b. Pentingnya Ekonometri
Dalam hal ini perannya ditunjukkan oleh statistika. Fungsi dari statistika tidak hanya sekedar
pengumpulan data saja, tetapi meluas hingga interpretasi terhadap pentingnya data tersebut, cara
perolehan, jenis data, hingga sifat data. Peran statistic akan semakin berarti jika dianalisis dengan
model matematis yang sesuai dengan teori-teori ekonomi yang dianalisis.
c. Jenis Ekonometrika
Ekonometrika dapat dibagi menjadi 2 (dua) macam, yaitu ekonometrika teoritis (theoretical
econometrics) dan ekonometrika terapan (applied econometrics). Ekonometrik teoritis berkenaan
dengan pengembangan metode yang tepat/cocok untuk mengukur hubungan ekonomi dengan
menggunakan model ekonometrik. Ekonometrika terapan menggambarkan nilai praktis dari
penelitian ekonomi, sehingga lingkupnya mencakup aplikasi teknik-teknik ekonometri yang telah
lebih dulu dikembangkan dalam ekonometri teoritis pada berbagai bidang teori ekonomi, untuk
digunakan sebagai alat pengujian ataupun pengujian teori maupun peramalan.
c. Penggunaan ekonometrika
Umumnya model dikembangkan dalam bentuk persamaan, dimana sebelah kiri tanda persamaan
mewakili variabel yang dipengaruhi, sedang variabel yang berada di sebelah kanan tanda
persamaan mewakili variabel yang mempengaruhi. Variabel yang dipengaruhi disebut pula
sebagai variabel terikat, variabel dependen (dependent variables). Variabel yang mempengaruhi
disebut pula sebagai variabel bebas, variabel independen (independent variable), variabel
penduga, juga variable prediktor. Untuk memudahkan tahapan proses analisis, dan mendapatkan
jawaban yang valid maka perlu menggunakan metodologi ekonometri yang memadai.
d. Metodologi Ekonometri
tahapan metodologi ekonometri dapat diurutkan sebagai berikut:
1. Merumuskan masalah
Merumuskan suatu masalah berarti mengungkap hal-hal apa yang ada di balik gejala atau
informasi yang ada, dan sekaligus mengidentifikasi penyebab-penyebab utamanya.
2. Merumuskan hipotesa
Hipotesa merupakan jawaban sementara terhadap masalah penelitian, sehingga perlu diuji lebih
lanjut melalui pembuktian berdasarkan data-data yang berkenaan dengan hubungan antara dua
atau lebih variabel.
3. Menyusun model
Dalam ilmu ekonomi, model ekonomi didefinisikan sebagai konstruksi teoritis atau kerangka
analisis ekonomi yang menggabungkan konsep, definisi, anggapan, persamaan, kesamaan
(identitas) dan ketidaksamaan dari mana kesimpulan akan diturunkan
4. Mendapatkan data
Mendapatkan data merupakan suatu langkah yang harus dilakukan oleh peneliti, agar dapat
menjamin bahwa data yang dianalisis adalah benar-benar menggunakan data yang tepat. Tahapan
yang dapat ditempuh untuk mendapatkan data pra analisis meliputi: penyuntingan data,
pengembangan variabel, pengkodean data, cek kesalahan, pembentukan struktur data, tabulasi.
5. Menguji model
Untuk mengetahui sejauh mana tingkat kesahihan model terbaik yang dihasilkan, maka perlu
dilakukan uji ketepatan fungsi regresi dalam menaksir nilai actual dapat diukur dari goodness of
fit-nya. Untuk melakukan uji goodness of fit pengukurannya dilakukan dengan menguji nilai
statistik t, nilai statistik F, dan koefisien determinasinya (R2) pada hasil regresi yang telah
memenuhi uji asumsi klasik.
6. Menganalisis hasil
Analisis ekonometrika dimulai dari interpretasi terhadap data dan keterkaitan antar variabel yang
dijelaskan di dalam model. Tidak hanya analisis regresi, analisis korelasi juga perlu dilakukan
untuk mendapatkan hasil pengukuran hingga benar-benar valid.
7. Mengimplementasikan hasil
Karena sebagus dan sebenar apapun hasil penelitian, apabila tidak
ditindaklanjuti dalam bentuk implementasi, tidak akan berarti apa-apa.
