EKONOMETRIKA

DISAMPAIKAN OLEH:
Ir. Syahyana Raesi . MSc
 Model linear merupakan model yang memiliki
parameter dan variabel yang berbentuk
linear ( garis lurus)
 Keuntungan model linear adalah modelnya
sangat sederhana sehingga sehingga mudah
dianalisis
 Kelemahannya interpretasi koefisiennya
terkadang tidak sesuai dengan substansi
permasalahan
 Contoh Y =b1 +B2X+u
 X= Harga

 Y= kuantitas

 Jika harga X Rp 0 maka kuantitas yang

diminta sebanyak b 1 unit .dalam keadaan
normal tidak mungkin suatu komoditi
berharga Rp 0 dan apakah benar bila harga
per kg Rp 0 maka permintaan hanya
sebesar b1
 ….. Hubungan antara satu variabel
dengan variabel lain tidak selalu
bersifat linear, melainkan dapat
bersifat kuadratik, kubik, eksponensial
atau model non linear lainnya.
 ….. Pendugaan kofisien regresi dari
model tsb dapat dilakukan dengan
metode regresi linear biasa, untuk itu
model non linear perlu dilinearkan
terlebih dahulu.
MODEL NON LINEAR KUADRATIK

2
Y   0  1 X   2 X  

Y   0  1 X 1   2 X 2  
dim ana :
X1  X
2
X2  X
 MODEL NON LINEAR EKSPONENSIAL

 Model Cobb-Douglas
1 2
Y  0 X1 X2
di log aritmakan menjadi
Ln Y  Ln  0  1 Ln X 1   2 Ln X 2
Dilinearkan menjadi
*
Y   0  1 X 1   2 X 2
dim ana :
Y  Ln Y X 1  Ln X 1
 0*  Ln  0 X 2  Ln X 2
Kelebihan-kelebihan fungsi Cobb-Douglass dibandingkan dengan fungsi-
fungsi yang lain adalah Soekartawi, 2003 :
1.Penyelesaian fungsi Cobb-Douglass relatif lebih mudah dibandingkan
dengan fungsi yang lain,seperti fungsi kuadratik. Fungsi Cobb- Douglass
dapat lebih mudah ditransfer ke dalam bentuk linear.

2. Hasil pendugaan garis melalui fungsi Cobb-Douglass akan menghasilkan

koefisien regresi yang juga sekaligus menunjuk besaran elastisitas.

3. Besaran elastisitas tersebut sekaligus menunujukkan tingkat besaran

•Returns to scale .
•4Koefisien intersep dari fungsi Cobb Douglas merupakan 
•indeks efisiensi produksi yang secara langsung
•menggambarkan efisiensi penggunaan input dalam
•menghasilkan output dari sistem produksi yang sedang dikaji itu.
•walaupun fungsi Cobb-Douglass memiliki kelebihan
-kelebihan tertentu dibandingkan dengan fungsi-fungsi yang lain,
bukan berarti bahwa fungsi ini tidak memiliki kekurangan–kekurangan.
adalah Soekartawi,
2003 : 1. Spesifikasi variabel yang keliru.
Spesifikasi variabel yang keliru akan menghasilkan
elastisitas produksi yang negative atau nilainya terlalu
besar atau terlalu kecil. Spesifikasi yang keliru juga akan
mendorong terjadinya multikolinearitas pada variable
independen yang dipakai.
2. Kesalahan pengukuran variabel. Kesalahan pengukuran
variabel ini terletak pada validitas data, apakah data yang
dipakai sudah benar atau sebaliknya, terlalu ekstrim
ke atas atau ke bawah. Kesalahan pengukuranini akan
menyebabkanbesaran elastisitas menjadi terlalu tinggi atau
terlalu rendah.
2
3. Bias terhadap manajemen. Variabel ini sulit diukur dalam pendugaan
fungsi Cobb-Douglass karena variabel ini erat hubungannya dengan variabel
independen yang lain.
4. Multikolinearitas. Walaupun pada umumnya telah
diusahakan agar besaran korelasi antar variabel independen tidak terlalu tinggi,
namun dalam praktek masalah multikolinearitas ini sulit untuk dihindarkan.
5. Data. a. Bila data yang digunakan adalah data cross section, maka data tersbut
harus mempunyai variasi yang cukup.
b. Pengukuran atau definisi data sulit dilakukan dalam hal tertentu.
c. Data tidak boleh bernilai nol atau negatif,
karena logaritma dari bilangan nol atau negatif adalah tak terhingga.
6. Asumsi. Asumsi-asumsi yang perlu diikuti dalam menggunakan
fungsi Cobb- Douglass adalah :
a. Teknologi dianggap netral, artinya intercept
boleh berbeda tetapi slope garis penduga dianggap sama. Padahal belum tentu
teknologi di daerah penelitian adalah sama.
b. Sampel dianggap price taker.
PENDUGAAN KOOFISIEN
REGRESI
 Pendugaan koefisien regresi
dilakukan dengan model regresi
berganda biasa. Setelah diperoleh
nilai dugaan koefisien regresi, fungsi
tersebut ditulis kembali dalam bentuk
semula yaitu dalam bentuk model
eksponensial, dimana koefisien ßo
diperoleh dari antiLn ßo
MENDUGA KOOFISIEN REGRESI

