Tugas Terstruktur Dosen Pengampu

Pengantar Ekonometrika Mahendra Romus,Dr.,S.,P.Ec.

PERSAMAAN TUNGGAL DAN SIMULTAN

Disusun Oleh Kelompok 7 :

1. Febri Arianto (11970114918)

2. Gusmila Santika Sibuea (11970123645)
3. Khairatul May Putri (11970124965)

PROGRAM STUDI MANAJEMEN S1

FAKULTAS EKONOMI DAN ILMU SOSIAL
UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU
PEKANBARU
2021
 KATA PENGANTAR

Puji Syukur kami panjatkan kehadirat Allah SWT atas limpahan dan
karunia-Nya kami dapat menyelesaikan makalah yang berjudul "Persamaan tunggal
dan simultan".

Kami mengucapkan terimakasih yang sebesar-besarnya kepada Bapak

Mahendra Romus,Dr.,S.,P.Ec. selaku dosen mata kuliah Pengantar Ekonometrika
yang sudah memberikan kepercayaan kepada kami untuk menyelesaikan tugas ini.

Kami pun menyadari bahwa masih banyak kekurangan dalam penyusunan

makalah ini. Oleh karena itu dengan tangan terbuka kami menerima segala saran
dan kritik dari pembaca agar kami dapat memperbaiki makalah kami ini. Demikian
yang dapat kami sampaikan, semoga makalah ini dapat bermanfaat bagi kita semua.

Pekanbaru, 1 November 2021

Penyusun

i
 DAFTAR ISI

HALAMAN JUDUL/COVER

KATA PENGANTAR ................................................................................. i

DAFTAR ISI ................................................................................................ ii

BAB I PENDAHULUAN

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

1.2. Rumusan Masalah ......................................................................... 1

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

BAB II PEMBAHASAN

2.1. Pengertian Persamaan Tunggal .................................................... 3

2.2. Model Persamaan Tunggal ............................................................ 3

2.3. Contoh Model Persamaan Tunggal .............................................. 3

2.4. Pengertian Persamaan Simultan .................................................. 4

2.5. Sifat Dasar Model Persamaan Simultan ........................................ 4

2.6. Contoh Model Persamaan Simultan ............................................. 5

2.7. Variabel Dalam Persamaan Simultan ........................................... 7

2.8. Estimasi Persamaan Simultan ....................................................... 7

BAB III PENUTUP

3.1. Kesimpulan ................................................................................... 12

3.2. Saran ............................................................................................. 12

DAFTAR PUSTAKA ................................................................................. 13

ii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Model yang paling sering ditemui dalam berbagai kasus biasanya berupa
model persamaan tunggal. Namun, selain model persamaan tunggal ada juga
model persamaan simultan. Model persamaan tunggal merupakan model
dimana hanya terdapat satu variabel tak bebas Y dan satu atau lebih variabel
X. Hubungan sebab akibat yang terjadi dalam model tersebut berlangsung
satu arah, yaitu dari X ke Y. Namun, terkadang dalam beberapa model sering
terdapat interdeoendensi atau saling ketergantungan antar variabel, dimana
bukan hanya variabel X yang bisa mempengaruhi variabel Y, tetapi juga
variabel Y bisa mempengaruhi variabel X sehingga dalam model tersebut
terjadi hubungan dua arah. Model yang seperti itu disebut dengan persamaan
simultan.
Dalam model persamaan simultan terdapat lebih dari satu variabel tak
bebas dan lebih dari satu persamaan yang akan membentuk suatu sistem
persamaan. Jumlah persamaan dalam sistem persamaan simultan tersebut
adalah sama dengan jumlah variabel tak bebas. Ciri unik dari sistem
persamaan simultan adalah bahwa variabel tak bebas dalam satu persamaan
bisa muncul lagi sebagai variabel bebas dan variabel tak bebas di dalam
sistem persamaan simultan sudah tidak tepat lagi. Sehingga untuk selanjutnya
dalam persamaan simultan akan ada yang namanya variabel endogen dan
variabel yang ditetapkan lebih dulu. Variabel yang ditetapkan lebih dulu bisa
berupa variabel variabel eksogen sekarang, eksogen waktu lampau, dan
endogen waktu lampau.

