahwa model yang cocok untuk
IHK ini adalah ARIMA(1,1,1), namun hal itu harus dibuktikan dengan melakukan
pengujian Least square.
c. Pencarian Model Terbaik
Dengan menggunakan model ARIMA (p,d,q), dilakukan pencarian model terbaik
yang dapat menggambarkan IHK kota Padang. Beberapa hasil running data IHK
adalah sebagai berikut:
1. ARIMA(1,1,1)
Dependent Variable: D(IHKPADANG)
Method: Least Squares
Date: 01/05/11 Time: 09:11
Sample (adjusted): 2000M03 2010M10
Included observations: 128 after adjustments
Convergence achieved after 8 iterations
MA Backcast: 2000M02

Variable Coefficient Std. Error t-Statistic Prob.

C 2.568099 0.513027 5.005775 0.0000


AR(1) -0.380891 0.290801 -1.309797 0.1927
MA(1) 0.598296 0.251071 2.382979 0.0187

R-squared 0.051910 Mean dependent var 2.578995


Adjusted R-squared 0.036740 S.D. dependent var 5.117049
S.E. of regression 5.022169 Akaike info criterion 6.088759
Sum squared resid 3152.772 Schwarz criterion 6.155604
Log likelihood -386.6806 Hannan-Quinn criter. 6.115918
F-statistic 3.422002 Durbin-Watson stat 2.024569
Prob(F-statistic) 0.035736

Inverted AR Roots -.38


Inverted MA Roots -.60

Keputusan: Tidak tolak Ho

2. ARIMA(1,1,2)
Dependent Variable: D(IHKPADANG)
Method: Least Squares
Date: 01/05/11 Time: 09:08
Sample (adjusted): 2000M03 2010M10
Included observations: 128 after adjustments
Convergence achieved after 8 iterations
MA Backcast: 2000M01 2000M02

Variable Coefficient Std. Error t-Statistic Prob.

C 2.681017 0.359228 7.463274 0.0000


AR(1) 0.619035 0.253047 2.446325 0.0158
MA(1) -0.429630 0.251065 -1.711231 0.0895
MA(2) -0.270089 0.087408 -3.089964 0.0025

R-squared 0.074471 Mean dependent var 2.578995


Adjusted R-squared 0.052079 S.D. dependent var 5.117049
S.E. of regression 4.982022 Akaike info criterion 6.080300
Sum squared resid 3077.747 Schwarz criterion 6.169426
Log likelihood -385.1392 Hannan-Quinn criter. 6.116512
F-statistic 3.325813 Durbin-Watson stat 2.005978
Prob(F-statistic) 0.021941

Inverted AR Roots .62


Inverted MA Roots .78 -.35
Keputusan: Tolak Ho

3. ARIMA(0,1,1)

Dependent Variable: D(IHKPADANG)


Method: Least Squares
Date: 01/05/11 Time: 09:09
Sample (adjusted): 2000M02 2010M10
Included observations: 129 after adjustments
Convergence achieved after 7 iterations
MA Backcast: 2000M01

Variable Coefficient Std. Error t-Statistic Prob.

C 2.543711 0.549314 4.630709 0.0000


MA(1) 0.244949 0.086036 2.847036 0.0051

R-squared 0.042466 Mean dependent var 2.549623


Adjusted R-squared 0.034927 S.D. dependent var 5.107927
S.E. of regression 5.017933 Akaike info criterion 6.079296
Sum squared resid 3197.815 Schwarz criterion 6.123634
Log likelihood -390.1146 Hannan-Quinn criter. 6.097311
F-statistic 5.632423 Durbin-Watson stat 2.060396
Prob(F-statistic) 0.019131

Inverted MA Roots -.24

Keputusan: Tolak Ho

4. ARIMA(2,1,0)
Dependent Variable: D(IHKPADANG)
Method: Least Squares
Date: 01/05/11 Time: 09:13
Sample (adjusted): 2000M04 2010M10
Included observations: 127 after adjustments
Convergence achieved after 2 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 2.623049 0.449251 5.838721 0.0000


AR(1) 0.195152 0.088003 2.217575 0.0284
AR(2) -0.182572 0.088097 -2.072390 0.0403

R-squared 0.059841 Mean dependent var 2.621507


Adjusted R-squared 0.044677 S.D. dependent var 5.114572
S.E. of regression 4.999015 Akaike info criterion 6.079697
Sum squared resid 3098.778 Schwarz criterion 6.146883
Log likelihood -383.0608 Hannan-Quinn criter. 6.106994
F-statistic 3.946266 Durbin-Watson stat 1.992350
Prob(F-statistic) 0.021802

Inverted AR Roots .10+.42i .10-.42i

Keputusan: Tolak Ho
5. ARIMA(3,1,3)

Dependent Variable: D(IHKPADANG)


Method: Least Squares
Date: 01/05/11 Time: 09:14
Sample (adjusted): 2000M05 2010M10
Included observations: 126 after adjustments
Convergence achieved after 28 iterations
MA Backcast: 2000M02 2000M04

Variable Coefficient Std. Error t-Statistic Prob.

