Rasidin Karo Karo S Aplikasi Keseimbangan Umum

PENGANTAR PENULIS
Seiring dengan perkembangan kemajuan teknologi di bidang komputer,

muncul berbagai program yang diciptakan khusus untuk membantu dalam
komputasi yang sangat bermanfaat terutama dalam pengolahan data model-
model keseimbangan umum, sehingga pengolahan data menjadi lebih mudah,
lebih cepat, dan akurat. Program Statistical Analysis System merupakan sebuah
perangkat lunak komputer yang mampu memproses data statistik dengan cepat
dan akurat. Kemampuannya menampung data sangat tergantung pada
perangkat keras (hardware) yang tersedia. Buku ini menjelaskan Aplikasi
Program Komputer SAS khusus untuk model-model ekonomi keseimbangan
umum. Tersedia beberapa versi SAS yang dikeluarkan oleh SAS Institute,
namun pada prisipnya seluruh prosedur yang ada dalam buku ini berlaku untuk
seluruh versi yang ada.
Pesatnya penggunaan alat analisis model ekonomi keseimbangan
umum, sehingga para ahli komputer dan ekonomi regional umumnya
mengembangkan beberapa ”program khusus” yang berkaitan dengan model-
model tersebut. Perangkat-perangkat lunak yang dikembangkan ini dengan
cepat menghasilkan suatu output yag diinginkan. Beberapa contoh perangkat
lunak khusus yang ada sekarang adalah GRIMP 7.2, Phyton Input-Output
(PyIO) dan MATS. Umummnya para pengguna kurang memahami proses
iterasi yang dikeluarkan oleh program tesrebut. Tujuan dari buku ini adalah
agar pengguna lebih memahami bagaimana proses iterasi dalam menghasilkan
output dari analisis ekonomi keseimbangan umum secara lengkap. Sehingga
buku ini sangat baik bagi pengguna sebagai suatu pendukung dalam kegiatan
perencanaan kebijakan.
Buku ini disusun dengan harapan dapat mengatasi kesulitan-kesulitan
pengguna untuk pemahaman teknik analisis ekonomi keseimbangan umum dan
proses SAS dilengkapi dengan contoh-contoh aplikasi empiris yag detail dan
sistematis, yang ditulis sedemikian rupa dengan harapan pengguna dapat
memahami aspek teknis dengan mudah namun tidak mengurangi kualitas dari
hasil pengolahan data. Buu ini disajikan dalam bahasa program SAS Iterasi
Matrix Language (SAS/IML) yang sederhana dan mudah dicerna, serta
menjelaskan dengan ringkas uraian dasar-dasar analisis ekonomi yang
berhubungan dengan contoh kasus yang disajikan. Buku ini disusun dari bahan
kegiatan-kegiatan selama melakukan pelatihan-pelatihan, dan untuk
memudahkan dan mempercepat pemahaman aplikasi program SAS, maka
setiap disertakan contoh kasus, mulai dari cara menciptakan gugus data,
menciptakan matriks dengan menunjukkan proses iterasi matriks tesrebut.
v
Sebagai bagian dari suatu proses, mungkin masih banyak ditemui
kesalahan dan kekurangan dalam buku ini. Oleh karena itu, penulis mengajak
pembaca untuk memberikan saran dan kritik. Pembaca yang ingin memberikan
saran dan kritik untuk perbaikan buku ini dapat mengirim lewat e-mail:
rasid888@yahoo.com atau mssinaga@yahoo.com.
Bogor, Agustus 2006

Penulis,
Rasidin Karo-Karo Sitepu

Bonar M. Sinaga
vi
BAB I
PENDAHULUAN
1.1. Kandungan Buku Ini

Buku ini terdiri dari sembilan Bab. Bab I, dijelaskan tentang
sistematika dan teknik dalam menguasai buku ini sendiri. Bab II, menjelaskan
tentang bagaimana kita harus mengoperasikan SAS secara umum dan
SAS/IML. Bab III, menjelaskan secara ringkas dan tepat tentang cara kerja
matriks. Bab IV, menjelaskan tentang model input-output yang dirangkum
dalam pengantar model input-output. Sedangkan Bab V, menjelaskan tentang
aplikasi model input-output tentunya contoh ini diaplikasi dalam perangkat
SAS/IML. Bab VI dan VII, diuraikan tentang pengantar Social Accounting
Matrix (SAM) dan sekaligus menjelaskan contoh aplikasi dengan
menggunakan SAS/IML. Bab VIII dan IX, menjelaskan tentang metode yang
digunakan untuk mengupdate dan menyeimbangkan tabel input-output, yaitu
metode RAS, dan selanjutnya diikuti dengan sebuah contoh aplikasi yang
diterapkan pada SAS/IML, dan Bab X menjelaskan tentang bagaimana cara
mengimpor dan mentrasfer dataset menjadi sebuah matriks dan sebaliknya,
menjelaskan bagaimana sebuah matriks diciptakan menjadi dataset dan
selanjutnya ditransfer dengan menggunakan ekspor ke dalam bentuk microsfot
excell. Bab X penting untuk diketahui karena jika matriks kita berukuran
besar, maka sangat sulit untuk melihatnya di dalam layar OUTPUT, sehingga
lebih baik ditransfer ke dalam extension *.xls.
1.2. Sistematika Penulisan

Setiap pernyataan atau prosedur akan diuraikan secara ringkas
kegunaannya, kemudian diikuti dengan teknik penulisan pernyataan.
Selanjutnya akan dijelaskana secara detail dari masing-masing pernyataan
yang diikuti dengan suatu contoh atau teladan sebagai latihan agar lebih dapat
memahami makna, teknik dan fungsi dari pernyataan. Pada setiap pernyataan
tanda branket (< >) merupakan suatu pilihan begitu juga dengan tanda bar ( | )
dan pilihan-pilihan tersebut dapat digunakan sesuai dengan kebutuhan. Berikut
adalah ringkasan sistematika penulisan buku ini:
Pertama, rangkaian suatu pernyataan program dan hasil program
diketik dengan menggunakan tulisan arial. Kedua, didalam teks paragrah, baik
nama matriks, dataset, ditulis dengan HURUF BESAR. Ketiga, syntax
command atau function matrix dituliskan dengan HURUF BESAR yang
dihitamkan.
Bab 1. Pendahuluan
1.3. Sasaran
Sasaran dari buku ini adalah mahasiswa, praktisi dan masyarakat
awam. Mahasiswa yang dimaksud disini adalah mahasiswa yang mendalami
ilmu ekonomi baik program strata satu (S1) maupun strata dua (S2). Buku ini
dapat dijadikan dasar diskusi lanjutan tentang model lanjutan model IO dan
SAM seperti computable general equilibrium model (CGE). Selain bermanfaat
bagi mahasiswa dalam penulisan skripsi, buku ini juga bermanfaat bagi praktisi
kebijakan pembangunan, khususnya yang bergerak di bidang seperti
perencanaan ekonomi, potensi wilayah atau pengembangan wilayah. Selain itu
bermanfaat bagi masyarakat awam yang ingin mempelajari keterkaitan antara
sektor dalam suatu perekonomian.
1.4. Tujuan
Dengan pesatnya penggunaan alat analisis model input-output,
sehingga para ahli komputer dan ekonomi regional pada umumnya,
mengembangkan beberapa program instan yang berkaitan dengan model input-
output tersebut. Perangkat-perangkat lunak yang dikembangkan ini dengan
dengan cepat menghasilkan suatu matriks yang kita inginkan. Contoh
perangkat lunak instan yang ada sekarang adalah GRIMP 7.2, Phyton Input-
Output (PyIO), dan MATS. Kebanyakan para mahasiwa umumnya, tidak
mengerti akan proses iterasi yang dilakukan oleh program instan tersebut.
Tujuan dari buku ini adalah agar mahasiwa lebih memahami bagaimana proses
iterasi dalam menghasilkan suatu analisis input-output secara lengkap.
1.5. Teknik Mengusai Buku Ini

Hal yang perlu diketahui pertama sekali adalah formula dalam
menghasilkan suatu matriks yang akan dituangkan kedalam SAS/IML.
Sedemikian rupa sehingga disamping perlu pemahaman bagaimana cara kerja
SAS/IML itu sendiri, kita juga harus secara pasti mengerti formula untuk
menghasilkan suatu matriks yang kita inginkan, misalnya formula dari
koefisien teknologi:
( )
A = Z Xˆ
−1
Formula di atas bertujuan untuk menghasilkan koefisien teknologi, catat bahwa

operasi aljabar matriks seluruhnya dapat dibaca oleh SAS/IML. Operasi aljabar
matriks dan feature-feature yang ada dapat pembaca lihat pada texbook
karangan Alpha Chiang, Fundamental Method of Mathematical Economics.
Third Edition, Tahun 1984.
2
BAB 2
PENGANTAR SAS
2.1. Mengenal SAS

Telah banyak softwares untuk analisis statistik yang digunakan oleh
para mahasiswa dan peneliti, antara lain TSP, Microstat, Minitab, SPSS,
Statitica, dan lain-lain. Salah satu software yang paling lengkap dan handal
diantara perangkat lunak di atas adalah program Statistical Analysis System
(SAS). SAS dibuat oleh sekelompok ahli statistik, ekonomi dan komputer yang
dibagi ke dalam beberapa modul. Salah satu modul dari SAS adalah Model
Statistical Analysis System/Iteration Matrix Language (SAS/IML).
Dengan kelengkapan modul SAS tersebut, maka hampir semua analisis
statistik tersedia dalam program ini. Meskipun tidak tersedia, kita dapat
membuat program sendiri dengan bantuan SAS/IML atau SAS Language.
Dengan demikian dapat disimpulkan bahwa SAS merupakan program yang
sangat lengkap dan terpadu untuk analisis statistik dan database. Program SAS
sangat handal digunakan dalam proses data yang sangat besar, dan yang lebih
penting lagi adalah tidak ada batasan jumlah variabel dan pengamatannya.
Disamping itu hasil output SAS juga jauh lebih baik dan lebih mudah
membacanya diantara perangkat-perangkat lunak yang telah berkembang
dipasaran. Besarnya database dan kecepatan kinerja dari perangkat lunak SAS
tersebut sangat tergantung pada kemampuan hardware komputer anda sendiri.
Ini salah satu kelebihan dari program SAS karena SAS tidak pernah membatasi
jumlah variabel dan jumlah pengamatan atau observasi pada saat melakukan
running data.
Softwares SAS versi 6.12 dapat beroperasi dengan baik pada Windows
98 Second Edition atau Windows XP Service Park 1, tetapi tidak dapat
dioperasikan pada Windows Melenium. Dalam edisi perdana buku ini, kami
hanya menjelaskan prosedure SAS/IML yang umum diunakan untuk
memecahkan model Input-Ouput, Social Accounting Matrix dan metode RAS.
2.2. Mengoperasikan SAS

Sebelum mengaktifkan program SAS anda harus terlebih dahulu
melakukan instalasi program SAS ke dalam komputer anda (dianggap bahwa
program SAS telah terinstall pada komputer anda). Jika hal itu telah dilakukan
maka untuk mengoperasikan program SAS dapat diikuti langkah-langkah
berikut ini:
Bab 2. Pengantar SAS
1. Lakukan penyesuaian tahun komputer pada tahun 1997. Dengan kata lain
setting tahun komputer ditentukan pada tahun 1997. Jika tahun komputer
tidak dirubah ke tahun 1997, maka program SAS tidak dapat beroperasi.
2. Klik Start + Klik Program + Klik The SAS System
3. Selanjutnya, klik atau pilih The SAS System for Windows v.6.12, sehingga
muncul program SAS seperti pada Gambar 2.1.
Gambar 2.1: Display Program SAS
Jika prosedur diatas telah dilakukan, maka pada saat pertama aktif,
program SAS muncul dengan tiga 3 window (Gambar 2.1). Berikut akan
dijelaskan keguanaan dan fungsi dari masing-masing window tersebut, yaitu:
a. PROGRAM EDITOR.
Berfungsi sebagai tempat penulisan statement-statement atau rangkaian
pernyataan yang disusun untuk membangun gugus data maupun program
pengolahan data.
4
Aplikasi Model Ekonomi Keseimbangan Umum
b. OUTPUT.
yaitu merupakan bagian layar yang berfungsi untuk menampilkan output
atau hasil dari eksekusi program.
c. LOG.
merupakan bagian layar yang berfungsi untuk menampilkan tentang pesan
dari sistem SAS, baik informasi yang benar atau salah tentang prosedur
program
Untuk dapat berpindah dari window satu ke window lainnya cukup

dengan melakukan klik pada windows yang anda inginkan. Cara lain juga
dapat dilakukan dengan melakukan Klik pada menu Window yang ada di
Toolbars sehingga muncul menu pop up berikut ini:
Gambar 2.2: Menu Pop Up Window
Selanjutnya klik layar mana yang anda inginkan. Jika anda ingin ke
window PROGRAM EDITOR seperti pada contoh, maka klik PROGRAM
EDITOR sehingga akan aktif tanda centang, dengan demikian anda sekarang
berada di layar PROGRAM EDITOR. Jika ingin berpindah ke layar lain,
maka selanjutnya klik kembali seperti layar yang anda butuhkan. Jika anda
ingin bekerja dengan layar penuh (full), lakukan double klik pada window
yang anda inginkan. Beberapa tombol yang paling sering digunakan:
F1 fasilitas help
F4 recall (memanggil kembali pernyataan program)
F6 pindah ke window log
F7 pindah ke window output
F5 pindah ke window program editor
F8 mengeksekusi program (submit)
5
2.3. Komentar
Dalam membuat atau menuliskan rangkaian suatu program, kita dapat
membuat pesan atau komentar pada setiap pernyataan, tujuan dari komentar ini
adalah untuk memudahkan kita, memahami program atau pernyataan apa yang
kita lakukan agar dapat dimengerti dan mudah diingat ketika kita ingin
mengevaluasi kembali pernyataan yang kita tuliskan. Penulisan komentar
tersebut adalah:
/* …………………. */
Atau
* ……………………..;
Kedua pernyataan di atas tidak diproses oleh program SAS. Karena hal ini
hanya merupakan sebuah komentar.
Contoh:
/* matriks diagonal */
Atau
* matriks diagonal;
2.4. Contoh Aplikasi Modul SAS/IML

Berikut ini adalah sebuah contoh pengantar aplikasi dengan tujuan
untuk memahami penggunaan berbagai penggunaan tombol, penggunaan menu
WINDOW dan penulisan komentar. Ketikkan pernytaan berikut ini pada
PROGRAM EDITOR:
/* Pernyataan Yang Harus Dituliskan */

proc iml;
* membuat matriks Z;
Z = {1 2 3,
4 5 6,
7 8 9};
/* mencetak matriks Z ke layar output */

print z;
6
Klik tombol pada Toolbars atau tekan tombol F8 untuk

menjalankan program (summit program). Hasil program ditampilkan pada
Output 2.1. berikut ini:
Output 2.1
The SAS System 17:41 Tuesday, August 5, 1997 1
Z
1 2 3
4 5 6
7 8 9
Catatan Penting
1. Output 2.1. di atas ditampilkan pada window OUTPUT.
2. Selanjutnya anda pindah ke PROGRAM EDITOR (klik menu Window +
Klik PROGRAM EDITOR).
3. Ketika anda berpindah ke PROGRAM EDITOR maka rangkaian program
pernyataan diatas akan hilang.
4. Untuk memanggil kembali program yang hilang, anda dapat menekan
tombol F4 sekali. Atau dengan Klik Locals + Klik Recall text. Sehingga
program yang hilang akan muncul kembali.
5. Pada layar OUTPUT juga akan ditampilkan waktu komputer seperti
17:41 Tuesday, August 5, 1997 1
Yang pertama ditampilkan adalah Jam, Hari, Bulan, Tanggal, Tahun dan
Halaman output. Anda dapat menghilangkan waktu komputer tersebut,
dengan cara menuliskan pernyataan pilihan NODATE di PROGRAM
EDITOR. Tapi sebelumnya anda harus bersihkan layar OUTPUT
sebelumnya dengan cara Klik Edit + Klik Clear text, tujuannya agar kita
mendapatkan hasil running program yang paling terakhir.
/* menghilangkan waktu komputer di lembar output */

options nodate nonumber;
/* Pernyataan Yang Harus Dituliskan */

proc iml;
7
* membuat matriks Z;
Z = {1 2 3,
4 5 6,
7 8 9};
/* mencetak matriks Z ke output */

print z;
Klik tombol di Toolbars atau tekan tombol F8 pada keyboard

untuk menjalankan program. Hasil program ditampilkan pada Output 2.2.
berikut ini:
Output 2.2
The SAS System
Z
1 2 3
4 5 6
7 8 9
Terlihat pada Output 2.2. bahwa waktu komputer tidak ditampilkan lagi pada
layar OUTPUT.
8
BAB 3
BAHASA MATRIKS DENGAN SAS/IML
3.1. Pendahuluan
SAS/IML merupakan modul dari program SAS yang selanjutnya akan
kita bahas bagaimana cara kerja dari SAS/IML. Prosedur SAS/IML ini perlu
kita pelajari untuk menyelesaikan model Input-Output (IO), Social Accounting
Matrix (SAM) dan metode RAS.
Khusus untuk pendekatan model IO dan SAM dan RAS, kita akan
langsung menggunakan bahasa matriks dengan menggunakan SAS/IML,
konsekuensinya kita harus memahami metode IO, SAM dan RAS itu sendiri
untuk memudahkan kita menuliskan dalam bahasa matematis kedalam bentuk
bahasa matriks yang tentunya dengan mengikuti yang ada di PROC Iteration
Matrix Language (PROC IML).
Prosedur SAS/IML bukan prosedur “instan”, oleh karena itu kita tidak
dapat langsung menghasilkan multiplier tanpa menuliskan formulanya.
Konsekuensinya adalah disamping kita harus mengerti formula dari metode
IO, SAM dan RAS itu sendiri, kita juga harus mengerti bagaimana cara kerja
dari SAS/IML. Ini lah tujuan kami memberikan teori IO, SAM dan RAS
kemudian memberikan aplikasi contoh dalam bahasa SAS/IML. Pada bagian
ini kita akan membahas dann menjelaskan ketiga metode yang akan kita bahas
diatas ada baiknya kita pahami beberapa command dan function matrix yang
terdapat pada ILM. Penjelasan dimulai dari mengenalkan SAS/IML, kemudian
diikuti dengan metodologi IO, SAM dan RAS dan kita akan membuat contoh
lengkap dari masing-masing metode tersebut.
3.2. Memahami SAS/IML

Data dasar untuk semua perintah operasi IML adalah matriks berukuran
dua dimensi (baris x kolom) dapat berupa matriks numerik atau karakter.
Matriks memiliki beberapa feature; yaitu:
• Elemen matriks dapat berupa karakter atau numerik. Elemen matriks
berupa karakter harus diberi tanda string (‘ ‘) atau (“ “) dengan panjang 1
s/d 3267 karakter.
• Matriks dapat diberi nama dengan panjang 1 s/d 8 karakter (lihat Sub
Bagian 3.3).
• Matriks memiliki dua dimensi yang didefinisikan oleh baris dan kolom.
Elemen matriks dapat juga mengandung nilai mising.
Bab 3. Bahasa Matriks dengan SAS/IML
Dimensi matriks didefinisikan oleh jumlah baris dan kolom. Sebuah

matriks berukuran ixj memiliki elemen yang diatur kembali di dalam baris, i
dan kolom, j. Berikut ini adalah susunan standard betuk matriks, yaitu:
✓ matriks berukuran 1 x j disebut vektor baris
✓ matriks berukuran i x 1 disebut vektor kolom
✓ matriks berukuran 1 x 1 disebut skalar.
3.3. Nama Matriks dan Matriks Literal

3.3.1. Pemberian Nama Matriks
Sebuah matriks dapat diberi nama, panjangnya 8 (delapan) karakter
yang diawali dengan huruf alphabet atau garis bawah yang kemudian diikuti
dengan karakter. Nama matriks yang ada bebas dari nilai, artinya bahwa pada
waktu tertentu anda dapat merubah nilai yang dihubungkan dengan nama
matriks tertentu, merubah dimensi matriks atau merubah tipe matriks (numerik
atau karakter). Berikut ini adalah contoh pemberian nama sebuah matriks,
yaitu nama matriks a dan matriks b, yaitu:
proc iml;
a=2;
b={1 3, 2 4};
print a b;
Prosedur ini akan menghasilkan matriks A berupa skalar dan matriks B

berukuran 2 x 2.
3.3.2. Matriks Literal

Matriks literal adalah matriks diwakili oleh nilainya. Ketika kita
menghadirkan sebuah matriks literal, secara sederhana kita dapat menentukan
nilai masing-masing elemen matriks. Matriks literal dapat memiliki elemen
tunggal (skalar) atau beberapa elemen yang atur di dalam bentuk segi-empat
(baris x kolom). Sekali lagi bahwa elemen matriks dapat berupa karakter atau
numerik. Dimensi matriks secara otomatis ditentukan dengan membubuhkan
tanda baca yang kita buat.
Jika elemen matriks banyak, gunakan tanda braces ({ }) selanjutnya
masukkan nilainya dan gunakan tanda koma (,) sebagai pemisah antara baris.
Di dalam tanda kurawal, semua elemen harus numerik atau semua elemen
harus karakter. Gunakan tanda koma (,) jika barisnya ingin berganda, semua
baris atau kolom harus memiliki jumlah elemen yang sama. Nilai yang diinput
kedalam matriks dapat diikuti dengan cara berikut ini:
10
1. Jumlah, dengan atau tanpa titik desimal, dan memungkinkan untuk

menulis dalam bentuk notasi scientific (contoh 1E-5).
2. Karakter string, karakter string dapat dimasukkan dalam salah satu tanda
single quotes (‘ ‘) atau double quotes (“ “). Contoh jika kita memasukkan
kata hello kita tuliskan: KATA=”hello” atau KATA=’hello’
3. Tanda (.) menggambarkan nilai mising.
4. Jumlah dalam tanda brankets ([ ]), menggambarkan pengulangan faktor,
atau pengulangan dari elemen matriks.
3.4. Menciptakan Matriks dari Matriks Literal

Menciptakan matriks menggunakan literal sangat mudah, secara
sederhana anda dapat menginput nilainya satu demi satu di dalam tanda braces
({ }). Menghadirkan matriks sebagai suatu matriks literal tidak hanya dengan
cara menciptakan matriks. Matriks dapat juga diciptakan sebagai hasil dari
suatu function, atau dengan penugasan. Di bawah ini adalah beberapa contoh
matriks literal sederhana, dengan elemen tunggal (scalar) dan dengan elemen
berganda (multiple element).
3.4.1. Literal Scalar

Berikut contoh definisi skalar sebagai literal. Contoh ini menyatakan
penugasan, dengan nama matriks di sisi sebelah kiri tanda sama dengan dan
nilainya sebelah kanan. Catat bahwa kita tidak membutuhkan penggunaan
tanda braces ({ }) jika elemen matriks adalah tunggal, yaitu:
proc iml;
a = 12;
b=.;
c = ‘hi there’;
d = “hello”;
3.4.2. Literal Numerik

Matriks literal dengan elemen banyak (multiple elements) harus
dimasukkan ke dalam tanda braces ({ }). Gunakan tanda koma untuk
pemisahan baris matriks. Sebagai contoh:
proc iml;
x = {1 2 3 4 };
print x;
ini akan menghasilkan vektor baris dengan nama matriks X, yaitu:
11
X
1 2 3 4
proc iml;
y = {1,2,3,4};
print y;
akan menghasilkan vektor kolom dengan nama matriks Y, yaitu:

Y
1
2
3
4
:
proc iml;
z = {1 2, 3 4, 5 6};
print z;
akan menghasilkan matriks literal berukuran 3 x 2 dengan nama Z, yaitu:
Z
1 2
3 4
5 6
berikut ini:
proc iml;
w = 3 # z;
print w;
menciptakan matriks W dimana masing-masing elemen matriks Z dikalikan

dengan 3 (tiga), sehingga menghasilkan:
W
3 6
9 12
15 18
12
3.4.3. Literal Karakter

Kita dapat menciptakan matriks literal karakter. Gunakan tanda single
quotes tunggal (‘ ‘) atau double quotes (“ “). Jika kita tidak menggunakan salah
satu tanda quote tersebut maka seluruh karakter akan dikonversi ke huruf
kapital, dan panjang elemen akan ditentukan oleh elemen yang terpanjang
(panjang elemen akan mengikuti elemen yang terpanjang).
a = {abc defg};
akan mengahasilkan matriks literal karakter dengan nama A berukuran 1 x 2

dengan panjang masing-masing elemen 4 karakter, yaitu:
A
ABC DEFG
penugasan:
a = {‘abc’ ‘DEFG’}
akan menghasilkan matriks karakter literal sesuai dengan aslinya, yaitu:

A
abc DEFG
Catat bahwa panjang elemen string masih tetap 4.
3.5. Pengulangan Faktor

Pengulangan faktor dapat ditempatkan di dalam tanda brackets ([ ])
sebelum elemen literal yang memiliki pengulangan elemen. Sebagi contoh,
ketikkan berikut ini:
proc iml;
Jawab={[2] ‘Yes’, [2] ‘No’};
print jawab;
diatas sama dengan dibawah ini:
proc iml;
Jawab={‘Yes’ ‘Yes’, ‘No’ ‘No’};
print jawab;
13
Kedua peryataan diatas akan menghasilkan matriks berukuran 2 x 2 dengan

nama JAWAB, yaitu:
JAWAB
Yes Yes
No No
3.6. Penugasan
penugasan dapat menciptakan suatu matriks dengan mengevaluasi
persamaan dan menugaskan hasilnya kedalam matriks. Persamaan dapat
terdiri dari operator (contoh, perkalian, penjumlahan matriks) atau operasi
fungsi matriks (contoh: matrix inverse). Penugasan memiliki bentuk umum
sebagai berikut:
result = expression;
dimana result adalah nama matriks baru dan expression adalah persamaan
yang dievaluasi, yang menghasilkan nama matriks baru. Sebagai contoh:
proc iml;
a={2 2, 3 4};
b={5,2};
hasil=a*b;
print a b hasil;
diatas akan menghasilkan matriks seperti berikut ini.

A B HASIL
2 2 5 14
3 4 2 23
3.7. Fungsi Sebagai Persamaan

Matriks dapat diciptakan sebagai hasil dari memanggil sebuah fungsi
(function) atau menggunakan function. Sebagai contoh dengan memasukkan
operasi function INV, yaitu:
a=inv(x);
di atas memanggil fungsi INV untuk menghitung matriks kebalikan (invesrse

matrix) X yang outputnya ditampung pada matiks A atau matriks kebalikan X
yang ditampung dengan nama matriks baru yaitu matriks A.
14
3.8. Tipe
yang ada di SAS/IML dapat diklasifikasikan ke dalam tiga kategori,
yaitu:
1. Control (Control Statement), mengarahkan langsung aliran pelaksanaan.
Contoh, IF-THEN/ELSE yang berfungsi untuk melaksanakan kondisional
control.
2. Fungsi dan CALL (Function and CALL Statement), melakukan penugasan
khusus atau operasi yang didefinisikan oleh pengguna. Sebagai contoh
CALL, INV, GSTART
3. Perintah (Command), melakukan proses khusus seperti menyesuaikan
pilihan, mencetak dan menangai input/output. Sebagai contoh perintah
RESET, PRINT.
Tetapi pada sesi ini kita hanya membahas beberapa command, function
khususnya untuk kebutuhan penyelesaian metode input-output, sosial
accounting matrix dan metode RAS. Tetapi sebelum membahas function dan
command, akan dijelaskan tentang cara kerja matriks yang ada dalam software
SAS/IML.
3.9. Bekerja Dengan Matriks

Softwares SAS/IML menyediakan beberapa cara untuk menciptakan
matriks. Kita dapat menciptakan matriks dengan melakukan beberapa cara
berikut ini:
➢ memasukkan data menggunakan matriks literal
➢ menggunakan penugasan
➢ menggunakan fungsi yang menghasilkan matriks
➢ menciptakan submatriks dari matriks yang ada dengan subscripts
➢ menggunkan SAS-data-sets.
3.9.1. Memasukkan Data Sebagai Matriks Literal

Hal yang paling mendasar untuk menciptakan matriks adalah
mendefinisikan matriks literal numerik atau karakter dengan memasukkan
elemen-elemen matriks. Matriks literal dapat mempunyai elemen tunggal
(disebut scalar), data dengan baris tunggal (disebut vektor baris), data dengan
kolom tunggal (disebut vektor kolom), atau data dengan susunan segi-empat
(disebut matriks). Dimensi dari suatu matriks digambarkan oleh jumlah baris
dan kolom. Suatu matiks ixj memiliki i baris dan j kolom.
15
3.9.2. Scalar
Skalar adalah matriks yang hanya memiliki satu elemen. Kita dapat
mendefinisikan sebuah skalar dengan nama matriks disebelah sisi kiri dari
penugasan dan nilainya berada disebelah sisi kanan. Kita dapat menggunakan
di bawah ini untuk menciptakan dan mencetak beberapa contoh skalar literal.
Setiap menuliskan operasi matriks, pertama sekali kita harus ketikkan PROC
IML, sebagai berikut:
proc iml;
x = 15;
y = 12.45;
z = .;
w = 'Hai';
r = "apa kahar";
print x y z w r;
Setelah rangkaian program tersebut di atas diketik, tekan tombol atau

tekan F8 untuk mengeksekusi program sehingga akan menghasilkan output
berikut ini:
X Y Z W R
15 12.45 . Hai apa kahar
Sekali lagi bahwa ketika elemen matriks bertipe karakter (atau mendifinisikan
karakter literal) maka kita harus menggunakan tanda single quotes (‘ ’) atau
double quoates (“ “).
3.9.3. Matriks dengan Elemen Banyak

Untuk membuat matriks yang memiliki multiple element kita harus
menggunakan tanda braces ({ }) untuk memasukkan nilai data, Jika diperlukan
gunakan tanda koma (,) untuk pemisah baris. Didalam tanda braces seluruh
elemen harus bertipe numerik atau karakter. Kita tidak dapat memiliki sebuah
matriks dengan campuran kedua tipe.
Contoh, andaikan kita mempunyai data pengamatan tentang berapa kali
orang minum teh (mengkonsumsi teh) selama seminggu. Jumlah sampel
sebanyak 4 orang, yaitu wati, linda, henny dan ardi. Tugas kita adalah
menciptakan sebuah matriks. Untuk menjawab pertanyaan ini kita dapat
menuliskan rangkaian berikut ini:
16
proc iml;
reset print;
teh ={5 3 4 3 1 2 3,
3 4 5 1 2 3 0,
3 5 4 0 4 5 1,
2 0 3 2 2 2 1};
print teh;

berikut ini:
TEH 4 rows 7 cols (numeric)
5 3 4 3 1 2 3
3 4 5 1 2 3 0
3 5 4 0 4 5 1
2 0 3 2 2 2 1
3.9.4. Membuat Nama Baris dan Kolom

Kita dapat menentukan nama baris dan nama kolom matriks. Pertama
adalah kita harus menciptakan sebuah nama matriks baris dan kolom dengan
menggunakan pilihan ROWNAME= dan COLNAME=. Sebagai contoh
ketikanlah berikut ini:

proc iml;
baris={wati linda henny ardi};
kolom={Senin Selasa Rabu Kamis Jumat Sabtu Minggu};
teh ={5 3 4 3 1 2 3,
3 4 5 1 2 3 0,
3 5 4 0 4 5 1,
2 0 3 2 2 2 1};
print teh[ROWNAME=baris COLNAME=kolom];

berikut ini:
17
TEH SENIN SELASA RABU KAMIS JUMAT SABTU MINGGU
WATI 5 3 4 3 1 2 3
LINDA 3 4 5 1 2 3 0
HENNY 3 5 4 0 4 5 1
ARDI 2 0 3 2 2 2 1
3.9.5. Menggunakan Penugasan

penugasan akan menciptakan sebuah matriks dengan mengevaluasi
persamaan dan menugaskan hasilnya ke dalam sebuah matriks. Persamaan
dapat terdiri dari operator (contoh matriks penjumlahan (+)), function
(misalnya function INV) dan Subscripts. penugasan memiliki bentuk umum,
seperti:
result = expression;
dimana result adalah nama matriks baru dan expression adalah persamaan
yang akan dievaluasi. Lebih jelasnya lihat contoh sebelumnya.
3.10. Fungsi Yang Menghasilkan Matriks

Software SAS/IML memiliki beberapa fungsi yang dapat menghasilkan
matriks dengan baik. Misalnya function J dapat menghasilkan matriks dengan
dimensi tertentu dimana setiap elemen dapat diberikan nilai tertentu. Beberapa
function yang menghasilkan matriks adalah:
BLOCK menciptakan blok diagonal matriks

DESIGNF menciptakan rancangan matriks full-rank
I menciptakan matriks identitas
J menciptakan matriks dengan dimensi tertentu
SHAPE membentuk matriks baru dari sebuah argumen.
Untuk kepentingan metode IO dan SAM kita hanya membahas tiga dari
dari lima fungsi yang ada yaitu function I dan function J dan function BLOCK.
Berikut adalah penjelasan dari masing-masing fungsi:
Fungsi BLOCK
Fungsi BLOCK mempunyai bentuk umum sebagai berikut:
18
BLOCK(matrix_1,matrix_2,…,matrix_n)
fungsi BLOCK bertujuan untuk menghasilkan sebuah matriks blok-diagonal
dari argumen matriks. Sebagai contoh ketikkan berikut ini:
proc iml;
reset print;
a={1 1, 1 1};
b={2 2, 2 2};
c=BLOCK(a,b);
print c;

berikut ini
C 4 rows 4 cols (numeric)
1 1 0 0
1 1 0 0
0 0 2 2
0 0 2 2
Fungsi J
Fungsi J mempunyai bentuk umum sebagai berikut:
J(nrow,ncol,value)
Fungsi ini akan menciptakan baris sebesar nrow dan kolom sebanyak ncol,
seluruh elemen memiliki nilai yang sama dengan value. Sebagai contoh jika
kita ingin menciptakan matriks ukuran 1 x 5 (vektor baris) yang bernilai 2, kita
dapat menuliskan berikut ini:
proc iml;
reset print;
c=J(1,5,2);
print c;
ini akan menghasilkan
C 1 row 5 cols (numeric)

2 2 2 2 2
19
Fungsi I
Fungsi I akan menciptakan matriks identitas dengan ukuran tertentu.
Fungsi I mempunyai bentuk umum, yaitu:
I(dimension)
dimana dimension adalah jumlah baris. Sebagai contoh buatlah matriks

identitas berukuran 3 x 3 dengan mengetikkan berikut ini:
proc iml;
reset print;
c=I(3);
print c
1 0 0
0 1 0
0 0 1
3.11. Index Vektor

