LAG
(STUDI KASUS: PENGARUH KURS DOLLAR TERHADAP
PRODUK DOMESTIK REGIONAL BRUTO (PDRB))
PROPOSAL PENELITIAN
Oleh :
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
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
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
Tabungan pemerintah
18
Penerimaan
18
2,479
6,733
25,060
108,184
11,326
39,077
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 < .
H0Sumber
ditolak jika p-value
Konstanta
0,197
0,05 atau 5%
H0 gagal ditolak
0,000
0,05 atau 5%
H0 ditolak
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
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:
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 <
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 Dinamis
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
KESIMPULAN
1.
TERIMA KASIH