EKONOMETRIKA I

SIFAT DASAR REGRESI

feb.unsoed.ac.id
 CONTENTS

Sifat Analisis Regresi

1 Apa maksud dari regresi, mengapa regresi lebih dikenal dengan regression to mean.

Regresi, Kausalitas, dan Korelasi

2 Apakah regresi sama dengan kausalitas, dan korelasi?

Jenis dan Sumber Data

3 Apa saja jenis data yang dapat dianalisis oleh regresi?

feb.unsoed.ac.id
 REGRESI

• Sejarah regresi dimulai dari ide Francis Galton.

Ia mengatakan bahwa orang tua yang tinggi akan mempunyai kecenderungan anak yang tinggi pula,
sedangkan orang tua yang pendek mempunyai kecenderungan anak yang pendek pula.

feb.unsoed.ac.id
 REGRESI DUA VARIABEL

• Misalnya ada peneliti ingin tahu mengenai hubungan antara besarnya Pengeluaran
Konsumsi Keluarga Per Minggunya (Y) dengan tingkat Pendapatan mingguannya
(X).
• Ia bertanya kepada sebanyak 60 keluarga (asumsikan ini adalah populasinya).
• Lalu dia mengelompokkan ke 60 keluarga itu berdasarkan tingkat pendapatannya.

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X) Dalam Rp000

80 100 120 140 160 180 200 220 240 260

SUMSI MINGGUAN
(Y) dalam Rp000

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)

80 100 120 140 160 180 200 220 240 260

SUMSI MINGGUAN

55 65 79 80 102 110 120 135 137 150

60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
(Y)

75 85 98 108 118 135 145 157 175 180

88 113 125 140 160 189 185

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)

80 100 120 140 160 180 200 220 240 260

ONSUMSI MINGGUAN

55 65 79 80 102 110 120 135 137 150

60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
75 85 98 108 118 135 145 157 175 180
(Y)

88 113 125 140 160 189 185

feb.unsoed.ac.id
 250
POPULATION
200
REGRESSION LINE (PRL)
WEEKLY CONSUMPTION

150

100

50

0
60 80 100 120 140 160 180 200 220 240 260

WEEKLY INCOME LEVEL

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)
KONSUMSI MINGGUAN
(Y)

80 100 120 140 160 180 200 220 240 260

RATA-RATA feb.unsoed.ac.id
 200

WEEKLY CONSUMPTION 180

160 (260,173)
(240,161)
140 (220,149)
120
(200,137)
(180,125)
100 (160,113)
(140,101)
80
(120,89)
(100,77)
60
(80,65)
40

20

0
60 80 100 120 140 160 180 200 220 240 260 280

WEEKLY INCOME LEVEL

feb.unsoed.ac.id
 200

180

160
WEEKLY CONSUMPTION

Garis Regresi
140

120
Makin tinggi tingkat pendapatan
rumah tangga, makin besar
100
konsumsi rumah tangga secara
80
rata-rata.

60 Inilah yang disebut dengan

regresi
40

20

0
60 80 100 120 140 160 180 200 220 240 260 280

WEEKLY INCOME LEVEL

feb.unsoed.ac.id
 250
WEEKLY CONSUMPTION

200

150

100

50

0
60 80 100 120 140 160 180 200 220 240 260

WEEKLY INCOME LEVEL

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)

80 100 120 140 160 180 200 220 240 260

ONSUMSI MINGGUAN

55 65 79 80 102 110 120 135 137 150

60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
75 85 98 108 118 135 145 157 175 180
(Y)

88 113 125 140 160 189 185

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)

80 100 120 140 160 180 200 220 240 260

KONSUMSI MINGGUAN

55 65 79 80 102 110 120 135 137 150

60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
(Y)

75 85 98 108 118 135 145 157 175 180

88 113 125 140 160 189 185

feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)
KONSUMSI MINGGUAN
(Y)

80 100 120 140 160 180 200 220 240 260

Conditional value of Y with given

value of X.
E(Y|Xi) 65 77 89 101 113 125 137 149 161 173
Sering disebut dengan
Conditional Mean
feb.unsoed.ac.id
 TINGKAT PENDAPATAN MINGGUAN
(X)
KONSUMSI MINGGUAN
(Y)

80 100 120 140 160 180 200 220 240 260

E(Y|Xi) = F(Xi)
Besarnya conditional mean, berbeda-beda untuk tiap X
E(Y|X
Untuk X samai) dengan65 77 E(Y|X
100, maka 89i) adalah
10177 113 125 137 149 161 173
Untuk X sama dengan 260, maka E(Y|Xi) adalah 173

feb.unsoed.ac.id
 REGRESI, KAUSALITAS & KORELASI

• Regresi dalam pengertian modern:

 Studi bagaimana variabel dependen dipengaruhi oleh satu atau lebih dari variabel independen dengan
tujuan untuk mengestimasi dan atau memprediksi nilai rata-rata variabel dependen didasarkan pada nilai
variabel indenpen yang diketahui.

