PERTEMUAN I

Konsep Dasar Ekonometrika

1.1. Dasar-Dasar Ekonometrika

Ekonometrik berasal dari dua kata, yaitu: ekonomi dan metrik. Kata ekonomi merujuk

pada masalah-masalah ekonomi. Sedang metrik menjelaskan tentang ukuran atau pengukuran

yang digunakan dalam melakukan sebuah analisis. Sehingga ekonometrik dapat diartikan sebagai

metode pengukuran yang digunakan dalam menganalisis masalah-masalah ekonomi. Sedangkan

ekonometrika adalah kumpulan dari beberapa metode pengukuran yang digunakan dalam

mengalisis masalah-maslah ekonomi. Adapun metode pengukuran dalam menganalisis atau

memecahkan masalah-masalah ekonomi tersebut adalah menggunakan pendekatan matematika

dan statistika.

Beberapa ahli berpendapat bahwa ekonometrika merupakan cabang dari ilmu ekonomi

yang menggunakan pendekatan matematika dan statistika yang bertujuan untuk memecahkan

masalah-masalah ekonomi. Para ahli tersebut, diantaranya adalah:

Syahrul (2000:150), ekonometrika adalah penggunaan analisis komputer serta teknik

pembuatan model untuk menjelaskan hubungan antara kekuatan-kekuatan ekonomi utama

seperti ketenagakerjaan, modal, suku bunga, dan kebijakan pemerintah dalam pengertian

matematis, kemudian menguji pengaruh dari perubahan dalam skenario ekonomi.

Koutsoyiannis A. (1977). Econometrics is a combination of economic theory,

mathematical economics, and statistics, but it is completely distinct from each one of these three

branches of science.
 Samuelson et al., (Econometrica, 1954), The application of mathematical statistics to

economic data to lend empirical support to models constructed by mathematical economics and

to obtain numerical estimates.

Dalam definisi yang sederhana, ekonometrika adalah suatu aplikasi dari metode statistika

pada ekonomi. Namun, tidak seperti pada ilmu statistika, yang hanya terfokus kepada data

statistik, ilmu ekonometrika merupakan gabungan dari teori ekonomi, matematika, dan

statistika. Istilah ekonometrika pertama kali diperkenalkan oleh Ragnar Frisch (1933), seorang

pakar ekonomi dan statistika berkebangsaan Norwegia. Ahli lainnya yang mengemukakan

pengetian ekonometrika, diantaranya adalah:

a. Damodar Gujarati (1983:60), Ekonometrika: “Pengukuran ekonomi”

b. Gerhard Tintner, Ekonometrika adalah hasil dari suatu pandangan khusus atas

peranan ilmu ekonomi, terdiri dari penerapan statistika matematik atas data ekonomi

untuk memberi dukungan empiris untuk model yang disusun dengan ilmu ekonomi

matematis dan untuk memperoleh hasil dalam angka (numerical results).

c. Thad W. Mirer (1990:vii), Ekonometrika: “Is designed for courses in economic statistics

and introductory econometrics that aim to mix the development of technique with its

application to real economic analysis”.

d. Wannacott (1989:240), Econometric is the measurement of the such causal

relationship, either to show how the economic operates or to make predictions about

the future.
 f. Arthur S.Goldberger (1964.p.1), Ekonometrika adalah ilmu sosial yang menggunakan

alat berupa teori ekonomi, matematika, dan statistika inferensi yang digunakan untuk

menganalisis kejadian-kejadian ekonomi.

g. J.Supranto (1983.p.6), Ekonometrika merupakan gabungan penggunaan matematik

dan statistik untuk memecahkan persoalan ekonomi.

h. Sugiyanto, Catur (1994, p.3), Ekonometri adalah suatu ilmu yang mengombinasikan

teori ekonomi dengan statistik ekonomi dengan tujuan menyelidiki dukungan empiris

dari hukum skematik yang dibangun oleh teori ekonomi. Dengan memanfaatkan ilmu

ekonomi, matematik, dan statistik, ekonometri membuat hukum-hukum ekonomi

teoritis tertentu menjadi nyata.

