EKONOMETRIK

A
Oleh:
YANTO AZIE SETYA, SE.,M.Si
HP: 081584394298
FB: yanto azie setya
EMAIL: yantoaziesetya@gmail.com
Referensi
• Johanes Supranto. 2005. Ekonometri. Buku kesatu.
Ghalia Indonesia
• Johanes Supranto. 2005. Ekonometri. Buku kedua.
Ghalia Indonesia
• Prapto Yuwono. 2005. Pengantar Ekonometri. Andi
Yogyakarta
MATERI YANG DIBAHAS
1. Definisi, Ruang Lingkup dan Tujuan Ekonometrika
2. Analisis Korelasi
3. Analisis Regresi Sederhana
4. Analisis Regresi Berganda
5. Analisis Regresi Terhadap Variabel Dummy
6. Uji Asumsi Klasik
8. Analisis Jalur (Path Analisis)
9. Regresi dengan variabel moderasi
10. Regresi dengan variabel intervening
11. Structural Equation Modeling (SEM)
Definisi Ekonometrika
Gabungan dari ilmu ekonomi, matematika,
dan statistik untuk menganalisis ekonomi
secara kuantitatif
ANALISIS DATA EKONOMI
Analisis Deskriptif
1. Membandingkan dua hal atau dua nilai variabel (X
dan Y) untuk mengetahui selisihnya (X – Y) atau
rasionya (X/Y), kemudian mengambil/menarik
kesimpulan.
Contoh: yang dapat diperbandingkan berupa
jumlah, rata-rata, persentase, angka indeks
berbagai nilai koefisien.
2. Menguraikan/memecah suatu keseluruhan (totality)
menjadi bagian/komponen yang lebih kecil, agar dapat:
a.Mengetahui komponen yang menonjol (mempunyai sifat
atau nilai ekstrim, baik secara persentase maupun
mutlak).
b.Membandingkan antar komponen dengan menggunakan
angka rasio atau selisih (membandingkan dua hal atau dua
variabel).
c.Membandingkan suatu atau beberapa komponen secara
keseluruhan dengan menggunakan proporsi atau
persentase.
 ANALISA INFERENSI
3. Memperhitungkan besarnya pengaruh secara kuantitatif dari
perubahan suatu (beberapa) kejadian terhadap satu (beberapa)
kejadian lainnya serta memperkirakan atau meramalkan satu
(beberapa) kejadian di waktu yang akan datang.
Contoh:
Apakah kenaikan pendapatan dapat meningkatkan konsumsi?
Apakah kenaikan gaji pegawai negeri dapat meningkatkan prestasi
kerja?
Apakah penambahan investasi nasional dapat menaikkan
pendapatan nasional?
Teori Ekonomi

• Membuat pernyataan atau hipotesis yang pada umumnya bersifat

kualitatif.
• Membantu untuk dasar penentuan variabel-variabel apa yang
mempunyai hubungan positif dan apa yang mempunyai hubungan
yang negatif.
• Contoh teori ekonomi mikro: jika variabel lainnya tetap sama, tidak
berubah (pendapatan, selera masyarakat), pengurangan harga suatu
jenis komoditi akan diikuti oleh peningkatan jumlah permintaan
terhadap komoditi tersebut. Jadi terdapat hubungan negatif antara
harga (P) dengan jumlah permintaan barang (Q)
 Matematika Ekonomi
Merumuskan teori ekonomi dalam bentuk
persamaan matematika (mathematical
equations) tanpa
memperhatikan/mempedulikan apakah teori
tersebut dapat dilakukan pengukuran secara
empiris atau tidak.
STATISTIK EKONOMI
• Arti sempit: data ringkasan berbentuk angka. Statistik ekonomi
merupakan data ekonomi dalam bentuk angka (pendapatan
nasional, jumlah tenaga kerja, harga ekspor dan impor dll).
• Arti luas: ilmu yang mempelajari cara pengumpulan,
pengolahan, penyajian, dan analisis data, termasuk
pengambilan kesimpulan yang mengandung unsur
ketidakpastian (uncertainty) berdasarkan konsep probabilitas.
Ini yang disebut statistik induktif.
Langkah – langkah Pengujian Teori
Menggunakan Ekonometri

