Nama: Orbit Varasta Prakosa

NIM: F0121184 | Kelas: A

S-1 Ekonomi Pembangunan
UTS Ekonometrika II

Jawab:

Penurunan permintaan agregat (dapat dicerminkan dalam pendapatan agregat)

yang mempengaruhi kondisi perekonomian Indonesia pada masa pandemi menjadikan
analisis mengenai hal-hal apa saja yang dapat mempengaruhi permintaan agregat penting
untuk dilakukan. Pengaruh kebijakan moneter dan fiskal tentu menjadi determinan yang
penting dalam hal ini. Kebijakan fiskal seperti ekspor-impor, belanja pemerintah,
konsumsi agregat, dan investasi merupakan faktor-faktor yang dapat mempengaruhi
tingkat pendapatan nasional.
Dalam menganalisis hal ini, akan digunakan teori Mundell-Fleming, terkhusus
pada pasar barang. Dalam membangun teorinya, Mundell-Fleming menjelaskan asumsi
 seperti: perekonomian terbuka kecil dengan mobilitas sempurna, yang pada implikasinya
adalah suku bunga perekonomian sama dengan suku bunga dunia.
Adapun model atau persamaan matematis Model Mundell-Fleming pada pasar
barang adalah sebagai berikut.
𝑌 = 𝐶 (𝑌 − 𝑇) + 𝐼(𝑟) + 𝐺 + 𝑁𝑋(𝑒)
Persamaan di atas menjelaskan bahwa pendapatan agregat Y dipengaruhi oleh
tingkat konsumsi C, investasi I—yang berhubungan negatif dengan suku bunga r, belanja
pemerintah G, dan ekspor neto NX—yang berhubungan negatif dengan kurs e. Analisis
pengaruh dari persamaan ini akan dituangkan dalam model ekonometrika berikut.
𝑌 = 𝛼 + 𝛽1 𝐶 + 𝛽2 𝐼 + 𝛽3 𝐺 + 𝛽4 𝐸 + 𝛽5 𝐼𝑀 + 𝑢
Di mana:
Y = Pendapatan nasional
𝛼 = konstanta/intersep
𝛽1 , 𝛽2 , 𝛽3 , 𝛽4 , 𝑑𝑎𝑛 𝛽5 = koefisien estimasi masing-masing variabel
𝑢 = residual

Jawab:
Diketahui bahwa perbedaan antara Model 1 dan Model 2 adalah di mana model 2
memasukkan variabel lnYDt*lnW di dalam persamaan. Akan dilakukan pemilihan model yang
terbaik dengan menggunakan indikator goodness of fit, dan pendekatan uji F.
Berdasarkan hasil estimasi regresi Model 1, seluruh variabel independen signifikan
mempengaruhi variabel dependen dilihat dari signifikansi dalam uji t. Nilai R2 juga
menunjukkan hasil yang sangat tinggi, di mana variasi variabel bebas berkontribusi terhadap
variasi variabel terikat sebesar 99,99%. Hasil uji F juga menunjukkan nilai yang signifikan,
sehingga keseluruhan variabel signifikan mempengaruhi total konsumsi. Namun, DW stat yang
berada di angka 1.289219 berada di dalam rentang nilai batas atas dan bawah tabel DW 1.247-
1.548 menandakan bahwa terdapat gejala autokorelasi pada persamaan regresi.
Hasil dari estimasi regresi Model 2 menunjukkan hasil yang hampir sama dengan
Model 1. Namun, diketahui bahwa secara parsial variabel Interest tidak signifikan
mempengaruhi variabel total konsumsi. Selain itu, nilai R2 juga lebih tinggi dari hasil estimasi
Model 1. Perbedaan juga terletak pada kenaikan nilai DW, meskipun nilai ini tidak
menunjukkan tidak adanya gejala autokorelasi. Dengan demikian, berdasarkan analisis
goodness of fit, kita dapat menyimpulkan bahwa model 2 lebih baik dari model 1.

Selanjutnya akan dianalisis apakah penambahan variabel baru seperti pada Model 2
akan menambah kualitas model untuk menentukan model terbaik. Dalam hal ini, akan
dilakukan pendekatan uji F dengan perhitungan sebagai berikut.
2 2
(𝑅𝑁𝐸𝑊 − 𝑅𝑂𝐿𝐷 ) ⁄𝑑𝑓 (0,999731 − 0,999560) ⁄1
𝐹= 2 = = 34,3
(1 − 𝑅𝑁𝐸𝑊 )/𝑑𝑓 (1 − 0,999731)/54

Berdasarkan hasil uji F di atas, diketahui bahwa nilai F signifikan. Hal ini mendukung
jawaban awal, sehingga dapat disimpulkan Model 2 lebih baik dari Model 1.