• Analisis regresi yang menjelaskan hubungan antara variabel dependen dan variabel
independen berkaitan erat dengan hubungan yang bersifat statistik, bukan hubungan
yang pasti.
 Hubungan bersifat statistic istilahnya adalah random atau stochastic.

feb.unsoed.ac.id
 REGRESI, KAUSALITAS & KORELASI

• Regresi:
menunjukkan hubungan satu arah yaitu dari variabel independen ke variabel dependen.
• Kausalitas:
menunjukkan hubungan dua arah, sebab-akibat.
• Korelasi:
menunjukkan derajat asosiasi atau keeratan hubungan antara satu variabel dengan variabel lainnya.

Correlation does not imply causation” atau “korelasi tak selalu berarti kausalitas”.

feb.unsoed.ac.id
 TIPE DATA

• Ada tiga tipe data yang biasa digunakan dalam analisis ekonometrika.
Time series Cross-Section
Individual Y X1 X2
1. Analisis Data time series melihat pada
satu individu (individu bisa negara, Y X1 X2 i1 i2 i3 i1 i2 i3 i1 i2 i3
propinsi, kabupaten, orang, perusahaan, t … … … … … … … … …
masyarakat) dan melihat perilakunya di t1 … … … Keterangan
berbagai waktu
Y Variabel Dependent
2. Analisis data cross-section melihat t2 … … …
perilaku beberapa individu pada satu X1 Variabel Indpenden/Penjelas/Regressor
waktu t3 … … … X2 Variabel Indpenden/Penjelas/Regressor

t Waktu
tn … … …
i individu

feb.unsoed.ac.id
 Data PDB Indonesia DATA TIME SERIES (SERIAL WAKTU)
PDB Menurut Migas &
PDB (dalam Rupiah)
Nonmigas Satu individu
Antar Waktu
Migas Non Migas Data Kredit, Aset, dan Modal
Perbankan di Indonesia
1995 Trw. 1 92563.4 8507.7 84055.7 Loan (Billion Rupiah)
Trw. 2 94340.3 8269.7 86070.6 Total Loan Total Asset Capital
Year Month (Billion (Billion (Billion
Trw. 3 98293.8 8353.2 89940.6 Modal Kerja Investasi Konsumsi
Rupiah) Rupiah) Rupiah)
Trw. 4 98595.4 8371.8 90223.6
Total 383792.9 33502.4 350290.5 2018 Januari 824,512 514,162 561,507 1,900,181 2,883,344 440,248
1996 Trw. 1 97874.9 8684.3 89190.6 Februari 821,505 510,379 570,340 1,902,224 2,895,276 438,195
Trw. 2 100634.7 8494.3 92140.4 Maret 848,090 519,864 585,265 1,953,219 2,923,580 422,434
Trw. 3 106561.9 8739.4 97822.5 April 856,612 523,410 583,513 1,963,535 2,912,388 419,737
Trw. 4 108726.3 9008.5 99717.8 Mei 894,987 528,919 596,471 2,020,377 3,001,854 423,971
Total 413797.8 34926.5 378871.3 Juni 921,467 537,560 606,922 2,065,949 3,055,022 428,701
Juli 913,696 546,746 613,314 2,073,756 3,026,317 435,323
1997 Trw. 1 105261.1 8667.9 96593.2
Agustus 911,042 567,092 617,369 2,095,503 3,068,242 439,567
Trw. 2 105867.1 8523.9 97343.2
September 947,561 558,905 623,106 2,129,572 3,130,413 447,552
Trw. 3 112212.7 8568.2 103644.5
Oktober 959,220 570,666 632,159 2,162,045 3,178,335 451,064
Trw. 4 109905 8809.9 101095.1 November 962,478 557,150 639,889 2,159,517 3,213,470 460,095
Total 433245.9 34569.9 398676
1998 Trw. 1 100535.7301 8789.297 91746.4331

feb.unsoed.ac.id
 Indeks Harga Konsumen dan Inflasi Bulanan Indonesia,
2005, 2006, 2007, Jan-Mei 2008 ( 2002=100 ), Juni 2008 - Desember 2013 ( 2007 = 100 ), Januari 2014 - Desember 2018 (2012=100),

Januari 2019 (2012=100)

Bulan
2015 2016 2017 2018 2019
Jenis
IHK Inflasi IHK Inflasi IHK Inflasi IHK Inflasi IHK Inflasi
Januari 118.71 -0.24 123.62 0.51 127.94 0.97 132.10 0.62 135.83 0.32
Data
Februari

Maret
118.28
118.48
-0.36
0.17
123.51
123.75
-0.09
0.19
128.24
128.22
0.23
-0.02
132.32
132.58
0.17
0.20
apakah
April 118.91 0.36 123.19 -0.45 128.33 0.09 132.71 0.10 ini?
Mei 119.50 0.50 123.48 0.24 128.83 0.39 132.99 0.21

