MODEL DINAMIS: AUTOREGRESSIVE DAN DISTRIBUSI

LAG
(STUDI KASUS: PENGARUH KURS DOLLAR TERHADAP
PRODUK DOMESTIK REGIONAL BRUTO (PDRB))
PROPOSAL PENELITIAN

Oleh :

MUHAJIR CHOIR NURAHMAN

PROGRAM STUDI STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2015

PENDAHULUAN
LATAR BELAKANG
Model regresi dengan menggunakan data runtun waktu tidak
hanya menggunakan pengaruh perubahan variabel bebas
terhadap variabel tak bebas dalam kurun waktu yang sama
dan selama periode pengamatan yang sama, tetapi juga
menggunakan periode waktu sebelumnya. Waktu yang
diperlukan bagi variabel bebas X dalam mempengaruhi
variabel tak bebas Y disebut beda kala atau lag.
Model regresi yang memuat variabel tak bebas yang
dipengaruhi oleh variabel bebas pada waktu t, serta
dipengaruhi juga oleh variabel bebas pada waktu t-1, t-2 dan
seterusnya disebut model dinamis distribusi lag, sebab
pengaruh dari suatu atau beberapa variabel X terhadap
variabel Y menyebar ke beberapa periode waktu. Model
regresi yang memuat variabel tak bebas yang dipengaruhi
oleh variabel bebas pada waktu t, serta dipengaruhi juga
oleh variabel tak bebas itu sendiri pada waktu t-1 disebut
model dinamis autoregressive.

PENDAHULUAN
Model dinamis yang terdiri dari model autoregressive dan
model distribusi lag banyak diaplikasikan dalam bidang
ekonomi, salah satunya adalah pengaruh kurs terhadap
Produk Domestik Regional Bruto atau biasa disingkat PDRB.
Produk Domestik Regional Bruto adalah salah satu indikator
penting untuk mengetahui kondisi ekonomi di suatu daerah
dalam suatu periode tertentu, baik atas dasar harga berlaku
mau pun atas dasar harga konstan sementara kurs adalah
harga sebuah mata uang dari suatu negara yang diukur atau
dinyatakan dalam mata uang lainnya
BATASAN MASALAH
Pencarian persamaan model dinamis untuk autoregressive
dan distribusi lag dengan metode estimasi Koyck dan data
penelitian yang digunakan adalah data kurs dollar dan data
Produk Domestik Regional Bruto (PDRB) di Kalimantan Timur
mulai tahun 2010-2012.
RUMUSAN MASALAH
Bagaimana bentuk persamaan model autoregressive dan
model distribusi lag dengan metode estimasi Koyck yang

TINJAUAN PUSTAKA
Analisis Regresi Linier Sederhana
Regresi linier sederhana merupakan suatu
prosedur untuk mendapatkan bentuk persamaan
antara satu variabel tak bebas dengan satu
variabel bebas. Bentuk umum persamaan regresi
linier sederhana
: 1X
Y yaitu
0
Regresi Linier Berganda
Regresi berganda adalah regresi dengan dua atau
lebih variabel sebagai variabel bebas dan variabel
sebagai variabel tak bebas, sehingga merupakan
perluasan dari regresi linier sederhana. Bentuk
2
Y

...

~
N
(
0
,

)
i
0 persamaan
1 i1
2 i 2yaitu
3 :
i3
k ik
i
i
umum

TINJAUAN PUSTAKA
Regresi Runtun Waktu
Dalam model regresi linier juga terdapat model regresi
yang memperhatikan pengaruh waktu. Waktu yang
diperlukan
bagi
variabel
bebas
X
dalam
mempengaruhi variabel tak bebas Y disebut bedakala
atau a lag atau a time lag.
Ada dua macam model regresi linier yang
memperhatikan
pengaruh
waktu
yaitu
model
autoregressive dan model distribusi lag
Model Autoregressive
Apabila variabel tak bebas dipengaruhi oleh variabel
bebas pada waktu t, serta dipengaruhi juga oleh
variabel tak bebas itu sendiri pada waktu t - 1 maka
model tersebut disebut autoregressive dengan :