Jawab:

a. Dalam membangun model ekonometrika, sangat dibutuhkan variabel bebas yang

bersifat independen, atau tidak adanya faktor-faktor lain yang mempengaruhi variabel
bebas. Stasioneritas atau data yang stasioner merujuk pada kondisi di mana sebuah data
runtut waktu tidak dipengaruhi oleh waktu. Lebih jauh, data runtut waktu dapat
dikatakan stasioner jika rata-rata distribusi dan rata-rata varians distribusi tidak
dipengaruhi waktu (syarat stasioner kuat). Selain itu, kovarian populasi pada dua titik
waktu hanya dipengaruhi oleh jarak dua data, bukan oleh waktu (syarat lemah).
b. Model ARCH dan GARCH cocok digunakan untuk menganalisis data yang memiliki
volatilitas tinggi. Data dengan volatilitas tinggi merujuk pada data yang sangat
fluktuatif atau mempunyai varians yang tidak konstan. Dalam analisisnya, kedua model
ini dapat menggambarkan fluktuasi data di masa depan menggunakan data-data di tahun
lalu.

Jawab:
a. 𝜋𝑡 = 𝑎0 + 𝑎1 𝑖𝑡 + ∑𝑚
𝑖=1 𝛼𝑖 𝜋𝑡−1 + 𝜀𝑡

b. Dalam uji ADF, diketahui hipotesis uji adalah sebagai berikut.

H0 : Data bersifat stasioner
 H1 : Data tidak bersifat stasioner
Berdasarkan output uji ADF, diketahui bahwa data tingkat inflasi dan suku bunga
acuan tidak stasioner karena nilai signifikansi t berada di atas 0,05.

Jawab:
Berdasarkan signifikansi dari residual, diketahui bahwa signifikansi uji t berada di
bawah 0,05. Hal ini menunjukkan bahwa terdapat kointegrasi antara kedua variabel, atau
terdapat hubungan jangka panjang antara inflasi dan suku bunga acuan.
Jawab:
c. 𝜋𝑡 = 𝜆𝑎0 + (1 − 𝜆)𝜋𝑡−1 + 𝜆𝑎1 𝑖𝑡 + 𝜀𝑡
Persamaan di atas adalah model Partial Adjustment Model dari persamaan dinamika
inflasi dan suku bunga acuan di Indonesia. Model PAM sudah memasukkan notasi
𝜆 sebagai bentuk penyesuaian antara target dari inflasi dengan aktualisasi inflasi
yang telah terjadi.
d. Berdasarkan output uji ECM di atas, diketahui bahwa pada jangka pendek, variabel
BI Rate signifikan mempengaruhi variabel inflasi dengan koefisien sebesar
2,455167. Dengan kata lain, jika variabel bebas lain dianggap konstan, kenaikan
1% BI Rate akan menaikkan Inflasi sebesar 2,455167%. Sementara itu, variabel BI
Rate di periode t-1 tidak mempengaruhi inflasi secara signifikan tetapi mempunyai
hubungan yang negatif. Namun demikian, kedua variabel bebas secara simultan
mampu mempengaruhi Inflasi dalam jangka pendek berdasarkan nilai F yang
signifikan. Adapun nilai R2 menunjukkan bahwa dalam jangka pendek, variasi
kedua variabel bebas hanya mampu menjelaskan variasi Inflasi sebesar 33,2%
e. Berdasarkan uraian interpretasi di atas, dapat disimpulkan bahwa dalam jangka
pendek, suku bunga acuan mempunyai pengaruh positif signifikan terhadap inflasi.
Jawab:
a. PLS

b. FEM
c. REM

d. Analisis Uji-Uji Panel Data

1. Uji Chow (Membandingkan Model Pool dengan FEM)
 Hipotesis nol uji Chow adalah menggunakan PLS. Berdasarkan hasil uji, diketahui
bahwa probabilitas Cross-section F adalah signifikan. Berdasarkan hal ini, maka
hipotesis nol ditolak, atau dengan lain, penggunaan FEM dinilai lebih baik.
2. Uji Hausman

Hipotesis nol uji Hausman adalah menggunakan REM. Berdasarkan hasil uji,
diketahui bahwa probabilitas Cross-section Random adalah signifikan. Berdasarkan
hal ini, maka hipotesis nol ditolak, atau dengan lain, penggunaan FEM dinilai lebih
baik.
Kesimpulan: Berdasarkan pengujian di atas, dapat disimpulkan bahwa model
terbaik yang dapat digunakan adalah model FEM. Adapun Uji LM yang digunakan
untuk memilih antara PLS dan REM menjadi tidak diperlukan lagi.