ISBN : 978-623-7054-00-9
Penerbit :
Danisa Media
Banyumeneng, V/15 Banyuraden, Gamping, Sleman
Telp. (0274) 7447007
Email : danisamedia_yk@yahoo.com
“Wahai orang-orang yang beriman, apabila dikatakan kepadamu, berilah
kelapangan di dalam majelis-majelis, maka lapangkanlah. Niscaya Allah Swt.
akan memberi kelapangan untukmu. Apabila dikatakan, berdirilah kamu,
maka berdirilah. Niscaya Allah Swt. akan mengangkat (derajat) orang-orang
yang beriman di antaramu dan orang-orang yang diberi ilmu beberapa
derajat. Allah Swt. Mahateliti apa yang kamu kerjakan.” (Surah al-
Mujadalah/58: 11)
Segala puji bagi Allah yang telah memberikan kami kemudahan sehingga dapat
menyelesaikan buku EKONOMETRIKA PENGANTAR (Dilengkapi Penggunaan
Eviews). Tanpa pertolongan-Nya penulis tidak akan sanggup menyelesaikan
buku ini dengan baik. Shalawat dan salam semoga terlimpahkan kepada baginda
tercinta Nabi Muhammad SAW.
Buku ini kami tujukan untuk para mahasiswa yang sedang mengambil mata
kuliah Ekonometri, baik program S1 dan S2 bidang ekonomi. Untuk itu, dalam
buku ini kami menjelaskan berbagai materi tentang konsep dasar regresi, serta
pengujian asumsi klasik dan cara perbaikan pelanggaran asumisi klasik.
Sehingga dengan demikian buku ini akan membantu mereka untuk mendapatkan
kemampuan dalam menganalisis data dengan alat analisis regresi linear.
Semoga buku ini dapat memberikan pengetahuan yang lebih luas kepada
pembaca. Walaupun buku ini memiliki banyak kekurangan. Penulis
membutuhkan kritik dan saran dari pembaca yang membangun. Terima kasih.
Penulis
DAFTAR ISI
Halaman Judul
Kata Pengantar
Daftar Isi
Bab 1 Konsep Dasar Ekonometrika 1
Bab 2 Regresi Sederhana 7
Bab 3 Regresi Berganda 43
Bab 4 Variabel Dummy Dalam Regresi 65
Bab 5 Uji Asumsi Klasik 71
Bab 6 Perbaikan Pelanggaran Asumsi Klasik 97
Bab 7 Analisis Regresi dengan EViews 133
Bab 8 Interpolasi Data 139
Bab 9 Menyamakan Tahun Dasar 151
Bab 10 Aplikasi Ekonometri Dalam Penelitian 157
Daftar Pustaka
BAB
1
KONSEP DASAR EKONOMETRIKA
Pendugaan parameter
model (4)
Inferensi statistik
(5)
Langkah 1
Model yang akan dibagun harus didasrkan kepada teori ekonomi (Teori
Ekonomi Mikro, Teori Ekonomi Makro dan Teori ekonomi Pembangunan)
Langkah 2
Menspesifikasikan model, meliputi :
a. Variable bebas atau variable penjelas maupun variable terikat yang akan
dimasukkan ke dalam model.
b. Asumsi – asumsi a priori mengenai nilai dan tanda parameter dari model.
c. Bentuk matematik dari model.
Langkah 3
Penaksiran model dengan metode ekonometrika yang tepat, meliputi :
a. Pengumpulan data.
b. Menyelidiki ada tidaknya pelanggaran asumsi klasik.
c. Menyelidiki syarat identifikasi jika modelnya mengandung lebih dari satu
persamaan.
d. Memilih teknik ekonometrika yang tepat untuk penaksiran model.
Langkah 4
Evaluasi atau pengujian untuk memutuskan apakah taksiran – taksiran
terhadap parameter sudah bermakna secara teoritis dan nyata secara
statistic, meliputi :
a. Kriteria a priori ekonomi
b. Kriteria statistic
c. Kriteria ekonometri
Langkah 5
Menguji kekuatan peramalan model.
Langkah 6
Inferensi Statistik
Apakah hasil uji statistic dan ekonometrik mendukung teori, jika tidak
mendukung ulangi cek data kembali serta beri alas an pendukung mengapai
hasil tidak sesuai dengan teori.
1.3. Membedakan konsep regresi, kausalitas dan korelasi
Ekonometrik disini tidak terlepas dari ilmu statistika dan matematika.
statistika yang lazim digunakan juga akan masuk dalam ekonometrik.
berikut ada beberapa tehnik analisis yang akan sering digunakan dalam
analisis ekonometrik:
1. Regresi
2. Korelasi
3. Kausalitas
4. forecasting
Regresi menunjukkan hubungan pengaruh satu arah yaitu variabel
independen ke variabel dependen, sedangkan kausalitas menunjukkan
hubungan dua arah. Dan Analisis korelasi bertujuan untuk mengukur
kuatnya tingkat hubungan linear antara dua variabel.
selain tehnik analisis, data merupakan suatu hal yang akan sangat
mempengaruhi analsis yang akan digunakan dalam ekonometrik. karena
data akan mempengaruhi seberapa besar tingkat presisi dari analisis
tersebut. ada 3 jenis data:
Cross sectional
artinya itu data yang dikumpulkan dalam satu waktu.
Contoh : data PDRB provinsi di Indonesia tahun 2013
Time series
artinya data yang dikumpulkan dalam satu series waktu.
Contoh: data PDRB DIY tahun 1990-2013
Panel
merupakan data gabungan cross sectional dan time series.
Contoh: data PDRB provinsi di seluruh Indonesia tahun 1997-2012
Ilmu Ekonometri juga memiliki kelebihan dan kelemahan. Kelebihan
menggunakan model ekonometri dalam penelitian seringkali membuka
perpesktif dan temuan-temuan baru namun untuk mendapatkan hal
tersebut membutuhkan keahlian khusus pada berbagai bidang ilmu
sehingga membutuhkan banyak waktu. Kelemahan membutuhkan keahlian
khusus pada berbagai bidang ilmu sehingga membutuhkan waktu untuk
mempelajarinya.
2
REGRESI SEDERHANA
2.1. Regresi
Tabel 2.1.
No Y X No Y X No Y X
1 10 11 11 38 42 21 70 74
2 12 14 12 40 45 22 74 79
3 15 17 13 45 49 23 77 85
No Y X No Y X No Y X
4 19 22 14 49 52 24 80 88
5 22 24 15 52 55 25 84 90
6 25 28 16 55 57 26 90 95
7 27 30 17 57 60 27 92 97
8 29 31 18 60 65 28 95 99
9 33 35 19 64 67 29 98 110
10 35 40 20 67 71 30 100 120
Pendapatan
X
90
60
Garis Regresi
0 Konsumsi
Gambar 2.1.
Representasi Gambar bagi Model Regresi Linear
2.5.1. Model
Bentuk umum fungsi regresinya linear dapat dituliskan sebagai
berikut:
Yi = 0 + 1Xi + i (2.1)
Y1 = 62
(Y1) = 2.8
E(Y1) = 59.2
E(Y) =0,48+0,92X
2 40 X
0
Pendapatan
Gambar 2.2.
Konsumsi
Y
50
1 = 0,92
Kemirinagn X
0 = 0,4845
0 10 20 30 40 x
Pendapatan
yi nb0 b1 X i (2.5a)
X 1Yi b0 X i b1 X i2 (2.5b)
X i Yi
X iYi
n X i X Yi Y
b1 (2.6a)
Xi Xi X
2 2
Xi
2
n
1
b0 Yi bi X i Y b1 X (2.6b)
n
dalam hal ini X dan Y berturut-turut adalah rataan Xi dan rataan Yi.
mendiferensialkan:
∑e2 = ∑(Yi - 0 - 1Xi)2 terhadap 0 dan 1 . peroleh:
Q
2 (Yi 0 1 X i )
0 (2.7)
Q
2 X i (Yi 0 1 X i )
1 (2.8)
(Y
i 0 1 X i ) 0
(2.9)
X (Y
i i 0 1 X i ) 0
(2.10)
Sistem persamaan ini dinamakan persamaan normal. Dengan
menyelesaikan persamaan-persamaan normal ini diperoleh:
n X iYi ( X i )( Yi )
b1
n X i2 ( X i )2
(2.11)
b0 Y b1 X (2.12)
Rumus terakhir ini merupakan versi lain dari rumusan yang telah
disajikan di depan, namun akan menghjasilkan nilai yang sama
(pembaca dapat membuktikannya).
Penduga kuadrat terkecil ini ialah penduga tak bias dan merupakan
fungsi linear dari Yi , yaitu:
n X iYi ( X i )( Yi )
b. b1
n X i2 ( X i )2
( X X )Y k Y
i i
( X X ) 2 i i
i
dimana:
ki
(X X ) i
( X X ) 2
i
(2.13)
1
b0 Yi X kiYi bYi i
n (2.14)
dimana:
1
bi ( Xki )
n (2.15)
(jadi baik b1 maupun b0 merupakan kombinasi linear atau fungsi
linear dari Yi ).
Asumsi yang berkaitan dengan model garis regresi linier dua variabel
tersebut adalah sbb:
Asumsi 1
Hubungan antara Y (variabel dependen) dan X (variabel independen)
adalah linier dalam parameter. Model regresi yang linier dalam parameter
dapat dilihat dalam persamaan (2.16). Dalam hal ini 1 berhubungan linier
terhadap Y.
Asumsi 2
Variabel X adalah variabel tidak stokastik yang nilainya tetap. Nilai X
adalah tetap untuk berbagai observasi yang berulang-ulang. Kembali
dalam kasus hubungan jumlah permintaan barang dengan tingkat
harganya, untuk mengetahui tingkat variasi jumlah permintaan barang
maka melakukan berbagai observasi pada tingkat harga tertentu. Jadi
dengan sampel yang berulang-ulang nilai variabel independen (X) adalah
tetap atau dengan kata lain variabel independen (X) adalah variabel yang
dikontrol.
Asumsi 3
Nila harapan (expected value) atau rata-rata dari variabel gangguan ei
adalah nol atau dapat dinyatakan sbb:
ei X i 0 (2.17)
ei2 X i karena asumsi 3
2
Asumsi 5
Tidak ada serial korelasi antara gangguan ei atau gangguan ei tidak saling
berhubungan dengan ej yang lain atau dapat dinyatakan sbb:
Cov ei , e j X i , X j ei (ei ) X i e j E (e j ) X j (2.20)
e X e
i i j Xj
0
Asumsi 6
Variabel gangguan ei berdistribusi normal
e ~ N(0, 2) (2.21)
Asumsi 1 sampai 5 dikenal dengan model regresi linier klasik (Classical
Linear Regression Model).
