EKONOMETRIKA

KONSEP DASAR “EKONOMETRIKA”

• Penerapan metode statistik dan matematika ke dalam analisis data
ekonomi, dengan tujuan memberikan bukti empiris pada teori
ekonomi dan memverifikasinya atau menolaknya (G.S. Maddala,
Introduction to Econometrics, 1988)
• Ilmu sosial yang menerapkan peralatan teori ekonomi, matematik
dan statistik inferensi untuk menganalisis fenomena ekonomi
(Arthur S. Goldberger, Econometric theory, 1964)
• Suatu ilmu yang mengkombinasikan teori ekonomi dan statistik
ekonomi, dengan tujuan menyelidiki dukungan empiris dari hukum
skematik yang dibangun oleh teori ekonomi (Gunawan S, Pengantar
Ekonometri,1999)
TUJUAN EKONOMETRI

a. Pengujian/pembuktian teori ekonomi

b. Penaksiran koefisien dari hubungan-hubungan
ekonomi
c. Penaksiran koefisien dari pengaruh ekonomi
d. Peramalan nilai ekonomi
PERBEDAAN EKONOMETRI, EKONOMI
MATEMATIK DAN STATISTIK EKONOMI
a. Ekonometri:
Mengasumsikan setiap hubungan ekonomi sebagai hubungan stokastik,
memberikan nilai-nilai numerik koefisien hubungan-hubungan ekonomi.

b. Ekonomi Matematika:
Mengasumsikan setiap hubungan ekonomi sebagai hubungan exact , serta tidak
menghasilkan nilai-nilai numerik.

c. Statistik Ekonomi:
Hanya menyajikan aspek deskriptif dari teori ekonomi, tidak menghasilkan nilai-
nilai numerik dalam hubungan-hubungan ekonomi namun hanya menyediakan
data numerik ekonometri.
 MATEMATIK DAN STATISTIK MERUPAKAN
ASPEK PENTING BAGI EKONOMETRI.
FORMULASI MATEMATIK MEMBERIKAN
KETEPATAN DAN KECERMATAN SEDANGKAN
STATISTIK MEMBERIKAN “BAHAN BAKU”
BAGI EKONOMETRI.
 MODEL
Penyederhanaan dari realitas perilaku ekonomi menjadi bentuk yang lebih
sederhana

dari model yang baik, seorang peneliti dapat menerangkan dan

meramalkan sebagian besar dari apa yang terjadi dengan realitas

dinyatakan dalam bentuk matematis, grafis, skema, diagram dan bentuk-

bentuk lainnya.
Model Ekonomi:
Konstruksi teoritis atau kerangka analisis ekonomi yang terdiri dari
himpunan konsep, definisi, asumsi, persamaan, kesamaan (identitas) dan
ketidak-samaan darimana kesimpulan akan diturunkan.
METODOLOGI EKONOMETRI
Bagan Metodologi Ekonometri Tahap-tahap:
1 1. Formulasi model ekonometri berdasarkan teori
Economic theory ekonomi. Dalam tahap ini dilakukan pemilihan
variabel-variabel yang sesuai dengan fenomena
2 3
Econometric model Data ekonomi yang akan diuji. Formulasi model
ekonometri ini juga mempertimbangkan
4 rancangan statistik untuk mendapatkan data.
Estimation
(tahap 1, 2, dan 3).
5 2. Estimasi model ekonometri yang terbentuk
Specification testing
and diagnostic dengan menggunakan data yang diperlukan
checking (tahap 4).
6 3. Melakukan serangkaian test spesifikasi dan
Is the model diagnostic untuk mengetahui apakah taksiran hasil
adequate?
estimasi sudah memenuhi kriteria ekonomi, dan
kriteria statistik (tahap 5, 6, dan 2).

Yes
4. Bila lolos maka dilakukan test hipotesis untuk
N
o mengetahui validitas teori ekonomi dan hipotesis
7 sehingga dapat digunakan untuk prediksi dan
Test of Any
Hyphothesis pembuatan kebijakan (kriteria ekonometri/second
order test). Bila terjadi penolakan tori ekonomi
8 maka dibuat hipotesis baru dengan memulai dari
Using the model for prediction tahap 1 (tahap 7, 8, dan 1).
and policy
HAKIKAT PENDEKATAN EKONOMETRI
Teori Ekonomi

