MODEL DISTRIBUSI BEDA KALA

(Distributed Lag Model dan

Autoregressive Model)

OLEH
SELAMET RAHMADI, SE. M.Si

PROGRAM STUDI ILMU EKONOMI

 I. PENDAHULUAN

Dalam analisis regresi yang menggunakan data

berkala/runtun waktu (time series) sering muncul
kesulitan yang tidak akan kita jumpai saat kita
menggunakan data cross section (silang). Kesulitan yang
timbul adalah adanya ketergantungan variabel tidak
bebas (Y) pada variabel bebas (X) yang jarang terjadi
seketika itu juga (rarely instantaneous). Sering reaksi
variabel bebas terhadap variabel tidak bebas
memerlukan waktu (t). Waktu yang diperlukan untuk
timbulnya reaksi atau jawaban (respon) terhadap
suatu aksi atau pengaruh di sebut beda kala atau lag.
 II. BENTUK REGRESI LINEAR BEDA KALA
1. MODEL DINAMIS DISTRIBUSI LAG (DL MODEL)
 Model dinamis distribusi lag adalah suatu variabel tak
bebas yang dipengaruhi oleh variabel tidak bebas itu
sendiri pada waktu t dan juga dipengaruhi oleh variabel
bebas pada waktu t −1, t − 2 dan seterusnya.
 Model Dinamis Distribusi LAG ada 2 :
a. Model lag tidak terbatas (infinited lag)
Model yang panjang beda kalanya tidak diketahui.
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt - 2 + ....... + εt

b. Model lag terbatas (finited lag)

Model yang panjang beda kalanya diketahui yaitu sebesar k.
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt – 2 + ...... + βk Xt – k + εt
 Model dinamis distribusi LAG dapat ditentukan dengan
metode Alt dan Tinbergen serta Koyck dan Almon.
2. MODEL DINAMIS AUTOREGRESSIVE (AR MODEL)
 Model dinamis autoregressive adalah suatu variabel
tak bebas dipengaruhi oleh variabel bebas itu sendiri
pada waktu t dan juga dipengaruhi oleh variabel tak
bebas itu sendiri pada waktu t −1.
 Model Dinamis Autoregressive :
Yt = α0 + α1 Xt + α2 Yt – 1 + Vt

 Model dinamis Autoregressive dapat ditentukan

dengan metode Koyck dan UJI Durbin-Watson.
 Prosedur pada model beda kala akan berhenti, jika
hasil koefisien regresi variabel bebas (independen)
beda kala sudah mulai tidak signifikan/nyata secara
statistik dan atau paling tidak satu variabel bebas
berubah tandanya dari positif ke negatif atau
sebaliknya.
Contoh penggunaan model lag dalam ekonomi :

1.Pemberian kredit terhadap produksi perkebunan,

dimana waktu antara pemberian kredit sampai
perkebunan menghasilkan produksi memerlukan waktu
(lag) bisa 1 tahun (t -1), 2 tahun (t - 2) atau 10 tahun (t
– 10).

2.Peningkatan pendapatan terhadap konsumsi, dimana

antara peningkatan pendapatan tidak langsung diikuti
oleh peningkatan konsumsi, tetapi memerlukan waktu
(lag) untuk merubah konsumsi, bisa 1 tahun kedepan
atau 2 tahun kedepan.
 III. ALASAN TIMBULNYA LAG
Ada beberapa penyebab kenapa beda kala itu terjadi :
1.Alasan psikologis/kebiasaan
Misal : kenaikan pendapatan tidak akan merubah
kenaikan konsumsi nya saat itu juga.
2.Alasan teknologi
Misal : harga mesin turun tidak akan langsung
menggantikan tenaga manusia dengan mesin.
3.Alasan institusi atau kelembagaan
Misal : tingkat bunga deposito bank A lebih tinggi
dibanding tingkat bunga deposito bank B, maka seorang
deposan tidak akan pindah ke bank yang tingkat bunganya
tinggi saat itu juga.
III. CONTOH PERHITUNGAN MODEL DINAMIS DISTRIBUSI LAG
Tahun PDRB(Y) Belanja Pemerintah
(X = BD )
1996 1896 86
1997 1880 90
1998 1979 95
1999 1803 99
2000 1764 98
2001 1793 104
2002 1920 96
2003 2216 99
2004 2341 113
2005 2413 126
2006 2526 129
2007 2720 141
2008 2868 148
2009 3045 154
2010 3309 172
 MODEL DISTRIBUSI LAG METODE ALT DAN TIBERGEN
Langkah 1 : buat model persamaan regresi sesuai beda kala yang
diinginkan dari variabel dependen
1.Model tanpa beda kala
Yt = α + β0 Xt + εt atau PDRB = α + β0 BDt + et
2.Model beda kala 1 tahun
Yt = α + β0 Xt + β1 Xt – 1 + εt atau PDRB = α + β0 BDt + β1 BDt - 1 + et
3.Model beda kala 2 tahun
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt – 2 + εt atau
PDRB = α + β0 BDt + β1 BDt - 1 + β2 BDt - 2 + et
4.Model beda kala 3 tahun
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt – 2 + β3 Xt – 3 + εt atau
PDRB = α + β0 BDt + β1 BDt - 1 + β2 BDt - 2 + β3 BDt - 3 + et