BAB II
MODEL REGRESI
a. Bentuk Model
Terdapat tiga jenis model yaitu: Model Regresi Linier, Model Regresi Kuadratik, Model Regresi
Kubik.
b. Model Regresi Linier
Kata linier menggambarkan arti bahwa sebaran data dalam scatterplot menunjukkan sebaran data
yang mendekati bentuk garis lurus. Data semacam ini dapat wujud apabila perubahan pada
variabel Y sebanding dengan perubahan variabel X. Jika sebaran datanya berkecenderungan
melengkung, maka cocoknya menggunakan dengan regresi kuadratik. Jika sebaran datanya
kecenderungannya seperti bentuk U atau spiral regresinya menggunakan regresi kubik. Model
linier sendiri dapat dibedakan sebagai single linier maupun multiple linier. Disebut single linier
apabila variabel bebas hanya berjumlah satu dengan batasan pangkat satu. Sedang multiple linier
apabila variable bebas lebih dari satu variabel dengan batasan pangkat satu.
persamaan single linier dan persamaan multiple linier sebagai berikut:
Misalkan dari pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito (Budep) pada periode
tertentu, dan jika datanya telah diketahui, maka data akan tergambar dalam bentuk titik-titik yang
merupakan sebaran data dalam scatter plot. Dengan menggunakan data penelitian hubungan
antara inflasi dan bunga deposito antara Januari 2001 hingga Oktober 2002, maka sebaran
datanya tergambar sebagai berikut:
Hubungan Suku Bunga terhadap Inflasi
Sebaran data tersebut di atas (gambar 3) menunjukkan hubungan yang positif, yaitu jika bunga
deposito meningkat, maka inflasi juga meningkat. Begitu pula jika bunga deposito menurun,
inflasi juga turun. Sedangkan contoh sebaran data yang digambarkan dalam scatter plot di bawah
ini menunjukkan bahwa hubungan antara variable Afenegat (Afeksi negative) dan Latribut
(Atribut) mempunyai hubungan yang negative. Jika atributnya berkurang, maka afeksi
negatifnya meningkat. Begitu pula sebaliknya. Dari scatter plot kedua gambar tersebut (baik
gambar di atas maupun di bawah ini) menunjukkan bahwa sebaran datanya menyebar
memanjang lurus, sehingga dapat diwakili dengan garis lurus. Oleh karena itu, kedua scater plot
tersebut akan tepat digunakan regresi linier.
c. Model Kuadratik
Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel
bebasnya. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:
Y = b0 + b1X1 + b2X12 + e ……….. (pers.5)
d. Model Kubik
Salah satu ciri model kubik dapat diketahui dari adanya pangkat tiga pada salah satu variabel
bebasnya. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:
Y = b0 + b1X1 + b1X12 + b1X13 + e ………..(pers.6)
Kesalahan pengganggu ini sendiri mempunyai banyak sebab yang dapat menimbulkannya
seperti:
1. tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi variabel terikat
dapat disebutkan dalam model.
2. kesalahan asumsi dalam menentukan teori yang diwujudkan sebagai model.
3. ketidaklengkapan data yang dianalisis.
4. ketidaktepatan model yang digunakan. Misalnya, seharusnya digunakan model kuadratik
tetapi justru yang digunakan adalah model linier, atau sebaliknya.
e. Spesifikasi Model dan Data
Secara spesifik model dalam ekonometrika dapat dibedakan menjadi: model ekonomi (economic
model) dan model statistic (statistical model).
f. Model Ekonomi
Biasanya dituliskan dalam bentuk persamaan sebagai berikut:
Y = b0 + b1X1 + b2 X2
Tanda b = parameter, menunjukkan ketergantungan variabel Y terhadap variabel X
b0 = intercept, menjelaskan nilai variabel terikat ketika masing-masing variabel bebasnya
bernilai 0 (nol).
Model ini menggambarkan rata-rata hubungan sistemik antara variabel Y, X1, X2. Dalam model
ini nilai e tidak
tertera, karena nilai e diasumsikan non random. Dalam realita, model ini tidak mampu
menjelaskan variabelvariabel ekonomi secara pas (clear), oleh karena itu membutuhkan regresi.
g. Model Statistik
Model ekonomi seperti yang dijelaskan di atas, mencerminkan nilai harapan, maka dapat pula
ditulis:
E (Y) = b0 + b1X1 + b2 X2
Karena nilai harapan, maka tentu tidak akan secara pasti sesuai dengan realita. Oleh karena itu
akan muncul nilai random error term (e). Nilai e sendiri merupakan selisih antara nilai
kenyataan dan nilai harapan. Secara
matematis dapat dituliskan sebagai berikut:
e = Y – E(Y) atau e = Y –Yˆ
jadi, Y = Yˆ + e
karena, Yˆ = E (Y) = b0 + b1X1 + b2 X2
maka Y = b0 + b1X1 + b2 X2 + e
3. a. Model adalah rencana, representasi, atau deskripsi yang menjelaskan suatu objek, sistem,
atau konsep, yang seringkali berupa penyederhanaan atau idealisasi. Bentuknya dapat
berupa model fisik (maket, bentuk prototipe), model citra (gambar rancangan, citra komputer),
atau rumusan matematis.
b. Jenis-jenis ekonometrika yaitu Model Regresi Linier, Model Regresi Kuadratik, Model
Regresi Kubik.
c. perbedaan antara jenis-jenis model ekonometrika yaitu Kata linier menggambarkan arti bahwa
sebaran data dalam scatter plot menunjukkan sebaran data yang mendekati bentuk garis lurus.
