1

SOAL PRA UJIAN AKHIR SEMESTER (UAS) TAHUN 2023

MATA KULIAH ANALISIS KUANTITATIF
PRORAM S-2 ILMU EKONOMI
HARI/TGL: SABTU, 2 DESEMBER 2023
SIFAT UJIAN : OPEN BOOKS
DOSEN :DR.DINARJAD ACHMAD,SE,MSc

PERTANYAAN :

Seorang ahli dibidang ekonomi ingin mengetahui pengaruh antar variabel

Ekonomi ( 4 variabel)yaitu realisasi nilai ekspor (X), realisasi investasi
(INVES), laju pertumbuhan ekonomi (LPE) dan kesempatan kerja (KK) di
Indonesia. Untuk mengetahui pengaruh antar variabel tersebut tersedia
data yang sudah diolah (lihat lampiran).

1. Jelaskan jenis data yang digunakan dalam riset ini ? dan sumber datanya
dari mana ?
Data kuantitatif dan sumber data dari dokumen BPS, Bank Indonesia

2. Model Matematik:

Model untuk Hipotesis 1 (Exspor terhadap laju Pertumbuhan ekonomi):

 Y1=β0+β1X1+ε1
 Y1: Laju Pertumbuhan Ekonomi
 X1: Ekspor
Model untuk Hipotesis 2 (Investasi terhadap laju pertumbuhan ekonomi):
 Y2=β0+β1X2+ε2
 Y2: Laju Pertumbuhan Ekonomi
 X2: Investasi
Model untuk Hipotesis 3 (Exspor terhadap jumlah tenaga kerja terserap):
 Y3=β0+β1X3+ε3
 Y3: Jumlah Tenaga Kerja Terserap
 X3: Ekspor
Model untuk Hipotesis 4 (Investasi terhadap jumlah tenaga kerja
terserap):
 Y4=β0+β1X4+ε4
 Y4: Jumlah Tenaga Kerja Terserap
 X4: Investasi
Model untuk Hipotesis 5 (Laju pertumbuhan ekonomi terhadap jumlah
tenaga kerja terserap):
 Y5=β0+β1X5+ε5
 Y5: Jumlah Tenaga Kerja Terserap
 X5: Laju Pertumbuhan Ekonomi
 2

Model untuk Hipotesis 6 (Laju pertumbuhan ekonomi terhadap

kesejahteraan masyarakat):
 Y6=β0+β1X6+ε6
 Y6: Kesejahteraan Masyarakat (IPM)
 X6: Laju Pertumbuhan Ekonomi
Model untuk Hipotesis 7 (Jumlah tenaga kerja terserap terhadap
kesejahteraan masyarakat):
 Y7=β0+β1X7+ε7
 Y7: Kesejahteraan Masyarakat (IPM)
 X7: Jumlah Tenaga Kerja Terserap

Model Statistik:
Statistik untuk Hipotesis 1:
a. Standardized Coefficients Beta (β1): 0.171
b. t-value: 1.071
c. Sig: 0.295
d. Adjusted R-Square: 0.713
Statistik untuk Hipotesis 2:
a. Standardized Coefficients Beta (β1): 1.584
b. t-value: 4.717
c. Sig: 0.000
Statistik untuk Hipotesis 3:
a. Standardized Coefficients Beta (β1): 0.008
b. t-value: 0.493
c. Sig: 0.623
d. Adjusted R-Square: 0.997
Statistik untuk Hipotesis 4:
a. Standardized Coefficients Beta (β1): 0.332
b. t-value: 10.016
c. Sig: 0.000
Statistik untuk Hipotesis 5:
a. Standardized Coefficients Beta (β1): -8.203
b. t-value: -0.426
c. Sig: 0.671
Statistik untuk Hipotesis 6:
a. Standardized Coefficients Beta (β1): 38.447
b. t-value: 2.945
c. Sig: 0.004
d. Adjusted R-Square: 0.963
Statistik untuk Hipotesis 7:
a. Standardized Coefficients Beta (β1): -1.222
b. t-value: -15.866
c. Sig: 0.000
 3

3. Buatlah :
a) Rumusan masalah yang diangkat dalam penelitian ini.bobot 5
Apakah realisasi nilai ekspor berpengaruh positif terhadap laju
pertumbuhan ekonomi?
Apakah realisasi investasi berpengaruh positif terhadap laju
pertumbuhan ekonomi?

