Data telah siap dalam SPSS

Analisa LPM
Analisa LOGIT

Interpretasi data Interpretasi data

Menemukan persamaan logit

Menemukan persamaan matematis

Pemilihan Model Terbaik

Interpretasi Classification table
pd data aktual dan observasi
Pembandingan hasil uji
R Square;Uji F; uji G; uji t; uji wald

Memastikan kualitas persamaan

Dgn diagram pencar

Simulasi

Interpretasi simulasi

1
 BAB II
METODE

Ekonometrika adalah suatu aplikasi dari metode statistika pada ekonomi.

Namun, tidak seperti pada ilmu statistika, yang hanya terfokus kepada data statistik,
ilmu ekonometrika merupakan gabungan dari teori ekonomi, matematika, dan
statistika. Berikut adalah beberapa metode ekonometrika yang akan dibahas.
 Model Dummy Variabel
Variabel Dummy adalah variabel yang merepresentasikan kuantifikasi dari
variabel kualitatif. Misal: jenis kelamin, pendidikan, lokasi, situasi, musim, & kualitas.
Jika data kualitatif tersebut memiliki m kategori, maka jumlah variabel dummy yang
dicantumkan di dalam model adalah (m-1). Kesimpulan yang diambil dari keberadaan
variabel dummy di dalam model adalah perbedaan nilai antar kategori yang
bersangkutan. Variabel dummy sering juga disebut variabel boneka, binary, kategorik
atau dikotom. Dummy memiliki nilai 1 (D=1) utk salah satu kategori dan nol (D=0)
untuk kategori yang lain.
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.
 Model Dummy Variabel Dependen
Model-model variabel tak bebas yang bersifat dikotomi dengan mengambil nilai
1 atau 0 digunakan dalam situasi dimana variabel tak bebas memperoleh tanggapan ya
atau tidak, seperti membeli atau tidak membeli rumah, menjadi anggota organisasi
atau tidak, dan lain-lain. Model-model dengan variabel tak bebas boneka (dummy),
jika dinyatakan sebagai fungsi linear dari variabel bebas (yang bersifat kuantitatif atau
kualitatif atau keduanya) disebut model probabilitas linear (LPM) karena nilai yang
diharapkan dari variabel tak bebas bersyarat atas nilai tertentu dari variabel bebas
dapat ditafsirkan sebagai probabilitas bersyarat terjadinya suatu peristiwa.
Model probabilitas linear mengandung beberapa masalah penaksiran dalam hal:
1. Kesalahan pengganggu tidak mengikuti distribusi normal.
2. Varian kesalahan pengganggu heteroskedastik.
3. Probabilitas bersyarat yang ditaksir mungkin tidak terletak antara 0 dan 1
artinya bisa lebih kecil dari nol (negatif) atau lebih besar dari satu.
Masalah pertama tidak serius, karena penggunaan OLS masih menghasilkan
penaksiran tak bias. Untuk sampel yang besar masih bisa melakukan pengujian
hipotesis. Masalah kedua dapat ditangani dengan mentransformasikan data. Masalah
yang serius adalah masalah probabilitas bersyarat yang ditaksir mungkin tidak terletak

2
antara 0 dan 1. Masalah ini dapat dipecahkan dengan suatu teknik yang menjamin
bahwa nilai probabilitas akan terletak antara 0 dan 1.
Selain metode LPM, ada pula metode logit yang lebih baik dipakai dalam
menentukan nilai probabilitas kejadian, daripada dengan menggunakan metode LPM.
Model Logit adalah model regresi non linier yang menghasilkan sebuah persamaan
dimana variable dependen bersifat kategorikal. Kategori paling dasar dari model
tersebut menghasilkan binary values seperti angka 1 atau 0. Angka yang dihasilkan
menghasilkan suatu kategori tertentu yang dihasilkan dari perhitungan probabilitas
terjadinya kategori tersebut. Bentuk dasar probabilitas dari metode logit sebagai
berikut:
Yi Probabilitas
0 1-Pi
1 Pi
Total 1
(Gujarati, 2006)