Kita dapat menciptakan sebuah vektor dengan menggunakan operator
indeks (:). Berikut adalah contoh menggunakan indeks vektor, yaitu:
proc iml;
reset print;
r =1:5;
s = 10:6;
t = 'abc1':'abc5';
print r s t;
R 1 row 5 cols (numeric)

1 2 3 4 5
S 1 row 5 cols (numeric)

10 9 8 7 6
T 1 row 5 cols (character, size 4)

abc1 abc2 abc3 abc4 abc5
20
3.12. Menggunakan Persamaan Matriks

Persamaan matriks adalah sebuah urutan dari nama-nama, literal, dan
function yang melakukan beberapa perhitungan, mengevaluasi beberapa
kondisi, atau memanipulasi nilai. Persamaan ini dapat muncul di salah satu sisi
dari penugasan.
Operator digunakan dalam persamaan matriks dikelompokkan dalam
tiga kategori, yaitu:
prefix operator ditempatkan di depan operand. Contoh –A menggunakan

awalan tanda operator ( - ) di depan operand A untuk
merubah tanda masing-masing elemen matriks A.
infix operator ditempatkan diantara operand. Sebagai contoh, A + B
mengunakan penjumlahan dengan menyisipkan operator
(+) diantara A dan B untuk menjumlahkan matriks
dengan masing-masing elemen yang sesuai.
posfix operator ditempatkan setelah operand. Sebagai contoh, A`
menggunakan transpose dengan operator postfix ( ` )
ditempatkan setelah operand A untuk mentranspose
matriks A.
Operator matriks secara lengkap dapat dilihat pada Tabel 3.1. Operator yang
ditampilkan sesuai prioritas pengerjaan. Berdasarkan tingkatan prioritas kita
dapat mengelompokkan pada tujuh prioritas kelompok, lebih jelasnya dapat
dilihat pada Table berikut ini:
Tabel 3.1. Operator dalam Persamaan Matriks
No Operator Symbol Tipe Perintah Tipe Data

I Logika NOT ^ Prefix Numerik (num)
Transpose ` Postfix Num dan Karakter
Subscripts [] Postfix Num dan Karakter
Merubah tanda - Prefix Num
Pangkat elemen ## Infix Num
Pangkat matriks ** Infix Num
II Perkalian matriks * Infix Num
Perkalian elemen # Infix Num
21
Maksimum elemen <> Infix Num dan Karakter

Minimum elemen >< Infix Num dan Karakter
Pembagian / Infix Num
Direct product @ Infix Num
III Penjumlahan matriks + Infix Num dan Karakter
Pengurangan matriks - Infix Num
IV Penggabungan horizontal || Infix Num dan Karakter
Penggabungan vertikal // Infix Num dan Karakter
Penciptaan index : Infix Num
V Lebih kecil < Infix Num dan Karakter
Lebih kecil sama dengan <= Infix Num dan Karakter
Lebih besar > Infix Num dan Karakter
Lebih besar sama dengan >= Infix Num dan Karakter
Sama dengan = Infix Num dan Karakter
Tidak sama dengan ^= Infix Num dan Karakter
VI Logika AND & Infix Num
VII Logika OR | Infix Num
3.13. Operator Binary Menurut Elemen

Operator binary menurut elemen (elementwise binary operator)
menghasilkan sebuah matriks dari operasi elemen dengan elemen di dalam dua
matriks argumen. Pada Tabel 3.2. berikut ini ditampilkan operator binary
menurut elemen.
Tabel 3.2. Operator Binary Menurut Elemen
Operator Tugas
+ Penjumlahan, dan penggabungan
- Pengurangan
# Perkalian menurut elemen
## Pangkat menurut elemen
/ Pembagian
<> Maksimum elemen
>< Minimum elemen
| Logika OR
& Logika AND
< Lebih Kecil
> Lebih besar
>= Lebih besar sama dengan
<= Lebih kecil sama dengan
^= Tidak sama dengan
= Sama dengan
22
Untuk memudahkan memahaminya, berikut ini adalah contoh dengan

memisalkan kita memiliki matriks A dan B adalah:
 2 2 4 5
A=  dan B =  
3 4  1 0 
6 7  8 10 4 4  4 5
A+ B =   A# B =   A# #2 =   A  B =  
 4 4 3 0  9 16 3 4
1 1 
A = B =  
0 0 
Karena operasi matriks akan mengacu pada elemen, maka elemen-elemen dari
kedua matriks harus sama. Ketika kita membandingkan dua matriks, misalnya
A <= B, maka jika kondisi A lebih kecil sama dengan B terpenuhi akan diberi
nilai 1 sedangkan selainnya diberi nilai 0. Lihat hasil contoh di atas.
3.14. Subscripts
Subscripts adalah operator spesial yang ditempatkan di dalam tanda
brankets ([ ]) setelah matriks operand. Bentuk umum operasi subscripts adalah:
operand[row, coloum]
dimana:
operand adalah nama matriks, tetapi hal tersebut juga dapat berupa
persamaan atau literal
row berhubungan dengan persamaan, skalar atau vektor untuk memilih
salah satu atau lebih baris dari operand
coloum berhubungan dengan persamaan, skalar atau vektor untuk memilih
salah satu atau lebih kolom dari operand.
Di dalam persamaan, subscripts memiliki derajat yang sama tinggi dengan

postfix operator transpose (`). Ingat bahwa ketika subscripts mengunakan baris
dan kolom maka harus dipisahkan dengan sebuah tanda koma.
23
3.14.1. Memilih Elemen Tunggal

Kita dapat memilih sebuah elemen matriks dalam dua cara. Kita dapat
mengunakan dua subscripts (row, coloum) yang berhubungan dengan lokasi
tersebut, atau dengan menggunakan satu subscripts. Perhatikan contoh berikut
ini:
proc iml;
teh ={5 3 4 3 1 2 3,
10 4 5 1 2 3 0,
3 5 4 0 4 5 1,
2 8 3 2 2 2 1};
C21 =teh[2,1];
C8 =teh[8];
print c21 c8;

pernyataan diatas akan menghasilkan
C21 C8
10 10
Lihat C21=teh[2,1] subscripts ini akan menghasilkan 10, karena tersebut

meminta untuk menampilkan atau mengambil nilai pada baris 2 dan kolom 1.
Sedangkan pada subscripts C8=teh[8] menyatakan untuk menampilkan nilai

pada hitungan ke 8. Nah cara perhitungan dimulai dari baris pertama dan
diteruskan ke baris kedua dan seterusya sehingga berhenti pada hitungan ke 8.
Pada hitungan ke 8 tepat kita lihat bernilai 10.
3.14.2. Memilih Baris dan Kolom Matriks

Untuk mengacu pada baris atau kolom dari suatu matriks, tuliskan
subscript dengan jumlah baris atau kolom, menghilangkan subscript yang lain
tetapi bukan tanda koma. Sebagai contoh untuk mengacu pada baris kedua
(bernama linda) dari matriks TEH:
24

proc iml;
teh ={5 3 4 3 1 2 3,
3 4 5 1 2 3 0,
3 5 4 0 4 5 1,
2 0 3 2 2 2 1};
baris2=teh[2,];
kolom3=teh[,3];
print baris2 kolom3;
di atas akan menghasilkan:
BARIS2
3 4 5 1 2 3 0
KOLOM3
4
5
4
3
3.14.3. Memilih Elemen Matriks atau Sub Bagian Matriks

Dalam hal ini khusus mengacu pada submatriks baris dan kolom yang
kita inginkan. Masukkan ke dalam tanda braces ({ }), nomor baris yang diikuti
oleh sebuah tanda koma dan nomor kolom yang kita inginkan. Contoh untuk
menciptakan submatriks TEH yang terdiri dari baris pertama dan ketiga, dan
kolom kedua, ketiga dan kelima. Ketikkan berikut ini untuk menentukan hal
tersebut di atas
submat1=teh[{1 3},{2 3 5}];

print teh submat1;
pernyataan diatas akan menghasilkan sebuah matriks submat1 dengan nilai

sebagai berikut:
SUBMAT1
3 4 1
5 4 4
25
vektor {1 3} akan digunakan sebagai baris dan vektor kedua {2 3 5} akan

digunakan sebagai kolom. Alternatif penulisan lain dengan hasil yang sama
kita dapat menciptakan sebuah argumen sebagai berikut:
baris={1 3};
kolom={2 3 5};
submat1=teh[baris,kolom];
print submat1;
pernyataan di atas akan menghasilkan nilai yang sama dengan cara penulisan
pertama, yaitu:
SUBMAT1
3 4 1
5 4 4
Kita juga dapat mengunakan index vektor yang dihasilkan dengan menciptakan
index operator (:) di dalam subscript yang mengacu pada baris dan kolom
tertentu. Sebagai contoh, pilihlah baris pertama sampai baris ketiga, dan
pilihlah nomor kolom ketiga sampai dengan kolom kelima dari matriks TEH.
Untuk itu kita dapat menuliskan berikut ini:
submat2=teh[1:3,3:5];
print submat2;
tersebut akan menghasilkan matriks SUBMAT2 sebagai berikut:

SUBMAT2
4 3 1
5 1 2
4 0 4
Sebagai catatan bahwa, nomor subscript pertama didefinisikan sebagai baris,

dan nomor subscripts kedua didefinisikan sebagai kolom dalam manghasilkan
sebuah matriks baru.
3.14.4. Penugasan Subscripts
26
Kita dapat menugaskan nilai tertentu ke dalam sebuah matriks dengan

menggunakan subscripts yang mengacu pada elemen atau submatriks. Pada
tipe penugasan ini, subscripts muncul di sebelah sisi kiri tanda sama dengan.
Sebagai contoh, rubahlah nilai baris ketiga dan kolom keempat dari matriks
TEH yang bernilai 0 menjadi 100. Untuk hal tersebut kita gunakan subscripts
untuk mengacu pada elemen yang sesuai, dengan mengetikkan berikut ini:
teh[3,4]=100;
print teh;
diatas akan menghasilkan matriks TEH yang baru dimana nilai pada baris
ketiga dan kolom keempat telah dirubah menjadi 100, yaitu:
TEH
5 3 4 3 1 2 3
3 4 5 1 2 3 0
3 5 4 100 4 5 1
2 0 3 2 2 2 1
Bagaimana kalau kita diminta untuk merubah semua nilai kolom terakhir atau
kolom ketujuh dari matriks TEH menjadi nol. Kita dapat menuliskan
rangkaian berikut ini:
teh[3,4]=100;
teh[,7] ={0,0,0,0}
print teh;
pernyaan di atas akan menghasilkan matriks TEH yang baru dimana nilai pada
baris ketiga dan kolom keempat telah dirubah menjadi 100, dan kolom ketujuh
semua diganti menjadi nol, yaitu:
TEH
5 3 4 3 1 2 0
3 4 5 1 2 3 0
3 5 4 100 4 5 0
2 0 3 2 2 2 0
3.14.5. Operator Subscripts
27
Kita dapat menggunakan operator pengurangan (reduction), yang

menghasilkan pengurangan dimensi matriks, tempatkan nilai di dalam
subscripts untuk mendapatkan pengurangan matriks antara seluruh baris dan
kolom. Terdapat delapan operator subscripts pengurangan pada prosedur
SAS/IML seperti yang ditampilkan Tabel 3.3 berikut ini:
Tabel 3.3. Operator Subscript Pengurangan Dimensi Matriks
Operator Kegunaan
+ Penjumlahan
# Perkalian
<> Maksimum
>< Minimum
<:> Indeks maksimum
>:< Indeks minimum
: Rata-rata (berbeda dengan prosedur matriks)
## Sum of square
Perhatikan bahwa hanya kedelapan operator tersebut yang dapat

digunakan dalam pengurangan subcripts. Untuk memahami fungsi dari
masing-masing operator pengurangan di dalam subscripts tersebut, mari kita
ikuti contoh berikut ini: Andaikan kita memiliki matriks A sebagai berikut:
0 1 2 
A = 5 4 3
7 6 8
Berapa jumlah baris 2 dan baris 3. Kita dapat menuliskan berikut:

12 
A[{2 3}, +] =  
21
Berapa nilai maksimum dari penjumlahan kolom matriks A,
A[+,<>] = 21
Berapa nilai maksimum dari penjumlahan baris matriks A,
A[<>,+] = 13
3.15. Nilai Mising
28
Secara umum jika terdapat nilai yang mising di dalam elemen matriks,
SAS/IML akan memperlakukannya berbeda dengan nilai nol. Untuk kasus
tersebut, andaikan kita mempunyai matriks berikut ini:
1 2 .  4 . 2 
X = . 5 6  dan Y = 2 1 3
 
7 . 9 6 . 5 
Maka ketika kita membuat :
5 . . 
X + Y akan menghasilkan = . 6 9 
13 . 14
perhatikan bahwa setiap elemen yang nilainya mising, prosedur PROC IML
akan menghasilkan nilai yang mising juga.
4 . . 
X#Y akan menghasilkan = . 5 18
42 . 45 
perkalian elemen juga akan menghasilkan nilai yang mising jika salah satu dari
elemen tersebut memiliki nilai mising.
X[+,] akan menghasilkan = 8 7 15
Perjumlahan kolom dengan menggunakan subscript tidak menghasilkan nilai

yang mising.
3.16. Mencetak Matriks dengan Judul Baris dan Kolom

Kita dapat mencetak matriks dengan judul baris dan kolom. Untuk hal
tersebut dapat dilakukan dengan beberapa cara antara lain menggunakan
pilihan AUTONAME, ROWNAME= dan COLNAME= atau menggunakan
MATTRIB. Berikut ini secara umum akan dijelaskan masing-masing pilihan
tersebut.
29
3.16.1. Menggunakan Pilihan AUTONAME

Kita dapat menggunakan RESET dengan pilihan AUTONAME untuk
mencetak standar judul baris dan kolom secara otomatis. Jika kita mempunyai
matriks i baris dan j kolom, judul baris menjadi ROW1 sampai ke ROWi dan
judul kolom adalah COL1 sampai ke COLj. Sebagai contoh ikuti prosedur
berikut ini:

proc iml;
reset autoname;
a= {4 2 0 1,
3 4 1 5,
1 1 2 2,
2 0 2 1};
print a;
diatas akan menghasilkan matriks A sebagai berikut:
A COL1 COL2 COL3 COL4

ROW1 4 2 0 1
ROW2 3 4 1 5
ROW3 1 1 2 2
ROW4 2 0 2 1
3.16.2. Menggunakan Pilihan ROWNAME dan COLNAME

Kita dapat menentukan judul baris dan judul kolom dengan
menggunakan pilihan ROWNAME dan COLNAME. Contoh berikut akan
menghasilkan matriks A lengkap dengan judul baris dan kolom, yaitu::
baris={senin selasa rabu kamis};

kolom={santi hendri nani veri};
print a[rowname=baris colname=kolom];
A SANTI HENDRI NANI VERI

SENIN 4 2 0 1
SELASA 3 4 1 5
RABU 1 1 2 2
KAMIS 2 0 2 1
30
3.16.3. Menggunakan MATTRIB

MATTRIB bertujuan untuk mencetak karakteristik yang berhubungan
dengan matriks. Kita dapat menggunakan MATTRIB untuk mencetak matriks
A dengan judul baris dan kolom. Sebagai tambahan, kita dapat membuat
format untuk mencetak output numerik dan menggunakan sebuah label untuk
nama matriks. Berikut adalah contoh penggunaan MATTRIB, yaitu:

proc iml;
a={4 2 0 1,
3 4 1 5,
1 1 2 2,
2 0 2 1};
mattrib a rowname=({Januari Februari MAret April})

colname=({santi hendri nani veri})
label='Absensi'
format=2.0;
print a;
MATTRIB di atas akan menghasilkan matriks sebagai berikut:
Absensi SANTI HENDRI NANI VERI
JANUARI 4 2 0 1
FEBRUARI 3 4 1 5
MARET 1 1 2 2
APRIL 2 0 2 1
3.17. Fungsi dan Perintah Matriks

Sampai sejauh ini, secara umum kita telah memahami cara kerja
SAS/IML dalam menghasilkan matriks, cara kerja operator, mencetak, dan
mengevaluasi matriks. Bagian ini akan dijelaskan prosedur IML khususnya
yang berhubungan dengan beberapa Function dan Command yang dianggap
releven dan penting untuk diketahui dalam menyelesaikan model Input-Output,
Social Accounting Matrix dan metode RAS. Tabel 3.4 berikut ini merupakan
ringkasan dari function dan command matriks.
31
Tabel 3.4. Ringkasan Beberapa Function dan Command Matriks
Fungsi/Command Aksi
PROC IML Prosedur Iterasi Bahasa Matriks
DET Menentukan determinan dari suatu matriks bujur sangkar
DIAG Membuat matriks diagonal
I Membuat matriks identitas
J Membuat matriks ukuran i x j berisikan nilia tertentu
BLOCK Menggabungkan matriks dengan membentuk matriks diagonal
INV Melakukan matriks kebalikan
SOLVE Menghasilkan solusi untuk persamaan linier
AX=B → X = solve(A,B)  X = inv(A) * B
SUM Menjumlahkan seluruh elemen yang menghasilkan skalar
TRANSPOSE Melakukan transpose matriks
XMULT Melakukan perkalian matriks lebih akurat
RESET Menentukan pilihan saat melakukan proses
PRINT Mencetak nilai matriks
USE Menggunakan file data SAS eksternal
READ Membaca file data SAS
CREATE Menciptakan matriks ke dalam data SAS
APPEND Menambah pengamatan ke dalam data SAS
DATA Menciptakan sebuah nama dataset instrem
SET Menentukan dataset yang digunakan
Fungsi DET,
Berfungsi untuk menghitung determinan dari sebuah matriks bujur sangkar
yang menghasilkan skalar.
Syntax:
DET(square-matrix)
dimana :
square-matrix adalah matriks numerik atau literal. Contoh:
a = {1 1 1, 1 2 4, 1 3 9};
b =det(a)
print b;
menghasilkan skalar B yang merupakan determinan matriks A, yaitu
B
2
32
Fungsi DIAG, berfungsi untuk menciptakan diagonal matriks
Syntax
DIAG(argumen)
dimana argumen adalah matriks bujur sangkar atau vektor. Sebagai contoh:
proc iml;
reset print;
a = {1 1 1,1 2 4,1 3 9};
b = {1,2,3};
c =diag(a);
d =diag(b);
print c d;
akan menghasilkan matriks berikut ini:
1 0 0
0 2 0
0 0 9
D 3 rows 3 cols (numeric)
1 0 0
0 2 0
0 0 3
Fungsi I, berfungsi untuk menciptakan sebuah matriks identitas
Syntax:
I(dimension)
dimana: dimension adalah jumlah ukuran tertentu dari matriks identitas.

Sebagai contoh:
IDEN=I(3);
33
akan menghasilkan matriks identitas sebagai berikut:
IDEN 3 rows 3 cols (numeric)
1 0 0
0 1 0
0 0 1
Fungsi INV, menghitung dan akan menghasilkan matriks kebalikan yang

harus matriks bujur sangkar dan tidak singular (nonsingular).
Syntax:
INV(matrix)
dimana: matrix adalah matriks bujur sangkar nonsingular. Suatu matriks bujur
sangkar disebut nonsingular apabila determinan matriks tersebut tidak sama
dengan nol. Sedangkan matriks singular adalah determinannya sama dengan
nol dimana matriks singular tidak mempunyai matriks kebalikan (inverse).
Misalkan G = INV(A), inverse memiliki porperties

GA = AG = identity
Untuk mendiskusikan properties dari matriks, anda dapat mengacu

pada texbook Alpha Ciang, Fundamental Method of Mathematical Economics.
Third Edition, Tahun 1984. Solusi untuk sebuah permsaan linier AX=B untuk
X, kita dapat menggunakan berikut ini:
X = INV(A) * B;
Penggunaan fungsi SOLVE lebih akurat dan efisien untuk melakukan tugas
tersebut. Lihat fungsi SOLVE. Berikut adalah contoh untuk menentukan
matriks kebalikan A, yaitu:
proc iml;
reset print;
a = {1 1 1,1 2 4,1 3 9};
z =inv(a);
print z;
34
akan menghasilkan matriks sebagia berikut ini:
Z 3 rows 3 cols (numeric)
3 -3 1
-2.5 4 -1.5
0.5 -1 0.5
Fungsi J, menciptakan sebuah matriks dengan mengisi nilai tertentu yang

identik untuk semua elemen.
Syntax:
J(nrow, ncol, value)
dimana:
nrow adalah memberikan jumlah baris matriks atau literal numerik
ncol adalah memberikan jumlah kolom matriks atau literal numerik
value adalah nilai yang diisikan ke dalam baris dan kolom matriks atau
literal numerik atau karakter.
Contoh:
a = J(5,3,1);
b = J(2,4,'yes');
akan menghasilkan matriks
A 5 rows 3 cols (numeric)
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
B 2 rows 4 cols (character, size 3)
yes yes yes yes

yes yes yes yes
35
Fungsi BLOCK, berfungsi untuk membentuk blok-diagonal matriks.
Syntax
BLOCK(matrix_1, matrix_2,..,matrix_15)
dimana: matrix adalah matriks numerik atau literal. Fungsi BLOCK

menciptakan matriks blok-diagonal baru dari seluruh matriks yang ditentukan
di dalam argumen matrix. Jumlah matriks dapat ditentukan sampai 15 matriks.
Matriks dikombinasikan secara diagonal untuk membentuk sebuah matriks
baru. Sebagai contoh:
block(a,b,c);
menghasilkan sebuah matriks berbentuk diagonal sebagai berikut:
 A 0 0
0 B 0 
 
0 0 C 
proc iml;
reset print;
a ={1 1,
2 2};
b ={3 3 3,
3 3 3,
3 3 3};
c =block(a,b);
akan sebuah matriks baru C sebagai berikut:
1 1 0 0 0
2 2 0 0 0
0 0 3 3 3
0 0 3 3 3
0 0 3 3 3
36
Fungsi SOLVE, solusi untuk persamaan linier
Syntax:
SOLVE(A,B)
dimana:
A adalah matriks nonsingular berukuran n x n
B adalah matriks berukuran n x p
Fungsi SOLVE memecahkan solusi persamaan linier misalnya AX=B

maka untuk X=A-1B. Matiks A harus bujur sangkar (square) dan nonsingular.
Dengan bantuan fungsi SOLVE yang terdapat pada SAS/IML kita dapat
menuliskan:
X=SOLVE(A,B)
diatas sama dengan menuliskan berikut ini:
X = INV(A)*B
Meskipun demikian fungsi SOLVE lebih direkomendasikan daripada

fungsi INV karena fungsi SOLVE lebih efisien dan lebih akurat.
Fungsi T, berfungsi untuk melakukan transpose matrix
Syntax:
T(matrix)
dimana matrix adalah sebuah matriks atau literal baik numerik atau karakter.
Fungsi T akan melakukan perubahan terhadap baris dan kolom yaitu baris
menjadi kolom atau kolom manjadi baris.
proc iml;
reset print;
a = {1 2, 3 4};
b = {1 2 3};
x =t(a); y =t(b);
print x y ;
37
Pernyatan ini akan menghasilkan matriks
X 2 rows 2 cols (numeric)
1 3
2 4
Y 3 rows 1 col (numeric)
1
2
3
Fungsi SUM, berfungsi untuk menjumlahkan seluruh elemen matriks, nilai

yang dihasilkan adalah bentuk skalar
Syntax:
SUM(matrix1 <,matrix2,…,matrix15>);
dimana: matrix adalah sebuah matriks atau literal numerik. Jumlah matriks
yang dijumlahkan mencapai 15 matriks argumen. Fungsi SUM dapat
memeriksa nilai mising karena nilai yang mising tidak termasuk didalamnya.
Nilai yang dikembalikan bernilai 0 jika mising. Contoh:
proc iml;
a={5 3 4,
3 4 5,
3 5 4};
b ={1 1, 2 2, 3 3};
x =sum(a);
z =sum(a,b);
print x z;
di atas akan menghasilkan matriks skalar X dan Z sebagai berikut:
X Z
36 48
38
Fungsi XMULT, berfungsi untuk melakukan perkalian matriks yang lebih

akurat.
Syntax:
XMULT(matrix_1, matrix_2);
dimana matrix_1 dan matrix_2 adalah matriks numerik. Fungsi XMULT

menghitung matriks perkalian seperti operator matriks perkalian (*) tetapi
fungsi XMULT digunakan yang diperluas untuk ketepatan dan akumulasi
penjumlahan perkalian. Kita dapat menggunakan fungsi XMULT hanya ketika
kita membutuhkan keakuratan dan untuk matriks yang lebih besar. Contoh:
Y=XMULT(A,B);
adalah sama dengan menulis :
Y = A * B;
RESET, berfungsi untuk menentukan pilihan dalam proses pengolahan data.
Syntax:
RESET <option>;
Berikut ini adalah pilihan-pilihan yang dapat ditentukan dalam RESET, yaitu:
AUTONAME
NOAUTONAME
untuk menentukan apakah hasil yang dicetak ke layar output diberi
label baris dan kolom secara otomatis dengan nama ROW1, ROW2
dan ROWn dan COL1, COL2 dan COLn. Pilihan AUTONAME
menyebabkan pilihan SPACE menjadi berukuran 4 (lihat pilihan
SPACE). Defaultnya adalah NOAUTONAME.
CENTER
NOCENTER
menentukan apakah output dari PRINT diatur dengan rata tengah.
Defaultnya adalah CENTER.
SPACE=n
39
menentukan jarak antar matriks yang dicetak. Defaultnya adalah 1,

kecuali pilihan AUTONAME digunakan maka defaultnya adalah 4.
FW = number
menentukan lebar kolom untuk mencetak nilai numerik. Jumlah lebar
ini dihitung termasuk jumlah desimal yang ada.
STORAGE=<libname.>memname;
menentukan library file tempat penyimpanan STORE dan LOAD.
Default library penyimpanan SASUSER.IMLSTOR. Argumen
libname merupakan pilihan dan defaultnya SASUSER. Hal tersebut
dapat ditentukan dengan atau tanpa quotes (‘ ‘)
Pernytaan PRINT, berfungsi untuk mencetak matriks ke layar output
Syntax:
PRINT <matrices> <pointer-controls> <[options]>;
dimana:
matrices merupakan nama-nama matriks
pointer-controls mengontrol pointer untuk mencetak matriks. Sebagai contoh
menggunakan tanda koma (,) berarti mencetak matriks satu
garis satu matriks. Menggunakan slash (/) berarti matriks
yang dicetak satu halaman satu matriks.
Berikut adalah pilihan yang dapat digunakan dalam PRINT, sebagai berikut
COLNAME=matrix
berfungsi untuk menentukan atau membuat label nama matriks yang
sesuai dengan kolom. Contoh
[COLNAME={output income employ}];
ROWNAME=matrix
berfungsi untuk menentukan atau membuat label nama matriks yang
sesuai dengan baris. Contoh
[ROWNAME={Agri Minig Service}];
Kedua pernytaan diatas, dapat ditulis dengan cara yang berbeda dengan
mendefisikan label matriks pertama sekali yaitu:
kolom={output income employ}
baris ={Agri Minig Service};
[COLNAME=kolom ROWNAME=baris];
FORMAT=format
40
menentukan format untuk mencetak matriks khususnya untuk matriks

numerik. Contoh
print x[format = 5.3}];
Pernytaan USE
USE berguna untuk membuka SAS dataset yang ditentukan untuk
selanjutnya akan dibaca.
Syntax:
USE SAS-dataset <VAR operand> <WHERE(expression)>
<NOBS name>;
SAS-dataset Nama data yang ditentukan. Nama dapat ditentukan dengan

satu kata (contoh: IO) atau dengan dua kata (contoh:
SASUSER.IO).
operanad Memilih kumpulan varibel-variabel (lebih lengkap lihat
SAS/IML Software).
Operand didalam kata VAR dapat diikuti antara lain dengan:

▪ literal yang mengandung nama variabel
▪ suatu nama matriks yang mengandung nama-nama
variabel
▪ persamaan di dalam tanda { } yang menghasilkan nama-
nama variabel.
Contoh VAR {name1 name3 name4};
▪ salah satu kata kunci seperti:
_ALL_ untuk seluruh variabel
_CHAR_ untuk seluruh variabel karakter
_NUM_ untuk seluruh variabel numerik
Contoh VAR _ALL_ atau VAR _NUM_
expression Bertujuan untuk mengevaluasi yang benar atau salah

name Nama variabel yang mengandung nomor pengamatan
Semua pilihan VAR, WHERE dan OBS dapat diabaikan (tergantung

kebutuhan pembaca) atau pilihan yang berada di dalam tanda < > merupakan
suatu options. Tetapi pilihan data SAS-dataset harus ditentukan, contoh:
41
USE WORK.IO;
Hal ini menunjukkan bahwa kita telah membukan dataset IO yang terdapat
pada library WORK. Library WORK dan SASUSER secara otomatis akan
diciptakan oleh SAS.
READ
READ bertujuan untuk membaca file dataset yang telah dibuka
sebelumnya oleh USE.
Syntax:
READ <range> <VAR operand> <WHERE expression>
<INTO name <[ROWNAME= row_name COLNAME=col_name]>>;
dimana:
range menentukan range pengamatan. Kita dapat gunakan pilihan
ALL untuk memilih semua pengamatan.
operand Memilih variabel yang ditentukan.
Operand di dalam VAR dapat diikuti oleh:
▪ literal yang mengandung nama variabel
▪ suatu nama matriks yang mengandung nama-nama
variabel
▪ persamaan di dalam tanda { } yang menghasilkan nama-
nama variabel.
Contoh VAR {name1 name3 name4};
▪ salah satu kata kunci seperti:
_ALL_ untuk seluruh variabel
_CHAR_ untuk seluruh variabel karakter
_NUM_ untuk seluruh variabel numerik
Contoh VAR _ALL_ atau VAR _NUM_
expression Mengevaluasi benar dan salah (lebih lengkap lihat SAS/IML
Software).
name Menentukan sebuah nama matriks sebagai target.
row_name Matriks karakter atau quota literal yang diberikan untuk
menjelaskan label baris matriks.
col_name Matriks karakter atau quota literal yang diberikan untuk
menjelaskan label kolom matriks.
Contoh:
42
use work.io;
read all var _num_ into z;
Catatan bahwa USE harus digunakan secara bersamaan dengan READ. di

diatas dapat dijelaskan sebagai berikut:
• Pernytaan USE menunjukkan bahwa kita telah membuka dan
menggunakan sebuah data IO yang disimpan di dalam pada library WORK
(default di dalam program SAS).
• Selanjutnya READ berfungsi untuk membaca data IO tersebut. Data yang
dibaca adalah seluruh range pengamatan yang ada di dalam dataset IO yang
dinyatakan oleh kata ALL dan variabel yang digunakan adalah variabel
yang bersifat numerik yang dinyatakan oleh VAR _NUM_ dimana data IO
tersebut dimasukkan ke dalam sebuah matriks yang diberi nama Z. Data
diciptakan dengan proses impor (lihat Bab 10).
CREATE
CREATE bertujuan untuk menciptakan sebuah SAS dataset dari suatu
skalar, literal ataupun matriks. Gunakan CREATE dan APPEND untuk
menciptakan sebuah dataset dari suatu matriks, dimana baris matriks akan
menjadi pengamatan dan kolom matriks akan berubah menjadi variabel.
CREATE membuka SAS dataset untuk input dan output dan APPEND
menuliskan ke input atau output dataset.
Syntax:
CREATE SAS-dataset FROM matrix
<[COLNAME=col_name ROWNAME=row_name]>;
dimana:
SAS-dataset nama dataset yang baru
matrix nama matriks yang mengandung data
col_name nama-nama variabel di dalam dataset
row_name menambah suatu variabel yang mengandung judul baris ke
dalam dataset
APPEND
APPEND bertujuan untuk memasukkan dan menambah data-data
matriks ke dalam dataset baru.
43
Syntax:
APPEND <FROM from_matrix>;
dimana:
from_matrix nama matriks yang mangandung data untuk dimasukkan atau
ditambahkan ke dalam dataset.
Contoh:
proc iml;
reset autoname;
Z = {10 14 38,
11 12 14,
18 19 20};
kolom={Agri Industri Jasa};
create io from z [colname=kolom];

append from z;
show contents;
Dengan menekan tombol F8, maka rangkaian di atas akan menghasilkan

output berikut ini:
Output 3.1
The SAS System
DATASET : WORK.IO.DATA
VAR NAME TYPE SIZE

AGRI NUM 8
INDUSTRI NUM 8
JASA NUM 8
Number of Variables: 3
Number of Observations: 3
Catat bahwa SHOW CONTENTS bertujuan untuk menampilkan isi pada data
IO seperti yang tertera pada Ouput 3.1. Dimana kita telah mempunyai
DATASET dengan nama WORK.IO.
44
Dengan tampilnya data WORK.IO pada Output 3.1 menunjukkan

bahwa kita telah berhasil menciptakan data IO yang memiliki tiga buah
variabel yang diberikan nama AGRI, INDUSTRI dan JASA. Jumlah
pengamatan juga ada tiga. Semua variabel bertipe numerik.
DATA
DATA bertujuan untuk menciptakan sebuah nama SAS dataset yang
baru.
Syntax:
DATA new_dataset;
dimana:
new_dataset adalah nama data SAS yang baru.
Contoh:
data hasil;
SET, berfungi untuk memanggil data SAS yang telah diimpor.

SET SAS-dataset;
dimana
SAS-dataset adalah nama dataset yang ditentukan atau yang dipanggil
untuk digunakan selanjutnya.
Contoh: set work.io;
RUN;
RUN bertujuan mengakhiri suatu atau prosedur. Tanpa adanya RUN
maka pada saat melakukan running, atau prosedur yang telah dituliskan tidak
akan dilaksanakan, tetapi tidak berlaku untuk prosedur PROC IML. Contoh
penulisannya adalah dengan mengetikkan RUN.
Sebagai contoh agar pembaca lebih mudah memahaminya, kita akan
gunakan kembali contoh matriks Z sebelumnya, dengan menuliskan kembali
ketiga terakhir sebagai berikut:
proc iml;
reset autoname;
45
z = {10 14 38,
11 12 14,
18 19 20};
kolom={Agri Industri Jasa};
create io from z [colname=kolom];

append from z;
show contents;
data hasil;
set work.io;
run;
Dengan menekan tombol F8, maka rangkaian progam di atas akan

menghasilkan output seperti yang terlihat pada Ouput 3.1 sebelumnya.
Perhatikan bahwa data yang ada tidak dicetak pada lembar kerja OUTPUT.
Pertanyaannya adalah:
1. Dimana nama dataset IO dan HASIL disimpan?

Jawaban: Kedua dataset tersebut disimpan pada library WORK secara
otomatis (lihat pertanyaan 3).
2. Apakah data disimpan secara permanen atau tidak?