Langkah 1 Spesifikasi
Persyaratan:
Memilih variabel; Menspesialisasikan hubungan atas dasar teori ekonomi (atau hipotesis).
Kemungkinan kesalahan:
Variabel bebas yang sesuai tidak dimasukkan; variabel bebas yang tidak sesuai dimasukkan; “Under-identification”

Langkah 2 Rancangan statistik untuk mendapatkan data

Penaksiran (Estimation)
Langkah 3 Persyaratan:
Penaksir-penaksir yang memiliki sifat-sifat: (a) unbiased, (b) konsisten, (c) Efisien dan (d) sufficient.
Kemungkinan kesalahan:
Penaksir-penaksir tidak memiliki sifat-sifat yang dibutuhkan sebagai akibat adanya otokorelasi, heteroskedastisitas,
multikolinearitas di dalam sampel.
Langkah 4 Verifikasi (Pengujian)
Persyaratan:
Penafsiran ekonomi terhadap hasil-hasil yang diperoleh pada langkah 3. Evolusi dari teori ekonomi atau hipotesis.
Penolakan teori ekonomi jika teori tersebut tidak valid, dan membuat hipotesis baru lalu mulai lagi dari langkah 1.
Kemungkinan kesalahan:
Kesalahan pengujian dan tidak sesuainya pengujian dengan verifikasi validitas hipotesis

Langkah 5 Penerapan (Aplikasi)

Persyaratan:
Tujuan utama ekonometri adalah mendapatkan ramalan (prediksi) yang dipercaya (untuk keperluan
pengambilan kebijakan ekonomi).
Kemungkinan kesalahan:
Peramalan menyimpang; bila ramalan tersebut tersebut digunakan untuk pengambilan kebijaksanaan,
mengakibatkan kerugian bagi kesejahteraan masyarakat
LANGKAH 1: Contoh
SPESIFIKASI MODEL

 Penentuan variabel bebas atau penjelas (explanatory

variable) maupun variabel terikat (dependent
variable) yang akan dimasukkan dalam model
 Penentuan asumsi-asumsi a priori mengenai nilai dan
tanda parameter (atas dasar kriteria teoritis) dari
model
 Penentuan bentuk matematis dari model
LANGKAH 2: Contoh
PENAKSIRAN MODEL

 Pengumpulan data berkaitan dengan variabel-variabel yang

masuk dalam model
 Menyelidiki ada tidaknya masalah multikolinearitas
 Menyelidiki syarat identifikasi jika modelnya mengandung
lebih dari satu persamaan
 Memilih teknik ekonometri yang tepat untuk penaksiran
model
LANGKAH 3: Contoh
PENGUJIAN/PEMBUKTIAN (VARIFIKASI)
Digunakan Tiga Kriteria:
 Kriteria “a priori” Ekonomi
Berdasarkan nilai atau tanda taksiran parameter dalam teori
ekonomi.
 Kriteria Statistik (First Order Test)
Ditentukan oleh teori statistik, seperti koefisien korelasi, standar
deviasi, serta koefisien determinasi.
 Kriteria Ekonometri (Second-order Test)
Ditentukan oleh teori ekonometri dan untuk mengetahui apakah
suatu taksiran parameter memiliki sifat-sifat Unbiasedness,
consistency
LANGKAH 4: Contoh
KEKUATAN PERAMALAN MODEL

a. Kekuatan peramalan suatu model perlu diuji karena berkaitan dengan

pengambilan kebijaksanaan.
b. Suatu model meski secara ekonomi benar, secara statistik dan
ekonometri juga significant untuk suatu sampel tertentu, namun
terkadang masih lemah dalam peramalan.
c. Kelemahan dalam peramalan disebabkan oleh:
– Nilai-nilai variabel bebas untuk meramal tidak akurat
– Taksiran koefisien-koefisiennya mungkin tidak benar karena
kekurangan data
d. Prosedur untuk menentukan kekuatan peramalan model adalah dengan
mencoba taksiran-taksiran model tersebut pada suatu kurun waktu di
luar sampel. Nilai ramalan ini kemudian dibandingkan dengan nilai
nyata variabel terikat. Perbedaan nilai ini kemudian diuji signifikansi,
jika perbedaan signifikan, disimpulkan kekuatan peramalan model
lemah.
 Spesifikasi Model

 Model Matematika:
 Teori yang sudah dinyatakan dispesifikasikan
ke dlm bentuk model (persamaan)
matematika
Fungsi konsumsi Keynes:
C=a+bY
a = parameter konstanta, a > 0.
b = parameter slope, 0<MPC<1.