Dengan asumsi-asumsi di atas pada model regresi linier klasik,
model kuadrat terkecil (OLS) memiliki sifat ideal dikenal dengan teorema
Gauss-Markov (Gauss-Markov Theorem). Metode kuadrat terkecil akan
menghasilkan estimator yang mempunyai sifat tidak bias, linier dan
mempunyai varian yang minimum (best linear unbiased estimators =
BLUE). Penjelasan detil tentang estimator yang BLUE bisa dilihat dalam
Lampiran 1.2. Suatu estimator ̂1 dikatakan mempunyai sifat yang BLUE
jika memenuhi kriteria sbb:
1. Estimator ̂1 adalah linier (linear), yaitu linier terhadap variabel
stokastik Y sebagai variabel dependen
2. Estimator ̂1 tidak bias, yaitu nilai rata rata atau nilai harapan
X i2 2
Var (ˆ0 ) (2.22)
n xi2
X i2 2
Se(ˆ0 ) Var (ˆ0 ) (2.23)
n xi2
2
Var ( ˆ1 ) (2.24)
xi2
2
Se( ˆ1 ) Var ( ˆ1 ) (2.25)
xi2
n = jumlah observasi
k = jumlah parameter estimasi yaitu ̂ 0 dan ̂1 .
(Yi Y ) adalah variasi di dalam Y dari nilai rata-ratanya dan total dari
variasi garis regresi dari nilai rata-ratanya dan total dari penjumlahan
kuadrat nilai ini disebut explained sum of squares (ESS). (Yi Yˆi ) atau
residual e adalah variasi dari Y yang tidak dijelaskan oleh garis regresi
atau variasi Y yang dijelaskan oleh variabel residual dan nilai total dari
penjumlahan kuadratnya disebut residual sum of squares (RSS). Dengan
demikian maka persamaan (2.28) dapat ditulis kembali menjadi
persamaan sbb:
variasi total (Y Y )
Ŷ
(Yˆ Y ) = variasi karena regresi
Y
Jika garis regresi menjelaskan data dengan baik maka ESS akan
lebih besar dari RSS. Pada kasus ekstrim bila semua garis regresi cocok
dengan datanya maka ESS sama dengan TSS dan RSS sama dengan nol. Di
lain pihak jika garis regresi kurang baik menjelaskan datanya RSS akan
lebih besar dari ESS. Pada kasus ekstrim jika garis regresi tidak
menjelaskan semua variasi nilai Y maka ESS sama dengan nol dan RSS
sama dengan TSS. Oleh karena itu jika nilai ESS lebih besar dari RSS maka
garis regresi menjelaskan dengan proporsi yang besar dari variasi Y
sedangkan jika RSS lebih besar dari ESS maka garis regresi hanya
menjelaskan bagian kecil dari variasi Y.
Dari penjelasan ini dapat didefinisikan bahwa R2 sebagai rasio
antara ESS dibagi dengan TSS. Formula R2 dengan demikian dapat ditulis
sbb:
ESS
R2 (2.32)
TSS
(Yˆi Y ) 2
(Yi Y ) 2
(2.35)
dimana:
n
(X i X )(Yi Y )
cov( X i , Yi ) n 1
(2.36)
n 1
n
(X i X )2
var( X i ) n 1
(2.37)
n 1
n
(Y i Y )2
var(Yi ) n 1
(2.38)
n 1
sehingga dapat menulis formula untuk koefisien korelasi sbb:
n
(X i X )(Yi Y )
r n 1
(2.39)
n n
(X
n 1
i X ) 2 (Yi Y ) 2
n 1
Dari tabel 2.1 diketahui data konsumsi dan pendapatan penduduk suatu
daerah sebagai berikut :
SUMMARY OUTPUT
Regression Statistics
Multiple R …………….........
R Square …………….....…
Adj R Square ……………....…
Stand Error 1.706706
Observations ……………....…
ANOVA
df SS MS F Sign F
Regression ………….......…. ……………… …………. ………… 7.587E-08
Residual ………….......…. ………………. ….………
Total …………......…. ………………
Jawab:
Missal
Y = konsumsi
X = pendapatan
Maka persamaan regresi Y = b0 + b1X
Persamaan tersebut dapat dicari dengan bantuan table sebagai berikut :
Tahun Y X YX X2
2006 14 15 210 225
2007 17 19 323 361
2008 19 20 380 400
2009 20 22 440 484
2010 22 25 550 625
2011 25 30 750 900
2012 30 32 960 1024
2013 32 34 1088 1156
2014 33 35 1155 1225
2015 37 45 1665 2025
2016 40 50 2000 2500
Σ 289 327 9521 10925
Sehingga dari bantuan table dapat disusun persamaan :
ΣY = n b0 + b1ΣX
Σ YX = b0 ΣX + b1ΣX2
289 = 11 b0 + 327 b1 kalikan 327
9521 = 327 b0 + 10925 b1 11
C = 3,318 + 0,772 Y
Artinya :
Konstatnta = b0 = jika factor lain tidak berubah maka rata-rata konsumsi
3,318 sebesar 3,318 satuan
Koefisien b1=0,772 jika factor lain tetap maka kenaikan pendapatan sebesar
1000 satuan akan meningkatkan konsumsi sebesar 0,772
x 1000 atau sebesar 772 satuan.
Hasil persamaan regresi dapat kita tuliskan ke dalam table berikut ini
Coefficients Stand Error t Stat P-value
Intercept 3,318 ………………….. ……………... 0.060917
Pendapatan 0,772 …………………... ……………… 7.59E-08
Untuk menguji hipotesis apakah adan pengaruh secara individu antara
pendapatan terhadap konsumsi maka kita harus mencari Standar Deviasi dari
masing-masing koefisien.
Untuk mencarai standar deviasi kita bias menggunakan formula sebagai berikut :
sehingga
sehingga
Ingat : dan
= 26,21561
Sehingga = 26,21561/(11-2) = 2.912846
Sehingga = 2,912846/1204,182=0.002419
= (0,002419)0,5 = 0.049183
Dan = = 2.402449
= 1.549984
Sehingga dapat disusun :
Hasil persamaan regresi dapat kita tuliskan ke dalam table berikut ini
Coefficients Standard Error t Stat P-value
Intercept 3,318 1.549984 2,141046 0.060917
Pendapatan 0,772 0.049183 15.69977 7.59E-08
Regression Statistics
Multiple R 0.98228
R Square 0.96477
Adjusted R Square ………………
Standard Error 1.706706
Observations ………………...
ANOVA
df SS MS F Significance F
Regression …………….….. …………………..……. ……………… ……………… 7.58751E-08
Residual …………….….. 26.21561 ….…………..
Total …………….…..
= =
Sehingga r2 = 0.96477
Setelah r diketahui maka anova dapat kita susus sebagai berikut :
Regression Statistics
Multiple R 0.98228
R Square 0.96477 1-R2=0.035
Adj R Square 0.96085
Stand Error 1.706706
Observations 11
ANOVA
df SS MS F Sign F
Regression (k-1) =1 717.9118382 717.91 82.15 7.59E-08
Residual (n-k) =3 ∑u2 = 26.21561 8.73
(k-1)+(n-k) = 4
Total ∑y2 = 744.1274482
jika nilai t hitung > nilai t kritis maka H0 ditolak atau menerima Ha
jika nilai t hitung < nilai t kritis maka H0 diterima atau menolak Ha
- tc 0 tc t
Gambar 2.6.
Daerah penolakan (penerimaan) H0: 1=0 dan Ha: 1 0
Keputusan menolak hipotesis nol (H0) atau menerima hipotesis alternatif Ha
dapat juga dijelaskan melalui distribusi probabilitas t seperti terlihat dalam gambar
2.6. Nilai tc diperoleh dari nilai t kritis dari distribusi tabel t dengan dan degree of
freedom tertentu. Pada gambar 2.6. menjelaskan keputusan menolak hipotesis nol
atau tidak berdasarkan uji dua sisi, gambar 1.6. menjelaskan keputusan menolak
hipotesis nol dengan hipotesis alternatif positif dan gambar 2.6. menjelaskan
keputusan menolak hipotesis nol jika hipotesis alternatifnya adalah negatif.
se (1,549) (0,049)
R2 = 0,964
Dengan menggunakan = 5% tentukanlah apakah pendapatan berpengaruh positif
terhadap jumlah konsumsi. Misalkan hipotesis nol H0 = 0. Langkah uji hipotesisnya
sebagai berikut:
1. uji satu sisi
H0 : 1 ≤ 0 (2.50)
Ha : 1 > 0
2. Menghitung t hitung dan mencari nilai t kritis dari tabel dengan = 5% dan df
sebesar 9 yakni 11-2. Besarnya t hitung sbb:
0,772
t 15,69 (2.51)
0,049
Dimana nilai 0 merupakan nilai 1 dalam hipotesis nol. Sedangkan nilai t kritis
diperoleh dari t tabel yakni sebesar 1,8331 dengan = 5% dan df 9.
3. Keputusannya karena t hitung lebih besar dari nilai t kritis maka menolak H 0
atau menerima Ha, lihat juga melalui gambar 2.6. Artinya, pendapatan
berpengaruh positif terhadap jumlah konsumsi. Dengan nilai 1 = -225 berarti
jika pendapatan naik satu juta rupiah, maka jumlah konsumsi akan
bertambah sebesar 772 ribu rupiah.
Latihan Soal
Diketahui data permintaan barang Q dan harga barang Q di suatu daerah sebagai
berikut :
Tahun Permintaan Harga
2006 14 20
2007 17 19
2008 19 19
2009 20 17
2010 22 16
2011 25 15
2012 30 15
2013 32 16
2014 33 18
2015 34 17
2016 37 17
Sumber : data hipotesis
Dari data diatas maka dapat kita analisis sbb :
a. Persamaan regresi linear
b. Jelaskan arti persamaan tersebut berdasarkan teori ekonomi (teori permintaan
akan suatu baran)
c. Ujilah persamaan tersebut dengan pendekatan statistic (uji t, F hitung dan
koefisien determinasi (R2)
BAB
3
REGRESI BERGANDA
Dalam praktek sebetulnya banyak sekali faktor yang mempengaruhi suatu variabel
terikat (dependent Variable), tidak hanya satu variabel. Contoh yang paling nyata
adalah permintaan akan barang X. Permintaan akan barang X oleh konsumen tidak
hanya dipengaruhi oleh faktor harga, tetapi juga bisa dipengaruhi oleh faktor harga
barang lain, pendapatan konsumen dan sebagainya. Untuk membuat analisis
pengaruh berbagai macam faktor independen terhadap variabel dependen bisa
menggunakan analisis regresi berganda.
Ada beberapa asumsi OLS yang digunakan dalam regresi berganda. Selain
enam asumsi pada regresi sederhana, perlu menambah satu asumsi lagi di
dalamnya. Adapun asumsinya sbb:
1. Hubungan antara Y (variabel dependen) dan X (variabel independen)
adalah linier dalam parameter.
2. Nilai X nilainya tetap untuk obervasi yang berulang-ulang (non-stocastic).
Karena variabel independennya lebih dari satu maka ditambah asumsi tidak
ada hubungan linier antara variabel independen atau tidak ada
multikolinieritas antara X1 dan X2 dalam persamaan.