( X ) ( Y )
xy   XY 
n
2
2 2 ( X )
x  X 
n
2
2 2 ( Y )
y  Y 
n
MENDUGA KOOFISIEN REGRESI

 Untuk menduga nilai ßo dan ß1 digunakan

metode kuadrat terkecil (Ordinary Least
Square (OLS) disebut Best linear Unbiase
Estimator (BLUE)
 xy
1  2 0  Y  1 X
x
 MENDUGA KOOFISIEN REGRESI


 Y= boXᵝ µt------- untuk satu variabel bebas

 Atau ln Y = lnß0 + ß1 ln X1 + ln µt
 Misalkan Ln Y= Y
 ln ß0 = ß0
 ln X1 = X
 ln µi = et

 xy
1  0  Y  1 X
x 2
 Q = δKαLβ
n Y X Ln Y Ln X Ln Y² Ln X² Ln XY
1 7,7 18 2,0412 2,8904 4.1665 8,3544 5,8999
2 7,8 13 2,0541 2,5649 4,2194 6,5790 5,2686
3 8.2 15 2,1041 2,7081 4,4274 7,3335 5,6981
4 8,4 16
5 9.0 26
6 9,2 21
7 9,2 21
8 9,4 22
9 9.5 22
10 9,8 23
Ʃ 88,2 197 21,7326 29,6006 47,3187 88,0474 64,4800
ß1 = 1,354/4,2785= 0.3165
ß0 =2.17376 – (0.3165)(2.96006)
= 2.17376-0,9396
= 1,23676
bo= eᵝ =e 1,23676= 3,4444
Persamaan fungsi cobb dauglas
Yt= 3,4444 Xt 0,3165

Persamaan regresi
Y= bo + b1X------ Y= 3,4444 + 0,3165 Xt
Koefisien Determinasi
R 2 = 0,6456 artinya sekitar 65 % variasi produksi padi dari th ke th adalh
karena variasi penggunaan ppk dari tahun ke th selama periode tsb, sedangkan
35 5% lagi disebabkan oleh faktor lain yang tdk dapat diterangkan
s= 0,0235
sb0=0,2459
sb1=0,0829
tb= b1/sb1=0,3165/0,0829= 3,8179
tbo=b0/sb0= 1,2368/ 0,2459= 5,03

Pengambilan Keputusan
Tolak Ho : Ιt| ≥ t ά/2, n-2
Terima Ho : ΙtΙ < t ά/2, n-2
T tabel 2,306
n Y X1 X2(X1²) Y² X² X1X2 X1Y X2Y

1 7,7 18 324

2 7,8 13 169
3 8.2 15
4 8,4 16
5 9.0 26
6 9,2 21
7 9,2 21
8 9,4 22
9 9.5 22
10 9,8 23
Ʃ 88,2 197 4029 782,86 1843,989 85.061 1797,0 36.338,6
 misalkan
 X2 = X1²

 Bentuklah persamaan regresi dari kasus

diatas
 CONTOH SOAL KUADRATIK
 Berikut adalah data hubungan antara jumlah
kerusakan (Y) dengan ukuran batch (X) dalam
proses produksi suatu produk manufaktur.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

X 100 125 125 125 150 150 175 175 200 200 200 225 225 225 250 250 300 300 350 350

Y 5 10 6 7 6 7 17 15 24 21 22 26 29 25 34 37 53 54 82 84
 PERTANYAAN
 Bentuklah persamaan regresi dari kasus
diatas
 CONTOH SOAL EKSPONENSIAL
 Berikut adalah data pengamatan jumlah produksi
(Y) dari suatu proses produksi yang menggunakan
modal (X1) dan tenaga kerja (X2)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

X1 10 15 10 20 25 18 12 14 16 22 24 17 13 30 24

X2 30 25 40 18 22 31 26 34 29 37 20 25 27 23 33

Y 24 27 29 31 25 33 26 28 31 39 33 30 25 42 40
 PERTANYAAN
 Lakukan pendugaan kofisien regresi
untuk fungsi produksi cobb-douglas
diatas.