Nama : Sri Harti Wahyuni

NPM : 18090074
SESI : 2018 C
Prodi : Pendidikan Ekonomi
MK : Ekonometrika
Dosen : Prof. Dr. H. Ansofino, M.Si

UJIAN TENGAH SEMESTER

1. Ekonometrika secara harfiah berarti pengukuran ekonomi melalui suatu

model yang menjelaskan hubungan antara variable dependen dengan
independen. Sehubungan dengan itu, jelaskanlah:
a. Apakah yang dimaksud dengan model ekonometrika dan bagaimana
bedanya dengan model matematika itu?
Jawab:
1) Ekonometrika adalah ilmu yang mencakup teori ekonomi,
matematika, dan statistika dalam satu kesatuan system yang bulat,
menjadi suatu ilmu yang berdiri sendiri dan berlainan dnegan ilmu
ekonomi, matematika maupun statistika. Pada ekonometrika ini,
penggunaannya lebih sering menggunakan data observasional
dibandingkan dengan eksperimental.
2) Perbedaan ekonometrika dengan model matematika adalah
memodelkan hubungan fungsional dalam dunia nyata dengan
menggunakan bahasa matematika. Pemodelan matematika digunakan
untuk : 1) mendeskripsikan fenomena dunia nyata, 2) menyelidiki
pertanyaan penting berkenaan dengan dunia yang teramati, 3)
menjelaskan fenomena dunia nyata, 4) mengguji gagasan atau ide-ude,
5) membuat prediksi.
b. Apakah yang dimaksud dengan spesifikasi dan estimasi model?
Jawab:
a. Spesifikasi model berkaitan dengan pembentukan model yang merujpakan
pembentukan hubungan antara variable laten yang satu dengan variable
 laten lainnya dan pembentukan hubungan variable laten dengan variable
manifest yang didasarkan pada teori berlaku.

Estimasi Model adalah model penelitian yang memperkirakan sesuatu

agar mendapatkan gambaran umum. Estimasi juga penting dilakukan
untuk menyusun berbagai rencana guna mengantisipasi situasi masalah
tertentu. Sehingga, jika terjadi suatu kondisi yang menjadi kendala
jalannya kegiatan, dapat diantisipasi dengan baik.

c. Kemukakan satu contoh model ekonometrika di dalam penelitian

ekonomi dan penelitian pendidikan itu?
Jawab:
Contoh model ekonometrika di dalam penelitian ekonomi salah satunya
adalah pada penelitian tentang faktor-faktor yang mempengaruhi
pendapatan nasional, diantaranya variable independen adalah Kualitas
Sumber Daya Manusia (X1), Potensi Sumber Daya Alam (SDA), Jumlah
Modal, Tingkat teknologi yang digunakan dan stabilitas keamanan
Sementara dalam bidang ekonomo salah satu penelitianya adalah
pengaruh IQ, aktivitas belajar, metode pembelajaran terhadap hasil belajar
siswa kelas X SMA N 2 Padang.
2. Metode Ordinary Least Square (OLS) Merupakan metode estimasi yang
tepat untuk memperoleh persamaan regresi, sehubungan dengan itu,
jelaskanlah:
a. Kapan Metode OLS di anggap metode estimasi persamaan regresi
yang memiliki sifat BLUE?
Jawab:
Metode OLS dianggap metode estimasi persamaan regresi yang memiliki
sifat BLUE adalah :
1. Best, hasil model regresi adalah terbaik dan menghasilkan error yang
kecil
 2. Linear, model yang digunakan dalam regresi sesuai kaidah model
OLS yaitu linear dan pangkat variable-variabelnya paling tinggi
adalah satu
3. Unbiased, nilia yang diharapkan (hasil estimasi menggunakan model
regresi) sama dengan nilai yang benar
4. Estimator, model regresi yang terbentuk memiliki varians yang
minimal dari estimator lainnya
b. Uraikanlah persyaratan model yang baik (robust) itu?
Jawab:
Persyaratan model yang kuat (Robust) yaitu setelah melakukan estimasi
model dan kita mendapatkan hasil regresi dan membuat model persamaan
regressinya, kemudian selanjutnya kita akan menguji kelayakan model
dengan evaluasi model hasil regressi sebagai berikut:
1. Evaluasi tanda dan besaran nilai koefisien dnegan teori ekonomi dan
hasil penelitian terdahulu
2. Uji-uji statistic untuk pengujian signifikansi:
- Uji R2 (uji goodness of fit model atau root mean Square error)
- Uji F (Uji Fisher Forecast error atau Theil Forecast error)
- Uji t (Mean Absolut Error)
3. Uji Asumsi Klassik sebagai persyaratan dalam menggunakan model
OLS
- Uji sebaran normalitas
- Uji multikolinearity
- Uji homoskedastisitas
- Uji Auto Korelasi
c. Bagaimana mendeteksi adanya variable yang tidak penting dalam
model?
Adalah dengan adanya uji kesalahan spesifkasi. Melalui uji t dan uji F
Menggunakan metode step wise regression, lakukan regresi terhadap
variable X1, kemudian dengan X2 kemudian uji ini akan dilanjutkan
 dengan uji likelihood ratio penambahan variable dan uji likelihood ratio
pengurangan variable serta uji Ramsey Reset
3. Pelanggaran terhadap asumsi OLS akan menyebabkan ketepatan
metode OLS sebagai metode estimasi persamaan regresi menjadi tidak
dapat dipercaya, sehubungan dengan itu, jelaskanlah:
a. Apakah uji normality itu? Bagaimana cara mendeteksinya dan
bagaimana aturan pengujiannya (rule of the Thumb)?
Uji Normalitas adalah uji yang dilakukan untuk mengetahui apakah
nilai residual pada Model regresi berdistribusi normal atau tidak, karena
model regresi yang baik adalah memiliki nilai residual yang berdistribusi
normal.
Uji normalitas dapat dilakukan dengan membandingkan statistic
salah satunya melalui statistic Jarque- Bera (JB) dengan nilai X2 tabel.
Jika nilai JB ≤ X2 tabel maka nilai residual terstandarisasi dinyatakan
berdistribusi normal
Untuk menghitung JB digunakan rumus sebagai berikut :
𝑆 2 (𝐾 − 3)2
𝐽𝐵 = 𝑛 +
6 24
Dimana:
JB = Statistik Jarque Bera
S = Koefisien Skewness
K = Koefisien Kurtosis
Kriteria Pengujian adalah jika nilai JB < X2 tabel atau probability >
alpha (0,05) = nilai residual terstandarisasi dinyatakan berdistribusi
normal
Skewness merupakan suatu pengukuran asymmetric distribution dari
data di sekitar rata-rata. Semakin skewness mendekati nol, maka data
terdistribusi secara normal, jika skewness positif berarti data terdistribusi
ke sisi kanan, demikian sebaliknya, jika skewness negative maka data
terdistribusi ke sisi kiri
 Kurtosis adalah mengukur puncak atau rata/datar dari distribusi data.
Kurtosis dari distribusi normal adalah 3, jika kurtosis < 3 (Platykurtic),
distribusi adalah datar, dan jika kurtosis > 3 (Leptokurtic) distribusi
mencapai puncak.
b. Apakah multikolinierity itu? Bagaimana cara mendeteksinya,
dan bagaimana aturan pengujiannya (Rule of the Thumb)?
Multikolinierity adalah hubungna liniear sesame variable
independen, melanggar asumsi OLS; Asumsi I.D “tidak ada
hubungan linear antara 2 atau lebih sesame variable penjelas
(independent) atau variable X”, jika Asumsi I.D dilanggar, maka
akan terhadi pada model yaitu varian lebih besar, Standar error
Lebih besar dan selang kepercayaan rentangan kurva normal
menjadi lebih besar, sangat luas.
Konsekwensinya yaitu ketepatan dalam model menjadi rendah