Data semacam ini dapat wujud apabila perubahan pada variabel Y sebanding dengan perubahan
variabel X. Jika sebaran datanya berkecenderungan melengkung, maka cocoknya menggunakan
dengan regresi kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk U atau spiral
regresinya menggunakan regresi kubik.
d. Asumsi-asumsi yang harus dipenuhi dalam regresi linear yaitu uji normalitas adalah Asumsi
normalitas terpenuhi bila galatnya berdistribusi normal, uji asumsi galat menyebar seragam
(homoskedastisitas) adalah Pengujian homoksedastisitas ini dapat dilakukan dengan
menggunakan uji Run. , uji autokorelasi adalah Asumsi ini dipenuhi jika antara pengamatan satu
dengan pengamatan yang lain dari variabel Y bersifat bebasAdanya autokorelasi
pada error mengindikasikan bahwa ada satu atau beberapa factor (variabel) penting yang
mempengaruhi variabel terikat Y yang tidak dimasukkan ke dalam model regresi.. Statistik uji
yang sering dipakai adalah Durbin-Watson statistics. (DW-statistics)., uji asumsi
multikolinieritas adalah suatu kondisi dalam regresi linier berganda dimana antar variabel bebas
saling berkorelasi. Masalah multikolinieritas pada regresi linier berganda mengakibatkan
pengujian hipotesis parameter berdasar- kan metode kuadrat terkecil memberikan hasil yang
tidak valid. Indikasi masalah multikolinieritas dapat dideteksi dengan faktor inflasi ragam,
pengujian asusmsi linearitas adalahAsumsi linearitas menrupakan hal yang sangat penting dalam
analisis regresi linier. Yang dimaksud dengan linearitas adalah bahwa nilai rata-rata variabel
respon (Y) merupakan fungsi garis lurus dari variabel prediktor (X). dalam analisis regresi linear
berganda digambarkan bahwa antara variabel respon mempunyai hubungan pengaruh linier.
BAB III
MODEL REGRESI DENGAN DUA VARIABEL
1. Rangkuman dari bab 3
a.Bentuk model
Model regresi dengan dua variabel umumnya dituliskan dengan simbol berbeda berdasarkan
sumber data yang digunakan, meskipun tetap dituliskan dalam persamaan fungsi regresi. Fungsi
regresi yang menggunakan data populasi (FRP) umumnya menuliskan simbol konstanta dan
koefisien regresi dalam huruf besar, sebagai berikut:
Y = A + BX + e ………..
Fungsi regresi yang menggunakan data sampel (FRS) umumnya menuliskan simbol konstanta
dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut:
Y = a + bX + e ………..
Dimana:
A atau a; merupakan konstanta atau intercept
B atau b; merupakan koefisien regresi, yang juga menggambarkan tingkat elastisitas variable
independen
Y; merupakan variabel dependen
X; merupakan variabel independen
b. Metode Kuadrat Terkecil Biasa (Ordinary Least Square) (OLS)
Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi linier sederhana
dengan metode OLS dapat dilakukan dengan rumus-rumus, sebagai berikut:
Data yang tidak berada tepat pada garis regresi akan memunculkan nilai residual yang biasa
disimbulkan dengan ei, atau sering pula disebut dengan istilah kesalahan pengganggu. Untuk
data yang tepat berada pada garis maka nilai Y sama dengan Yˆ . Nilai a dalam garis regresi
digunakan untuk menentukan letak titik potong garis pada sumbu Y.
Jika nilai a > 0 maka letak titik potong garis regresi pada sumbu Y akan berada di atas origin (0),
apabila nilai a < 0 maka titik potongnya akan
berada di bawah origin (0). Nilai b atau disebut koefisien regresi berfungsi untuk menentukan
tingkat kemiringan garis regresi. Semakin rendah
52 nilai b, maka derajat kemiringan garis regresi terhadap sumbu X semakin rendah pula.