1.2 Rumusan Masalah

1. Apakah definisi dari persamaan tunggal?
2. Bagaimana model persamaan tunggal?
3. Bagaimana contoh model persamaan tunggal?
4. Apakah definisi dari persamaan simultan?
5. Bagaimana sifat dasar model persamaan simultan?
6. Bagaimana contoh model persamaan simultan?
7. Apa saja variabel dalam persamaan simultan?
8. Bagaimana estimasi persamaan simultan?

1
1.3 Tujuan
1. Untuk memahami definisi dari persamaan tunggal
2. Untuk memahami model persamaan tunggal
3. Untuk memahami contoh model persamaan tunggal
4. Untuk memahami definisi dari persamaan simultan
5. Untuk memahami sifat dasar model persamaan simultan
6. Untuk memahami contoh model persamaan simultan
7. Untuk mengetahui apa saja variabel dalam persamaan simultan
8. Untuk memahami estimasi persamaan simultan

2
 BAB II

PEMBAHASAN

2.1 Pengertian Persamaan Tunggal

Persamaan Tunggal merupakan type hubungan antar variabel yang

berbentuk hubungan satu arah. Type hubungan satu arah adalah besarnya nilai
variabel dependen ditentukan oleh independen. Dalam hal ini, tidak ada
saling ketergantungan antara variabel dependen, artinya tidak terjadi
kausalitas dua arah (variabel dependen hanya dipengaruhi oleh variabel-
variabel bebas tetapi sebaliknya variabel-variabel independen tidak
ditentukanoleh variabel dependen).

2.2 Model Persamaan Tunggal

Model Persamaan Tunggal merupakan model yang menyajikan fenomena

ekonomi dalam satu persamaan. Bentuk paling sederhana dari peramalan
ekonometrik adalah model persamaan tunggal. Langkah pertama yang
dilakukan dalam metode persamaan tunggal adalah mengidentifikasi variabel
yang diramalkan dan variabel yang mempengaruhi peramalan. Variabel yang
diramalkan merupakan variabel yang tidak bebas (dependent variable).
Sedangkan variabel yang mempengaruhi peramalan disebut variabel bebas
(independent variable). Model dengan persamaan tunggal dengan variabel
yang terlibat adalah variabel manifes adalah Analisis Regresi. Baik itu regresi
linear sederhana atau linear berganda.

2.3 Contoh Model Persamaan Tunggal

Y = a0 + a1 X1 + a2 X2 + a3 X3 + a4 X4 + a5 X5 + e

Keterangan :
Y = Jumlah Produksi Daging Sapi
X1 = Harga Daging Sapi
X2 = Harga Daging Ayam
X3 = Mutasi Sapi Potong
X4 = Impor Daging Sapi
X5 = Harga Impor Faktor Produksi
e = Error / Residual

3
2.4 Pengertian Persamaan Simultan

Persamaan Simultan merupakan bagian dari model sistem persamaan di

mana peubah tidak bebas dalam satu atau lebih persamaan juga merupakan
peubah bebas dalam beberapa persamaan lainnya. Dengan demikian suatu
peubah dalam persamaan simultan mempunyai dua peranan yaitu sebagai
peubah tak bebas dan sebagai peubah bebas. Persamaan Simultan juga dapat
diartikan sebagai berikut :

 Suatu himpunan persamaan dimana variabel dependen dalam satu atau

lebih persamaan juga merupakan variabel independen dalam beberapa
persamaan yang lain.
 Suatu model yang mempunyai hubungan sebab akibat antara variabel
dependen dan variabel independennya, sehingga suatu variabel dapat
dinyatakan sebagai variabel dependen maupun independen dalam
persamaan yang lain.

2.5 Sifat Dasar Model Persamaan Simultan

Ada hubungan dua arah atau simultan antara X dan (beberapa dari) X,
yang membuat perbedaan antara variabel tak bebas dan variabel yang
menjelaskan menjadi meragukan. Adalah lebih baik untuk mengumpulkan
bersama sama sejumlah variabel yang dapat ditentukan secara simultan oleh
kumpulan variabel sisanya. Inilah yang dilakukan dalam persamaan
simultan.

Dalam model seperti itu ada lebih dari satu persamaan , satu untuk
variabel tidak bebas atau bersifat endogen atau gabungan atau bersama. Dan
tidak seperti persamaan model tunggal, dalam model persamaan simultan
orang mungkin tidak menaksir parameter dari satu persamaan tunggal tanpa
memperhitungkan informasi yang diberikan oleh persamaan lain dalam
sistem.