C 2.891917 0.219931 13.14917 0.0000


AR(1) -0.394089 0.065541 -6.012857 0.0000
Dependent AR(2) 0.454997
Variable: D(IHKPADANG) 0.060715 7.493962 0.0000
AR(3)Squares
Method: Least 0.704653 0.064162 10.98242 0.0000
MA(1)
Date: 01/05/11 Time: 09:18 0.560924 0.021236 26.41392 0.0000
MA(2) -0.530970
Sample (adjusted): 2000M06 2010M10 0.024431 -21.73390 0.0000
MA(3)
Included observations: -0.971647
125 after adjustments0.016623 -58.45142 0.0000
Convergence achieved after 24 iterations
R-squared
MA Backcast: 2000M04 2000M05 0.139949 Mean dependent var 2.625249
Adjusted R-squared 0.096585 S.D. dependent var 5.134814
S.E. of regression
Variable 4.880545 Akaike
Coefficient info criterion
Std. Error t-Statistic 6.062344
Prob.
Sum squared resid 2834.547 Schwarz criterion 6.219915
Log likelihood
C -374.9277
2.658772 Hannan-Quinn
0.436500 criter. 6.091121 6.126360
0.0000
F-statisticAR(1) 3.227318 Durbin-Watson
1.431986 0.090745 stat 15.78029 1.884183
0.0000
Prob(F-statistic)
AR(2) 0.005667
-1.384078 0.154943 -8.932831 0.0000
AR(3) 0.435216 0.154173 2.822917 0.0056
Inverted AR Roots
AR(4) .92
-0.217259 -.66-.57i
0.088993 -.66+.57i
-2.441304 0.0161
Inverted MA Roots
MA(1) .98
-1.262755 -.77+.63i
0.014504 -.77-.63i
-87.06078 0.0000
MA(2) 0.978851 0.010639 92.00960 0.0000

R-squared 0.103305 Mean dependent var 2.648891


Adjusted R-squared 0.057710 S.D. dependent var 5.148588
S.E. of regression 4.997818 Akaike info criterion 6.110251
Sum squared resid 2947.426 Schwarz criterion 6.268636
Log likelihood -374.8907 Hannan-Quinn criter. 6.174594
F-statistic 2.265718 Durbin-Watson stat 2.003044
Prob(F-statistic) 0.041760

Inverted AR Roots .64+.74i .64-.74i .08+.47i .08-.47i


Inverted MA Roots .63+.76i .63-.76i

Keputusan: Tolak Ho

6. ARIMA(4,1,2)
Keputusan: Tolak Ho

Ringkasan pencarian Model Terbaik ARIMA (p,d,q)

N R-
o Model Keputusan square AIC
ARIMA(1,1 0.0519 6.0887
1 ,1) tidak tolak Ho 10 59
ARIMA(1,1 Tolak Ho sig 0.0744 6.0803
2 ,2) 10% 71 00
ARIMA(3,1 0.1399 6.0623
3 ,3) Tolak Ho 49 44
ARIMA(4,1 0.1033 6.1102
4 ,2) Tolak Ho 05 51
ARIMA(2,1 0.0598 6.0796
5 ,0) Tolak Ho 41 97
ARIMA(0,1 0.0424 6.0792
6 ,1) Tolak Ho 66 96

Dari berbagai kombinasi kemungkinan ARIMA(p,d,q), diperoleh 5 model


yang signifikan menggambarkan pergerakan IHK Sumatera Barat, yaitu
ARIMA(1,1,2), ARIMA(2,1,2), ARIMA(5,1,5), ARIMA(6,1,6) dan ARIMA(7,1,7),
sedangkan sisanya tidak signifikan. Dari kelima model yang signifikan
dicari model terbaik, yaitu yang memenuhi kriteria: mempunyai R2 yang
paling besar, serta memiliki Akaike info criterion(AIC) yang terkecil.
Akhirnya, diperoleh model terbaik yang mampu menggambarkan angka
IHK Padang yaitu model ARIMA(3,1,3).