Jawaban: Kedua dataset tersebut disimpan tidak permanen
3. Bagaimana saya dapat melihat dataset IO dan HASIL?

Jawaban: Klik Globals + Klik Access + Klik Display Libraries atau
lebih cepat dengan malakukan
Klik pada Toolbars
Sehingga kotak dialog libraries akan muncul seperti yang terlihat pada
Gambar 3.1. berikut ini:
46
Gambar 3.1. Kotak Dialog Libraries
Setaleh muncul kotak dialog libraries, selanjutnya anda dapat klik

WORK pada menu Libraries sehingga libraries WORK akan menampilkan
dataset IO dan HASIL yang tertera pada Library Contents seperti yang
terlihat pada Gambar 3.1.
Untuk menampilkan kandungan data IO dan HASIL maka klik dua
kali (double klick) pada salah satu data IO atau HASIL. Misalnya dalam
hal ini kita double klik pada data HASIL, sehingga program SAS akan
menampilkan dataset HASIL pada VIEWTABLE seperti yang terlihat pada
Gambar 3.2.
Hal yang sama dapat anda lakukan dengan dataset IO. Namun
kedua dataset IO dan HASIL mempunyai nilai yang sama. Tujuan kita
menggunakan CREATE di atas adalah untuk menghasilkan satu atau lebih
dataset yang selanjutnya dapat diekspor kedalam bentuk program microsoft
excell.
47
Gambar 3.2. Kotak dialog VIEWTABLE WORK.HASIL
4. Dapatkan saya ekspor data HASIL yang ada di VIEWTABLE ini kedalam
bentuk bentuk lembar kerja Microsoft EXCEL.
Jawaban: Dapat (lebih jelas lihat Bab 10)
5. Kita tentu berpikir panjang, bahwa terlalu lama proses yang digunakan jika
hanya untuk melihat data yang ada di dalam dataset, dapatkah kita melihat
data secara cepat ?
Jawaban: Dapat ?
Caranya dengan menggunakan prosedur PROC PRINT, berikut adalah
yang sesuai untuk menampilkan isi dataset HASIL ke layar OUTPUT,
yaitu:
proc print data=hasil;

run;
Klik tombol di Toolbars atau tekan tombol F8 pada keyboard untuk

menjalankan program. Hasil program ditampilkan pada Output 3.2. berikut
ini:
48
Output 3.2
The SAS System
OBS AGRI INDUSTRI JASA
1 10 14 38
2 11 12 14
3 18 19 20
49
BAB 4
PENGANTAR MODEL INPUT-OUTPUT
4.1. Pendahuluan
Model Input-output (I-O) pertama kali dikembangkan oleh Prof. W.
Leontief pada akhir dekade 1930-an, dengan pengembangan tersebut ia
memenangkan hadiah Nobel untuk ilmu ekonomi Tahun 1973. Salah satu
yang sering dibicarakan dari model Leontief ketika berhubungan dengan input-
output. Istilah interindustry analysis juga sering digunakan karena tujuan dasar
dalam kerangka input-output adalah untuk menganalisis interdependence
industri dalam perekonomian
Dalam perkembangannnya metode-metode yang diturunkan dari suatu
Tabel I-O semakin banyak diterapakan sebagai alat analisis dalam perencanaan
ekonomi yang praktis dan bersifat kuantitatif. Tabel I-O pada dasarnya
merupakan uraian statistik dalam bentuk matriks yang menyajikan informasi
tentang transaksi barang dan jasa serta saling keterkaitan antar-satuan kegiatan
ekonomi (sektor) dalam suatu wilayah pada suatu periode waktu tertentu.
Sebagai suatu model kuantitatif, Tabel IO akan memberikan gambaran
yang menyeluruh tentang:
1. Struktur perekonomian wilayah/nasional yang mencakup struktur output
dan nilai tambah masing-masing sektor.
2. Struktur input antara, yaitu penggunaan berbagai barang dan jasa oleh
sektor-sektor produksi
3. Struktur penyediaan barang dan jasa baik produksi dalam negeri maupun
barang-barang yang berasal dari impor
4. Struktur permintaan barang dan jasa, baik permintaan antara oleh sektor-
sektor produksi maupun permintaan akhir untuk konsumsi, investasi dan
ekspor.
4.2. Struktur Tabel Input-Output

Struktur Tabel IO umumnya digambarkan dalam bentuk matriks seperti
yang terlihat pada Tabel 4.1, dimana matriks Tabel IO dapat dibagi dalam
empat kuadran, yaitu kuadran I, II, III dan kuadran IV. Berikut akan dijelaskan
isi dari masing-masing kuadran, yaitu:
Kuadran Pertama, menunjukkan arus barang dan jasa yang dihasilkan
dan digunakan masing-masing sektor dalam suatu perekonomian. Kuadran ini
menunjukkan distribusi penggunaan barang dan jasa untuk suatu proses
Bab 4. Pengantar Model Input-Output
produksi. Penggunaan atau konsumsi barang dan jasa di sini adalah

penggunaan untuk diproses kembali, baik sebagai bahan baku atau bahan
penolong, karenanya traksaksi yang digambarkan pada kuadran pertama
disebut sebagai transaksi antara (intermediate). Kuadran pertama ini sangat
penting karena menunjukkan saling ketergantungan antar sektor ekonomi di
dalam suatu proses produksi. Cara membaca, misalkan lihat pada kuadran I
Xij = nilai output sektor produksi i yang digunakan sebagai input oleh sektor
produksi j. Secara baris dibaca sebagai penjualan output. Sedangkan
secara kolom dibaca sebagai pembelian. input.
Kuadran kedua, menunjukkan permintaan akhir, penggunaan atau

konsumsi barang dan jasa bukan untuk proses produksi. Permintaan akhir
biasanya terdiri atas: konsumsi rumah tangga, pengeluaran konsumsi
pemerintah, investasi, dan ekspor dan impor.
Tabel 4.1. Struktur Tabel Input Output

Alokasi
Output Permintaan Antara Permintaan Jumlah
Struktur
Sektor
Input 1 2 . . . n Akhir Output
1 x11 x12 . . . x1n F1 X1
Input Antara
2 x21 x22 . . . x2n F2 X2

. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
n xn1 xn2 . . . xnn Fn Xn
Input Primer V1 V2 . . . Vn
Jumlah Input X1 X2 . . . Xn
Sumber: Richardon (1972), Modifikasi
Kuadran ketiga, menunjukkan input primer sektor-sektor produksi.

Input disebut primer (primary input) karena bukan merupakan bagian dari
output suatu sektor produksi seperti pada kuadran pertama dan kedua. Input
primer didefinisikan sebagai semua balas jasa faktor produksi yang meliputi:
upah/gaji tenaga kerja, surplus usaha ditambah penyusutan dan pajak bersih
tidak langsung. Jumlah keseluruhan nilai tambah ini akan menghasilkan
produk domestik bruto yang dihasilkan suatu region.
52
Kuadran keempat, memperlihatkan input primer yang langsung

didistribusikan ke sektor-sektor permintaan akhir. Infomrasi pada kuadaran ini
bukan merupakan tujuan pokok sehingga dalam penyusunan tabel IO kadang
diabaikan. Informasi secara rinci mengenai kuadran keempat ini disajikan di
dalam Sistem Neraca Sosial Ekonomi (SNSE).
Dalam suatu model input-output, transaksi-transaksi yang digunakan
dalam penyusunan Tabel I-O memenuhi tiga asumsi dasar, yaitu:
❖ Asumsi homogenitas, yang mensyaratkan bahwa tiap sektor memproduksi
suatu output tunggal dengan struktur input tunggal dan tidak ada substitusi
otomatis antara berbagai sektor.
❖ Asumsi proporsionalitas, yang mensyaratkan bahwa dalam proses
produksi, hubungan antara input dengan output merupakan fungsi linier,
yaitu tiap jenis input yang diserap oleh sektor tertentu naik atau turun
sebanding dengan kenaikan atau penurunan output sektor tersebut.
❖ Asumsi aditivitas, yaitu suatu asumsi yang menyebutkan bahwa efek total
pelaksanaan produksi di berbagai sektor dihasilkan oleh masing-masing
sektor secara terpisah. Ini berarti bahwa di luar sistem input-output, semua
pengaruh dari luar diabaikan.
Dengan asumsi-asumsi tersebut tabel input-output mempunyai
keterbatasan antara lain karena rasio input-output tetap konstan sepanjang
periode analisis, produsen tidak dapat menyesuaikan perubahan-perubahan
inputnya atau mengubah proses produksi. Hubungan yang tetap ini berarti
menunjukkan bahwa apabila input suatu sektor digandakan maka outputnya
juga akan digandakan. Asumsi semacam itu menolak adanya pengaruh
perubahan teknologi ataupun produktivitas yang berarti perubahan kuantitas
dan harga input sebanding dengan perubahan kuantitas dan harga output.
Format Tabel IO disusun dalam suatu kerangka matriks beriemensi nxm
yang dibagi menjadi empat kuadran seperti yang terlihat pada Tabel 4.1. Pada
Tabel 4.1 isian sepanjang baris memperlihatkan bagaimana output suatu sektor
dialokasikan untuk memenuhi permintaan antara dan permintaan akhir (final
demand). Sedangkan isian angka menurut kolom memperlihatkan pemakaian
input antara (intermediate input) dan input primer (primary input) yang
disediakan oleh sektor-sektor lain untuk proses kegiatan produksi suatu sektor.
Dari Tabel 4.1, jika dibaca secara baris, dapat dilihat bahwa output
sektor 1 sebesar X1 dialokasikan sebesar x11, x12,.., x1n berturut-turut kepada
sektor 1, 2,...,n sebagai permintaan antara, dan F1 untuk memenuhi permintaan
akhir. Alokasi output secara keseluruhan dapat dirumuskan ke dalam bentuk
persamaan aljabar sebagai berikut:
53
x11 + x12 + ...+ x1n + F1 = X1

x21 + x22 + ...+ x2n + F2 = X2
. . . . .
. . . . .
. . . . .
xn1 + xn2 + ...+ xnn + Fn = Xn ............................................ (4.1)
Secara umum persamaan (4.1) di atas dapat dirumuskan kembali menjadi,

yaitu:
i
x
j =1
ij + Fi = X i untuk i = 1, 2, ..., n
dimana:
xij = banyaknya output sektor i yang dipergunakan sebagai input oleh
sektor j
Fi = jumlah permintaan akhir untuk masing-masing sektor i
Xi = jumlah output sektor i.
Dengan cara yang sama, jika dibaca secara kolom, dapat dilihat total
input sektor 1 sebesar X1 dialokasikan sebesar x11, x21,.., xn1 berturut-turut
kepada diperoleh dari sektor 1, 2,...,n sebagai input antara, dan input primer
untuk memperoleh V1. Alokasi input secara keseluruhan dapat dirumuskan ke
dalam bentuk persamaan aljabar sebagai berikut:
x11 + x21 + ...+ xn1 + V1 = X1

x12 + x22 + ...+ xn2 + V2 = X2
. . . . .
. . . . .
. . . . .
x1n + x2n + ...+ xnn + Vn = Xn ............................................ (4.2)
Secara umum persamaa (4.2) di atas dapat dirumuskan kembali menjadi, yaitu:
x
i =1
ij +Vj = X j untuk j = 1, 2, ..., n
dimana:
Vj = jumlah input primer (nilai tambah bruto) dari sektor j
Xj = jumlah input sektor j.
54
4.3. Model Input-Output Terbuka
4.3.1. Koefisien Teknis

Dengan mengetahui nilai xij dan Xj kita dapat menghitung suatu
koefisien teknologi, aij, sebagai berikut:
xij
aij = ............................................................................. (4.3)
Xj
disebut sebagai koefisien teknologi atau technical coefficient sering juga
disebut sebagai koefisien input output atau koefisien input langsung (Miller
and Peter, 1985). Koefisen aij dapat diterjemahkan sebagai jumlah input sektor
i yang dibutuhkan untuk menghasilkan satu unit output sektor j.
4.3.2. Multiplier
Ada dua hal yang penting dari tabel input output yaitu analisis
keterkaitan dan analisis multiplier. Pada sesi ini kita akan membahas
pengganda (multiplier), yaitu multiplier output, pendapatan, Nilai Tambah
Bruto (NTB) dan multiplier tenaga kerja.
4.3.2.1.Multiplier Output
Untuk mencari multiplier output, pertimbangkan persamaan (4.3), jika
kita disubstitusikan ke persaman (4.1) akan menghasilkan persamaan (4.4)
dalam bentuk matriks berikut ini:
a11 x1 + a12 x 2 +  + a1n x n + F1 = X 1

a 21 x1 + a 22 x 2 +  + a 2 n x n + F2 = X 2
................................ (4.4)
    
a n1 x1 + a n 2 x 2 +  + a nn x n + Fn = X n
Persaman (4.4) dapat disederhanakan dalam bentuk matriks akan

menghasilkan persamaan (4.5) berikut:
a11 a12 a1n   x1   F1   X 1 

a      
 21 a 22 a 2 n   x 2  +  F2  =  X 2 
         
      
a n1 a12 a1n   x n   Fn   X n 
55
A X + F = X
Persamaan di atas dapat sederhanakan kembali yang dinyatakan dalam
bentuk persamaan matriks sebagai berikut:
(I – A) X = F
atau
X = (I – A)-1 F ........................................................................ (4.5)
Dimana :
(I – A) = Matriks Leontief
(I – A)-1 = Matriks kebalikan Leontief (multiplier outputt)
F = Permintaan akhir yang bersifat eksogen
X = Total output yang ditentukan dengan memasukkan berbagai
nilai permintaan akhir, F.
Matriks kebalikan Leontief dalam tabel Input-Output merupakan alat
yang fundamental dalam analisis ekonomi karena adanya saling keterkaitan
dengan tingkat permintaan akhir terhadap tingkat produksi. Matriks kebalikan
Leontief disebut juga pengali matriks atau multiplier output.
4.3.2.2.Multiplier Pendapatan
Pendapatan merupakan penerimaan berupa upah, gaji yang diterima
oleh masyarakat dari kegiatan sektor produksi. Sesuai dengan asumsi dasar
model IO, maka hubungan antara NTB dengan output bersifat linier, artinya
kenaikan ataupun penurunan output akan diikuti secara proporsional oleh
kenaikan atau penurunan pendapatan. Hubungan tersebut dijabarkan dalam
bentuk persamaan berikut:
M INC = Wˆ I − A
−1
.................................................................. (4.6)
dimana:
MICN = multiplier Pendapatan
Uj
Ŵ = matriks diagonal koefisien NTB yang diperoleh dari Wˆ =
Xj
I − A−1 = matriks kebalikan Leontief
Kegunaan dari multiplier pendapatan ini adalah ketika terdapat suatu
perubahan pada permintaan akhir maka kita dapat mengetahui berapa besar
terjadi perubahan tingkat pendapatan.
56
4.3.2.3.Multiplier NTB
Nilai Tambah Bruto (NTB) yaitu penjumlahan dari input primer yang
merupakan bagian dari input secara keseluruhan. Sesuai dengan asumsi dasar
model IO, maka hubungan antara NTB dengan output bersifat linier, artinya
kenaikan ataupun penurunan output akan diikuti secara proporsional oleh
kenaikan atau penurunan NTB. Hubungan tersebut dijabarkan dalam bentuk
persamaan berikut:
M NTB = Vˆ I − A
−1
.................................................................. (4.7)
dimana:
MNTB = multiplier NTB
Vj
Vˆ = matriks diagonal koefisien NTB yang diperoleh dari Vˆ =
Xj
Kegunaan dari multiplier NTB ini adalah ketika terdapat suatu perubahan pada
permintaan akhir maka kita dapat mengetahui berapa besar terjadi perubahan
pada NTB.
4.3.2.4.Multiplier Tenaga Kerja

Dalam suatu kegiatan proses produksi, tenaga kerja merupakan salah
satu faktor produksi yang memiliki peran penting. Pengeluaran untuk tenaga
kerja merupakan komponen dari input primer berupa gaji/upah, tunjangan dan
bonus serta termasuk hasil usaha seperti sewa, bunga, keuntungan baik berupa
uang maupun barang. Koefisien tenaga kerja merupakan suatu bilangan yang
menunjukkan besarnya jumlah tenaga kerja yang diperlukan untuk
menghasilkan suatu unit output. Kita dapat mengetahui kebutuhan akan tenaga
kerja akibat dari perubahan dalam permintaan akhir. Hubungan tersebut
dijabarkan dalam bentuk persamaan berikut:
M TK = Lˆ I − A
−1
................................................................... (4.8)
dimana:
MTK = multiplier tenaga keja
57
L̂ = matriks diagonal koefisien tenaga kerja yang diperoleh dari

TK j
Lˆ =
Xj
4.3.3. Analisis Dampak

Sampai sejauh ini, kita telah mengetahui bagaimana cara mencari nilai
pengganda output, NTB dan tenaga kerja. Dari keempat multiplier tersebut kita
dapat mengetahui dampak suatu permintaan akhir terhadap penciptaan output,
pendapatan, NTB dan kebutuhan tenaga kerja, dengan cara mengalikan
masing-masing multiplier dengan perubahan permintaan akhir. Berikut ini
akan diringkas dampak suatu perubahan permintaan akhir terhadap penciptaan
output, pendapatan, penciptaan NTB dan kebutuhan akan tenaga kerja dengan
menggunakan formula sebagai berikut:
 Output = M out F → dampak perubahan permintaan akhir terhadap

penciptaan output ......................................... (4.9)
 NTB = M NTB F
→ dampak perubahan permintaan akhir terhadap
penciptaan nilai tambah bruto (NTB). ........... (4.10)
 TK = M TK F → dampak perubahan permintaan akhir terhadap
kebutuhan tenaga kerja. ............................. (4.11)
4.3.4. Keterkaitan Sektor Perekonomian

Salah satu dasar dari perumusahan strategi kebijakan pembangunan
ekonomi dapat dilihat dari keterkaitan antara sektor-sektor dalam suatu sistem
perekonomian. Konsep keterkaitan ekonomi meliputi keterkaitan ke belakang
backward linkages) dan keterkaitan ke depan (forward linkages). Backward
linkages menunjukkan hubungan keterkaitan antar sektor dalam pembelian
input yang digunakan untuk proses produksi. Forward linkages menunjukkan
hubungan keterkaitan antar sektor dalam penjualan terhadap total penjualan
output yang dihasilkan.
Keterkaitan langsung antara sektor di dalam suatu perekonomian
ditunjukkan oleh koefisien teknis (direct input) sedangkan keterkaitan
langsung dan tidak langsung ditunjukkan oleh elemen matriks kebalikan
Leontief atau multiplier output itu sendiri.
58
Koefisien keterkiatan terutama digunakan dalam menyusun prioritas

sektor dalam perekonomian dalam rangka mencapai tujuan pembangunan.
Kaitan antara sektor perekonomian mengukur derajad saling ketergantungan
antara sektor. Kaitan ini memberi petunjuk sejauhmana pertumbuhan suatu
sektor mempengaruhi atau dipengaruhi oleh pertumbuhan sektor-sektor
lainnya. Kaitan semacam ini sangat berperanan dalam mendorong
pertumbuhan ekonomi (Hirschamn, 1958). Selanjutnya, Hirschman dan juga
Lim dan Yotopolous, 1975 memerinci kaitan-kaitan itu berupa kaitan langsung
dan kaitan tidak langsung dan daya penyebarannya. Besaran-besaran ini dapat
dipakai sebagai alat untuk menyusun prioritas-prioritas pembangunan.
4.3.4.1.Keterkaitan Langsung Ke Depan

Keterkaitan langsung ke depan menunjukkan akibat suatu sektor
tertentu terhadap sektor-sektor yang menggunakan sebagian output tersebut
secara langsung per unit kenaikan permintaan total. Besaran ini diperoleh
dengan menjumlahkan elemen-elemen dalam setiap baris dari matriks
koefisien teknis, yang diformulasikan sebagai berikut:
n
KLDi =  aij .......................................................................... (4.12)
j =1
dimana:
KLDi = keterkaitan langsung ke depan

aij = elemen matriks koefisien teknis baris i dan kolom j
Bila nilainya lebih besar dari satu menunjukkan bahwa output dan
sektor tersebut secara relatief lebih banyak digunakan oleh sektor-sektor lain
sebagai input. Hal ini berarti sektor terebut dapat menimbulkan derived supply
yang besar.
4.3.4.2.Keterkaitan Langsung Ke Belakang

Keterkaitan langsung ke belakang menunjukkan akibat suatu sektor
tertentu terhadap sektor-sektor yang menyediakan input antara bagi sektor
tersebut secara langsung per unit kenaikan permintaan total, atau suatu sektor
menunjukkan berapa banyak input yang berasal dari produksi berbagai sektor
yang dipakai oleh sektor dalam proses produksi. Besaran ini diperoleh dengan
menjumlahkan elemen-elemen dalam setiap kolom dari matriks koefisien
teknis, yang diformulasikan sebagai berikut:
59
n
KLB j =  aij .................................................................. (4.13)
i =1
dimana:
KLBj = keterkaitan langsung ke belakang
aij = elemen matriks koefisien teknis baris i dan kolom j
Bila nilainya lebih besar dari satu menunjukkan bahwa sektor tersebut
memiliki kaitan yang kuat. Artinya banyak mempengaruhi pertumbuhan
sektor-sektor lain dalam derived demand yang ditimbulkan oleh sektor ini.
4.3.4.3.Keterkaitan Langsung dan Tidak Langsung Ke Depan

Keterkaitan langsung dan tidak langsung ke depan merupakan alat
untuk mengukur akibat dari suatu sektor tertentu terhadap sektor-sektor yang
menggunakan output sektor tersebut baik secara langsung maupun tak
langsung per unit kenaikan permintaan total. Bila permintaan akhir setiap
sektor perekonomian meningkat 1 unit maka sektor i tersebut dapat
menyumbang pemenuhannya sebesar ij unit. Besaran ini diperoleh dengan
menjumlahkan elemen-elemen dalam setiap baris dari matriks kebalikan
Leontief, yang diformulasikan sebagai berikut:
n
KLTLDi =   ij ................................................................... (4.14)
j =1
dimana:
KLTDLi = keterkaitan langsung dan tidak langsung ke depan
ij = element matriks kebalikan Leontief baris i dan kolom j
4.3.4.4.Keterkaitan Langusng dan Tidak Langsung Ke Belakang

Keterkaitan langsung dan tidak langsung ke belakang menyatakan
dampak dari suatu sektor tertentu terhadap sektor-sektor yang menyediakan
input antara bagi sektor tersebut baik secara langsung dan tidak langsung per
unit kenaikan permintaan total atau menunjukkan kekuatan sesuatu sektor dan
mendorong peningkatan produksi seluruh sektor perekonomian atau dengan
kata lain seberapa besar permintaan akhir sektor dapat meningkatkan total
output sektor-sektor perekonomian. Besaran ini diperoleh dengan
menjumlahkan elemen-elemen dalam setiap kolom dari matriks kebalikan
Leontief, yang diformulasikan sebagai berikut:
n
KLTLB j =   ij .................................................................... (4.15)
i =1
60
Dimana:
KLTLBj = keterkaitan langsung tidak langsung ke belakang
4.3.4.5.Indeks Daya Penyebaran

Koefisien penyebaran sektor ke i merupakan penormalan keterkaitan
langsung dan tidak langsung ke belakang sektor ke i dengan jumlah sektor dan
jumlah seluruh unsur koefisien matriks kebalikan Leontief. Besar kecilnya
ukuran keterkaitan ke belakang (backward linkage) suatu sektor ditunjukkan
oleh Indeks keterkaitan ke belakang (IKBj) yang diperoleh dengan cara:
n
 ij
IDPj = n
i =1
n
n ................................................................ (4.16)
 
i =1 j =1
ij
dimana:
IDPj = Indeks daya penyebaran disebut jug sebagai backward linkages
effect ratio
n = ukuran matriks Leontief
4.3.4.6.Indeks Derajat Kepekaan

Kepekaan penyebaran sektor ke i merupakan penormalan keterkaitan
langsung dan tidak langsung ke depan sektor ke i dengan jumlah sektor dan
jumlah seluruh unsur koefisien matriks kebalikan Leontief terbuka. Besar
kecilnya ukuran keterkaitan ke depan (forward lingkage) suatu sektor
ditunjukkan oleh Indeks keterkaitan ke depan, yang diperoleh dengan cara
berikut:
n

j =1
ij
IDK i = n n
n .................................................................. (4.17)
 
i =1 j =1
ij
dimana:
IDKi = Indeks derajat kepekaan disebut jug sebagai forward linkages
effect ratio
n = ukuran matriks Leontief
61
4.4. Model Input-Output Tertutup

Dalam suatu tabel IO, rumah tangga umumnya diperlakukan sebagai
eksogen. Hal tersebut didasarkan pada asumsi bahwa tumah tangga dapat
menentukan perilaku konsumsinya di luar sistem ekonomi yang ada. Dengan
demikian rumah tangga dapat bertindak sebagai eksogen. Tabel IO yang
menempatkan rumah tangga sebagai eksogen disebut sebagai Tabel IO terbuka
(open IO table) dan model-model yang diperoleh dari tabel IO tersebut disebut
sebagai model terbuka (open model). Sedemikian rupa sehingga matriks
pengganda (multiplier) yang dihasilkan dari tabel IO tersebut disebut sebagai
pengganda bentuk 1 atau multiplier type I. Bentuk umum dalam tabel IO
terbuka untuk koefisien teknis adalah:
a11 a12 a1n 

a a 22 a 2 n 
A =  21 ............................................................. (4.18)
   
 
a n1 a12 a1n 
Model dengan memperlakukan rumah tangga sebagai faktor endogen

disebut model IO tertutup (closed IO model), yaitu dengan memasukkan
konsumsi rumah tangga serta upah dan gaji ke dalam input antara (kuadran
pertama). Model ini merupakan pengembangan dari model IO terbuka yakni
dengan memasukkan atau menambahkan satu kolom konsumsi rumah tangga
dan menambahkan satu baris untuk upah dan gaji yang diterima disetiap sektor
ekonomi.
a11 a12 a1n  h1 

a 
 21 a 22 a 2 n  h2 
      
A=  ................................................. (4.19)
a n1 a12 a1n  hn 
 
 
 w1 w2 wn  wh 
Dimana:
A = koefisien teknis IO terbuka

A = koefisien teknis IO tertutup
62
w = vektor baris upah dan gaji

h = vektor kolom pengeluaran konsumsi
4.5. Multiplier
Multiplier adalah pengukuran suatu respon atau merupakan dampak
dari stimulus ekonomi. Multiplier adalah koefisien yang menyatakan kelipatan
dampak langsung dari meningkatnya permintan akhir suatu sektor sebesar satu
unit terhadap produksi total semua sektor suatu wilayah tertentu. Stimulus
ekonomi yang sering dimaksud dapat berupa output, pendapatan atau
kesempatan kerja. Masing-masing multiplier tersebut masih dibagi lagi
menjadi dua, yaitu : multiplier Tipe I dan Tipe II (Jensen, et al, 1979).
Menurut Jensen dan Weest, 1986, Powell, Jensen dan Gibson, 1958
dalam Daryanto, 1990 total multiplier yang diturunkan dari Model Input-
Output dapat diklasifikasikan dalam lima komponen yang berbeda yaitu :
initial impacts, first round effeect, industrial support effect, consumption
induced effect dan flow-on effect. Besarnya dampak atas pengaruh stimulus
ekonomi tersebut terdiri dari beberapa tahap, yaitu :
4.5.1. Efek Awal (Initial Effect)

Dampak awal ini merupakan stimulus perekonomian atau penyebab
dampak yang diasumsikan sebagai peningkatan atau penurunan penjualan
dalam satuan unit moneter. Dari sisi output, dampak awal ini diasumsikan
sebagai peningkatan penjualan ke permintaan akhir sebesar satu unit satuan
moneter. Peningkatan output tersebut akan memberikan dampak terhadap
peningkatan pendapatan dan kesempatan kerja.
4.5.2. Efek Putaran Pertama (First Round Effect)

Efek putaran pertama menunjukkan dampak langsung dari pembelian
setiap sektor untuk setiap peningkatan output sebesar satu unit satuan moneter.
Dari sisi output, dampak putaran pertama ini ditunjukkan oleh koefisien
langsung (koefisien teknologi atau koefisien input-output/aij). Total efek
putaran pertama dari sisi pendapatan (  aij hi) menunjukkan peningkatan
pendapatan setiap sektor dengan adanya efek putaran pertama dari sisi output.
Total efek putaran pertama dari sisi output tenaga kerja (  aij ei) menunjukkan
peningkatan penyerapan tenaga kerja dengan adanya efek putaran pertama dari
sisi output.
63
4.5.3. Efek Dukungan Industri (Industrial Support Effect)

Efek dukungan industri dari sisi output menunjukkan efek peningkatan
output putaran kedua dan selanjutnya yang terjadi secara bergelombang yang
disebabkan adanya stimulus ekonomi. Dari sisi pendapatan dan tenaga kerja,
efek dukungan industri masing-masing menunjukkan efek peningkatan
pendapatan dan penyerapan tenaga kerja putaran kedua dan selanjutnya yang
terjadi secara bergelombang karena efek dukungan industri output. Atau
dengan kata lain efek dukungan industri ini merupakan efek lanjutan dari suatu
sektor akibat terjadi peningkatan output dalam perekonomian untuk
mendukung industri sebagai respon peningkatan penjualan dalam satu satuan
unit moneter terhadap permintaan akhir.
4.5.4. Efek Induksi Konsumsi (Consumption Induced Effect)

Efek induksi konsumsi dari sisi output didefinisikan sebagai pengaruh
induksi (peningkatan konsumsi rumah tangga) karena peningkatan penjualan
rumah tangga dengan adanya peningkatan penjualan ke permintaan akhir. Dari
sisi pendapatan dan tenaga kerja, efek induksi konsumsinya diperoleh dengan
mengalikan efek induksi konsumsi output masing-masing dengan koefisien
pendapatan rumah tangga dan koefisien tenaga kerja. Secara ringkas dapat
dikatakan bahwa efek induksi konsumsi ini adalah efek tambahan dari akibat
masuknya rumah tangga sebagai suatu sektor produksi di dalam perekonomian.
4.5.5. Efek Lanjutan (Flow-on Effect)

Efek lanjutan didefinisikan sebagai dampak output, pendapatan dan
tenaga kerja yang terjadi pada semua sektor perekonomian karena adanya
peningkatan penjualan suatu sektor. Efek lanjutan dihitung dengan
mengurangkan efek total dengan dampak awal. Sehingga memungkinkan
untuk memisahkan faktor penyebab dan efek yang terjadi dalam multiplier.
Faktor-faktor penyebab diasumsikan sebagai kenaikan penjualan suatu sektor
sebesar satu unit satuan moneter (initial impact) dan efek yang terjadi
ditunjukkan oleh efek lanjutan.
Total multiplier yang diturunkan dari Model Input-Output yang
diklasifikasikan dalam initial impacts, first round effeect, industrial support
effect, consumption induced effect dan flow-on effect tersebut diatas, nilainya
masing-masing dapat ditentukan dengan menggunakan formula yang tertera
pada Tabel 4.
64
Tabel 4.2: Struktur Multiplier Output, Income dan Employment

Multiplier
Efek
Output Pendapatan Tenaga Kerja
Awal 1 hj ej
Putaran Pertama a i
ij a
i
ij hi a ij ei
i
Dukungan Industri  i
ij −1− a
i
ij 
i
ij hi − hj − a
i
ij hi 
i
ij ei −ej − a e
i
ij i
Induksi Konsumsi  − 
i
*
ij
i
ij 
i
*
ij hi − 
i
ij hi 
i
*
ij ei − 
i
ij ei
Total  i
*
ij 
i
*
ij hi 
i
*
ij ei
Lanjutan  i
 ij* − 1 i
 ij* hi − h j 
i
*
ij ei −ej
Keterangan:
aij = keofisien output
hi = koefisien pendapatan rumah tangga
ei = koefisien tenaga kerja
ij = matriks kebalikan Leontief terbuka
 ij* = matriks kebalikan Leontief tertutup
4.6. Multiplier Type I dan II

Stimulus ekonomi dapat dilihat dari output, pendapatan atau
kesempatan kerja. Masing-masing multiplier tersebut masih dibagi lagi
menjadi dua, yaitu: multiplier Tipe I dan Tipe II (Jensen, et al, 1979).
Multiplier Type I dan Type II bertujuan untuk melihat atau mengetahui
hubungan antara efek awal dan efek lanjutan per unit pengukuran dari sisi
output, pendapatan dan tenaga kerja. Formula dari Type I dan II adalah
sebagai berikut:
Efek Awal + Efek Putaran Pertama + Efek Dukungan Industri

Type I = ............... (4.20)
awal
65
Efek Awal + Efek Putaran Pertama + Efek Dukungan Industri + Efek Induksi konsumsi
Type II = ...... (4.21)
awal
4.7. Pengembangan Model Input-Output

Secara teoritis kita telah mendapat teori dari model Input-Output yang
telah dibahas pada bagian terdahulu. Pada bagian ini kita akan mencoba
menjelaskan pengembangan model input-output. Pengembangan IO dilihat dari
dua macam pendekatan yaitu demand side dan supply-side
4.7.1. Pendekatan Sisi Permintaan (Demand-Side)

Dalam standar model input-output, asumsikan kita memiliki
pengamatan data sebuah matriks transaksi antar sektor, Zi, dan vektor
permintaan akhir, Yi. Dengan demikian kita dapat mengetahui total output, Xi,
yaitu: Xi = Zi + Fi. Koefisien teknis, atau direct-input dapat diperoleh dengan
formula berikut ini:
xij
aij = …………………………………………………….. (4.22)
Xj
sedemikian rupa sehigga, kita dapat menghasilkan matriks koefisien teknis, aij.
Untuk mencari koefisien teknis menggunakan matrisk kita dapat mencari nilai
koefisien teknis dengan cara berikut ini: Asumsikan kita mempunyai matriks
transaksi, Z ukuran 3 x 3.
 x11 x12 x13  X1 

 
Z =  x 21 x 22 x 23  dan total output X =  X 2  ,
 x31 x32 x33   X 3 
a11 a12 a13 

A = a 21 a 22 a 23  ini merupakan koefisien teknis, atau
a31 a32 a33 
66
 x11 x12 x13   1 

   0 0
 X1 X2 X3 
 x11 x12 x13   X1 
x x 22 x 23    1 
A =  21  = x 21 x 22 x 23  0 0 
 X1 X2 X3    X2 
 x31 x32 x33 
 x31 x32 x33   1 
  0 0 
 X 1 X2 X 3   X3 
−1

A = Z X  …………………………………………………………. (4.23)
 