Apa yang terjadi jika parameter dari tiap persamaan ditaksir dengan
menerapkan , misalnya metode OLS, tanpa memperhatikan persamaan lain
dalam sistem? Ingat bahwa satu asumsi penting dari metode OLS adalah

4
 bahwa variabel X yang menjelaskan baik bersifat nonstokastik atau jika
stokastik (random) didistribusikan secara bebas (independen) dari unsur
gangguan stokastik. Jika tak satupun dari kondisi ini dipenuhi, maka, penaksir
kuadarat terkecil tidak hanya bias tapi juga tak konsisten, yaitu dengan
meningkatnya sampel secara tak terbatas, penaksir tidak mengarah ke nilai
(populasi) sebenarnya. Jadi, dalam sistem persamaan hipotesis berikut ini.

Yy1i = β10 + β12Y 2i + γ11X1i + µ1i ..................................................................(1.1)

Yy2i = β20 + β21Y 1i + γ21X1i + µ2i ..................................................................(1.2)

Dimana Y1 dan Y2 merupakan variabel yang saling bergantung, atau

bersifat endogen, dan X1 merupakan variabel yang bersifat eksogen dan
dimana µ1 dan µ2 unsur gangguan stokastik, variabel Y1 dan Y2 kedua
duanya stokastik.Oleh karena itu kecuali dapat ditunjukkan bahwa variabel
yang menjelaskan Y2 yang bersifat stokastik dalam (1.1) didistribusikan
secara bebas dan µ1 dan variabel yang menjelaskan Y1 yang bersifat stikastik
dalam (1.2) didistribusikan secara bebas dari µ2, penerapan OLS klasik untuk
persamaan persamaan ini secara individual akan membawa ke taksiran yang
tidak konsisten.

2.6 Contoh Model Persamaan Simultan

Model Permintaan Dan Penawaran

Seperti dikenal dengan baik , harga P dari komoditas dan kuantitas Q

yang terjual ditentukan oleh perpotongan kurva pendapatan dan penawaran
untuk komoditi itu. Jadi dengan mengasumsikan untuk penyederhanaan bahwa
kurva penawaran dan kurva permintaan adalah linear dan dengan
menambahkan unsur gangguan stokastik µ1dan µ2, fungsi empiris permintaan
dan penawaran bisa ditulis sebagai berikut :

fungsi permintaan Qt = α0 + α1Pt + µ1t α< 0 (1.3)

fungsi penawaran Qt = α0 + β1Pt + µ2t β> 0 (.1.4)

5
kondisi keseimbangan Qt = Qt

dimana Qd = kuantitas yang diminta

Qs = kuantitas yang ditawarkan

t = waktu

α dan β adalah parameter. Secara apriori α diharapkan untuk negatif (kurva

permintaan yang miring ke bawah) dan β1 diharapkan positif (kurva
penawaran yang mengarah ke atas).

Sekarang tidak terlalu sulit untuk melihat bahwa P dan Q adalah

variabel tak bebas bergabung. Jika misalnya µi dalam (1.3) berubah karena
perubahan dalam variabel lain yang mempengaruhi Qdt (seperti
pendapatan, kekayaan dan selera),kurva kurva permintaan akan bergeser
ke atas.

Gambar 1.1

Pergeseran kurva permintaan dan penawaran

6
 Seperti ditunjukan dalam gambar diatas, suatu pergeseran dalam kurva
permintaan merubah baik P dan Q. Serupa dengan itu suatu perubahan dalam
µ2t (karena pemogokan, cuaca, pembatasan import atau ekspor dsb). Akan
menggeser kurva penawaran. mempengaruhi P dan Q, karena ketergantungan
simultan antara Q dan P, µ1t Pt dalam (2.3) dan µ2t dan Pt (dalam 2.4) tidak
mungkin bebas. Oleh karena itu regresi Q atas P (2.3) akan melanggar asumsi
penting dari model regresi linear klasik, yaitu asumsi tidak adanya korelasi
antara variabel yang menjelaskan dan unsur gangguan.

2.7 Variabel Dalam Persamaan Simultan

1. Variabel endogen/ endogenous variable : variabel dependen (tidak

bebas) pada persamaan simultan (jumlahnya sama dengan jumlah
persamaan dalam model simultan) atau dengan kata lain merupakan
variabel tak bebas bersama atau variabel variabel yang ditetapkan
dalam model. Variabel endogen bersifat stokastik
2. Variabel yang sudah diketahui nilainya/ predetermined variable :
variabel ini diperlakukan sebagai variabel yang non stokastik yang
nilai-nilainya sudah tertentu atau sudah ditentukan.