• Merumuskan model ekonometri

• Perkiraan (estimasi)
• Verifikasi hasil (perkiraan/estimasi)
• Ramalan (Forecasting)
Model Matematika VS Model Ekonometri
• Y = A + BX (Model matematika)
Merupakan hubungan yang pasti (exact/deterministic)

• Y = A + BX + ɛ (Model Ekonometri)
1. Merupakan hubungan yang tidak pasti (inexact/indeterministic)
2. ɛ merupakan simbol/lambang kesalahan pengganggu yang mewakili
variabel acak (random/stochastic). ɛ mewakili semua faktor yang
mempunyai pengaruh terhadap Y tetapi tidak dimasukkan ke dalam
persamaan
MODEL EKONOMI
a. Model : any representation of actual phenomenon such as an actual
system as process.
b. Memberikan penjelasan tentang gejala-gejala umum tentang
bekerjanya suatu sistem ekonomi.
c. Variabel-variabel apa saja yang bekerja dalam suatu sistem
ekonomi, jenis hubungan antar variabel itu, bagaimana sifat, arah,
dan kekuatan hubungan tersebut.
d. Model yang baik adalah model yang realistis dan sederhana
KESALAHAN MENYUSUN MODEL
EKONOMI
1. Ekonom sering tergoda untuk mendapatkan model yang realistis
yang menyebabkan model menjadi semakin kompleks dan menjadi
penyebab sulitnya menjelaskan model secara analitis.
2. Ekonom sering tergoda untuk membangun model yang sangat
sederhana yang disusun dengan memilah unsur – unsur tertentu
dari fenomena yang dianggap relevan untuk dijelaskan
JENIS MODEL EKONOMI
• Model teoritis: model verbal logis
Contoh: pendapatan nasional berubah terpengaruh oleh investasi,
pengeluaran pemerintah, dan ekspor sebesar bilangan multiplier.
• Model geometris: model yang disajikan dalam bentuk gambar yang
menunjukkan hubungan geometris dari variabel – variabel tertentu.
• Model aljabar: model yang disajikan dengan memakai persamaan aljabar.
Contoh: Y = C + I + G + (X – M)
MODEL EKONOMETRI
Model aljabar khas yang bersifat stokhastik, yang terkandung di
dalamnya satu atau beberapa variabel acak.
Jika model teoritis hanya menyatakan pola hubungan umum, model
ekonometri telah menyatakan pola hubungan dari variabel – variabel
tertentu. Pola hubungan tersebut dapat bersifat linear maupun
nonlinier.
JENIS MODEL EKONOMETRI
•Model Rekursif
•Model Blok
•Model Blok - Rekursif
MODEL REKURSIF
• Persamaan struktural (structural form) yang memungkinkan
pemisahan variabel dependen dan independen secara tegas.

Kep.
Loyalit
Konsu
as
men
MODEL BLOK
Model yang hanya memiliki variabel endogen saja.

Pendapat
Investasi an
Nasional
MODEL BLOK - REKURSIF
Gabungan model rekursif dengan model blok

Pendap
Tingkat Investa atan
Bunga si Nasion
al
PERKIRAAN (ESTIMASI)
• Merupakan membuat perkiraan mengenai nilai
koefisien sebenarnya (parameter) yaitu nilai A
dan B berdasarkan data yang ada, hasil suatu
penelitian yang sering merupakan data empiris
(empirical data)
VERIFIKASI HASIL
•Mengembangkan kriteria yang
cocok/tepat dalam rangka mencari
apakah nilai yang perkiraan yang sudah
ada diperoleh sesuai dengan nilai
teoritis yang akan diuji kebenarannya
•Harus ada pengujian hipotesis
RAMALAN (FORECASTING)
• Selain untuk mengetahui struktur ekonomi
dan hubungan antar variabel – variabel
ekonomi, ekonometri juga digunakan untuk
membuat ramalan.
• Contoh: multiplier effect dalam makro
ekonomi
JENIS EKONOMETRI