−1

Z  X  merupakan koefisien teknis atau direct-input, yang merupakan core
 
dalam model input-output. Karena total output adalah sama dengan penjualan
antarindustri ditambah dengan penjualan kepada permintaan akhir, maka kita
akan memiliki:
X = AX + F ………………………………………………. (4.24)
atau
X = (I − A) F ,
−1
…………………………………………… (4.25)
Proses dapat dilihat pada model input-output sebelumnya. X = (I − A)

−1
disebut sebagai matriks Leontief atau multiplier output. Dalam standard model
input-output, disebut sebagai demand-side model atau demand-driven model
(Miller and Blair, 1985).
4.7.2. Pendekatan Sisi Penawaran (Supply-Side)
Di dalam metode pendekatan demand-side dicirikan oleh, koefisien aij

yang diperoleh dengan cara:
xij
aij = ……………………………………………………… (4.26)
Xj
Formula di atas merupakan perbedaan yang mendasar dan fundamental
sehubungan dengan pendekatan dari sisi penawaran (supply-side). Untuk
67
memperoleh koefisien input di dalam pendekatan supply-side, digunakan

dengan formula, (Miller and Blair, 1985)
 xij
aij = ……………………………………………………… (4.27)
Xi

disimbol dengan aij untuk membedakannya dengan demand-side. Dengan cara
yang sama maka kita dapat mengulang kembali prosedur seperti pada contoh
demand-side, sehingga kita dapat menemukan koefisien teknis dengan cara
menggunakan formula berikut ini:
    −1
A=X Z ………………………………………………… (4.28)
 
Berikut ini adalah uraian untuk mendapatkan koefisien teknis dari sisi
penawaran (supply side), asumsikan kita kita memiliki matriks 3 x 3:
 x11 x12 x13  X1 

 
Z =  x 21 x 22 x 23  dan total output X =  X 2  ,
 x31 x32 x33   X 3 
  
a11 a12 a13 

A = a 21 a 22 a 23  merupakan koefisien teknis, atau
  
  
a31 a32 a33 
 x11 x12 x13   1 

  0 0
 X1 X1 X 1   X 1   x11 x12 x13 
 x x 22 x 23   1  x
A =  21  = 0 0   21 x 22 x 23 
X2 X2 X2   X2   x31 x32 x33 
 x31 x32 x33   1 
  0 0 
 X 3 X3 X 3   X3 
68
    −1
A=X Z ……………………………………………….. (4.29)
 
Untuk mencari matriks multiplier output


(  −1
X = I−A ) …………..………………………………………(4.30)
Asumsi dasar dari pendekatan supply-side adalah bahwa pola distribusi output
adalah stabil pada suatu sistem perekonomian, artinya bahwa jika output sektor
i, misalnya digandakan (doubled), maka salah satu yang mungkin diharapkan
penjualan dari sektor i untuk masing-masing sektor yang membeli dari i akan
dilipatgandakan juga. Yaitu, sebagai gantinya koefisien input tetap (fixed input
coefficients, maka fixed output coefficients adalah diasumsikan pada model
supply-side.
69
HALAMAN INI SENGAJA DIKOSONGKAN
70
BAB 5
APLIKASI MODEL INPUT-OUTPUT
5.1. Model Input Output Terbuka
Untuk lebih memahami aplikasi model input-ouput dengan

menggunakan perhitungan matriks yang terdapat pada prosedur SAS/IML,
maka kita akan mencoba membuat tabel transaksi input-output. Data ini
merupakan data hipotetik. Asumsikan bahwa Indonesia mempunyai Tabel
Input-Output seperti yang tertera pada Tabel 1 berikut ini:
Tabel 5.1: Tabel Input-Output Klasifikasi 3 Sektor Tahun 2005 (Juta Rupiah)
Sector Pertanian Industri Jasa Total C I OFD Total

1. Pertanian 258 1408 42 1708 204 346 1382 3640
2. Industri 486 1558 718 2762 1524 760 3034 8080
3. Jasa 448 1006 1074 2528 2868 532 2120 8048
4. Total 1192 3972 1834 6998 4596 1638 6536 19768
5. UpahGaji 764 1494 1920 4178 0 0 0 4178
6. S_Usaha 1184 1720 2300 5204 0 0 0 5204
7. OIP 500 894 1994 3388 0 0 0 3388
8. NTB 2448 4108 6214 12770 0 0 0 12770
9. Total 3640 8080 8048 19768 4596 1638 6536 32538
10. Employ 134 297 670 1101 0 0 0 0
Sumber: Data Hipotetik
Dimana:
C adalah permintaan akhir untuk konsumsi
I adalah permintaan akhir untuk investasi
OFD adalah permintaan akhir lainnya
OIP adalah input primer lainnya
NTB adalah nilai tambah bruto (pernjumlahan dari upah gaji, surplus
usaha dan OIP)
Employ adalah jumlah tanaga kerja (orang)
S_Usaha adalah surplus usaha
Pertanian, Industri dan Jasa adalah merupakan sektor yang terdapat di dalam
perekonomian Indonesia.
Bab 5. Aplikasi Model Input Output
Pertama sekali yang kita lakukan dalam analisis ini adalah bagaimana
mengenalkan transaksi tabel IO ke dalam program SAS/IML. Untuk hal
tersebut kita dapat ikuti rangkaian pernytaan berikut ini:
Proc iml;
reset spaces=5 fw=8;
z = { 258 1408 42 1708 204 346 1382 3640,
486 1558 718 2762 1524 760 3034 8080,
448 1006 1074 2528 2868 532 2120 8048,
1192 3972 1834 6998 4596 1638 6536 19768,
764 1494 1920 4178 0 0 0 4178,
1184 1720 2300 5204 0 0 0 5204,
500 894 1994 3388 0 0 0 3388,
2448 4108 6214 12770 0 0 0 12770,
3640 8080 8048 19768 4596 1638 6536 32538,
134 297 670 1101 0 0 0 0};
kolom={Pertanian Industri Jasa Total C I OFD Total};

baris={Pertanian Industri Jasa Total Gaji_Upah S_Usaha OIP
NTB Total Employ};
Sampai sejauh ini kita telah berhasil menciptakan tabel transaski IO yang
diberi nama dengan matriks Z. Catat bahwa kita menggunakan sebuah
penugasan BARIS dan KOLOM sebagai label masing-masing sektor. Untuk
mengetahuinya kita dapat mencetak matriks Z tersebut ke layar output dengan
cara:
print z [rowname=baris colname=kolom format=8.1];
Perhatikan bahwa ketika menggunakan pernyataan PRINT Z, kita melakukan

penugasa nama baris (ROWNAME) yang ditugaskan oleh BARIS dan nama
kolom (COLNAME) yang ditugaskan oleh KOLOM. Pernyataan FORMAT
bertujuan untuk menentukan jumlah byte dan desimal data. Setelah,
mengetikkan pernyataan di atas, selanjutnya tekan tombol F8, sehingga
hasilnya akan terlihat seperti pada Output 5.1.
72
Output 5.1.
The SAS System
Z PERTANIAN INDUSTRI JASA TOTAL C I OFD TOTAL
PERTANIAN 258.0 1408.0 42.0 1708.0 204.0 346.0 1382.0 3640.0

INDUSTRI 486.0 1558.0 718.0 2762.0 1524.0 760.0 3034.0 8080.0
JASA 448.0 1006.0 1074.0 2528.0 2868.0 532.0 2120.0 8048.0
TOTAL 1192.0 3972.0 1834.0 6998.0 4596.0 1638.0 6536.0 19768.0
GAJI_UPAH 764.0 1494.0 1920.0 4178.0 0.0 0.0 0.0 4178.0
S_USAHA 1184.0 1720.0 2300.0 5204.0 0.0 0.0 0.0 5204.0
OIP 500.0 894.0 1994.0 3388.0 0.0 0.0 0.0 3388.0
NTB 2448.0 4108.0 6214.0 12770.0 0.0 0.0 0.0 12770.0
TOTAL 3640.0 8080.0 8048.0 19768.0 4596.0 1638.0 6536.0 32538.0
EMPLOY 134.0 297.0 670.0 1101.0 0.0 0.0 0.0 0.0
Interpretasi
 Dibaca secara baris, penjualan output sektor pertanian dialokasikan pada

sektor pertanian, industri dan jasa adalah 258 juta 1408 juta dan 42 juta
secara berturut-turut. Dan output sektor pertanian sebagian dialokasi pada
permintaan akhir C, I dan OFD masing-masing 346 juta 1382 juta dan
1382 juta. Selanjutnya cara membacanya untuk sektor industri dan jasa
adalah sama.
 Dibaca secara kolom, pembelian input atau permintaan input sektor
pertanian untuk input antara adalah sebesar 1192 juta masing-masing untuk
pertanian 258 juta, industri 486 juta dan jasa adalah 448 juta. Sedangkan
permintaan untuk input primer untuk adalah 2448 juta. Begitu juga cara
membacanya untuk sektor industri dan jasa.
 Kebutuhan tenaga kerja di sektor pertanian, industri dan jasa masing-
masing adalah 134 orang, 297 orang dan 670 orang.
5.1.1. Mencari Koefisien Teknis

Untuk mencari koefisien teknis, secara manual kita dapat menerapkan
persamaan (1), tetapi dalam bahasa matriks kita tidak langsung menerapankan
persamaan (1). Untuk menemukan dan mencari nilai koefisien teknis kita dapat
gunakan persamaan (17). Catat bahwa semua pernyataan di atas ditulis dapat
satu lembar kerja PROGRAM EDITOR. Berikut ini adalah pernyataan yang
sesuai untuk aplikasi persamaan (17), yaitu:
73
/* mengambil matriks input antara berukuran 3 x 3 */

trans = z [1:3,1:3];
/* mengambil matriks total input (baris 9 kolom 1 sd 3 */
tinput = z [9,1:3];
/* mendiagonalkan matriks total input */
dtinput=diag(tinput);
/* menginverse matriks total input */
dinv=inv(dtinput);
/* Koefisien Teknis */
teknis =trans*dinv;
print trans, tinput, dtinput, dinv,

teknis [rowname=baris colname=kolom format=8.4];
Dengan menekan tombol F8, maka hasil rangkaian pernyataan diatas dapat
dilihat pada Output 5.2. berikut ini:
Output 5.2
TRANS
258 1408 42
486 1558 718
448 1006 1074
TINPUT
3640 8080 8048
DTINPUT
3640 0 0
0 8080 0
0 0 8048
DINV
0.000275 0 0
0 0.000124 0
0 0 0.000124
TEKNIS PERTANIAN INDUSTRI JASA
PERTANIAN 0.0709 0.1743 0.0052

INDUSTRI 0.1335 0.1928 0.0892
JASA 0.1231 0.1245 0.1334
74
Interpretasi
 Pada Output 5.2. terlihat bahwa kita telah menciptakan lima (5) buah
matriks, yaitu matriks TRANS yang berisi elemen intermediate input,
TINPUT merupakan vektor baris total input, DTINPUT merupakan matriks
diagonal dari total input, DINV merupakan matriks kebalikan (inverse) dari
total input yang telah didiagonalkan sebelumny dan matriks TEKNIS
merupakan koefisien teknis atau koefisien teknologi.
 Matriks TRANS, TINPUT, DINPUT dan DINV hanyalah matriks-matriks
yang digunakan dalam proses menghasilkan matriks TEKNIS. Output yang
dijelaskan selalu hanya yang lengkapi dengan keterangan atau label.
 Koefisien teknis diatas dapat diartikan sebagai kebutuhan masing-masing
sektor untuk menghasilkan produksi. Pada prinsipnya sama cara membaca
pada transaksi tablel IO hanya dalam hal ini dilihat sebagai share masing-
masing sektor.
5.1.2. Mencari Multiplier Output

Multiplier output atau sering disebut dengan matriks kebalikan Leontif
merupakan inti dalam analisis model input-output. Untuk mencari multiplier
output, kita dapat terapkan persamaan (5). Catat bahwa I pada persamaan (5)
merupakan identitas, yang dapat kita ciptakan dengan menggunakan fungsi I.
Berikut adalah pernyataan yang sesuai dalam bahasa matriks, yaitu:
ident =I(3);
IA =ident-teknis;
m_out =inv(ia);
sig_b =m_out[+,];
gabung =m_out//sig_b;
sig_k =gabung[,+];
sektor =gabung||sig_k;
print ident ia, m_out sig_b, gabung sig_k,

sektor [rowname=baris colname=kolom format=8.3];
Perhatikan bahwa tiga pernyataan matriks diatas sudah cukup untuk

membentuk matriks kebalika Leontief (M_OUT). Sementara empat (4) matriks
terakhir hanya bertujuan untuk membuat laporan output menjadi lebih elegan,
yaitu sebuah matriks SEKTOR yang isinya merupakan matriks M_OUT yang
telah memiliki nilia jumlah total berdasarkan baris dan kolom. Lebih jelasnya
75
anda dapat mengeksekusi rangkaian program diatas dengan menekan tombol

F8, maka hasilnya akan ditampilkan pada Output 5.3.
Output 5.3
The SAS System
IDENT IA
1 0 0 0.929121 -0.174260 -0.005220
0 1 0 -0.133520 0.807178 -0.089210
0 0 1 -0.123080 -0.124500 0.866551
M_OUT SIG_B
1.115856 0.245837 0.032030 1.509201 1.772244 1.345549
0.205353 1.304117 0.135501
0.187991 0.222290 1.178018
GABUNG SIG_K
1.115856 0.245837 0.03203 1.393723
0.205353 1.304117 0.135501 1.644971
0.187991 0.22229 1.178018 1.588300
1.509201 1.772244 1.345549 4.626994
SEKTOR PERTANIAN INDUSTRI JASA TOTAL
PERTANIAN 1.116 0.246 0.032 1.394

INDUSTRI 0.205 1.304 0.136 1.645
JASA 0.188 0.222 1.178 1.588
TOTAL 1.509 1.772 1.346 4.627
Interpretasi
 Matriks SEKTOR dapat diartikan bahwa, jika permintaan akhir sektor
pertanian bertambah Rp 1 juta maka output perekonomian akan meningkat
sebesar 1.509 (pertanian sebesar 1.116, industri 0.205 dan sekor jasa
sebesar 0.188). Jika permintaan akhir disektor sektor industri meningkat
Rp. 1 juta maka output perekonomian akan bertambah sebesar Rp. 1.772
juta, dan jika permintaan akhir disektor jasa naik Rp. 1 juta maka output
perekonomian bertambah sebesar Rp. 1.346 juta
 Jika permintaan akhir meningkat Rp. 1 juta diseluruh sektor, maka output
perekonomian akan meningkat di sektor pertanian sebesar Rp. 1.394 juta,
industri Rp. 1.645 juta dan sektor jasa sebesar Rp 1.588 juta. Total output
dalam perekonomian meningkat sebesar Rp. 4.627 juta.
76
 Hasil Output dari pernyataan program hanya dijelaskan yang dilengkapi

dengan label (dalam hal ini matriks SEKTOR), begitu seterusnya untuk
hasil-hasil output lainnya.
 Matriks selain matriks SEKTOR penjelasannya dapat dilihat pada perintah
pernyataan program yang ditulis sebelumnya dan perintah pernyataan
program tersebut dapat anda pahami dengan melihat kembali lampiran
prosedur SAS/IML.
 Matriks IDENT merupakan matriks identitas berukuran 3 x 3, IA adalah
matriks identitas dikurangi dengan matriks koefisien teknis sedangkan
matriks M_OUT merupakan matriks multiplier output atau matriks
kebalikan Leontif (I – A)-1, yang diperoleh dari menginverskan matriks IA.
 Operator “//” bertujuan untuk menggabungkan beberapa buah matriks
secara vertikal (dalam hal ini adalah menggabungkan matriks M_OUT
dengan matriks SIG_B yang ditampung pada matriks GABUNG).
Perhatikan bahwa matriks GABUNG jadi berukuran 4 x 3.
 Operator “||” bertujuan untuk menggabungkan beberapa buah matriks
secara horizontal (dalam hal ini adalah menggabungkan matriks GABUNG
dengan matriks SIG_K yang ditampung pada matriks SEKTOR).
Perhatikan bahwa matriks SEKTOR berukuran 4 x 4. Dari dari kedua
penggabungan ini menghasilkan matriks SEKTOR yang berisikan unsur
dari elemen matriks M_OUT yang dilengkapi dengan total penjumlahan
berdasarkan baris dan kolom.
5.1.3. Mencari Multiplier Pendapatan

Untuk mencari multiplier pendapatan kita dapat menerapkan persamaan
persamaan (6). Berikut adalah pernyataan yang sesuai untuk menghasilkan
multipier pendapatan, yaitu:
income = z [5,1:3];
koeinc = income/tinput;
dinc = diag(koeinc);
m_inc = dinc * m_out;
sig_bi = m_inc[+,];
gab_i = m_inc//sig_bi;
sig_ki = gab_i[,+];
sector = gab_i||sig_ki;
print income koeinc, dinc m_inc, gab_i sig_ki,
sector [rowname=baris colname=kolom format=8.3];
77
Catat bahwa kita membuat sebuah mariks INCOME yang berisi upaha dan gaji
yang diperoleh dari sektor produksi dimana upah dan gaji tersebut pada
matriks Z berada pada baris 5. Dengan menekan tombol F8 akan menghasilkan
Output 5.4. berikut ini:
Output 5.4
The SAS System
INCOME KOEINC
764 1494 1920 0.20989 0.184901 0.238569
DINC M_INC
0.20989 0 0 0.234207 0.051599 0.006723
0 0.184901 0 0.03797 0.241133 0.025054
0 0 0.238569 0.044849 0.053031 0.281038
SIG_BI GAB_I SIG_KI

0.317026 0.345763 0.312815 0.234207 0.051599 0.006723 0.292529
0.03797 0.241133 0.025054 0.304157
0.044849 0.053031 0.281038 0.378918
0.317026 0.345763 0.312815 0.975604
SECTOR PERTANIAN INDUSTRI JASA TOTAL
PERTANIAN 0.234 0.052 0.007 0.293

INDUSTRI 0.038 0.241 0.025 0.304
JASA 0.045 0.053 0.281 0.379
TOTAL 0.317 0.346 0.313 0.976
Interpretasi
 Matriks M_INC dan SECTOR adalah matriks multiplier pendapatan,
perbedaannya matriks SECTOR sudah dilengkapi dengan totall
penjumlahan berdasarkan baris dan kolom.
 Matriks SECTOR dapat diartikan bahwa, jika permintaan akhir sektor
pertanian bertambah Rp 1 juta maka pendapatan perekonomian akan
meningkat sebesar 0.317 (pertanian sebesar 0.234, industri 0.038 dan sekor
jasa sebesar 0.045). Jika permintaan akhir disektor industri meningkat Rp.
1 juta maka pendapatan perekonomian akan meningkat sebesar Rp 0.346
78
juta, dan jika permintaan akhir disektor jasa naik Rp. 1 juta maka
pendapatan perekonomian meningkat sebesar Rp. 0.313 juta.
 Jika permintaan akhir meningkat Rp. 1 juta diseluruh sektor, maka output
perekonomian akan meningkat di sektor pertanian sebesar Rp. 0.293 juta,
industri Rp. 0.304 juta dan sektor jasa sebesar Rp 0.379. Total pendapatan
dalam perekonomian meningkat sebesar Rp. 0.976 juta.
5.1.4. Mencari Multiplier NTB

Pada prinsip mencari multiplier NTB sama dengan nilai multiplier
pendapatan. Perbedaannya adalah pada multiplier NTB merupakan
penjumlahan dari input primer. Untuk mencari multiplier NTB kita dapat
menerapkan persamaan (7). Berikut adalah pernyataan yang sesuai untuk
menghasilkan multipier NTB, yaitu:
/* Multiplier NTB */
/* Memilih matriks Z (baris 8 dan kolom 1,2 dan 3) */
ntb = z [8,1:3];
koentb = ntb/tinput;
dntb = diag(koentb);
m_ntb = dntb * m_out;
sig_bn= m_ntb[+,];
gab_n = m_ntb//sig_bn;
sig_kn= gab_n[,+];
sect = gab_n||sig_kn;
print ntb koentb, dntb m_ntb, sig_bn gab_n sig_kn,

sect [rowname=baris colname=kolom format=8.3];
Dengan menekan tekan tombol F8, maka rangkaian pernyataan akan

menghasilkan Output 5.5. NTB merupakan vektor matriks nilai tambah bruto,
DNTB merupakan merupakan matriks diagonal koefisien nilai tambah bruto.
Sedangkan matriks M_NTB adalah matriks multiplier NTB yang diperoleh
melalui persamaan (7). Matriks SECT juga matriks multiplier NTB yang
dilengkapi dengan total penjumlahan berdasarkan barsi dan kolom.
79
Output 5.5
The SAS System
NTB KOENTB
2448 4108 6214 0.672527 0.508416 0.772117
DNTB M_NTB
0.672527 0 0 0.750444 0.165332 0.021541
0 0.508416 0 0.104405 0.663034 0.068891
0 0 0.772117 0.145151 0.171634 0.909568
SIG_BN GAB_N SIG_KN

1 1 1 0.750444 0.165332 0.021541 0.937317
0.104405 0.663034 0.068891 0.836329
0.145151 0.171634 0.909568 1.226354
1 1 1 3
SECT PERTANIAN INDUSTRI JASA TOTAL
PERTANIAN 0.750 0.165 0.022 0.937

INDUSTRI 0.104 0.663 0.069 0.836
JASA 0.145 0.172 0.910 1.226
TOTAL 1.000 1.000 1.000 3.000
Interpretasi
 Cara membaca multipier NTB ini pada prinsipnya sama dengan multiplier
output dan multiplier pendapatan sebelumnya. Jika seluruh permintaan
akhir diseluruh sektor meningkat Rp 1 juta maka nilai tambah bruto
perekonomian meningkat disektor pertanian sebesar Rp 0.937, sektor
Industri sebesar Rp 0.836 juta dan Jasa sebesar Rp 1.266 juta. Total nilai
tambah bruto meningkat sebesar Rp. 3 juta.
5.1.5. Mencari Multiplier Tenaga Kerja

Untuk mencari multiplier tenaga kerja kita dapat menerapkan
persamaan (8). Ingat bahwa dalam mencari multiplier tenaga kerja, pertama
kita harus menemukan vektor baris tenaga kerja (TK), kemudian cari koefisien
tenaga kerja dengan cara membagi nilai tenaga kerja dengan total input
(KOETK). Berikut adalah pernyataan yang sesuai untuk menghasilkan
multipier tenaga kerja, yaitu:
80
/* Multiplier Tenaga Kerja */

tk = z [10,1:3];
koetk = tk/tinput;
dtk = diag(koetk);
m_tk = dtk * m_out;
sig_btk= m_tk[+,];
gab_tk = m_tk//sig_btk;
sig_ktk= gab_tk[,+];
sectort= gab_tk||sig_ktk;
print tk koetk, dtk m_tk, sig_btk gab_tk sig_ktk,

sectort [rowname=baris colname=kolom format=8.3];
Tekan F8 sehingga akan menghasilkan output seperti pada Output 5.6 berikut
ini:
Output 5.6
The SAS System
TK KOETK
134 297 670 0.036813 0.036757 0.08325
DTK M_TK
0.036813 0 0 0.041078 0.00905 0.001179
0 0.036757 0 0.007548 0.047936 0.004981
0 0 0.08325 0.01565 0.018506 0.098071
SIG_BTK GAB_TK SIG_KTK

0.064277 0.075492 0.10423 0.041078 0.00905 0.001179 0.051307
0.007548 0.047936 0.004981 0.060465
0.01565 0.018506 0.098071 0.132227
0.064277 0.075492 0.10423 0.243999
SECTORT PERTANIAN INDUSTRI JASA TOTAL
PERTANIAN 0.041 0.009 0.001 0.051

INDUSTRI 0.008 0.048 0.005 0.060
JASA 0.016 0.019 0.098 0.132
TOTAL 0.064 0.075 0.104 0.244
81
Interpretasi
 TK merupakan vektor baris tenaga kerja (employ), KOETK merupakan
vektor baris keofisien tenaga kerja. DTK merupakan merupakan matriks
diagonal koefisien tenaga kerja. Sedangkan matriks M_TB dan SEKTORT
adalah matriks multiplier tenaga kerja. Bedanya matriks SEKTORT telah
dilengkapi dengan total penjumlahan berdasarkan baris dan kolom.
 Jika permintaan akhir meningkat sebesar Rp. 1 juta disektor pertanian,
maka penyerapan tenaga kerja di dalam perekonomian tesebut meningkat
sebesar equivalen dengan Rp. 0.064 juta (pertanian (0.041), industri 0.008
dan jasa sebesar 0.016).
 Jika permintaan akhir meningkat sebesar Rp. 1 juta diseluruh sektor, maka
penyerapan tenaga kerja di dalam perekonomian tesebut meningkat sebesar
equivalen dengan Rp. 0.244 juta (pertanian Rp. 0.051 juta, industri 0.060
juta dan jasa sebesar 0.132 juta).
5.1.6. Keterkaitan Langsung Ke Depan dan Ke Belakang

Untuk mencari nilai keterkaitan langsung ke depan dan ke belakang,
kita dapat menerapkan persamaan (9) dan persamaan (10) secara berturut-turut.
Untuk maksud tersebut, penulisan matriks yang sesuai adalah sebagai berikut:
/* Keterkaitan Langsung ke Depan */

kld = teknis[,+];
/* Keterkaitan langsung Ke Belakang */
klb = teknis[+,];
print kld [rowname=baris format=8.3],

klb [colname=kolom format=8.3];
Tekan tombol F8, akan menghasilkan Output 5.7 berikut:
Output 5.7
KLD
PERTANIAN 0.250
INDUSTRI 0.416
JASA 0.381
KLB PERTANIAN INDUSTRI JASA
0.327 0.492 0.228
82
Interpretasi
 Matriks KLD adalah nilai keterkaitan langsung ke depan, yang diperoleh
dari penjumlahan matriks koefisien teknis berdasarkan kolom. Sedangkan
matriks KLB adalah nilai keterkaitan langsung ke belakang, yang diperoleh
dari penjumlahan matriks koefisien teknis berdasarkan baris.
5.1.7. Keterkaitan Langsung dan Tidak Langsung Ke Depan dan Ke

Belakang
Untuk mencari nilai keterkaitan langsung dan tidak langsung ke depan
dan ke belakang, maka kita terapkan persamaan (11) dan persamaan (12)
secara berturut-turut. Untuk maksud tersebut, penulisan matriks yang sesuai
adalah sebagai berikut:
/* Keterkaitan Langsung dan tidak Langsung Ke Depan */
kltld = m_out[,+];
/* Keterkaitan Langsung dan tidak Langsung Ke Depan */
kltlb = m_out[+,];
print kltld [rowname=baris format=8.3],

kltlb [colname=kolom format=8.3];
Tekan tombol F8 untuk mengeksekusi pernytaan yang akan menghasilkan

output berikut ini:
Output 5.8
KLTLD
PERTANIAN 1.394
INDUSTRI 1.645
JASA 1.588
KLTLB PERTANIAN INDUSTRI JASA
1.509 1.772 1.346
83
Interpretasi
 Matriks KLTLD adalah nilai keterkaitan langsung dan tidak langsung ke
depan, yang diperoleh dari penjumlahan matriks kebalikan Leontif
(multiplier) berdasarkan kolom. Sedangkan matriks KLTLB adalah nilai
keterkaitan langsung dan tidak langsung ke belakang, yang diperoleh dari
penjumlahan matriks kebalikan Leontif (multiplier) berdasarkan baris.
5.1.8. Indeks Daya Penyebaran dan Derajat Kepekaan

Untuk mencari indeks daya penyebaran (IDP) dan indeks derajat
kepekaan (IDK) kita dapat menerapkan persamaan (13) dan persamaan (14)
secara berturut-turut. Langkah pertama yang harus diketahui adalah
menciptakan total matriks leontif berdasarkan baris dan kolom dalam hal ini
kita beri nama matriks TOTIJ. Untuk maksud tersebut, penulisan matriks yang
sesuai adalah sebagai berikut:
/* Total berdasarkan Baris dan Kolom */
totij= sum(m_out);
n=3;
/* Indeks Daya Penyebaran dan Derajat Kepekaan */
idp = (kltlb/totij)*n;
idk = (kltld/totij)*n;
print totij n,
idp [colname=kolom format=8.3],
idk [rowname=baris format=8.3];
Matriks TOTIJ diciptakan untuk menghasilkan matriks skalar yang berisi nilai
pernjumlahan matriks Leontief berdasarkan baris dan kolom. Tujuannya
adalah sebagai pembagi dalam menghasilkan koefisien indeks penyebaran dan
derajat kepakaan lihat persamaan (13) dan (14). N adalah jumlah sektor dalam
suatu perekonomian (dalam kasus ini adalah 3 sektor). Kita juga dapat
menuliskan langsung angka tiga tanpa menciptakan matriks N. Selanjutnya
tekan tombol F8 akan menghasilkan output berikut ini:
84
Output 5.9
TOTIJ N
4.6269937 3
IDP PERTANIAN INDUSTRI JASA
0.979 1.149 0.872
IDK
PERTANIAN 0.904
INDUSTRI 1.067
JASA 1.030
Interpretasi
 IDP adalah matriks indeks daya penyebaran dan IDK adalah indeks derajat
kepekaan. Jika IDP dan IDK > 1 kita dapat menyimpulkan bahwa sektor
yang bersangkutan merupakan sektor unggulan atau sektor prioritas.
Kriteria selangkapnya disajikan pada Tabel berikut ini:
Tabel 5.2: Kriteria Penentuan Peringkat Prioritas Sektor Kunci

Koefisien Penyebaran Kepekaan Penyebaran Prioritas
Tinggi Tinggi I
Tinggi Rendah II
Rendah Tinggi III
Rendah Rendah IV
 IDP dapat diartikan bahwa sektor yang paling kuat menarik sektor-sektor
ekonomi yang lebih hulu adalah sektor industri, karena mempunyai IDP
yang terbesar.
 IDK dapat diartikan bahwa sektor yang paling kuat mendorong sektor-
sektor ekonomi yang lebih hilir adalah sektor industri, karena mempunyai
IDK yang terbesar.
 Dari hasil IDP dan IDK yang mengacu pada Tabel 14 maka kita dapat
menyimpulkan bahwa Sektor industri merupakan sektor kunci atau
prioritas I, sektor pertanian prioritas ke IV dan sektor Jasa merupakan
sektor prioritas III.
85
Sampai sejauh kita kita telah melakukan analisis model Input-Output

Terbuka. Catat bahwa kita menuliskan rangkaian pernyataan program
semuanya dalam satu lembar kerja. Berikut adalah ringkasan pernyataan
program mulai dari pengenalan matriks Z sampai dengan matriks IDK, yaitu:

proc iml;
reset spaces=5 fw=8;
z = { 258 1408 42 1708 204 346 1382 3640,

486 1558 718 2762 1524 760 3034 8080,
448 1006 1074 2528 2868 532 2120 8048,
1192 3972 1834 6998 4596 1638 6536 19768,
764 1494 1920 4178 0 0 0 4178,
1184 1720 2300 5204 0 0 0 5204,
500 894 1994 3388 0 0 0 3388,
2448 4108 6214 12770 0 0 0 12770,
3640 8080 8048 19768 4596 1638 6536 32538,
134 297 670 1101 0 0 0 0};
kolom={Pertanian Industri Jasa Total C I OFD Total};

baris={Pertanian Industri Jasa Total Gaji_Upah S_Usaha OIP
NTB Total Employ};
* print z [rowname=baris colname=kolom format=8.1];
/* mengambil matriks input antara */

trans = z [1:3,1:3];
/* mengambil matriks total input */
tinput = z [9,1:3];
/* mendiagonalkan matriks total input */
dtinput=diag(tinput);
/* menginverse matriks total input */
dinv =inv(dtinput);
teknis =trans*dinv;
* print trans, tinput, dtinput, dinv,

teknis [rowname=baris colname=kolom format=8.4];
86
/* Multiplier Output */
ident =I(3);
IA =ident-teknis;
m_out =inv(ia);
sig_b =m_out[+,];
gabung=m_out//sig_b;
sig_k =gabung[,+];
sektor=gabung||sig_k;
* print ident ia, m_out sig_b, gabung sig_k,

sektor [rowname=baris colname=kolom format=8.3];
/* Multiplier Pendapatan */
income = z [5,1:3];
koeinc = income/tinput;
dinc = diag(koeinc);
m_inc = dinc * m_out;
sig_bi= m_inc[+,];
gab_i = m_inc//sig_bi;
sig_ki= gab_i[,+];
sector = gab_i||sig_ki;
* print income koeinc, dinc m_inc, sig_bi gab_i sig_ki,
sector [rowname=baris colname=kolom format=8.3];
/* Multiplier NTB */
ntb = z [8,1:3];
koentb = ntb/tinput;
dntb = diag(koentb);
m_ntb = dntb * m_out;
sig_bn= m_ntb[+,];
gab_n = m_ntb//sig_bn;
sig_kn= gab_n[,+];
sect = gab_n||sig_kn;
* print ntb koentb, dntb m_ntb, sig_bn gab_n sig_kn,
sect [rowname=baris colname=kolom format=8.3];
87
/* Multiplier Tenaga Kerja */

tk = z [10,1:3];
koetk = tk/tinput;
dtk = diag(koetk);
m_tk = dtk * m_out;
sig_btk= m_tk[+,];
gab_tk = m_tk//sig_btk;
sig_ktk= gab_tk[,+];
sectort= gab_tk||sig_ktk;
* print tk koetk, dtk m_tk, sig_btk gab_tk sig_ktk,

sectort [rowname=baris colname=kolom format=8.3];
/* Keterkaitan Langsung ke Depan dan Kebelakang*/

kld = teknis[,+];
klb = teknis[+,];
* print kld [rowname=baris format=8.3],
klb [colname=kolom format=8.3];
/* Keterkaitan Langsung dan tidak Langsung Ke Depan dan Kebelakang */

kltld = m_out[,+];
kltlb = m_out[+,];
* print kltld [rowname=baris format=8.3],
kltlb [colname=kolom format=8.3];
/* Total berdasarkan Baris dan Kolom */

totij= sum(m_out);
n=3;
/* Indeks Daya Penyebaran dan Derajat Kepekaan */
idp = (kltlb/totij)*n;
idk = (kltld/totij)*n;
* print totij n,
idp [rowname=baris format=8.3],
idk [colname=kolom format=8.3];
88
Jika pernyataan program diatas telah jadi diciptakan, maka kita dapat
menggunakannya sebagai template untuk analisis Tabel Input-Output lainnya.
Tetapi jangan lupa kita harus menyesuaikan jumlah matriks dan posisi dari
masing-masing vaktor baris pendapatan, nilai tambah bruto, dan total input.
Simpanlah file program ini dengan nama MIO_TEMPLATE_1.
5.2. Model Input-Output Tertutup

