Puji syukur penyusun panjatkan ke hadirat Tuhan Yang Maha Esa, karena telah melimpahkan
rahmat-Nya berupa kesempatan dan pengetahuan sehingga makalah ini bisa selesai pada
waktunya.
Terima kasih juga kami ucapkan kepada teman-teman yang telah berkontribusi dengan
memberikan ide-idenya sehingga makalah ini bisa disusun dengan baik dan rapi.
Penyusun berharap semoga makalah ini bisa menambah pengetahuan para pembaca. Namun
terlepas dari itu, penyusun memahami bahwa makalah ini masih jauh dari kata sempurna,
sehingga penyusun sangat mengharapkan kritik serta saran yang bersifat membangun demi
terciptanya makalah selanjutnya yang lebih baik lagi.
21 Februari 2019
Penyusun
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
1. Latar Belakang
Ekonometrika merupakan salah satu alat analisis penting di bidang ekonomi. Dalam
analisis ekonometrika, ketersediaan data yang sesuai sangat mempengaruhi hasil analisis
yang diperlukan. Data untuk pekerjaan ekonometrika terdiri dari tiga jenis, yaitu data time
series atau runtun waktu, cross section, dan data panel. Data time series merupakan
sekumpulan observasi dalam rentang waktu tertentu. Data ini dikumpulkan dalam interval
waktu secara kontinu. Data cross section merupakan data yang dikumpulkan dalam kurun
waktu tertentu dari sampel. Data panel merupakan gabungan antara data time series dan data
cross section (Widarjono, 2007).
Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data
panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan
data yang lebih banyak sehingga akan menghasilkan degrees of freedom yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi
masalah yang timbul ketika ada masalah penghilangan variabel. Kelemahannya adalah
model yang menggunakan kombinasi data ini menjadi lebih kompleks dibandingkan model
untuk jenis data lain. Hal ini disebabkan karena pada analisis data panel tidak hanya
menganalisis individu saja namun juga menganalisis waktu (Widarjono, 2007). Data panel
terdiri dari dua bentuk, yaitu data panel lengkap (complete panel data) dan data panel tidak
lengkap (incomplete panel data). Data panel tidak lengkap sering ditemui dalam banyak
kasus di bidang ekonomi. Jika setiap unit cross section mempunyai data runtun waktu yang
sama maka modelnya disebut model regresi data panel seimbang (balance panel) sedangkan
jika jumlah observasi runtun waktu dari unit cross section tidak sama atau karena adanya data
yang hilang dalam suatu unit individu maka disebut regresi data panel tidak seimbang
(unbalance panel) (Widarjono, 2007).
1
Regresi merupakan metode estimasi utama di dalam ekonometrika. Secara umum analisis
regresi adalah studi mengenai ketergantungan satu variabel tak bebas dengan satu atau lebih
variabel bebas dengan tujuan untuk memperkirakan dan atau meramalkan nilai rata-rata dari
variabel tidak bebas apabila nilai variabel yang menerangkan sudah diketahui (Supranto,
2005). Terdapat beberapa metode estimasi parameter pada model regresi data panel tidak
lengkap. Beberapa diantaranya adalah Generalized Least Squares (GLS) dan Feasible
Generalized Least Squares (FGLS). Generalized Least Squares merupakan metode estimasi
parameter dengan variansi error yang ada pada model diketahui. GLS ini merupakan salah
satu bentuk estimasi least squares yang dibuat untuk mengatasi sifat heteroskedastisitas.
Sedangkan Feasible Generalized Least Squares merupakan metode estimasi parameter
dengan variansi error pada model tidak diketahui sehingga perlu dilakukan estimasi pada
komponen variansi error tersebut.
3. Pembatasan Permasalahan
4. Tujuan Penulisan
Adapun tujuan dari penulisan tugas akhir ini adalah sebagai berikut:
4.1. Memberikan gambaran tentang model regresi data panel tidak lengkap (unbalanced
panel data regression model).
4.2. Untuk mencari estimasi parameter pada model regresi data panel tidak lengkap
(incomplete panel data regression model) menggunakan metode Feasible Generalized
Least Squares (FGLS) dengan komponen error satu arah yang merupakan model efek
random (random effect model). Kalau ada
4.3. Membentuk suatu model persamaan regresi data panel tidak lengkap kemudian menguji
parameter-parameternya secara statistika.
4.4. Memberikan contoh aplikasi metode FGLS untuk mencari pemecahan dari suatu
permasalahan. Kalau ada
2
4.5. Menyelasikan tugas terstruktur mata kuiah Ekonometrika
BAB 2
Pembahasan
A. MODEL REGRESI
3
menganggap tidak adanya perubahan dari variabel-variabel yang disebut denganceteris
paribus.