Sebaliknya, semakin tinggi nilai b, maka derajat
kemiringan garis regresi terhadap sumbu X semakin tinggi. Gambaran uraian di atas dapat dilihat
pada gambar berikut:
Munculnya garis i i Yˆ a bX seperti dalam gambar di atas, didapatkan dari memasukkan
angka Xi ke dalam persamaan Yi = a + bXi +e. Dengan menggunakan hasil hitungan pada data
di atas, maka garis i i Yˆ a bXbesarnya adalah:
i i Y1,4499,525 ˆ X
Karena nilai a dalam garis regresi bertanda negatif (-) dengan angka 9,525, maka garis regresi
akan memotong sumbu Y dibawah origin (0) pada angka – 9,525. Nilai parameter b variabel X
yang besarnya 1,449 menunjukkan arti bahwa variabel X tersebut tergolong elastis, karena nilai
b > 1. Artinya, setiap 53 perubahan nilai X akan diikuti perubahan yang lebih besar pada nilai Y.
Tanda positif pada parameter b tersebut menunjukkan bahwa jika variabel X meningkat maka Y
juga akan meningkat. Sebaliknya, jika X mengalami perubahan yang menurun, maka Y juga
akan menurun, dengan perbandingan perubahan 1:1,449.
d. Uji t
Untuk menguji hipotesis bahwa b secara statistic signifikan, perlu terlebih dulu
menghitung standar error atau standar deviasi dari b. Berbagaisoftware computer telah banyak
yang melakukan penghitungan secara otomatis, tergantung permintaan dari user. Namun perlu
bagi kita untuk mengetahui formula dari standar error dari b, yang ternyata telah dirumuskan
sebagai berikut:
Dimana:
Yt dan Xt adalah data variabel dependen dan independen pada periode t 57t Yˆ adalah nilai
variabel dependen pada periode t yang didapat dari perkiraan garis regresi X merupakan nilai
tengah (mean) dari variable independen e atau t t Y Yˆ merupakan error term n adalah jumlah
data observasi k adalah jumlah perkiraan koefisien regresi yang meliputi a dan b (n-k) disebut
juga dengan degrees of freedom (df).
atau two sided atau two tail test= 5%./2 memberikan arti bahwa masing-masing kutub
mempunyai daerah distribusi tolak sebesar 2,5%. Jumlah dari keduanya mencerminkan /2 atau
t . Kutub sebelah kiri bertanda negatif. Nilai t hitung bertanda negatif yang nilainya lebih kecil
dari nilai –2.806 berada pada daerah 63 ditolak. Kutub sebelah kanan yang bertanda positif
berguna sebagai pembatas nilai t hitung yang lebih kecil dari 1,725 berarti berada di daerah
tolak. Tanda -t
2. Kesimpulan atau maksud dari uraian bab 3 yaitu Model regresi dengan dua variabel
umumnya dituliskan dengan simbol berbeda berdasarkan sumber data yang digunakan, meskipun
tetap dituliskan dalam persamaan fungsi regresi. Fungsi regresi yang menggunakan data populasi
(FRP) umumnya menuliskan simbol konstanta dan koefisien regresi dalam huruf besar, sebagai
berikut:
Y = A + BX + e ………..
Fungsi regresi yang menggunakan data sampel (FRS) umumnya menuliskan simbol konstanta
dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut:
Y = a + bX + e ………..
Dan bab 3 ini membahas tentang Metode Kuadrat Terkecil Biasa (Ordinary Least Square)
(OLS), Menguji Signifikansi Parameter Penduga, Uji t, Interpretasi Hasil regresi, Koefisien
Determinasi (R2).
3.
a. Regresi Linear sederhana adalah hubungan secara linear antara satu variabel independen
(X) dengan variabel dependen (Y).
b. Model regresi linear sederhana sbb : Y’ = a + bX
c. Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
d. Untuk menyatakan objek yg sama dalam keseluruhan operasi matematika. Konstanta
merupakan suatu nilai tetap, berlawanan dengan variabel yang berubah-ubah.
e. Untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu.
f. Standar error sebagai standar deviasi dari rata-rata sampel. Ukuran statistik ini dapat melihat
akurasi penduga sampel terhadap parameter populasi.
g. Nilai t untuk menyatakan perbedaan/Menolak H o
h. Untuk menguji hipotesis bahwa b secara statistic signifikan, perlu terlebih dulu
menghitung standar error atau standar deviasi dari b. Berbagai softwarecomputer telah banyak
yang melakukan penghitungan secara otomatis, tergantung permintaan dari user. Namun
perlu bagi kita untuk mengetahui formula dari standar error dari b, yang ternyata telah
dirumuskan sebagai berikut:
i. Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu data
yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa
r2merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli.