Sampai sejuah ini kita telah melakukan analisis Model Input Output
Terbuka, disebut model IO terbuka karena dalam analisis tabel IO rumah
tangga diperlakukan sebagai eksogen (lihat program MIO_TEMPLATE_1).
Pada bagian ini kita akan melakukan analisis model input-output
tertutup, disebut tertutup karena rumah tangga diperlakukan sebagai endogen.
Sedemikian rupa sehingga Tabel I-O akan berukuran 4 x 4. Dimana tambahan
satu kolom adalah pengeluaran konsumsi dan tambahan satu baris merupakan
upah dan gaji yang diterima oleh rumah tangga. Untuk mencari nilai
multiplier tertutup, pada prinsipnya dilakukan dengan cara yang sama dengan
mencari multiplier terbuka hanya saja ukuran matriks menjadi bertambah satu
baris dan satu kolom seperti yang terlihat pada persamaan (15).
Berikut ini adalah pernyataan yang sesuai untuk mendapatkan matriks
transaksi Z berukuran 4 x 4, dan vektor baris total input ukuran 1 x 4, yaitu:
(Pernyataan ini diketik pada lembar kerja MIO_TEMPLATE_1).
/* ****** MODEL INPUT OUTPUT TERTUTUP ******** */
/* Tentukan matriks Z dengan memilih */

/* (baris 1,2,3 dan baris 5) dan (kolom 1,2,3 dan kolom 5) */
closeio= z[{1 2 3 5},{1 2 3 5}];
/* Pilih total input (baris 9 dan kolom 1,2,3 dan kolom 5) */
tcloseio= z [9,{1 2 3 5}];
kolom1={Pertanian Industri Jasa C};

baris1={Pertanian Industri Jasa Gaji_Upah};
print closeio [rowname=baris1 colname=kolom1 format=8.0],

tcloseio [rowname=baris1 colname=kolom1 format=8.0];
89
Catat, bahwa kita menciptakan dua buah matriks CLOSEIO dan TCLOSEIO
yang nilainya diambil dari matriks Z. Matriks CLOSEIO dipilih baris 1,2,3,5
dan kolom 1,2,3,5. Matriks TCLOSEIO berisi vektor baris dari total input
(baris 9 kolom 1,2,3 dan 5). Catat bahwa kita tidak memilih baris 4 (keempat)
karena, pada baris tersebut adalah total permintaan antara dan total input
antara. Hasil dari rangkaian pernyataan diatas ditampilkan pada Output 5.10
berikut ini.
Output 5.10
The SAS System
CLOSEIO PERTANIAN INDUSTRI JASA C
PERTANIAN 258 1408 42 204

INDUSTRI 486 1558 718 1524
JASA 448 1006 1074 2868
GAJI_UPAH 764 1494 1920 0
TCLOSEIO PERTANIAN INDUSTRI JASA C
PERTANIAN 3640 8080 8048 4596
Untuk lebih jelasnya, kita dapat melihat kembali matriks Z dan sesuaikan
dengan hasil matriks CLOSEIO dan TCLOSEIO. Jika telah sesuai selanjutnya
kita cari koefisien teknis model IO tertutup.
5.2.1. Koefisien Teknis Tertutup

Selanjutnya untuk mencari koefisien teknis, kita terapkan kembali
persamaan (17). Berikut adalah pernyataan yang sesuai untuk mencari nilai
koefisien teknis model IO tertutup ( Anda dapat melihat kembali cara mencari
nilai koefisien teknis model input-output terbuka sebelumnya)
/* Koefisien Teknis Model IO Tertutup */

dtclose = diag(tcloseio);
cdinv =inv(dtclose);
cteknis =closeio*cdinv;
cteknis3=cteknis[1:3,1:3];
90
print dtclose, cdinv,

cteknis [rowname=baris1 colname=kolom1 format=8.4],
cteknis3[rowname=baris1 colname=kolom1 format=8.4];
Dengan menekan tombol F8 untuk menjalankan rangkaian pernyataan

program. Hasil dari rangkaian pernyataan diatas ditampilkan pada Output 5.11
berikut ini.
Output 5.11
The SAS System
DTCLOSE
3640 0 0 0
0 8080 0 0
0 0 8048 0
0 0 0 4596
CDINV
0.000275 0 0 0
0 0.000124 0 0
0 0 0.000124 0
0 0 0 0.000218
CTEKNIS PERTANIAN INDUSTRI JASA C
PERTANIAN 0.0709 0.1743 0.0052 0.0444

INDUSTRI 0.1335 0.1928 0.0892 0.3316
JASA 0.1231 0.1245 0.1334 0.6240
GAJI_UPAH 0.2099 0.1849 0.2386 0.0000
CTEKNIS3 PERTANIAN INDUSTRI JASA
PERTANIAN 0.0709 0.1743 0.0052

INDUSTRI 0.1335 0.1928 0.0892
JASA 0.1231 0.1245 0.1334
Interpretasi
 CTEKNIS adalah matriks koefisien teknis model IO tertutup, makna dari
nilai-nilai matriks CTEKNIS yang diperoleh dengan menggunakan
persamaan (17). Bandingkanlah TEKNIS dengan CTEKNIS anda.
 Cara membaca lihat kembali matriks koefisien teknis sebelumnya.
91
5.2.2. Multiplier
Masing-masing multiplier dibagi dalam multiplier output, multiplier
pendapatan dan multiplier tenaga kerja. Multiplier tersebut masih dibagi lagi
menjadi dua, yaitu multiplier Tipe I dan Tipe II. Berikut ini kita akan mencari
nilai multiplier yang dimaksud yaitu:
5.2.2.1.Multiplier Output Type I dan Type II

Untuk mencari total multiplier output Type I dan Type II, maka
langkah-langkah yang harus dilakukan adalah:
1. Mencari multiplier output model input output tertutup.
2. Kemudian tentukan initial impacts, first round effeect, industrial support
effect, consumption induced effect dan flow-on effect (nilai-nilai dapat
ditemukan dengan menggunkan persamaan pada Tabel 4.2. kolom 1).
Kemduain tentukan multiplier Type I (gunakan persamaan 20) dan yang
terakhir tentukan multiplier output Type II (gunakan persamaan 21).
Berikut ini adalah rangkaian pernyataan yang sesuai untuk menghasilkan

matriks total multiplier output (Langkah 1).
/* Total Multiplier Output Type I dan Type II */

/* Langkah Pertama */
cident =I(4);
cia =cident-cteknis;
cm_out =inv(cia);
cm_out3 =cm_out[1:3,1:3];
print cident, cia,

cm_out [rowname=baris1 colname=kolom1 format=8.4],
cm_out3 [rowname=baris1 colname=kolom1 format=8.4];
Setelah mengetik rangkaian pernyataan diatas, tekan tombol F8, maka hasil
pernyataan di atas ditampilkan pada Output 5.12. Catat bahwa sampai tahap
ini kita baru menghitung multiplier output model input-output tertutup.
CM_OUT merupakan total multiplier output dan CM_OUT3 merupakan
bagian dari total multiplier output dimana baris dan kolom terakhir dibuang.
92
Output 5.12
The SAS System
CIDENT
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
CIA
0.929121 -0.17426 -0.00522 -0.04439
-0.13352 0.807178 -0.08921 -0.33159
-0.12308 -0.1245 0.866551 -0.62402
-0.20989 -0.1849 -0.23857 1
CM_OUT PERTANIAN INDUSTRI JASA C
PERTANIAN 1.1867 0.3231 0.1019 0.2234

INDUSTRI 0.4521 1.5732 0.3789 0.7782
JASA 0.5712 0.6402 1.5561 1.2087
GAJI_UPAH 0.4689 0.5114 0.4627 1.4791
CM_OUT3 PERTANIAN INDUSTRI JASA
PERTANIAN 1.1867 0.3231 0.1019

INDUSTRI 0.4521 1.5732 0.3789
JASA 0.5712 0.6402 1.5561
 Bandingkan nilai matriks M_OUT sebelumnya pada multiplier output

model IO terbuka dengan matriks CM_OUT3 diatas (dimana kedua matriks
tersebut nilainya sama).
 CM_OUT3 akan digunakan selanjutnya untuk mencari nilai dari initial
impacts, first round effeect, industrial support effect, consumption induced
effect dan flow-on effect.
Sampai pada pada tahap kita telah melaksanakan langkah pertama, selanjutnya
kita lakukan langkan kedua. Berikut ini adalah rangkaian pernyataan yang
sesuai untuk langkah kedua, yaitu:
93
/* Langkah Kedua */
awal ={1,1,1};
first =T(teknis[+,]);
indust=T(m_out[+,]) - awal - first;
cons =T(cm_out3[+,]) - T(m_out[+,]);
Tot =T(cm_out3[+,]);
flow =T(cm_out3[+,]) - awal;
type_1=(awal+first+indust)/awal;
type_2=(awal + first + indust + cons)/awal;
sektor = awal||first||indust||cons||tot||flow||type_1||type_2;
kolom2 = {awal first indust cons total flow type_1 type_2};
print awal first indust cons, tot flow type_1 type_2,

sektor [rowname=baris colname=kolom2 format=8.4];
pernyataan di atas ditampilkan pada Output 5.13.
Output 5.13
The SAS System
AWAL FIRST INDUST CONS

1 0.327473 0.181728 0.700712
1 0.491584 0.28066 0.764228
1 0.227883 0.117666 0.691405
TOT FLOW TYPE_1 TYPE_2

2.209913 1.209913 1.509201 2.209913
2.536472 1.536472 1.772244 2.536472
2.036954 1.036954 1.345549 2.036954
Sektor AWAL FIRST INDUST CONS TOTAL FLOW TYPE_1 TYPE_2
PERTANIAN 1.0000 0.3275 0.1817 0.7007 2.2099 1.2099 1.5092 2.2099

INDUSTRI 1.0000 0.4916 0.2807 0.7642 2.5365 1.5365 1.7722 2.5365
JASA 1.0000 0.2279 0.1177 0.6914 2.0370 1.0370 1.3455 2.0370
94
Interpretasi
 Matriks sektor merupakan matriks gabungan dari matriks initial impacts
(AWAL), first round effeect (FIRST), industrial support effect (INDUST),
consumption induced effect (CONS) dan flow-on effect (FLOW).
 Matriks SEKTOR merupakan matriks dampak multilplier Type I dan Type
II. Nilai multiplier Type I harus selalu lebih kecil dengan nilai multiplier
type II, karena telah memasukkan unsur rumahtangga.
5.2.2.2.Multiplier Pendapatan Type I dan Type II

Pada prinsipnya sama dengan mencari multiplier output tertutup
sebelumnya. Berikut adalah langkah-langkah yang harus dilakukan Untuk
mencari total multiplier pendapatan Type I dan Type II, yaitu:
1. Mencari multiplier pendapatan model input output tertutup.
ditemukan dengan menggunkan persamaan pada Tabel 4.2. kolom 2).
Kemduian tentukan multiplier pendapatan Type I (gunakan persamaan 20)
dan yang terakhir tentukan multiplier pendatapan Type II (gunakan
persamaan 21).
Berikut ini adalah rangkaian pernyataan yang sesuai untuk
menghasilkan matriks total multiplier pendapatan (Langkah 1).
/* Total Multiplier Pendapatan Type I dan Type II */

cincome =z[5,{1 2 3 5}];

ckoeinc =cincome/tcloseio;
cdinc =diag(ckoeinc);
cm_inc =cdinc * cm_out;
cm_inc3 =cm_inc[1:3,1:3];
print cincome, ckoeinc, cdinc,

cm_inc [rowname=baris1 colname=kolom1 format=8.4],
cm_inc3[rowname=baris1 colname=kolom1 format=8.4],;
pernyataan di atas ditampilkan pada Output 5.14. Catat bahwa sampai tahap
ini kita baru menghitung multiplier pendapatan model input-output tertutup.
95
Output 5.14
The SAS System
CINCOME
764 1494 1920 0
CKOEINC
0.20989 0.184901 0.238569 0
CDINC
0.20989 0 0 0
0 0.184901 0 0
0 0 0.238569 0
0 0 0 0
CM_INC PERTANIAN INDUSTRI JASA C
PERTANIAN 0.2491 0.0678 0.0214 0.0469

INDUSTRI 0.0836 0.2909 0.0701 0.1439
JASA 0.1363 0.1527 0.3712 0.2884
GAJI_UPAH 0.0000 0.0000 0.0000 0.0000
Sampai pada tahap ini kita telah melaksanakan langkah pertama, selanjutnya
CM_INC3 PERTANIAN INDUSTRI JASA
PERTANIAN 0.2491 0.0678 0.0214
/* Langkah
INDUSTRIKedua0.0836
*/ 0.2909 0.0701
JASA
awal_i 0.1363 0.1527
=T(ckoeinc[1,1:3]); 0.3712
nainc =diag(awal_i) * teknis;

first_i =T(nainc[+,]);
ind1inc=diag(awal_i) * m_out;
ind2inc=T(ind1inc[+,]);
indust_i =ind2inc - awal_i - first_i;
con1inc =diag(awal_i) * cm_out3;
con2inc =T(con1inc[+,]);
cons_i =con2inc - ind2inc;
Tot_i =T(cm_inc3[+,]);
flow_i =T(cm_inc3[+,]) - awal_i;
type_1_i =(awal_i + first_i + indust_i)/awal_i;
type_2_i =(awal_i + first_i + indust_i + cons_i)/awal_i;
96
sektor_i =awal_i||first_i||indust_i||cons_i||tot_i||
flow_i||type_1_i||type_2_i;
kolom2={awal first indust cons total flow type_1 type_2};
print awal_i nainc first_i, ind1inc ind2inc indust_i,

con1inc con2inc cons_i, tot_i flow_i type_1_i type_2_i,
sektor_i [rowname=baris colname=kolom2 format=8.4];
pernyataan di atas ditampilkan pada Output 5.15 berikut ini.
Output 5.15
The SAS System
AWAL_I NAINC FIRST_I

0.20989 0.014877 0.036575 0.001095 0.068926
0.184901 0.024687 0.035653 0.016496 0.101931
0.238569 0.029362 0.029703 0.031837 0.049428
IND1INC IND2INC INDUST_I

0.234207 0.051599 0.006723 0.317026 0.038209
0.03797 0.241133 0.025054 0.345763 0.058931
0.044849 0.053031 0.281038 0.312815 0.024818
CON1INC CON2INC CONS_I

0.249072 0.067811 0.02139 0.468923 0.151897
0.083586 0.290883 0.070064 0.511428 0.165666
0.136265 0.152734 0.37124 0.462694 0.149879
TOT_I FLOW_I TYPE_1_I TYPE_2_I

0.468923 0.259033 1.510438 2.234135
0.511428 0.326527 1.869989 2.765958
0.462694 0.224126 1.311217 1.939461
SEKTOR_I AWAL FIRST INDUST CONS TOTAL FLOW TYPE_1 TYPE_2
PERTANIAN 0.2099 0.0689 0.0382 0.1519 0.4689 0.2590 1.5104 2.2341

INDUSTRI 0.1849 0.1019 0.0589 0.1657 0.5114 0.3265 1.8700 2.7660
JASA 0.2386 0.0494 0.0248 0.1499 0.4627 0.2241 1.3112 1.9395
97
Interpretasi
 Matriks SEKTOR_I merupakan matriks gabungan dari matriks initial
impacts (AWAL), first round effeect (FIRST), industrial support effect
(INDUST), consumption induced effect (CONS) dan flow-on effect
(FLOW).
 Cara membaca dan inteetasi hasilnya dapat dilihat pada total multiplier
Type I dan Type II sebelumnya.
5.2.2.3.Multiplier Tenaga Kerja Type I dan Type II

Untuk mencari total multiplier tenaga kerja Type I dan Type II, pada
prinsipnya sama dengan cara mencari multiplier pendapatan tertutup
sebelumnya. Berikut adalah langkah-langkah yang harus dilakukan dalam
mencari total multiplier tenaga kerja Type I dan Type II, yaitu:
1. Tentukan multiplier tenaga kerja model input output tertutup.
dihasilkan dengan menggunkan persamaan pada Tabel 4.2. kolom 3).
Kemduian tentukan multiplier pendapatan Type I (gunakan persamaan 20)
dan yang terakhir tentukan multiplier pendatapan Type II (gunakan
persamaan 21).
Berikut ini adalah rangkaian pernyataan yang sesuai untuk
menghasilkan matriks total multiplier tenaga kerja (Langkah 1).
/* Total Multiplier Tenaga Kerja Type I dan II */

ctk =z[10,{1 2 3 5}];

ckoetk =ctk/tcloseio;
cdtk =diag(ckoetk);
cm_tk =cdtk * cm_out;
cm_tk3 =cm_tk[1:3,1:3];
print ctk, ckoetk, cdtk,

cm_tk [rowname=baris1 colname=kolom1 format=8.4],
cm_tk3[rowname=baris1 colname=kolom1 format=8.4],;
pernyataan di atas ditampilkan pada Output 5.16 berikut ini.
98
Output 5.16
The SAS System
CTK
134 297 670 0
CKOETK
0.036813 0.036757 0.08325 0
CDTK
0.036813 0 0 0
0 0.036757 0 0
0 0 0.08325 0
0 0 0 0
CM_TK PERTANIAN INDUSTRI JASA C
PERTANIAN 0.0437 0.0119 0.0038 0.0082

INDUSTRI 0.0166 0.0578 0.0139 0.0286
JASA 0.0476 0.0533 0.1295 0.1006
GAJI_UPAH 0.0000 0.0000 0.0000 0.0000
CM_TK3 PERTANIAN INDUSTRI JASA
PERTANIAN 0.0437 0.0119 0.0038

INDUSTRI 0.0166 0.0578 0.0139
JASA 0.0476 0.0533 0.1295
Sampai pada tahap ini kita telah melaksanakan langkah pertama, selanjutnya
/* Langkah Kedua */
awal_l =T(ckoetk[1,1:3]);
nl =diag(awal_l) * teknis;
first_l =T(nl[+,]);
ind1l =diag(awal_l) * m_out;
ind2l =T(ind1l[+,]);
indust_l =ind2l - awal_l - first_l;
con1l =diag(awal_l) * cm_out3;
con2l =T(con1l[+,]);
99
cons_l =con2l - ind2l;

Tot_l =T(cm_tk3[+,]);
flow_l =T(cm_tk3[+,]) - awal_l;
type_1_l =(awal_l + first_l + indust_l)/awal_l;
type_2_l =(awal_l + first_l + indust_l + cons_l)/awal_l;
sektor_l =awal_l||first_l||indust_l||cons_l||tot_l||flow_l||
type_1_l||type_2_l;
kolom2={awal first indust cons total flow type_1 type_2};
print awal_l nl first_l, ind1l ind2l indust_l,
con1l con2l cons_l, tot_l flow_l type_1_l type_2_l,
sektor_l [rowname=baris colname=kolom2 format=8.4];
Tekan tombol F8, akan menghasilkan output seperti berikut ini:
Output 5.17
The SAS System
AWAL_L NL FIRST_L
0.036813 0.002609 0.006415 0.000192 0.017763
0.036757 0.004908 0.007088 0.003279 0.023868
0.083250 0.010246 0.010365 0.01111 0.014581
IND1L IND2L INDUST_L

0.041078 0.00905 0.001179 0.064277 0.0097
0.007548 0.047936 0.004981 0.075492 0.014867
0.015650 0.018506 0.098071 0.10423 0.006399
CON1L CON2L CONS_L

0.043685 0.011894 0.003752 0.107853 0.043576
0.016616 0.057826 0.013928 0.123018 0.047526
0.047551 0.053298 0.129547 0.147227 0.042997
TOT_L FLOW_L TYPE_1_L TYPE_2_L

0.107853 0.071039 1.746027 2.929729
0.123018 0.086260 2.053784 3.346740
0.147227 0.063977 1.252009 1.768487
SEKTOR_L AWAL FIRST INDUST CONS TOTAL FLOW TYPE_1 TYPE_2
PERTANIAN 0.0368 0.0178 0.0097 0.0436 0.1079 0.0710 1.7460 2.9297

INDUSTRI 0.0368 0.0239 0.0149 0.0475 0.1230 0.0863 2.0538 3.3467
JASA 0.0833 0.0146 0.0064 0.0430 0.1472 0.0640 1.2520 1.7685
100
Interpretasi
 Matriks SEKTOR_L merupakan matriks gabungan dari matriks initial
impacts (AWAL), first round effeect (FIRST), industrial support effect
(INDUST), consumption induced effect (CONS), flow-on effect (FLOW),
Type I dan Type II.
 Interpretasi hasilnya dapat dilihat pada total multiplier Type I dan Type II
sebelumnya.
Simpan kembali file MIO_TEMPLATE_1 dengan nama yang berbeda yaitu

TEMPLATE_IO. Caranya dapat dilakukan dengan Klik File + Klik Save as...,
selanjutnya ketikkan namanya (TEMPLATE_IO.SAS) + Kemudian Klik
Tombol Save. File TEMPLATE_IO.SAS kita gunakan seterusnya sebagai
template untuk analisis Tabel Input-Output yang lain.
5.3. Pengembangan Model Input-Output

5.3.1. Model Input-Output Sisi Permintaan
Sampai sejauh ini, seluruh yang telah kita pelajari merupakan model
Input-Output sisi permintaan, lebih jelasnya anda dapat melihat kembali Bab 3
Bagian 8.1. Yang menjadi perbedaan yang mendasar antara kedua pendekatan
model IO sisi permintaan dan penawaran adalah terletak pada mencari nilai
koefisien teknis. Untuk mencari nilai koefisien teknis dari sisi permintaan
(demand side) dapat dilihat pada persamaan (17) dan penulisan yang benar
untuk hal tersebut dapat dilihat pada Bab 4 point 2.
5.3.2. Model Input-Output Sisi Penawaran

Untuk mencari nilai koefisien teknis dari sisi penawaran (supply side)
kita dapat menerapkan persamaan (27) dan iterasi matriks yang sesuai untuk
mendapatkan persamaan (27) kita gunakan persamaan (29). Berikut ini adalah
pernyataan yang sesuai untuk persamaan (29) tersebut, yaitu:
1. Buka program TEMPLATE_IO, cara dengan melakukan Klik File + Klik
Open + Pilih TEMPLATE_IO (direktorinya sesuaikan dengan direktori
yang anda simpan).
2. Kemudian ketikkan matriks SUPPLY pada baris yang paling terakhir dari
program, sebagai berikut ini:
/* Model Input-Output Supply Side */

supply = dinv*trans;
print supply [rowname=baris colname=kolom format=8.4];
101
3. Dengan menekan tombol F8, maka pernyataan di atas akan menghasilkan

output seperti berikut ini:
Output 5.18
The SAS System
SUPPLY PERTANIAN INDUSTRI JASA
PERTANIAN 0.0709 0.3868 0.0115

INDUSTRI 0.0601 0.1928 0.0889
JASA 0.0557 0.1250 0.1334
Interpretasi
 Perhatikan persamaan yang mendapatkan koefisien teknis dari sisi
permintaan, yang dituliskan sebagai berikut:
teknis =trans*dinv;
 Sedangkan untuk mendapatkan koefisien teknis dari sisi penawaran,

dituliskan sebagai berikut:
supply =dinv * trans;
 Bandingkan hasil kedua koefisien teknis tersebut ( matriks TEKNIS dan

matriks SUPPLY).
 Anda dapat membuktikan kedua nilai matriks tersebut dengan langsung
membagi jumlah masing-masing input antara disetiap sektor dengan total
input.
5.4. Tips dan Trik

Kita dapat membuat sebuah template model dengan pendekatan sisi supply,
dengan cara merubah formula matriks koefisien TEKNIS menjadi
teknis = dinv * trans;
Selanjutnya beri nama lain dengan TEMPALTE_SUPPLY.SAS

Dengan demikian kita telah mempunyai 2 (dua) template, yaitu:
TEMPLATE_IO.SAS dan TEMPLATE_SUPPLY.SAS.
102
BAB 6
PENGANTAR SOCIAL ACCOUNTING MATRIX
6.1. Pendahuluan
Para ahli ekonomi telah menyadari bahwa pertumbuhan ekonomi yang
tinggi tidak selalu diikuti oleh pemerataan hasil-hasil pembangunan di dalam
masyarakat. Pertumbuhan ekonomi tidak dapat dipisahkan dari masalah
distribusi pendapatan dan ketenagakerjaan, karena tujuan pembangunan tidak
hanya untuk meningkatkan kesejahteraan masyarakat, tetapi juga untuk
memberikan kesempatan kerja. Dalam melihat suatu kinerja ekonomi dengan
masalah distribusi pendapatan (income distribution) dan ketenagakerjaan
(employment), para ahli pembangunan ekonomi dan statistik berupaya untuk
membangun suatu perangkat data dan analisis yang dapat memperlihatkan
keterkaitan antar ketiga permasalahan tersebut. Perangkat yang digunakan
dalam analisis ini adalah Sistem Neraca Sosial Ekonomi (SNSE) atau disebut
dengan Social Accounting Matrix, (SAM).
Model SAM merupakan perluasan dari model I-O, dimana model ini
memotret perekonomian pada suatu waktu tertentu. Keunggulan model SAM
dibanding model I-O adalah bahwa model SAM mampu menggambarkan arus
distribusi pendapatan dan redistribusi pendapatan maupun konsumsi antara
kelompok rumah tangga dalam perekonomian. Sama halnya dengan model
I-O, model SAM juga merupakan sebuah matrix bujursangkar yang terdiri atas
kolom dan baris. Kolom menjelaskan transaksi pengeluaran dan baris
menjelaskan transaksi penerimaan. Total nilai transaksi pada kolom harus
sama dengan total nilai transaksi pada baris agar syarat keseimbangan
terpenuhi (Sadoulet dan de Janvry, 1995).
6.2. Bentuk dan Arti Kerangka SAM

SNSE atau disebut sebagai Sistem Neraca Sosial-Ekonomi Indonesia
merupakan salah satu perangkat data ekonomi makro, yang dapat mengukur
masalah pemerataan pendapatan, sebagai salah satu indikator kesejahteraan
masyarakat. SNSE dirancang untuk dapat memberikan gambaran menyeluruh
tentang berbagai hubungan yang penting antara struktur produksi, input faktor
produksi yang sebagian besar dimiliki oleh rumah tangga, alokasi (distribusi
dan redistribusi) pendapatan faktor produksi, komposisi permintaan atas
barang dan jasa untuk konsumsi akhir, serta tabungan yang merupakan sumber
investasi.
Bab 6. Pengantar Model Social Accounting Matrix
Pada sistem data ini institusi rumah tangga menjadi fokus utama
analisis, disamping faktor dan kegiatan produksi. Kemudian unsur-unsur
tersebut akan diuraikan secara lebih rinci (disaggragated) ke dalam kelompok-
kelompok rumah tangga menurut karakteristik ekonomi, sosial maupun sifat-
sifat demografisnya. Faktor produksi dirinci menurut jenisnya yang terdiri dari
buruh, tanah, modal dan faktor lainnya. Sedangkan kegiatan produksi yang
menghasilkan barang dan jasa yang menjadi obyek distribusi pendapatan
diantara rumah tangga, dirinci menurut lapangan usaha (sektor kegiatan
produksi) dan kornoditas.
Secara umum dapat disimpulkan bahwa terdapat tiga bentuk hubungan
antar sub-sistem dalam menganalisis distribusi pendapatan rumah tangga
beserta aspek-aspeknya. Bentuk pertama, adalah struktur produksi dirinci
menurut kegiatan atau sektor-sektor ekonomi; kedua, pendapatan (nilai
tambah) dari setiap sektor dirinci menurut balas jasa yang dibayarkan kepada
masing-masing faktor produksi; dan ketiga distribusi pendapatan rumah tangga
yang dianalisis melalui pemilikan faktor-faktor produksi oleh berbagai
kelompok rumah tangga serta distribusi laba yang dibagikan serta transfer dari
pemerintah kepada rumah tangga.
Kerangka dasar SAM disajikan dalam bentuk matriks, bentuk dasar
matriks yang menggambarkan perilaku dari pelaku-pelaku ekonomi dalam
bentuk berbagai transaksi tersebut dapat dilihat pada Tabel 6.1. Pada masing-
masing neraca menurut baris menunjukkan transaksi penerimaan; sedangkan
menurut kolom menunjukkan transaksi pengeluaran. Baik struktur penerimaan
maupun pengeluaran sesuai fungsinya dibedakan atas variabel eksogen dan
variabel endogen. Perbedaan ini dimaksudkan untuk mengukur pengaruh sebab
akibat transaksi dalam analisis perangkat matriks tersebut.
Ada enam tipe neraca dalam model SAM, yakni neraca: aktivitas
produksi, komoditas, faktor produki (tenaga kerja dan kapital), institusi
domestik (rumahtangga, perusahaan dan pemerintah), modal dan rest of the
world Tabel (Lihat Thorbecke, 2001). Dalam SNSE setidaknya terdapat empat
neraca utama yaitu: neraca produksi, necara institusi neraca sektor produksi
dan neraca lainnya (rest of the world).
Tabel 6.1 memberikan arti secara singkat mengenai masing-masing
hubungan antara sektor dan pelaku ekonomi. Prinsip pencatatan dalam suatu
neraca adalah bahwa jumlah penerimaan atau total suatu baris harus sama
dengan jumlah pengeluaran atau total suatu kolom. Dengan posisi ini dapat
dilihat keseimbangan makro yang terjadi antar berbagai pelaku ekonomi
melalui transaksi ekonominya.
104
Tabel 6.1 Arti Hubungan Antar Neraca Dalam Kerangka SAM
Pengeluaran
Faktor Sektor Neraca

Penerimaan Institusi Total
produksi produksi lainnya
T1.1 T1.2 T1.3 X1 Y1
Alokasi nilai Pendapatan Distribusi
Faktor
0 0 tambah ke faktor produksi pendapatan
produksi
faktor produksi dari luar negeri faktorial
T2.1 T2.2 T2.3 X2 Y2
Alokasi
Transfer Transfer Distribusi
pendapatan
Institusi antar 0 dari pendapatan
faktor produksi
institusi luar negeri institusi
ke institusi
T3.1 T3.2 T3.3 X3 Y3
Sektor Permintaan Permintaan Ekspor dan
0 Total output
produksi akhir antara investasi
L1 L2 L3 X4 Y4
Alokasi
Transfer Total
Neraca pendapatan Impor, pajak
Tabungan dan neraca penerimaan
lainnya faktor produksi tidak langsung
lainnya lainnya
ke luar negeri
Y1 Y2 Y3 Y4
Distribusi Distribusi Total
Total pengeluaran pengeluaran Total input pengeluaran
faktor produksi institusi lainnya
Tabel di atas merupakan contoh yang sangat ringkas yang tujuannya

adalah untuk menunjukkan bagaimana sistem data ini bekerja. Susunan angka-
angka yang terlihat pada tabel merupakan suatu sistem neraca, dimana pada
setiap angka yang ada pada sel-sel matriks mencerminkan hubungan antara
transaksi pada satu neraca dengan transaksi pada neraca-neraca lainnya.
Sebagai contoh apabila dibaca menurut baris menggambarkan struktur
penerimaan sedangkan jika dibaca menurut kolom menggambarkan struktur
pengeluaran. Pertemuan antara sisi baris dengan sisi kolom pada satu sel
menjelaskan bahwa penerimaan di satu sisi merupakan pengeluaran di sisi
yang lain, atau sebaliknya.
Perangkat tersebut merupakan matriks induk SNSE yang terbentuk dari
sub-sub matriks yang berkaitan dengan itu. Karena perangkat ini utamanya
hanya memfokuskan pada masalah distribusi, redistribusi dan penggunaan
pendapatan maka beberapa data makro lainnya yang mempunyai hubungan
105
langsung dengan masalah tersebut hanya disajikan secara agregat, sedangkan

informasi lain atau hubungan tidak langsung yang mendukung terbentuknya
neraca dalam sel-sel matriks tersebut disajikan secara terpisah.
SAM dapat digunakan sebagai kerangka data sosial ekonomi yang
menjelaskan mengenai:
a. Kinerja pembangunan ekonomi suatu negara, seperti distribusi Produk
Domestik Bruto (PDB), konsumsi, tabungan, dan sebagainya;
b. Distribusi pendapatan faktorial, yaitu distribusi pendapatan yang dirinci
menurut faktor produksi diantaranya, seperti tenaga kerja dan modal.
c. Distribusi pendapatan rumah tangga yang dirinci menurut berbagai
golongan rumah tangga;
d. Pola pengeluaran rumah tangga (household expenditure pattern).
e. Distribusi tenaga kerja menurut sektor atau lapangan usaha dimana mereka
bekerja, termasuk distribusi pendapatan tenaga kerja yang mereka peroleh
sebagai kompensasi atas keterlibatannya dalam proses produksi.
SAM juga merupakan suatu sistem kerangka data yang dapat
digunakan sebagai dasar pembuatan model ekonomi dan sebagai dasar analisis,
baik untuk analisis parsial (partial equiblirium) maupun analisis keseimbangan
umum (general equilibrium) dalam melakukan analisis kebijakan.
6.3. Kinerja Perekonomian Nasional

Kinerja perekonomian nasional ditunjukkan, misalnya, dari nilai
tambah yang ditimbulkan oleh berbagai sektor ekonomi (submatriks T, 3 pada
Tabel 2.1) yang memberikan gambaran mengenai besarnya PDB nasional atas
dasar harga (biaya) fdktor (PDB at factor costs) pada tahun tertentu.
Komponen ini secara jelas menggambarkan pendapatan yang dibayarkan
sebagai balas jasa faktor produksi terhadap pemilik faktor produksi seperti
halnya rumah tangga. Bila ditambah dengan pajak tidak langsung (neto) akan
menghasilkan PDB atas dasar harga pasar. Kinerja perekonomian nasional
yang lain yang dapat ditunjukkan oleh kerangka SNSE, misalnya, adalah:
a. Distribusi Nilai Tam bah Bruto (NTB) menurut sektor-sektor ekonomi
(supply side)
b. Distribusi NTB menurut pengeluaran (demand side)
c. Struktur input antara/permintaan (intermediate input/demand);
d. Investasi dan tabungan masyarakat;
e. Hutang dan piutang negara
f. Kebocoran nasional (National leakages), yaitu besarnya penerimaan negara
yang mengalir ke luar negeri.
106
6.3.1. Distribusi Pendapatan Faktorial

Pendapatan faktorial dalam kerangka SAM ditunjukkan oleh baris lajur
pertama pada kerangka umum mengenai SAM (lihat Tabel 6.1). Pada Tabel
6.1. menunjukkan bahwa sub matriks T1.3 menunjukkan alokasi nilai tambah
yang diturunkan/dibayarkan oleh berbagai sektor produksi kepada faktor-faktor
produksi, sebagai balas jasa atas penggunaan faktor-faktor produksi tersebut,
misalnya upah dan gaji sebagai balas jasa faktor produksi tenaga kerja;
kemudian keuntungan, dividen, bunga, sewa tanah, dan sejenisnya sebagai
balas jasa faktor produksi bukan tenaga kerja (capital). Bila ditambah dengan
submatriks X1 yang menunjukkan pendapatan faktor produksi yang diterima
dari luar negeri, maka kedua sumber pendapatan ini menunjukkan total
pendapatan faktorial (Y1) yang diterima oleh rumah tangga di suatu negara.
6.3.2. Distribusi Pendapatan Rumah tangga