1.Ekonomi teoritis(theoritical
econometrics)
2.Ekonomi terapan (applied
econometrics)
 EKONOMETRI TEORITIS
• Berkenaan dengan pengembangan metode yang
tepat/cocok untuk mengukur hubungan ekonomi dengan
menggunakan model ekonometri (menggunakan statistika
matematika)
• Ada asumsi-asumsi yang harus dibuat, sifat-sifat yang
dimilikinya, dan apa yang akan terjadi pada sifat-sifat yang
dimilikinya ini apabila salah satu atau lebih dari asumsi ini
tidak dipenuhi.
 EKONOMETRI TERAPAN
• Mempergunakan alat-alat ekonometri teoritis
untuk mempelajari bidang khusus dari ekonomi
• Contoh: fungsi produksi, investasi, permintaan,
dan penawaran dalam rangka memperkirakan
(meramalkan) nilai suatu (beberapa) variabel
HUBUNGAN STATISTIK VS
HUBUNGAN FUNGSIONAL
• Hubungan fungsional sifatnya deterministik dan tidak
memperhitungkan adanya kesalahan; Variabel tidak acak (random).
Contoh : hubungan dalam ilmu alam (fisika)
• Hubungan statistik berkenaan dengan variabel yang acak atau variabel
yang stokastik (random or stochastic variables),yaitu variabel yang
mempunyai distribusi probabilitas (probality distribution).
PENGERTIAN TENTANG LINEAR
• Linearitas dalam variabel
Y = a + bX X=variabel berpangkat 1
• Linearitas dalam parameter
Y = a + bX2 a, b = parameter berpangkat 1
 KONSEP – KONSEP PENTING DALAM
STATISTIK
A. DERAJAT KEBEBASAN (DEGREE OF FREEDOM):
Istilah angka derajat kebebasan (degrees of freedom) diartikan sebagai jumlah
total pengamatan dalam sampel (= N) dikurangi banyaknya kendali (linier) bebas
atau pembatasan (restriksi) yang diletakan atas pengamatan tadi. Dengan
perkataan lain, angka derajat kebebasan adalah banyaknya pengamatan bebas
dari total pengamatan N. Sehingga rumus umum untuk menentukan derajat
kebebasan (db) adalah total pengamatan (N) dikurangi banyaknya parameter
yang ditaksir atau df = N – banyaknya parameter yang ditaksir (k). (Gujarati,
1978).
Berdasarkan pengertian tersebut, maka dapat dipahami
bahwa rumus derajat kebebasan akan berbeda untuk kasus
pengamatan yang satu dengan kasus pengamatan yang
lainnya, dan yang membuat berbeda adalah tergantung dari
banyaknya parameter yang ditaksir. Oleh karena itu rumus
derajat kebebasannya bisa db = N – 2 atau db = N -3
tergantung dari banyaknya paramter (variabel) yang
ditaksirnya tadi. Contoh, jika kita hendak meneliti dua
variabel, maka derajat kebebasanya adalah db = N – 2. Kenapa
N – 2, karena ada dua variabel.
• Hal lain yang perlu dipahami dalam kajian tentang derajat
bebas adalah berkaitan dengan penelitian sampel. Ide
dasarnya adalah tiap kali kita mengestimasi parameter
(karakteristik populasi), kita akan kehilangan satu derajat
kebebasan. Oleh karena itu derajat bebas sebagaimana
dikemukakan Gujarati (1978) akan selalu N – k, bukan N.
• Untuk memahami hal tersebut perhatikan penjelasan
berikut: Misalnya ada sebuah populasi dengan rata-rata
(mean) sebesar 10. Selanjutnya kita diijinkan untuk
mengambil sampel sebanyak 10 orang dari populasi tersebut.
• Pertanyaan adalah berapa banyak orang yang dapat kita ambil dengan
bebas? Misalnya kita ambil orang pertama secara bebas, ia memiliki skor
14. Orang kedua masih dengan bebas, ia memiliki skor 8. Kemudian
berturut-turut orang ketiga sampai orang ke sembilan diambil secara
bebas dengan skor: 15, 6, 11, 14, 8, 6, dan 5.
• Bagaimana dengan orang kesepuluh? Apakah diambil secara bebas? Tentu