b) Tujuan penelitiannya? bobot 5

Mengetahui apakah realisasi nilai ekspor berpengaruh positif
terhadap laju pertumbuhan ekonomi.
Mengetahui apakah realisasi investasi berpengaruh positif
terhadap laju pertumbuhan ekonomi.

c) Hipotesis yang diajukan dalam penelitian ini? bobot 5

Realisasi nilai ekspor berpengaruh positif terhadap laju
pertumbuhan ekonomi.
Realisasi investasi berpengaruh positif terhadap laju
pertumbuhan ekonomi.

d) Apa sebaiknya Judul penelitian tersebut? bobot 5

Analisis Pengaruh Realisasi Nilai Ekspor dan Realisasi Nilai
Investasi terhadap Laju Pertumbuhan Ekonomi.

4. Jika hasil pengolahan data menunjukkan arah (positif /negative) yang

tidak sesuai dengan harapan peneliti, apakah penelitian tersebut gagal ?
jelaskan (bobot 10)
Tidak karena bisa saja ada faktor lain di luar penelitian yang
menyebabkan hipotesis dan hasil penelitian tidak sesuai. Beberapa
hal yang perlu dipertimbangkan:

a) Ketidaksesuaian dengan Harapan:

Mungkin terdapat faktor lain yang tidak dipertimbangkan atau
tidak terukur yang memengaruhi hasil. Metode pengumpulan data
atau model statistik yang digunakan mungkin perlu diperiksa
ulang.
b) Konteks dan Variabel Lain:
Pertimbangkan konteks ekonomi atau sosial yang mungkin
mempengaruhi hubungan antar variabel. Faktor luar biasa atau
variabel lain yang tidak diidentifikasi mungkin memiliki pengaruh.
c) Ketidakpastian Statistik:
Nilai-nilai statistik seperti t-value dan Sig dapat bervariasi. Perlu
diperhatikan tingkat signifikansi yang telah ditetapkan
sebelumnya.
 4

d) Validitas Penelitian:
Evaluasi validitas internal dan eksternal penelitian. Pastikan
bahwa metode penelitian dan instrumen pengukuran valid.
e) Analisis Lanjutan:
Lakukan analisis lebih lanjut untuk memahami lebih dalam
hubungan antar variabel. Uji sensitivitas terhadap perubahan
metode atau variabel.

5. Jelaskan spesifikasi masing-masing variable dalam konsep penelitian

tersebut, apa yang menjadi EXOGEN VARIABEL, INTERVENING
VARIABEL DAN ENDOGEN VARIABEL? (bobot 10)
a) Endogen Variabel: Variabel yang menjadi fokus dalam suatu model
atau analisis, yang nilainya dipengaruhi oleh variabel lain di dalam
model tersebut. Misalnya, dalam Hipotesis 1, "Laju Pertumbuhan
Ekonomi" adalah endogen variabel karena variabel ini menjadi
fokus pengaruh dari variabel ekspor.
b) Exogen Variabel: Variabel yang mempengaruhi variabel endogen
tetapi tidak dipengaruhi oleh variabel lain dalam model. Variabel
eksogen dalam konteks ini karena tidak ada informasi yang
menyatakan bahwa suatu variabel mempengaruhi yang lain.
c) Intervening Variabel: Variabel yang menjadi perantara atau
menjelaskan hubungan antara variabel independen dan dependen.
Namun dari data ini, tidak ada informasi yang menyatakan adanya
variabel perantara.
6. Manakah diantara EXOGEN VARIABEL yang dominan mempengaruhi
ENDOGEN VARIABEL jelaskan.(bobot 10)
 Identifikasi variabel yang mungkin dominan mempengaruhi
variabel endogen berdasarkan standardized coefficients beta, t-
value, dan signifikansinya.

Hipotesis 1 (Exspor terhadap laju Pertumbuhan ekonomi):

a. Standardized Coefficients Beta: 0.171
b. t-value: 1.071
c. Sig: 0.295
Hipotesis 2 (Investasi terhadap laju pertumbuhan ekonomi):
a. Standardized Coefficients Beta: 1.584
b. t-value: 4.717
c. Sig: 0.000
Hipotesis 3 (Exspor terhadap jumlah tenaga kerja terserap):
a. Standardized Coefficients Beta: 0.008
b. t-value: 0.493
c. Sig: 0.623
Hipotesis 4 (Investasi terhadap jumlah tenaga kerja terserap):
a. Standardized Coefficients Beta: 0.332
b. t-value: 10.016
c. Sig: 0.000
 5