Distribusi pendapatan rumah tangga dalam pada kerangkan model
SAM ditunjukkan oleh baris lajur kedua. Rumah tangga sebagai salah satu
institusi dalam kerangka SAM. Seperti telah ditunjukkan oleh Tabel 6.1 bahwa
submatriks T2.1 menunjukkan alokasi pendapatan faktor produksi yang
diturunkan/dibayarkan oleh sektor produksi yang kemudian diterima oleh
berbagai institusi, diantaranya oleh rumah tangga. Dengan kata lain,
submatriks ini merupakan perluasan jalur dari submatriks T1.3 menjadi
submatriks T2.1, yaitu mapping dari pembayaran faktorial menurut sektor-
sektor ekonomi menjadi sumber pendapatan institusi, salah satunya adalah
rumah tangga, yang dijabarkan menurut faktor-faktor produksi yang
dimilikinya.
Transaksi berikutnya pada baris kedua adalah redistribusi pendapatan
dari faktor produksi ke pihak lain (umumnya dalam bentuk transfer).
Submatriks T2.2 menunjukkan lalu lintas transfer antar institusi, misalnya,
pemberian subsidi dari pemerintah kepada rumah tangga, atau pemberian
subsidi dari perusahaan kepada rumah tangga, atau pembayaran transfer dari
rumah tangga ke rumah tangga yang lain. Sedangkan submatriks X2
menunjukkan penerimaan ketiga institusi dari luar negeri. Jumlah ketiga
submatriks T2.1, T2.2 dan X2 menggambarkan distribusi penerimaan rumah
tangga yang berasal dari proses distribusi dan redistribusi pendapatan faktorial.
6.3.3. Pola Pengeluaran Rumah tangga

Pola pengeluaran menurut golongan rumah tangga dalam kerangka
SAM dapat dilihat pada kolom institusi. Pada rincian ini dapat diperoleh
107
informasi mengenai struktur pengeluaran rumah tangga menurut berbagai jenis

komoditas, baik komoditas domestik maupun komoditas impor. Dari struktur
ini dapat juga diperlihatkan besarnya tabungan yang merupakan selisih antara
total penerimaan dan total pengeluaran rumah tangga menurut masing-masing
golongannya.
6.3.4. Ketenagakerjaan
Gambaran ketenagakerjaan dalam kerangka SAM terutama didasarkan
pada submatriks T1.3, yaitu submatriks alokasi nilai tambah menurut sektor-
sektor ekonomi. Sebagaimana diketahui bahwa nilai tambah yang diciptakan
oleh sektor-sektor ekonomi (produksi) tersebut salah satunya merupakan
partisipasi dari faktor produksi tenaga kerja yang dibayarkan dalam bentuk
berupa upah dan gaji. Upah dan gaji yang dibayarkan oleh sektor-sektor
produksi merupakan pendapatan dari faktor produksi tenaga kerja yang
sebagian besar dimiliki oleh rumah tangga. Bila upah dan gaji dari tiap-tiap
tenaga kerja pada masing-masing sektor produksi dijumlahkan, itulah yang
disebut sebagai alokasi nilai tambah faktor produksi tenaga kerja menurut
sektor. Dengan demikian, dari submatriks ini dapat diperoleh informasi
mengenai balas jasa/kompensasi tenaga kerja yang bekerja di masing-masing
sektor produksi tersebut. Untuk kepentingan analisis lanjut tentang tenaga
kerja maka disajikan pula data jumlah tenaga kerja beserta karakteristik
menurut sektor produksi sebagai informasi pendukung dalam kajian bidang
Ketenagakerjaan.
6.4. Metode Estimasi dan Sumber Data

Pada prinsipnya seluruh transaksi dalam SNSE dinilai atas dasar harga
berlaku (current price), yaitu penilaian yang didasarkan pada transaksi
pembelian menurut harga pasar yang berjalan/berlaku pada satu waktu tertentu.
Pendekatan penilaian menurut harga berlaku ini menunjukkan bahwa harga
pembelian berbagai komoditas barang dan jasa yang akan dikonsumsi maupun
balas jasa faktor produksi, dinilai dengan memperhitungkan pengaruh
perubahan harga (inflasi) didalamnya. Penilaian atas pembelian menurut harga
pasar yang berlaku juga bagi produk atau komoditas (impor) yang dikonsumsi
di wilayah domestik.
Proses penghitungan nilai transaksi pada masing-masing sub matriks
atau selsel matriks dalam kerangka SNSE dilakukan melalui pendekatan yang
berbeda-beda. Data utama yang digunakan bersumber dari Tabel I-O Indonesia
tahun 2000 yang menurunkan informasi tentang distribusi nilai tambah yang
108
diturunkan oleh berbagai sektor lapangan usaha (sektor produksi). Kemudian

sumber data pokok lain yang digunakan adalah data hasil SUSENAS (Suvei
Sosial Ekonomi Nasional), Neraca Keuangan Pemerintah, Neraca Pembayaran
Luar Negeri, Sensus Penduduk, dan SAKERNAS (Survei Angkatan Kerja
Nasional). Berbagai data hasil dari survei-survei khusus juga digunakan untuk
melengkapi informasi yang ada.
Adapun proses secara umum yang dilakukan dalam penyusunan
kerangka SNSE Indonesia 2000 ini adalah : Tahap pertama adalah menetapkan
klasifikasi atau penggolongan utama atas berbagai kegiatan atau transaksi
dalam kerangka SNSE, yang secara garis besar terdiri dari : klasifikasi
lapangan usaha, klasifikasi faktor produksi, klasifikasi rumah tangga, dan
klasifikasi tenaga kerja (lihat lampiran). Tahap berikutnya adalah melakukan
estimasi tentang besaran-besaran nilai transaksi pada masing-masing sel atau
sub matriks. Kemudian tahap terakhir melakukan kompilasi dan restrukturisasi
data penunjang lain seperti halnya data tenaga kerja, penduduk dan rumah
tangga.
6.5. Analisis Dampak Pengganda Neraca (Accounting Multiplier Effect

Analysis) SNSE Indonesia 2000
Analisis dampak pengganda neraca merupakan salah satu model
analisis yang menjelaskan tentang dampak yang ditimbulkan oleh variabel
eksogen dan pengaruhnya terhadap variabel endogen yang disajikan dalam
format neraca. Model ini digunakan dalam analisis SNSE misalnya untuk
meneliti mengenai dampak pertumbuhan ekonomi terhadap pertumbuhan balas
jasa faktor produksi tenaga kerja dan bukan tenaga kerja, pendapatan rumah
tangga, perusahaan, serta peningkatan konsumsi komoditas ekspor i impor.
Dari kerangka SNSE dapat dicari besaran pengeluaran rata-rata
(average ienditure propensity) yang nantinya dimanfaatkan untuk menyusun
kerangka matriks ilisis accounting multiplier. Besaran ini dapat dicari dengan
membagi masing-masing isian (entry) dari setiap sel terhadap nilai total
keseluruhan, yang dirumuskan sebagai berikut:
Aij = Tij Tij−1

Dimana:
Aij kecenderungan pengeluaran rata-rata (average expenditure propensity)
baris ke-i, kolom ke-j
Tij neraca baris ke-i; kolom ke-j
Tj-1 total kolom ke-j
109
Dengan menggunakan persamaan di atas, maka isian pada kerangka

SNSE (lihat Tabel 2.1) dapat dituliskan dalam bentuk matriks sebagai berikut:
T1  0 0 A1.3  X1 

T   A  T1   
 2  =  2.1 A2.2 0    X 2 
T2 +
T3  0 A3.2 A3.3     X 3 
    T3   
T4   A4.1 A4.2 A4.3  X 4 
Dimana Xi merupakan vektor dari matriks Ti.4 untuk dimana: i = 1, 2, 3, 4.

Karena Aij merupakan suatu matriks dengan unsur-unsurnya yang konstan,
maka persamaan matriks tersebut dapat dituliskan sebagai:
T1  0 0 A1.3  T1   X 1 

T  =  A A2.2 0  T2  +  X 2 
 2   2.1
T3  0 A3.2 A3.3  T3   X 3 
dan
T4 = A4.1 T1 + A4.2 T2 + A4.3 T3 + X4
Dari persamaan matriks di atas dapat dilihat bahwa nilai T4 dapat dicari
bila T1, T2 dan T3 diketahui. Neraca T4 merupakan neraca eksogen dalam
kerangka SNSE. Persamaan matriks di atas dapat ditulis dalam notasi matriks
sebagai:
T = AT + X
Sehingga
T = (I – A)-1 X
Atau
T = Ma X
110
Ma = (I - A)-1 = pengganda neraca (accounting multiplier)
Model tersebut menjelaskan bahwa perubahan neraca eksogen (X) akan

menyebabkan perubahan terhadap neraca endogen (T) sebesar (I-A)-1. Analisis
pengganda neraca dapat memperlihatkan keterkaitan sektor-sektor ekonomi
suatu wilayah sebagai bagian dari analisis ekonomi dan mampu memberikan
informasi mengenai pemerataan pendapatan dan kesempatan kerja kepada
masyarakat sebagai bagian dari analisis sosial.
111
112
BAB 7
APLIKASI SOCIAL ACCOUNTING MATRIX
7.1. Kerangka SAM

Kerangka SAM Indonesia Tahun 2000, seperti juga kerangka SNSE
Indonesia seri-seri tahun sebelumnya, disajikan dalam bentuk matrik bujur
sangkar dimana kolom pada kerangka tersebut menunjukkan pengeluaran,
sedangkan baris menunjukkan penerimaan. Publikasi dari Biro Pusat Statistik,
BPS menampilkan tiga bentuk kerangka SNSE Indonesia 2000, yaitu:
a. Kerangka SNSE Indonesia 2000 ukuran 13x13
b. Kerangka SNSE Indonesia 2000 ukuran 38x38, dan
c. Kerangka SNSE Indonesia 2000 ukuran 110x110.
Sektor produksi dalam klasifikasi SNSE ukuran 110x110 dibedakan
atas 22 sektor lapangan usaha sedangkan SNSE ukuran 38x38 dibedakan atas 5
sektor lapangan usaha. Neraca-neraca lainnya meliputi transaksi marjin
perdagangan dan pengangkutan, neraca kapital, pajak tidak langsung serta
neraca luar negeri (Lebih lengkap lihat Sistem Neraca Sosial Ekonomi, 2000).
Tabel 7.1. Klasifikasi SNSE Indonesia 2000 Ukuran 13x13
Neraca Perincian Kode

I. Faktor produksi 1. Tenaga kerja 1
2. Bukan tenaga kerja 2
II. Institusi 1. Rumah tangga 3
2. Perusahaan 4
3. Pemerintah 5
III. Sektor produksi 6
IV. Marjin perdagangan dan 7
pengangkutan
V. Komoditas domestik 8
VI. Komoditas impor 9
VII. Neraca kapital 10
VIII. Pajak tidak langsung 11
IX. Subsidi 12
X. Neraca luar negeri 13
Bab 7. Aplikasi Model SAM
Tabel 7.2. Klasifikasi Tabel SAM, Tahun 2000 Ukuran 13 x 13 (Triliun)

Perincian Kode S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 Total
Tenaga kerja S1 0 0 0 0 0 642.07 0 0 0 0 0 0 0 642.23
Bukan tenaga kerja S2 0 0 0 0 0 725.94 0 0 0 0 0 0 10.87 736.81
Rumah tangga S3 641.84 195.31 54.32 14.47 72.57 0 0 0 0 0 0 0 9.99 988.48
Perusahaan S4 0 391.12 0 35.40 0 0 0 0 0 0 0 0 16.23 442.75
Pemerintah S5 0 25.97 11.36 184.21 21.20 0 0 0 0 0 93.26 -81.50 5.21 259.71
Sektor produksi S6 0 0 0 0 0 0 0 2702.61 0 0 0 0 0 2702.61
Marjin Perd dan Angkutan S7 0 0 0 0 0 0 0 252.95 56.36 0 0 0 0 309.31
Komoditas domestik S8 0 0 765.80 0 72.26 1003.55 309.31 0 0 233.63 0 0 569.49 2954.05
Komoditas impor S9 0 0 107.70 0 1.81 331.05 0 0 0 47.79 0 0 0 488.35
Neraca kapital S10 0 0 39.66 124.40 69.63 0 0 0 0 0 0 0 47.74 281.42
Pajak tidak langsung S11 0 0 0 0 0 0 0 69.99 23.27 0 0 0 0 93.26
Subsidi S12 0 0 0 0 0 0 0 -71.50 -10.00 0 0 0 0 -81.50
Neraca luar negeri S13 0 124.41 9.65 84.28 22.23 0 0 0 418.72 0 0 0 0 659.68
Total 642.23 736.81 988.48 442.75 259.71 2702.61 309.31 2954.05 488.35 281.42 93.26 -81.50 659.68
Sebagai contoh latihan dalam menghasilkan pengganda neraca kita akan

menyajikan kerangka SNSE Indonesia 2000 ukuran 13x13 (Lebih Jelas dapat
dilihat pada Tabel Lihat 7.1 dan 7.2)
7.2. Multiplier SAM

Sebelum model pengganda neraca diaplikasikan, perlu dilakukan
penyesuaian terhadap kerangka SNSE. Tindakan penyesuaian tersebut adalah
mengenai penetapan neraca-neraca eksogen dalam kerangka dan implikasinya
terhadap bentuk kerangka SNSE dalam usaha memperoleh penganda neraca.
Yang dianggap sebagai neraca eksogen dalam model pengganda neraca adalah:
1. Neraca pemerintah
2. Neraca kapital
3. Neraca pajak tidak langsung neto, dan
4. Neraca luar negeri (luar wilayah).
Sedangkan yang dianggap sebagai neraca-neraca endogen adalah:
1. Neraca faktor produksi
2. Neraca rumah tangga
3. Neraca perusahaan
4. Neraca sektor produksi
5. Neraca komoditas domestik
6. Neraca komoditas impor.
Dengan demikian perubahan tatanan dalam perekonomian dapat
dipengaruhi oleh kebijakan penerimaan yang datanya diambil dari ke empat
neraca eksogen, baik yang berupa pengeluaran pemerintah, investasi,
penetapan pajak, subsidi dan kebijakan luar negeri.
114
Berikut ini adalah pernyataan yang sesuai untuk mencari nilai

pengganda neraca atau multiplier SAM. Sekali lagi bahwa data yang untuk hal
tersebut hanya nerara yang dianggap endogen. Catat bahwa yang termasuk
kategori endogen adalah kode 1,2,3,4,6,7,8,9.
proc iml;
reset autoname fw=6;
a={ 0 0 0 0 0 642.07 0 0 0 0 0 0 0 642.23,
0 0 0 0 0 725.94 0 0 0 0 0 0 10.87 736.81,
641.84 195.31 54.32 14.47 72.57 0 0 0 0 0 0 0 9.99 988.48,
0 391.12 0 35.40 0 0 0 0 0 0 0 0 16.23 442.75,
0 25.97 11.36 184.21 21.20 0 0 0 0 0 93.26 -81.50 5.21 259.71,
0 0 0 0 0 0 0 2702.61 0 0 0 0 0 2702.61,
0 0 0 0 0 0 0 252.95 56.36 0 0 0 0 309.31,
0 0 765.80 0 72.26 1003.55 309.31 0 0 233.63 0 0 569.49 2954.05,
0 0 107.70 0 1.81 331.05 0 0 0 47.79 0 0 0 488.35,
0 0 39.66 124.40 69.63 0 0 0 0 0 0 0 47.74 281.42,
0 0 0 0 0 0 0 69.99 23.27 0 0 0 0 93.26,
0 0 0 0 0 0 0 -71.50 -10.00 0 0 0 0 -81.50,
0 124.41 9.65 84.28 22.23 0 0 0 418.72 0 0 0 0 659.68,
642.23 736.81 988.48 442.75 259.71 2702.61 309.31 2954.05 488.35 281.42 93.26 -81.50 659.68 10477.15};
baris={TK N_TK RT Firm Prod MPP Dom Impor Akumu inTax Subs ROW Total};
kolom={TK N_TK RT Firm Prod MPP Dom Impor Akumu Intax Subs ROW Total};
endo = a [{1,2,3,4,6,7,8,9},{1,2,3,4,6,7,8,9}];
total = a [{14}, {1,2,3,4,6,7,8,9}];
print endo [rowname=baris colname=kolom format=8.2],
total [rowname=baris colname=kolom format=8.4];
Tekan tombol F8 untuk mengeksekusi program, sehingga akan

menghasilkan Output pada 7.1. Sekali lagi bahwa data yang digunakanan
adalah data pada Tabel 7.2. Baris 5 dan kolom 5 tidak kita pilih karena
merupakan neraca eksogen, dalam hal ini neraca pemerintah. Dengan
pemilihan neraca endogen di atas, kita dapat ketahui bahwa ukuran matriks
kita menjadi 8 x 8. Selanjutanya kita akan mencari nilai multiplier, sebagai
analisis dampak. Analisis dampak yang kita kaji adalah dampak peningkatan
pertumbuhan ekonomi, permintaan komoditas domesitk dan pertumbuhan
pendapatan sebesar 1 persen.
Output 7.1
ENDO TK N_TK RT FIRM PROD MPP DOM IMPOR
TK 0.00 0.00 0.00 0.00 642.07 0.00 0.00 0.00

N_TK 0.00 0.00 0.00 0.00 725.94 0.00 0.00 0.00
RT 641.84 195.31 54.32 14.47 0.00 0.00 0.00 0.00
115
FIRM 0.00 391.12 0.00 35.40 0.00 0.00 0.00 0.00

PROD 0.00 0.00 0.00 0.00 0.00 0.00 2702.61 0.00
MPP 0.00 0.00 0.00 0.00 0.00 0.00 252.95 56.36
DOM 0.00 0.00 765.80 0.00 1003.55 309.31 0.00 0.00
IMPOR 0.00 0.00 107.70 0.00 331.05 0.00 0.00 0.00
TOTAL TK N_TK RT FIRM PROD MPP DOM IMPOR
TK 642.2300 736.8100 988.4800 442.7500 2702.610 309.3100 2954.050 488.3500
Interpretasi
• Sampai sejauh ini kita baru menemukan matriks kategori endogan dan total
input masing-masing sektor atau neraca. Selanjutnya kita akan mencari
nilia multiplier.
Berikut ini adalah pernyataan yang sesuai untuk mencari nilai

multiplier, yaitu:
dtot = diag(total);
idtot = inv(dtot);
teknis = endo * idtot;
ident = I(8);
IA = ident - teknis;
MA = inv(ia);
baris2={Labor Non_Labor RumahTangga Perusahaan

Sektor_Produksi
Marjin_PP Domestik Impor};
print dtot, idtot, teknis, ident,

IA [rowname=baris colname=kolom format=8.4],
MA [rowname=baris colname=kolom format=8.4];
Tekan tombol F8, maka rangkaian pernyataan di atas akan menghasilkan

output seperti pada Output 6.2. Dalam hal ini kita menciptakan enam matriks,
yaitu matriks DTOT, IDTOT, TEKNIS, IDENT, IA dan MA. Lebih jelasnya
lihat Output 7.2.
Output 7.2
The SAS System
116
DTOT COL1 COL2 COL3 COL4 COL5 COL6 COL7 COL8
ROW1 642.23 0 0 0 0 0 0 0
ROW2 0 736.81 0 0 0 0 0 0
ROW3 0 0 988.48 0 0 0 0 0
ROW4 0 0 0 442.75 0 0 0 0
ROW5 0 0 0 0 2702.6 0 0 0
ROW6 0 0 0 0 0 309.31 0 0
ROW7 0 0 0 0 0 0 2954.1 0
ROW8 0 0 0 0 0 0 0 488.35
IDTOT COL1 COL2 COL3 COL4 COL5 COL6 COL7 COL8
ROW1 0.0016 0 0 0 0 0 0 0
ROW2 0 0.0014 0 0 0 0 0 0
ROW3 0 0 0.001 0 0 0 0 0
ROW4 0 0 0 0.0023 0 0 0 0
ROW5 0 0 0 0 0.0004 0 0 0
ROW6 0 0 0 0 0 0.0032 0 0
ROW7 0 0 0 0 0 0 0.0003 0
ROW8 0 0 0 0 0 0 0 0.002
TEKNIS COL1 COL2 COL3 COL4 COL5 COL6 COL7 COL8
ROW1 0 0 0 0 0.2376 0 0 0
ROW2 0 0 0 0 0.2686 0 0 0
ROW3 0.9994 0.2651 0.055 0.0327 0 0 0 0
ROW4 0 0.5308 0 0.08 0 0 0 0
ROW5 0 0 0 0 0 0 0.9149 0
ROW6 0 0 0 0 0 0 0.0856 0.1154
ROW7 0 0 0.7747 0 0.3713 1 0 0
ROW8 0 0 0.109 0 0.1225 0 0 0
IDENT COL1 COL2 COL3 COL4 COL5 COL6 COL7 COL8
ROW1 1 0 0 0 0 0 0 0
ROW2 0 1 0 0 0 0 0 0
ROW3 0 0 1 0 0 0 0 0
ROW4 0 0 0 1 0 0 0 0
ROW5 0 0 0 0 1 0 0 0
ROW6 0 0 0 0 0 1 0 0
ROW7 0 0 0 0 0 0 1 0
117
IA TK N_TK RT FIRM PROD MPP DOM IMPOR
TK 1.0000 0.0000 0.0000 0.0000 -0.2376 0.0000 0.0000 0.0000

N_TK 0.0000 1.0000 0.0000 0.0000 -0.2686 0.0000 0.0000 0.0000
RT -0.9994 -0.2651 0.9450 -0.0327 0.0000 0.0000 0.0000 0.0000
FIRM 0.0000 -0.5308 0.0000 0.9200 0.0000 0.0000 0.0000 0.0000
PROD 0.0000 0.0000 0.0000 0.0000 1.0000 0.0000 -0.9149 0.0000
MPP 0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 -0.0856 -0.1154
DOM 0.0000 0.0000 -0.7747 0.0000 -0.3713 -1.0000 1.0000 0.0000
IMPOR 0.0000 0.0000 -0.1090 0.0000 -0.1225 0.0000 0.0000 1.0000
MA TK N_TK RT FIRM PROD MPP DOM IMPOR
TK 1.5609 0.1594 0.5612 0.0199 0.6733 0.6737 0.6737 0.0778

N_TK 0.6342 1.1802 0.6346 0.0225 0.7613 0.7617 0.7617 0.0879
RT 1.8412 0.5231 1.8423 0.0654 0.9408 0.9413 0.9413 0.1086
FIRM 0.3659 0.6809 0.3661 1.0999 0.4392 0.4395 0.4395 0.0507
PROD 2.3609 0.6708 2.3624 0.0839 2.8341 2.8357 2.8357 0.3273
MPP 0.2775 0.0788 0.2777 0.0099 0.2236 1.3173 0.3173 0.1520
DOM 2.5806 0.7332 2.5822 0.0917 2.0048 3.0995 3.0995 0.3577
IMPOR 0.4898 0.1392 0.4901 0.0174 0.4497 0.4499 0.4499 1.0519
Interpretasi
MA adalah matriks pengganda neraca atau multiplier SAM. Matriks ini
merupakan inti dalam model SAM. Matriks pengganda ini dapat kita jadikan
sebagai analisis dalam pengambilan keputusan. Interpretasi ini sama halnya
dengan cara membaca pada matriks multiplier pada model Input-Output.
7.3. Analisis Dampak
Analisis dampak ini bertujuan untuk mengetahui, bagaimana dampak

terhadap variabel endogen akibat adanya injeksi yang dilakukan oleh variabel
eksogen. Analisis dampak yang kita lakukan adalah:
1. Dampak pertumbuhan ekonomi sebesar 1 persen
2. Redistribusi Pendapatan
7.3.1. Dampak Pertumbuhan Ekonomi

Pada bagian ini kita akan mencoba melakukan injeksi dari perubahan
variabel eksogen dampaknya terhadap perubahan endogen. Berikut ini adalah
pernyataan yang sesuai untuk mengetahui dampak peningkatan pertumbuhan
118
ekonomi yang digambarkan dengan peningkatan output sektor produksi

sebesar 1 persen, berikut ini:
/* Dampak pertumbuhan output sebesar 1 persen */
shock1 = {0,0,0,0,1,0,0,0};
dampak1 = ma * shock1;
gabung1 = shock1||dampak1;
baris2 = {Labor Non_Labor RumahTangga Perusahaan

Sektor_Produksi Marjin_PP Domestik Impor};
kolom2 = {injeksi dampak persen1};
print shock1 dampak1,

gabung1[rowname=baris2 colname=kolom2 format=8.4];
Tekan tombol F8, maka rangkaian pernyataan di atas akan menghasilkan

output seperti pada Output 6.3. Dalam hal ini kita menciptakan 3 matriks,
yaitu matriks SHOCK1, DAMPAK1, GABUNG1.
Output 7.3
The SAS System
SHOCK1 COL1 DAMPAK1 COL1
ROW1 0 ROW1 0.6733

ROW2 0 ROW2 0.7613
ROW3 0 ROW3 0.9408
ROW4 0 ROW4 0.4392
ROW5 1 ROW5 2.8341
ROW6 0 ROW6 0.2236
ROW7 0 ROW7 2.0048
ROW8 0 ROW8 0.4497
GABUNG1 INJEKSI DAMPAK
LABOR 0.0000 0.6733

NON_LABOR 0.0000 0.7613
119
RUMAHTANGGA 0.0000 0.9408

PERUSAHAAN 0.0000 0.4392
SEKTOR_PRODUKSI 1.0000 2.8341
MARJIN_PP 0.0000 0.2236
DOMESTIK 0.0000 2.0048
IMPOR 0.0000 0.4497
Interpretasi
 Adanya injeksi yang digambarkan peningkatan pertumbuhan output
sebesar 1 persen yang mewakili matriks SHOCK1 dan matriks
DAMPAK1 merupakan dampak yang ditimbulkan akibat asdanya
injeksi.
 Dari matriks GABUNG1 terlihat bahwa akibat adanya injeksi
pertumbuhan output ekonomi sebesar 1 persen menyebabkan
pertumbuhan output seluruh sektor akan meningkat menjadi 2.8341
persen. Dalam hal ini 1 persen merupakan dampak langsung dan 1.8341
persen merupakan dampak tidak langsung.
 Pertumbuhan output tersebut memerlukan keterlibatan faktor produksi
baru, sehingga pertumbuhan balas jasa faktor produksi juga mengalami
peningkatan sebesar 0.6733 persen untuk faktor produksi tenaga kerja
dan non tenaga kerja (modal) sebesar 0.7613 persen.
 Peningkatan permintaan tenaga kerja dan modal, pada akhirnya akan
berdampak pada peningkatan pendapatan institusi, dimana pendapatan
institusi rumah tangga dan perusahaan meningkat masing-masing sebesar
0.9408 persen dan 0.4392 persen
 Peningkatan pendapatan di institusi berdampak pada peningkatan
konsumsi barang dan jasa, sedemikian rupa sehingga permintaan untuk
komoditas domestik dan impor juga mengalami peningkatan masing-
masing sebesar 2.0048 persen dan 0.4497 persen.
7.3.2. Redistribusi Pendapatan

Pada bagian ini kita mencoba untuk melakukan redistribusi pendapatan
(dengan mengambil keuntungan perusahaan sebesar 10 triliun yang
dialokasikan kepada rumah tangga). Berikut adalah kode program SAS yang
sesuai untuk maksud di atas, yaitu:
/* Dampak peningkatan output sebesar 10 triliun */
120
totvec =t(total);
shock2 = {0,0,10,-10,0,0,0,0};
dampak2 = ma * shock2;
percen2 = dampak2 / totvec * 100;
gabung2 = totvec|| shock2 || dampak2 || percen2;

kolom ={total shock2 delta persen};
print totvec [rowname=baris2 format=8.4]
shock2 [rowname=baris2 format=8.4],
dampak2[rowname=baris2 format=8.4]
percen2[rowname=baris2 format=8.4],
gabung2[rowname=baris2 colname=kolom format=8.4];
TOTVEC COL1 SHOCK2 COL1
LABOR 642.2300 LABOR 0.0000

NON_LABOR 736.8100 NON_LABOR 0.0000
RUMAHTANGGA 988.4800 RUMAHTANGGA 10.0000
PERUSAHAAN 442.7500 PERUSAHAAN -10.0000
SEKTOR_PRODUKSI 2702.610 SEKTOR_PRODUKSI 0.0000
MARJIN_PP 309.3100 MARJIN_PP 0.0000
DOMESTIK 2954.050 DOMESTIK 0.0000
IMPOR 488.3500 IMPOR 0.0000
DAMPAK2 COL1 PERCEN2 COL1
LABOR 5.4130 LABOR 0.8428

NON_LABOR 6.1201 NON_LABOR 0.8306
RUMAHTANGGA 17.7686 RUMAHTANGGA 1.7976
PERUSAHAAN -7.3380 PERUSAHAAN -1.6574
SEKTOR_PRODUKSI 22.7846 SEKTOR_PRODUKSI 0.8431
MARJIN_PP 2.6780 MARJIN_PP 0.8658
DOMESTIK 24.9044 DOMESTIK 0.8431
IMPOR 4.7269 IMPOR 0.9679
GABUNG2 TOTAL SHOCK2 DELTA PERSEN
121
LABOR 642.2300 0.0000 5.4130 0.8428

NON_LABOR 736.8100 0.0000 6.1201 0.8306
RUMAHTANGGA 988.4800 10.0000 17.7686 1.7976
PERUSAHAAN 442.7500 -10.0000 -7.3380 -1.6574
SEKTOR_PRODUKSI 2702.610 0.0000 22.7846 0.8431
MARJIN_PP 309.3100 0.0000 2.6780 0.8658
DOMESTIK 2954.050 0.0000 24.9044 0.8431
IMPOR 488.3500 0.0000 4.7269 0.9679
Interpretasi
Dari matriks GABUNG2 dapat diketahui bahwa dampak alokasi
pendapatan yang diambil dari perusahaan sebesar 10 triliun yang
didistribusikan ke institusi rumahtangga akan berdampak pada peningkatan
pendapatan rumah tangga sebesar 1.79 persen, sedangkan pendapatan
keuntungan dari perusahaan berkurang sebesar 1.65 persen.
Sedangkan penerimaan faktor produksi labor dan non-labor naik
masing-masing sebesar 0.84 persen dan 0.83 persen. Dampak distribusi
pendatapan tersebut juga akan meningkatkan output nasional sebesar 0.84, dan
permintaan domestik dan impor meningkat masing-masing sebesar 0.84 persen
dan 0.96 persen.
122
BAB 8
PENGANTAR METODE RAS
8.1. Pendahuluan
Tabel Input-Output (IO) umumnya dihasilkan dari sebuah survei yang
dilaksanakan oleh suatu perekonomian atau wilayah yang bersangkutan.
Persoalannya adalah dalam membangun tabel Input-Output membutuhkan
survei yang sangat besar. Seperti diperlukannya survei rumahtangga, survei
indsutri, data lain seperti pendapatan nasional baik dari sisi penerimaan
maupun dari sisi pengeluaran dan juga dari sisi produksi dan tidak kalah
pentingnya adalah besarnya biaya yang dikeluarkan.
Kenyataannya bahwa membentuk transaksi table Input-Output
bukanlah hal yang mudah, oleh karena itu tidak mungkin untuk
mempublikasikan matriks transaksi input-output hasil survei dalam suatu
wilayah dengan rentang waktu yang pendek, misalnya satu tahun sekali.
Contoh kasus Indonesia, tabel Input-Output dipubkikasikan dengan rentang
waktu lima tahun sekali dan itupun lebih sering telat atau dengan lag satu atau
dua tahun. Tabel IO nasional terkahir adalah tahun 2000 yang diterbitkan oleh
Biro Pusat Statistik, BPS.
Jika kita menggunakan tabel IO seperti yang diterbitkan BPS tersebut,
dan berusahan untuk melihat suatu perubahan permintaan akhir terhadap
output sektoral, maka dengan sendirinya kita telah mengasumsikan bahwa
tidak terjadi perubahan pada koefisien teknologi. Permasalahannya adalah
mustahil kita mengatakan bahwa tidak ada terjadi perubahan teknologi, dari
tahun ke tahun. Meskipun demikian, kita harus ingat bahwa untuk
menghasilkan Tabel IO setiap tahun bukanlah pekerjaan yang mudah.
Untuk mengatasi hal tersebut para ahli mengembangkan metode-
metode untuk menghasilkan matriks teknologi ditahun tertentu dengan
menggunakan matrik teknologi di tahun sebelumnya (masa lalu), tanpa harus
melakukan survei yang lebih besar. Survei yang dilakukan disini hanyalah
survei parsial. Metode-metode untuk mendapatkan matriks teknologi tersebut
antara lain dapat digunakan dengan metode Ordinary Least Squares, Cross-
Entrophy dan RAS. Khusus pada bagian ini kita akan mempelajari metode
RAS. Asal usul nama RAS akan jelas setelah metode ini diuraikan.
Di awali dengan mengasumsikan bahwa suatu perekonomian memiliki
matriks koefisien teknologi dengan jumlah n-sektor pada tahun tertentu pada
masa yang lalu, A(0). Sedemikian rupa sehingga kita mememiliki matriks Z
Bab 8. Pengantar Metode RAS
yang berdimensi nxn, dan matriks X berdimensi nx1. Dengan kata lain bahwa
untuk mencari koefisien teknologi, (A) tersebut dibutuhkan informasi sebanyak
n2+n informasi (yaitu nxn elemen matriks Z dan nx1 adalah elemen matriks X).
Pada prinsipnya metode RAS berupaya untuk menghasilkan matriks teknologi
pada tahun 1, A(1) berdasarkan matriks teknologi pada tahun 0, A(0), tanpa
harus memiliki n2+n informasi pada tahun 1.
Untuk menghasilkan koefisien teknologi dengan metode RAS hanya
dibutuhkan 3 informasi yaitu:
1. Vektor kolom berdimensi nx1 yang merupakan total penjumlahan baris
dari masing-masing matriks Z pada tahun 1. Vektor baris ini kita
notasikan dengan U(1).
2. Vektor baris berdimensi 1xn yang merupakan penjumlahan kolom dari
masing-masing matriks Z pada tahun 1. Vektor kolom ini kita notasikan
dengan V(1).
3. Matriks X pada tahun 1, yang dinotasikan dengan X(1), hal ini penting
terutama untuk menghasilkan koefisien teknologi aij, yaitu aij = zij/Xj.
Catat bahwa kita tidak memiliki matriks transaksi intermediate input
pada tahun 1, dinotasikan dengan Z(1). Sehingga, meskipun kita memiliki U(1)
dan V(1) yang didapat dari penjumlahan bardasarkan baris dan kolom dari
matriks Z(1) tersebut, nilainya bukan di dapat dari matriks Z(1). Nilai-nilai ini
seharusnya didapat dari survei yang dilakukan. Survei yang dilakukan tidak
serinci seperti untuk mendapatkan matriks Z(0). Pada tahun 1, survei yang
dilakukan hanya untuk mendapatkan ketiga komponen yang disebutkan di atas.
Survei ini disebut sebagai survei parsial.
8.2. Prosedur Metode RAS