Predetermined variable dibedakan menjadi dua, yaitu:

- Variabel eksogen : - Variabel eksogen sekarang : Xt , Pt

- Variabel eksogen waktu lampau : Xt-1, Pt-1
- Variabel endogen wakt u lampau (lagged endogenous variabel) : Yt-
1, Qt-1

2.8 Estimasi Persamaan Simultan

2.8.1 Indirect Least Squares (ILS)

Metode ILS dilakukan dengan cara menerapkan metode OLS pada
persamaan reduced form.

7
Asumsi yang harus dipenuhi dalam penggunaan prosedur ILS:

1. Persamaan strukturalnya harus exactly identified.

2. Variabel residual dari persamaan reduced form-nya harus
memenuhi semua asumsi stokastik dari teknik OLS. Jika asumsi ini
tidak terpenuhi, maka akan menyebabkan bias pada penaksiran
koefisiennya.
Contoh:

Diketahui suatu model persamaan simultan adalah sebagai berikut :

Qd=0+1P+2X+v.........................................................................(1.13)

Qs=0+1P+2Pl+............................................................................(1.14)

Dimana:
Qd = Jumlah barang yang diminta
Qs = Jumlah barang yang ditawarkan
P = harga barang
X = Income
Pl = harga Input
Persamaan reduce form-nya adalah sebagai berikut :

P=0+1X+2Pl+Ω1 ......................................................................(1.15)

Q=3+4X+5Pl+.......................................................................(1.16)

Persamaan Reduce Form dapat dicari dengan langkah sebagai berikut:

 Selesaikan persamaan Qd = Qs .................................................(1.17)

0+1P+2X+v=0 + 1 P + 2 Pl + u ..........................................(1.17.1)

1P-1P=0-0- 2 X+2 Pl + u – v ...........................................(1.17.2)

 0   0    2   2   u v 
   X    Pl   

            
P = 1 1   1 1   1 1   1 1 

8
P=  0  1 X   3 Pl   .......................................... (1.17.3)

 Kemudian substitusikan persamaan P diatas dengan salah satu

persamaan Q, misalnya dengan Qd
Qd=0+1P+2X+v..........................................................(1.17.5)

 0  0    2   2   u v 
       
          X       Pl      
Qd = 0 + 1  1 1   1 1  1 1  1 1
+ 2 X
+v

 1 0  1 0   1 2       u  1v 

     X   1 2  Pl   1 
 1  1   1  1   1  1   1   
Qd = 0 + +
2 X + v

 1 0  1 0   1 2       u  1v 

     X   1 2  Pl   1 
 1  1   1  1   1  1   1  1 
Qd = 0 + +
2 X + v

Lalu samakan semua penyebutnya dengan :

1   1 …………………………..(1.17.6)

  01   0 1   1 0  1 0   1 2   1 2    u  1v 

        X    Pl   1 
 1  1   1  1   1  1   1  1   1  1 
Qd= +

  1 2   1 2    v   1v 
  X   1 
 1  1   1  1 

 1 0   0 1    2 1       u  1v 
     X   1 2  Pl   1 
 1  1   1  1   1  1   1  1 
Qd =

 3   4 X   5 Pl  
Qd= .........................................(1.17.7)

9
 Dari persamaan reduce form-nya diperoleh 6 koefisien reduksi yaitu:
0 1 2 3 4 dan 5 yang akan digunakan untuk menaksir 6
koefisien structural yaitu 0, 1, 2, 0, 1 dan 2.

2.8.2 Two Stage Least Squares (TSLS)

Two Stage Least Square (TSLS) termasuk analisis persamaan struktural

dan salah satu metode regresi. Dalam perhitungan analisis regresi merode
ini merupakan perluasan dari metode OLS yang dipakai saat kondisi
korelasi antara error yang dihasilkan dalam model berkorelasi dengan
variabel bebasnya. Metode ini disebut Two Stage Least Square karena
terdapat two stage atau dua langkah yang dasarnya merupakan perluasan
dari metode OLS(Ordinary Least Square) untuk menyelesaikan persamaan
sehingga tidak bias.