Hipotesis 5 (Laju pertumbuhan ekonomi terhadap jumlah tenaga

kerja terserap):
a. Standardized Coefficients Beta: -8.203
b. t-value: -0.426
c. Sig: 0.671
Hipotesis 6 (Laju pertumbuhan ekonomi terhadap kesejahteraan
masyarakat):
a. Standardized Coefficients Beta: 38.447
b. t-value: 2.945
c. Sig: 0.004
Hipotesis 7 (Jumlah tenaga kerja terserap terhadap kesejahteraan
masyarakat):
a. Standardized Coefficients Beta: -1.222
b. t-value: -15.866
c. Sig: 0.000
Analisis:
Dalam konteks ini, variabel yang memiliki Standardized
Coefficients Beta yang lebih tinggi cenderung memiliki pengaruh
yang lebih besar terhadap variabel endogen. Berdasarkan :

Hipotesis 2 (Investasi terhadap laju pertumbuhan ekonomi)

memiliki Standardized Coefficients Beta yang paling tinggi (1.584),
yang menunjukkan bahwa investasi memiliki pengaruh positif
yang signifikan terhadap laju pertumbuhan ekonomi.

Hipotesis 7 (Jumlah tenaga kerja terserap terhadap kesejahteraan

masyarakat) juga memiliki pengaruh yang signifikan dengan
Standardized Coefficients Beta -1.222, menunjukkan hubungan
negatif yang cukup kuat antara jumlah tenaga kerja terserap dan
kesejahteraan masyarakat.

Kesimpulannya, dari data diatas variabel yang mungkin dominan

mempengaruhi variabel endogen adalah Investasi terhadap laju
pertumbuhan ekonomi (Hipotesis 2) dan Jumlah tenaga kerja
terserap terhadap kesejahteraan masyarakat (Hipotesis 7).

7. Jelaskan jalur mana menurut anda merupakan jalur terbaik untuk

membuat kebijakan peningkatan kesejahteraan di Indonesia.(bobot 10)
 Analisis jalur mana yang mungkin merupakan jalur terbaik untuk
membuat kebijakan peningkatan kesejahteraan di Indonesia
berdasarkan hasil pengolahan data tersebut:
Laju Pertumbuhan Ekonomi (Hipotesis 6) -> Kesejahteraan
Masyarakat (IPM):
a. Standardized Coefficients Beta: 38.447
b. t-value: 2.945
c. Sig: 0.004
d. Adjusted R-Square: 0.963
 6

Analisis:

Terdapat pengaruh positif yang signifikan antara laju

pertumbuhan ekonomi dan kesejahteraan masyarakat (IPM).
Coefficients Beta yang tinggi menunjukkan bahwa perubahan
dalam laju pertumbuhan ekonomi secara signifikan berkontribusi
terhadap peningkatan kesejahteraan masyarakat.
Berdasarkan analisis ini, jalur terbaik untuk membuat kebijakan
peningkatan kesejahteraan di Indonesia mungkin melibatkan
upaya untuk meningkatkan laju pertumbuhan ekonomi. Langkah-
langkah untuk mencapai ini dapat termasuk:

 Fokus pada Peningkatan Investasi (Hipotesis 2):

Investasi memiliki pengaruh positif dan signifikan terhadap
laju pertumbuhan ekonomi. Meningkatkan investasi dapat
mendorong pertumbuhan ekonomi yang lebih cepat.
 Mendorong Ekspor (Hipotesis 1):
Meskipun pengaruhnya tidak signifikan, memperkuat sektor
ekspor juga dapat membantu dalam mendorong
pertumbuhan ekonomi.
 Perhatian pada Kebijakan Ketenagakerjaan (Hipotesis 4):
Investasi juga memiliki pengaruh yang signifikan terhadap
jumlah tenaga kerja terserap. Oleh karena itu, kebijakan
ketenagakerjaan yang mendukung investasi dapat
membantu meningkatkan kesempatan kerja.

Dengan fokus pada jalur ini, pemerintah dan stakeholder terkait dapat
mengembangkan kebijakan ekonomi yang mendukung pertumbuhan
dan investasi untuk mencapai peningkatan kesejahteraan masyarakat
di Indonesia. Tentu saja, kebijakan yang efektif juga harus
mempertimbangkan aspek-aspek lain seperti distribusi pendapatan,
pendidikan, dan kesehatan.

