Ekonometrika dasar
Cabang ilmu yang menggunakan konsep dasar ekonomi, statistik, dan matematika
untuk menganalisis hubungan antara variabel ekonomi dalam suatu konteks
empiris.
Membantu memahami dan menjelaskan fenomena ekonomi dengan
menggunakan model statistik.
Ekonometrika ini terdiri atas dasar-dasar ekonometrika, regresi sebagai alat
analisis utama ekonometrika, mengestimasi regresi, asumsi OLS, regresi dengan
variabel kualitatif, regresi dinamis, model persamaan simultan, regresi data time
series, dan data panel.
Konsep dasar dalam ekonometrika dasar:
- Model Ekonometrik, Metode Statistik
- Variabel Dependen dan Variabel Independen
- Hipotesa
- Parameter
- Tingkat Error
Variabel Dependen (Y) dan Independen (X) :
Dalam analisis ekonometrik, kita memiliki satu atau lebih variabel dependen (Y) yang
ingin kita pahami atau prediksi, serta satu atau lebih variabel independen (X) yang dapat
memengaruhi variabel dependen. Variabel independen ini juga disebut sebagai prediktor
atau variabel eksplanatori.
Model Ekonometrik:
Model ekonometrik adalah persamaan matematis yang digunakan untuk
menggambarkan hubungan antara variabel dependen dan independen. Model ini
umumnya memiliki bentuk regresi linear, yang mencoba mengukur efek variabel
independen terhadap variabel dependen. Persamaan regresi linear umumnya terlihat
seperti ini: Y = β0 + β1X + e
Y adalah variabel dependen.
X adalah variabel independen.
β0 adalah intercept (nilai Y ketika X = 0).
β1 adalah koefisien regresi, yang mengukur perubahan Y saat X berubah sebesar
satu satuan.
e adalah kesalahan acak.
Estimasi Parameter:
Langkah selanjutnya adalah mengestimasi nilai parameter (β0 dan β1) dalam model
regresi menggunakan teknik statistik, seperti metode kuadrat terkecil (least squares).
Estimasi ini dilakukan untuk menemukan parameter yang memberikan "pendekatan
terbaik" terhadap data yang sebenarnya.
Evaluasi Model:
Setelah model ditemukan, model tersebut harus dievaluasi untuk melihat sejauh mana
cocok dengan data. Ini melibatkan pengujian hipotesis statistik tentang koefisien regresi,
menilai kecocokan model dengan melihat statistik seperti R-squared (koefisien
determinasi), dan memeriksa asumsi-asumsi model regresi.
Interpretasi Hasil:
Hasil dari model digunakan untuk menginterpretasikan efek dari variabel independen
terhadap variabel dependen dalam konteks masalah yang sedang dipelajari. Ini
membantu kita memahami bagaimana perubahan dalam variabel independen dapat
memengaruhi variabel dependen.
Prediksi:
Model ekonometrik dapat digunakan untuk melakukan prediksi. Anda dapat
memasukkan nilai-nilai variabel independen ke dalam model untuk memprediksi nilai
variabel dependen.
Y = β0 + β1X + e
1. Y : variabel dependen
2. X : variabel independen
pasangan data (x1,y1), (x2,y2), ......, (xn,yn), maka hubungan fungsional pasangan
data tersebut dijelaskan dalam model regresi linier sederhana dan dapat dibuat
diagram pencar.
3. n = sampel data
Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki
adalah 5%, maka jumlah sampel yang digunakan adalah :
N = 125 / 125 (0,05)2 + 1 = 95,23, dibulatkan 95
satuan.
Rumus : β1 = [n Σ xy - (Σ x) (Σ y)] / [n Σ x² - (Σx)²]
6. e adalah kesalahan acak atau merupakan perbedaan antara nilai aktual dan nilai prediksi,
dan dapat dihitung dengan mengurangi nilai aktual dari nilai prediksi.
Rumus e = Y - Y^,
KD Kuatnya hubungan antar variabel dapat diukur melalui nilai koefisien korelasi (r)
yang nilainya berada pada rentang ‒1 sampai 1. Sementara kuadrat dari korelasi
disebut dengan koefisien determinasi (KD atau R2) yang nilainya menunjukkan
seberapa besar pengaruh variabel bebas terhadap variabel terikat.
Rumus (teknik koefisien korelasi Pearson) :
r = (n . Σxy - Σx . Σy) / sqrt((n . Σx^2 - (Σx)^2) . (n . Σy^2 - (Σy)^2))
Jika nilai yang ditunjukkan lebih besar dari nol, maka dapat disimpulkan bahwa terjadi
hubungan yang positif antara dua variabel tersebut, Sebaliknya, jika nilai yang
ditunjukkan lebih kecil dari nol, maka hubungan yang terjadi antara dua variabel
tersebut disimpulkan negatif.
0 : Tidak ada korelasi antara dua variabel
0 - 0,25 : Korelasi sangat lemah
0,25 - 0,5 : Korelasi cukup
0,5 - 0,75 : Korelasi kuat
0,75 - 0,99 : Korelasi sangat kuat
1 : Korelasi hubungan sempurna positif
-1 : Korelasi hubungan sempurna negatif
8. Menyelidiki Signifikansi dan Pengujian Hipotesis
Caranya dilakukan dengan membandingkan besar nilai t tabel dan t hitung. Untuk nilai
t tabel dapat diperoleh dari tabel uji t. Sementara nilai t hitung dapat dipeorleh melalui
perhitungan menggunakan rumus berikut.
