Diskusi 43

Nama : Liza Zulaini

NIM : 045123091

Assalamualaikum wr.wb.
Mohon Izin memberikan jawaban terhadap diskusi di sesi 43 ini.

Apa yang dimaksud dengan fungsi produksi?

Fungsi Produksi adalah hubungan teknis antara kombinasi-kombinasi penggunaan

input dengan tingkat output-nya. Untuk setiap sistem produksi, hubungan input-
output merupakan suatu fungsi dari tingkat etknoligi pabrik, peralatan, tenaga
kerja, bahan-bahan baku dan lain-lain yang digunakan dalam suatu perusahaan.
Fungsi produksi menentukan tingkat output maksimum bisa diproduksi dengan
sejumlah input tertentu, atau sebaliknya, jumlah input minimum yang diperlukan
untuk memproduksi suatu tingkat output tertentu.

Apa perbedaan dari fungsi produksi yang bersifat jangka pendek dan fungsi produksi
jangka panjang!

[1.] Fungsi produksi jangka pendek adalah suatu kondisi dimana setidaknya terdapat 1
jenis input dalam sistem produksi yang merupakan input tetap. Pemakaian input
ini tidak menyesuaikan output. Input tetap tidak bisa di kurangi, di tambah atau di
ganti secara cepat Apa yang dimaksud dengan analisis regresi? dan bagaimana
model regresi yang ideal?

Analisis regresi adalah teknik statistik yang dipakai untuk menemukan derajat
ketergantungan antara satu variabel (variabel dependen) dengan variabel lainnya, baik
satu variable atau lebih. Teknik statistik bisa di gunakan untuk mencari nilai dari
koefisien-koefisien suatu fungsi yang sedang dianalisis.

Dalam proses analisis regresi, kita membutuhkan sejumlah observasi, untuk variabel (Y)
dan variabel-variabel (X) dalam fungi yang dikaji. Selanjutnya, analisis regresi juga
memungkinkan kita untuk menarik kesimpulan dari pola hubungan yang ditunjukkan
dari sejumlah observasi tersebut.

Selanjutnya bagaimana model regresi ideal itu?

Kuncoro, (2004). Mengemukakan bahwa Uji goodness of fit dilakukan untuk menilai
ketepatan fungsi regresi sampel dalam menaksir nilai aktual. Hal ini dapat diukur dengan
koefisien determinasi R 2 nilai statistik f, dan nilai statistik t, koefisien Determinasi R 2
Penggunaan koefisien determinasi R 2 ini bertujuan untuk mengetahui tingkat ketepatan
paling baik dalam analisis regresi, dimana hasil yang ditunjukkan adalah antara nol dan
satu.

Dalam koefisien determinasi yang dilambangkan dengan R 2 ini, bila nilai koefisien R 2
semakin mendekati angka 1, model regresi dianggap makin baik karena variabel
 independennya dipandang dapat menjelaskan variabel dependennya, dan begitu juga
sebaliknya.

Penelitian ini dinilai berdasarkan pada nilai Adjusted R Square atau koefisien
determinasi yang sudah disesuaikan karena jika nilai R Square saja yang digunakan maka
hal tersebut dapat mengakibatkan suatu bias yang dapat merubah R² ketika terdapat
tambahan variabel independen.

R Square dengan nilai Adjusted R Square adalah hal yang berbeda, karena Adjusted R
Square ini tidak akan mengakibatkan bias karena nilai R Square dapat berubah jika ada
sebuah variabel independen yang ditambahkan.

1. Bagaimana cara mengatasi masalah autokorelasi?

Setelah kita ketahui konsekuensi masalah autokorelasi dimana estimator dari metode
OLS masih linier, tidak bias tetapi tidak mempunyai varian yang minimum.

Penyembuhan masalah autokorelasi sangat tergantung dari sifat hubungan antara

residual. Atau dengan kata lain bagaimana bentuk struktur autokorelasi.
Model regresi sederhana seperti dalam persamaan sbb:

Diasumsikan bahwa residual mengikuti model AR(1) sebagai berikut:

Penyembuhan masalah autokorelasi dalam model ini tergantung dua hal:

a. jika  atau koefisien model AR(1) diketahui;

Pada kasus ketika koefisien model AR(1) yakni struktur autokorelasi  diketahui, maka
penyembuhan autokorelasi dapat dilakukan dengan transformasi persamaan dikenal
sebagai metode Generalized difference equation.

b. jika  tidak diketahui tetapi bisa dicari melalui estimasi.