8. Untuk melihat goodness of fit dari model regresi yang anda pilih,
dilakukan uji validitas melalui parameter statistic (adjusted R 2 , F- stat
dan t-stat).(bobot 20)
a) Apa makna nilai adjusted R-square (R2 ) total dari model
analisis jalur( path analisis ) yang anda gunakan jelaskan !
Adjusted R Square adalah besarnya pengaruh atau kemampuan
variabel prediktor secara simultan dalam menjelaskan variabel
response dengan memperhatikan standar error. penjelasannya
sama dengan R Square namun nilai ini telah terkoreksi dengan
standar error.
b) Berapa besar error dari model analisis jalur tersebut?
 7

1.303301
c) Mengapa peneliti yang berhati-hati lebih senang menggunakan
nilai total Adjusted-R2 Untuk melihat goodness of fit dari model
regresi berganda?
Karena Adjusted R Square lebih memperhatikan standar error.

d) Tujukkan pengaruh antara Exogen Variabel yang dianggap

elastic terhadap Endogen Variable ?
Variabel yang memiliki Standardized Coefficients Beta yang
lebih tinggi cenderung memiliki pengaruh yang lebih besar
terhadap variabel endogen. Berdasarkan :

a. Hipotesis 2 (Investasi terhadap laju pertumbuhan ekonomi)

memiliki Standardized Coefficients Beta yang paling tinggi
(1.584), yang menunjukkan bahwa investasi memiliki pengaruh
positif yang signifikan terhadap laju pertumbuhan ekonomi.

b. Hipotesis 7 (Jumlah tenaga kerja terserap terhadap

kesejahteraan masyarakat) juga memiliki pengaruh yang
signifikan dengan Standardized Coefficients Beta -1.222,
menunjukkan hubungan negatif yang cukup kuat antara jumlah
tenaga kerja terserap dan kesejahteraan masyarakat.

c. Kesimpulannya, dari data diatas variabel yang mungkin

dominan mempengaruhi variabel endogen adalah Investasi
terhadap laju pertumbuhan ekonomi (Hipotesis 2) dan Jumlah
tenaga kerja terserap terhadap kesejahteraan masyarakat
(Hipotesis 7).

9. Evaluasi Assumsi Klasik (bobot 10)

a. Apakah pada model ini gejala multikolinearity perlu diuji, jelaskan ?
Jika perlu jelaskan salah satu cara untuk menguji gejala
multikolinearity !
Perlu karena untuk mengetahui apakah dalam model regresi
ditemukan adanya korelasi yang tinggi atau sempurna antar variabel
independent sehingga penelitian tidak terbias.
Salah satu cara untuk menguji multikolinearity adalah dengan melihat
tolerance dan Variance Inflation Factor (VIF). Multikolinearitas dapat
juga dilihat dari (1)nilai tolerance dan lawannya (2) Variance inflation
factor (VIF). Kedua ukuran inimenunjukkan setiap variabel
independent manakah yang dijelaskan oleh variabelindependent
 8

lainnya. Dalam pengertian sederhanan setiap variabel independent

menjadivariabel dependent dan diregres terhadap variabel independent
lainnya. Tolerancemengukur variabilitas variabel independent
terpilih yang tidak dijelaskan oleh variabelindependent lainnya. Jadi
tolerance yang rendah sama dengan nilai VIF tinggi
(karenaVIF=1/tolerance). Nilai cutoff yang umumnya dipakai untuk
menunjukkan adanyamultikolinearitas adalah Tolerance<0.10 atau
sama dengan VIF>10. Setiap peneliti harus menentukan tingkat
kolinearitas yang masih dapat ditolerir. Sebagai misal nilai
tolerance=0,10 sama dengan tingkat kolinearitas 0,90. Walaupun
multikolinearitas dapat dideteksi dengan nilai tolerance dan VIF,
tetapi kita masih tetap tidak mengetahui variabel-variabel
independent mana sajakah yang saling berkorelasi.

b. Bagaimana cara menguji gejala heteroskadisity? Apakah pada

model ini gejala heteroskadisity perlu di uji ?jelaskan
Perlu. Uji heteroskedastisitas digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu
adanya ketidaksamaan varian dari residual untuk semua
pengamatan pada model regresi. Prasyarat yang harus terpenuhi
dalam model regresi adalah tidak adanya gejala heteroskedastisitas.
Ada beberapa metode pengujian yang bisa digunakan diantaranya
yaitu Uji Park, Uji Glesjer, Melihat pola grafik regresi, dan uji
koefisien korelasi Spearman.

c. Bagaimana cara menguji gejala autokolinearity ? Apakah pada

model ini gejala autokolinearity perlu diuji ?jelaskan

Terdapat beberapa cara untuk menguji gejala autokolinearity yaitu :