Dalam analisis d(IHKpadang) disebut perubahan IHK


• Nilai C = 2.891917. Artinya, dengan tingkat kepercayaan 95 persen nilai
rata-rata perubahan IHK kota Padang adalah 2.891917 persen.
• Nilai AR(1) = -0.394089. Artinya dengan tingkat kepercayaan 95 persen, jika
terjadi kenaikan perubahan IHK pada periode bulan sebelumnya sebesar 1
persen akan menurunkan perubahan IHK saat ini sebesar -0.394089 persen.
dgn asumsi variabel lain konstan
• Nilai AR(2) = 0.454997. Artinya dengan tingkat kepercayaan 95 persen, jika
terjadi kenaikan perubahan IHK pada periode dua bulan sebelumnya sebesar
1 persen akan menaikkan perubahan IHK saat ini sebesar 0.454997 persen.
dgn asumsi variabel lain konstan
• Nilai MA(1) = 0.560924. Artinya dengan tingkat kepercayaam 95 persen, jika
terjadi kenaikan error perubahan IHK pada periode bulan sebelumnya
sebesar 1 persen akan meningkatkan perubahan IHK saat ini sebesar
0.560924 persen. dgn asumsi variabel lain konstan
• Nilai MA(2) = -0.530970. Artinya dengan tingkat kepercayaam 95 persen, jika
terjadi kenaikan error perubahan IHK pada periode dua bulan sebelumnya
sebesar 1 persen akan menurunkan perubahan IHK saat ini sebesar
-0.530970 persen. dgn asumsi variabel lain konstan
• Nilai R- squared adjusted : 0.139949. Artinya besarnya keragaman model
yang dapat dijelaskan oleh variabel-variabel independent adalah sebesar
0.139949 persen.
• Nilai statistic DW=1.884183 mengindikasikan bahwa tidak terdapat
autokorelasi sisaan.
• Model yang terbentuk adalah :
Yt = 0,007032 - 0.239082 Yt-1 - 0.943794 Yt-2 + 0,194432 et-1 + 0,970879 et-2
a. Pengujian beberapa Asumsi
H0: residual model ARIMA (5,1,5) berdistribusi normal
H1: residual model ARIMA (5,1,5) tidak berdistribusi normal
α = 5%
statistic uji: Jarque-Bera
Hasil pengujian:
35
Series: RESARIMA
30 Sample 2000M01 2010M10
Observations 129
25
Mean 0.150508
Median -0.231264
20
Maximum 33.05303
Minimum -7.257947
15 Std. Dev. 4.731218
Skewness 2.863192
10 Kurtosis 19.89275

5 Jarque-Bera 1710.092
Probability 0.000000
0
0 10 20 30

Diperoleh nilai probability statistic Jarque-Bera 0.000, artinya tolak H0.


Sehingga disimpulkan bahwa residual model tidak mengikuti distribusi
Normal. Dari histogramnya bisa terlihat bahwa terdapat data yang bersifat
pencilan.

Null Hypothesis: RESARIMA has a unit root


Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -10.59208 0.0000


Test critical values: 1% level -3.482035
5% level -2.884109
10% level -2.578884

*MacKinnon (1996) one-sided p-values.

Dari uji stasioneritas sisaan, diketahui bahwa error ARIMA (3,1,3) sudah
stasioner, namun jika diuji distribusinya belum mengikuti distribusi
Normal, hal ini bisa disebabkan oleh Varians dari sisaan yang masih belum
konstan.

Heteroskedasticity Test: White

F-statistic 1.251758 Prob. F(35,90) 0.1983


Obs*R-squared 41.25394 Prob. Chi-Square(35) 0.2160
Scaled explained SS 353.5298 Prob. Chi-Square(35) 0.0000
Model yang baik apabila semua variabel signifikan dengan asumsi
terpenuhi. Beberapa asumsi untuk model Arima adalah: normalitas, non
auto korelasi, dan homoskedastisitas.

e. Peramalan menggunakan ARIMA(3,1,3)

IHKPadang

700
Forecast: IHKF1
Actual: IHK
600 Forecast sample: 2000M01 2011M06
Adjusted sample: 2000M07 2011M06
Included observations: 120
500
Root Mean Squared Error 13.93271
Mean Absolute Error 11.62435
Mean Abs. Percent Error 3.334226
400
Theil Inequality Coefficient 0.018014
Bias Proportion 0.078385
Variance Proportion 0.022838
300
Covariance Proportion 0.898777

200
01 02 03 04 05 06 07 08 09 10

IHKF1 ± 2 S.E.

Diperoleh grafik peramalan IHK Padang menggunakan Arima (5,1,5),


terlihat bahwa IHK Padang setiap tahun selalu meningkat, hal ini wajar
saja karena peningkatan IHK dipengaruhi oleh adanya kenaikan harga dan
peningkatan pola konsumsi masyarakat di sana. Hasil peramalan IHK
Padang sampai bulan Juni 2011 dirangkum dalam tabel di bawah:

period IHK
e Padang
Jul-
10 532.7115
Aug- 535.6655
10
Sep-
10 538.6220
Oct-10 541.5773
Nov-
10 544.5329
Dec-
10 547.4883
Jan-11 550.4431
Feb-
11 553.3998
Mar-
11 556.3555
Apr-11 559.3115
May-
11 562.2673
Jun-11 565.2227