Walaupun metode penyembuhan masalah autokorelasi sangat mudah dilakukan dengan
metode generalized difference equation jika strukturnya diketahui, namun metode ini
dalam prakteknya sangat sulit dilakukan. Kesulitan ini muncul karena sulitnya kita untuk
mengetahui nilai . Oleh karena itu kita harus menemukan cara yang paling tepat untuk
mengestimasi . Ada beberapa metode yang telah dikembangkan oleh para ahli
ekonometrika untuk mengestimasi nilai .

1. Metode Diferensi Tingkat Pertama

Nilai  terletak antara -1   1. Jika nilai  = 0 berarti tidak ada korelasi residual
tingkat pertama (AR 1). Namun jika nilai  = 1 maka model mengandung
 autokorelasi baik positif maupun negatif. Ketika nilai dari  = +1, masalah
autokorelasi dapat disembuhkan dengan diferensi tingkat pertama metode generalized
difference equation. metode diferensi tingkat pertama (first difference) dapat
dijelaskan sbb:

2. Estimasi  Didasarkan Pada Berenblutt- Webb

Metode transformasi dengan first difference bisa digunakan hanya jika nilai  tinggi
atau jika nilai d rendah. Dengan kata lain metode ini hanya akan valid jika nilai  =
+1 yaitu jika terjadi autokorelasi positif yang sempurna. Pertanyaannya bagaimana
kita bisa mengetahui asumsi bahwa  = +1. Berenblutt-Webb telah mengembangkan
uji statistik untuk menguji hipotesis bahwa  = +1. Uji statistik dari Berenblutt-Webb
ini dikenal dengan uji statistik g (Gujarati, 2005). Rumus statistiknya dapat ditulis
sbb:

3. Estimasi  Didasarkan Pada Statistik d Durbin Watson

Kita hanya bisa mengaplikasikan metode transformasi first difference jika nilai  tinggi
yakni mendekati satu. Metode ini tidak bisa digunakan ketika  rendah. Untuk kasus
nilai  rendah maka kita bisa menggunakan statistik d dari Durbin Watson. Kita bisa
mengestimasi  dengan cara sbb:

4. Estimasi  Dengan Metode Dua Langkah Durbin

Untuk menjelaskan metode ini maka kita kembali ke model generalized difference
equation persamaan (6.37). Kita tulis kembali persamaan tersebut sbb:

5. Estimasi  Dengan Metode Cochrane-Orcutt

Uji ini merupakan uji alternatif untuk memperoleh nilai  yang tidak diketahui.
Metode Cochrane-Orcutt sebagaimana metode yang lain menggunakan nilai estimasi
residual et untuk memperoleh informasi tentang nilai  (Pindyck, S and Daniel. L,
1998). Untuk menjelaskan metode ini kita misalkan mempunyai model regresi
sederhana sbb:

Kesimpulan:
Demikian yang dapat saya sampaikan, terima kasih.
Sumber :

Arsyad, Lincolin. (2021). Ekonomi Manajerial. Tangerang Selatan. Universitas

Terbuka. (Modul 43 Edisi 2 Hal. 44.24, 4.3, 4.4.2921, 4.22).

Basuki, Agus Tri. (2022) “ Uji Autokorelasi dan Perbaikan Autokorelasi” Bahan Ajar
Ekonomitrika I universitas Muhammadiyah Yogyakarta, Diakses pada 6 November 2022,
dari: https://ekonometrikblog.files.wordpress.com/2017/04/uji-dan-perbaikan-
autokorelasi.pdf

Naufal, Reza Ahmad (2015). Faktor – Faktor yang Mempengaruhi Daya Tarik Produk (Studi
Kasus Upaya Meningkatkan Minat Membeli Sepeda Motor Suzuki di Kota Semarang).
Skipsi. Tidak Diterbitkan. Fakultas Ekonomi dan Bisnis. Universitas Diponogoro: Semarang.