 Uji Durbin Watson
 Uji Breucsh Godfrey
 Uji Durbin Watson h
 The Engle’s ARCH Test.
Pada model ini gejala autokolinearity tidak perlu diuji karena dalam
penelitian sifat cross section lebih mewakili data panel. Sementara
sifat time series tidak begitu dominan.
 9

Lampiran : HASIL PENGOLAHAN DATA

LnKK = Data Kesempatan Kerja yang sudah ditransformasikan dalam bentuk logaritma natural(Ln)
LPE = laju Pertumbuhan Ekonomi (data sudah berdistribusi normal), tdk perlu ditranspormasikan dlm bentuk LN
LnX = Data Export yang sudah ditransformasikan dalam bentuk logaritma natural(Ln)
LnInves = Data Investasi yang sudah di tranformaiskan dalam bentuk logaritma natural (Ln)

Dependent Variable: LPE? Model 1

Method: Pooled Least Squares
Date: 01/06/15 Time: 14:01
Sample: 1 7
Included observations: 7
Cross-sections included: 33
Total pool (balanced) observations: 231

Variable Coefficient Std. Error t-Statistic Prob.

LN X? -0.453156 0.079950 -5.668005 0.0000

LNINVES? 2.210878 0.123322 17.92770 0.0000

R-squared 0.716429 Mean dependent var 6.009887

Adjusted R-squared 0.713942 S.D. dependent var 2.478303
S.E. of regression 1.325506 Akaike info criterion 3.414367
Sum squared resid 400.5881 Schwarz criterion 3.459074
Log likelihood -391.3594 Hannan-Quinn criter. 3.432399
Durbin-Watson stat 0.062780

Dependent Variable: LPE? Model 2

Method: Pooled EGLS (Cross-section weights)
Date: 01/06/15 Time: 14:13
Sample: 1 7
Included observations: 7
Cross-sections included: 33
Total pool (balanced) observations: 231
Linear estimation after one-step weighting matrix

Variable Coefficient Std. Error t-Statistic Prob.

LN X? -0.398142 0.026563 -14.98834 0.0000

LNINVES? 2.174256 0.049044 44.33256 0.0000

Weighted Statistics

R-squared 0.945288 Mean dependent var 20.35796

Adjusted R-squared 0.944808 S.D. dependent var 27.54114
S.E. of regression 1.303301 Sum squared resid 387.2796
Durbin-Watson stat 0.208027

Unweighted Statistics

R-squared 0.715749 Mean dependent var 6.009887

 10

Sum squared resid 401.5490 Durbin-Watson stat 0.050460

Dependent Variable: LNKK? Model 3

Method: Pooled Least Squares
Date: 01/06/15 Time: 14:04
Sample: 1 7
Included observations: 7
Cross-sections included: 33
Total pool (balanced) observations: 231

Variable Coefficient Std. Error t-Statistic Prob.

LPE? -0.303148 0.024766 -12.24040 0.0000

LN X? -0.010024 0.041105 -0.243876 0.8075
LNINVES? 1.056977 0.059940 17.63404 0.0000

R-squared 0.620600 Mean dependent var 14.36874

Adjusted R-squared 0.617272 S.D. dependent var 1.031437
S.E. of regression 0.638099 Akaike info criterion 1.952255
Sum squared resid 92.83480 Schwarz criterion 1.996962
Log likelihood -222.4855 Hannan-Quinn criter. 1.970287
Durbin-Watson stat 0.038901

Dependent Variable: LNKK? Model 4

Method: Pooled EGLS (Cross-section weights)
Date: 01/06/15 Time: 14:09
Sample: 1 7
Included observations: 7
Cross-sections included: 33
Total pool (balanced) observations: 231
Linear estimation after one-step weighting matrix

Variable Coefficient Std. Error t-Statistic Prob.

LPE? -0.310572 0.007173 -43.29742 0.0000

LN X? -0.001913 0.008974 -0.213166 0.8314
LNINVES? 1.049375 0.013010 80.65891 0.0000

Weighted Statistics

R-squared 0.942084 Mean dependent var 48.33706

Adjusted R-squared 0.941576 S.D. dependent var 56.08753
S.E. of regression 0.633672 Sum squared resid 91.55130
Durbin-Watson stat 0.205216

Unweighted Statistics

R-squared 0.620211 Mean dependent var 14.36874

Sum squared resid 92.92993 Durbin-Watson stat 0.038457