Secara umum r2 digunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi
r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang
dibuat model. Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok
dengan data secara sempurna
BAB I
RUANG LINGKUP EKONOMETRIKA
1. 1. Rangkuman dari Bab 1
Ekonometrika berasal dari dari dua kata, yaitu “ekonomi” dan “metrika”. Kata “Ekonomi” di sini
dapat dipersamakan dengan kegiatan ekonomi. Kata “Metrika” mempunyai arti sebagai suatu
kegiatan pengukuran. Karena dua kata ini bergabung menjadi satu, maka gabungan kedua kata
tersebut menunjukkan arti bahwa yang dimaksud dengan ekonometrika adalah suatu pengukuran
kegiatan-kegiatan ekonomi. Pengungkapan data atau analisis data dalam kegiatan ekonomi, dapat
dilakukan dengan dua cara atau model yaitu metode grafis (analisis data melalui penggunaan
grafik), metode matematis (analisis data melalui penghitungan secara matematis).
b. Pentingnya Ekonometri
Dalam hal ini perannya ditunjukkan oleh statistika. Fungsi dari statistika tidak hanya sekedar
pengumpulan data saja, tetapi meluas hingga interpretasi terhadap pentingnya data tersebut, cara
perolehan, jenis data, hingga sifat data. Peran statistic akan semakin berarti jika dianalisis dengan
model matematis yang sesuai dengan teori-teori ekonomi yang dianalisis.
c. Jenis Ekonometrika
Ekonometrika dapat dibagi menjadi 2 (dua) macam, yaitu ekonometrika teoritis (theoretical
econometrics) dan ekonometrika terapan (applied econometrics). Ekonometrik teoritis berkenaan
dengan pengembangan metode yang tepat/cocok untuk mengukur hubungan ekonomi dengan
menggunakan model ekonometrik. Ekonometrika terapan menggambarkan nilai praktis dari
penelitian ekonomi, sehingga lingkupnya mencakup aplikasi teknik-teknik ekonometri yang telah
lebih dulu dikembangkan dalam ekonometri teoritis pada berbagai bidang teori ekonomi, untuk
digunakan sebagai alat pengujian ataupun pengujian teori maupun peramalan.
c. Penggunaan ekonometrika
Umumnya model dikembangkan dalam bentuk persamaan, dimana sebelah kiri tanda persamaan
mewakili variabel yang dipengaruhi, sedang variabel yang berada di sebelah kanan tanda
persamaan mewakili variabel yang mempengaruhi. Variabel yang dipengaruhi disebut pula
sebagai variabel terikat, variabel dependen (dependent variables). Variabel yang mempengaruhi
disebut pula sebagai variabel bebas, variabel independen (independent variable), variabel
penduga, juga variable prediktor. Untuk memudahkan tahapan proses analisis, dan mendapatkan
jawaban yang valid maka perlu menggunakan metodologi ekonometri yang memadai.
d. Metodologi Ekonometri
tahapan metodologi ekonometri dapat diurutkan sebagai berikut:
1. Merumuskan masalah
Merumuskan suatu masalah berarti mengungkap hal-hal apa yang ada di balik gejala atau
informasi yang ada, dan sekaligus mengidentifikasi penyebab-penyebab utamanya.
2. Merumuskan hipotesa
Hipotesa merupakan jawaban sementara terhadap masalah penelitian, sehingga perlu diuji lebih
lanjut melalui pembuktian berdasarkan data-data yang berkenaan dengan hubungan antara dua
atau lebih variabel.
3. Menyusun model
Dalam ilmu ekonomi, model ekonomi didefinisikan sebagai konstruksi teoritis atau kerangka
analisis ekonomi yang menggabungkan konsep, definisi, anggapan, persamaan, kesamaan
(identitas) dan ketidaksamaan dari mana kesimpulan akan diturunkan
4. Mendapatkan data
Mendapatkan data merupakan suatu langkah yang harus dilakukan oleh peneliti, agar dapat
menjamin bahwa data yang dianalisis adalah benar-benar menggunakan data yang tepat. Tahapan
yang dapat ditempuh untuk mendapatkan data pra analisis meliputi: penyuntingan data,
pengembangan variabel, pengkodean data, cek kesalahan, pembentukan struktur data, tabulasi.
5. Menguji model
Untuk mengetahui sejauh mana tingkat kesahihan model terbaik yang dihasilkan, maka perlu
dilakukan uji ketepatan fungsi regresi dalam menaksir nilai actual dapat diukur dari goodness of
fit-nya. Untuk melakukan uji goodness of fit pengukurannya dilakukan dengan menguji nilai
statistik t, nilai statistik F, dan koefisien determinasinya (R2) pada hasil regresi yang telah
memenuhi uji asumsi klasik.
6. Menganalisis hasil
Analisis ekonometrika dimulai dari interpretasi terhadap data dan keterkaitan antar variabel yang
dijelaskan di dalam model. Tidak hanya analisis regresi, analisis korelasi juga perlu dilakukan
untuk mendapatkan hasil pengukuran hingga benar-benar valid.
