DISTRIBUSI MODEL LAG (EKONOMETRIKA II)

Nama : Nurfadhilah Finanda

NPM : 1811021025
P.S. : Ekonomi Pembangunan

Mata Kuliah : Ekonometrika II

Dosen :  Dr. Yoke Muelgini, M.Sc

Jurusan Ekonomi Pembangunan

Fakultas Ekonomi dan Bisnis Universitas Lampung
Bandar Lampung
2021
 KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT yang telah memberikan rahmat
dan inayah-Nya sehingga saya dapat menyelesaikan Makalah tentang model
distribusi lag.

Terima kasih saya ucapkan kepada pihak-pihak yang telah membantu saya baik

secara moral maupun materi. Terima kasih juga saya ucapkan kepada teman-
teman seperjuangan yang telah mendukung saya sehingga kami bisa
menyelesaikan tugas ini tepat waktu.

Saya menyadari, bahwa makalah yang saya buat ini masih jauh dari kata
sempurna baik segi penyusunan, bahasa, maupun penulisannya. Oleh karena itu,
saya sangat mengharapkan kritik dan saran yang membangun dari semua pembaca
guna menjadi acuan agar penulis bisa menjadi lebih baik lagi di masa mendatang.

Semoga makalah ini bisa menambah wawasan para pembaca dan bisa bermanfaat
untuk perkembangan dan peningkatan ilmu pengetahuan.

Bandar Lampung, 3 Juni 2021

Nurfadhilah Finanda

i
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................i
DAFTAR ISI.................................................................................................................ii

BAB I............................................................................................................................1

PENDAHULUAN.........................................................................................................1

1.1 Latar Belakang..............................................................................................1

1.2 Rumusan Masalah.........................................................................................2

1.3 Tujuan...........................................................................................................2

BAB II...........................................................................................................................3

ISI.................................................................................................................................3

2.1 Model Distribusi Lag.....................................................................................3

2.2 Estimasi model distribusi log........................................................................6

2.3 Model ARDL.................................................................................................7

BAB III.........................................................................................................................8

PENUTUP....................................................................................................................8

3.1 Kesimpulan...................................................................................................8

DAFTAR PUSTAKA...................................................................................................9

ii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Kehidupan manusia sehari-hari tidak pernah lepas dari pengamatan. Ketika

seseorang melihat atau mengamati suatu kejadian dalam suatu waktu sering
timbul pertanyaan apa yang akan terjadi pada waktu yang akan datang dan
bagaimana kejadian pada waktu sebelumnya. Begitu pula saat melihat suatu
kejadian di suatu tempat, muncul pertanyaan apa yang terjadi di daerah sekitarnya.
Pertanyaan menyangkut waktu tersebut mendasari munculnya suatu kajian runtun
waktu (time series analysis).

Runtun waktu merupakan serangkaian pengamatan terhadap suatu peristiwa,

kejadian, yang diambil dari waktu ke waktu, serta dicatat secara teliti berdasarkan
urutan waktu, kemudian disusun sebagai data statistik (Sutrisno, 1998: 353).
Analisis runtun waktu merupakan analisis sekumpulan data dalam suatu periode
waktu yang lampau yang berguna untuk mengetahui atau meramalkan kondisi
masa mendatang. Hal ini didasarkan bahwa perilaku manusia banyak dipengaruhi
kondisi atau waktu sebelumnya sehingga dalam hal ini faktor waktu sangat
penting peranannya (Gujarati, 1995: 5).

Para ahli ekonometrika menganalisis data runtun waktu dengan metode yang
berbeda dengan yang dilakukan oleh para ahli runtun waktu. Ahli ekonometrika
cenderung menformulasikan model regresi klasik untuk menganalisis perilaku
data runtun waktu, menganalisis tentang masalah simultanitas, dan kesalahan
autokorelasi. Sebaliknya, ahli runtun waktu membuat model perilaku runtun
waktu dengan mekanisme sendiri serta tidak begitu memperhatikan peranan
variabel bebas X dan variabel tak bebas Y . Perbedaan pendapat ini membuat para
ahli ekonometrika mengkaji ulang pendekatannya terutama dalam menganalisis
runtun waktu.