Jika t hitung lebih kecil dari t tabel maka H0 diterima atau H1 ditolak.
Jika t hitung lebih besar dari t tabel maka H0 ditolak atau H1 diterima.
Hipotesis:
H0 : β0 = 0 (tidak terdapat hubungan yang signifkan)
H1 : β0 ≠ 0 (terdapat hubungan yang signifikan)
Tingkat signifikansi: α = 1%, α = 5%,, α = 10%,
Statistik uji: tolak H0 jika |thitung| > ttabel
9. Melakukan Prediksi
Prediksi dilakukan dengan memasukkan nilai variabel independen pada model
ekonometrika
Pengerjaan contoh soal regresi linear sederhana secara manual akan sangat rumit untuk
data yang sangat banyak. Sehingga pengerjaan contoh soal regresi linear sederhana
untuk data yang sangat banyak lebih baik dilakukan dengan alat bantu atau software.
Beberapa software yang dapat digunakan antara lain excel, Minitab, SPSS, R, Eviews,
SAS, dan lain sebagainya.
Contoh soal regresi linear sederhana dengan kecil/sedikit dapat dilakukan tanpa software
atau secara manual.
1. Persamaan regresi antara jumlah pupuk (x) dalam kg dengan produksi padi (y)
dalam kwintal adalah : Y = 2,4 + 0,3X
a. Apa arti dari persamaan regresi ini ?
b. Sebutkan variabel dependen dan independen nya
c. Apa artinya, Jika Hasil perhitungan koofisien korelasi antara jumlah pupuk
dengan produksi padi adalah barang yaitu r = 0,99 dan koefisien determinasi
R^2 = 0,9801.
d. Bila pupuknya ditambah sebanyak 50 kg, berapa perkiraan hasil produksi padi ?
2. Jika warga kecamatan Cigawir berjumlah 2000 orang, usia < 15 tahun 600 orang
dan sisanya usia >=15 tahun. Berapa sampel penelitian di wilayah tersebut dengan
kriteria responden berusia > = 15 tahun.
1 19 10
2 14 8
3 14 7
4 10 7
5 13 8
6 16 9
7 7 4
8 11 6
Soal:
Sebuah perusahaan ingin mengetahui bagaimana pengaruh besarnya iklan terhadap
jumlah pendapatan yang diterima. Perusahaan tersebut memiliki data biaya iklan dan
pendapatan seperti yang ditunjukkan tabel berikut (dalam satuan juta rupiah).
15 65
13 61
14 60
15 63
13 59
14 62
12 56
14 62
13 60
12 61
Tentukanlah:
i) Persamaan regresi linear sederhana
ii) Biaya iklan yang dikeluarkan untuk memperoleh pendapatan Rp35.000.000,00
Secara umum, langkah pengerjaan contoh soal regresi linear sederhana meliputi
beberapa tahapan berikut.
Mencari tahu apakah variabel-variabel memiliki hubungan linear atau tidak.
Caranya dapat dilakukan dengan mengamati diagram pencar dari variabel-variabel
yang digunakan.
Menentukan mana variabel terikat (X) dan mana variabel bebas (Y).
Rumus :
1. Persamaan Regresi Sederhana
Y = β0 + β1X + e
Y adalah variabel dependen.
X adalah variabel independen.
β0 adalah intercept (nilai Y ketika X = 0).
β1 adalah koefisien regresi, yang mengukur perubahan Y saat X berubah
sebesar satu satuan.
e adalah kesalahan acak.
2. Hipotesis
H0 tidak terdapat pengaruh/hubungan antara X dan Y
H1 terdapat pengaruh/hubungan antara X dan Y
3. Tentukan variabel X dan Y .. jumlah data SAMPEL
Rumus Slovin (dalam Riduwan, 2005:65)
4. Rumus β0 dan β1
7. Rumus uji t
Uji Hipotesis:
H0 : β0 = 0 (tidak terdapat hubungan yang signifkan) jika t hitung < t tabel
H1 : β0 ≠ 0 (terdapat hubungan yang signifikan) jika t hitung > t tabel
Jika nilai hasil perhitungan t hitung lebih kecil dari t tabel maka H0 diterima atau
H1 ditolak. Jika nilai hasil perhitungan t hitung lebih besar dari t tabel
maka H0 ditolak atau H1 diterima.
8. Prediksi
Tinggal kita masukkan variabel x (prediksi) untuk menghitung variabel Y (prediksi)
Soal :
Suatu data penelitian tentang berat badan 10 mahasiswa yang diprediksi dipengaruhi
oleh konsumsi jumlah kalori/hari. Bagaimana menganalisis kasus ini ?
Untuk menganalisis kasus ini, hal-hal dilakukan adalah :
1. Tentukan hipotesis :
apakah konsumsi jumlah kalori/hari mempengaruhi berat badan mahasiswa.
Data :
No. Nama Mahasiswa Kalori/ hari (X) Berat Badan (Y)
1 Dian 530 89
2 Echa 300 48
3 Winda 358 56
4 Kelo 510 72
5 Intan 302 54
6 Putu 300 42
7 Aditya 387 60
8 Anita 527 85
9 Sefia 415 63
10 Rosa 512 74