Persamaan Matematis
Y = a + b X ……….. (pers.1)
Persamaan Ekonometrika
Y = b0 + b1X + e ……….. (pers.2)
B. Bentuk Model
4
tersebut disebut juga sebagai persamaanregresi. Model Regresi mempunyai bermacam-
macambentuk model yang dapat dibedakan berdasarkan sebarandata yang terlihat dalam
scatterplott -nya. Setidaknya terdapat tiga jenis model yaitu: Model Regresi Linier,Model
Regresi Kuadratik, Model Regresi Kubik
scatter plot
menunjukkan sebaran data yang mendekati bentuk garis lurus. Data semacam ini dapat
wujud apabilaperubahan pada variabel Y sebanding dengan perubahanvariabel X. Jika
sebaran datanya berkecenderunganmelengkung, maka cocoknya menggunakan
denganregresi kuadratik. Jika sebaran datanya kecenderungannyaseperti bentuk U atau
spiral regresinya menggunakanregresi kubik.Model linier sendiri dapat dibedakan
sebagai singlelinier maupun multiple linier. Disebut single linier apabilavariabel bebas
hanya berjumlah satu dengan batasanpangkat satu. Sedang multiple linier apabila
variabelbebas lebih dari satu variabel dengan batasan pangkat
satu. Untuk lebih jelasnya akan dicontohkan bentuk persamaan single linier (pers.3)
dan persamaan multiplelinier (pers.4) sebagai berikut:
Y = b0+ b1X + e ……….. (pers.3)
scatter plot.
5
Dengan menggunakan data penelitian hubungan antara inflasi dan bunga deposito
antara Januari 2001 hingga Oktober 2002, makasebaran datanya tergambar sebagai
berikut:
Gambar 3
Sebaran data tersebut di atas (gambar 3)menunjukkan hubungan yang positif, yaitu
jika bungadeposito meningkat, maka inflasi juga meningkat. Begitupula jika bunga
deposito menurun, inflasi juga turun.Sedangkan contoh sebaran data yang
digambarkan dalam
scatter plot di bawah ini (gambar 4), menunjukkan bahwahubungan antara variable
Afenegat (Afeksi negative) danLatribut (Atribut) mempunyai hubungan yang
negative.Jika atributnya berkurang, maka afeksi negatifnyameningkat. Begitu pula
sebaliknya. Dari scatter plot kedua gambar tersebut (baik gambardi atas maupun di
bawah ini) menunjukkan bahwasebaran datanya menyebar memanjang lurus,
sehinggadapat diwakili dengan garis lurus. Oleh karena itu, keduascater plot tersebut
akan tepat digunakan regresi linier.
6
Gambar 4
2. Notasi Model
7
merupakan parameter yangmenunjukkan slope atau kemiringan garis regresi.
Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn.
Meskipun dituliskan dengan tanda yang berbeda, secara substansi parameter ini
menunjukkan betaatau koefisien korelasi yang sekaligus menunjukkantingkat
elastisitas dari variabel X tersebut. Nilai beta inimemungkinkan untuk bernilai positif
maupun negatif.Tanda positif menunjukkan hubungan yang searah antaravariabel X
dengan variabel Y. Artinya jika X mengalamipeningkatan maka Y juga mengalami
peningkatan.Sebaliknya jika X mengalami penurunan maka Y
punakan menurun. Arah hubungan seperti itu tidak terjadipada beta yang berangka
negatif. Karena jika tandanyanegatif arah hubungan X terhadap Y saling
berlawanan.Jika X meningkat maka Y menurun, sebaliknya jika Xmenurun maka nilai
statistik t meningkat.Demikian pula, karena nilai koefisien korelasi ini juga
menunjukkan tingkat elastisitas, maka dari besarnyanilai koefisien korelasi (b) tersebut
dapat ditentukan jeniselastisitasnya. Jika nilai b besarnya lebih dari satu (b>1)maka
disebut elastis. Artinya, jika variabel X mengalamiperubahan, maka variabel Y akan
mengalami perubahanyang lebih besar dari perubahan yang ada pada variabel
Xtersebut. Jika nilai b besarnya sama dengan angka satu(b=1) disebut uniter elastis.
Artinya, jika variabel Xmengalami perubahan, maka variabel Y akan
mengalamiperubahan yang sama besar dengan perubahan yang adapada variabel X
tersebut. Jika nilai b besarnya lebih kecildari angka satu (b<1) disebut inelastis.
Artinya, jikavariabel X mengalami perubahan, maka variabel Y akanmengalami
perubahan yang lebih kecil dari perubahanyang ada pada variabel X tersebut.Huruf e
merupakan kependekan dari error term atau kesalahan penggganggu.
Simbol error ini tidak jarang dituliskan dalam huruf ε atau μ. Simbol inimerupakan
karakteristik dari ekonometrika yang tidak dapat dilepaskan dari unsur-unsur
stokhastik atau hal-halyang mengandung probabilita, karena hasil yang ditunjukkan
oleh model ekonometrika hanya bersifatperkiraan, dalam arti tidak menunjukkan
kebenaran yangmutlak. Oleh karena itu nama lain dari simbol ini tidak terlepas dari
sifat dasar itu seperti: disturbance error atau stochastic disturbance.