3. Nila harapan (expected value) atau rata-rata dari variabel gangguan ei
adalah nol.
e X i 0 (3.1)
ei2 X i karena asumsi 3
2
5. Tidak ada serial korelasi antara variabel gangguan ei atau variabel
gangguan ei tidak saling berhubungan dengan variabel gangguan ej yang
lain.
Cov ei , e j X i , X j ei (ei ) X i e j (e j ) X j (3.3)
ei X i e j X j
0
6. Variabel gangguan ei berdistribusi normal
e ~ N(0, 2)
Jika regresi berganda memenuhi 6 asumsi diatas maka persamaan
(3.3) dapat diartikan sbb:
(Yi X 1i , X 2i ) 0 1 X 1i 2 X 2i ei (3.4)
Arti persamaan (3.4) tersebut adalah nilai harapan (expected value) atau rata-
rata dari Y pada nilai tertentu variabel independen X1 dan X2.
Dalam hal ini mengartikan 1 dan 2 agak sedikit berbeda dari regresi
sederhana sebelumnya. 1 adalah mengukur perubahan rata-rata Y atau nilai
harapan E (YX1, X2), terhadap perubahan per unit X1 dengan asumsi variabel
X2 tetap. Begitu pula 2 adalah mengukur perubahan rata-rata Y atau nilai
harapan E (YX1, X2), terhadap perubahan per unit X2 dengan asumsi variabel
X1 tetap
(Yi ˆ0 ˆ1 X 1i ˆ 2i X 2i ) 2 2 X 1i (Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) (3.8)
ˆ1
(Yi ˆ0 ˆ1 X 1i ˆ 2i X 2i ) 2 2 X 2i (Yi ˆ0 ˆ1 X 1i ˆ 2 X 2i ) (3.9)
ˆ
2
Menyamakan persamaan (3.7), (3.8) dan (3.9) dengan nol dan membaginya
dengan 2 maka akan menghasilkan
(Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) 0 (3.10a)
X 1i (Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) 0 (3.10b)
X 2i (Yi ˆ0 ˆ1 X 1i ˆ2 X 2i ) 0 (3.10c)
Dengan memanipulasi persamaan (3.10a), (3.10b) dan (3.10c) tersebut maka
akan menghasilkan persamaan yang dikenal dengan persamaan normal
(normal equation) yakni:
Yi nˆ0 ˆ1 X 1i ˆ2 X 2i (3.10d)
X 1iYi ˆ0 X 1i ˆ1 X 22i ˆ2 X 1i X 2i (3.10e)
X 2iYi ˆ0 X 2i ˆ1 X 1i X 2i ˆ2 X 22i (3.10f)
Dari persamaan (3.10d), (3.10e) dan (3.10f) tersebut kemudian bisa
dapatkan nilai untuk ̂ 0 , ̂1 dan ˆ 2 sbb:
ˆ0 Y 1 X 1i 2 X 2i (3.11)
dimana:
xi X i X
yi Yi Y
y 0 n x1 x2
x1 y 1 x1 x1 x1 x2
2
x y 2 x
2 x1 x 2 x2
2
2
H = bA A
1 det A1
β = A-1.H dimana A- =
det A
dimana det A,
n x1 x2
A= x x x x
1 1
2
1 2
x x x x
2 1 2 2
2
Det A = n. Σx12 Σx22 + Σx1. Σx1x2 .Σx2 + Σx2. Σx1x2 .Σx1 - Σx2. Σx12 .Σx2 - Σx1x2 .
Σx1x2.n - Σx22. Σx1. Σx1
Det A1 = Σy Σx12Σx22 + Σx1. Σx1x2 .Σ2y + Σx2. Σx1x2 .Σx1y - Σx2y. Σx12 .Σx2 - Σx1x2 .
Σx1x2. Σy - Σx22. Σx1. Σx1y
Det A2 = n. Σx1y Σx22 + Σy. Σx1x2 .Σx2 + Σx2. Σx2y .Σx1 - Σx2. Σx1y .Σx2 – Σx2y .
Σx1x2.n - Σx22. Σy. Σx1
Det A3 = n Σx12. Σx2y + Σx1.Σx1y .Σx2 + Σy. Σx1x2 .Σx1 - Σx2. Σx12 .Σy – Σx1x2.
Σx1y.n - Σx2y. Σx1. Σx1
2
var(ˆ1 ) (3.14)
x 2
1i (1 r122 )
2
var(ˆ 2 ) (3.16)
x 2
2i (1 r122 )
(X 1i X 1 )( X 2i X 2 )
r n 1
(3.18)
n n
(X
n 1
1i X1 ) 2
(X
n 1
2i X2) 2
Yi 0 1 X 1i 2 X 2i ... k X ki ei (3.28)
maka ei N(0, 2) dan Yi N(0, 2). Karena estimator i adalah fungsi
linier terhadap variabel dependen Y maka estimator i akan juga mempunyai
distribusi normal dengan rata-rata i dan varian sebesar var(i) sbb:
ˆ k N k , var( k ) (3.29)
ˆk k
Z N(0,1) untuk k =1, 2, ..., k (3.30)
var( k )
random t sbb:
ˆk k
t t(n-k) (3.31)
var(ˆ k )
Perbedaan uji t regresi berganda dengan lebih dari satu variabel independen
dengan regresi sederhana dengan hanya satu variabel independen terletak
pada besarnya derajat degree of freedom (df) dimana untuk regresi sederhana
dfnya sebesar n-2 sedangkan regresi berganda tergantung dari jumlah
variabel independen ditambah dengan konstanta.
Prosedur uji t pada koefisien regresi parsial pada regresi berganda
sama dengan prosedur uji koefisien regresi sederhana. Untuk mengingat
kembali uji t koefisien regresi ini bisa dibaca kembali pada bab 2. akan
kembali membahas secara ringkas uji t tersebut. Misalnya mempunyai dua
variabel independen dengan estimator 1 dan 2, langkah uji t sbb:
1. Membuat hipotesis melalui uji satu sisi atau dua sisi
Uji hipotesis positif satu sisi
H0 : 1 0 (3.33)
Ha : 1 > 0
Uji hipotesis negatif satu sisi
H0 : 1 0 (3.34)
Ha : 1 < 0
Atau uji dua sisi
H0 : 1 = 0 (3.35)
Ha : 1 0
2. ulangi langkah pertama tersebut untuk 2
3. Menghitung nilai t hitung untuk 1 dan 2 dan mencari nilai nilai t kritis
dari tabel distribusi t. Nilai t hitung dicari dengan formula sbb:
ˆ1 1
t (3.36)
se( ˆ1 )
jika nilai t hitung > nilai t kritis maka H0 ditolak atau menerima Ha
jika nilai t hitung < nilai t kritis maka H0 diterima atau menolak Ha
Tabel 3.1.
Analisys of Varian (ANOVA)
Sumber
SS (sum of squares) df MSS (mean sum of squares)
variasi
ESS ˆ1yi x1i ˆ2 yi x2i eˆi2 k-1 ( ˆ1yi x1i ˆ2 yi x2i eˆi2 )/k-1
RSS ei2 n-k (ei2 ) / n k ˆ 2
TSS y i2 n-1
( eˆi2 )
1 (3.48)
(Yi Y ) 2
Dari rumus tersebut diatas tampak jelas bahwa koefisien determinasi tidak
pernah menurun terhadap jumlah variabel independen. Artinya koefisien
determinasi akan semakin besar jika terus menambah variabel independen
di dalam model. Hal ini terjadi karena (Yi Y ) 2 bukan merupakan fungsi dari
( eˆi2 ) /(n k )
R 2 1 (3.49)
(Yi Y ) 2 /(n 1)
dimana: k = jumlah parameter, termasuk intersep dan n = jumlah observasi
Tabel 3.2
Diketahui data permintaan akan suatu barang, harga barang dan
pendapatan masyarakat sebagai berikut :
Pertanyaan : (a) carilah persamaan regresi dan (b) ujilah secara statitik
apakah harga dan pendapatan mempengaruhi permintaan secara signifikan,
© serta berapa besarnya koefisien determinasinya dan apa artinya
Jawab
1) 164 = 10 b0 + 66 b1 + 350 b2
2) 1,044 = 66 b0 + 450 b1 + 2,230 b2
3) 6,187 = 350 b0 + 2,230 b1 + 13,100 b2
hilangkan b0
1) 164 = 10 b0 + 66 b1 + 350 b2 kali 66
2) 1,044 = 66 b0 + 450 b1 + 2,230 b2 10
-
3962880 = 0 b0 + 1486080 b1 + 8256000 b2
-
6183648 = 0 b0 + 1486080 b1 + 12110400 b2 kurangkan
-
2220768 = 0 b0 + 0 b1 + -3854400 b2
b2 = 0.5762
b1 = 0.5342
b0 = -7.292
Y X1 X2 y x1 x2 x 1x 2 x 12 X22 Y' u u2 y2
10 8 20 -6.4 1.4 -15 -21 1.96 225 8.5055 1 2.23359 40.96
11 9 25 -5.4 2.4 -10 -24 5.76 100 11.921 -1 0.84741 29.16
11 7 27 -5.4 0.4 -8 -3.2 0.16 64 12.004 -1 1.00879 29.16
13 6 30 -3.4 -0.6 -5 3 0.36 25 13.199 0 0.03945 11.56
16 7 33 -0.4 0.4 -2 -0.8 0.16 4 15.461 1 0.29012 0.16
17 6 36 0.6 -0.6 1 -0.6 0.36 1 16.656 0 0.11860 0.36
18 5 40 1.6 -1.6 5 -8 2.56 25 18.426 0 0.18150 2.56
20 6 44 3.6 -0.6 9 -5.4 0.36 81 21.265 -1 1.60005 12.96
23 7 45 6.6 0.4 10 4 0.16 100 22.375 1 0.39020 43.56
25 5 50 8.6 -1.6 15 -24 2.56 225 24.188 1 0.65988 73.96
164 66 350 0 0 0 -80 14 850 164 0 7.369589 244
HASIL PERHITUNGAN REGRESI
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.984808
R Square 0.969846 = ESS/TSS = 0.96123
Adjusted R Square 0.961231
Standard Error 1.02606
Observations 10
ANOVA
df SS MS F Sign F
Regression 2 237 118.51 112.57 4.76E-06
Residual 7 7.369 1.05
Total 9 244
Berdasarkan print out hasil regresi, variable x1 tidak memiliki pengaruh terhadap Y (lihat t
hitung < t tabel) dan X2 memiliki pengaruh terhadap Y (lihat t hitung > t tabel). Dan R2
sebesar 0,97 artinya Variasi X1 dan X2 dapat menjelaskan 97 persen terhadap Y sedangan 1-
0,97 atau 3 persen dijelaskan oleh variable diluar model (misalnya X3, X4 dan X lainnya
diluar X1 dan X2).
LATIHAN SOAL
4
VAIABEL DUMMY DALAM REGRESI
Nama lain Regresi Dummy adalah Regresi Kategori. Re-gresi ini menggunakan
prediktor kualitatif (yang bukan dummy dinamai prediktor kuantitatif).