Langkah 2 : lakukan regresi menggunakan model langkah 1

Langkah 3 : penghentian melakukan regresi

Prosedur melakukan regresi berhenti kalau koefisien regresi dari variebel
beda kala sudah mulai tidak signifikan atau paling tidak satu variabel
bebas berubah tanda dari positif ke negatif atau sebaliknya
1. Model tanpa beda kala
Yt = α + β0 Xt + εt atau
PDRB = α + β0 BDt + et
Hasil perhitungan didapat persamaan regresi :
PDRB = 185,2843 + 18,11071BDt
Diketahui :
Nilai konstanta = 185,2843 bernilai positif, artinya tanpa BD maka PDRB ada
185,2843.
Nilai koefisien BD = 18,1107 bernilai positif, artinya belanja daerah mampu
meningkatkan PDRB sebesar 18,1107.
Dependent Variable: PDRB01
Method: Leas t Squares
Date: 02/16/23 Tim e: 22:04
Sam ple: 1996 2010
Included obs ervations : 15

Variable Coefficient Std. Error t-Statis tic Prob.

C 185.2843 167.6853 1.104953 0.2892

BD01 18.11071 1.403466 12.90427 0.0000

R-s quared 0.927585 Mean dependent var 2298.200

Adjus ted R-s quared 0.922014 S.D. dependent var 501.6455
S.E. of regres s ion 140.0891 Akaike info criterion 12.84600
Sum s quared res id 255124.3 Schwarz criterion 12.94041
Log likelihood -94.34500 Hannan-Quinn criter. 12.84499
F-s tatis tic 166.5202 Durbin-Wats on s tat 1.038365
Prob(F-s tatis tic) 0.000000
2. Model beda kala 1 tahun
Yt = α + β0 Xt + β1 Xt – 1 + εt atau
PDRB = α + β0 BDt + β1 BDt - 1 + et
Maka didapat persamaan regresi :
PDRB = 128,4030 + 20,05600BDt – 1,643743BDt – 1
Diketahui :
Nilai konstanta = 128,4030 bernilai positif, artinya tanpa BD t dan BDt – 1 maka PDRB ada
128,4030.
Nilai koefisien BD = 20,05600 bernilai positif, artinya BD t mampu meningkatkan PDRB sebesar
20,05600.
Nilai koefisien BD t – 1 = – 1,643743 bernilai negatif, artinya BDt – 1 menurunkan PDRB sebesar
1,643743.
Dependent Variable: PDRB01
Method: Leas t Squares
Date: 02/16/23 Tim e: 22:08
Sam ple (adjus ted): 1997 2010
Included obs ervations : 14 after adjus tm ents

Variable Coefficient Std. Error t-Statis tic Prob.

