1. Pendahuluan
Permasalahan tersebut dapat diteliti dengan salah satu model dari statistik
yaitu menggunakan model regresi linier multivariat. Model ini memberikan lebih
dari satu variabel terikat (dependent) dan satu atau lebih variabel bebas
(independent). Hasil dari model regresi ini dapat memberikan hubungan
matematis dalam bentuk persamaan antara variabel bebas (X) dan variabel terikat
(Y). Multivariate ini menggunakan data dimana variabel terikat (dependent) lebih
dari satu dan variabel bebas (independent) satu atau lebih (Johnson dan Wichern,
2007). Dalam menentukan model regresi linier multivariate perlu dilakukan
pengujian data terlebih dahulu dengan melalui tahapan uji kenormalan data, uji
kelayakan data, dan uji indenpendesi residual. Tahapan uji kenormalan data ini
nilai residual yang dihasilkan harus memenuhi asumsi normal yang dilakukan
dengan aplikasi macro Minitab. Kemudian, tahapan kelayakan data menggunakan
nilai KMO yang harus memenuhi nilai lebih besar dari 0,5 dan tahapan uji
1
independensi residual yang memenuhi matriks korelasi antar residual membentuk
matriks identitas, artinya residualnya saling bebas. Kedua tahapan ini dilakukan
dengan menggunakan aplikasi SPSS.
Artikel ini dibuat bertujuan untuk mengetahui model persamaan regresi linier
multivariate dengan studi kasus laju inflasi dan pertumbuhan ekonomi pada tahun
1990-2013. Selain itu, akan ditunjukkan estimasi parameter dari data tersebut
dengan metode maximum likelihood estimation. Maximum likelihood estimation
merupakan metode yang digunakan untuk mengestimasi parameter yang tidak
diketahui dengan memaksimalkan suatu fungsi. Metode ini digunakan untuk
estimasi dengan memaksimalkan fungsi dengan bentuk logaritma natural dan
kemudian mendeferensialkan. Dalam artikel ini, perhitungan estimasi parameter
data dibentuk dengan cara matriks yang kemudian perhitungannya dibantu dengan
aplikasi microsoft excel.
2. Metodologi Penelitian
2.1. Sumber Data
Data yang digunakan adalah data mengenai laju inflasi dan tingkat
pertumbuhan ekonomi Indonesia dari tahun 1990 sampai tahun 2013 dalam satuan
persen (%). Data laju inflasi dan tingkat pertumbuhan ekonomi ini dipengaruhi
oleh banyaknya jumlah uang yang beredar, hasil ekspor, dan hasil impor dalam
satuan miliar rupiah. Data ini bersumber dari Badan Pusat Statistik (BPS) dan
Bank Indonesia (BI).
Pada contoh kasus ini terdapat dua jenis variabel penelitian yang digunakan,
yaitu variabel dependen (terikat) dan variabel independen (bebas). Variabel
dependen yang digunakan adalah laju inflasi dan perumbuhan ekonomi tahun
1999-2013, sedangkan untuk variabel independen adalah faktor banyaknya jumlah
uang yang beredar, hasil ekspor, dan impor dengan sampel untuk masing-masing
variabel sebanyak 24 data.
2
Pada penelitian ini digunakan pemisalan dengan variabel dependen
dimisalkan sebagai Y dan variabel independen sebagai X. Dengan uraian sebagai
berikut:
3
3.1. Uji Kelayakan Data
Uji KMO digunakan untuk mengetahui data layak dianalisis atau tidak. Nilai
yang diharapkan untuk nilai KMO adalah lebih besar dari 0,5, artinya jika nilai
KMO lebih dari 0,5 maka data tersebut layak untuk dianalisis. Dengan hipotesis
sebagai berikut:
H0 : Data layak dianalisis
H1 : Data tidak layak dianalisis
Dari tabel hasil pengujian diatas, diperoleh nilai KMO sebesar 0,537. Dengan
nilai tersebut, artinya nilai KMO lebih besar dari 0,5 sehingga dapat dikatakan
bahwa uji gagal menolak H0 artinya terima H0. Jadi, kesimpulan yang diperoleh
adalah data yang digunakan layak untuk dianalisis.