Pembahasan pada regresi ini hanya untuk satu macam variabel dummy dan
dikhususkan pada penaksiran parameter dan kemaknaan pengaruh prediktor.
Pembahasan akan dilakukan dengan menggunakan berbagai contoh.
Di dalam metodologi penelitian dikenal ada sebuah variabel yang disebut dengan
dummy variable. Variabel ini bukan jenis lain dari variabel dependen-
independen, namun menunjukkan sebuah variabel yang nilainya telah
ditentukan oleh peneliti. Donald Cooper dan Pamela Schindler (2000)
mendefinisikan dummy variable sebagai sebuah variabel nominal yang
digunakan di dalam regresi berganda dan diberi kode 0 dan 1. Nilai 0 biasanya
menunjukkan kelompok yang tidak mendapat sebuah perlakuan dan 1
menunjukkan kelompok yang mendapat perlakuan. Dalam regresi berganda,
aplikasinya bisa berupa perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan),
ras (1 = kulit putih, 0 = kulit berwarna), pendidikan (1 = sarjana, 0 = non-
sarjana).
Masalah di sini adalah bukan pada konsep variabel ini dan aplikasinya di dalam
riset, namun bagaimana dummy variable harus diterjemahkan atau
dialihbahasakan ke dalam bahasa Indonesia. Sepengetahuan saya, beberapa
orang membiarkannya tetap dummy dan menulisnya miring menjadi "variabel
dummy" (perhatikan bahwa ia diindonesiakan dengan membiarkan dummy
dalam bahasa aslinya). Sebagian orang lain menyerapnya ke dalam bahasa
Indonesia menggunakan azas bunyi sehingga menjadi "variabel dami". Sebagian
yang lain menyebutnya "variabel boneka" karena dummy di dalam bahasa Inggris
bisa berarti boneka.
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi
simbol D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0)
untuk kategori yang lain. D = 1 untuk suatu kategori (laki- laki, kulit putih,
sarjana dan sebagainya). D = 0 untuk kategori yang lain (perempuan, kulit
berwarna, non-sarjana dan sebagainya). Nilai 0 biasanya menunjukkan
kelompok yang tidak mendapat sebuah perlakuan dan 1 menunjukkan kelompok
yang mendapat perlakuan. Dalam regresi berganda, aplikasinya bisa berupa
perbedaan jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 =
kulit berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).
4.1. Model Matematika Regresi Berganda dengan Dengan Variabel Dummy
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta
diberi simbol D. D = 1 untuk suatu kategori (wanita, Batak, Islam, damai
dan sebagainya). D = 0 untuk kategori yang lain (pria, Jawa, Kristen,
perang dan sebagainya). Variabel dummy digunakan sebagai upaya untuk
melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh
terhadap parameter pendugaan. Variabel dummy juga mencoba membuat
kuantifikasi dari variabel kualitatif. pertimbangkan model berikut ini:
Dimana :
D (dummy variabel)
jika D = 1 sebelum terjadinya krisis ekonomi dan
jika D = 0 setelah krisis ekonomi.
5
UJI ASUMSI KLASIK
Model regresi linier klasik (OLS) berlkitaskan serangkaian asumsi. Tiga di antara
beberapa asumsi regresi klasik yang akan diketengahkan dalam penelitian ini
adalanh (lihat Maddala, 1992, hal. 229-269):
1. Non-autokorelasi.
Non-autokorelasi adalah keadaan dimana tidak terdapat hubungan antara
kesalahan-kesalahan (error) yang muncul pada data runtun waktu (time
series).
2. Homoskedastisitas.
Homoskedastisitas adalah keadaan dimana erros dalam persamaan regresi
memiliki varians konstan.
3. Non-multikolinearitas.
Non-multikolinearitas adalah keadaan dimana tidak ada hubungan antar
variabel-variabel penjelas dalam persamaan regresi.
Konsekuensi multikonearitas:
1. Kesalahan stkitar cenderung semakin besar dengan meningkatnya
tingkat korelasi antar variabel.
2. Karena besarnya kesalahan stkitar, selang keyakinan untuk
parameter populasi yang relevan cenderung lebih besar.
3. Taksiran koefisian dan kesalahan stkitar regresi menjadi sangat
sensitif terhadap sedikit perubahan dalam data.
Konsekuensi heteroskedastisitas:
1. Penaksir OLS tetap tak bias dan konsisten tetapi tidak lagi efisien
dalam sampel kecil dan besar.
2. Variansnya tidak lagi minimum.
Heteroskedastisitas adalah situasi tidak konstannya varians.
Konsekuensi heteroskedasitas adalah biasnya varians sehingga uji
signifikansi menjadi invalid. Salah satu cara mendeteksi
heteroskedastisitas adalah dengan melakukan uji Glesjer. Uji Glesjer
dilakukan dengan cara meregresi nilai absolut residual dari model
yang diestimasi terhadap variabel-variabel penjelas. Regresi model
awal setelah variable PRM dihilangkan:
Contoh Kasus
Klik OK
Hasil Analisis Output : probabilitas Jarque Bera (JB)0,289 > 0,05, maka
residualnya berdistribusi normal
Klik OK
Untuk medeteksi apakah model linear atau tidak dengan membandingkan
nilai F statistic dengan F table (atau dengan membandingkan
probabilitasnya), yaitu :
Analisis Hasil Output karena Jika probabilitas F statistic 0,13 > 0,05, maka
hipotesis yang menyatakan bahwa model linear adalah diterima.
Uji Multikolinearitas
Hasil Analisis Output : menunjukan bahwa R21 > R22, R23, R24 maka dalam
model tidak ditemukan adanya multikolinearitas
Uji Heteroskedastisitas
Uji White
Lakukan estimasi persamaan regresi bergkita diatas, setelah itu klik view
residula diagnostics heteroskedastisitas Test
Uji Autokorelasi
Dari hasil regresi Investasi = f(inflasi, bunga, kurs) dapat kita lihat nilai dw
yaitu sebesar 1,985. Nilai dw ini kemudian kita bandingkan dengan dw
table.
Karena nila dw diantara du < dw < 4-du, terima Ho, maka dapat
disimpulkan bahwa H0 diterima artinya model tersebut tidak mengandung
autokorelasi.
BAB
6
PERBAIKAN PELANGGARAN
ASUMSI KLASIK
6.1. Multikolinearitas
b. Transformasi Variabel
Misalnya kita menganalisis perilaku tabungan masyarakat
dengan pendapatan dan kekayaan sebagai variabel independen. Data
yang kita punyai adalah data time series. Dengan data time series ini
maka diduga akan terjadi multikolinieritas antara variabel independen
pendapatan dan kekayaan karena data keduanya dalam berjalannya
waktu memungkinkan terjadinya trend yakni bergerak dalam arah
yang sama. Ketika pendapatan naik maka kekayaan juga mempunyai
trend yang naik dan sebaliknya jika pendapatan menurun diduga
kekayaan juga menurun.
Dalam mengatasi masalah multikolinieritas tersebut, kita bisa
melakukan transformasi variabel. Misalnya kita mempunyai model
regresi time series sbb:
Yt 0 1 X 1t 2 X 2t et (6.1)
dimana :
Y = tabungan;
X1 = pendapatan;
X2 = kekayaan
Yt 1 0 1 X 1t 1 2 X 2t 1 et 1 (6.2)
Yt Yt 1 ( 1 X 1t 1 X 1t 1 ) ( 2 X 2t 2 X 2t 1 ) (et et 1 ) (6.3)
Yt Yt 1 1 ( X 1t X 1t 1 ) 2 ( X 2t X 2t 1 ) vt (6.4)
dimana vt = et – et-1
c. Penambahan Data
Masalah multikolinieritas pada dasarnya merupakan
persoalan sampel. Oleh karena itu, masalah multikolinieritas
seringkali bisa diatasi jika kita menambah jumlah data. Kita kembali ke
model perilaku tabungan sebelumnya pada contoh 6.5. dan kita tulis
kembali modelnya sbb:
Yi 0 1 X 1i 2 X 2i ei (6.5)
2
var(ˆ1 ) (6.6)
x12i (1 r122 )
Tabel 6.1.
Perkembangan Ekspor, Konsumsi, impor,
angkatan kerja dan populasi
Angkatan
Tahun Ekspor konsumsi Impor Populasi
Kerja
1990 468359 119802 95842 72574728 181436821
1991 556306 140805 112644 73845896 184614740
1992 632582 157484 125987 75104839 187762097
1993 671218 192959 154367 76349299 190873248
1994 737948 228119 182495 77575965 193939912
1995 794926 279876 223901 78783138 196957845
1996 855022 332094 265676 79970646 199926615
1997 921714 387171 309737 81141540 202853850
1998 1024791 647824 518259 82301397 205753493
1999 698856 813183 650547 83457632 208644079
2000 883948 856798 685439 84616171 211540428
2001 889649 1039655 831724 85779320 214448301
2002 878823 1231965 985572 86947635 217369087
2003 930554 1372078 1097662 88123124 220307809
2004 1056442 1532888 1226311 89307442 223268606
2005 1231826 1785596 1428477 90501881 226254703
2006 1347685 2092656 1674125 91705592 229263980
2007 1462818 2510504 2008403 111244331 232296830
2008 1602275 2999957 2399966 113031121 235360765
2009 1447012 3290996 2632797 115053936 238465165
2010 1667918 3858822 3087057 116495844 241613126
2011 1914268 4340605 3472484 118515710 244808254
Angkatan
Tahun Ekspor konsumsi Impor Populasi
Kerja
2012 1945064 4858331 3886665 120426769 248037853
2013 2026120 5456626 2359212 122125092 251268276
2014 2046740 6035674 2580527 124061112 254454778
Dari hasil output regresi diatas dapat kita susun persamaan sebagai
berikut :
Dependent Variable: AK
Method: Least Squares
Date: 01/09/17 Time: 04:49
Sample: 1990 2014
Included observations: 25
Hasil regresi diatas : R kuadrat yang tinggi (lebih dari 0.8), nilai F tinggi,
dan nilai t-statistik hampir semua variabel penjelas signifikan.
6.2. Heteroskedastisitas
Yi 0 i ei
(6.8)
i i i i
Metode White
Jika kita tidak mengetahui besaranya varian variabel gangguan
maka kita tidak mungkin bisa menggunakan metode WLS. OLS
estimator sebenarnya menyediakan estimasi parameter yang
konsisten jika terjadi heteroskedastisitas tetapi standard errors OLS
yang biasa tidak tepat untuk membuat sebuah kesimpulan. White
kemudian menggembangkan perhitungan standard errors
heteroskedastisitas yang dikoreksi (heteroscedasticity-corrected
standard errors). Untuk menjelaskan metode White ini kita ambil
contoh regresi sederhana sbb:
Yi 0 1 X i ei (6.11)
Dimana var(ei ) i2
Jika model mempunyai varian variabel gangguan yang tidak sama maka
varian estimator tidak lagi efisien. Varian estimator ̂1 menjadi:
xi2 i2
var(ˆ1 ) (6.12)
( xi2 ) 2
ˆ xi2 ei2
var(1 ) (6.13)
( xi2 ) 2
Yi 0 1 X i ei (6.14)
2Xi
Y X e
0 1 i i
Xi Xi Xi Xi
1
0 1 X i vi (6.16)
Xi
ei
dimana vi
Xi
2
e
E (v ) E i
2 karena persamaan (6.16)
i
X
i
1
(ei2 ) (6.17)
Xi
1 2
Xi
Xi
E (ei2 ) 2 X i2 (6.18)
Yi e
0 1 i
Xi Xi Xi Xi
1
0 1 vi (6.19)
Xi
2
e
E (v ) E i
2
i
Xi
1
2
(ei2 )
Xi
1 2 2
Xi
X i2
Tabel 6.2.