1
Model regresi dengan menggunakan data runtun waktu tidak hanya menggunakan
pengaruh perubahan variabel bebas terhadap variabel tak bebas dalam kurun
waktu yang sama dan selama periode pengamatan yang sama, tetapi juga
menggunakan periode waktu sebelumnya. Waktu yang diperlukan bagi variabel
bebas X dalam mempengaruhi variabel tak bebas Y disebut bedakala atau lag.

Model regresi yang memuat variabel tak bebas yang dipengaruhi oleh variabel
bebas pada waktu t , serta dipengaruhi juga oleh variabel bebas pada waktu t −1, t
− 2 dan seterusnya disebut model dinamis distribusi lag, sebab pengaruh dari
suatu atau beberapa variabel bebas X terhadap variabel tak bebas Y menyebar
(spread or distributed) ke beberapa periode waktu.

Model regresi yang memuat variabel tak bebas yang dipengaruhi oleh variabel
bebas pada waktu t , serta dipengaruhi juga oleh variabel tak bebas itu sendiri
pada waktu t −1 disebut model autoregressive.

Keistimewaan dari model dinamis autoregressive dan model dinamis distribusi lag
adalah model tersebut telah membuat teori statis menjadi dinamis karena model
regresi yang biasanya mengabaikan pengaruh waktu, melalui model
autoregressive dan model dinamis distribusi lag waktu ikut diperhitungkan
(Supranto, 1995: 200). Oleh karena itu, model autoregressive dan model dinamis
distribusi lag sering disebut satu rangkaian dengan nama “Model Dinamis :
Autoregressive dan Distribusi Lag”.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan distribusi lag model dan model autoregressif?
2. Bagaimana estimasi dalam model distribusi lag?
3. Apa yang dimaksud dengan ARDL?

1.3 Tujuan

1. Untuk mengetahui yang dimaksud dengan distribusi lag model dan model
autoregressive.
2. Untuk mengetahui cara estimasi model distribusi lag.

2
3. Untuk mengetahui yang idmaksud dengan ARDL.

BAB II

ISI

2.1 Model Distribusi Lag

Dalam analisis regresi yang melibatkan data deret waktu, jika model regresi
memasukan tidak hanya nilai variabel yang menjelaskan (X) saat ini, tetapi juga
nilai masa lalu (lagged), model yang terbentuk disebut dengan model lagged yang
didistribusikan (distributed-lag-model). Sedangkan jika model yang dibentuk
dengan memasukan satu atau lebih nilai masa lalu (lagged) dari variabel tak bebas
(Y) di antara variabel yang menjelaskan (X), model yang terbentuk disebut
dengan model autoregresif (AR).

Y t =a+ β 0 X t + β1 X t + β2 X t −2+ X t−k +ut

Model di atas merupakan model distribusi lag.

Y t =a+ βX t +γX t−1 +ut

Model di atas merupakan contoh model autogresif.

Dalam ilmu ekonomi ketergantungan suatu variabel Y (variabel tak bebas) atas
variabel lain X (variabel bebas) jarang bersifat seketika. Sangat sering, Y bereaksi
terhadap X dengan suatu selang waktu. Selang waktu seperti itu disebut lag.