TINJAUAN PUSTAKA
Model Distribusi Lag
Suatu Variabel tak bebas apabila dipengaruhi oleh variabel
bebas pada waktu t, serta dipengaruhi juga oleh variabel
bebas pada waktu t - 1, t 2 dan seterusnya disebut model
dinamis distribusi lag. Model dinamis distribusi lag ada 2
jenis yaitu :
Yt Lag
0 X t 1 X t 1 2 X t 2 ... t
Model Infinite
Model Finite
Yt Lag
0 X t 1 X t 1 2 X t 2 ... k X t k t
Metode Koyck
Metode Koyck digunakan untuk mencari nilai taksiran dari
masing-masing parameter dalam model distribusi lag untuk
jenis infinite lag. Bentuk umum model yaitu :
dimana
Untuk mencari nilai estimasi dari parameter maka dengan

TINJAUAN PUSTAKA
Asumsi Klasik
Asumsi klasik, yaitu :
Tidak terjadi Heteroskedastisitas, berarti
varian dari residual adalah sama atau
konstan untuk setiap nilai tertentu dari
variabel bebas lainnya.
Tidak terjadi Autokorelasi, berarti tidak ada
pengaruh dari variabel dalam modelnya
melalui selang waktu atau tidak terjadi
korelasi diantara galat randomnya.
Tidak terjadi Multikolinieritas, berarti antara
variabel bebas yang satu dengan variabel
bebas yang lain dalam model regresi tidak

Waktu dan
Tempat

METODOLOGI
PENELITIAN

Juni 2015 sampai bulan melaksanakan pendadaran 2015

Pengolahan data dilakukan di Laboratorium Statistika Komputasi FMIPA UNMUL

Data Kurs Dollar dan PDRB di Kalimantan Timur yang sudah direkapitulasi.

Populasi dan
Sampel
Data Kurs Dollar dan PDRB Kalimantan Timur pada bulan Januari 2010 s.d Desember 2012

Rancangan
Penelitian
Variabel
Peneliti
an

Penelitian non-eksperimen, dgn mengambil data

sekunder yaitu diambil dari yang menyediakan
data PDRB dan Kurs Dollar
Variabel Y (Kurs Dollar di
Kaltim)
Variabel X (PRDB di Kaltim

METODOLOGI
PENELITIAN
Statistik Deskriptif
dan Pemodelan
Regresi Sederhana

Teknik
analisis
data

Pengujian
Parameter
Regresi
Sederhana
Secara Serentak
dan Parsial
Pengujian
Asumsi Residual
Pemodelan
Autoregressive atau
Model Estimasi
Koyck

Interpret
asi

Pemodelan
Distribusi
Lag.

Pengujian
Signifikansi
Parameter
Model

ILUSTRASI
Data yang digunakan adalah data sekunder, yaitu data
tabungan pemerintah (Milyar) sebagai variabel tak bebas
(Yt) dan penerimaan dalam negeri (Miliyar) sebagai variabel
bebas (Xt) yang di mulai dari tahun 1980/1981 sampai
dengan 1997/1988.
Analisis Statistik Deskriprif

Statistika Deskriptif
Jumlah Data

diketahui rata-rata tabungan pemerintah

Minimum
tahun 1980/1981-1987/1988 = 11,326 Maksimum
Milyar dengan nilai tabungan tertinggi Rata-Rata
pemerintah = 25,060 Milyar dan terendah
=2,479 Milyar. Sedangkan rata-rata
penerimaan dalam negeri tahun 1980/1981
-1987/1988 = 39,077 Milyar dengan
penerimaan tertinggi dalam negeri adalah
108,184 Milyar dan terendah = 6,733
Milyar

Tabungan pemerintah
18

Penerimaan
18

2,479

6,733

25,060

108,184

11,326

39,077

Metode Regresi Sederhana

Pemodelan Regresi Sederhana :
Yt 0 1 X t

Interpretasinya sebagai berikut :