Perkembangan Ekspor, Konsumsi, impor,
angkatan kerja dan populasi
Karena nilai Prob. Chi-Square(14) 0,0461 lebih kecil dari 0,05, maka
dapat disimpulkan model diatas mengandung heteroskedastisitas.
Dalam analisis regresi diperlukan suatu metode untuk menduga
parameter agar memenuhi sifat BLUE (Best Linear Unbiased Estimator),
salah satu metode yang paling sering digunakan adalah Ordinary Least
Square (OLS)atau sering disebut dengan Metode Kuadrat Terkecil (MKT).
Salah satu asumsi klasik yang harus dipenuhi dalam estimasi OLS agar
hasil estimasinya dapat diandalkan, yaitu ragam sisaan homogeny E(u i2) =
σ2 (homoskedastisitas). Pelanggaran terhadap asumsi homoskedastisitas
disebut heteroskedastisitas, yang artinya galat bersifat tidak konstan.
Konsekuensi dari terjadi heteroskedastisitas dapat mengakibatkan
penduga OLS yang diperoleh tetap memenuhi persyaratan tak bias, tetapi
varian yang diperoleh menjadi tidak efisien, artinya varian cenderung
membesar sehingga tidak lagi merupakan varian yang kecil. Dengan
demikian model perlu diperbaiki dulu agar pengaruh dari
heteroskedastisitas hilang (Gujarati, 2003)
.
Perbaikan heteroskedastisitas dapat dilakukan melalui :
a. Melalui Logaritma
Lakukan regresi
LS LOG(IMP) C LOG(CONS) lOG(EKS) LOG(AK) LOG(POP)
Dependent Variable: LOG(IMP)
Method: Least Squares
Date: 01/09/17 Time: 05:51
Sample: 1990 2014
Included observations: 25
Hipotesis:
H0: tidak ada heteroskedastisitas
H1: ada heteroskedastisitas
akan dibagi dengan Xi2, selain proporsional dengan X1 dan Xi2 bisa juga
diasumsikan bahwa pola varian sisaan adalah proporsional dengan
[E(Yi)]2 sehingga dibagi dengan E(Yi) . Namun dalam prakteknya tidak
selalu dengan pembobotan 1
,
1
,
1 dapat mengatasi
X1 X 1 E Yi
kuadrat).
Yt 0 1 X t et (6.21)
et et 1 vt 1 1 (6.22)
Yt 0 1 X t et (6.23)
et et 1 vt 1 1 (6.24)
Yt 1 0 1 X t 1 et 1 (6.25)
Jika kedua sisi dalam persamaan (6.25) dikalikan dengan maka akan
menghasilkan persamaan sbb:
Yt 1 0 1 X t 1 et 1 (6.26)
Yt Yt 1 0 0 1 X t 1 X t 1 et et 1
Yt Yt 1 0 (1 ) 1 X t 1 X t 1 vt
0 (1 ) 1 ( X t X t 1 ) vt (6.27)
dimana vt et et 1 dan memenuhi asumsi OLS seperti persamaan
(6.24)
Yt 0 t X t vt (6.28)
Yt 0 1 X t et (6.29)
Yt Yt 1 0 (1 ) 1 X t 1 X t 1 et et 1 (6.30)
Yt Yt 1 1 ( X t X t 1 ) (et et 1 ) (6.31)
Yt 1 X t vt (6.32)
Yt 0 1 X t 2T et (6.33)
dimana T adalah trend, nilainya mulai satu pada awal periode dan
terus menaik sampai akhir periode. Residual et dalam persamaan
(6.24) tersebut mengikuti autoregresif tingkat pertama.
Transformasi persamaan (6.34) dengan metode first difference akan
menghasilkan persamaan sbb:
Yt 1 X 1t 2 vt (6.34)
dimana residual vt et et 1
t
2
g 2
n
(6.34)
e
1
t
t
d 2(1 ˆ ) (6.35)
d
ˆ 1 (6.36)
2
Sebagaimana pembahasan sebelumnya, kita bisa mencari nilai
dari estimasi statistik pada persamaan (6.36) di atas. Asumsi first
difference menyatakan bahwa ˆ 1 hanya terjadi jika d=0 di dalam
persamaan (6.36). Begitu pula jika d = 2 maka ˆ 0 dan bila d =4
maka ˆ 1 . Persamaan tersebut hanya suatu pendekatan tetapi
kita bisa menggunakan nilai statistik d untuk mendapatkan nilai .
Di dalam sampel besar kita dapat mengestimasi dari persamaan
(6.36) dan menggunakan yang kita dapatkan untuk model
generalized difference equation dalam persamaan (6.13)
sebelumnya.
Yt Yt 1 0 0 1 X t 1 X t 1 et et 1 (6.37)
Yt 0 (1 ) 1 X t 1 1 X t 1 Yt 1 vt (6.38)
Dimana vt (et et 1 )
Yt 0 1 X t et (6.39)
et et 1 vt (6.40)
Yt ˆYt 1 0 (1 ˆ ) 1 ( X t ˆX t 1 ) vt
dimana: 0 0 (1 ˆ )
̂ˆ yang kita peroleh dari persamaan (6.45) ini merupakan langkah
kedua mengestimasi nilai
Karena kita tidak juga mengetahui apakah langkah kedua ini mampu
mengetimasi nilai yang terbaik maka kita dapat melanjutkan pada
langkah ketiga dan seterusnya. Pertanyaannya, sampai berapa langkah
kita harus berhenti melakukan proses iteratif untuk mendapatkan nilai .
Menurut Cochrane-Orcutt, estimasi nilai akan kita hentikan jika nilainya
sudah terlalu kecil.
Contoh Kasus :
Tabel 6.5.
Pembentukan Variabel Baru Ekspor, Konsumsi, impor,
dan populasi
Log(ekst)* = Log(ekst)-0.5446*Log(ekst-1)
Log(const)* = Log(const)-0.5446*Log(const-1)
Log(impt)* = Log(impt)-0.5446*Log(impt-1)
Log(popt)* = Log(popt)-0.5446*Log(popt-1)
7
ANALISIS REGRESI
DENGAN EVIEWS
Model regresi sederhana dilakukan jika bermaksud meramalkan bagaimana
keadaan (naik turunnya) variabel dependen (kriterium), bila ada satu variabel
independen sebagai prediktor dimanipulasi (dinaik turunkan nilainya),
Persamaan yang diperoleh dari regresi sederhana adalah Y = β0 + β1 X + µ
Tiga model persamaan tunggal yang umum digunakan adalah OLS, ILS, dan 2SLS
(Gujarati dan Porter, 2009), Ordinary least square (OLS) merupakan metode
estimasi yang sering digunakan untuk mengestimasi fungsi regresi populasi dan
fungsi regresi sampel, Kriteria OLS adalah “line best fit” atau jumlah kuadrat dari
deviasi antara titik-titik observasi dengan garis regresi adalah minimum,
(penjelasan OLS, ILS dan 2SLS secara teknis dapat baca di Buku Gujarati dan
Porter, 2009, Dasar-dasar ekonometrika, Jakarta : Salemba Empat),
Tabel 7.1
Data Inflasi, GDP, Harga Minyak dan Tingkat Bunga riil
Tahun 1990 sd 2012
7.1. PENYELESAIAN
Klik Quick empty groups edit, buka excel dan copy data dari
excel dan paste di eviews, lalu ganti nama untuk ser01, ser02, ser03
dan ser04 dengan Inflasi, GDP, Poil dan Bunga.
Klik OK
Hasil
Pada hasil uji yang berinama “eq01”, klik Views – Residual Diagnostics -
Histogram – Normality test
7.2. INTERPRETASI HASIL
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 04/11/15 Time: 19:29
Sample: 1990 2012
Included observations: 23
Presample missing value lagged residuals set to zero.
Hasil analisis output berdasarkan tabel diatas, tampak bahwa nilai Obs
probabilitas F-statistic 0,8274 > 0,05 maka dapat disimpulkan model
diatas bebas dari masalah serial korelasi diterima.
Langkah 6, Uji Heteroskedastisitas
Pilih White
Tekan OK
8
INTERPOLASI DATA
Buku Insukindro yang berjudul ekonomi uang dan bank yang didalamnya
terdapat cerita tentang interpolasi data. Interpolasi data merupakan metode
pemecahan data menjadi data triwulan atau bentuk kuartalan, dimana data
setahun dibagi menjadi empat data dalam bentuk kuartalan.
Tahun GDP
2000 213.634
2001 223.817
2002 232.749
2003 241.291
2004 259.578
2005 274.014
2006 287.921
2007 306.373
2008 324.768
2009 336.093
2010 357.201
Setelah mengisikan data anda, kembali ke Workfile dan pilih Store
Pada kolom Store GDP as berikan nama variabel anda (misalnya “gdp”)
Pada kolom Store in pilih Individual.DB? files
Pada kolom Path for DB Files : pilih lokasi penyimpanan yang anda
inginkan. Lokasi ini harus anda ingat karena kita akan menggunakannya
kembali.
Tutup Workfile anda. (tidak perlu disimpan)
Pada menu Eviews anda, pilih Option General Option ......
Isikan Start date dan End date sesuai dengan data anda (misal Start date
2000 dan End date 2010)
9
MENYAMAKAN TAHUN DASAR
Misalkan kita ingin mencari data tentang PDB (Produks Domestik Bruto) suatu
Negara yang diambil dari buku statististik berbagai terbitan, dan kita telah
peroleh data PDRB sebagai berikut :
Tahun PDB riil
2003 123,456
2004 129,629
2005 136,110
2006 141,555
2007 150,048
2008 157,550
2009 163,852
2010 173,683
2011 267,548
2012 278,250
2013 286,597
2014 298,061
2015 312,964
Sumber : data hipotesis
Sekilas data diatas kelihatan benar, sehingga data tersebut siap diolah. Maka
agar kita tidak terjebak kepada data yang kurang valid maka perlu kita cek
pertumbuhan PDB nya terlebih dahulu sebagai berikut :
Tahun PDB riil Pertumbuhan
2003 123,456
2004 129,629 5 Sekarang baru terlihat bahwa
2005 136,110 5 pertumbuhan PDB tidak wajar, karena
2006 141,555 4 pertumbuhan ekonomi tahun 2011 sebesar
2007 150,048 6 54,04 persen. Pertumbuhan ekonomi riil
suatu Negara tidak pernah melebihi 2 digit.