Dalam pengoperasian perhitungan dengan menggunakan SPSS, perlu dilakukan

tahapan sebagai berikut:
1. Metode Linier Programing
- Siapkan data di Excel, copy ke dalam tampilan SPSS.
- Ubah Variabel View sesuai nama variable pada masing-masing kolom.
- Klik Analyze, kemudian Regresion, dilanjutkan klik Linier.
- Masukan masing-masing variable sesuai peranannya sebagai variable
independen atau dependen.
- Klik Save (pada sisi kanan), kemudian klik Unstandarized, lanjutkan klik
Continue.
- Klik OK.
- Selanjutnya, tampilan hasil perhitungan SPSS akan muncul.
- Klik pada Variabel view di tampilan data input SPSS, akan muncul hasil
perhitungan probabilitas LPM yang sebelumnya bernama Pre_1. Ubah menjadi
Hsl_LPM.
- Interpetasikan hasilnya.
2. Metode Logit
- Siapkan data di Excel, copy ke dalam tampilan SPSS.
- Ubah Variabel View sesuai nama variable pada masing-masing kolom.
- Klik Analyze, kemudian Regresion, dilanjutkan klik Binary Logistic.
- Masukan masing-masing variable sesuai peranannya sebagai variable
independen atau dependen.
- Klik Save (pada sisi kanan), centang Probabilitas.

3
 - Klik Continue.
- Klik Option, kemudian centang kotak Hosmer dan Iteration History.
- Klik Continue.
- Klik OK.
- Selanjutnya, tampilan hasil perhitungan SPSS akan muncul.
- Klik pada Variabel view di tampilan data input SPSS, akan muncul hasil
perhitungan probabilitas dengan metode logit yang sebelumnya bernama
Pre_1. Ubah menjadi Hsl_Logit.
- Interpetasikan hasilnya.
3. Pembuatan Diagram Scatter
- Untuk membuat diagram Scatter, awali dengan mengubah tanda koma pada
masing-masing tampilan di Excel yang berupa hasil perhitungan probabilitas
baik dengan metode LPM maupun Logit, menjadi tanda titik. Caranya, klik
seluruh data yang ada di Excel, kemudian klik Toolbars Find and Select. Ubah
pada pilihan Replace ketik tanda koma (,), dan pada Find ketik tanda titik (.).
- Klik OK
- Pastikan hasilnya hanya memuat tiga angka di belakang koma.
- Selanjutnya, data yang diperoleh tadi masukkan pada kolom yang ada di
Worksheet Output SPSS Probability.
- Blok seluruh kolom, kemudian klik Insert dan pilih Diagram Scatter.
- Akan muncul tampilan diagram dan beri nama masing-masing kurva/titiknya.
- Interpretasikan.
4. Perhitungan Simulasi
- Hitung rata-rata masing-masing variable yang ada dalam data, mulai dari
variable X1 hingga variable X4.
- Masukan dalam kolom pada worksheet Simulasi.
- Copy data hasil perhitungan dengan menggunakan SPSS, pada metode Logit
pada kolom Variables in Equation.
- Maka akan diperoleh hasil Odds Ratio.
- Interpretasikan hasilnya.

4
 BAB III
HASIL DAN PEMBAHASAN

METODE LINIER PROBABILITY

5
INTERPRETASI:
 Uji R Square : 0,542
Dari hasil perhitungan, diperoleh nilai R Square 0,542 atau 54%. Jadi, model ini
mampu menjelaskan variable dependen berdasarkan pengaruh variable
independennya sebesar 54%.

 Uji F : 18,023
Dari hasil perhitungan, diperoleh nilai uji F yang menggambarkan pengaruh
seluruh variable bebasnya terhadap variable terikatnya sebesar 18, 023 dengan tingkat
signifikasi sebesar 0,00 maka persamaan ini dapat disimpulkan terima H o parameter ≠0,
model jelek yaitu variabel independen yang digunakan dalam model tidak mempunyai
pengaruh signifikan terhadap variabel dependen.
 Uji t : -4, 862
Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masing
variabel independen secara individual dalam menerangkan variasi variabel dependen
adalah sebesar -4,862 dengan tingkat signifikasi 0,00, maka dapat dikatakan bahwa
variable signifikan dan berpengaruh nyata terhadap variabel pengambilan keputusan
petani.