C 128.4030 208.8889 0.614695 0.5513

BD01 20.05600 6.710683 2.988668 0.0123
BD01(-1) -1.643743 7.768475 -0.211592 0.8363

R-s quared 0.932464 Mean dependent var 2326.929

Adjus ted R-s quared 0.920185 S.D. dependent var 507.6155
S.E. of regres s ion 143.4096 Akaike info criterion 12.95670
Sum s quared res id 226229.4 Schwarz criterion 13.09364
Log likelihood -87.69687 Hannan-Quinn criter. 12.94402
F-s tatis tic 75.93793 Durbin-Wats on s tat 1.232239
Prob(F-s tatis tic) 0.000000
3. Model beda kala 2 tahun
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt – 2 + εt atau
PDRB = α + β0 BDt + β1 BDt - 1 + β2 BDt - 2 + et
Maka didapat persamaan regresi :
PDRB = – 4,780807 + 19,14118BDt – 6,785391BDt – 1 + 7,552486BDt – 2
Diketahui :
Nilai konstanta = -4,780807 bernilai negatif, artinya tanpa BDt, BDt – 1 dan BDt – 2
maka PDRB turun 4,780807.
Nilai koefisien BDt = 19,14118 bernilai positif, artinya BDt mampu meningkatkan
PDRB sebesar 19,14118.
Nilai koefisien BDt – 1 = - 6,78539 bernilai negatif, artinya BDt – 1 mampu
menurunkan PDRB sebesar 6,78539.
Nilai koefisien BDt – 2 = 7,552486 bernilai positif, artinya BDt – 2 mampu
meningkatkan PDRB sebesar 7,552486.
Dependent Variable: PDRB01
Method: Leas t Squares
Date: 02/16/23 Tim e: 22:21
Sam ple (adjus ted): 1998 2010
Included obs ervations : 13 after adjus tm ents

Variable Coefficient Std. Error t-Statis tic Prob.

C -4.780807 248.1848 -0.019263 0.9851

BD01 19.14118 6.999400 2.734688 0.0230
BD01(-1) -6.785391 10.41749 -0.651346 0.5311
BD01(-2) 7.552486 8.323712 0.907346 0.3879

R-s quared 0.936639 Mean dependent var 2361.308

Adjus ted R-s quared 0.915519 S.D. dependent var 511.0972
S.E. of regres s ion 148.5540 Akaike info criterion 13.08743
Sum s quared res id 198614.5 Schwarz criterion 13.26126
Log likelihood -81.06832 Hannan-Quinn criter. 13.05170
F-s tatis tic 44.34768 Durbin-Wats on s tat 1.251051
Prob(F-s tatis tic) 0.000010
4. Model beda kala 3 tahun
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt – 2 + β3 Xt – 3 + εt atau
PDRB = α + β0 BDt + β1 BDt - 1 + β2 BDt - 2 + β3 BDt - 3 + et
Maka didapat persamaan regresi :
PDRB = – 216,0720 + 16,75450BDt – 4,414714BDt – 1 + 3,277818BDt – 2 +
6,531872BDt – 3

Diketahui :
Nilai konstanta = -216,0720 bernilai negatif, artinya tanpa BDt, BDt – 1 dan BDt – 2
serta BDt – 3 maka PDRB turun 216,0720.
Nilai koefisien BDt = 16,75450 bernilai positif, artinya BDt mampu meningkatkan
PDRB sebesar 16,75450.
Nilai koefisien BDt – 1 = - 4,414714 bernilai negatif, artinya BDt – 1 mampu
menurunkan PDRB sebesar 4,414714.
Nilai koefisien BDt – 2 = 3,277818 bernilai positif, artinya BDt – 2 mampu
meningkatkan PDRB sebesar 3,277818.
Nilai koefisien BDt – 3 = 6,531872 bernilai positif, artinya BDt – 3 mampu
meningkatkan PDRB sebesar 6,531872.
Dependent Variable: PDRB01
Method: Leas t Squares
Date: 02/16/23 Tim e: 22:38
Sam ple (adjus ted): 1999 2010
Included obs ervations : 12 after adjus tm ents

Variable Coefficient Std. Error t-Statis tic Prob.