Jika ada penambahan 1 Miliyar pada variabel data penerimaan
dalam negeri, maka data tabungan pemerintah akan meningkat
sebanyak 0,254 Miliyar atau Rp 254.000.000,00 sehingga data
tabungan pemerintah sekarang yang akan diterima sebesar 1,649
Miliyar atau Rp 1.649.000.000,00.
Jika tidak ada penambahan 1 Miliyar pada variabel data penerimaan
dalam negeri, maka data tabungan pemerintah sekarang yang akan
diterima sebesar 1,395 Miliyar atau Rp 1.395.000.000,00.
Pengujian Secara Simultan Regresi Sederhana
Sumber

p-value

Keputusan

Regresi

0,00

0,05 atau 5%

H0 ditolak

Hipotesis :
H0 : Model regresi belum tepat digunakan
H1 : Model regresi sudah tepat digunakan
Daerah Penolakan : H0 ditolak jika p-value < .

Metode Regresi Sederhana

Pengujian Secara Parsial Regresi
Sederhana
Hipotesis :
H0 : konstanta tidak berpengaruh terhadap tabungan
pemerintah.
H1 : konstanta berpengaruh terhadap tabungan pemerintah.
Dan
H0 : Tidak terdapat pengaruh penerimaan dalam negeri
terhadap tabungan pemerintah.
H1 : Terdapat pengaruh penerimaan dalam negeri terhadap
tabungan pemerintah.
Daerah Penolakan :
p-value<
Keputusan

H0Sumber
ditolak jika p-value
Konstanta

0,197

0,05 atau 5%

H0 gagal ditolak

Penerimaan Dalam Negeri

0,000

0,05 atau 5%

H0 ditolak

Metode Regresi Sederhana

Pemeriksaan Asumsi Residual
1. Residual Data Berdistribusi Normal

Uji
Shapiro-

p-value

Hipotesis :
0,102
Wilk
H0 : residual berdistribusi normal
H1 : residual tidak berdistribusi normal
Daerah Penolakan : H0 ditolak jika nilai p-value < .

Keputusan

0,05 atau 5%

H0 diterima

Model p-value
2. Pengujian Heteroskedastisitas

Regresi 0,053 0,05 atau 5%

Hipotesis
H0 : Tidak terdapat masalah heteroskedastisitas
H1 : Terdapat masalah heteroskedastisitas
Daerah penolakan : Menolak H0 jika nilai p-value <

3. Pengujian Autokorelasi

Keputusan
Gagal menolak H0

d Durbin-Watson

Hipotesis
Nilai
1,742
H0 : Tidak terjadi masalah autokorelasi dalam model regresi
H1 : Terjadi masalah autokorelasi dalam model regresi
nilai d Durbin-Watson = 1,741 dimana n sebanyak 18 data maka nilai dU = 1,391
dan dL = 1,158, sehingga diperoleh letak diantara dU < d < (4-dU) atau nilai
1,391 < 1,741 < 2,609 .
Diputuskan gagal menolak H0, maka disimpulkan tidak terjadi masalah
autokorelasi dalam model regresi.

Model Dinamis
Pemodelan Autoregressive atau Estimasi
Koyck
Adapun
metode Koyck sebagai berikut:
Yt penaksiran
(1 C ) 0dengan
X t CYtmenggunakan
1 Vt
Model persamaan di atas adalah model Koyck dan telah diketahui bahwa model
tersebut sama dengan bentuk umum model dinamis autoregressive yaitu:

Yt 1,164 0,158 X t 0,395 Yt 1

Sehingga diperoleh untuk kedua model yaitu

Adapaun interpretasi :
1. Konstanta sebesar 1,164 menyatakan bahwa jika variabel penerimaan dalam
negeri dan tabungan pemerintah dalam negeri tahun lalu dianggap tetap, maka
nilai tabungan pemerintah dalam negeri sekarang sebesar Rp. 1.164.000.000,00.
2. Koefisien regresi Xt (penerimaan dalam negeri) sebesar 0,158 menyatakan bahwa
setiap penambahan Rp. 1 miliyar, maka akan meningkatkan tabungan pemerintah
dalam negeri sekarang sebesar Rp. 158.000.000,00 dengan asumsi variabel yang
lain di anggap tetap.
3. Koefisien regresi Yt-1 (tabungan pemerintah dalam negeri pada periode satu tahun
lalu) sebesar 0,395 menyatakan bahwa setiap penambahan Rp. 1 miliyar, maka
akan meningkatkan tabungan pemerintah dalam negeri sekarang sebesar Rp.
395.000.000,00 dengan asumsi bahwa variabel yang lain di anggap tetap.