METODE LOGIT
 Penilaian model
Penilaian mengenai baik tidaknya sebuah model dapat dilihat dari nilai log
likelihood pada block 0 (beginning block) dan pada block 1 (method).
Log likelihood block-0

6
Log likelihood block-1

Dari hasil SPSS diatas didapatkan nilai log likelihood block-0 sebesar 75,307.
Sedangkan nilai log likelihood block-1 didapatkan sebesar 28,791. Suatu model
dikatakan baik jika nilai log likelihood block-0 lebih besar dari log likelihood block-1
Dari kedua nilai hasil tersebut dapat dilihat jika nilai log likelihood block-0 lebih besar
dari log likelihood block-1 yaitu 75,307 > 28,791. Sehingga model persamaan ini dapat
dikatakan model yang BAIK.
 Uji G (chi-square)

Uji G sama dengan Uji F pada persamaan OLS, dari hasil SPSS diatas baik
berdasarkan Hosmer and Lemeshow test didapatkan nilai p-value (nilai sig.) sebesar
0,000. Dengan menentukan significant level (α) sebesar 5 % berarti p-value < α. Maka
dapat disimpulkan bahwa H0 ditolak. Bila H0 ditolak, artimya model yang terdiri dari
seluruh variable tersebut signifikan secara statitik pada tingkat signifikansi 5% atau
sekurang-kurangnya terdapat satu koefisien ≠ 0.
Sedangkan jika dilihat dari perbandingan nilai chi-square hitung yaitu 41,706
(Hosmer and Lemeshow ) dengan nilai chi-square table yaitu 9,48773. Nilai X 2 (chi-
square) hitung lebih besar dari nilai X2 (chi-square) table yaitu 41,706 > 9,48773. maka
dapat disimpulkan bahwa terima H1, tolak H0 yang artinya secara logit keputusan untuk
berkoperasi berpengaruh secara signifikan terhadap variabel-variabel seperti
Kesadaran fungsi koperasi, Kemudahan bertransaksi, Banyaknya unit usaha koperasi,
Kepercayaan thdp koperasi. Dengan demikian model tersebut dapat diterima sebagai
penduga yang baik dan layak untuk digunakan.

7
 Ketepatan Model Dalam Memprediksi
Data Observasi

Pada data observasi ini dapat dilihat bahwa terdapat 66 responden dalam
mengambil keputusan untuk mengikuti kegiatan berkoperasi atau tidak. Keputusan
petani dalam berkoperasi yang tidak mengikuti kegiatan koperasi adalah sebesar 17
responden sedangkan yang mengikuti kegiatan koperasi adalah sebesar 49 responden.
Dengan demikian persentase kebenaran yang didapat adalah sebesar 74,2% dengan
tingkat kesalahan sebesar 5%.

Data Prediksi

Setelah dilakukan analisis menggunakan logit, didapatkan suatu data prediksi

dalam keputusan petani untuk berkoperasi. Disini dapat dilihat bahwa bahwa terdapat
66 responden dalam mengambil keputusan untuk mengikuti kegiatan berkoperasi atau
tidak.
Keputusan petani dalam berkoperasi yang tidak mengikuti kegiatan koperasi
adalah sebesar 14 responden tetapi disini terdapat suatu penyimpangan/kesalahan
dimana 3 responden memilih untuk mengikuti kegiatan berkoperasi. Dengan demikian
presentase kebenaran petani untuk tidak mengikuti kegiatan koperasi adalah sebesar
82,4%
Keputusan petani dalam berkoperasi yang mengikuti kegiatan koperasi adalah
sebesar 48 responden tetapi disini terjadi suatu penyimpangan/kesalahan dimana 1

8
responden memilih untuk tidak berkoperasi. Dengan demikian presentase kebenaran
petani untuk mengikuti kegiatan koperasi adalah sebesar 98%
Dengan demikian jika dibandingkan antara keputusan petani dalam berkoperasi
atau tidak , persentase kebenarannya adalah sebesar 93,9% dengan tingkat kesalahan
ditolerir sebesar 5%.
Jadi, dalam data observasi telah ditunjukkan bahwa petani yang tidak mengikuti
kegiatan berkoperasi sebesar 17 responden sedangkan keputusan petani dalam
berkoperasi sebesar 49 responden. Setelah dilakukan analisis model didapati terjadi
penyimpangan sebesar 3 responden yang seharusnya memutuskan untuk tidak
berkoperasi menjadi berkoperasi. Hal ini juga terjadi penyimpangan dalam keputusan
betani yang seharusnya memilih untuk berkoperasi menjadi tidak berkoperasi sebesar
1 responden. Sehingga ketepatan model di atas sebesar 93,9% dengan tingkat
kesalahan ditolerir sebesar 5%.
 UJI WALD

a. UJi Wald pada Variabel Kesadaran fungsi koperasi (X 1)

Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masing
variabel independen secara individual dalam menerangkan variasi variabel
dependen adalah sebesar 2,308 dengan tingkat signifikasi 0,129, maka dapat
dikatakan bahwa variable tidak signifikan dan berpengaruh nyata terhadap
variabel pengambilan keputusan petani.
Sehingga dapat disimpulkan bahwa terima H0, artinya parameter tersebut tidak
signifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)
menunjukkan nilai 1.806 yang artinya bahwa peluang untuk menjadi anggota
koperasi yang dipengaruhi oleh variabel kesadaran fungsi koperasi 1.806 kali
lebih besar peluangnya daripada peluang untuk tidak menjadi anggota
koperasi.
b. Uji Wald pada Variabel Kemudahan bertransaksi (X2)
Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masing
variabel independen secara individual dalam menerangkan variasi variabel
dependen adalah sebesar 0,000 dengan tingkat signifikasi 0,985, maka dapat

9
 dikatakan bahwa variable tidak signifikan dan berpengaruh nyata terhadap
variabel pengambilan keputusan petani.
Sehingga dapat disimpulkan bahwa terima H0, artinya parameter tersebut tidak
signifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)
menunjukkan nilai 1.006 yang artinya bahwa peluang untuk menjadi anggota
koperasi yang dipengaruhi oleh variabel kemudahan bertransaksi 1.006 kali
lebih besar peluangnya daripada peluang untuk tidak menjadi anggota
koperasi.
c. Uji Wald pada Variabel Banyaknya Unit Usaha Koperasi (X3)
Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masing
variabel independen secara individual dalam menerangkan variasi variabel
dependen adalah sebesar 6,312 dengan tingkat signifikasi 0,012, maka dapat
dikatakan bahwa variable signifikan dan berpengaruh nyata terhadap variabel
pengambilan keputusan petani.
Sehingga dapat disimpulkan bahwa tolak H0, artinya parameter tersebut
signifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)
menunjukkan nilai 3.200 yang artinya bahwa peluang untuk menjadi anggota
koperasi yang dipengaruhi oleh variabel banyaknya unit usaha koperasi 3.200
kali lebih besar peluangnya daripada peluang untuk tidak menjadi anggota
koperasi.
d. Uji Wald pada Variabel Kepercayaan pada koperasi (X4)
Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masing
variabel independen secara individual dalam menerangkan variasi variabel
dependen adalah sebesar 7,868 dengan tingkat signifikasi 0,005, maka dapat
dikatakan bahwa variable signifikan dan berpengaruh nyata terhadap variabel
pengambilan keputusan petani.
Sehingga dapat disimpulkan bahwa tolak H0, artinya parameter tersebut
signifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)
menunjukkan nilai 3.251 yang artinya bahwa peluang untuk menjadi anggota
koperasi yang dipengaruhi oleh variabel kepercayaan pada koperasi 3.251 kali
lebih besar peluangnya daripada peluang untuk tidak menjadi anggota
koperasi.
e. Uji Wald pada intersep
Pada Variables in the equation, nilai P-value sebesar 0.003. sehingga dapat
disimpulkan bahwa tolak H0, artinya parameter tersebut signifikan secara
statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B) menunjukkan nilai

10
 0.000 yang artinya bahwa peluang untuk menjadi anggota koperasi sama
besarnya dengan peluang untuk tidak menjadi anggota koperasi
Jadi, dapat disimpulankan dari 5 variabel pembentuk model peluang untuk
menjadi anggota koperasi hanya dua variabel yang tidak signifikan yakni variabel
kesadaran fungsi koperasi dan kemudahan bertransaksi.
Persamaan :

Ln )= 0 + 1 1 + 2 2 + 3 3 + 4 4

)=

)=

DIAGRAM SCATTER

Dari tampilan diagram scatter di atas, menunjukan terdapat dua jenis gambar
yaitu yang menunjukan Hasil Probabilitas LPM dan Hasil Probabilitas Logit. Dapat
dilihat dalam diagram di atas, bahwa Hasil Probabilitas LPM lebih banyak menyebar di
sekitar nilai rata-rata variabel, dan terkadang melebihi dari dari batas nilai probabilitas
yaitu 1 serta terdapat data yang berada di bawah 0 yakni bernilai (-).
Sedangkan, pada Hasil Probabilitas Logit lebih mengumpul (tidak menyebar) di
sekitar nilai rata-rata variabel, dan tidak sampai melebihi batas probabilitas yaitu 1.
Sehingga dapat disimpulkan bahwa, metode Logit lebih mampu memenuhi syarat
probabilitas yaitu 0≤P≤1.