C -216.0720 321.3334 -0.672423 0.5229

BD01 16.75450 7.685018 2.180151 0.0656
BD01(-1) -4.414714 11.13274 -0.396552 0.7035
BD01(-2) 3.277818 11.59066 0.282798 0.7855
BD01(-3) 6.531872 9.421812 0.693271 0.5105

R-s quared 0.943868 Mean dependent var 2393.167

Adjus ted R-s quared 0.911793 S.D. dependent var 520.1666
S.E. of regres s ion 154.4874 Akaike info criterion 13.21244
Sum s quared res id 167064.5 Schwarz criterion 13.41448
Log likelihood -74.27463 Hannan-Quinn criter. 13.13763
F-s tatis tic 29.42679 Durbin-Wats on s tat 1.042246
Prob(F-s tatis tic) 0.000180
5. Model beda kala 4 tahun
Yt = α + β0 Xt + β1 Xt – 1 + β2 Xt – 2 + β3 Xt – 3 + β4 Xt – 4 + εt atau
PDRB = α + β0 BDt + β1 BDt - 1 + β2 BDt - 2 + β3 BDt - 3 + β4 BDt - 4 + et
Dependent Variable: PDRB01
Method: Leas t Squares
Date: 02/16/23 Tim e: 22:43
Sam ple (adjus ted): 2000 2010
Included obs ervations : 11 after adjus tm ents

Variable Coefficient Std. Error t-Statis tic Prob.

C -361.8080 435.8205 -0.830177 0.4443

BD01 16.29065 8.190995 1.988849 0.1034
BD01(-1) -5.491719 11.75446 -0.467203 0.6600
BD01(-2) 4.767492 12.29305 0.387820 0.7141
BD01(-3) -1.852964 12.44262 -0.148921 0.8874
BD01(-4) 10.43759 10.28266 1.015067 0.3566

R-s quared 0.949089 Mean dependent var 2446.818

Adjus ted R-s quared 0.898177 S.D. dependent var 509.5435
S.E. of regres s ion 162.5935 Akaike info criterion 13.32284
Sum s quared res id 132183.3 Schwarz criterion 13.53987
Log likelihood -67.27560 Hannan-Quinn criter. 13.18603
F-s tatis tic 18.64202 Durbin-Wats on s tat 1.177057
Prob(F-s tatis tic) 0.003006