Model Dinamis
Pengujian Secara Simultan
Model

p-value

Keputusan

Regresi

0,000

5%

Menolak H

0
Hipotesis :
H0 : Tidak ada pengaruh antara variabel tabungan pemerintah satu tahun yang lalu dan variabel
penerimaan dalam negeri terhadap data tabungan pemerintah tahun sekarang.
H1 : Minimal ada satu yang berpengaruh dari variabel tabungan pemerintah satu tahun yang lalu dan
variabel penerimaan dalam negeri terhadap data tabungan pemerintah tahun sekarang.
Daerah Penolakan : Menolak H0, jika p-value <

Pengujian Secara Parsial

Variabel

Koefisien

p-value

Keputusan

Konstanta

1,164

0,309

5%

Gagal menolak H0

Xt

0,158
0,395

0,024
0,128

5%
5%

Menolak H0

Yt-1
Gagal menolak H0
Hipotesis
H0 : Konstanta tidak berpengaruh terhadap tabungan pemerintah tahun sekarang.
H1 : Konstanta berpengaruh terhadap tabungan pemerintah tahun sekarang.
Dan
H0 : Variabel penerimaan dalam negeri tidak berpengaruh terhadap tabungan pemerintah tahun
sekarang.
H1 : Variabel penerimaan dalam negeri berpengaruh terhadap tabungan pemerintah tahun sekarang.
dan
H0 : Variabel tabungan pemerintah satu tahun sebelumnya tidak berpengaruh terhadap tabungan
pemerintah pada tahun sekarang.
H1 : Variabel tabungan pemerintah satu tahun sebelumnya berpengaruh terhadap tabungan
pemerintah pada tahun sekarang pada tahun sekarang.
Daerah penolakan : Menolak H0 apabila nilai p-value <

Model Dinamis
Setelah diperoleh model autoregressive atau bisa disebut juga model
Koyck pada persamaan diatas, maka model persamaan diatas bisa
dirubah menjadi model distribusi lag dugaan untuk jenis model
infinite lag. Berdasarkan persamaan diatas untuk bentuk model
Koyck telah diketahui bahwa nilai estimasi dari parameter C sebesar
0,395, nilai estimasi dari parameter sebesar 0,158 dan serta nilai
estimasi dari parameter sebesar 1,164 sehingga untuk nilai estimasi
parameter sebesar 1,924. Diperoleh,

maka, model distribusi lag dugaan untuk jenis model infinite lag
sebagai berikut :

Model Distribusi Lag

Untuk membuat model distribusi lag, langkah atau proses
pengelolahan tidak berbeda dengan membentuk model regresi
sederhana atau berganda karena proses pengelolahan ini
menggunakan prosedur sekuensial (berurutan). Adapun persamaaan
model dugaan sementara untuk model distribusi lag yang diperoleh :

Model Dinamis

Yt 1,395 0,254 X t .......... .......... .......... .......... .......... .......... ..(1)

Yt 1,3367 0,1529 X t 0,1208 X t 1.......... .......... .......... .......... ..( 2)
^

Y t 0,997 0,089 X t 0,094 X t 1 0,125 X t 2 .......... .......... .......... ....( 3)

^

Y t 0,606 0,114 X t 0,213 X t 1 0,331 X t 2 0,422 X t 3 .......... .........( 4)

^

Y t 0,636 0,114 X t 0,213 X t 1 0,329 X t 2 0,432 X t 3 0,013 X t 4 .......... ........( 5)

^

Y t 0,161 0,122 X t 0,217 X t 1 0,325 X t 2 0,447 X t 3 0,116 X t 4 0,102 X t 5 .......... ....( 6)