11
PERHITUNGAN SIMULASI

Variabel B S.E. Wald Sig.

x1 .591 .389 2.308 .129
x2 .006 .320 .000 .985
x3 1.163 .463 6.312 .012
x4 1.179 .420 7.868 .005
- 9.884 8.575 .003
Constant 28.943
a. Variable(s) entered on step 1: x1, x2, x3, x4.

Simulasi-3:
Simulasi-1: Simulasi-2:
X Kemuduran 20% pada x3 dan x4 dr
Nilai Rata-Rata Xi Kemuduran 5 % dr Rerata
Rerata
8.576 8.15 8.58
16.52 15.69 16.52
14.97 14.22 13.47
7.61 7.23 6.85

Odd Ratio 13.464 2.788 0.967

Peluang ikut 0.931 0.736 0.492
koperasi

a) Simulasi 1
Diketahui : Odd Ratio = 13,464
Peluang ikut = 0,931 (Pi)
Jadi, peluang atau probabilitas petani yang mengikuti koperasi adalah 0,931
atau 93,1%. Kemungkinan berkoperasi adalah 13,464 kali.
b) Simulasi 2
Diketahui : Odd Ratio = 2,788
Peluang ikut = 0,736 (Pi)
Jadi, peluang atau probabilitas petani yang mengikuti koperasi walaupun
terdapat kemunduran sebesar 5% dari faktor-faktor yang mempengaruhi
keputusan petani adalah 0,736 atau 73,6%. Kemungkinan berkoperasi adalah
2,788 kali.

12
 c) Simulasi 3
Diketahui : Odd Ratio = 0,967
Peluang ikut = 0,492 (Pi)
Jadi, peluang atau probabilitas petani yang mengikuti koperasi walaupun
terdapat kemunduran sebesar 10% dari faktor-faktor yang mempengaruhi
keputusan petani adalah 0,492 atau 49,2%. Kemungkinan berkoperasi adalah
0,967 kali.
Dari ketiga hasil simulasi di atas, dapat disimpulkan bahwa semakain tinggi nilai
Odd rationya maka peluang keikutsertaan petani dalam koperasi semakin menurun.

Nilai odd ratio diperoleh dari persamaan:

kemudian nilai X1; X2; X3; dan X4 dimasukkan dalam persamaan di atas sesuai
dengan hasil nilai X1; X2; X3; dan X4 pada simulasi ke 1; 2; dan 3.
nilai Peluang Ikut diperoleh dari persamaan:

=
dimana kita diminta untuk mencari nilai P1 (peluang ikut). Masukkan nilai odd
ratio pada simulasi 1, 2, dan 3 untuk mencari nilai peluangnya (P1) untuk
simulasi ke 1,2, dan 3.

13
 BAB IV
KESIMPULAN

 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.
 Dalam dummy dependen variable merupakan model-model variabel tak bebas yang
bersifat dikotomi dengan mengambil nilai 1 atau 0 digunakan dalam situasi dimana
variabel tak bebas memperoleh tanggapan ya atau tidak.
 Dalam data observasi telah ditunjukkan bahwa petani yang tidak mengikuti kegiatan
berkoperasi sebesar 17 responden sedangkan keputusan petani dalam berkoperasi
sebesar 49 responden. Setelah dilakukan analisis model didapati terjadi
penyimpangan sebesar 3 responden yang seharusnya memutuskan untuk tidak
berkoperasi menjadi berkoperasi. Hal ini juga terjadi penyimpangan dalam
keputusan betani yang seharusnya memilih untuk berkoperasi menjadi tidak
berkoperasi sebesar 1 responden. Sehingga ketepatan model sebesar 93,9% dengan
tingkat kesalahan ditolerir sebesar 5%.
 Dari 5 variabel pembentuk model peluang untuk menjadi anggota koperasi hanya
dua variabel yang tidak signifikan yakni variabel kesadaran fungsi koperasi dan
kemudahan bertransaksi.
 Dalam dummy variable dapat diestimasi dengan menggunakan metode Linier
Probability dan metode Logit.
 Dalam prakteknya, metode Linier Probability kurang mampu menjelaskan tentang
kemungkinan yang terjadi karena hasil perhitungan terkadang menghasilkan nilai
probability yang tidak sesuai ketentuan yaitu 0<P<1. Dan metode Logit lebih mampu
memenuhi syarat nilai probabilitas.

14