Ekonometri adalah suatu ilmu yang memanfaatkan metematika dan teori statistik dalam

mencari nilai parameter dari pada hubungan ekonomi sebagaimana didalilkan oleh teori
ekonomi. Karenanya, dalam praktek, ekonometri mencampurkan teori ekonomi dengan
matematika dan teori statistik. Yang perlu diingat bahwa matematika dan teori statistik hanya
merupakan alat bantu dalam melakukan analisis ekonometri yang pada hakekatnya lebih

1.Untuk memberikan kontribusi dalam membuat prediksi atau ramalan-ramalan yang sangat
bermanfaat bagi semua pihak.

2. Untuk dapat memberikan sumbangan kepada pembuat kebijaksanaan atau mengambil

keputusan pada berbagai tingkat untuk dapat membuat kebijaksanaan atau pengambilan
keputusan yang lebih tepat serta mengevaluasi kebijaksanaan yang telah ada.

3 Untuk dapat memberikan sumbangan kepada analisis struktur ekonometri dan analisis lintas
sektoral. Dengan bantuan ekonometril semuanya dapat dilakukan tanpa mengalami kesusahan.

4. Ekonometri dapat dimanfaatkan untuk membuat estimasi sebuah fungsi beserta parameter-
parameternya, yang selanjutnya dapat dimanfaatkan untuk membuat prediksi untuk periode
yang akan datang. Disamping itu, ekonometri lebih banyak memberikan perhatiannya kepada
ilmu ekonomi positif.

Berdasarkan tujuan dan manfaat ekonometri tersebut dapat disimpulkan bahwa ekonometri
lebih banyak memberikan perhatiannya kepada ilmu ekonomi positif, karena tidak
diperlakukannya asumsi ceteris paribus sebagai akibat berperannya variabel disturbansi dalam
model ekonometri.

Penulisan model dalam ekonometrika adalah merupakan pengembangan dari

persamaan fungsi secara matematis, karena pada hakikatnya sebuah fungsi adalah sebuah
persamaan yang menggambarkan hubungan sebab akibat antara sebuah variabel dengan satu
atau lebih variable lain. Penulisan model dalam bentuk persamaan fungsi tersebut dicontohkan
dalam persamaan berikut ini:

Persamaan Matematis  Y = a + b X ……….. (pers.1)

Persamaan Ekonometrika  Y = b0 + b1X + e ……….. (pers.2)

Munculnya e (error term) pada persamaan ekonometrika (pers.2) merupakan suatu penegasan
bahwa sebenarnya banyak sekali variabel-variabel bebas yang mempengaruhi variabel terikat
(Y). Karena dalam model tersebut hanya ingin melihat pengaruh satu variabel X saja, maka
variabel-variabel yang lain dianggap bersifat tetap atau ceteris paribus, yang dilambangkan
dengan e.

Bentuk Model

Terdapat tiga jenis model yaitu: Model Regresi Linier, Model Regresi Kuadratik, Model Regresi
Kubik.

Model Regresi Linier

Kata linier menggambarkan arti bahwa sebaran data dalam scatterplot menunjukkan sebaran

data yang mendekati bentuk garis lurus. Data semacam ini dapat wujud apabila perubahan pada
variabel Y sebanding dengan perubahan variabel X. Jika sebaran datanya berkecenderungan
melengkung, maka cocoknya menggunakan dengan regresi kuadratik. Jika sebaran datanya
kecenderungannya seperti bentuk U atau spiral regresinya menggunakan regresi kubik. Model
linier sendiri dapat dibedakan sebagai single linier maupun multiple linier. Disebut single linier
apabila variabel bebas hanya berjumlah satu dengan batasan pangkat satu. Sedang multiple
linier apabila variable bebas lebih dari satu variabel dengan batasan pangkat satu.

persamaan single linier dan persamaan multiple linier sebagai berikut:

Y = b0 + b1X + e ……….. (pers.3)

Y = b0 + b1X1 + b2X2 + …… + bnXn + e ……….. (pers.4)

Misalkan dari pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito (Budep) pada periode
tertentu, dan jika datanya telah diketahui, maka data akan tergambar dalam bentuk titik-titik
yang merupakan sebaran data dalam scatter plot. Dengan menggunakan data penelitian
hubungan antara inflasi dan bunga deposito antara Januari 2001 hingga Oktober 2002, maka
sebaran datanya tergambar sebagai berikut:

Hubungan Suku Bunga terhadap Inflasi

Sebaran data tersebut di atas (gambar 3) menunjukkan hubungan yang positif, yaitu jika bunga
deposito meningkat, maka inflasi juga meningkat. Begitu pula jika bunga deposito menurun,
inflasi juga turun. Sedangkan contoh sebaran data yang digambarkan dalam scatter plot di
bawah ini menunjukkan bahwa hubungan antara variable Afenegat (Afeksi negative) dan
Latribut (Atribut) mempunyai hubungan yang negative. Jika atributnya berkurang, maka afeksi
negatifnya meningkat. Begitu pula sebaliknya. Dari scatter plot kedua gambar tersebut (baik
gambar di atas maupun di bawah ini) menunjukkan bahwa sebaran datanya menyebar
memanjang lurus, sehingga dapat diwakili dengan garis lurus. Oleh karena itu, kedua scater plot
tersebut akan tepat digunakan regresi linier.

Model Kuadratik

Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel
bebasnya. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:

Y = b0 + b1X1 + b2X12 + e ……….. (pers.5)

Model Kubik

Salah satu ciri model kubik dapat diketahui dari adanya pangkat tiga pada salah satu variabel
bebasnya. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:

Y = b0 + b1X1 + b1X12 + b1X13 + e ………..(pers.6)

Kesalahan pengganggu ini sendiri mempunyai banyak sebab yang dapat menimbulkannya
seperti:

tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi variabel terikat
dapat disebutkan dalam model.kesalahan asumsi dalam menentukan teori yang diwujudkan
sebagai model.ketidaklengkapan data yang dianalisis.ketidaktepatan model yang digunakan.
Misalnya, seharusnya digunakan model kuadratik tetapi justru yang digunakan adalah model
linier, atau sebaliknya.
e. Spesifikasi Model dan Data

Secara spesifik model dalam ekonometrika dapat dibedakan menjadi: model ekonomi (economic
model) dan model statistic (statistical model).

f.  Model Ekonomi

Biasanya dituliskan dalam bentuk persamaan sebagai berikut:

Y = b0 + b1X1 + b2 X2

Tanda b = parameter, menunjukkan ketergantungan variabel Y terhadap variabel X

b0 = intercept, menjelaskan nilai variabel terikat ketika masing-masing variabel bebasnya

bernilai 0 (nol).

Model ini menggambarkan rata-rata hubungan sistemik antara variabel Y, X1, X2. Dalam model
ini nilai e tidak

tertera, karena nilai e diasumsikan non random. Dalam realita, model ini tidak mampu
menjelaskan variabelvariabel ekonomi secara pas (clear), oleh karena itu membutuhkan regresi.

g. Model Statistik

Model ekonomi seperti yang dijelaskan di atas, mencerminkan nilai harapan, maka dapat pula
ditulis:

E (Y) = b0 + b1X1 + b2 X2

Karena nilai harapan, maka tentu tidak akan secara pasti sesuai dengan realita. Oleh karena itu
akan muncul nilai random error term (e). Nilai e sendiri merupakan selisih antara nilai kenyataan
dan nilai harapan. Secara

matematis dapat dituliskan sebagai berikut:

e = Y – E(Y) atau e = Y –Yˆ

jadi, Y = Yˆ + e

karena, Yˆ = E (Y) = b0 + b1X1 + b2 X2

maka Y = b0 + b1X1 + b2 X2 + e

Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan,

elastisitas.bDalam suatu model regresi terdapat dua jenis variabel, yaitu variabel terikat dan
variabel bebas, yang dipisahkan oleh tanda persamaan. Variabel terikat sering disimbolkan
dengan Y, biasa pula disebut sebagai variabel dependen, variabel tak bebas, variabel yang
dijelaskan, variabel yang diestimasi, variabel yang dipengaruhi. Cirinya, berada pada sebelah kiri
tanda persamaan (=). Variabel bebas sering disimbolkan dengan X, biasa pula disebut sebagai
variabel independen, variabel yang mempengaruhi, variabel penjelas, variable estimator,
variabel penduga, variabel yang mempengaruhi, variabel prediktor. Cirinya terletak pada sebelah
kanan tanda persamaan (=). Dalam suatu model juga terdapat parameterparameter yang
disebut konstanta, juga koefisien korelasi. Konstanta sering disimbolkan dengan a, atau b0, atau

Kesimpulan atau maksud dari uraian bab 2 yaitu

Model dalam ekonometrika adalah merupakan pengembangan dari persamaan fungsi secara
matematis, karena pada hakikatnya sebuah fungsi adalah sebuah persamaan yang
menggambarkan hubungan sebab akibat antara sebuah variabel dengan satu atau lebih variable
lain.