Ada tiga alasan utama kenapa lag terjadi, diantaranya

1. Alasan Psikologis. Adanya unsur kebiasaan dalam pola konsumsi, seseorang

yang mendapat kenaikan pendapatan, tidak langsung dan merubah
kehidupannya. Seperti contoh, seseorang yang mendapat undian 500 juta,
tidak langsung akan menjadi hidup mewah, seperti makan mahal, membeli
mobil mahal. Perubahan yang akan terjadi, mungkin malah di anggap buruk.
Seperti akan dikucilkan, sok gagah dan sebagainya. Hal yang akan terjadi

3
 mungkin dengan adanya kenaikan pendapatan,pola hidupnya akan berubah ,
secara pelan – pelan, seperti rekreasi ke tempat mahal, mengunjugi konser, dll.
2. Alasan yang bersifat teknologi. Dalam suatu perusahaan, di perlukan sistm
yang membuat perusahaan menghasilkan outout yang maksimal, dengan input
yang sesuai jika suatu saat harga model (capital) relative turun di banding K
(labour), maka di inginkan perusahaan tersebut akan mensubsitusi tenaga
kerja dengan mesin-mesin dan berubah dan padat harga (labour intensive)
menjadi padat model (capital intersive), namun, pimpinan perusahaan tidak
akan langsung menjadi terasa dengan mesin, namun di perlukan waktu (lag),
apalagi jika penurunan yang terjadi hanya sementara.
3. Alasan-alasan kelembagaan. Alasan ini juga menyumbangkan terjadinya lag.
Misalnya, kewajiban yang bersifat kontrak mungkin mencegah perusahaan
untuk beralih dari satu sumber tenaga kerja atau bahan mentah ke yang
lainnya.

Pada analisis regresi, yang menggunakan data time series odel regresi tidak hanya
variable x pada waktu t, tetapi juga variable bebas x waktu (t.i) yang di sebut
dengan variable lag. Pada ekonomi, biasanya yang terjadi tidak langsung/seketika
itu juga namun Y merespon untuk X dengan jarak waktu. Waktu yang di perlukan
dalam realsi di sebut lag. Beberapa contoh, Kredit perkebunan pemberian kredit
dari suatu banj pada perkebunan karet untuk keperluan investasi, Namun pengaruh
kredit (X) yang akan di rasakan oleh produksi (Y) waktu. Mungkin perubahan
akan di rasakan oleh X, akan memerlukan 1 tahun (t-1), 2 tahun (t-2), 5 tahun (t-
5), 10 tahun (t-10), sehingga akan

yt = a + b Xt-1, bed log 1 tahun

yt = a + b Xt-2, bed log 2 tahun
yt = a + b Xt-5, bed log 5 tahun
yt = a + b Xt-10, bed log 10 tahun
Xt-1, Xt-2, Xt-5, Xt-10, = lag variable

Metode-metode yang digunakan dalam menentukan persamaan distribusi lag

dugaan antara lain metode Koyck, metode Almon, metode Jorgenson dan metode
Pascal. Namun disini hanya akan dibahas metode Koyck dan metode Almon

4
sebab kedua metode ini lebih mudah diterapkan dalam membuat persamaan
dinamis distribusi lag dugaan. Metode Almon digunakan untuk menentukan
persamaan dinamis distribusi lag dugaan yang panjang beda kala (lag) diketahui.
Langkah pertama yang dilakukan adalah membuat persamaan Almon yaitu :

Dengan

Selanjutnya, nilai-nilai α^ ,^α 0 ,^α 1,^α 2 pada Y^ t = α^ + α^ 0 Z0t + α^ 1 Z1t + α^ 2Z2t

digunakan untuk mencari α^ , ^β 0, ^β 1, ^β 2… ^β k dalam persamaan dinamis distribusi
lag dugaan dengan panjang beda kala (lag) sebesar k. metode koyck digunakan
untuk menentukan persamaan dinamis distribusi lag tidak diketahui. Langkah
pertama yang dilakukan adalah membuat persamaan Koyck yaitu :

Selanjutnya, nilai-nilai α^ , ^β 0, C
^ digunakan untuk mencari nilai α^ , ^β 0, ^β 1, ^β 2… ^β k
dalam persamaan dinamis distribusi lag dugaan yang panjang beda kala (lag) tidak
diketahui.