2008 157,550 5 Kesalahan ini bias terjadi karena akibat
2009 163,852 4 perubahan tahun dasar yang dilakukan
2010 173,683 6 oleh pemerintah. Untuk itu kita cermati
2011 267,548 54.04343732 kembali data diatas berdasarkan PDB
2012 278,250 4 berdasarkan tahun dasarnya.
2013 286,597 3
2014 298,061 4
2015 312,964 5
Setelah kita susun ulang kedalam table, ternyata kita dapatkan informasi sebagai
berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456
2004 129,629
2005 136,110
2006 141,555 Dari table tersebut ada 2
2007 150,048 kemungkinan data disusun :
2008 157,550 1. Data PDB berdasar harga
2009 163,852 konstan tahun 2000
2010 173,683 2. Data PDB berdasar harga
2011 267,548 konstan tahun 2010
2012 278,250
2013 286,597
2014 298,061
2015 312,964
Sumber : data hipotesis
Langkah-langkan untuk menyamakan tahun dasar
Pertama kita cari pertumbuhan PDB tahun 2011, misalkan PDB tahun 2011
tumbuh sebesar 4,72 persen. Maka kita cari dulu PDB tahun 2010 berdasarkan
tahun dasar 2010 dan didapatkan angka sebesar 255.490.96.
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456
2004 129,629
2005 136,110
2006 141,555
2007 150,048
2008 157,550
2009 163,852
2010 173,683 255.491
2011 267,548
2012 278,250
2013 286,597
2014 298,061
2015 312,964
Dan lakukan untuk tahun 2007 sampai dengan tahun 2003 dengan cara yang
sama, sehingga diperoleh hasil sebagai berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456 181,606
2004 129,629 190,686
Hasil perhitungan
2005 136,110 200,220
PDB berdasar
2006 141,555 208,229
tahun dasar 2010
2007 150,048 220,723
2008 157,550 231,759
2009 163,852 241,029
2010 173,683 255,491
2011 181,880 267,548
2012 189,155 278,250
2013 194,830 286,597
2014 202,623 298,061
2015 212,754 312,964
Jika data yang kita inginkan adalah PDB tahun dasar 2000 maka caranya
adalah sebagai berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456 181,606
2004 129,629 190,686
2005 136,110 200,220
2006 141,555 208,229
2007 150,048 220,723
2008 157,550 231,759
2009 163,852 241,029
2010 173,683 255,491
2011 181,880 267,548 Diperoleh dari
2012 189,155 278,250
2013 286,597
2014 298,061
2015 312,964
Diperoleh dari
Dan lakukan untuk tahun 2013 sampai dengan tahun 2015 dengan cara yang
sama, sehingga diperoleh hasil sebagai berikut :
PDB
Tahun PDB(2000=100) (2010=100)
2003 123,456 181,606
2004 129,629 190,686
2005 136,110 200,220
2006 141,555 208,229
2007 150,048 220,723
2008 157,550 231,759
2009 163,852 241,029
2010 173,683 255,491
2011 181,880 267,548
2012 189,155 278,250
2013 194,830 286,597
2014 202,623 298,061
2015 212,754 312,964
Walaupun data yang diperoleh berbeda berdasarkan tahun dasar tetapi hasil
perhitungan pertumbuhan PDB nya tetap sama. Lihat hasilnya sebagai berikut :
PDB
Tahun PDB(2000=100) Pertumbuhan (2010=100) Pertumbuhan
2003 123,456 181,606
2004 129,629 5.00 190,686 5.00
2005 136,110 5.00 200,220 5.00
2006 141,555 4.00 208,229 4.00
2007 150,048 6.00 220,723 6.00
2008 157,550 5.00 231,759 5.00
2009 163,852 4.00 241,029 4.00
2010 173,683 6.00 255,491 6.00
2011 181,880 4.72 267,548 4.72
2012 189,155 4.00 278,250 4.00
2013 194,830 3.00 286,597 3.00
2014 202,623 4.00 298,061 4.00
2015 212,754 5.00 312,964 5.00
10
APLIKASI EKONOMETRI
DALAM PENELITIAN
Dalam bab ini akan dibahas tentang penerapan regresi berganda dalam
kasus ekonomi :
Muhammad Paozan
Agus Tri Basuki
ABSTRAK
Penelitian ini bertujuan menganalisis pengaruh utang luar negeri dan
pengeluaran pemerintah terhadap pertumbuhan ekonomi. Data yang digunakan
dalam penelitian ini diambil dari BPS tahun 1985 sampai dengan 2014. Variabel
dependen dalam penelitian ini adalah pertumbuhan ekonomi dengan
menggunakan data PDB Indonesia, sedangkan variabel independennya adalah
utang luar negeri dan pengeluaran pemerintah Indonesia. Untuk melihat pengaruh
variabel independent dan variabel dependent, peneliti melakukan pengujian
analisis regresi linier berganda juga melakukan uji asumsi klasik. Berdasarkan
hasil penelitian yang diperoleh, dapat diketahui bahwa secara simultan utang luar
negeri dan pengeluaran pemerintah berpengaruh signifikan terhadap
pertumbuhan ekonomi Indonesia. Selanjutnya secara parsial, utang luar negeri
berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi, dan
pengeluaran pemerintah juga berpengaruh positif dan signifikan terhadap
terhadap pertumbuhan ekonomi Indonesia.
A. PENDAHULUAN
Pertumbuhan ekonomi adalah salah satu indikator yang sangat penting
dalam melakukan analisis tentang pembangunan ekonomi suatu negara.
Pertumbuhan ekonomi menunjukkan sejauh mana aktivitas perekonomian
akan menghasilkan tambahan pendapatan masyarakat pada suatu periode
tertentu. Karena pada dasarnya aktivitas perekonomian adalah suatu proses
penggunaan faktor-faktor produksi yang menghasilkan output, yang diukur
dengan menggunakan PDB.
Berdasarkan data dari Badan Pusat Statistik Indonesia, pertumbuhan
ekonomi Indonesia sejak tahun1986 sampai tahun 1989 terus mengalami
peningkatan, yakni masing-masing 5.9% di tahun1986, kemudian 6.9% di
tahun 1988 dan menjadi 7.5% di tahun 1989. Namun pada tahun 1990 dan
1991 pertumbuhan ekonomi Indonesia mencatat angka sebesar 7.0%,
kemudian tahun 1992, 1993, 1994, 1995, dan 1996, masing-masing tingkat
pertumbuhan ekonominya adalah sebesar 6.2%, 5.8%, 7.2%, 6.8%, dan 5.8%.
Angka inflasi yang stabil, jumlah pengangguran yang cukup rendah seiring
dengan kondusifnya iklim investasi yang ditandai dengan kesempatan kerja
yang terus meningkat, dan sebagainya. Namun pada satu titik tertentu,
perekonomian Indonesia akhirnya runtuh oleh krisis ekonomi yang melanda
secaraglobal pada tahun 1997-1998 yang ditandai dengan inflasi yang
meningkat tajam, nilai kurs Rupiah yang terus melemah, tingginya angka
pengangguran seiring dengan menurunnya kesempatan kerja, dan ditambah
lagi semakin besarnya jumlah utang luar negeri Indonesia akibat kurs rupiah
yang semakin melemah. Hal ini terjadi dikarenakan tidak adanya dukungan
mikro yang kuat, semakin meningkatnya praktek korupsi, kolusi, dan
nepotisme (KKN), sumber daya manusia yang kurang kompetitif, dan
sebagainya (Anggito Abimanyu, 2000).
Beberapa faktor yang mempengaruhi PDB diantaranya adalah ekspor,
jumlah utang luar negeri, penanaman modal asing, investasi, kurs dan lain-
lain. Hubungan utang luar negeri terhadap PDB adalah variabel yang bisa saja
mendorong perekonomian sekaligus menghambat pertumbuhan ekonomi.
Mendorong perekonomian maksudnya jika hutang-hutang tersebut
digunakan untuk membuka lapangan kerja dan investasi dibidang
pembangunan yang pada akhirnya dapat mendorong perekonomian,
sedangkan menghambat pertumbuhan apabila utang-utang tersebut tidak
dipergunakan secara maksimal karena masih kurangnya fungsi pengawasan
dan integritas atas penanggung jawab utang-utang itu sendiri. Hubungan
Pengeluaran Pemerintah dengan PDB tercermin dalam pernyataan Y = C + I +
G + ( X – M ). Yaitu ketika pengeluaran pemerintah naik maka akan menaikkan
Produk Domestik Bruto (PDB) dengan ketentuan bahwa belanja pemerintah
akan menaikkan konsumsi masyarakat melalu pemberian subsidi,
pembangunan infrastruktur, operasi pasar dan sebagainya yang akhirnya
akan mempermudah mobilitas sehingga menaikkan tingkat perekonomian
dan pertumbuhan ekonomi dan pendapatan negara naik.
Maka, berdasarkan permasalahan yang dikemukakan di atas, dimana
utang luar negeri mempunyai pengaruh terhadap pertumbuhan ekonomi.
Namun belakangan terdapat banyak kontradiksi dalam teori dan
penerapannya di Indonesia, maka yang akan diteliti dan dibahas dalam
tulisan ini adalah masalah utang luar negeri dan pengeluaran pemerintah
dalam kaitannya dengan pertumbuhan ekonomi dengan mengangkat judul
“Analisis Pengaruh Utang Luar Negeri dan Pengeluaran Pemerintah
terhadap Pertumbuhan Ekonomi Indonesia Periode 1985-2014”
B. Rumusan Masalah
Berdasarkan uraian latar belakang di atas, permasalah pokok yang
akan diteliti adalah sebagai berikut :
1. Seberapa besar pengaruh utang luar negeri terhadap pertumbuhan
ekonomi (PDB) periode 1985-2014?
2. Seberapa besar pengaruh pengeluaran pemerintah terhadap pertumbuhan
ekonomi (PDB) periode 1985-2014?