7. Mengimplementasikan hasil
Karena sebagus dan sebenar apapun hasil penelitian, apabila tidak
ditindaklanjuti dalam bentuk implementasi, tidak akan berarti apa-apa.
BAB II
MODEL REGRESI
a. Bentuk Model
Terdapat tiga jenis model yaitu: Model Regresi Linier, Model Regresi Kuadratik, Model Regresi
Kubik.
b. Model Regresi Linier
Kata linier menggambarkan arti bahwa sebaran data dalam scatterplot menunjukkan sebaran data
yang mendekati bentuk garis lurus. Data semacam ini dapat wujud apabila perubahan pada
variabel Y sebanding dengan perubahan variabel X. Jika sebaran datanya berkecenderungan
melengkung, maka cocoknya menggunakan dengan regresi kuadratik. Jika sebaran datanya
kecenderungannya seperti bentuk U atau spiral regresinya menggunakan regresi kubik. Model
linier sendiri dapat dibedakan sebagai single linier maupun multiple linier. Disebut single linier
apabila variabel bebas hanya berjumlah satu dengan batasan pangkat satu. Sedang multiple linier
apabila variable bebas lebih dari satu variabel dengan batasan pangkat satu.
persamaan single linier dan persamaan multiple linier sebagai berikut:
Misalkan dari pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito (Budep) pada periode
tertentu, dan jika datanya telah diketahui, maka data akan tergambar dalam bentuk titik-titik yang
merupakan sebaran data dalam scatter plot. Dengan menggunakan data penelitian hubungan
antara inflasi dan bunga deposito antara Januari 2001 hingga Oktober 2002, maka sebaran
datanya tergambar sebagai berikut:
Hubungan Suku Bunga terhadap Inflasi
Sebaran data tersebut di atas (gambar 3) menunjukkan hubungan yang positif, yaitu jika bunga
deposito meningkat, maka inflasi juga meningkat. Begitu pula jika bunga deposito menurun,
inflasi juga turun. Sedangkan contoh sebaran data yang digambarkan dalam scatter plot di bawah
ini menunjukkan bahwa hubungan antara variable Afenegat (Afeksi negative) dan Latribut
(Atribut) mempunyai hubungan yang negative. Jika atributnya berkurang, maka afeksi
negatifnya meningkat. Begitu pula sebaliknya. Dari scatter plot kedua gambar tersebut (baik
gambar di atas maupun di bawah ini) menunjukkan bahwa sebaran datanya menyebar
memanjang lurus, sehingga dapat diwakili dengan garis lurus. Oleh karena itu, kedua scater plot
tersebut akan tepat digunakan regresi linier.
c. Model Kuadratik
Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel
bebasnya. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:
Y = b0 + b1X1 + b2X12 + e ……….. (pers.5)
d. Model Kubik
Salah satu ciri model kubik dapat diketahui dari adanya pangkat tiga pada salah satu variabel
bebasnya. Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:
Y = b0 + b1X1 + b1X12 + b1X13 + e ………..(pers.6)
Kesalahan pengganggu ini sendiri mempunyai banyak sebab yang dapat menimbulkannya
seperti:
1. tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi variabel terikat
dapat disebutkan dalam model.
2. kesalahan asumsi dalam menentukan teori yang diwujudkan sebagai model.
3. ketidaklengkapan data yang dianalisis.
4. ketidaktepatan model yang digunakan. Misalnya, seharusnya digunakan model kuadratik
tetapi justru yang digunakan adalah model linier, atau sebaliknya.
e. Spesifikasi Model dan Data
Secara spesifik model dalam ekonometrika dapat dibedakan menjadi: model ekonomi (economic
model) dan model statistic (statistical model).
f. Model Ekonomi
Biasanya dituliskan dalam bentuk persamaan sebagai berikut:
Y = b0 + b1X1 + b2 X2
Tanda b = parameter, menunjukkan ketergantungan variabel Y terhadap variabel X
b0 = intercept, menjelaskan nilai variabel terikat ketika masing-masing variabel bebasnya
bernilai 0 (nol).
