BAB I

PENDAHULUAN

1.1 Latar Belakang

Secara umum, pembentukan model merupakan perwujudan dari suatu
abstraksi berbagai aspek realitas (dunia nyata) yang dibuat untuk satu atau
berbagai tujuan. Perwujudan abstraksi tersebut dapat dinyatakan dalam bentuk
matematis, grafis, skema, diagram ataupun bentuk-bentuk lainnya. Dalam ilmu
ekonomi, model ekonomi didefinisikan sebagai suatu konstruksi teoritis dan
kerangka analisis ekonomi yang terdiri dari himpunan konsep, definisi, anggapan,
persamaan, kesamaan (identitas) dan ketidaksamaan dari mana kesimpulan akan
diturunkan.
Pada model ekonomi akan dijumpai berbagai kemungkinan dan bentuk
abstraksi mengenai gejala ekonomi karena adanya perbedaan persepsi peneliti dan
tujuan pembuatan model yang dimaksud. Misalnya, dalam Ekonomi Makro
banyak dijumpai berbagai model permintaan uang, investasi, konsumsi,
permintaan dan penawaran agregat. Dengan demikian tidak jarang apa yang
dibahas oleh peneliti dibidang ekonomi mengenai gejala tertentu akan berbeda
atau bahkan mungkin bertentangan dengan pengamat/ekonom lain. Terlebih lagi
jika yang dibicarakan terpusat pada model ekonomi dinamis. Hal ini disebabkan
karena deskripsi mengenai spesifikasi dinamis dipengaruhi oleh berbagai faktor,
misalnya perilaku dan tindak-tanduk pelaku ekonomi, peranan dan kebijakan
penguasa ekonomi, faktor-faktor kelembagaan dan pandangan pembuat model
ekonomi terhadap realitas yang dihadapi.
Menurut Gujarati (1995), secara klasik dan tradisional suatu metodologi
ekonometri dilakukan dalam 8 (delapan) tahap yaitu :
1. penyataan teori ekonomi dan hipotesis
2. spesifikasi model matematika dari teori ekonomi
3. spesifikasi model ekonometrika dari teori ekonomi
4. pengumpulan atau cara mendapatkan data
5. penaksiran/estimasi parameter-parameter dari model ekonomi

1
 6. uji hipotesis
7. peramalan atau prediksi
8. menggunakan model sebagai kontrol atau untuk pengambil kebijakan
Dalam analisis ekonometrika, pemilihan model merupakan salah satu langkah
yang penting disamping pembentukan model teoritis dan model yang dapat
ditaksir, estimasi, pengujian hipotesis, peramalan (forecasting) dan analisis
mengenai implikasi kebijakan dari model tersebut. Terlebih lagi jika dikaitkan
dengan pembentukan model dinamis yang perumusannya dipengaruhi oleh
berbagai faktor seperti perilaku atau tindak tanduk pelaku ekonomi, peranan dan
kebijakan penguasa ekonomi, faktor-faktor kelembagaan dan pandangan pembuat
model terhadap realitas yang dihadapi (Insukindro, 1992).
Agar model estimasi dapat dipilih sebagai model yang baik dan mempunyai
daya prediksi serta peramalan dalam sampel maka harus dipenuhi syarat-syarat
dasar antara lain (Insukindro, 1999) :
1. model itu dibuat sebagai suatu persepsi mengenai fenomena aktual yang
dihadapi dan didasarkan pada teori ekonomika yang sesuai
2. lolos uji baku dan berbagai uji diagnosis asumsi klasik
3. tidak menghadapi persoalan regresi lancung atau korelasi lancung dan
4. residu regresi yang ditaksir adalah stasioner khususnya untuk analisis data
runtun waktu.
Langkah-langkah tersebut dimaksudkan agar peneliti dapat terhindar dari
kesalahan spesifikasi (spesification error). Kesalahan spesifikasi dapat disebabkan
oleh tiga kemungkinan, yaitu kemungkinan kesalahan yang disebabkan oleh
variabel gangguan (disturbances), variabel penjelas (explanatory variable) dan
parameter.
Jika kemungkinan kesalahan spesifikasi disebabkan oleh variabel bebas
(independent variable) maka hal yang perlu diperhatikan dalam studi empirik
adalah penentuan bentuk fungsi (functional form) dari model yang akan
diestimasi. Pertanyaan yang sering muncul berkaitan dengan isu yang sering
disebut terakhir adalah apakah bentuk fungsi tersebut linier atau non linier. Dalam
kenyataannya sering dijumpai seorang peneliti menggunakan informasi apriori

2
(feeling) langsung menetapkan bentuk fungsi model estimasi dinyatakan dalam
bentuk log linier. Hal ini terjadi karena bentuk log linier diyakini mampu
mengurangi tingkat variasi data yang digunakan (data lebih halus/smooth). Namun
dalam studi empirik keputusan untuk menetapkan bentuk fungsi model yang
diestimasi perlu diuji apakah memang model tersebut sesuai dengan argumen teori
dan perilaku variabel yang sedang diamati dan persepsi si pembuat model
mengenai fenomena yang dihadapi.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan model empiris?
2. Bagaimana bentuk model empiris?
3. Apa perbedaan data metric dan data non metric?
4. Variabel apa saja yang terdapat dalam model empiris?