Beberapa pendapat tersebut di atas, menjelaskan bahwa konsep dasar dari ilmu

ekonometrik adalah mengkaji beberapa teori ekonomi melalui suatu analisis yang menggunakan

model matematika dan statistika untuk 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 peramalan

(forecasting) selain itu hasilnya bisa menolak teori sehingga perlu adanya perbaikan teori.

Salah satu bagian paling penting dari ekonometri adalah analisis regresi yang digunakan

untuk mengetahui hubungan antar dua variabel atau lebih. Terdapat sedikitnya dua jenis variabel

yang berhubngan, yaitu variabel bebas dan variabel terikat. Biasanya variabel bebas diberi simbol

X dan variabel terikat Y. Kedua hubungan variabel atau lebih sangat ditentukan oleh teori

ekonomi, variabel mana yang menjadi variabel bebas dan mana menjadi variabel terikat. Dengan

demikian menyusun model kajian dalam analisis ekonometrika tidak terlepas dari pendekatan
teori ekonomi, untuk menentukan kejelasan diterima atau tidaknya teori atau untuk mengetahui

apakah teori ekonomi yang ada benar-benar dapat diaplikasikan pada suatu kasus tertentu atau

pada suatu wilayah tertentu.

Berdasarkan data yang digunakan, ekonometri dibagi menjadi tiga analisis, yaitu analisis

runtun waktu (time series), antar-wilayah (cross section), dan analisis data panel. Analisis runtun

waktu menjelaskan mengenai perilaku suatu variabel sepanjang beberapa waktu berturut-turut,

berbeda dengan analisis antar-wilayah yang menjelaskan antara beberapa daerah dalam satu

waktu tertentu (snapshot). Sementara analisis data panel menggabungkan antara data runtun

waktu dengan data antar-wilayah.

1.2. Metodologi Ekonometrika

Metodologi adalah ilmu yang mempelajari tentang cara atau metode yang digunakan

untuk memperoleh kebenaran melalui sebuah kajian. Dalam hal ini yang akan dijelaskan adalah

memahami langkah-langkah prosedur yang dilakukan dalam menemukan kebenaran dari sebuah

kajian masalah-masalah ekonomi yang didasarkan pada pendekatan teori ekonomi.

Secara umum ekonometrika dapat dibagi ke dalam dua kategori besar, yaitu:

a. Ekonometrika teori (theoritical econometrics), yang berkaitan dengan pengembangan

metode yang tepat untuk mengukur hubungan antar dimensi-dimensi ekonomi yang

ditetapkan oleh model ekonometrika. Dalam pembahasannya lebih pada statistika

matematis. Contohnya metode kuadrat terkecil (least square method) merupakan

fokus dari ekonometrika teoritis yang menguraikan asumsi metode ini, sifat-sifatnya

dan apa yang terjadi pada sifat-sifat ini jika satu atau lebih asumsi dalam metode ini

tidak terpenuhi.
 b. Ekonometrika terapan (applied econometrics), yaitu menerapkan alat ekonometrika

teoritis untuk mempelajari beberapa bidang usus dalam ilmu ekonomi, seperti fungsi

produksi, fungsi konsumsi dan lainnya

Beberapa tehnik analisis yang menggunakan model matematika dan statistika dalam

analisis ekonometrik, yaitu:

a) Analisis Regresi
b) Analisis Korelasi
c) Analisis Kausalitas
d) Analisis Forecasting

a) Analisis Regresi

Analisis regresi sering digunakan dalam menganalisis hubungan antar variabel yang

dinyatakan dalam bentuk persamaan matematik. Regresi menunjukkan hubungan antara dua

atau lebih variabel untuk mengetahui valid atau tidaknya pengaruh veriabel bebas terhadap

variabel terikat. Adapun sifat pengaruhnya terbagai atas pengaruh negatif (berlawanan arah) dan

pengaruh positif (searah). Selanjutnya pengaruh satu arah yaitu variabel independen ke variabel

dependen, sedangkan kausalitas menunjukkan valid tidaknya hubungan dua arah.

Selain tehnik analisis, data merupakan suatu hal yang akan sangat mempengaruhi analsis

yang akan digunakan dalam ekonometrik. Data akan mempengaruhi seberapa besar tingkat

presisi dari analisis tersebut. Data yang dibutuhkan dalam analisis ekonometrika, ada 3 jenis data:

 Cross sectional, artinya data dari beberapa departemen atau institusi yang

dikumpulkan berada dalam satu waktu tertentu.