 Model persamaan tunggal

 Konsumsi berhubungan linear, positif
 Bersifat deterministik (pasti)
 Model Ekonometrika:
C=a+bY+
 Hubungan antar variabel ekonomi bersifat
Stochastik.
  = error term, variabel random
(stochastic) mewakili variabel2 lain yg
tidak termasuk kedalam model.

 Pengumpulan Data

 Sumber data
 Definisi
 Jenis
 Cross section
 Time series
 Panel (Gabungan Cross section dan time
series)
 Estimasi Model

Identifikasi Model:
 Prosedur utk mendapatkan koefisien parameter
 Menentukan apakah hubungan dpt diestimasi
secara statistik
 Berhubungan dg masalah perumusan model
Misal:
Qd = f(P) : Demand
Qs = f(P) : Supply
 Model diatas meragukan, krn apakah koefisien
parameter milik Qd atau Qs.
 perlu penambahan variabel shifter
 Estimasi Model

Pengujian derajat korelasi antar variabel:

 Jika 2 variabel penjelas mempunyai korelasi yg
tinggi
maka secara statistik sulit menentukan pengaruh
masing-masingnya.
Misal:
Qd = f(P, W)
Qd = Demand
P = harga
W = upah
 Sementara P dan W cenderung naik secara
bersamaan, W = f(P).
 Oleh krn itu, nilai estimasi tidak akurat.
 Estimasi Model

Pemilihan teknik yang tepat:

 Single equation:
 Ordinary Least Squares (OLS)
 Indirect Least Squares (ILS)
 Two Stage Least Squares (2SLS)

 Simultaneous equation:
 Three Stage Least Squares (3SLS)
 Estimasi Model

Pemilihan teknik estimasi tergantung:

 Bentuk hubungan dan syarat identifikasi
 Persyaratan estimasi:
- Unbiasedness
- Consistency
- Efficiency
 Tujuan penelitian ekonometrika
 Kesederhanaan teknik
 Waktu dan biaya
 Evaluasi Model

 Kriteria a priori ekonomi

 Didasarkan atas prinsip-prinsip ekonomi

 Kriteria Statistik (first order test):

 Didasarkan atas interpretasi nilai-nilai statistik
Standar deviasi,
Koefisien Determinasi (R2)
Nilai F dan nilai t

 Kriteria ekonometrika (second order test):

 Didasarkan atas teori ekonometrika untuk:
nilai estimasi memiliki sifat unbiasedness,
consistency dan efficiency.
 Pengujian Hipotesis

 Menguji apakah hasil estimasi parameter sesuai

dengan yang diharapkan teori.
Misal:
C = 230 + 0.45 Y

Ini berarti selama periode pengamatan:

1. Meskipun tidak ada pendapatan, jumlah
konsumsi
rata-rata sebesar Rp. 230 (dissaving).
2. Kenaikan pendapatan sebesar XXX, maka
konsumsi meningkat rata-rata sebesar Rp. 450.

 Tapi apakah nilai-nilai tersebut secara statistik

significant?
 Aplikasi Model

 Peramalan (forecasting)

Misal: Berapakah pengeluaran konsumsi jika

tingkat
pendapatan masyarakat sebesar Rp. 2000.

Model yang sudah dievaluasi:

C = 230 + 0.45 Y
C = 230 + 0.45 (2000)
C = 1130.

 Analisis kebijakan.
 Covariance Dan Korelasi

Covariance merupakan ukuran yang berguna untuk

mengidentifikasi keterkaitan antara X dan Y, atau
merupakan ukuran bagi sensitifitas tiap unit X dan Y yang
telah diamati. Yang terkait dengan covariance adalah
korelasi, yang dirumuskan :

rxy = xy / x. y =

 SIMPLE REGRESSION
• Analisis Regresi:
Penggambaran dan pengevaluasian hubungan stokastik antara suatu
variabel tertentu (variabel terikat/dependent variable) dengan satu atau
lebih variabel bebas (independent variable)
• Regresi Sederhana (Simple Regression):
Hubungan stokastik antara satu buah variabel terikat dengan satu
variabel independent.
• Hubungan antar variabel ekonomi adalah stokastik karena
dalam ekonomi tidak ada hubungan exact atau deterministik
• Stokastik dilambangkan dengan variabel gangguan stokastik (U)
dalam setiap model ekonometri
 ALASAN KEBERADAAN SIFAT
STOKASTIK
 Kemungkinan kesalahan dalam persamaan
 Kesalahan dalam pengukuran (kesalahan dalam
variabel)
 Ketidaksempurnaan spesifikasi bentuk matematis
model
 Agregasi
PERSAMAAN REGRESI LINIER SEDERHANA