Pada persamaan Koyck terdapat t−1 Y sebagai variabel bebas maka bersifat
autoregressive sehingga metode Koyck juga dapat digunakan untuk menentukan
persamaan dinamis autoregressive dugaan sedangkan persamaan hasil
transformasi Almon tidak bersifat autoregressive. Namun, setelah menggunakan
metode Koyck perlu dilakukan uji lanjutan dengan menggunakan uji statistik h
Durbin-Watson untuk mendeteksi autokorelasi dalam model dinamis
autoregressive. Uji statistik h Durbin-Watson perlu dilakukan karena adanya t−1
Y sebagai variabel bebas dalam model dinamis autoregressive kemungkinan
menyebabkan autokorelasi.

5
Keistimewaan dari model dinamis autoregressive dan model dinamis menurut
Supranto (Jatiningrum : 2008) distribusi lag adalah model tersebut telah membuat
teori statis menjadi dinamis karena model regresi yang biasanya mengabaikan
pengaruh waktu, melalui model autoregressive dan model dinamis distribusi lag
waktu ikut diperhitungkan. Oleh karena itu, model autoregressive dan model
dinamis distribusi lag sering disebut satu rangkaian dengan nama “Model Dinamis
: Autoregressive dan Distribusi Lag”.

Selain memiliki keistimewaan metode Koyck ini tentu saja memiliki kelemahan,
terutama dengan memasukkan variable lag dependent variable yang bersifat
stokastik sebagai variable penjelas, memungkinkan sekali berkorelasi dengan
unsur pengganggu (disturbance) yang bersifat stochastic. Sehingga penaksir OLS
bukan hanya bias tetapi juga tidak konsisten. Oleh karena itu teknik penaksiran
alternative diperlukan yakni model penyesuaian parsial (partial adjustment model)
atau kadang disebut juga dengan stock adjustment model yang dikembangkan
oleh nerlove (1958) dan distribusi lag polynomial oleh almon.

2.2 Estimasi model distribusi log

Model regresi yang memuat variabel takbebas yang dipengaruhi oleh variabel
bebas pada waktu t, serta dipengaruhi juga oleh variabel bebas pada waktu t – 1, t
– 2, … t – s disebut model distributed lag, sebab pengaruh dari satu atau beberapa
variabel bebas (X) terhadap variabel takbebas (Y) menyebar ke beberapa periode
waktu dan bentuk umumnya dinyatakan:

Y t =a+ β 0 X t + β1 Z t + β2 X t −1+ β 3 X t −1 + β 4 X t −2+ β5 Zt −2+ …+ β k X t−k + β k Z t −k + ut

Model di atas memperlihatkan factor keterlambatan X t −1, X t −2 ,… , X t −n sehingga

variabel tak bebas Y dan variabel bebas X bersifat tidak serentak. Model seperti
persamaan di atas disebut model dinamis (model yang melibatkan perubahan) dari
waktu ke waktu) karena efek perubahan unit dalam nilai variabel bebas X
sejumlah n periode waktu.

Terdapat dua jenis model distribusi lag diantaranya:

1. Model lag infinite:

6
 Y t =a+ β 0 X t + β1 Z t + β2 X t −1+ β 3 Z t −1 + β 4 X t −2+ β5 Zt −2+ …+ut

Model diatas disebut model lag infinite sebab beda kala tidak diketahui.

2. Model Lag Finite;

Y t =a+ β 0 X t + β1 Z t + β2 X t −1+ β 3 Z t −1 + β 4 X t −2+ β5 Zt −2+ …+ β k X t−k + β k Z t −k + ut
Model di atas disebut model lag finite dengan beda kala diketahui yaitu
sebesar k.