jawabannya adalah tidak.
• Orang kesepuluh tidak dapat diambil secara bebas lagi. Jika sudah ada 9
angka, angka ke sepuluh tidak lagi dapat ditentukan dengan bebas agar
mendapat estimasi yang sama (yaitu mean = 10).
• Misalnya jumlah skor-skor dari sembilan orang tadi adalah 87. Agar
estimasi yang kita dapatkan sama, yaitu mean = 10, orang kesepuluh harus
ditentukan sebesar 13. Dengan demikian dapat dikatakan kita kehilangan
satu derajat kebebasan. Nah derajat bebas inilah yang kemudian
digunakan untuk melihat nilai tabel tertentu, misalnya tabel t.
B. TINGKAT KEPERCAYAAN
(CONFIDENCE INTERVAL)
• Tingkat kepercayaan atau disebut juga confidence interval atau risk
level didasarkan pada gagasan yang berasal dari Teorema Batas
Sentral (Central Limit Theorem). Gagasan pokok yang berasal dari
teorema tersebut ialah apabila suatu populasi secara berulang-ulang
ditarik sampel, maka nilai rata-rata atribut yang diperoleh dari
sampel-sampel tersebut sejajar dengan nilai populasi yang
sebenarnya.
• Nilai-nilai yang diperoleh tersebut yang berasal dari sampel-sampel
yang sudah ditarik didistribusikan secara normal dalam bentuk nilai
benar / nyata. Bentuk nilai-nilai tersebut akan menjadi nilai-nilai
sampel yang lebih tinggi atau lebih rendah jika dibandingkan dengan
nilai populasinya.
• Dalam suatu distribusi normal, sekitar 95% nilai-nilai sampel berada
dalam dua simpangan baku (standard deviation)dari nilai populasi
sebenarnya. Dengan kata lain, jika tingkat kepercayaan sebesar 95%
dipilih, maka 95 dari 100 sampel akan mempunyai nilai populasi yang
sebenarnya dalam jangkauan ketepatan sebagaimana sudah
dispesifikasi sebelumnya. Ada kalanya bahwa sampel yang kita
peroleh tidak mewakili nilai populasi yang sebenarnya.Tingkat
kepercayaan berkisar antara 99% yang tertinggi dan 90% yang
terendah. Dalam SPSS tingkat kepercayaan secara default diisi 95%.
C. SIGNIFIKANSI (PROBABILITAS)
• Signifikansi atau disebut juga probabilitas merupakan tingkat ketepatan (presisi)
dalam kaitannya dengan kesalahan pengambilan sampel (sampling error),
merupakan jangkauan dimana nilai populasi yang tepat diperkirakan.
• Jangkauan ini sering diekspresikan dengan menggunakan poin-poin persentase,
misalnya 1% atau 5%.
• Oleh karena itu jika seorang peneliti menemukan bahwa 60% pegawai
perusahaan tertentu yang digunakan sebagai sampel sudah mengadopsi suatu
metode bekerja yang direkomendasikan dengan tingkat ketepatan sebesar ±1%,
maka peneliti tersebut dapat menyimpulkan bahwa antara 59% dan 61% dari
pegawai perusahaan tersebut yang menjadi populasi sudah mengadopsi metode
tersebut. Dalam SPSS signifikansi ditulis secara default sebagai 0,05 (5%).
D. NILAI KRITIS (CRITICAL VALUE)
Nilai kritis digunakan untuk pengujian signifikansi. Nilai dimana
pengujian statistik harus melampaui nilai tertentu agar hipotesis 0
ditolak. Misalnya nilai kritis t dengan derajat kebebasan sebesar 12 dan
tingkat signifikansi sebesar 0,05 adalah 1,98. Nilai absolut t harus lebih
besar dari 1,98 agar H0 ditolak. Nilai kritis diambil dari table nilai kritis t
sedang nilai absolut berasal dari data.
E. HIPOTESIS
• Menurut Prof. Dr. S. Nasution definisi hipotesis ialah “pernyataan
tentative yang merupakan dugaan mengenai apa saja yang sedang
kita amati dalam usaha untuk memahaminya”. (Nasution:2000)
• Zikmund (1997:112) mendefinisikan hipotesis sebagai: “Unproven