Yi =  + βXi + Ui (i = 1,…….,n)

Y = Variabel Terikat (Dependent Variable)

X = Variabel Bebas (Independent Variable)
U = Faktor gangguan (Error disturbance term)
, β = koefisien taksiran parameter
i = pengamatan ke n
 ASUMSI-ASUMSI DASAR
• Normality
Ui adalah sebuah variabel random riil dan memiliki distribusi normal
• Zero Mean
Nilai Rerata dari Ui setiap periode tertentu adalah nol. E(Ui) = 0 (i = 1,…..,n)
• Common variance (Homoskedastisitas)
Varian dari Ui adalah konstan setiap periode. Var (Ui) = 2 (2 adalah konstan)
• Independence (Non-autocorrelation)
Faktor gangguan dari pengamatan yang berbeda-beda (Ui,Uj) tidak tergantung
(Independent). E (Ui,Uj) = 0 (i ≠ j)
• Independence.
Variabel-variabel penjelas/bebas adalah variabel nir-stokastik dan diukur tanpa kesalahan;
Ui tidak bergantung pada variabel penjelas/bebas. E(XiUj) = X (Uj) = 0, untuk seluruh i, j
= 1,….,n
 METODE PENAKSIRAN
• Metode Momentum (The Method of Moments)
 Menitikberatkan pada prinsip bahwa momentum sampel (sample moments)
mencerminkan sifat-sifat populasi, artinya nilai-nilai harapan (expected values)
dari momentum sampel adalah sama dengan momentum populasi.
 Menghasilkan penaksir yang konsisten dan normal secara asimtotik, namun
bukan BAN (Best, Asymtotically, dan Normal)
• Metode Kuadrat Terkecil (Least Squares Method)
 Penaksiran yang menghasilkan jumlah kuadrat penyimpangan (deviasi)
pengamatan sampel dari nilai taksiran minimum.
 Menghasilkan penaksir-penaksir yang memenuhi syarat BLU (Best, Linier,
Unbiased).
• Metode “Maximum Likelihood”
 Populasi yang berbeda-beda akan menurunkan sampel yang berbeda-beda, dan
sampel tertentu mungkin berasal dari suatu populasi tertentu dan bukan dari
populasi-populasi lainnya.
 Memberikan penaksir-penaksir yang konsisten, “asymptotically Unbiased”, dan
“asymptotically efficient”.
PENAKSIRAN PARAMETER REGRESI

Metode Kuadrat Terkecil

(Ordinary Least Square)

Taksiran yang memiliki sifat

Linier, Unbiasedness, dan
best

Diperlukan pengujian kriteria ekonomi

hipotesis secara statistik dan uji
ekonometri sebagai landasan untuk
peramalan
 GOODNESS OF FIT (R ) 2

• Variasi perubahan Y dalam dua komponen, yaitu “yang bisa dijelaskan”

(explained) dan “yang tidak bisa dijelaskan” (Unexplained).

Jumlah Kuadrat Jumlah Kuadrat yg Jumlah Kuadrat yg

bisa dijelaskan tidak bisa dijelaskan
Total

Variasi yang bisa dijelaskan

R2 =
Variasi yang ingin dijelaskan
 PENGUJIAN/VERIFIKASI
 Uji Ekonomi
Melihat kesesuaian tanda paramater hasil analisis regresi dengan teori ekonomi
yang menjadi dasar model ekonometri (Kriteria Ekonomi)
• Uji Statistik
Melihat signifikansi hipotesis yang dirumuskan. Uji hipotesis mencakup uji t
Statistik untuk melihat signifikansi pengaruh variabel independent terhadap
variabel dependent secara individual. Sedangkan Uji F statistik dilakukan untuk
melihat signifikansi pengaruh seluruh variabel independent terhadap variasi
perubahan variabel dependent.
• Uji Ekonometri
Berdasarkan pada tiga asumsi klasik yang harus dipenuhi, yakni
Homoskedastisitas, nir-otocorrelation, non-multicollinearity. Penyimpangan
terhadap tiga asumsi klasik ini membutuhkan perbaikan terutama pada model
ekonometri dan perilaku data.
 REGRESI BERGANDA
(MULTIPLE REGRESSION)
 Analisis hubungan stokastik antara satu variabel terikat
(dependent variable) dengan dua atau lebih variabel bebas
(Independent Variable)
 Yi = β1X1i + β2X2i + β3X3i + Ui
 UJI SIGNIFIKANSI TERHADAP
TAKSIRAN PARAMETER
 Uji kesalahan baku
dimana