Model persamaan 1, 2, 3, 4 dan 5 digunakan oleh Alt dan Tinbergen, prosedurnya

berhenti kalau koefisien regresi dari variebel beda kala sudah mulai tidak signifikan
atau paling tidak satu variabel bebas berubah tanda dari positif ke negatif atau
sebaliknya, yaitu berhenti di model 4, karena BD t – 4 berubah dari positif pada
model 4 menjadi negatif pada model 5. (MODEL YANG DIPILIH)
KESIMPULAN : Untuk jangka panjang BD, BDt – 1, BDt – 2 dan BDt – 3 mampu
menaikkan PDRB sebesar 16,75450 – 4,414714 + 3,277818 + 6,531872 =
13,713459
 LANGKAH MENGGUNAKAN EVIEWS
MODEL DINAMIS DISTRIBUSI LAG
1. Buat file data dalam bentuk excel dan beri nama filenya.
2. Buka program eviews
3. Pilih file ..... new ...... Workfile : muncul kotak work file create :
- Pada work file strukture type pilih : DATED REGULAR FREQUENCY
- Pada kotak prequency : pilih ANNUAL.
- Pada kotak Star Date : isi 1996
- Pada kotak End Date : isi 2010 lalu KLIK OK
4. Pada kotak work file : UNTITLED isi : variabel yang diukur.
- KLIK Object ....... New Object...... Akan keluar kotak :Type of object ...... Pilih
SERIES
-Pada kotak NAME FOR OBJECT : isi variabel yang diukur : PDRB lalu OK dan
selanjutnya variabel BD lalu OK.
5. Mengkopi data caranya : Klik QUICK ....... EMPTY GROUP (EDIT SERIES) akan
muncul kotak GROUP : UNTITLED WORK FILE: UNTITLED:: \ kopi data satu
persatu dari EXCELL, YAITU : KLIK EDIT +/- PASTE dan seterusnya sampai
semua data terkopi.
6. KLIK QUICK ..... ESTIMATE EQUATION ........ Keluar kotak EQUATION
ESTIMATION lalu isi persamaan regresinya , satu persatu sbb :
- PDRB01 C BD01. Lalu OK
- PDRB01 C BD01 BD01(-1). Lalu OK
- PDRB01 C BD01 BD01(-1) BD01(-2). Lalu OK .
 METODE TRANSFORMASI KOYCK
PADA MODEL DINAMIS DISTRIBUSI LAG
 PERSAMAAN PENAKSIRAN METODE KOYCK
Yt = α (1 – C) + β0 Xt + CYt - 1 + Vt , dengan Vt = εt – Cε t - 1
Asumsikan bahwa Vt memenuhi semua asumsi klasik yang berkenaan
dengan faktor gangguan.
 Berdasarkan hasil perhitungan regresi beda kala (LAG) 3 tahun
persamaan 4 diatas diperoleh persamaan dugaannya dari trasformasi
Koyck adalah : (persamaan 5 tidak baik t – 3 negatif)
PDRBˆ = – 216,0720 + 16,75450BDt – 4,4147149BDt – 1 +
3,277818BDt – 2 + 6,531872BDt – 3
R2 = 0,943868
 Persamaan dinamisnya diperoleh dengan cara :
Cˆ = 6,531872
αˆ (1−Cˆ )= 216,0720 diperoleh αˆ = 217,072 atau (1- (- 216,0720)
β0ˆ = 16,75450
β1ˆ = β0ˆCˆ = (16,75450)(6,531872) = 109,43825
β2ˆ = β0ˆCˆ2 = (16,75450)(6,531872) 2 = 714,8366371
β3ˆ = β0ˆCˆ3 = (16,75450)(6,531872) 3 = 4669,221415
4 4
 Persamaan dinamis distribusi lag dugaannya adalah :
PDRBˆ = – 216,0720 + 16,75450BDt – 4,4147149BDt – 1 +
3,277818BDt – 2 + 6,531872BDt – 3
 Dengan model Koyck diperoleh pengaruh dari lag BD meningkat secara
geometris terhadap PDRB dalam jangka panjang.
 Berdasarkan model :
PDRBˆ = 217,072+16,754504BDt+109,43825BDt–1+ 714,8366371BD t–2
+ 4669,221415BDt–3 + 30498,75662BDt – 4 ................
Diketahui : bahwa nilai koefisien dari BDt – 1 bernilai positif yaitu sebesar
109,43825 dan berarti apabila belanja daerah naik sebesar 1 satuan
maka PDRB akan naik sebesar 109, 43825 satuan dstnya untuk nilai
koefisien lainnya.
IV. CONTOH PERHITUNGAN MODEL AUTOREGRESSIVE
TAHUN PENDAPATAN INVESTASI (X )
NASIONAL (Y)
1999 29 6,88
2000 49,6 3,77
2001 50,3 5,38
2002 52,8 8,67
2003 54,8 10,67
2004 60 14,15
2005 68,9 12,3
2006 76,5 12,3
2007 88,6 12,46
2008 87,3 16,83
2009 90,6 15,49
2010 93,1 16,94
2011 92,2 14,23
2012 94,2 15,43
2013 96,21 17,32
2014 99,23 19,1
2015 105,47 21,01
2016 107,11 22,67
1. Model Autoregressive adalah :
Yt = α0 + α1 Xt + α2 Yt – 1 + Vt
Persamaan pendapatan nasional dan investasi setelah di Lag
adalah :
Yt = 13,58200 + 0,135579 Xt + 0,855303 Yt – 1
Dependent Variable: PENDAPATAN01
Method: Least Squares
Date: 02/09/21 Time: 16:25
Sample (adjusted): 1999 2016
Included observations: 18 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 13.58200 3.444291 3.943336 0.0013
INVESTASI01 0.135579 0.526384 0.257567 0.8002
PENDAPATAN01(-1) 0.855303 0.106539 8.028075 0.0000
R-squared 0.962586 Mean dependent var 77.55111
Adjusted R-squared 0.957597 S.D. dependent var 22.99306
S.E. of regression 4.734718 Akaike info criterion 6.098733
Sum squared resid 336.2633 Schwarz criterion 6.247129
Log likelihood -51.88860 Hannan-Quinn criter. 6.119195
F-statistic 192.9584 Durbin-Watson stat 2.130825
Prob(F-statistic) 0.000000
2. Cara mendeteksi autokorelasi dalam model dinamis
autoregressive adalah dengan melukan pengujian sebagai berikut :

a. Hipotesis :
Ho : terdapat autokorelasi dalam autoregressive.
Ha : tidak terdapat autokorelasi dalam autoregressive.
b. α = 0.05
n
c. Statistik Uji : h = (1 – ½ d) ----------------------
1 – n {var (β2)2}

d. Kriteria Pengujian :
Ho ditolak jika : hhitung > h tabel
Ha diterima jika : h hitung < h tabel