proposition or supposition that tentatively explains certain facts or
phenomena; a probable answer to a research question”. Menurut
Zikmund hipotesis merupakan proposisi atau dugaan yang belum
terbukti yang secara tentative menerangkan fakta-fakta atau
fenomena tertentu dan juga merupakan jawaban yang
memungkinkan terhadap suatu pertanyaan riset.
F. JENIS DATA
1. Sifat atas penelitiannya: data eksperimental dan
noneksperimental
2. Sifat waktunya: untaian waktu (time-series data),
data silang (cross-section), dan data panel (pannel-
pooled data)
3. Sumbernya: primer dan sekunder
Sifat atas Penelitiannya
• Data eksperimental: data yang dikumpulkan atas variabel-variabel
yang perilakunya diamati berulang-ulang dengan cara mengendalikan
variabel-variabel yang tidak diamati.
• Data Nonekperimental: data yang dikumpulkan atas variabel-variabel
yang diamati tanpa mengendalikan variabel-variabel yangg tidak
diamati
 Sifat Waktunya
• Data untaian waktu (time-series data): data suatu variabel yang diamati
dalam jarak waktu tertentu dengan satu satuan pengamatan (data tahunan,
triwulanan, data bulanan). Contoh data PDB
• Data silang (cross-section data): data suatu variabel yang diamati hanya pada
satu titik waktu dengan menggunakan sejumlah satuan pengamatan. Contoh:
data pendapatan 50 orang pengrajin pada Desember 2000
• Data panel (panel-pooled data): merupakan gabungan data cross section dan
series. Dengan kata lain, data panel merupakan data dari beberapa individu
sama yang diamati dalam kurun waktu tertentu. Jika kita memiliki T periode
waktu (t = 1,2,...,T) dan N jumlah individu (i = 1,2,...,N), maka dengan data
panel kita akan memiliki total unit observasi sebanyak NT
Sumber Data
• Data primer: data yang diperoleh langsung oleh peneliti tanpa melalui
pihak lain. Contoh: penyebaran kuesioner, wawancara
• Data sekunder: data yang diperoleh peneliti dari sumber yang sudah
ada. Data dari BPS (Badan Pusat Statistik)
SIFAT – SIFAT ANALISIS REGRESI
LINEAR
• Diperkenalkan oleh Francis Gulton dalam penelitiannya yang berjudul
Family Likeness in Stature (Proceeding of Royal Society, London,
vol.40, 1886)
• Ada kecenderungan untuk rata-rata anak dari orang tua dengan tinggi
tertentu bergerak menuju nilai rata-rata dari seluruh populasi. Orang
tua yang bertubuh tinggi akan memiliki kecenderungan anak
bertubuh tinggi demikian sebaliknya
DEFINISI REGRESI
Analisis regresi berkenaan dengan studi ketergantungan dari satu
variabel yang disebut variabel tidak bebas (dependent variable), pada
satu atau lebih variabel, yaitu variabel yang menerangkan, dengan
tujuan untuk memperkirakan dan atau meramalkan nilai rata-rata dari
variabel tidak bebas apabila nilai variabel yang menerangkan sudah
diketahui (variabel bebas=independent variable=explanatory variables)
METODE ORDINARY LEAST SQUARE
(OLS) DALAM REGRESI
• Ditemukan oleh ahli matematika Jerman bernama Carl
Friedrich Gauss.
• Digunakan untuk menghitung nilai a dan b berdasarkan sampel
Y = A + BX + ɛ (kondisi sebenarnya; regresi linear populasi)
Y = a + bX + e (kondisi perkiraan; regresi linear sampel)
 KETEPATAN DAN PENYIMPANGAN
ESTIMASI REGRESI
• Garis regresi memberikan estimasi yang baik jika nilai estimasinya tepat
sama dengan nila observasi. Artinya titik-titik observasi yang terletak dalam
suatu lintasan dapat ditarik suatu garis regresi karena titik-titik obervasi