C. Batasan Masalah
Dalam penelitian ini peneliti membatasi variabel-variabel yang
ditelitinya sebagai berikut :
1. Untuk variabel dependen (Y) adalah pertumbuhan ekonomi menggunakan
indikator PDB
2. Untuk variabel independennya adalah utang luar negeri (X1), pengeluaran
pemerintah (X2)
D. Tujuan Penelitian
Sesuai dengan rumusan masalah di atas, maka tujuan yang ingin
dicapai dari penelitian ini adalah :
1. Untuk mengetahui seberapa besar pengaruh utang luar negeri terhadap
pertumbuhan ekonomi periode 1985-2014
2. Untuk mengetahui seberapa besar pengaruh pengeluaran pemerintah
terhadap pertumbuhan ekonomi periode 1985-2014
E. Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah sebagai berikut :
1. Sebagai bahan informasi tambahan tentang faktor-faktor yang dapat
mempengaruhi pertumbuhan ekonomi di Indonesia 1985-2014
2. Dapat digunakan sebagai bahan masukan bagi peneliti lain yang akan
mengadakan penelitian ruang lingkup yang sama
3. Dapat menambah pengetahuan bagi pembaca yang lain
F. Kajian Pustaka
1. Landasan Teori
a. Pertumbuhan Ekonomi
Secara umum, pertumbuhan ekonomi didefinisikan sebagai
peningkatan kemampuan dari suatu perekonomian dalam memperoduksi
barang-barang dan jasa-jasa. Pertumbuhan ekonomi adalah salah satu
indicator yang amat penting dalam melakukan analisis tentang
pembangunan ekonomi yang terjadi pada suatu Negara. Pertumbuhan
ekonomi menunjukkan sejauh mana aktivitas perekonomian akan
menghasilkan tambahan pendapatan masyarakat pada suatu periode
tertentu. Karena pada dasarnya aktivitas perekonomian adalah suatu
proses penggunaan factor-faktor produksi untuk menghasilkan output,
maka proses ini pada dasarnya akan menghasilkan suatu aliran balas jasa
terhadao factor produksi yang dimiliki oleh masyarakat (Basri, 2002),
dengan adanya pertumbuhan ekonomi maka diharapkan pendapatan
masyarakat sebagai pemilik factor produksi juga akan meningkat.
Perekonomian dianggap mengalami pertumbuhan jika seluruh balas
jasa riil terhadap penggunaan factor produksi pada tahun tertentu lebih
besar dari pada tahun sebelumnya. Dengan kata lain perekonomian
dikatakan mengalami pertumbuhan jika pendapatan riil masyarakat pada
tahun tertentu lebih besar dari pada pendapatan riil masyarakat
sebelumnya (Basri, 2002).
Dengan perkataan lain bahwa pertumbuhan ekonomi lebih
menunjuk kepada perubahan yang bersifat kuantitatif (quantitative
change) dan biasanya diukur dengan menggunakan data Produk Domestik
Bruto (GDP) atau pendapatan atau nilai akhir pasar (total market value)
dari barang-barang akhir dan jasa-jasa (final goods and services) yang
dihasilkan dari suatu perekonomian selama kurun waktu tertentu
(biasanya satu tahun).
Kuznets dalam Hariyanto (2005) mendefinisikan pertumbuhan
ekonomi sebagai kenaikan jangka panjang dalam kemapuan suatu Negara
dalam menyediakan semakin banyak jenis barang-barang ekonomi kepada
penduduknya; kemampuan ini tumbuh sesuai dengan kemajuan teknologi,
dan penyesuaian kelembagaan dan ideologis yang diperlukannya.
b. Teori-teori Pertumbuhan Ekonomi
Teori-teori pertumbuhan ekonomi yang berkembang antara lain:
1) Teori Pertumbuhan Klasik
Teori ini dipelopori oleh Adam Smith, David Ricardo, Malthus,
dan Jhon Stuart Mill. Menurut teori ini pertumbuhan ekonomi
dipengaruhi oleh empat factor, yaitu jumlah penduduk, jumlah barang
modal, luan tanah dan kekayaan alam serta teknologi yang digunakan.
Mereka lebih memilih perhatianya pada pengaruh pertambahan
penduduk terhadap pertumbuhan ekonomi. Mereka asumsikan luas
tanah dan kekayaan alam serta teknologi tidak mengalami perubahan.
Teori yang menjelaskan keterkaitan antara pendapatan perkapita
dengan jumlah penduduk disebut dengan teori penduduk optimal.
Menurut teori ini, pada mulanya pertambahan penduduk akan
menyebabkan kenaikan pendapatan perkapita. Namun jika jumlah
penduduk terus bertambah maka hukum hasil lebih yang semakin
berkurang akan mempengaruhi fungsi produksi marginal akan
mengalami penurunan, dan akan membawa pada keadaan perkapita
sama dengan produksi marginal.
Pada keadaan ini pendapatan perkapita mencapai nilai yang
maksimal. Jumlah penduduk pada waktu itu dinamakan penduduk
optimal. Apabila jumlah penduduk terus meningkat melebihi titik
optimal maka pertumbuhan penduduk akan menyebabkan penurunan
nilai pertumbuhan ekonomi (Ricardo dalam Hariani, 2008).
4) Teori Schumpeter
Teori ini menekankan pada inovasi yang dilakukan oleh para
pengusaha dan mengatakan bahwa kemajuan teknologi sangat
ditentukan oleh jiwa usaha (entrepreneurship) dalam masyarakat yang
mampu melihat peluang dan berani mengambil risiko membuka usaha
baru, maupun memperluas usaha yang telah ada. Dengan pembukaan
usaha baru dan perluasan usaha, tersedia lapangan kerja tambahan
untuk menyerap angkatan kerja yang bertambah setiap tahunnya.
Didorong oleh adanya keinginan untuk memperoleh keuntungan
dari inovasi tersebut maka para pengusaha akan meminjam modal dan
mengadakan investasi. Investasi ini akan mempertinggi kegiatan
ekonomi suatu negara. Kenaikan tersebut selanjutnya juga akan
mendorong pengusaha-pengusaha lain untuk menghasilkan lebih
banyak lagi sehingga produksi agregat akan bertambah.
Maka menurut Schumpeter dalam Hariani (2008) penanaman
modal atau investasi dapat dibedakan menjadi dua, yakni penanaman
modal otonomi (autonomous investment) yakni penanaman modal
untuk melakukan inovasi. Jenis investasi kedua yaitu penanaman
modal terpengaruh (induced investment) yakni penanaman modal
yang timbul sebagai akibat kegiatan ekonomi setelah munculnya
inovasi tersebut.
Selanjutnya Schumpeter menyatakan babwa jika tingkat
kemajuan suatu perekonomian semakin tinggi maka keinginan untuk
melakukan inovasi semakin berkurang, hal ini disebabkan oleh karena
masyarakat telah merasa mencukupi kebutuhannya. Dengan demikian
pertumbuhan ekonomi akan semakin lambat jalannya dan pada
akhirnya tercapai tingkat keadaan tidak berkembang (stationery state).
Namun keadaan tidak berkembang yang dimaksud di sini berbeda
dengan pandangan klasik. Dalam pandangan Schumpeter keadaan
tidak berkembang itu dicapai pada tingkat pertumbuhan ekonomi
tinggi. Sedangkan dalam pandangan klasik, keadaan tidak berkembang
terjadi pada waktu perekonomian berada pada kondisi tingkat
pendapatan masyarakat sangat rendah.
1. Pendekatan Pengeluaran
Pendekatan pengeluaran adalah pendekatan dimana produk
nasional atau produk domestik bruto diperoleh dengan eara
menjumlahkan nilai pasar dari seluruh permintaan akhir (final
demand) atas output yang dihasilkan di dalam perekonomian, diukur
pada harga pasar yang berlaku. Dengan perkataan lain, produk nasional
atau produk domestik bruto adalah penjumlahan nilai pasar dari
permintaan sektor rumah tangga untuk barang-barang konsumsi dan
jasa-jasa (C), permintaan sektor bisnis untuk barang-barang investasi
(I), pengeluaran pemerintah untuk barang-barang dan jasa-jasa (G),
dan pengeluaran sektor luar negeri untuk ekspor dan impor (X -M).
Secara matematis dapat dirumuskan sebagai berikut :
Y = C + I + G (X-M)
Dimana :
Y = Pendapatan nasional (GNP atau GDP)
C = Nilai pasar pengeluaran konsumsi barang-barang dan jasa-jasa
oleh rumah tangga
I = Nilai pasarpengeluaran investasi barang-barang modal
G = Nilai pasar pengeluaran pemerintah untuk barang-barang dan jasa-
jasa (pemerintah pusat, daerah tingkat I dan II)
X = Nilai pasar pengeluaran atas barang-barang dan jasa-jasa yang
diekspor
M = Nilai pasar pengeluaran untuk barang-barang dan jasa-jasa yang
diimpor
2. Pendekatan Pengeluaran
Pendekatan pendapatan (income approach) adalah suatu
pendekatan dimana pendapatan nasional diperoleh dengan eara
menjumlahkan pendapatan dari berbagai faktor produksi yang
menyumbang terhadap proses produksi yang dijumlahkan dari jenis-
jenis pendapatan ;
a. Kompensasi untuk pekerja, yang terdiri atas upah dan gaji plus
factor rent terhadap upah gaji, dan ini merupakan komponen
terbesar dari pendapatan nasional.
b. Keuntungan perusahaan yang merupakan kompensasi kepada
pemilik perusahaan, dimana sebagaian digunakan untuk
membayar pajak keuntungan perusahaan, sebagaian lagi
dibagikan pada pemegang saham sebagai deviden, dan sebagaian
lagi ditabung oleh perusahaan sebagai laba perusahaan yang
tidak dibagikan.
c. Pendapatan usaha perorangan, yang merupakan kompensasi
atas penggunaan tenaga kerja dan sumber-sumber dari
selfemployed persons, misalnya petani, Self-employed
professional, dan lain-lain.
d. Pendapatan sewa, yang merupakan kompensasi untuk para
pemiliki tanah, rental business dan residential properties.
Secara matematis pendapatan nasional berdasarkan pendekatan
pendapatan dapat dirumuskan sebagai berikut :
N1 = Yw + Yr + Yi + Ynr + Ynd
Dimana :
1. Yw menunjukkan pendapatan dari upah, gaji, dan pendapatan
lainnya setelah pajak,
2. Yr adalah pendapatan dari bunga
3. Ynr, Ynd adalah pendapatan dari keuntungan perusahaan dan
pendapatan lainnya sebelum pengenaan pajak.
3. Pendekatan Produksi
Dengan pendekatan produksi (production approach) produk
nasional atau produk domestik bruto diperoleh dengan menjumlahkan
nilai pasar dari seluruh barang dan jasa yang dihasilkan oleh berbagai
sektor di dalam perekonomian. Dengan demikian, GNP atau GDP
merupakan penjumlahan dari harga masing-masing barang dan jasa-
jasa dikalikan dengan jumlah atau kuantitas barang atau jasa yang
dihasilkan. Secara matematis dapat dinyatakan sebagai berikut :
Dimana:
Y = Produk nasional atau produk domestic bruto (GNP atau GDP)
P = Harga barang dari unit ke-J hingga jenis ke-n
Q = jumlah barang dari jenis ke-I hingga ke-n
Dengan perkataan lain, GNP atau GOP diperoleh dengan
menjumlahkan nila tambah (value added) yang dihasilkan oleh
berbagai sektor perekonomian. Dalam hal ini, GDP atau GNP
merupakan penjumlahan dari nilai tambah dan sektor pertanian,
ditambah nilai tambah di sektor pertambangan, ditambah nilai tambah
dari sektor manufaktur, dan seterusnya.