^

Y t 0,525 0,142 X t 0,268 X t 1 0,364 X t 2 0,528 X t 3 0,146 X t 4 0,087 X t 5 0,332 X t 6 .......... .....( 7)

Dari persamaan (7) terlihat bahwa koefisien Xt-5 sudah terlihat tidak stabil dikarenakan
nilai koefisien tersebut pada persamaan (6) untuk variabel Xt-5 yang mulanya bertanda
negatif, berubah menjadi positif pada persamaan (7) oleh karena itu, persamaan yang
akan dipilih sebagai model distribusi lag adalah model persamaan (6).
Pengujian Secara Simultan
Model

p-value

Keputusan

Hipotesis :
Menolak H0
Regresi
0,007
5%
H0 :
Tidak ada pengaruh antara variabel tabungan pemerintah ditahun sekarang, 1
tahun yang lalu, 2 tahun yang lalu, 3 tahun yang lalu, 4 tahun yang lalu, dan 5 tahun
yang lalu terhadap tabungan pemerintah sekarang
H1 :
minimal ada satu yang berpengaruh dari variabel tabungan pemerintah ditahun
sekarang, 1 tahun yang lalu, 2 tahun yang lalu, 3 tahun yang lalu, 4 tahun yang lalu,
dan 5 tahun yang lalu terhadap data tabungan pemerintah tahun sekarang
Daerah Penolakan : Menolak H0, jika p-value <

Model Dinamis
Pengujian Secara Parsial
Keputusan
KESIMPULAN

Gagal menolak H0
Tidak ada pengaruh
Konstanta
0,161
0,944
5%
Gagal menolak H0
Tidak ada pengaruh
Xt
0,122
0,665
5%
Xt-1
0,217
0,570
Gagal menolak H0
Tidak ada pengaruh
5%
Xt-2
0,325
0,395
Gagal menolak H0
Tidak ada pengaruh
5%
Xt-3
-0,447
0,272
Gagal menolak H0
Tidak ada pengaruh
5%
Xt-4
0,116
0,770
Gagal menolak H0
Tidak ada pengaruh
5%
Xt-5
-0,102
0,778
Gagal menolak H0
Tidak ada pengaruh
Berdasarkan
kesimpulan diatas 5%
diketahui bahwa tidak
ada satu pun
Variabel

Koefisien

p-value

dari koefisien-koefisien parameter dari persamaan (6) yang

berpengaruh sehingga persamaan (6) tidak cocok untuk menjadi
model dugaan distribusi lag, dan persamaan dari koefisien parameter
yang paling cocok untuk model dugaan distribusi lag adalah
persamaan (1). Adapun pemeriksaan signifikansi parameter-parameter
yang ada pada model persamaan (1), perlu diketahui bahwa nilai
koefisien parameter dari model persamaan (1) sama dengan model
regresi linier sederhana pada model persamaan awalnya yaitu model
regresi sederhana. sehingga langkah-langkah pengujian untuk
parameternya sama dengan seperti model regresi sederhana.

KESIMPULAN
1.

Model dinamis : autoregressive dan distribusi lag

adalah :
Adapun bentuk model
Yt autoregressive
1,164 0,158 X t 0,yaitu
395 Yt 1:
Adapun bentuk model distribusi lag ada 2 jenis yaitu:
Model distribusi lag untuk infinite lag yaitu :

Model distribusi lagYuntuk

finite lag yaitu :
t 1,395 0,254 X t

2. Untuk persamaan (2.12), diketahui bahwa variabel Yt-1 (data

tabungan pemerintah 1 tahun lalu) dan variabel Xt-1, Xt-2, Xt-3, Xt-4,
Xt-5 (data penerimaan dalam negeri 1, 2, 3, 4 dan 5 tahun lalu)
tidak ada yang berpengaruh terhadap variabel Yt (data tabungan
pemerintah sekarang), sehingga persamaan (2.12) tidak cocok
digunakan. Oleh karena itu, persamaan yang paling cocok
digunakan adalah persamaan (4.7) karena variabel Xt
(penerimaan dalam negeri sekarang) ternyata berpengaruh
terhadap tabungan dalam negeri sekarang.

TERIMA KASIH