Langkah pertama adalah untuk mendapatkan variabel eksogen yang

tidak bias dengan metode OLS, Meregresikan variabel endogen eksplanatori
terhadap variabel instrumental variabel dan variabel eksogen lainnya.

Langkah kedua adalah meregresikan variabel endogen dengan variabel

endogen eksplanatori bersama variabel lainnya yang sudah tidak bias.
Dalam kenyataannya akan menemukan lebih banyak model simultan yang
tidak hanya mempengaruhi satu arah, tetapi saling mempengaruhi satu sama
lain.

Metode TSLS sering digunakan dengan alasan:

1. Untuk persamaan yang overidentified, penerapan TSLS menghasilkan

taksiran tunggal (sedangkan ILS menghasilkan taksiran ganda).
2. Metode ini dapat diterapkan pada kasus exactly identified. Pada kasus ini
taksiran TSLS = ILS.
3. Dengan TSLS tidak ada kesulitan untuk menaksir standar error, karena
koefisien struktural ditaksir secara langsung dari regresi OLS pada

10
 langkah kedua (sedangkan pada ILS mengalami kesulitan dalam
menaksir standar error).
2.8.3 Three Stage Least Squares (3SLS)

Three Stage Least Square (3SLS) merupakan sebuah metode sistem

dengan langkah pertama dan kedua menggunakan 2SLS dan langkah ketiga
menggunakan SUR (Seemingly Unrelated Regression) dan (Generalized
Least Square).
Penerapan metode 3SLS digunakan untuk persamaan yang memiliki
spesifikasi lengkap, non otokorelasi, korelasi contemporaneous dan
teridentifikasi berlebihan. Metode ini dipakai karena informasi variabel
endogen dalam model dan korelasi contemporaneous tidak diperhitungkan
dalam metode persamaan tunggal. Hanya saja kendala dalam menggunakan
metode 3SLS yaitu perhitungannya cukup rumit dan melibatkan data yang
besar.
2.8.4 Limited Infromation Maximum Likelihood (LIML)

LIML merupakan salah satu teknik pendugaan parameter struktural di

mana persamaannya over identified. Metode LIML mirip dengan 2SLS,
dimana keduanya sama-sama menggunakan semua peubah eksogen dalam
model. Namun ada sedikit perbedaan; jika 2SLS meminimasi perbedaan dua
set error varians, maka LIML meminimisasi dalam unexplained varians.

11
 BAB III

PENUTUP

3.1 Kesimpulan

Persamaan Tunggal merupakan type hubungan antar variabel yang

berbentuk hubungan satu arah. Type hubungan satu arah adalah besarnya nilai
variabel dependen ditentukan oleh independen. Model Persamaan Tunggal
merupakan model yang menyajikan fenomena ekonomi dalam satu
persamaan. Model dengan persamaan tunggal dengan variabel yang terlibat
adalah variabel manifes adalah Analisis Regresi. Baik itu regresi linear
sederhana atau linear berganda.

Persamaan Simultan merupakan bagian dari model sistem persamaan di

mana peubah tidak bebas dalam satu atau lebih persamaan juga merupakan
peubah bebas dalam beberapa persamaan lainnya. Variabel dalam persamaan
simultan terdiri dari variabel endogen (endogenous variable) dan variabel
yang sudah diketahui nilainya (predetermined variable). Estimasi dari
persamaan Simultan yaitu Indirect Least Squares (ILS), Two Stage Least
Squares (TSLS), Three Stage Least Squares (3SLS), dan Limited Infromation
Maximum Likelihood (LIML).

3.2 Saran

Mungkin inilah yang dapat disampaikan pada penulisan kelompok ini

meskipun penulisan ini jauh dari sempurna. Bila ada kritik dan saran, dapat
disampaikan pada saat presentasi kelompok dan sebagai bahan acuan serta
referensi untuk penelitian kami di masa yang akan datang.

12
 DAFTAR PUSTAKA

Solimun,dkk.2017. Metode Statistika Multivariat Pemodelan Struktural (SEM)

Pendekatan WasPLS. Malang : UB Press

Fitriani, Rahma, Nurjannah dkk. 2021. Dasar Dasar Ekonometrika Dan

Terapannya Dengan Gretil.Malang : UB Press`

https://www.scribd.com/doc/291322319/Model-Persamaan-Simultan

https://gamastatistika.com/2021/10/26/perbedaan-metode-analisis-persamaan-
simultan-2sls-dan-3sls/

13