Model ini menggambarkan rata-rata hubungan sistemik antara variabel Y, X1, X2. Dalam model
ini nilai e tidak
tertera, karena nilai e diasumsikan non random. Dalam realita, model ini tidak mampu
menjelaskan variabelvariabel ekonomi secara pas (clear), oleh karena itu membutuhkan regresi.
g. Model Statistik
Model ekonomi seperti yang dijelaskan di atas, mencerminkan nilai harapan, maka dapat pula
ditulis:
E (Y) = b0 + b1X1 + b2 X2
Karena nilai harapan, maka tentu tidak akan secara pasti sesuai dengan realita. Oleh karena itu
akan muncul nilai random error term (e). Nilai e sendiri merupakan selisih antara nilai
kenyataan dan nilai harapan. Secara
matematis dapat dituliskan sebagai berikut:
e = Y – E(Y) atau e = Y –Yˆ
jadi, Y = Yˆ + e
karena, Yˆ = E (Y) = b0 + b1X1 + b2 X2
maka Y = b0 + b1X1 + b2 X2 + e
3. a. Model adalah rencana, representasi, atau deskripsi yang menjelaskan suatu objek, sistem,
atau konsep, yang seringkali berupa penyederhanaan atau idealisasi. Bentuknya dapat
berupa model fisik (maket, bentuk prototipe), model citra (gambar rancangan, citra komputer),
atau rumusan matematis.
b. Jenis-jenis ekonometrika yaitu Model Regresi Linier, Model Regresi Kuadratik, Model
Regresi Kubik.
c. perbedaan antara jenis-jenis model ekonometrika yaitu Kata linier menggambarkan arti bahwa
sebaran data dalam scatter plot menunjukkan sebaran data yang mendekati bentuk garis lurus.
Data semacam ini dapat wujud apabila perubahan pada variabel Y sebanding dengan perubahan
variabel X. Jika sebaran datanya berkecenderungan melengkung, maka cocoknya menggunakan
dengan regresi kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk U atau spiral
regresinya menggunakan regresi kubik.
d. Asumsi-asumsi yang harus dipenuhi dalam regresi linear yaitu uji normalitas adalah Asumsi
normalitas terpenuhi bila galatnya berdistribusi normal, uji asumsi galat menyebar seragam
(homoskedastisitas) adalah Pengujian homoksedastisitas ini dapat dilakukan dengan
menggunakan uji Run. , uji autokorelasi adalah Asumsi ini dipenuhi jika antara pengamatan satu
dengan pengamatan yang lain dari variabel Y bersifat bebasAdanya autokorelasi
pada error mengindikasikan bahwa ada satu atau beberapa factor (variabel) penting yang
mempengaruhi variabel terikat Y yang tidak dimasukkan ke dalam model regresi.. Statistik uji
yang sering dipakai adalah Durbin-Watson statistics. (DW-statistics)., uji asumsi
multikolinieritas adalah suatu kondisi dalam regresi linier berganda dimana antar variabel bebas
saling berkorelasi. Masalah multikolinieritas pada regresi linier berganda mengakibatkan
pengujian hipotesis parameter berdasar- kan metode kuadrat terkecil memberikan hasil yang
tidak valid. Indikasi masalah multikolinieritas dapat dideteksi dengan faktor inflasi ragam,
pengujian asusmsi linearitas adalahAsumsi linearitas menrupakan hal yang sangat penting dalam
analisis regresi linier. Yang dimaksud dengan linearitas adalah bahwa nilai rata-rata variabel
respon (Y) merupakan fungsi garis lurus dari variabel prediktor (X). dalam analisis regresi linear
berganda digambarkan bahwa antara variabel respon mempunyai hubungan pengaruh linier.
BAB III
MODEL REGRESI DENGAN DUA VARIABEL
1. Rangkuman dari bab 3
a.Bentuk model
Model regresi dengan dua variabel umumnya dituliskan dengan simbol berbeda berdasarkan
sumber data yang digunakan, meskipun tetap dituliskan dalam persamaan fungsi regresi. Fungsi
regresi yang menggunakan data populasi (FRP) umumnya menuliskan simbol konstanta dan
koefisien regresi dalam huruf besar, sebagai berikut:
Y = A + BX + e ………..
Fungsi regresi yang menggunakan data sampel (FRS) umumnya menuliskan simbol konstanta
dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut:
Y = a + bX + e ………..
Dimana:
A atau a; merupakan konstanta atau intercept
B atau b; merupakan koefisien regresi, yang juga menggambarkan tingkat elastisitas variable
independen
Y; merupakan variabel dependen
X; merupakan variabel independen
b. Metode Kuadrat Terkecil Biasa (Ordinary Least Square) (OLS)
Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi linier sederhana
dengan metode OLS dapat dilakukan dengan rumus-rumus, sebagai berikut:
Data yang tidak berada tepat pada garis regresi akan memunculkan nilai residual yang biasa
disimbulkan dengan ei, atau sering pula disebut dengan istilah kesalahan pengganggu. Untuk
data yang tepat berada pada garis maka nilai Y sama dengan Yˆ . Nilai a dalam garis regresi
digunakan untuk menentukan letak titik potong garis pada sumbu Y.