Contoh : Data Pendapatan Domestik Regional Bruto (PDRB) di beberapa Provinsi di

Indonesia tahun 2019.

  Time series, artinya data yang dikumpulkan berada dalam beberapa kurun waktu

tertentu yang terdapat dalam suatu institusi atau departemen.

Contoh: Data PDRB DIY tahun 2015-2019

 Panel, merupakan data gabungan cross sectional dan time series.

Contoh: Data Pendapatan Domestik Regional Bruto (PDRB) di beberapa Provinsi di

Indonesia dalam beberapa tahun 2019

Model yang menggunakan analisis regresi dapat dibagi atas dua bentuk persamaan

regresi, yaitu regresi sederha (simple regression) dan regresi bergan (multiple regression). Untuk

menentukan penggunaan salah satu dari penggunaan model analisis regresi tersebut, ditentukan

oleh jumlah variabel bebasnya, artinya jika variabel bebasnya hanya satu, maka regresi yang

digunakan adalah regresi sederhana dengan bentuk persamaan sebagai berikut:

Y = a + bX
Dimana :
Y = variabel Terikat (dependent variable)
a = Konstantata
b = Multiplier (angka pengganda) atau koefisien arah dari variabel X
X = Variabel Bebas

Persamaan berganda atau multiple regression ini digunakan untuk mengetahui tingkat

keberartian (signifikan) variabel X terhadap variabel Y dimana jumlah variabel X lebih dari satu

yang dapat dinyatakan dalam bentuk persamaan sebagai berikut.

Y = a + bX1 + cX2 + dX3

Jumlah variabel X merupakan jumlah variabel ekonomi yang akan dikaji pengaruhnya

terhadap variabel terikat Y. Menentukan variabel tersebut tidak terlepas dari permasalahan
ekonomi atau dengan kata lain pemodelan tersebut disusun dalam bentuk persamaan, artinya

untuk menentukan sebuah variabel dijadikan sebagai variabel bebas maupun variabel terikat

tidak terlepas dari konsep atau teori ekonomi. Seperti contoh jika kita memilih dua unsur

ekonomi, yaitu konsumsi (C) dan pendapatan (I), maka berdasarkan teori ekonomi tingkat

konsumsi ditentukan oleh besar kecilnya pendapatan bukan sebaliknya. Dengan demikian yang

menjadi variabel terikat adalah konsumsi (Y) dan yang menjadi variabel bebas adalah

pendapatan(X). Selanjutnya akan dikaji seberapa besar tingkat signifikan pengaruh pendapatan

terhadap tingkat konsumsi. Jika hasil analisis menunjukkan nilai signifikansi negatif, berarti

variabel pendapatan memiliki hubungan tidak searah dengan variabel konsumsi. Artinya jika

pendapatan meningkat, maka tingkat konsumsi akan menurun. Demikian sebaliknya jika

pendapatn menurun, maka tingkat konsumsi meningkat. Jika hasil analisis menunjukkan hasil

yang positif (searah), maka dapat dikatakan bahwa jika tingkat pendapatan meningkat, maka

jumlah konsumsi meningkat. Demikian juga jika pendapatan menurun, maka tingkat konsumsi

ikut menurun.

Penggunaan regresi berganda melibatkan lebih dari unsur atau dimensi ekonomi, seperti

contoh: tingkat harga suatu produk, tingkat pendapatan, dan jumlah permintaan suatu produk.

Secara umum maupun berdasarkan pendekatan ekonomi, besar kecilnya jumlah permintaan

barang ditentukan oleh besar kecilnya harga produk dan tingkat pendapatan. Dengan demikian

yang menjadi variabel terikat melalui pendekatan teori ekonomi adalah jumlah permintaan, dan

variabel bebasnya adalah tingkat harga dan tingkat pendapatan. Yang menjadi kajian dalam

permasalahan ekonomi tersebut adalah seberapa besar tingkat keberartian atau singnifikansi

pengaruh variabel tingkat harga dan tingkat pendapatan terhadap jumlah permintaan.
b) Analisis Korelasi

Dalam teori probabilitas dan statistika, korelasi disebut juga koefisien korelasi, adalah

nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak (random

variable). Analisis korelasi merupakan studi yang membahas tentang derajat (seberapa kuat)

hubungan antara dua variabel atau lebih. Ukuran derajat hubungan tersebut merupakan

koefisien korelasi yang menunjukkan arah dan kuat hubungan antara dua variabel atau lebih.