1.3 Tujuan Penulisan Makalah

1. Untuk mengetahui definisi dari model empiris
2. Untuk mengetahui bentuk – bentuk dari model empiris
3. Untuk mengetahui perbedaan data metric dan data non metric
4. Untuk mengetahui variabel yang terdapat dalam model empiris

3
 BAB II
PEMBAHASAN

2.1 Definisi Model Empiris

Model adalah bentuk simbol dari suatu teori dan harus menunjukkan
hubungan kausal antara variabel – variabel dalam model tersebut. Setelah data
dikumpulkan dengan menggunakan teknik pengumpulan data tertentu untuk
membentuk suatu sampel, data ini akan digunakan untuk menguji hipotesis.
Koefisien-koefisien di model empiris menunjukkan hubungan kausal antara
variabel-variabel. Hubungan-hubungan kausal ini menunjukkan hipotesis-
hipotesis yang akan diuji.

2.2 Bentuk – Bentuk Model Empiris

Model empiris dapat mempunyai sebuah dependen variabel maupun lebih
dari satu dependen variabel.
Yang termasuk model-model empiris yang mengggunakan hanya sebuah
variabel dependen adalah model regresi, model regresi logit, model regresi probit,
model regresi tobit, model analisis diskriminan, model ANOVA dan model
analisis conjoint. Bentuk model empiris dapat dikelompokan berdasarkan nilai
data atau nilai skalannya. Nilai data di variabel dapat diklasifikasikan sebagai data
metrik (metric) dan data nonmetri (nonmetric).

2.3 Perbedaan Data Metrik dan Data Non Metrik

Data metrik (metric) berisi nilai kuantitatif dan yang termasuk data
metrik tipe data interval dan rasio. Contoh data metric adalah data interval dan
data rasio. Data nonmetrik (nonmetric) adalah data kualitatif yang dapat
berbentuk suatu atribut, karakteristik atau kategori atau dikotomi. Yang termasuk
data nonmetrik adalah tipe data nominal dan ordinal. Dari tipe datanya, metrik
atau nonmetrik, maka bentuk model empirisnya dapat ditentukan.

4
Bentuk dari model regresi adalah sebagai berikut:
Y1 = X1 + X2 + … + X n
(metrik) (metrik, non-metrik)

Bentuk dari model regresi Logit/Probit/Tobit adalah sebagai berikut:

Y1 = X1 + X2 + … + X n
(non-metrik) (metrik, non-metrik)

Bentuk dari model analisis Diskriminan adalah sebagai berikut:

Y1 = X1 + X2 + … + X n
(non-metrik) (metrik, non-metrik)
 
Bentuk dari model ANOVA adalah sebagai berikut:
Y1 = X1 + X2 + … + X n
(metrik) (non-metrik)
 
Bentuk dari model analisis Conjoint adalah sebagai berikut:
Y1 = X1 + X2 + … + X n
(metrik, non-metrik) (non-metrik)

Yang termasuk model-model empiris yang mengggunakan lebih dari sebuah

variabel dependen adalah model MANOVA dan model korelasi kanonikal.
 
Bentuk dari model MANOVA adalah sebagai berikut:
Y1 + Y2 + … + Yn = X1 + X2 + … + Xn
(metrik) (non-metrik)
 
Bentuk dari korelasi Kanonikal adalah sebagai berikut:
  Y1 + Y2 + … + Yn = X1 + X2 + … + Xn

5
 (metrik, non-metrik) (metrik, non-metrik)
 
Yang termasuk model-model empiris yang mengggunakan banyak persamaan
secara simultan adalah model persamaan-persamaan simultan (simultaneous
equations) dan structural equation modeling.
Bentuk dari model persamaan-persamaan simultan (simultaneous equations)
adalah sebagai berikut:
  Y1 = X11 + X12 + … + X1n
Y2 = X21 + X22 + … + X2n

Yn = Xn1 + Xn2 + … + Xnn

(metrik) (metrik, non-metrik)
 
Bentuk dari structural equation modeling adalah sebagai berikut:
  Y1 = X11 + X12 + … + X1n
X11 = X21 + X22 + … + X2n

X1n = Xn1 + Xn2 + … + Xnn

(metrik, non-metrik) (metrik, non-metrik)

Tabel. Ringkasan bentuk-bentuk model empiris.