Cara mendeteksinya adalah

1. Model memiliki standar eror yang besar dan nilai statistic t,
rendah. Ini merupaka indikasi awal adnaya gejala
multikoliniarity
2. Nilai R2 tinggi, tetapi hanya sedikit variable independen yang
signifikan, melalui uji t nya.
3. Korelasi partial diantara variable independen, sehingga dapat
dilihat dari uji korelasinya, r. jika nilai, r nya cukup tinggi,
maka kita duga terjadi multi kolinearity, demikian sebaliknya.
Aturan pengujiannya yaitu :
Jika F hitung > F tabel, maka ada multikolinieritas
Jika F hitung < F tabel maka tidak ada multikolinieritas.
F tabel α 5% atau 0,05
c. Apakah Heterokedastisitas itu? Bagaimana cara mendeteksinya?
Dan bagaimana aturan pengujiannya (rule of the thumb)
Heterokedastisitas adalah variable error yang varian erornya tidak
konstan, melanggar asumsi OLS, Asumsi II.C yang menyatakan bahwa
covarian dari Eror ke I dan eror ke j, adalah sama dengan nol untuk i≠j:
Cov (ɛ ɛ) = E (ɛ ɛ) = 0 untuk i≠j. korelasi nol diantara perbedaan error
term. Atau disebut homokedastisitas, sehingga apabila varian dan
covarian error yang tidak konstan disebut dengan heterokedastisitas.
Dalam keadaan terjadinya Heterokedastisitas, maka Model OLS

kehilangan efisiensinya dan tidak lagi menghasilkan estimator ᵝ yang

tidak BLUE lagi. Standar error menjadi besar dan tidak konsisten,
sehingga nilai t, statistiknya menjadi misleading.
Cara mendeteksinya adalah dengan cara formal dan informal.
Metode informal yaitu dengan mendeteksi pola residual melalui sebuah
grafik atau scatter plot dan metode formal adalah dengan mendeteksi
masalah heterokedastisitas dengan metode formal terdiri dari metode
Park : masalah heterokedastisitas muncul karena residual tergantug pada
variable independen. Oleh sebab itu perlu diregresikan varian variable
gangguan dengan variable bebasnya. Jika estimator ᵝ nya tidak signifikan
melalui uji t, maka tidak ada heterokedastisitas, demikian sebaliknya
Aturan pengujian dapat menggunakan beberapa cara diantaranya
adalah Metode Park, Metode Glejser, metode korelasi Spearman, Metode
Goldfelt and Quant, metode Breusch-Pagan dan metode White.
Aturannya yaitu dengan membandingkan nilai t hitung dengan t
tabel. Apabila t hitung < dari t tabel maka tidak mengandung
heterokedastisitas dan jika t hitung > dari t tabel maka terdapat
heterokedastisitas