Jika nilai a > 0 maka letak titik potong garis regresi pada sumbu Y akan berada di atas origin (0),
apabila nilai a < 0 maka titik potongnya akan
berada di bawah origin (0). Nilai b atau disebut koefisien regresi berfungsi untuk menentukan
tingkat kemiringan garis regresi. Semakin rendah
52 nilai b, maka derajat kemiringan garis regresi terhadap sumbu X semakin rendah pula.
Sebaliknya, semakin tinggi nilai b, maka derajat
kemiringan garis regresi terhadap sumbu X semakin tinggi. Gambaran uraian di atas dapat dilihat
pada gambar berikut:
Munculnya garis i i Yˆ a bX seperti dalam gambar di atas, didapatkan dari memasukkan
angka Xi ke dalam persamaan Yi = a + bXi +e. Dengan menggunakan hasil hitungan pada data
di atas, maka garis i i Yˆ a bXbesarnya adalah:
i i Y1,4499,525 ˆ X
Karena nilai a dalam garis regresi bertanda negatif (-) dengan angka 9,525, maka garis regresi
akan memotong sumbu Y dibawah origin (0) pada angka – 9,525. Nilai parameter b variabel X
yang besarnya 1,449 menunjukkan arti bahwa variabel X tersebut tergolong elastis, karena nilai
b > 1. Artinya, setiap 53 perubahan nilai X akan diikuti perubahan yang lebih besar pada nilai Y.
Tanda positif pada parameter b tersebut menunjukkan bahwa jika variabel X meningkat maka Y
juga akan meningkat. Sebaliknya, jika X mengalami perubahan yang menurun, maka Y juga
akan menurun, dengan perbandingan perubahan 1:1,449.
d. Uji t
Untuk menguji hipotesis bahwa b secara statistic signifikan, perlu terlebih dulu
menghitung standar error atau standar deviasi dari b. Berbagaisoftware computer telah banyak
yang melakukan penghitungan secara otomatis, tergantung permintaan dari user. Namun perlu
bagi kita untuk mengetahui formula dari standar error dari b, yang ternyata telah dirumuskan
sebagai berikut:
Dimana:
Yt dan Xt adalah data variabel dependen dan independen pada periode t 57t Yˆ adalah nilai
variabel dependen pada periode t yang didapat dari perkiraan garis regresi X merupakan nilai
tengah (mean) dari variable independen e atau t t Y Yˆ merupakan error term n adalah jumlah
data observasi k adalah jumlah perkiraan koefisien regresi yang meliputi a dan b (n-k) disebut
juga dengan degrees of freedom (df).
2. Kesimpulan atau maksud dari uraian bab 3 yaitu Model regresi dengan dua variabel
umumnya dituliskan dengan simbol berbeda berdasarkan sumber data yang digunakan, meskipun
tetap dituliskan dalam persamaan fungsi regresi. Fungsi regresi yang menggunakan data populasi
(FRP) umumnya menuliskan simbol konstanta dan koefisien regresi dalam huruf besar, sebagai
berikut:
Y = A + BX + e ………..
Fungsi regresi yang menggunakan data sampel (FRS) umumnya menuliskan simbol konstanta
dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut:
Y = a + bX + e ………..
Dan bab 3 ini membahas tentang Metode Kuadrat Terkecil Biasa (Ordinary Least Square)
(OLS), Menguji Signifikansi Parameter Penduga, Uji t, Interpretasi Hasil regresi, Koefisien
Determinasi (R2).
3.
a. Regresi Linear sederhana adalah hubungan secara linear antara satu variabel independen
(X) dengan variabel dependen (Y).
b. Model regresi linear sederhana sbb : Y’ = a + bX
c. Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
d. Untuk menyatakan objek yg sama dalam keseluruhan operasi matematika. Konstanta
merupakan suatu nilai tetap, berlawanan dengan variabel yang berubah-ubah.
e. Untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu.
f. Standar error sebagai standar deviasi dari rata-rata sampel. Ukuran statistik ini dapat melihat
akurasi penduga sampel terhadap parameter populasi.
g. Nilai t untuk menyatakan perbedaan/Menolak H o
h. Untuk menguji hipotesis bahwa b secara statistic signifikan, perlu terlebih dulu
menghitung standar error atau standar deviasi dari b. Berbagai softwarecomputer telah banyak
yang melakukan penghitungan secara otomatis, tergantung permintaan dari user. Namun
perlu bagi kita untuk mengetahui formula dari standar error dari b, yang ternyata telah
dirumuskan sebagai berikut:
i. Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu data
yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa
r2merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli.
Secara umum r2 digunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi
r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang
dibuat model. Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok
dengan data secara sempurna