2.3 Model ARDL

ARDL merupakan gabungan antara metode autoregressive (AR) dan distributed

lag (DL). Model AR adalah model regresi yang memuat variabel takbebas
dipengaruhi oleh variabel bebas pada waktu t, serta dipengaruhi juga oleh variabel
takbebas itu sendiri pada waktu (Gujarati, 2006:484). Model distributed lag
disebut sebagai model dinamis karena efek perubahan satu unit dalam nilai
variabel bebas terdistribusi pada sejumlah periode waktu (Gujarati, 2006:485).
Oleh karena itu, model autoregressive dan model dinamis distributed lag sering
disebut satu rangkaian yaitu autoregressive distributed lag (ARDL).

Pada model ARDL terjadi adanya hubungan tidak serentak atau terlambat (lagged
relationship) pada variabel bebas X dan variabel takbebas Y. Salah satu upaya
untuk mengurangi jumlah faktor keterlambatan dalam model distributed lag
maupun masalah multikolinearitas adalah dengan menggunakan model Koyck.
Model Koyck merupakan suatu model yang mengasumsikan bahwa koefisien dari
variabel yang mengalami keterlambatan dapat menurun secara geometris.

Model ARDL merupakan model dinamis dalam ekonometrika yang bermanfaat

dalam ekonometrika empiris karena membuat teori ekonomi yang bersifat statis
menjadi dinamis dengan memperhitungkan peranan waktu secara eksplisit. Model
ARDL secara umum diterapkan dalam kasus ekonomi.

7
 BAB III

PENUTUP
3.1 Kesimpulan

Dalam analisis regresi yang melibatkan data deret waktu, jika model regresi
memasukan tidak hanya nilai variabel yang menjelaskan (X) saat ini, tetapi juga
nilai masa lalu (lagged), model yang terbentuk disebut dengan model lagged yang
didistribusikan (distributed-lag-model). Sedangkan jika model yang dibentuk
dengan memasukan satu atau lebih nilai masa lalu (lagged) dari variabel tak bebas
(Y) di antara variabel yang menjelaskan (X), model yang terbentuk disebut
dengan model autoregresif (AR).

Model regresi yang memuat variabel takbebas yang dipengaruhi oleh variabel
bebas pada waktu t, serta dipengaruhi juga oleh variabel bebas pada waktu t – 1, t
– 2, … t – s disebut model distributed lag, sebab pengaruh dari satu atau beberapa
variabel bebas (X) terhadap variabel takbebas (Y) menyebar ke beberapa periode
waktu.

Metode-metode yang digunakan dalam menentukan persamaan distribusi lag

dugaan antara lain metode Koyck, metode Almon, metode Jorgenson dan metode
Pascal. Namun disini hanya akan dibahas metode Koyck dan metode Almon
sebab kedua metode ini lebih mudah diterapkan dalam membuat persamaan
dinamis distribusi lag dugaan. Metode Almon digunakan untuk menentukan
persamaan dinamis distribusi lag dugaan yang panjang beda kala (lag) diketahui.

Model ARDL merupakan model dinamis dalam ekonometrika yang bermanfaat

dalam ekonometrika empiris karena membuat teori ekonomi yang bersifat statis
menjadi dinamis dengan memperhitungkan peranan waktu secara eksplisit. Model
ARDL secara umum diterapkan dalam kasus ekonomi.

8
 DAFTAR PUSTAKA

Agus, Widarjono. 2013. Ekonometrika Pengantar Dan Aplikasinya. Ekonosia.

Jakarta.

Gujarati, D.N. (2003), Basic Econometrics. New York: Mc.Graw-Hill.

https://www.mobilestatistik.com/model-lag-yang-didistribusikan-distributed-lag-
model/

Koop, Gary, 2013, Analysis of Economic Data, John Wiley & Sons, England

Rahmasari, A., Sunani, E. H., Jannah, M., Fathulaili, F., Kurnia, L., & Satria, A.
(2019). ARDL Method: Forecasting Data Kemiskinan di NTB. JTAM
(Jurnal Teori dan Aplikasi Matematika), 3(1), 52-57.