NB : d = nilai Durbin-Watson statistik

β2 = nilai standar error variabel pendapatan t – 1
h tabel = t tabel
3. Perhitungan :
18
Statistik Uji : h = (1 – ½ (2,130825)) --------------------------
1 – 18 (0,106539)2
= - 0,264399

4. Nilai htabel = (0,05, 18) = 1,734 (lihat pada tabel t statistik)

5. Kesimpulan :
Karena hhitung = - 0,264399 < h tabel = 1,734, maka Ha diterima, sehingga
dapat disimpulkan tidak ada autokorelasi dalam persamaan dinamis
Autoregressive.
6. Pada model terlihat bahwa :
a. Koefisien regresi pada variabel investasi bertanda positif, berarti ada
hubungan investasi dengan pendapatan nasional. Semakin besar
investasi maka pendapatan nasional juga semakin besar.
b. Koefisien regresi pada variabel pendapatant −1 bertanda positif, berarti
ada hubungan antara pendapatan nasional tahun sekarang dan
pendapatan nasional tahun sebelumnya. Semakin besar pendapatan
nasional tahun sebelumnya maka pendapatan nasional tahun
sekarang semakin besar.
 LANGKAH MENGGUNAKAN EVIEWS
1. Buat file data dalam bentuk excel dan beri nama filenya.
2. Buka program eviews
3. Pilih file ..... new ...... Workfile : muncul kotak work file create :
- Pada work file strukture type pilih : DATED REGULAR FREQUENCY
- Pada kotak prequency : pilih ANNUAL.
- Pada kotak Star Date : isi 1998
- Pada kotak End Date : isi 2010 lalu KLIK OK
4. Pada kotak work file : UNTITLED isi : variabel yang diukur.
- KLIK Object ....... New Object...... Akan keluar kotak :Type of object ...... Pilih
SERIES
-Pada kotak NAME FOR OBJECT : isi variabel yang diukur : PENDAPATAN
lalu OK dan selanjutnya variabel INVESTASI lalu OK.
5. Mengkopi data caranya : Klik QUICK ....... EMPTY GROUP (EDIT SERIES)
akan muncul kotak GROUP : UNTITLED WORK FILE: UNTITLED:: \ kopi data
satu persatu dari EXCELL, YAITU : KLIK EDIT +/- PASTE dan seterusnya
sampai semua data terkopi.
6. KLIK QUICK ..... ESTIMATE EQUATION ........ Keluar kotak EQUATION
ESTIMATION lalu isi persamaan regresinya sbb :
- PENDAPATAN01 C INVESTASI01 PENDAPATAN01(-1) . Lalu OK . Keluar
output.
 IV. LATIHAN KASUS
TAHUN PDRB Pajak Daerah (PD)
1995 1.693.983 1.145.223
1996 1.743.200 1.210.441
1997 1.780.141 1.255.241
1998 3.488.539 2.376.480
1999 3.670.900 2.654.000
2000 4.112.223 2.890.954
2001 4.858.509 3.397.220
2002 7.415.703 3.412.650
2003 9.742.261 5.435.501
2004 11.916.239 6.459.699
2005 13.096.616 7.497.677
2006 14.026.882 7.565.420
2007 13.520.002 8.589.000
2008 15.298.543 9.624.243
2009 15.728.762 9.721.700
2010 41.680.147.812 10.798.000

Dengan menggunakan data di atas tentukan bagaimana pengaruh

peningkatan PDRB TERHADAP penerimaan pajak Serta apa analisis
anda. Adapun model yang digunakan adalah :
PD = α + β0 PDRBt + β1 PDRBt - 1 + ......... + et (distribusi lag)
PD = α0 + α1 PDRBt + α2 PDt - 1 + α3 PDt - 2 + et (autoregressive)