Untuk memahami prosedur RAS, kita akan asumsikan bahwa suatu
perekonomian memiliki ukuran matriks transaksi A(0) adalah 3 x 3, yang
dituliskan dalam bentuk matriks berikut ini:
a11 (0) a12 (0) a13 (0) 

A(0) = a 21 (0) a 22 (0) a 23 (0) ………………………….. (8.1)
a31 (0) a32 (0) a33 (0) 
dan data dari periode 1 berupa jumlah output sektoral, X(0), jumlah baris
matriks transaksi tabel input output, U(1) dan jumlah kolom dari matriks
transaksi tabel input output, V(1) secara berturut turut adalah:
124
 X 1 (1) 
X (1) =  X 2 (1) ……………………………………………… (8.2)
 X 3 (1) 
V (1) = V1 (1) V2 (1) V3 (1) ………………………………… (8.3)
U 1 (1) 
U (1) = U 2 (1) ……………………………………………… (8.4)
U 3 (1) 
Jika kita asumsikan bahwa matriks koefisien teknologi stabil antar

waktu, maka hal ini menunjukkan bahwa matriks teknologi periode 0, A(0),
sama dengan matriks teknologi periode 1, A(1). Secara lajabar dapat dituliskan
dalam bentuk berikut ini:
A(0) = A(1) …………………………………………………. (8.5)
Karena penjumlahan baris dan kolom matriks merupakan vektor yang

diperlukan untuk menghasilkan koefisien aij ke dalam transaksi, zij melalui
hubungan zij = aijXj atau dalam istilah matriks:
A = Z Xˆ( ) −1
……………………………………………….. (8.6)
Sedemikian rupa sehingga untuk mecari matriks transaksi periode 1, Z(1),

dapat dicari dengan menggunakan formula berikut ini:
Z (1) = A(0) Xˆ (1) ………………………………………….. (8.7)
Karena dalam hal ini kita asumsikan bahwa koefisien teknologi A(0) sama
dengan A(1), maka jumlah setiap baris dan jumlah setiap kolom akan sama,
dan ini menunjukkan bahwa kondisi persamaan (8.3) dan (8.4) terpenuhi.
Dengan kata lain bahwa kita telah memperoleh matriks transaksi Z(1) dengan
jumlah baris dan kolom yang sama. Sedemikian rupa sehingga iterasi tidak
perlu kita lanjutnya. Sekali lagi bahwa dalam hal ini kita asumsikan koefisien
teknologi adalah stabil antar waktu.
125
Persoalannya adalah bagaimana jika matriks teknologi tidak stabil antar

waktu, dan ini merupakan suatu kenyataan yang lebih realistik. Karena kita
ketahui bahwa teknologi tidak akan stabil antar waktu. Dengan kata lain
bahwa matriks koefisien teknologi periode 0, tidak sama dengan periode 1,
dalam bentuk aljabar matriks dituliskan:
A (0)  A(1) ……………………………………………….. (8.8)
Maka untuk menghitung koefisien matriks transaksi kita dapat gunakan

persamaan berikut ini:
a11 (0) a12 (0) a13 (0)   X 1 0 0 

Z (1) = a 21 (0) a 22 (0) a 23 (0) 0 X 2 0 
a31 (0) a32 (0) a33 (0)  0 0 X 3 
a11 (0) X 1 (1) a12 (0) X 1 (1) a13 (0) X 1 (1) 

Z (1) = a 21 (0) X 1 (1) a 22 (0) X 1 (1) a 23 (0) X 1 (1) = A(0) Xˆ (1) … (8.9)
a31 (0) X 1 (1) a32 (0) X 1 (1) a33 (0) X 1 (1) 
Selanjutnya verifikasi hasil ini dengan menjumlahkan seluruh kolom,

yang akan menghasilkan nilai U i1 , penjumlahan dapat dilakukan dengan
menggunakan postmultipliction. atau dengang menggunakan subscript dari
perintah SAS, dalam hal ini kita gunakan postmultipliction, sebagai berikut:
 
Z i1 = A(0) Xˆ (1) i = U i1 ……………………………………. (8.10)
Selanjutnya bangdingkan nilai U1 dengan U(1), dari penjumlahan matriks Z(1)

berdasarkan kolom disimbol dengan U i1 , dan karena A(0)  A(1), maka,
U 1  U (1) …………………………………………………….. (8.11)
Jika U1 > U (1), menunjukkan bahwa nilai setiap baris matriks U1 lebih besar
dari seharusnya, dan jika U1 < U(1) menunjukkan bahwa nilai setiap baris
matriks U1 lebih kecil dari seharusnya. Sedemikian rupa, sehingga kita perlu
126
melakukan penyesuaian terhadap baris dan kolom. Proses penyesuaian adalah

dengan menghitung koefisien:
U i (1)
r1 = ……………………………………………………. (8.12a)
U i1
atau dalam bahasa matriks dapat dituliskan:
 ( )
r1 = Uˆ i (1) Uˆ i1
−1
……………………………………………… (8.12b)
Dari persamaan (8.12b) kita akan menghasilkan sebuah matriks bujur sangkar,
berukuran 3x3, kita notasikan, R1, yaitu:
r11 0 0 
 
R1 = 0 r21 0  …………………………………………… (8.13)
0 0 r 1 
 3 
Untuk mendapatkan koefisien teknologi tahun 1, A1, maka kalikan matriks R1

(persamaan 8.13) dengan matriks A(0) Xˆ (1) (persamaan 8.9),

A1 = R1 A(0) Xˆ (1)  ………………………….……………….. (8.14a)
Atau secara ringkas dapat dituliskan sebagai berikut:
A1 = R 1 A(0) ………………….…………………………….. (8.14b)
Persamaan (8.14b) ini apabila kita kalikan dengan matriks X̂ (1) , notasikan
dengan Z i1 , dan jika kita jumlahkah seluruh elemen berdasarkan kolom akan
menjamin nilai U i1 = U i (1) dalam matriks dituliskan sebagai berikut:
 
Z i1 = A1 Xˆ (1) i = U i1 = U 1 (1) ……………………………. (8.15)
127
Sekali lagi bahwa persamaan (8.15) akan menjamin U i1 = U i (1) . Namun

demikian, kita masih mempunyai informasi periode 1 yang belum kita gunakan
semuanya. Dalam arti bahwa kita masih mempunyai vektor kolom V(1).
Untuk hal tersebut kita dapat memverifikasi atau membandingkan Vi1 dengan
Vi(1) hasil survei.
Proses verifikasi dapat dilakukan dengan menjumlahkan element
matriks persamaan (8.15) berdasarkan baris (gunakan pre-multiplication),
sedemikian rupa sehingga kita akan menghasilkan Vi1 , sebagai berikut:
  
Vi1 = i A1 Xˆ (1) = V11 V21 V31  ……………………………. (8.16)
Verifikasi atau bandingkan nilai Vi1 dengan Vi (1) , jika nilai Vi1 = Vi (1) ,
maka permsalahan untuk mencari A(1) telah selesai. Dan matriks A(1) adalah
seperti yang tertera pada persamaan (8.41b).
Masalahnya yang umum adalah jika Vi1  Vi (1) , sedemikian rupa
sehingga kita harus melakukan penyesuaian terhadap kolom kembali.
Penyesuaian terhadap kolom kita dapat lakukan dengan cara menghitung
koefisien:
Vi (1)
si1 = …………………………………………………. (8.17a)
Vi1
 ( )
si1 = Vî (1) Vî1
−1
……………………………………………… (8.17b)
berukuran 3x3, kita notasikan, S1, yaitu:
 s11 0 0 
 
S 1 = 0 s 12 0  …………………………………………… (8.18)
0 0 s 1 
 3
128
 
Selanjutnya matriks A1 Xˆ (1) dikalikan dengan matriks S 1 sehinga kita akan
memperoleh sebuah matriks dinotasikan dengan A2, sebagai berikut:

A2 = A1 Xˆ (1) S 1  ……………….………………………….. (8.19)
atau
A 2 = R 1 A(0) S 1 ……………………………………………… (8.20)
Perhatikan pada persamaan (8.20), apabila kita hilangkan superscript

dan juga angka nol yang ada didalam tanda kurung, maka proses inilah yang
merupakan asal usal nama dari metode RAS.
Penjumlahan seluruh elemen matriks pada persamaan 8.19 berdasarkan

baris (gunakan pre-multiplication), akan menghasilkan vektor Vi1 , dalam
matriks dituliskan sebagai berikut:

Vi1 = i ' A1 Xˆ (1) S 1  …………………………………….. (8.21)
Persamaan pada (8.21) akan menjamin vektor kolom Vi1 = Vi (1) . Dengan
demikian, kita dapat bertanya apakah pencarian matriks koefisien teknologi
telah selesai? Belum tentu ? Karena:
1. Pada saat pertama penyesuaian matriks teknologi A1 menurut kolom untuk
mendapatkan matriks A2 kita telah merubah komposisi matriks teknologi
A1 (yang sebelumnya telah menjamin U i1 = U i (1)
2. Karena perubahan komposisi matriks teknologi A1 untuk mendapatkan A2
(yang menjamin Vi1 = Vi (1) ), maka kemungkinan U i1  U i (1) , atau U(1)
tidak lagi terpenuhi.
Oleh kerena itu kita harus kembali memeriksa komposisi A2. Dengan
malakukan perkalian A2 dengan matriks X̂ (1) , kita notasikan dengan Z i2 ,
sebagai berikut:

Z i2 = A 2 Xˆ (1)  ………………………………………………. (8.22)
129
Jumlahkah persamaan (8.22) tersebut berdasarkan kolom untuk

mendapatkan nilai U2 (persamaan 8.23), selanjutnya bandingkan dengan nilai
U(1). Jika nilai U2=U(1) maka tugas kita telah seleasi.
 
U 2 = A 2 Xˆ (1) i ……………………………………………….. (8.23)
Bagaimana jika U2  U(1), maka kita akan melanjutnya peneyesuaian

terhadap baris kembali. Adapun cara yang harus dilakukan adalah dengan
menghitung kembali koefisien:
U i (1)
ri 2 = ……………………………………………………. (8.24a)
U i2
 ( )
ri 2 = Uˆ i (1) Uˆ i2
−1
……………………………………………… (8.24b)
berukuran 3x3, kita notasikan, R2, yaitu:
r12 0 0 
 
R 2 = 0 r22 0  …………………………………………… (8.25)
0 0 r 2 
 3 
Kalikan matriks R2 dengan koefisien teknologi A2 untuk mendapatkan A3

sebgai berikut:
A3 = R 2 A 2 ……………..………………….……………….. (8.26)
Total kolom matriks transaksi Z3 yang menggunakan matriks teknologi

persamaan (8.26) akan menghasilkan matriks U3 = U(1). Selanjutnya verifiksi
kembali vektor kolom V2 dengan V(1), jika V2  V(1) maka lakukan kembali
penyesuaian terhadap vektor kolom tahap kedua adalah:
 ( )
si2 = Vî (1) Vî 2
−1
……………………………………………… (8.27)
130
Sehingga matriks koefisien teknolgi yang baru dinyatakan sebagai berikut:
A 4 = A3 S 2 ………………………………………………….. (8.28)
Substitusikan persamaan (8.26) ke persamaan (6.28), kita akan mendapatkan

matriks:
A4 = R 2 A2 S 2 ……………………………………………….. (8.29)
Dan jika kita substitusikan persamaan (8.29) dengan (8.20) kita akan
menghasilkan matriks:
( )
A 4 = R 2 R 1 A(0) S 1 S 2 ( ) ………………………………………. (8.30)
Jika prosedur RAS kita teruskan, maka kita dapat menuliskan bentuk umum
dari prosedur metode RAS, yaitu:
( ) ( )
A 5 = R 3 R 2 R1 A(0) S 1 S 2
A5 = (R R R )A(0)(S S S )
3 2 1 1 2 3
………………………. (8.31)

( )
A 2 n = R n  R 3 R 2 R1 A(0) S 1 S 2 S 3  S n ( )
Pertanyaanya adalah ? berapa tahapan yang harus dilalui untuk mendapatkan
matriks koefisien teknologi pada periode 1. Banyaknya tahapan proses iterasi
pada umumnya sangat tergantung perbedaan absolut antara nilai U(1) dengan
Un dan V(1) denga Vn. Dalam hal ini kita dapat membuat suatu kriteria
tertentu, disebut sebagai kriteria convergen, . Misalnya kita tentukan nilai
convergen sebesar  = 0.005, maka ketika proses penyesuaian terhadap baris
dan kolom, yaitu:
 = U i (1) − U in = 0.005 …………………………………. (8.32)
 = Vi (1) − Vi n = 0.005 ………………………………….. (8.33)
Jika nilai absolut  <= 0.005 maka proses iterasi dapat dihentikan.
131
8.3. Evaluasi Metode RAS

Untuk mengevaluasi hasil dari prosedur RAS, kita dapat lakukan
dengan cara melihat selisih antara (error, ) antara matriks koefisien teknologi
hasil survei dengan matriks koefisien teknologi hasil akhir dari prosedur
metode RAS.
Asumsikan kita mempunyai matriks koefisien teknologi dari survei,
~
A(1), dengan matriks koefisien teknologi dari prosedur RAS, A(1) , selanjutnya
hitung selesihnya dengan formula berikut:
~
 ij = A(1) − A(1)  ………………………………………… (8.34)
Kemudian tentukan nilai Mean Absolutete Deviation, MAD, dengan

formulas berikut ini:
 1  n n
MAD =  2   ij ……………………………………. (8.35)
 n  i =1 j =1
dimana: n adalah jumlah ukuran matriks. MAD menggambarkan jumlah rata-

rata (apakah negatif atau positif) dari koefisien estimasi berbeda dengan
koefisien hasil survei.
Alternatif yang lain adalah kalikan masing-masing element ij dengan
masing-masing element matriks koefisien teknologi A(1) dalam bentuk
persentase, dinotasikan P, dalam bentuk matriks dituliskan sebagai berikut:
  ij 
 
P = Pij =   * 100 ........................................................ (8.36)
 Aij (1) 
Kemudian tentukan nilai Mean Absolutete percentage error, MAPE,

dengan formulas berikut ini:
 1  n n
MAPE =  2  Pij ……………………………………. (8.37)
 n  i =1 j =1
MAPE menggambarkan persentase perbedaan (besar atau kecilnya)

nilai prosedur RAS dengan nilai yang seharusnya (nilai hasil survei).
132
BAB 9
APLIKASI METODE RAS
Contoh Prosedur Metode RAS
Sebagai contoh ilustrasi, asumsikan kita mempunyai matriks 3x3,

degan nilai koefisien teknologi periode sebelumnya A(0) dengan nilai elemen
matriks adalah:
0.120 0.100 0.049

A(0) = 0.210 0.247 0.265
0.026 0.249 0.145
Nilai dari hasil survei matriks transaksi input antara, Z(1), total input, X(1),
vektor kolom U(1), dan vektor baris V(1) yang seharusnya masing-masing
adalah:
98 72 75 
Z (1) = 65 8 63
88 27 44 
421 245
X (1) = 284 U (1) = 136  V (1) = 251 107 182
283 159 
Dengan demikian kita dapat menentukan koefisien matriks teknologi A(1)

dengan menggunakan persamaan (8.6). Kode program SAS/IML yang sesuai
untuk hal tersebut adalah:

proc iml;
z1 = {98 72 75,
65 8 63,
88 27 44};
Bab 9. Aplikasi Metode RAS
x1 = {421,284,283};
/* Koefisien teknologi hasil Survei */

a1 = z1 * inv(diag(x1));
print a1;
Tekan tombol F8 untuk menjalankan pernyataan program sehingga di layar

OUTPUT akan menghasilkan muncul seperti yang terlihat pada Output 8.1
berikut ini:
Output 8.1
A1
0.2327791 0.2535211 0.2650177
0.1543943 0.0281690 0.2226148
0.2090261 0.0950704 0.1554770
Matriks A1 adalah matriks koefisien teknologi periode tehun ke 1. Karena nilai

A1 ini kita peroleh dari dari koefisien matriks transaksi hasil survei maka kita
tidak perlu melakukan metode prosedur RAS.
Bagaimana jika nilai matriks A1 tidak diketahui yang mengindikasikan
matriks Z1 juga tidak diketahui, maka kita harus mencari nilai A1 dengan
menggunakan koefisien teknologi sebelumnya, A(0). Kode program SAS yang
sesuai adalah:

proc iml;
a0 = {0.120 0.100 0.049,
0.210 0.247 0.265,
0.026 0.249 0.145};
x1 ={421,284,283};
u1 ={245,136,159};
v1 ={251 107 182};
/* postmultiplication */
ipost =J(3,1,1);
/* premultiplication */
ipre =J(1,3,1);
134
/* **** cari nilai z11 ***** */

z11 = a0 * diag(x1);
u11 = z11 * ipost;
v11 = ipre * z11;
print z11 u11, v11;
Tekan tombol F8, sehingga di layar OUTPUT akan menghasilkan muncul

seperti yang terlihat pada Output 8.2 berikut ini:
Output 8.2
The SAS System
Z11 U11
50.52 28.4 13.867 92.787
88.41 70.148 74.995 233.553
10.946 70.716 41.035 122.697
V11
149.876 169.264 129.897
Interpretasi:
Pada sesi ini kita telah menghasilkan Z11, selanjutnya bandingkan U11 dengan
U(1) dan juga bandingkan V11 dengan V(1). Terlihat pada output 8.2 bahwa
nilai U11  U(1) dan V11  V(1). Oleh karena itu, lakukan penyesuaian
terhadap baris dan kolom. Sebelum melakukan penyesuaian terhadap baris dan
kolom, maka langkah pertama yang harus dicari adalah mencari nilai A11.
Selanjutnya lakukan penyesuaian terhadap baris. Kode program SAS yang
sesuai untuk hal ini adalah:
/* **** cari matriks a11 ***** */

/* **** Penyesuaian Baris ****** */
r11 = diag(u1)*inv(diag(u11));
a11 = r11 * a0;
z12 = a11 * diag(x1);

u12 = z12 * ipost;
v12 = ipre * z12;
print r11, a11, z12 u12, v12;
135
Tekan tombol F8 sehingga di layar OUTPUT akan menghasilkan Output 8.3

berikut ini:
Output 8.3
The SAS System
R11
2.6404561 0 0
0 0.5823089 0
0 0 1.2958752
A11
0.3168547 0.2640456 0.1293823
0.1222849 0.1438303 0.1543119
0.0336928 0.3226729 0.1879019
Z12 U12
133.39584 74.988953 36.615205 245
51.481933 40.847808 43.670259 136
14.18465 91.639111 53.176239 159
V12
199.06243 207.47587 133.4617
Interpretasi:
Pada Output 8.3 kita telah menghasilkan A11. Selanjutnya kita
verifikasi berdasarkan baris, U12 = U(1), namun demikian nilai V12  V(1),
sehingga kita harus melakukan penyesuaian terhadap kolom. Kode program
SAS/IML yang sesuai untuk hal ini adalah:
/* ***** Temukan a12 ***** */

/* ***** Sesuaikan Kolom ***** */
s11 = diag(v1)*inv(diag(v12));
a12 = a11 * s11;
z13 = a12 * diag(x1);
u13 = z13 * ipost;
v13 = ipre * z13;
print s11, a12, z13 u13, v13;
136

OUTPUT akan menghasilkan muncul seperti yang terlihat pada Output 8.4
berikut ini:
Output 8.4
The SAS System
S11
1.260911 0 0
0 0.5157226 0
0 0 1.3636871
A12
0.3995256 0.1361743 0.176437
0.1541903 0.0741765 0.2104331
0.0424836 0.1664097 0.2562394
Z13 U13
168.20028 38.673499 49.931682 256.80546
64.914136 21.066138 59.552568 145.53284
17.885581 47.260362 72.51575 137.66169
V13
251 107 182
Interpretasi:
verifikasi berdasarkan kolom, dimana V13 = V(1), namun demikian nilai
matriks U14  V(1), sehingga kita harus melakukan penyesuaian terhadap
baris kembali. Kode program SAS/IML yang sesuai untuk hal ini adalah:
/* ***** Cari kembali matriks A13 ****** */

/* ***** dan sesuaiakan Terhadap Baris ****** */
a13 = r12 * a12;
z14 = a13 * diag(x1);
u14 = z14 * ipost;
v14 = ipre*z14;
print r12, a13, z14 u14, v14;
137
Tekan tombol F8 untuk menjalankan program sehingga di layar OUTPUT

akan menghasilkan Output 8.5 berikut ini:
Output 8.5
The SAS System
R12
0.9540295 0 0
0 0.934497 0
0 0 1.1550054
A13
0.3811592 0.1299143 0.1683261
0.1440904 0.0693178 0.1966491
0.0490687 0.1922041 0.2959579
Z14 U14
160.46804 36.895661 47.6363 245
60.662063 19.686242 55.651694 136
20.657943 54.585974 83.756083 159
V14
241.78805 111.16788 187.04408
Interpretasi:
verifikasi berdasarkan kolom, total kolom matriks Z14, U14=U(1), namun
demikian nilai matriks V14  V(1), sehingga kita harus melakukan
penyesuaian terhadap kolom kembali. Kode program SAS/IML yang sesuai
untuk hal ini adalah:
/* ***** cari kembali matriks A14 ****** */

/* ***** dan sesuaikan terhadap Kolom ****** */
a14 = a13 * s12;
z15 = a14 * diag(x1);
u15 = z15 * ipost;
v15 = ipre * z15;
print s12, a14, z15 u15, v15;
138
Tekan tombol F8 untuk menjalankan program sehingga di layar OUTPUT

akan menghasilkan Output 8.6 berikut ini:
Output 8.6
The SAS System
S12
1.0380993 0 0
0 0.9625083 0
0 0 0.9730327
A14
0.3956811 0.1250436 0.1637868
0.1495802 0.0667189 0.191346
0.0509382 0.1849981 0.2879767
Z15 U15
166.58176 35.512378 46.351676 248.44581
62.973245 18.948171 54.150917 136.07233
21.444996 52.539451 81.497406 155.48185
V15
251 107 182
Interpretasi:
Pada Output 8.6 kita telah menghasilkan matriks A14 dan Z15. Dimana
element baris Z14 menghasilkan V15 = V(1), namun demikian karena ada
proses penyesuaian menyebabkan matirks U15  U(1), sehingga kita harus
melakukan penyesuaian terhadap baris kembali. Kode program SAS/IML yang
sesuai untuk hal ini adalah:

/* ***** Penyesuaian Terhadap Baris ****** */
a15 = r13 * a14;
z16 = a15 * diag(x1);
u16 = z16 * ipost;
v16 = ipre * z16;
print r13, a15, z16 u16, v16;
139

OUTPUT akan menghasilkan muncul seperti yang terlihat pada Output 8.7.
berikut ini:
Output 8.7
The SAS System
R13
0.9861305 0 0
0 0.9994684 0
0 0 1.0226274
A15
0.3901932 0.1233093 0.1615152
0.1495006 0.0666834 0.1912443
0.0520908 0.1891841 0.2944929
Z16 U16
164.27136 35.01984 45.708803 245
62.93977 18.938098 54.122132 136
21.93024 53.728281 83.341479 159
V16
249.14137 107.68622 183.17241
Interpretasi:
Pada Output 8.7 kita telah menghasilkan matriks A15 dan Z16. Dimana
total element kolom Z16 menghasilkan U16 = U(1), namun demikian total
element baris Z16 menghasilkan V16  V(1), sehingga kita harus melakukan
penyesuaian terhadap kolom kembali. Kode program SAS/IML yang sesuai
untuk hal ini adalah:

/* ***** Penyesuaian Terhadap Kolom ****** */
a16 = a15 * s13;
z17 = a16 * diag(x1);
u17 = z17 * ipost;
v17 = ipre * z17;
print s13, a16, z17 u17, v17;
140

OUTPUT akan muncul seperti yang terlihat pada Output 8.8. berikut ini:
Output 8.8
The SAS System
S13
1.0074602 0 0
0 0.9936276 0
0 0 0.9935994
A16
0.3931041 0.1225235 0.1604814
0.1506159 0.0662585 0.1900202
0.0524794 0.1879785 0.2926079
Z17 U17
165.49685 34.79668 45.416239 245.70977
63.40931 18.817417 53.775718 136.00245
22.093843 53.385903 82.808044 158.28779
V17
251 107 182
Interpretasi:
Pada Output 8.8, telah menghasilkan matriks A16 dan Z17. Dimana
total elemen baris matriks Z17 menghasilkan V17 = V(1), namun demikian
total element kolom Z17 menghasilkan U17  U(1), sehingga kita harus
melakukan penyesuaian terhadap baris kembali. Lanjutan kode program

a17 = r14 * a16;
z18 = a17 * diag(x1);
u18 = z18 * ipost;
v18 = ipre * z18;
print r14, a17, z18 u18, v18;
141

berikut ini:
Output 8.9
The SAS System
R14
0.9971114 0 0
0 0.999982 0
0 0 1.0044995
A17
0.3919686 0.1221696 0.1600178
0.1506132 0.0662573 0.1900168
0.0527156 0.1888243 0.2939245
Z18 U18
165.01879 34.696165 45.285048 245
63.40817 18.817079 53.774751 136
22.193253 53.626111 83.180636 159
V18
250.62021 107.13935 182.24043
Interpretasi:
Pada Output 8.9, telah menghasilkan matriks A17 dan Z18. Dimana
total elemen kolom matriks Z18 menghasilkan U18 = U(1), namun demikian
total element baris Z17 menghasilkan V18  V(1), sehingga kita harus
melakukan penyesuaian terhadap kolom kembali. Lanjutan kode program

a18 = a17 * s14;
z19 = a18 * diag(x1);
u19 = z19 * ipost;
v19 = ipre * z19;
print s14, a18, z19 u19, v19;
142

berikut ini:
Output 8.10
The SAS System
S14
1.0015154 0 0
0 0.9986993 0
0 0 0.9986807
A18
0.3925626 0.1220107 0.1598067
0.1508415 0.0661711 0.1897661
0.0527955 0.1885787 0.2935367
Z19 U19
165.26886 34.651036 45.225302 245.14519
63.504259 18.792604 53.703804 136.00067
22.226885 53.55636 83.070893 158.85414
V19
251 107 182
Interpretasi:
Pada Output 8.10, kita telah menghasilkan matriks A18 dan Z19.
Dimana total elemen baris matriks Z19 menghasilkan V19=V(1), namun
demikian total element kolom Z19 menghasilkan U19  U(1), sehingga kita
harus melakukan penyesuaian terhadap baris kembali. Lanjutan kode program

a19 = r15 * a18;
z110 = a19 * diag(x1);
u110 = z110 * ipost;
v110 = ipre * z110;
print r15, a19, z110 u110, v110;
143

berikut ini:
Output 8.11
The SAS System
R15
0.9994077 0 0
0 0.9999951 0
0 0 1.0009182
A19
0.3923301 0.1219384 0.1597121
0.1508407 0.0661708 0.1897652
0.0528439 0.1887519 0.2938063
Z110 U110
165.17097 34.630513 45.198516 245
63.503947 18.792512 53.703541 136
22.247294 53.605536 83.14717 159
V110
250.92221 107.02856 182.04923
Interpretasi:
Dimana total elemen kolom matriks Z110 menghasilkan U110=U(1), namun
demikian total element baris Z110 menghasilkan V110  V(1), sehingga kita
harus melakukan penyesuaian terhadap kolom kembali. Lanjutan kode
program SAS/IML yang sesuai untuk hal ini adalah:

a110 = a19 * s15;
z111 = a110 * diag(x1);
u111 = z111 * ipost;
v111 = ipre * z111;
print s15, a110, z111 u111, v111;
144

berikut ini:
Output 8.12
The SAS System
S15
1.00031 0 0
0 0.9997331 0
0 0 0.9997296
A110
0.3924517 0.1219059 0.1596689
0.1508875 0.0661532 0.1897138
0.0528603 0.1887015 0.2937268
Z111 U111
165.22218 34.621272 45.186294 245.02974
63.523634 18.787497 53.689019 136.00015
22.254191 53.591231 83.124686 158.97011
V111
251 107 182
Interpretasi:
Dimana total elemen baris matriks Z111 menghasilkan V111=V(1), namun
demikian total element kolom Z111 menghasilkan U111  U(1), sehingga kita
harus melakukan penyesuaian terhadap baris kembali. Lanjutan kode program

a111 = r16 * a110;
z112 = a111 * diag(x1);
u112 = z112 * ipost;
v112 = ipre * z112;
print r16, a111, z112 u112, v112;
145

berikut ini:
Output 8.13
The SAS System
R16
0.9998786 0 0
0 0.9999989 0
0 0 1.000188
A111
0.3924041 0.1218911 0.1596495
0.1508873 0.0661531 0.1897136
0.0528703 0.188737 0.293782
Z112 U112
165.20212 34.61707 45.18081 245
63.523564 18.787476 53.68896 136
22.258375 53.601308 83.140316 159
V112
250.98406 107.00585 182.01009
Interpretasi:
Dimana total elemen kolom matriks Z112 menghasilkan U112=U(1), namun
demikian total element baris Z112 menghasilkan V112  V(1), sehingga kita
harus melakukan penyesuaian terhadap kolom kembali. Lanjutan kode
program SAS/IML yang sesuai untuk hal ini adalah:

a112 = a111 * s16;
z113 = a112 * diag(x1);
u113 = z113 * ipost;
v113 = ipre * z113;
print s16, a112, z113, u113, v113;
146

berikut ini:
Output 8.14
The SAS System
S16
1.0000635 0 0
0 0.9999453 0
0 0 0.9999446
A112
0.392429 0.1218844 0.1596407
0.1508969 0.0661495 0.1897031
0.0528736 0.1887267 0.2937658
Z113 U113
165.21261 34.615176 45.178306 245.00609
63.527598 18.786448 53.685985 136.00003
22.259789 53.598376 83.135709 158.99387
V113
251 107 182
Interpretasi:
Dimana total elemen baris matriks Z113 menghasilkan V113=U(1).
Selanjutnya verifikasi nilia total element kolom matriks Z113, menghasilkan
matriks U113. Bandingkan matriks U113 dengan U(1), kita akan memperoleh
nilai convergen (), conv, kode program SAS dalam perbandingan antara
U113 dengan U1 dalam bentuk absulot dituliskan sebagai berikut:
conv = abs(u113 - u1);

print conv;
The SAS System
CONV
0.0060945
0.0000314
0.0061259
147
Jika kriteria convergen ditentukan 0.007,  = 0.007, maka kita telah dapat
menghentikan proses iterasi ini. Ringkasan prosedur iterasi metode RAS dari
tahap awal sampai dengan akhir dapat dituliskan sebagai berikut:
proc iml;
a0 = {0.120 0.100 0.049,

0.210 0.247 0.265,
0.026 0.249 0.145};
x1 ={421,284,283};
u1 ={245,136,159};
v1 ={251 107 182};
/* postmultiplication */
ipost =J(3,1,1);
/* premultiplication */
ipre =J(1,3,1);
/* **** cari nilai z11 ***** */

z11 = a0 * diag(x1);
u11 = z11 * ipost;
v11 = ipre * z11;
* print z11 u11, v11;
/* **** cari matriks a11 ***** */

/* **** Penyesuaian Baris ****** */
a11 = r11 * a0;
z12 = a11 * diag(x1);
u12 = z12 * ipost;
v12 = ipre * z12;
* print r11, a11, z12 u12, v12;
148
/* ***** Temukan a12 ***** */

/* ***** Sesuaikan Kolom ***** */
a12 = a11 * s11;
z13 = a12 * diag(x1);
u13 = z13 * ipost;
v13 = ipre * z13;
* print s11, a12, z13 u13, v13;
/* ***** Cari kembali matriks A13 ****** */

/* ***** dan sesuaiakan Terhadap Baris ****** */
a13 = r12 * a12;
z14 = a13 * diag(x1);
u14 = z14 * ipost;
v14 = ipre*z14;
* print r12, a13, z14 u14, v14;

/* ***** dan sesuaikan terhadap Kolom ****** */
a14 = a13 * s12;
z15 = a14 * diag(x1);
u15 = z15 * ipost;
v15 = ipre * z15;
* print s12, a14, z15 u15, v15;

a15 = r13 * a14;
z16 = a15 * diag(x1);
u16 = z16 * ipost;
v16 = ipre * z16;
* print r13, a15, z16 u16, v16;
149

a16 = a15 * s13;
z17 = a16 * diag(x1);
u17 = z17 * ipost;
v17 = ipre * z17;
* print s13, a16, z17 u17, v17;

a17 = r14 * a16;
z18 = a17 * diag(x1);
u18 = z18 * ipost;
v18 = ipre * z18;
* print r14, a17, z18 u18, v18;

a18 = a17 * s14;
z19 = a18 * diag(x1);
u19 = z19 * ipost;
v19 = ipre * z19;
* print s14, a18, z19 u19, v19;

a19 = r15 * a18;
z110 = a19 * diag(x1);
u110 = z110 * ipost;
v110 = ipre * z110;
* print r15, a19, z110 u110, v110;
150

a110 = a19 * s15;
z111 = a110 * diag(x1);
u111 = z111 * ipost;
v111 = ipre * z111;
* print s15, a110, z111 u111, v111;

a111 = r16 * a110;
z112 = a111 * diag(x1);
u112 = z112 * ipost;
v112 = ipre * z112;
* print r16, a111, z112 u112, v112;

a112 = a111 * s16;
z113 = a112 * diag(x1);
u113 = z113 * ipost;
v113 = ipre * z113;
* print s16, a112, z113 u113, v113;
conv = abs(u113 - u1);

print conv;
Simpanlah rangkaian pernyataan ini, dengan nama file template_ras.sas.