tersebut sekaligus adalah titik-titik estimasi.
e1 = Y1 – Ŷ1 = 0
Estimasi yang tepat (a) dan yang kurang tepat
(b)
Gangguan Estimasi
KESALAHAN PENGGANGGU DALAM
HUBUNGAN STATISTIK (REGRESI)
• Kesalahan dalam mengukur variabel
• Kesalahan karena tidak semua variabel yang mempengaruhi Y
dimasukkan dalam persamaan regresi
• Kesalahan karena fungsi yang dipakai tidak cocok (fit), misalnya
seharusnya fungsi parabola, tetapi yang digunakan adalah fungsi
linear
• Asumsi-asumsi yang dipergunakan tidak benar
Lanjutan...
• Suatu teori mengatakan bahwa Y dipengaruhi oleh X tetapi tidak
secara eksplisit dapat menyebutkan faktor – faktor apa saja selain X
yang mempengaruhi Y. Maka kesalahan pengganggu (ɛ) menampung
kesalahan – kesalahan yang disebabkan oleh faktor-faktor lain yang
mempengaruhi Y tetapi tidak dimasukan ke dalam persamaan regresi.
• Tidak semua variabel yang secara teoritis diungkapkan dapat
mempengaruhi variabel dapat diukur secara kuantitatif atau datanya
tersedia. Contoh: data kekayaan, banyak sawah yang digusur untuk
pabrik
Lanjutan....
• Jika Y (konsumsi) dipengaruhi oleh pendapatan (X1), besarnya
anggota rumah tangga (X2), jenis kelamin (X3), agama (X4), tingkat
pendidikan (X5) dan lain-lain, ada kemungkinan salah satu atau
beberapa faktor atau variabel pengaruhnya tidak signifikan atau biaya
pengumpulan datanya mahal sekali, sehingga tidak dimasukkan dalam
persamaan. Kesalahan ini ditampung dalam ɛ (kesalahan
pengganggu).
• Seringkali model yang dibuat hanya regresi sederhana karena
menurut beberapa teori yang ada, variabel lainnya walaupun ada
pengaruhnya kurang begitu berarti. Kesalahan ini ditampung dalam ɛ.
ALTERNATIF KRITERIA KETEPATAN
PENARIKAN GARIS REGRESI
1. Minimum Total Deviation (MTD): garis regresi dipandang paling
tepat jika jumlah gangguan dari seluruh pengamatan adalah yang
terkecil.
2. Minimum Absolute Deviation (MAD): suatu garis regresi dikatakan
tepat bila jumlah absolut gangguan estimasi seluruh observasi
adalah yang terkecil.
3. Ordinary Least Square (OLS): garis regresi dikatakan tepat sebagai
estimator bila pangkat dua dari gangguan estimasinya adalah yang
terkecil.
KRITERIA MINIMUM TOTAL
DEVIATION (MTD)
KRITERIA MINIMUM ABSOLUTE
DEVIATION (MAD)
KRITERIA ORDINARY LEAST
SQUARE (OLS)
Wonnacot dan Wonnacot (1978), OLS memberikan empat keuntungan:
1. Memangkatduakan gangguan estimasi dengan sendirinya
meniadakan kelemahan kriteria MTD, karena pangkat dua bilangan
negatif adalah bilangan positif.
2. Memangkatduakan gangguan estimasi telah meniadakan
kelemahan MAD, yaitu memungkinkan untuk memperhatikan
seluruh pengamatan
3. Memangkatduakan gangguan estimasi memungkinkan menarik satu
garis yang paling tepat, analog dengan teorema pythagoras (a2 + b2
= c2 )
APLIKASI METODE OLS UNTUK REGRESI SEDERHANA

x = Xi - y = Yi -
X=Pendapatan Y=Konsumsi
HASIL PERHITUNGAN
INTERPRETASI
• Y = 4,35 + 0,55 Xi + e (X = Pendapatan Y = Konsumsi)
a. Terdapat pengaruh positif dari pendapatan yang diterima terhadap
tingkat konsumsi masyarakat
b. Jika pendapatan konsumen = 0, maka jumlah konsumsi yang dapat
dilakukan adalah sebesar 4,35.
c. Jika pendapatan konsumen naik sebesar satu rupiah, maka tingkat
konsumsi masyarakat akan bertambah sebesar Rp 0,55. Demikian
sebaliknya, jika pendapatan konsumen turun sebesar satu rupiah,
maka tingkat konsumsi masyarakat akan berkurang sebesar Rp 0.55.