TIPE DATA
MODEL VARIABEL VARIABEL
DEPENDEN INDEPENDEN
Regresi (metrik) (metrik, non-metrik)
Regresi (non-metrik) (metrik, non-metrik)
Logit/Probit/Tobit
Analisis diskriminan (non-metrik) (metrik, non-metrik)
ANOVA (metrik) (non-metrik)
Analisis conjoint (metrik, non-metrik) (non-metrik)
MANOVA (metrik) (non-metrik)

6
Korelasi kanonikal (metrik, non-metrik) (metrik, non-metrik)
Persamaan-persamaan (metrik) (metrik, non-metrik)
simultan
Structural equation (metrik, non-metrik) (metrik, non-metrik)
modeling

2.4 Variabel – Variabel Dalam Model Empiris

Model adalah bentuk simbol dari suatu teori. Bentuk simbol pada model ini harus
menunjukkan hubungan kausal antara variabel-variabel di dalam model. Oleh
karena itu model seperti ini juga disebut dengan nama model kausal (causal
model).
Variabel (variable) adalah suatu simbol yang berisi suatu nilai. Selain variabel di
kelompokan menjadi variabel dependen (VD) dan variabel independen (VI),
variabel juga dikelompokan menjadi variabel moderasi (VMO) atau moderating
variable, variabel mediasi (VME) atau mediating variable, dan variabel ekstrani
(VE) atau extraneous variable.
 Variabel Moderasi
Suatu variabel moderasi (moderating variable) atau (VMO) adalah suatu
variabel independen lainnya yang dimasukkan ke dalam model karena
mempunyai efek kontingensi dari hubungan variabel dependen dan
variabel independen sebelumnya.

Gambar. Variabel moderasi.

7
 Model empiris untuk variabel moderasi ini dapat disajikan dengan interaksi
variabel-variabel di model analisis regresi moderasian (moderated regression
analysis) sebagai berikut:

VD    1VI   2VMO   3VI * VMO  e

Efek
utama

Notasi:

VD = variabel dependen.

VI = variabel independen.

VMO = variabel moderasi.

e = kesalahan residu.

Grafik dari Efek Moderasi

 
  VD
  slop lebih tajam untuk nilai VMO
lebih tinggi
 

slop kurang tajam untuk nilai VMO

lebih rendah

VI
8
PENTING DAN SALAH KAPRAH

Beberapa penelitian menghilangkan efek-efek order-lebih-rendah atau efek-efek

utama dari persamaan analisis regresi moderasian dan hanya menggunakan efek
interaksi sebagai berikut:

VD     3VI *VMO  e

Hasil signifikan dari koefisien β3 tidak dapat dikatakan bahwa efek interaksi
terjadi. Signifikansi ini dapat terjadi karena efek yang signifikan pengaruh VI
terdapat VD, tidak perduli efek dari VMO terjadi atau tidak. Dengan kata lain,
karena bentuk interaksi adalah perkalian antara VI dengan VMO, signifikansi
tersebut dapat terjadi karena pengaruh signifkansi dari VI atau signifikansi terjadi
karena interaksi “mencuri varian” dari salah satu variabelnya. Penghilangan efek-
efek utama akan menghilangkan arti dari efek interaksi. Dengan demikian, untuk
menguji efek interaksi, efek-efek utama harus dimasukkan ke dalam persamaan
analisis regresi moderasian.

Variabel Mediasi

 Variabel mediasi (VME) atau mediating variable adalah variabel yang secara
teori mempengaruhi fenomena yang diobservasi (variabel dependen), yang
efeknya harus diinferensi melalui efek hubungan antara variabel independen
dengan fenomenanya (variabel dependennya).

VI (model 1)

Gambar. Bentuk model hubungan mediasi.

Jika hubungan kausal antara variabel independen dengan variabel dependen masih
ingin diperlihatkan, maka bentuk modelnya adalah sebagai berikut ini.

9
 VI VME VD

VI

VME

Gambar Bentuk model hubungan mediasi dan hubungan langsungnya.

Variabel Ekstrani

Variabel ekstrani (VE) atau extraneous variable adalah variabel lain selain
variabel independen, dependen, moderating, dan mediating yang dapat
mempengaruhi hubungan kausal. Variabel ekstrani dapat di kelompokkan menjadi
dua, yaitu variabel pelengkap dan variabel pengganggu.

Variabel Kontrol

Variabel pelengkap dikenal sebagai variabel kontrol (control variable) yaitu

untuk melengkapi atau mengkontrol hubungan kausalnya supaya lebih baik untuk
didapatkan model empiris yang lebih lengkap dan lebih baik.