Penulisan model dalam bentuk persamaan fungsi tersebut dicontohkan dalam persamaan
berikut ini:

Persamaan Matematis  Y = a + b X ……….. (pers.1)

Persamaan Ekonometrika Y = b0 + b1X + e ……….. (pers.2)

Munculnya e (error term) pada persamaan ekonometrika (pers.2) merupakan suatu penegasan
bahwa sebenarnya banyak sekali variabel-variabel bebas yang mempengaruhi variabel terikat
(Y). Karena dalam model tersebut hanya ingin melihat pengaruh satu variabel X saja, maka
variabel-variabel yang lain dianggap bersifat tetap atau ceteris paribus, yang dilambangkan
dengan e.0. Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan,
elastisitas.bterdapat tiga jenis model yaitu: Model Regresi Linier, Model Regresi Kuadratik,
Model Regresi Kubik. Variabel terikat sering disimbolkan dengan Y, biasa pula disebut sebagai
variabel dependen, variabel tak bebas, variabel yang dijelaskan, variabel yang diestimasi,
variabel yang dipengaruhi. Cirinya, berada pada sebelah kiri tanda persamaan (=). Variabel bebas
sering disimbolkan dengan X, biasa pula disebut sebagai variabel independen, variabel yang
mempengaruhi, variabel penjelas, variable estimator, variabel penduga, variabel yang
mempengaruhi, variabel prediktor. Cirinya terletak pada sebelah kanan tanda persamaan (=).
Dalam suatu model juga terdapat parameterparameter yang disebut konstanta, juga koefisien
korelasi. Konstanta sering disimbolkan dengan a, atau b0, atau

3.   a. Model adalah rencana, representasi, atau deskripsi yang menjelaskan suatu objek, sistem,
atau konsep, yang seringkali berupa penyederhanaan atau idealisasi. Bentuknya dapat
berupa model fisik (maket, bentuk prototipe), model citra (gambar rancangan, citra komputer),
atau rumusan matematis.

b. Jenis-jenis ekonometrika yaitu Model Regresi Linier, Model Regresi Kuadratik, Model Regresi
Kubik.

c. perbedaan antara jenis-jenis model ekonometrika yaitu Kata linier menggambarkan arti bahwa
sebaran data dalam scatter plot menunjukkan sebaran data yang mendekati bentuk garis lurus.
Data semacam ini dapat wujud apabila perubahan pada variabel Y sebanding dengan perubahan
variabel X. Jika sebaran datanya berkecenderungan melengkung, maka cocoknya menggunakan
dengan regresi kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk U atau spiral
regresinya menggunakan regresi kubik.

d. Asumsi-asumsi yang harus dipenuhi dalam regresi linear yaitu uji normalitas adalah Asumsi
normalitas terpenuhi bila galatnya berdistribusi normal, uji asumsi galat menyebar seragam
(homoskedastisitas) adalah Pengujian homoksedastisitas ini dapat dilakukan dengan
menggunakan uji Run. , uji autokorelasi adalah Asumsi ini dipenuhi jika antara pengamatan satu
dengan pengamatan yang lain dari variabel Y bersifat bebasAdanya autokorelasi
pada error mengindikasikan bahwa ada satu atau beberapa factor (variabel) penting yang
mempengaruhi variabel terikat Y yang tidak dimasukkan ke dalam model regresi.. Statistik uji
yang sering dipakai adalah Durbin-Watson statistics. (DW-statistics)., uji asumsi multikolinieritas
adalah suatu kondisi dalam regresi linier berganda dimana antar variabel bebas saling
berkorelasi. Masalah multikolinieritas pada regresi linier berganda mengakibatkan pengujian
hipotesis parameter berdasar- kan metode kuadrat terkecil memberikan hasil yang tidak valid.
Indikasi masalah multikolinieritas dapat dideteksi dengan faktor inflasi ragam, pengujian asusmsi
linearitas adalahAsumsi linearitas menrupakan hal yang sangat penting dalam analisis regresi
linier. Yang dimaksud dengan linearitas adalah bahwa nilai rata-rata variabel respon (Y)
merupakan fungsi garis lurus dari variabel prediktor (X). dalam analisis regresi linear berganda
digambarkan bahwa antara variabel respon mempunyai hubungan pengaruh linier.