Ekonometrika

Topik 1:
Pengantar Regresi
Prof. Muhammad Firdaus, PhD

Departemen Ilmu Ekonomi

Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Bogor, 13 April 2020
Curriculum Vitae
Guru Besar
Dept IE FEM-IPB

Youtube:
AUDIOMETRIK FULL

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Peneliti PKHT & ITAPS IPB

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Tim Ahli WTO untuk Pertanian

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Peraih KI and WIPO Award 2016

Ketik SIKUH di
Google

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Apa itu Ekonometrika?
• Verbeek: ekonometrika adalah interaksi antara teori ekonomi, data dan
metode statistika. Dalam hal ini statistika mengacu pada situasi yang
STOKASTIK

• Ekonometrika: tradisional vs modern. Perkembangan pesat sejak

Sims menulis di Econometrica (1980)

• Kegunaan: ekonometrika
1. Pengujian teori ekonomi
2. Peramalan
3. Perumusan kebijakan ekonomi
Department of Economics | Faculty of Economics and Management
☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Jenis Data
Ada 3 jenis data dalam ekonometrika:

1. Time-series atau deret waktu

daily, weekly, monthly, annualy: suku bunga, IHSG, inflasi

2. Cross-section atau kerat lintang

SAKERNAS, Data antar wilayah dalam satu tahun

3. Panel data atau data panel

IFLS, SUSENAS Panel

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 SPURIOUS CORRELATION
Ekonom tertarik untuk menjelaskan hubungan antar variabel:
• Apakah terdapat hubungan yang kuat? Lemah?
• Apakah bergerak searah atau berhubungan positif? Negatif?
Analisis korelasi dapat digunakan untuk menjawab pertanyaan tersebut

Secara lebih pasti kuat tidaknya korelasi antar dua variabel dapat menggunakan
koefisien korelasi Pearson (r). Nilai r dari -1 sampai 1: KUAT ATAU LEMAH!

Yule (1926): Istilah spurious correlation atau korelasi semu terjadi saat dua
variabel berkorelasi kuat namun tidak mempunyai hubungan sebab akibat

Contoh: penjualan supermarket naik dan permintaan kuota internet naik: r  1.

Tidak ada kausalitas atara keduanya, meskipun keduanya disebabkan COVID-19.
Untuk memastikan ini perlu analisis lebih jauh yaitu regresi

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 GARIS REGRESI
Garis regresi adalah garis yang memplotkan hubungan variabel yang
dioengaruhi (variabel dependen, respon, tidak bebas) dengan variabel
independen (regressor, prediktor, variabel bebas)… Gauss (1809)

Contoh: hubungan konsumsi (tidak bebas) dan pendapatan (bebas)

Kegunaan:
• Memprediksi nilai variabel tidak bebas (peramalan)
• Menghitung dampak perubahan variabel bebas terhadap variabel tidak
bebas (elastisitas)
Dari sampel, pengaruh tsb ditarik untuk populasi melalui uji hipotesis.

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
Garis Regresi Populasi Variabel
independen
konstanta Slope (pendapatan)
Variabel Error-term/Galat
dependen

Ci = β 0 + β1Yi + ε i
(konsumsi)

Linear component Random Error

component

Sumber galat a.l: 1. Tidak semua faktor dimasukkan ke dalam model

2. Kesalahan dalam spesifikasi model
3. Adanya disagregasi dalam pengukuran

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
Garis Regresi Sampel Variabel
Koefisiens independen
konstanta dugaan (pendapatan)
Variabel Residual/sisaan
dependen

ci = b 0 + b1 y i + ei
(konsumsi)

Linear component Random Error

component

OLS atau ordinary least squares adalah teknik estimasi regresi sampel
dengan meminimumkan jumlah kuadrat dari sisaan atau min ( ci – b0 – b1yi)2
Disebut ordinary karena ada GLS, 2SLS, 3SLS dll.

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
Estimasi slope dalam matriks
Misal ada observasi terhadap 60 RT

c1 y1

c2 y2
. . b1 = (y’y)-1.y’c untuk koefisien
. .
. .
c60 y60 b0 = c - b1 y untuk konstanta

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Contoh Perhitungan
Harga rumah (Rp
Luas (m2)
juta)
245 140
Harga rumah diduga 312 160
dipengaruhi oleh luas 279 170
rumah. Tentu selain luas,
308 187
ada faktor lain yang
199 110
berpengaruh seperti lokasi,
fasilitas jalan dll 219 155
405 235
324 245
319 142
255 170

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Contoh Perhitungan
450
400
House Price ($1000s) 350 Koefisien
300
= 0.10977
250
200
150
100
Dalam persamaan regresi:
50
Konstanta 0
Harga = 98,248 + 0,109 luas
= 98.248 0 500 1000 1500 2000 2500 3000
Square Feet
koeifsien dugaan: jika luas rumah
lebih besar 10 m2, maka harga
rumah lebih mahal Rp 1,09 juta

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Contoh Perhitungan
Regression Statistics
Multiple R 0.76211
R Square 0.58082
Adjusted R Square 0.52842
Standard Error 41.33032
Observations 10

ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386
Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580

Department of Economics | Faculty of Economics and Management

☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Evaluasi Model
Kriteria Ekonomi
Kriteria ini adalah tanda (sign) dan besaran (magnitude) dari parameter
dugaan baik konstanta maupun koefisien dugaan. Untuk fungsi
konsumsi, hasil regresi seharusnya menghasilkan:
1. Konstanta yang positif: minimum needs
2. Koefisien dugaan bernilai antara 0 dan 1: MPC
Kriteria Statistika
Kriteria ini mencakup:
1. Goodness of fit atau kebaiksuaian: koefisien determinasi atau R2
2. Uji hipotesis: uji t-student; uji F dan asumsi regresi klasik
Department of Economics | Faculty of Economics and Management
☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Evaluasi Model
Koefisien Determinasi atau R2
Ukuran sejauhmana model mampu mem-fit-kan data. Nilai R2 berada antara 0
sampai 1 (100%). Untuk regresi dengan data deret waktu, tuntutan R2 lebih tinggi
darpada data kerat lintang. R2 akan semakin besar bila variabel bebas ditambah
ESS TSS - RSS
 (c - c ) =  (c - c ) +  e
RSS 2 2
R2 = = = 1- 2

TSS TSS TSS dimana t

t i
t
t
t
i

Uji t
Adalah uji hipotesis terhadap koefisien dugaan secara masing-masing. Sebagai
contoh untuk fungsi konsumsi, pengujian terhadap mpc adalah:
H0: 1 = 1
H1: 1 < 1
Department of Economics | Faculty of Economics and Management
☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb
 Hatur nuhun

Department of Economics - IPB University

IPB Dramaga Campus, Bogor 16680
Telp.: 0251-8622602
E-mail: ilmu_ekonomi@ipb.ac.id
Web : http://ilmuekonomi.fem.pb.ac.id
Department of Economics | Faculty of Economics and Management
☎ +62 251 8626602 ✉ ilmu_ekonomi@ipb.ac.id 🌐 http://ekonomi.fem.ipb.ac.id @dept.ieipb