8
Kesalahan pengganggu ini sendiri mempunyaibanyak sebab yang dapat
menimbulkannya seperti:
1) Model Ekonomi
2) Model Statistik
9
Karena nilai harapan, maka tentu tidak akan secara pastisesuai dengan realita. Oleh
karena itu akan muncul nilai random error term (e).
e = Y – E(Y) atau e = Y – Ŷ
Jadi, Y = Ŷ + e
10
1. Nilai harapan Y tergantung pada nilai masing-masing variabel penjelas dan
parameter-parameternya. Dengan menggunakan asumsi E(e) =0, maka rata-
rata perubahan nilai Y untuk setiapobservasi ditentukan oleh fungsi regresi.
E(Y) = b0 + b1X1 + b2X2
2. Variance distribusi probabilitas Y tidak dapatberubah setiap observasi.
Var(Y)= Var (e) =σ
3. Tidak ada kaitan langsung antara observasi satu dengan observasi lainnya
Cov (Yi, Yj) = Cov (ei, ej) = 04. Nilai Y secara normal terdistribusi di
sekitar rata-rata. Asumsi-asumsi di atas difokuskan pada
pembahasanvariabel terikat. Perlu adanya asumsi tambahanterhadap
variabel penjelas, yaitu:
a. Variabel independen tidak bersifat random, karenadengan jelas dapat
diketahui dari data.
b. Variabel independen tidak merupakan fungsi lineardari yang lain.
Asumsi ini penting agar tidak terjadi Redundancy yang menyebabkan
multikolinearitas.
11
sedangkannilainya disebut sebagai estimate atau nilai perkiraan. Meskipun penulisan
simbol konstanta dan koefisienregresinya agak berbeda, namun
penghitungannyamenggunakan metode yang sama, yaitu dapat dilakukandengan
metode kuadrat terkecil biasa (ordinary least square), atau dengan metode Maximum
Likelihood
n ( Ʃxy ) −( Ʃx )( Ʃy )
b=
n ( Ʃx ²)( Ʃx ) ²
mencari nilai a:
Ʃy −b . Ʃx
a= n
Mencari nilai b:
Ʃxy
b = Ʃx ²
mencari nilai a:
12
nilai a: a = Y − bX
Misalnya saja kita ingin meneliti pengaruh bunga deposito jangka waktu 1 bulan
(sebagai variabel X = Budep)terhadap terjadinya inflasi di Indonesia (sebagai
variabelY=Inflasi) pada kurun waktu Januari 2001 hinggaOktober 2002, yang
datanya tertera sebagai berikut:
Berdasarkan data yang tertera di atas, maka nilai a dan bdapat dicari
melalui penggunakan kedua rumus tersebut,baik itu rumus pertama ataupun
kedua. Seandainya kitaingin menggunakan rumus pertama, maka langkah
awalyang dapat dilakukan adalah mengadakan penghitungan-penghitungan atau
pengembangan data untuk disesuaikandengan komponen rumus, sehingga
nantinya dapat secaralangsung diaplikasikan ke dalam rumus. Pengembangan data
yang dimaksudkan adalah menentukan nilai X 12,
nilaiY², serta nilai XY. Hasil pengembangan data dapatdilihat pada tabel berikut
13
Setelah mendapatkan hitungan-hitungan hasilpengembangan data, maka angka-
angka tersebut dapat secara langsung dimasukkan ke dalam rumus I, sebagai
berikut: Mencari nilai b
n ( Ʃxy ) −( Ʃx )( Ʃy )
b=
n ( Ʃx ²)( Ʃx ) ²
mencari nilai a:
14
Ʃy −b . Ʃx
a= n
Seperti telah dijelaskan di atas, bahwa nilai a dan b dapatpula dicari dengan
menggunakan rumus kedua. Demikianpula, agar dapat secara langsung
menggunakan rumus IIini, perlu menghitung dulu komponen-
komponenrumus.Langkah yang dapat dilakukan dicontohkansebagai berikut:
Ʃxy
b = Ʃx ²
∑xy atau ∑x² yang dapat dilakukan dengan rumus-rumus sebagai berikut:
∑xy = ∑XY −(∑X ∑Y )/ n
maka:
15
324 , 22²
Ʃx² = 4800,53 - = 4800,53 – 4778,12 = 22.41
22
260 , 49²
Ʃy² = 3148,48 - =3148,48−3084,32=64,16
22
(324,22−260 , 49)
Ʃxy = 3871,40 - = 3871,40 – 3838,91 = 32,49
22
32,49
b= = 1,4498
22,41
Dengan diketahuinya nilai b, maka nilai a juga dapat dicari dengan rumus sebagai
berikut:
a = Y − bX
= 11.8405 – 21.3661
a= -9.5256
16
pembulatan. Dengan demikian dapat disimpulkan bahwa,mencari a dan b dengan
rumus I ataupun rumus II akanmenghasilkan nilai yang sama.
17