Dimana:
g : Pertumbuhan ekonomi
yt : Produk domestic bruto tahun sekarang
yt-1 : Produk domestic bruto tahun yang lalu
c) Pengeluaran Pemerintah
Teori ini dapat digolongkan menjadi dua bagian, diantaranya
yaitu Teori Makro yang terdiri dari : (Mangkoesoebroto, 2001)
(1) Rostow dan Mungrave, dimana mereka menghubungkan
pengeluaran pemerintahdengan tahap-tahap pembangunan
ekonomi. Pada tahap awal perkembanganekonomi, menurut
mereka rasio rasio pengeluaran pemerintah terhadap
pendapatannasional-relatif besar. Hal itu dikarenakan pada
tahap awal ini pemerintah harusmenyediakan berbagai sarana
dan prasarana. Pada tahap menengah pembangunanekonomi,
investasi pemerintah tetap diperlukan guna memacu
pertumbuhan agardapat lepas landas. Bersamaan dengan itu
posisi investasi pihak swasta jugameningkat. Tetapi besarnya
peranan pemerintah adalah karena pada tahap ini
banyakkegagalan pasar yang ditimbulkan perkembangan
ekonomi itu sendiri, yaitu kasuseksternalitas negatif, misalnya
pencemaran lingkungan.
Dalam suatu proses pembangunan, menurut
Musgrave rasio investasi total terhada pendapatan nasional
semakin besar, tetapi rasio investasi pemerintahterhadap
pendapatan nasional akan semakin mengecil. Sementara itu
Rostowberpendapat bahwa pada tahap lanjut pembangunan
terjadi peralihan aktivitaspemerintah, dari penyediaan
prasarana ekonomi ke pengeluaran-pengeluaran
untuklayanan sosial seperti kesehatan dan pendidikan. Teori
Rostow dan Musgrave adalahpandangan yang timbul dari
pengamatan atas pengalaman pembangunan ekonomiyang
dialami banyak negara, tetapi tidak didasari oleh suatu teori
tertentu. Selain itutidak jelas, apakah tahap pertumbuhan
ekonomi terjadi dalam tahap demi tahap, ataubeberapa tahap
dapat terjadi secara simultan.
(2) Hukum Wagner, Wagner melakukan pengamatan
terhadap negara-negara Eropa,Amerika Serikat dan Jepang
pada abad ke-19 yang menunjukkan bahwa
aktivitaspemerintah dalam perekonomian cenderung
semakin meningkat. Wagner mengukurdari perbandingan
pengeluaran pemerintah terhadap produk nasional.
Temuan oleh Richard Musgrave dinamakan hukum
pengeluaran pemerintah yang selalu meningkat (law of
growing public expenditures). Wagner sendiri menamakannya
hukum aktivitas pemerintah yang selalu meningkat (law of
ever increasing state activity).
Dimana :
Gpc = Pengeluaran pemerintah perkapita
YpC = Produk atau pendapatan nasional perkapita
T = Indeks waktu
Menurut Wagner ada lima hal yang menyebabkan
pengeluaran pemerintahselalu meningkat yaitu tuntutan
peningkatan perlindungan keamanan dan
pertahanan,kenaikan tingkat pendapatan masyarakat,
urbanisasi yang mengiringi pertumbuhanekonomi,
perkembangan demokrasi dan ketidakefisienan birokrasi
yang mengiringiperkembangan pemerintahan.
(3) Peacock dan Wiseman, mereka mengemukakan pendapat
lain dalam menerangkan perilaku perkembangan
pemerintah. Mereka mendasarkannya padasuatu analisis
"dialektika penerimaan-pengeluaran pemerintah".
Pemerintah selalu berusaha memperbesar pengeluarannya
dengan mengandalkan penerimaan dari pajak. Padahal
masyarakat tidak menyukai pembayaran pajak yang kian
besar.
Mengacu pada teori pemungutan suara (voting),
mereka berpendapat bahwamasyarakat mempunyai batas
toleransi pajak, yakni suatu tingkat dimana masyarakat dapat
memaham besarnya pungutan pajak yang dibutuhkan oleh
pemerintah untukmembiayai pengeluaran-pengeluarannya.
Tingkat toleransi pajak ini merupakankendala yang
membatasi pemerintah untuk menaikkan pungutan pajak
secara tidaksemena-mena atau sewenang-wenang.
Menurut Peacock-Wiseman, perkembangan ekonomi
menyebabkan pungutan pajak meningkat yang meskipun
tarif pajaknya mungkin tidak berubah, padagilirannya
mengakibatkan pengeluaran pemerintah meningkat pula.
Jadi dalam keadaan normal, kenaikan pendapatan
nasional menaikkan pula baik penerimaan maupun
pengeluaran pemerintah. Apabila keadaan normal
jaditerganggu, katakanlah karena perang atau ekstemalitas
lain, maka pemerintahterpaksa harus memperbesar
pengeluarannya untuk mengatasi gangguan dimaksud.
Konsekuensinya, timbul tuntutan untuk memperoleh
penerimaan pajak lebih besar.Pungutan pajak yang lebih
besar menyebabkan dana swasta untuk investasi danmodal
kerja menjadi berkurang. Efek ini disebut efek penggantian
(displacement effict). Postulat yang berkenaan dengan efek ini
menyatakan, gangguan sosial dalamperekonomian
menyebabkan aktivitas swasta digantikan oleh aktivitas
pemerintah. Pengatasan gangguan acap kali tidak cukup
dibiayai semata-mata dengan pajaksehingga pemerintah
mungkin harus juga meminjam dana dari luar negeri.
Setelahgangguan teratasi, muncul kewajiban melunasi utang
dan membayar bunga. Pengeluaran pemerintah pun kian
membengkak karena kewajiban baru tersebut.Akibat lebih
lanjut ialah pajak tidak turun kembali ke tingkat semula
meskipun gangguan telah usai.
Jika pada saat terjadinya gangguan sosial dalam
perekonomain timbul efek penggantian, maka sesudah
gangguan berakhir timbul pula sebuah efek lain yangdisebut
efek inspeksi (inspection effect). Postulat efek ini
menyatakan, gangguansosial menumbuhkan kesadaran
masyarakat akan adanya hal-hal yang perlu ditanganioleh
pemerintah sesudah redanya gangguan sosial tersebut.
Kesadaran semacam inimenggugah kesediaan masyarakat
untuk membayar pajak lebih besar, sehingga memungkinkan
pemerintah beroleh penerimaan yang lebih besar pula. Inilah
yangdimaksudkan dengan analisis dialektika penerimaan-
pengeluaran pemerintah.
Suatu hal yang perlu dicatat dari Teori Peacock dan
Wiseman adalah bahwa mereka mengemukakan adanya
toleransi pajak, yaitu suatu limit perpajakan, akantetapi
mereka tidak menyatakan pada tingkat berapakah toleransi
pajak tersebut. Clarke menyatakan bahwa limit perpajakan
sebesar 25% dari pendapatan nasional. Apabila limit tersebut
dilampaui maka akan terjadi inflasi dan gangguan social
lainnya.
G. Tinjauan Empiris
Penelitian tentang pengaruh Utang Luar Negeri dan Pengeluaran
Pemerintah telah banyak dilakukan di Indonesia. penelitian-penelitian
tersebut menggunakan variabel-variabel yang bervariatif. Variabel tersebut
diantaranya : pengeluaran pemerintah, utang luar negeri dan penanaman
modal asing,
Walaupun dasar teori yang digunakan relatif sama, namun sebagian
besar kesimpulan tidak menunjukkan hasil yang sama. Untuk lebih jelasnya
dapat dilihat pada tabel dibawah ini :
Utang Luar
Negerti (X1)
Pertumbuhan
Ekonomi (Y)
Pengeluaran
Pemerintah (X2)
Berdasarkan kajian teori yang telah dijabarkan diatas, maka hipotesis yang
dapat dibuat untuk penelitian ini adalah utang luar negeri dan pengeluaran
pemerintah berpengaruh secara simultan maupun parsial terhadap cadangan
devisa Indonesia untuk periode 1985 sampai 2014.
H. METODE PENELITIAN
Penelitian ini adalah deskriftif kuantitatif. Populasi yang digunakan adalah
data PDB, utang luar negeri, dan pengeluaran pemerintah yang diperoleh dari
World Bank dan Badan Pusat Statistik periode 1985 sampai dengan 2014.
Tekhnik pengambilan sampel dengan menggunakan sampel jenuh. Sampel
jenuh merupakan sampel yang mewakili populasi, dimana biasanya hanya
digunakan jika populasi kurang dari 100. Sehingga pada akhirnya diperoleh
jumlah sampel sebanyak 30 data.
Dimana :
𝛽0 = Konstanta
𝛽1 = Koefisien Utang Luar Negeri
𝛽2 = Koefisien Pengeluaran Pemerintah
Y = Pertumbuhan Ekonomi
X1 = Utang Luar Negeri
X2 = Pengeluaran Pemerintah
e = Error (Variabel Pengganggu)
Metode selanjutnya dilakukan pengujian Asumsi Klasik dan pengujian
Statistik.
9
Series: Residuals
8 Sample 1985 2014
Observations 30
7
6 Mean 8.28e-16
Median -0.000377
5 Maximum 0.083137
Minimum -0.089108
4 Std. Dev. 0.044577
Skewness -0.034888
3
Kurtosis 2.318072
2
Jarque-Bera 0.587369
1 Probability 0.745512
0
-0.100 -0.075 -0.050 -0.025 0.000 0.025 0.050 0.075 0.100
DAFTAR PUSTAKA
Agus Widarjono, Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis, Edisi
Kedua, Cetakan Kesatu, Penerbit Ekonisia Fakultas Ekonomi UII Yogyakarta
2007.
Deprianto,Asrizal dan Jolianis., 2012, Pengaruh Konsumsi dan Investasi Terhadap
Pertumbuhan Ekonomi di Kota Padang, Jurnal Mahasiswa Programstudi
Pendidikan Ekonomi STKIP PGRI Sumatera Barat, STKIP PGRI Sumatera
Barat, Sumatera Barat.
Gujarati, Damodar N. 2003. Basic Econometrics. Third Edition.Mc. Graw-Hill,
Singapore.
Rachmadi, A.L., 2014, Analisis Pengaruh Utang Luar Negeri Terhadap
Pertumbuhan Ekonomi Indonesia (2001-2011), Skripsi, Universitas
Brawijaya, Malang.
Sinuraya, Rosmawati., 2010, Analisis Pengaruh Pengeluaran Pemrintah Terhadap
pertumbuhan Ekonomi Kabupaten Karo, Skripsi, Universitas Sumatera
Utara, Sumatera Utara.
Anwar, A.F., 2011 Analisis Pengaruh Utang Luar Negeri dan Penanaman Modal
Asing Terhadap Produk Domestik Bruto Di Indonesia Periode 2000-2009,
Skripsi, Universitas Hasanuddin, Makassar.
DAFTAR PUSTAKA
Agus Widarjono, Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis,
Edisi Kedua, Cetakan Kesatu, Penerbit Ekonisia Fakultas Ekonomi UII
Yogyakarta 2007.
Baltagi, Bagi (2005). Econometric Analysis of Panel Data, Third Edition. John
Wiley & Sons.