Untuk menghitung metode RAS dengan contoh yang lainnya dapat digunakan
template ini. Jika kita jadikan ini sebagai template, maka hal yang harus kita
ganti adalah ukuran matriks X(1), V(1) dan U(1) dan termasuk matriks post-
multiplication dan pre-multiplication.
151
Berikut ini adalah ringkasan matriks koefisien A11-A112 yang diperoleh dari
iterasi metode RAS, outputnya dapat dilihat pada Output 8.15
print a11 a12, a13 a14, a15 a16, a17 a18, a19 a110,
a111 a112;
Output 8.15
A11 A12
0.3168547 0.2640456 0.1293823 0.3995256 0.1361743 0.176437
0.1222849 0.1438303 0.1543119 0.1541903 0.0741765 0.2104331
0.0336928 0.3226729 0.1879019 0.0424836 0.1664097 0.2562394
A13 A14
0.3811592 0.1299143 0.1683261 0.3956811 0.1250436 0.1637868
0.1440904 0.0693178 0.1966491 0.1495802 0.0667189 0.191346
0.0490687 0.1922041 0.2959579 0.0509382 0.1849981 0.2879767
A15 A16
0.3901932 0.1233093 0.1615152 0.3931041 0.1225235 0.1604814
0.1495006 0.0666834 0.1912443 0.1506159 0.0662585 0.1900202
0.0520908 0.1891841 0.2944929 0.0524794 0.1879785 0.2926079
A17 A18
0.3919686 0.1221696 0.1600178 0.3925626 0.1220107 0.1598067
0.1506132 0.0662573 0.1900168 0.1508415 0.0661711 0.1897661
0.0527156 0.1888243 0.2939245 0.0527955 0.1885787 0.2935367
A19 A110
0.3923301 0.1219384 0.1597121 0.3924517 0.1219059 0.1596689
0.1508407 0.0661708 0.1897652 0.1508875 0.0661532 0.1897138
0.0528439 0.1887519 0.2938063 0.0528603 0.1887015 0.2937268
A111 A112
0.3924041 0.1218911 0.1596495 0.392429 0.1218844 0.1596407
0.1508873 0.0661531 0.1897136 0.1508969 0.0661495 0.1897031
0.0528703 0.188737 0.293782 0.0528736 0.1887267 0.2937658
Interpretasi
Pada output 8.15 dapat diketahui bahwa iterasi A110 – A112, nilai
matriks koefisien teknologi telah relatif stabil. Sehingga dengan dengan
demikian kita dapat mengakhiri proses iterasi prosedur RAS.
152
BAB 10
COMPUTABLE GENERAL EQUILIBRIUM MODEL
10.1. Pendahuluan
Computable General Equilibrium (CGE) model merupakan suatu
sistem, yang umumnya memiliki persamaan non-linear dalam menjelaskan
perilaku dari sistem tersebut. Secara umum model CGE digunakan untuk
analisis simulasi kebijakan “what if”, atau dengan kata lain, apa yang terjadi
terhadap variabel x jika variabel y berubah dengan besaran tertentu. Secara
umum pertanyaan yang dijawab adalah apa yang terjadi terhadap
keseimbangan keseimbangan pasar (market clearing) jumlah dan harga jika
investasi atau pajak ditingkatkan?. Para ahli percaya bahwa meskipun terdapat
gocangan atau shock terhadap keseimbangan, maka dengan suatu mekanisme
tertentu ketidakseimbangan akan kembali convergen ke titik keseimbangan.
Dalam SAS/ETS umumnya metode yang digunakan adalah Algorithma
Newton, namun demikian tidak dapat dijamin akan convergence. Karena
dalam prakteknya, untuk menemukan solusi sistem persamaan non-linier
kadang-kadang lebih memerlukan seni (art) daripada science, karena hal
tersebut tergantung daripada masalah penentuan nilai awal (initial values)
(Cheach et.all. 2003).
Sebagai latihan, pada pelatihan ini akan di running model sederhana
dari Shoven-Whalley (Shoven and Whalley, 1992), untuk menghasilkan suatu
solusi dalam keseimbangan tesebut, digunakan program SAS/ETS melalui
prosedur PROC MODEL atau PROC NLP, namun dalam pelatihan ini kita
akan mendemonstrasikan PROC MODEL.
10.2. CGE Model Ukuran 2 x 2 x 2

Model Shoven-Whalley adalah suatu perekonomian dimana
diasumsikan hanya terdiri dari 2 sektor yaitu sektor manufaktur (sektor 1), dan
non-manufaktur (sektor 2), terdapat 2 faktor produksi, yaitu capital dan labor,
dan 2 rumahtangga sebagai konsumen. Konsumen memiliki kekayaan (initial
endowment) berupa faktor produksi tetapi bukan barang (goods).
Rumahtangga kaya (type R) dimana seluruhnya memiliki modal (capital)
sementara rumahtangga miskin seluruhnya memiliki tanaga kerja (labor).
Kedua type barang yang diproduksi berdasarkan pada fungsi produksi
Constant Elasticity of Substitution (CES) yang berbeda dalam nilai
parameternya. Konsumen memiliki fungsi permintaan untuk masing-masing
Bab 10. Computable General Equilibrium Model
jenis barang yang diturunkan dari maksimisasi fungsi utilitas CES dengan
kendala anggaran. Model Shoven-Whalley diringkas dengan mengikuti bentuk
fungsional dan nilai parameter yang ditampilkan pada Tabel 6.1.
Parameter  dan  merupakan fungsi utilitas pangsa (share) belanja
pendapatan terhadap barang dan elastisitas substitusi dua barang secara
berturut-turut. L dan K secara berturut-turut adalah initial endowments dari
labor dan capital. Dari sisi produksi,  adalah scala factor,  adalah pembobot
factor yang digunakan dalam proses produksi, dan  adalah elastisitas
substitusi faktor produksi. Sebagai tambahan terhadap barang-barang dan
persamaan permintaan faktor, maka beberapa kendala berikut ini diperlukan,
yaitu: Pertama adalah minimimumkan biaya persamaan permintaan faktor
perunit output untuk barang j, dimana j = 1, 2. Dengan tingkat harga r dan w
(interest rate dan wages secara berturu-turut):
Lj
j
= l j (r , w,1) ……………………………………………… (11.1)
Q
Kj
j
= k j (r , w,1) …………………………………………….. (11.2)
Q
Kedua adalah zero profit condition
p j (r , w) = w l j (r , w,1) + r k j (r , w,1) ……………………….. (11.3)
Kendala yang ketiga dinyatakan bahwa jumlah yang diproduksi sama dengan
jumlah yang diminta. Dengan kata lain pasar barang-barang adalah seimbang
(clear).
Q j (r , w) = x
m= R, P
m
j (r , w) …………………………………….. (11.4)
Kendala terakhir dinyatakan bahwa pasar faktor harus seimbang, dimana

jumlah tenaga kerja (labor) dan modal (capital) yang diminta sama dengan
jumlah yang ditawarkan.
2
K
j =1
j
(r , w) = K
m= R,P
m
………………………………………. (11.5)
 L (r , w) =  L
j =1
j
m= R,P
m
………………………………………. (11.6)
154
Tabel 10.1: Bentuk Fungsional dan Nilai Parameter dari Model Shoven-Whalley
A. Permintaan
Fungsi Utilitas Nilai Parameter Fungsi Permintaan
m ( , ) = (0.50, 0.50)
R R
(wL m
+ rK m )
( , ) = (0.30, 0.70) xim =  im
( )
1 2
 2 
( ) (x )1   −1
m   −1
m P P
2
U m =  i =1  im m 
pi  im p (1− 
 m m
)

( ,  ) = (1.50, 0.75)
m m  1 2
 R P
i i =1
 
(K , K ) = (25.0, 0.00)
R P
m = R, P dan
(m = R, P) (L , L ) = (0.00, 60.0)
R P
i = 1, 2
B. Produksi
Fungsi Produksi Nilai Parameter Fungsi Permintaan Faktor
 j
 (1− )  (1− )
j j
  r 
( ) (
j
Lj = 1 j Q j   j + 1 −  j 
 j
( j −1)  
 j j   j −1 j  j 
)
  j −1 
( ) ( ,  ) = (1.50, 2.00)  
 
Q =  L
j  j
+ 1− K
j j  1 2
 1 −  j
w 
 



 ( ,  ) = (0.60, 0.70)
1 2
( , ) = (2.00, 0.50)
 j
1 2
  1 −  j w (1− )
( )  (1− )
j j
j=1 (manufaktur), 2 (non-manufaktur) j j 

K = 1 j Q  

j
 r 
j
 + 1−  j ( ) 

  
Sumber: Cheah, 2003.
Dalam contoh model Shoven-Whalley ini hanya memperakan model CGE 2x2x2. Pada umumnya model CGE lebih dari 2x2x2
155
10.3. Solusi Pemecahan Model
Salah satu cara untuk memecahkan model CGE adalah dengan

menggunakan prosedur PROC MODEL yang tersedia pada SAS/ETS (lebih
lengkap prosedur PROC MODEL ini dapat dibaca Aplikasi Model
Ekonometrika: Estimasi Simulasi dan Peramalan Menggunakan SAS. Sitepu
dan Sinaga, 2006).
Persamaan matematika yang terlalu complicated dapat diselesaikan
dengan cara menguraikannya satu persatu persamaan atau dengan proses
linierisasi persamaan. Dalam rangka untuk memecahkan model Shaoven-
Whalley tersebut tahap-tahap yang harus dilakukan adalah:
1. Pertama menciptakan data (diberi dengan nama PARMS) yang akan berisikan
nilai-nilai parameter yang terkadung pada Tabel 4.1.
2. Menuliskan pernyataan PROC MODEL dan kemudian diikuti dengan menuliskan
rangkaian pernyaatan persamaan yang telah dijelaskan sebelumnya, tentu
penulisan ini harus mengikuti prosedur yang diijinkan oleh program SAS/ETS.
3. Berikut ini adalah rangkainya penyataan yang sesuai untuk memecahkan model
CGE versi Shoven-Whalley, yaitu:
/* Pernyataan Program Shove-Walley dengan Prosedur Proc Model

/* Data set for parameters */
data parms;
/* Demand values */
alpha1_r = 0.5; alpha2_r = 0.5;
alpha1_p = 0.3; alpha2_p = 0.7;
mu_r = 1.5; mu_p = 0.75;
kbar_r = 25; kbar_p = 0;
lbar_r = 0; lbar_p = 60;
/* Production parameters */
phi1 = 1.5; phi2 = 2.0;
delta1 = 0.6; delta2 = 0.7;
156
sigma1 = 2.0; sigma2 = 0.5;

w=1.0;
run;
proc model data=parms;
xr_denom = alpha1_r*(p1**(1-mu_r))+alpha2_r*(p2**(1-
mu_r));
xr_numer = w*Lbar_r+r*Kbar_r;
xp_denom = alpha1_p*(p1**(1-mu_p))+alpha2_p*(p2**(1-
mu_p));
xp_numer = w*Lbar_p+r*Kbar_p;
good1exp = sigma1/(1-sigma1);
good2exp = sigma2/(1-sigma2);
onesig1 = 1-sigma1;
onesig2 = 1-sigma2;
onedelt1 = 1-delta1;
onedelt2 = 1-delta2;
phi1q1 = 1/phi1*Q1;
phi2q2 = 1/phi2*Q2;
L1_inner1=(delta1*r)/(onedelt1*w);
L1_inner2=L1_inner1**onesig1;
L1_inner3=L1_inner2*onedelt1;
L1_inner4=L1_inner3+delta1;
L1_inner5=L1_inner4**good1exp;
L2_inner1=(delta2*r)/(onedelt2*w);
L2_inner2=L2_inner1**onesig2;
L2_inner3=L2_inner2*onedelt2;
L2_inner4=L2_inner3+delta2;
L2_inner5=L2_inner4**good2exp;
K1_inner1=(onedelt1*w)/(delta1*r);
K1_inner2=K1_inner1**onesig1;
K1_inner3=delta1*K1_inner2;
K1_inner4=K1_inner3+onedelt1;
K1_inner5=K1_inner4**good1exp;
157
K2_inner1=(onedelt2*w)/(delta2*r);
K2_inner2=K2_inner1**onesig2;
K2_inner3=delta2*K2_inner2;
K2_inner4=K2_inner3+onedelt2;
K2_inner5=K2_inner4**good2exp;
/* Demand functions */
eq.lx1_r=x1_r - ((alpha1_r*xr_numer)/((p1**mu_r)*xr_denom));
eq.lx2_r=x2_r - ((alpha2_r*xr_numer)/((p2**mu_r)*xr_denom));
eq.lx1_p=x1_p - ((alpha1_p*xp_numer)/((p1**mu_p)*xp_denom));
eq.lx2_p=x2_p - ((alpha2_p*xp_numer)/((p2**mu_p)*xp_denom));
/* Factor demand functions */

eq.lL1=L1-(phi1q1*L1_inner5);
eq.lL2=L2-(phi2q2*L2_inner5);
eq.lK1=K1-(phi1q1*K1_inner5);
eq.lK2=K2-(phi2q2*K2_inner5);
/* Excess factor demand functions */

* eq.lcapital=(K1+K2)-(Kbar_r+Kbar_p); /* originally included
*/
eq.llabor=(L1+L2)-(Lbar_r+Lbar_p); /* originally included
*/
/* Commodity prices */
eq.lp1=p1-((w*L1/Q1)+(r*K1/Q1));
eq.lp2=p2-((w*L2/Q2)+(r*K2/Q2));
/* Commodity demands */
eq.lQ1=Q1-(x1_p+x1_r);
eq.lQ2=Q2-(x2_p+x2_r); /* originally left out */
solve r p1 p2 x1_r x2_r x1_p x2_p L1 L2 K1 K2 Q1 Q2

/solveprint;
158
run;
Selanjutnya, tekan tombol F8 untuk menjalankan Model Shoven-Whalley

tersebut sehingga akan menghasilkan output seperti berikut ini.
The SAS System
MODEL Procedure
Model Summary
Model Variables 13
Equations 13
Number of Statements 45
Model Variables: P1 P2 R Q1 Q2 X1_R X2_R X1_P X2_P L1 L2 K1 K2
Equations: LX1_R LX2_R LX1_P LX2_P LL1 LL2 LK1 LK2 LLABOR LP1 LP2
LQ1 LQ2
The SAS System

MODEL Procedure
Simultaneous Simulation
Observation 1. NEWTON Iterations=28 CC=4.115E-15(EQ.LL2=-4.11E-15)
Solution Values:
R: 1.3735 P1: 1.3991 P2: 1.0931 X1_R: 11.5146 X2_R: 16.6745

X1_P: 13.4278 X2_P: 37.7037 L1: 26.3656 L2: 33.6344 K1: 6.2118
K2: 18.7882 Q1: 24.9425 Q2: 54.3782
Solution Summary
Dataset Option Dataset
DATA= PARMS
Variables Solved 13
Implicit Equations 13
Solution Method NEWTON

CONVERGE= 1E-8
Maximum CC 4.1148E-15
Maximum Iterations 28
Total Iterations 28
Average Iterations 28
159
Observations Processed
Read 1
Solved 1
Variables Solved For: R P1 P2 X1_R X2_R X1_P X2_P L1 L2 K1 K2 Q1 Q2

Equations Solved: LP1 LP2 LX1_R LX2_R LX1_P LX2_P LL1 LL2 LK1 LK2
LQ1
LQ2 LLABOR
Ringkasan
No Variabel atau Equation Solution
1 R: 1.3735
2 P1: 1.3991
3 P2: 1.0931
4 X1_R: 11.5146
5 X2_R: 16.6745
6 X1_P: 13.4278
7 X2_P: 37.7037
8 L1: 26.3656
9 L2: 33.6344
10 K1: 6.2118
11 K2: 18.7882
12 Q1: 24.9425
13 Q2: 54.3782
160
BAB 11
IMPOR DAN EKSPOR DATA
Bagian ini kita akan mencoba bagaimana cara untuk menggunakan data
yang ada di exel dan bagaimana kita harus menghasilkan laporan dataset yang
dihasilkan dalam lembar kerja excel. Dalam hal mengolah data, seringkali data
dimasukkan dalam beberapa jenis program seperti program Excel (*.xls).
Sebenarnya SAS juga dapat membacanya tetapi kurang sempurna. Oleh karena
itu langkah yang harus dilakukan adalah melakukan proses transfer data dari
file excel (*.xls) ke salah satu file dBase (*.dbf), Lotus (*.wk1, *.wk3 dan
*.wk4), Delimited File (*.*), Comma Separated Value (*.csv) atau Tab
Delimited File (*.txt)
Program-program tersebut umumnya memiliki fasilitas yang dapat
menciptakan file standar dalam kode ASCII. Semua dalam bentuk file yang
telah disebutkan tersebut, program SAS dapat membacanya dengan cara
melakukan proses import file.
File data SAS ini sering juga disebut dengan data in existing SAS
Dataset yaitu data yang ada dalam bentuk file SAS (*.SSD). File ini secara
umum dapat kita ciptakan dalam bentuk termporary yang dihasilkan dalam
layar output atau secara permanent yang akan dihasilkan dalam bentuk file
dengan extention SSD (*.SSD).
11.1. Konversi Data

Untuk memahami dan mengerti bagaimana proses transfer atau konversi
data, berikut ini akan diuraikan sebuah ilustrasi yang dilengkapi dengan contoh
teladan. Andaikan kita mempunyai data dalam bentuk file Excel (*.xls)
dengan nama latihan.xls. Agar SAS dapat membacanya dengan sempurna kita
harus transfer file ini ke salah satu bentuk file yang telah disebutkan di atas,
untuk penyeragaman, latihan.xls tersebut kita transfer ke file latihan.dbf.
Adapun langkah-langkah untuk melakukan proses konversi tersebut
adalah:
1. Aktifkan program Microsoft Excell
2. Ketikkanlah data berikut ini
Bab 11. Import dan Ekspor Data
Tabel 11.1: Tabel Input-Output Klasifikasi 3 Sektor Tahun 2005 (Juta Rupiah)
Sector Agric Industri Jasa Total C I OFD Total
1. Agric 258 1408 42 1708 204 346 1382 3640
2. Industri 486 1558 718 2762 1524 760 3034 8080
3. Jasa 448 1006 1074 2528 2868 532 2120 8048
4. Total 1192 3972 1834 6998 4596 1638 6536 19768
5. UpahGaji 764 1494 1920 4178 0 0 0 4178
6. S_Usaha 1184 1720 2300 5204 0 0 0 5204
7. OIP 500 894 1994 3388 0 0 0 3388
8. NTB 2448 4108 6214 12770 0 0 0 12770
9. Total 3640 8080 8048 19768 4596 1638 6536 32538
10. Employ 134 297 670 1101 0 0 0 0
Simpan file tersebut dengan nama latihan.xls. Sampai sejauh ini kita telah
mempunyai data dalam file excel (*.xls).
3. Selanjutnya lakukan proses transfer file latihan.xls ke latihan.dbf, dengan
cara Klick File + Save As.. hingga muncul kotak dialog seperti pada
Gambar 3.
Gambar 11.1: Kotak Dialog Save as …
162
4. Lakukan perubahan dan penyesuaian pada lokasi Save as type dengan cara
melakukan klik pada tombol di sebelah kanan Save as type, selanjutnya
pilih DBF 4 (dBASE IV).
5. Kemudian ketikkan nama file pada kotak dialog File name, untuk
penyeragaman dalam hal ini nama kita buat latihan.dbf.
6. Klik Save pada Gambar 3 sehingga muncul pesan seperti yang tertera pada
Gambar 11.2.
Gambar 11.2: Pesan Pertama dalam Proses Transfer File
7. Abaikan pesan ini dengan meng-Klik OK. Sehingga akan kembali muncul
kotak dialog berikutnya, pesan ini juga dapat diabaikan dengan meng-Klik
Yes seperti pada Gambar 11.3 berikut:
Gambar 11.3: Pesan Kedua dalam Proses Transfer File
163
8. Proses perubahan data dari *.xls ke *.dbf telah berhasil dilakukan. Dengan
demikian data tersebut dapat diimpor dari SAS. Selanjutnya untuk
mengimport data tersebut pastikan bahwa anda telah keluar dari program
excel.
11.2. Import Data
Setalah berhasil dalam melakukan konversi data file, langkah

selanjutnya adalah mengimport data file tersebut ke dalam program SAS.
Untuk melakukan import data dari SAS lakukan langkah berikut ini:
1. Aktifkan program SAS, pastikan anda bekerja di WINDOW PROGRAM
EDITIOR
2. Klik File + Import, hingga muncul kotak dialog Gambar 6.
What type of file format do you want to import?,
Kita dapat memilih bentuk file format yang kita inginkan dengan cara
melakukan Klik pada tombol ini, sehingga muncul kotal dialog
berikutnya seperti pada Gambar 11.4.
Gambar 11.4: Kotak Dialog SAS Import Wizard
164
dBASE File (*.dbf)

Excel 5 or 7 Spreadsheet (*.xls)
Excel 5 Spreadsheet (*.xls)
Lotus 1 Spreadsheet (*.wk1)
Delimited File (*.*) Dalam hal ini kita pilih dBase File
Comma Separated Value (*.csv) (*.dbf)
Tab Delimited File (*.txt)
Gambar 11.5: Jenis Data File Yang Dapat Diimport
3. Pili dBASE File (*.dbf), laku Klik Next. Hingga muncul kotak dialog
Gambar 11.6.
Gambar 11.6: Kotak Dialog Untuk Menentukan Lokasi Data File
4. Tentukan lokasi directory data dan nama file data yang akan diimport,
dapat dilakukan dengan cara mengetiknya lokasi dan namanya langsung
(Contoh: D:\SASV612\latihan.dbf) atau dengan cara mencarinya dengan
menekan tombol Browse, dengan menekan tombol browse maka kotak
dialog akan muncul seperti pada Gambar 11.7.
5. Piliha latihan.dbf dan selajutnya Klik Open dan pesan berikutnya akan
muncul seperti yang terlihat pada Gambar 11.8. Perhatikan bahwa kita
berkerja pada directory. D:\SASV612\latihan.dbf.
6. Piliha latihan.dbf dan selajutnya Klik Open dan pesan berikutnya akan
muncul seperti yang terlihat pada Gambar 11.8. Perhatikan bahwa kita
berkerja pada directory. D:\SASV612\latihan.dbf.
165
Gambar 11.7: Kotak Dialog Open

7. Selanjutnya Klik Next, maka kotak Select Library and member akan
muncul, seperti yang tertera pada Gambar 11.9.
8. Ketikkan sebuah nama sebagai member untuk penyeragaman ketikkan
nama ANALISIS dalam kotak dialog MEMBER (maksimum 8 karakter).
Ingat bahwa kita telah punya LIBRARY dengan nama data file ANALISIS.
Yang dapat kita gunakan dalam pengolahan data.
9. Selanjutnya pada Gambar 11.9 klik tombol Finish, yang menunjukkan
bahwa proses impor data telah selesai dilakukan.
Gambar 11.8: Kotak Dialog Untuk Menentukan Lokasi Data File
166
Gambar 11.9: Menentukan Tujuan Library dan Member
Untuk mengetahui apakah kita berhasil dalam mengimport data tersebut, kita
dapat melihat keterangan di WINDOW LOG. Jika kita berhasil maka dalam
WINODW LOG akan muncul pesan sebagai berikut:
NOTE: WORK.IO was successfully created.
Pesan ini menunjukkan bahwa kita telah sukses melakukan impor data.
Sebagai teladan, dalam rangka agar kita dapat menggunakan data yang telah
diimpor adalah yang akan digunakan dalam analisis input-output, ketikkan
pernyataan program berikut ini:

proc iml;
use io;
read all var _num_ into tabel;
kolom = {agric industri jasa total c i odf total};
baris = {agric industri jasa total upah_g s_usaha oip ntb
total employ};
print tabel [colname=kolom rowname=baris];
167
Dengan menekan tombol F8, maka hasil program akan tampil seperti yang
terlihat pada Output 11.1 berikut ini:
Output 11.1
The SAS System
TABEL AGRIC INDUSTRI JASA TOTAL C I ODF TOTAL
AGRIC 258 1408 42 1708 204 346 1382 3640

INDUSTRI 486 1558 718 2762 1524 760 3034 8080
JASA 448 1006 1074 2528 2868 532 2120 8048
TOTAL 1192 3972 1834 6998 4596 1638 6536 19768
UPAH_G 764 1494 1920 4178 0 0 0 4178
S_USAHA 1184 1720 2300 5204 0 0 0 5204
OIP 500 894 1994 3388 0 0 0 3388
NTB 2448 4108 6214 12770 0 0 0 12770
TOTAL 3640 8080 8048 19768 4596 1638 6536 32538
EMPLOY 134 297 670 1101 0 0 0 0
Pertanyaan
1. Anda diminta untuk memilih matriks koefisien input antara.
2. Anda diminta untuk memilih matriks total input
Jawaban pertanyaan point nomor 1 dan 2 di atas kita dapat menjawab dengan
menuliskan pernytaan berikut ini:
/* mengambil koefisien input antara */
antara= tabel [1:3,1:3];
/* mengambil koefisien total input */
total_in = tabel [9,1:3];
print antara [colname=kolom rowname=baris],

total_in [colname=kolom rowname={total}];
168
Dengan menekan tombol F8, maka hasil program akan tampil seperti yang
terlihat pada Output 11.2 berikut ini:
Output 11.2
ANTARA AGRIC INDUSTRI JASA
AGRIC 258 1408 42

INDUSTRI 486 1558 718
JASA 448 1006 1074
TOTAL_IN AGRIC INDUSTRI JASA
TOTAL 3640 8080 8048
Sampai sejauh ini kita telah berhasil memilih matriks koefisien input antara
dan vektor baris total input. Dengan demikian kita telah dapat mencari nilai
multiplier (lihat Bab 4 dan 5).
Penjelasan
USE IO
artinya bahwa kita menggunakan data yang ada di work.library yang
telah kita beri nama dengan IO. Lebih detail anda dapat membaca
kembali Fungsi dan Perintah Matriks sebelumnya.
READ
berfungsi untuk membaca file dataset yang telah diimpor ke dalam
bentuk dataset SAS. Lebih detail anda dapat membaca kembali Fungsi
dan Perintah Matriks sebelumnya.
11.3. Ekspor Data

Pada bagian 11.1. kita telah melakukan teknik untuk mengkonversi data
(perubahan ekstension), pada bagian 11.2 telah dilakukan bagaimana
mengimpor data dari program lain ke dalam prorgam excel. Sedangkan pada
169
bagian ini kita akan melakukan bagaimana proses untuk melakukan ekspor
dataset (*.SSD) ke dalam bentuk ekstension lain (misalnya perubahan data dari
prorgam SAS ke dalam bentuk data Excel).
Sebagai bahan untuk latihan, anda diminta untuk mengekspor matriks
ANTARA (yang telah diciptakan sebelumnya) ke dalam bentuk lembar kerja
excel. Untuk menjawab latihan ini, ikutilah langkah-langkah berikut ini:
1. Langkah pertama adalah dengan mengetikkan pernyataan CREATE (lebih
detail anda dapat membaca kembali Fungsi dan Perintah Matriks pada Sub
bab Sebelumnya, sebagai berikut:
create mydata from antara [colname=kolom];

append from antara;
data baru_io;
set mydata;
run;
Catatan, tambahan pernyataan ini diketikkan pada rangkaian pernyataan

progam sebelumnya. Kemudian tekan tombol F8. Selanjutnya ikuti
langkah ke 2.
2. Klik menu File + Export, sehingga kotak tampil kotak dialog Export
170
Gambar 11.10: Kotak dialog Export-Wizard
3. Klik tombol pada menu MEMBER, sehingga akan muncul tiga jenis
data, yaitu: BARU_IO, IO dan MYDATA (lihat Gambar 11.10). Kemudian
Klik MYDATA, sehingga akan terlihat pada Gambar 11.11.
Gambar 11.11: Kotak dialog Export-Wizard
4. Selanjutnya klik tombol NEXT, sehingga kotak dialog export berikut akan
muncul seperti Gambar 11.12.
Gambar 11.12: Kotak dialog pilihan perubahan data
171
5. Lakukan penyesuaian perubahan ekstension dengan cara klik tombol

sehingga muncul menu beberapa pilihan perubahan ekstension (untuk
penyeragaman kita pilih Excel 5 or 7 Spreadsheet (*.xls) seperti yang
terlihat pada Gambar 11.12. Selanjutnya tekan tombol NEXT, maka
dialog berikutnya akan muncul seperti Gambar 11.13.
Gambar 11.13: Menentukan directory atau dan nama file
6. Pada Gambar 11.13. kita diminta untuk menentukan nama directory atau
lokasi tempat penyimpanan nama file. Dalam hal ini kita beri nama dengan
export_antara (tanpa menuliskan extenstion) yang disimpan di lokasi C:\.
Kita dapat mengetiknya langsung seperti yang terlihat pada Gambar 11.13.
7. Langkah berikutnya adalah menekon tombol Finish yang mengindikasikan
bahwa proses Ekspor file telah selesai dilaksanakan.
8. Untuk mengetahui berhasil tidaknya proses ekspor file tersebut, Aktifkan
Program Excel, kemudian Pilih Menu File + Open + C:\export_antara.
Sedemikian rupa sehingga file export_antara.xls akan dibuka seperti yang
terlihat pada Gambar 11.14 berikut ini:
172
Gambar 11.14: Kandungan file export_anatar.xl
173
174
DAFTAR PUSTAKA
Badan Pusat Statistik. 2000. Kerangka Teori dan Analisis Tabel Input-Output.
Badan Pusat Statistik. Indonesia.
Badan Pusat Statistik. 2003. Sistem Neraca Sosial Ekonomi Indonesia 2000.
Badan Pusat Statistik. Indonesia.
Chiang, A. C. 1984. Fundamental Methods of Mathematical Economics. Third

Editon. McGraw-Hill Book Company. New Jersey.
Cheah, B. C., Westat., Rockville., and MD. 2003. Solving Computable General
Equilibrium Models with SAS. Statistics, Data Analysis &
Econometrics.
Daryanto, A. 1990. Structural Interdependence, Structural Change of

Indonesian Economy with Emphasis on Agricultural Sector, 1975 –
1985 : An Input-Output Analysis. M.Ec Dissertation. University of new
England, Armidale.
Jensen, R.C., T.D. Mandaville and N.D. Karanuratne. 1979. Regional

Economics Planning. Generation of Regional Input-Output Analysis.
Croom Helm London.
Leontief, W. 1986. Input – Output Economics. Oxford University Press. New

York.
Miller R. E. and Peter D. Blair. 1985 Input-Output Analysis: Foundations and

Extensions. Prentice-Hall, Inc. Englewoods Cliffs, New Jersey.
Richardson, H. W. 1972. I nput-Output and Regional Economics. Halsted

Press. Jhon Wiley & Sons Inc. New York.
Sadoulet, E., and Alain de Janvry. 1995. Quantitative Development Analysis.

The Johns Hopkins University Press Ltd., Baltimore and London.
SAS Language: Reference. Version 6 First Edition. 1993. SAS Institute Inc.
Cary, North Carolina.
SAS Procedure Guide, Version 6 Third Edition. 1995. SAS Institute Inc. Cary,
North Carolina.
SAS/IML Software.1993. Usage and Reference, Version 6 First Edition. SAS

Institute Inc. Cary, North Carolina.
Sydsaeter, K., and P. J. Hammond. 1995. Mathematics for Economic Analysis.

Prenctice-Hall Inc. Englewoods Cliffs. New Jersey.
176

Rasidin Karo Karo S Aplikasi Keseimbangan Umum

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Rasidin Karo Karo S Aplikasi Keseimbangan Umum

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGANTAR PENULIS

Seiring dengan perkembangan kemajuan teknologi di bidang komputer,

Bogor, Agustus 2006

Rasidin Karo-Karo Sitepu

1.1. Kandungan Buku Ini

1.2. Sistematika Penulisan

1.5. Teknik Mengusai Buku Ini

Formula di atas bertujuan untuk menghasilkan koefisien teknologi, catat bahwa

2.1. Mengenal SAS

2.2. Mengoperasikan SAS

Gambar 2.1: Display Program SAS

Untuk dapat berpindah dari window satu ke window lainnya cukup

Gambar 2.2: Menu Pop Up Window

2.4. Contoh Aplikasi Modul SAS/IML

/* Pernyataan Yang Harus Dituliskan */

/* mencetak matriks Z ke layar output */

Klik tombol pada Toolbars atau tekan tombol F8 untuk

17:41 Tuesday, August 5, 1997 1

/* menghilangkan waktu komputer di lembar output */

/* Pernyataan Yang Harus Dituliskan */

/* mencetak matriks Z ke output */

Klik tombol di Toolbars atau tekan tombol F8 pada keyboard

3.2. Memahami SAS/IML

Dimensi matriks didefinisikan oleh jumlah baris dan kolom. Sebuah

3.3. Nama Matriks dan Matriks Literal

Prosedur ini akan menghasilkan matriks A berupa skalar dan matriks B

3.3.2. Matriks Literal

1. Jumlah, dengan atau tanpa titik desimal, dan memungkinkan untuk

3.4. Menciptakan Matriks dari Matriks Literal

3.4.1. Literal Scalar

3.4.2. Literal Numerik

ini akan menghasilkan vektor baris dengan nama matriks X, yaitu:

akan menghasilkan vektor kolom dengan nama matriks Y, yaitu:

akan menghasilkan matriks literal berukuran 3 x 2 dengan nama Z, yaitu:

menciptakan matriks W dimana masing-masing elemen matriks Z dikalikan

3.4.3. Literal Karakter

akan mengahasilkan matriks literal karakter dengan nama A berukuran 1 x 2

akan menghasilkan matriks karakter literal sesuai dengan aslinya, yaitu:

Catat bahwa panjang elemen string masih tetap 4.

3.5. Pengulangan Faktor

diatas sama dengan dibawah ini:

Kedua peryataan diatas akan menghasilkan matriks berukuran 2 x 2 dengan

diatas akan menghasilkan matriks seperti berikut ini.

3.7. Fungsi Sebagai Persamaan

di atas memanggil fungsi INV untuk menghitung matriks kebalikan (invesrse

3.9. Bekerja Dengan Matriks

3.9.1. Memasukkan Data Sebagai Matriks Literal

Setelah rangkaian program tersebut di atas diketik, tekan tombol atau

3.9.3. Matriks dengan Elemen Banyak

Setelah rangkaian program tersebut di atas diketik, tekan tombol atau

TEH 4 rows 7 cols (numeric)

3.9.4. Membuat Nama Baris dan Kolom

options nodate nonumber;

Setelah rangkaian program tersebut di atas diketik, tekan tombol atau

TEH SENIN SELASA RABU KAMIS JUMAT SABTU MINGGU

3.9.5. Menggunakan Penugasan

3.10. Fungsi Yang Menghasilkan Matriks

BLOCK menciptakan blok diagonal matriks

Setelah rangkaian program tersebut di atas diketik, tekan tombol atau

C 4 rows 4 cols (numeric)

ini akan menghasilkan

C 1 row 5 cols (numeric)

dimana dimension adalah jumlah baris. Sebagai contoh buatlah matriks