Jika H0 tidak ditolak, artinya taksiran βi tidak

signifikan secara statistik

Jika H0 ditolak, artinya taksiran βi signifikan

secara statistik
 Uji student-t terhadap hipotesis nol
Dengan derajat bebas (n-k)

Apabila t* < t tabel maka H0 tidak ditolak, artinya taksiran β2 tidak signifikan. Dengan
demikian variabel dependent β2 tidak berpengaruh secara individu terhadap variasi
perubahan Y. Dan bila t* > t tabel maka H0 ditolak, artinya taksiran β2 signifikan.
 UJI PENYIMPANGAN ASUMSI KLASIK
Otokorelasi (Autocorrelation)
 Korelasi hubungan yang terjadi di antara anggota-anggota
dari serangkaian pengamatan yang tersusun dalam rangkaian
waktu (data runtun waktu) atau yang tersusun dalam
rangkaian ruang (data cross section).
 Akibatnya taksiran OLS tidak bias, varian dari taksiran OLS
akan “underestimate”, peramalan akan tidak efisien.
 Identifikasinya menggunakan Uji Ratio von Neumann dan
Uji Durbin-Watson
 Pengobatan: mendapatkan taksiran koefisien otokorelasi Ω,
mengubah (transformasi) data aslinya, dan menerapkan OLS
pada data transformasi
 UJI PENYIMPANGAN ASUMSI KLASIK
Heteroskedastisitas (Heteroscedasticity)
 Faktor gangguan (Ui) tidak memiliki varian yang sama atau
konstan.
 Akibatnya penaksir-penaksir OLS tidak akan bias, varian
dari koefisien-koefisien OLS akan salah, penaksir-penaksir
OLS menjadi tidak efisien
 Identifikasi dengan Uji Korelasi Rank Spearman, Uji
Goldfeld-Quandt, Uji Park, Uji Glejser
 Langkah pengobatan: regresi OLS biasa, lakukan
transformasi, regresi OLS pada data transformasi.
 UJI PENYIMPANGAN ASUMSI KLASIK
Multikolinearitas (Multicollinearity)
 Hubungan linier di antara variabel-variabel bebas dalam model
regresi
 Akibatnya, kesalahan baku cenderung semakin besar,
probabilitas dari kesalahan tipe II semakin besar, taksiran
parameter OLS dan kesalahan bakunya sangat sensitif terhadap
perubahan sampel sekecil apapun, R2 tinggi namun taksiran
koefisien regresi yang signifikan secara statistik sedikit
 Identifikasi: Frisch’s Confluence analysis, Farrar-Glauber,
Matriks korelasi berderajat nol
 Pengobatan: memperbesar ukuran sampel, memasukkan
persamaan tambahan ke dalam model, penggunaan informasi
ekstra,
UJI NORMALITAS

• Uji normalitas bertujuan untuk mengetahui apakah residual

model regresi yang diteliti berdistribusi normal atau tidak.
• untuk menguji normalitas menggunakan one sample
Kolmogorov-Smirnov Test.
• Jika nilai sig ≥ α, maka diasumsikan data berdistribusi
normal.
 One-Sample Kolmogorov-Smirnov Test

Unstandardiz
ed Residual
N 80
Normal Parameters a ,b Mean ,0000000
Std. Deviation ,37504965
Most Extreme Absolute ,142
Differences Positive ,071
Negative -,142
Kolmogorov-Smirnov Z 1,273
Asymp. Sig. (2-tailed) ,078
a. Test distribution is Normal.
b. Calculated from data.
UJI LINIERITAS
• digunakan untuk melihat apakah spesifikasi model yang
digunakan sudah bersifat linier.
• menggunakan curve estimation, yaitu gambaran hubungan linier
antara variabel X dengan variabel Y. Jika nilai sig f <0,05, maka
variabel X memiliki hubungan linier dengan Y.
 GOODNESS OF FIT

Total jumlah Jumlah kuadrat yang bisa dijelaskan Jumlah kuadrat residu
kuadrat atau atau variasi yang bisa dijelaskan atau variasi yang tak
total variasi (Explained Variations) bisa dijelaskan
(Total Variation) (Unexplained
Variations)

Jumlah Kuadrat yang dijelaskan oleh X2 dan X3

R
2
=
Total jumlah kuadrat