Variabel Pengganggu

10
Variabel pengganggu (confounding variable) merupakan variabel yang efeknya
mengganggu hubungan kausal antara variabel independen dan variabel dependen.

DEFINISI VARIABEL

Variabel-variabel didalam model harus didefinisikan agar jelas makna dan

pengukurannya. Dua macam definisi diperlukan yaitu sebagai berikut ini.

1.     Definisi naratif (narative definition), yaitu definisi dalam bentuk kalimat

untuk menjelaskan makna dan artinya.

2.     Definisi operasional (operational definition), yaitu definisi berupa cara

mengukur variabel itu supaya dapat dioperasikan.

Contohnya variabel reaksi pasar dengan definisi naratifnya sebagai return tidak
normal (abnormal return) yaitu perubahan return saham diluar perubahan return
normalnya. Definisi operasi ini adalah:

ARt = Rt – E(Rt),

dengan:

ARt = return tidak normal (abnormal return) pada saat t.

Rt = adalah return pada saat t.

E(Rt) = return normal pada saat t.

SEM (Structural Equation Modeling)

Suatu teknik modeling biasanya dalam bentuk model – model sebab akibat.
Pada umumnya orang menggunakan SEM lebih berfokus pada konstruk –
konstruk laten-yang dimaksud ialah variabel – variabel psikologis abstrak, seperti
“kecerdasan” atau “sikap terhadap merek (brand)” – dibandingkan dengan
variabel – variabel manifest (indikator) yang digunakan untuk mengukur konstruk
– konstruk tersebut.

11
KELEBIHAN KELEMAHAN

Komprehensif Sangat tergantung pada software

Mengakomodasi model – Kompleks

model yang kompleks

Pemodelan variabel laten Terbatas pada hubungan linier

Ukuran sampel besar

BAB III
PENUTUP

12
3.1 Kesimpulan
Model adalah bentuk simbol dari suatu teori dan harus menunjukkan
hubungan kausal antara variabel – variabel dalam model tersebut. Jadi Pemilihan
bentuk fungsi model empiris merupakan pertanyaan atau masalah empirik
(empirical question) yang sangat penting. Hal ini disebabkan karena teori
ekonomi tidak secara spesifik menunjukkan atau mengatakan bahwa sebaiknya
bentuk fungsi suatu model empirik dinyatakan dalam bentuk linier atau log-linier
atau bentuk fungsi lainnya (Godfrey, et al, 1988). Selain itu pemilihan bentuk
fungsi untuk menentukan spesifikasi suatu model ekonometrika memiliki
implikasi yang sangat penting untuk rangkaian kerja berikutnya.
Kesalahan dalam penentuan bentuk fungsi akan menyebabkan persoalan-
persoalan yang berkaitan dengan kesalahan spesifikasi dan estimasi koefisien akan
bias sehingga parameter estimasi tidak akan konsisten, walaupun untuk hal itu
tidak ada aturan yang pasti guna menentukan bentuk fungsi yang paling tepat atau
cocok untuk kasus tertentu (Godfrey, et al,1988).
Dalam kasus ini, kesalahan spesifikasi yang sering muncul adalah apabila
peneliti terserang sindrom R2 yang menganggap bahwa R2 merupakan besaran
statistika yang sangat penting dan harus memiliki nilai yang tinggi (mendekati
satu), padahal penggunaan R2 sebagai salah satu kriteria pemilihan model empiris
harus memenuhi syarat-syarat tertentu. Selain itu variabel tak bebas (dependent
variable) model-model yang dibandingkan harus sama dan parameternya harus
linier (lihat Insukindro, 1988). Dalam kasus dimana variabel tak bebasnya
berbeda, misalnya model A dengan variabel tak bebas dalam bentuk aras (level
of) dan model B variabel tak bebasnya dinyatakan dalam logaritma, maka dan
tidak dapat dibandingkan. Hal ini disebabkan kedua besaran R2 tersebut
mengukur suatu hubungan variabel tak bebas yang berbeda.

DAFTAR PUSTAKA

13
Hartono, Jogiyanto. 2013. Metodologi Penelitian Bisnis Salah Kaprah dan
Pengalaman - pengalaman. Edisi 5. BPFE - Yogyakarta. Yogyakarta.
http://web-suplemen.ut.ac.id/espa4312/espa4312a/menu_modelempiris.htm
diakses pada hari Senin, tanggal 17 September 2018, pukul 19.00 WIB
https://psihlw117a3.wordpress.com/2014/10/16/model-empiris/ diakses pada hari
Senin, tanggal 17 September 2018, pukul 19.15 WIB

14