4
Dengan daerah uji kritis atau nilai keputusan, jika hasil nilai chi-square
kurang dari 0,5 (50%), maka keputusannya adalah tolak H0. Sehingga, dari
pengujian ini diperoleh hasil pengujian nilai chi-square 83,333. Karena nilai
tersebut lebih besar dari 0,5 maka gagal tolak H0 atau terima H1. Artinya, data
mengikuti sebaran distribusi normal multivariate. Selain itu, dapat kita lihat dari
hasil grafik dibawah (scatter plot), bawah data menunjukkan plot yang menyebar
mendekati bentuk garis linier. Artinya, bahwa data yang digunakan dalah data
yang berdistribusi normal.
Scatterplot of q vs dd
14
12
10
8
q
0
0 5 10 15 20 25
dd
Gambar 2. Scatterplot
5
> χ2 tabel maka tolak H0 (terima H1). Dari tabel juga dipeoleh nilai sig. (p-value)
= 0,000. Artinya, dari nilai χ2 dan p-value dapat memberikan kesimpulan bahwa
matriks korelasi tidak sama dengan matriks identitas.
…
. = 1 …
.
.
Keterangan :
Y= vektor dependen berukuran n x q
x = matriks dengan variabel independen berukuran n x ( p+1 )
β = vektor koefisien regresi dengan matriks ( p+1 ) x q
= vektor error berukuran n x q
1 ( ) ( )
f(Y) =
√2
( )
=
√
6
Untuk menentukan estimasi parameter menggunakan maksimum likelihood
maka,
n ( )
L(Y) =
√
( )
=
( ) ( )
( )
ln L(Y) = ln
( ) ( )
= ln ln
( ) ( )
( )
= - ln (2 ) ( ) + ln
( )
= - ln (2 ) – ln ( ) + ln
= - ln (2 ) – ln ( ) - ( −2 + )
= − ln(2 ) − ln( )− + 2 −
( ) ( )
=
= −0 − 0 − 0 + − − − ( )
= − ( )
( )
=0
7
− ( ) =0
− ( ) =−
( ) =
( ) =
( ) ( ) =( )
=( )
=( )
=( )
( ) ( )
=
= −0 − − + 2 −
( ) ( ) ( )
=− − + 2 −
( ) ( ) ( )
0 =− − + 2 −
( ) ( ) ( )
=− + 2 −
( ) ( ) ( )
=− + 2 −
( ) ( ) ( ) ( )
8
=− +2 −
=( −2 + )
= ( − )( − )
= ( − )( − )
3.8. Model Regresi Linier Multivariat dan Nilai Estimasi Parameter dari
Contoh Kasus yang Digunakan
15,03918227
0,0000045416
=
−0,0000085188
−0,00012605
Dengan cara yang sama digunakan untuk mencari model persamaan variabel
pertumbuhan ekonomi (Y2) dengan hasil sebagai berikut:
9
5,9599461
−0,000002396
=
−0,000000419
0,000044058
Kemudian, dari langkah ketujuh telah diperoleh nilai estimasi untuk varians.
Sehingga, untuk mencari dari dan diperoleh hasil sebagai berikut:
= − ( − )
= 229,1569
= − ( − )
= 0,004508
4. Kesimpulan
10
estimation merupakan metode yang digunakan untuk mengestimasi parameter
yang tidak diketahui dengan memaksimalkan suatu fungsi. Dari pengolahan data
yang digunakan yaitu akan ditunjukkan model persamaan regresi dari kasus laju
inflasi dan pertmbuhan ekonomi yang dipengaruhi faktor banyaknya jumlah uang
yang beredar, ekspor, dan impor. Dengan hasil pengolahan data menunjukkan
bahwa data yang digunakan menunjukkan data berdistribusi normal, data layak
untuk dianalisis lebih lanjut, dan matriks korelasi tidak sama dengan matriks
identitas. Kemudian, dihasilkan persamaan model regresi linier multivariatnya
11
Daftar Pustaka
Basilevsky, A. 1994. Statistical Factor Analysis and Related Methods, Theory and
Application. John Wiley & Sons Inc. New York.
12