Arah hubungan negatif, Jika nilai variabel diturunkan, maka akan meningkatkan nilai variabel

yang lainnya. Artinya, jika nilai variabel ditingkatkan, maka akan menurunkan nilai variabel yang

lainnya. Demikian halnya jika nilai variabel diturunkankan, maka akan meningkatkan nilai variabel

lainnya. Sebaliknya arah hubungan positif berarti : apabila nilai variabel ditingkatkan, maka akan

meningkatkan nilai variabel yang lainnya. Jika nilai variabel diturunkan, maka akan menurunkan

nilai variabel yang lainnya. Arah dinyatakan dalam bentuk hubungan positif atau negatif.

Kuatnya hubungan dinyatakan dalam bentuk angka, antara 0 – 1. Angka 0 menunjukkan

hubungan yang tidak ada, sedangkan angka 1 menunjukkan hubungan yang sempurna. Semakin

kecil koefisien korelasi, maka semakin besar kesalahan untuk membuat prediksi. Besarnya

koefisien korelasi, memakai range dari - 1 sampai + 1 dimana tanda (+) atau (-) yang terdapat di

depan angka koefisien korelasi bukanlah tanda aljabar, tetapi merupakan petunjuk bahwa

korelasi tersebut merupakan korelasi positif atau korelasi negatif.

Korelasi Product Moment disebut juga teknik korelasi pearson. Variabel yang

dikorelasikan berbentuk gejala atau data yang bersifat kontinu, selanjutnya sampel yang diteliti

mempunyai sifat homogen atau setidak-tidaknya mendekati sifat homogen. Interpretasi Angka

Korelasi product moment Besar Y Product Moment (r) Interpretasi 0,00 – 0,20 menunjukkan
hubungan antara variabel X dan Y sangat lemah sehingga dapat diabaikan. Jika berada pada

interval 0,20 – 0,40, dinyatakan hubungan antara variabel X dan Y terdapat korelasi yang lemah

atau rendah. Jika berada pada interval 0,40-0,70 menjelaskan hubungan antara variabel X dan Y

terdapat korelasi yang sedang atau cukup. Selanjutnya jika berada pada interval 0,70-0,90, dapat

dinyatakan bahwa hubngan antara variabel X dan Y terdapat korelasi yang kuat atau tinggi.

Terakhir jika berada pada interval 0,90 – 1,00, maka hubungan antara variabel X dan Y terdapat

korelasi yang sangat kuat atau sangat tinggi.

c) Analisis Kausalitas
Model kausal atau analisis sebab akibat pada dasarnya akan memperhatikan sebuah

peristiwa tertentu atau lebih dan beberapa faktor lain yang mempunyai pengaruh, baik pengaruh

langsung maupun tidak langsung terhadap peristiwa tersebut (Agung, 2001: 266).

Persoalan sebab akibat atau kausalitas sebenarnya adalah masalah probabilitas.

Misalnya, berapa probabilitas penurunan depresi seseorang setelah perlakukan diberikan.

Namun, di Indonesia, masalah kausalitas jarang dikaitkan dengan probabilitas. Apakah X

mempengaruhi Y kita lihat dari inferensi statistik dan jarang melibatkan inferensi kausal. Berikut

ini contoh-contoh model analisis kausal. Sekedar ingin berbagi keresahan saja.

e) Analisis Forecasting

Analisis Forecasting merupakan teknik prakiraan dengan cara memperkirakan apa yang

akan terjadi pada masa mendatang secara sistematis dan pragmatis berbasis data yang relevan

pada masa yang lalu, sehingga dengan demikian teknik prakiraan diharapkan dapat memberikan

objectivitas yang lebih besar. Teknik prakiraan sering digunakan dalam dunia industri, seperti
dalam hal menentukan volume penjualan di masa datang dengan menggunakan metode regresi

linear melalui data-data penjualan di masa lalu.