Juni 120.14 0.54 124.29 0.66 129.72 0.69 133.77 0.59

Juli 121.26 0.93 125.15 0.69 130.00 0.22 134.14 0.28

Agustus 121.73 0.39 125.13 -0.02 129.91 -0.07 134.07 -0.05

September 121.67 -0.05 125.41 0.22 130.08 0.13 133.83 -0.18

Oktober 121.57 -0.08 125.59 0.14 130.09 0.01 134.2 0.28

November 121.82 0.21 126.18 0.47 130.35 0.2 134.56 0.27

Desember 122.99 0.96 126.71 0.42 131.28 0.71 135.39 0.62

Tingkat Inflasi 3.35 3.02 3.61 3.13 0.32

feb.unsoed.ac.id
 DATA CROSS SECTION

2017 Kuartal I
Satu waktu
Astra Argo Lestari Mahaka Media Asuransi Bina Dana Arta
Kas dan Setara Kas 577,828,000,000 22,523,431,503 1,107,364,055,000 Antar Individu

Persediaan 2,576,331,000,000 6,011,208,275 -

Fixed Asset (minus
10,161,436,000,000 62,472,416,481 91,056,075,000
depresiasi)

feb.unsoed.ac.id
DAFTAR NILAI MAHASISWA MK PENGANTAR ILMU EKONOMI
KELAS HUBUNGAN INTERNASIONAL FISIP
SEMESTER GANJIL 2018/2019
NILAI KOMPONEN
NO NIM NAMA MAHASISWA PRK TUG UAS UTS Angka Huruf
15% 15% 35% 35%
1 F1F015004 YOGI HARISMAWAN 81.25 80 76 80 78.788 AB
2
3
F1F015011
F1F015018
RIDHO CHEISAR DIPO
PILARI AGEMANATI KRISNASAPUTRI
81.667
82.5
80
80
66
76
60 68.35 BC
90 82.475 A Jenis
4 F1F015019 ZAENAL ABIDIN ABDURROCHMAN 80.417 80 74 63 72.013 B
5
6
F1F015022
F1F015025
CHRISTIAN SATRIA LADO DJAMI
HAMMAM MUJADID
79.583
83.75
80
80
82
82
87 83.088 A
77 80.213 A
Data
7
8
F1F015028
F1F015029
ESTERINA MAYRETHA JESSICA
DHIAN MARYANA PUJI ASTUTI
85
82.5
80
80
0
60
0 24.75 E
62 67.075 BC apakah
9 F1F015031 FAISHAL IHSAN 85.625 80 82 70 78.044 AB
10
11
F1F015034
F1F015038
NIORA WIDYA RAHMA 82.5
RAKA YUDISTIRA KSATRIA KINASIH 81.667
80
80
86
63
61 75.825 AB
60 67.3 BC
ini?
12 F1F015041 IVONIA REIGITA SHANDY 81.25 80 88 68 78.788 AB
13 F1F015043 NAUFAL RAFI 81.667 80 87 70 79.2 AB
14 F1F015051 SAFIRA NOVIA SAFITRY 82.917 80 80 75 78.688 AB
15 F1F018001 NURDIANTY ANANDA PUTERI 82.083 80 84 70 78.213 AB
16 F1F018002 DITA SITI NURMEILANI 83.333 80 79 60 73.15 B
17 F1F018003 IRMAN MAULANA PAMUNGKAS 84.583 80 85 90 85.938 A
18 F1F018004 VIQRA RAHMATILLAH BUDININGTYAS 85 80 92 70 81.45 A
19 F1F018005 DEA CHANTICA RACHMAH SARI 85 80 79 70 76.9 AB
20 F1F018006 SATYA MUHAMMAD SUTRA 84.167 80 91 70 80.975 A
21 F1F018007 ISNAINI KHOLIFATU ROHMAH 84.167 80 84 70 78.525 AB
22 F1F018008 NISRINA ANINKA 83.75 80 81 77 79.863 AB
23 F1F018009 DINDA FITRI MILLENYA 83.333 80 83 70 78.05 AB
24 F1F018010 MUHAMMAD JIZDAN CAHYO PUTRA 82.5 80 84 90 85.275 A
25 F1F018011 AFRIZAL YORDHAN 81.667 80 84 55 72.9 B

feb.unsoed.ac.id
 TIPE DATA

• Ada tiga tipe data yang biasa digunakan dalam analisis ekonometrika.

3. Analisis data panel, melihat pada perilaku beberapa Y X1 X2

individu di berbagai waktu.
i1 i2 i3 i1 i2 i3 i1 i2 i3
Dengan demikian analisis ini tentu memberikan t1 … … … … … … … … …
estimasi lebih banyak daripada kedua analisis
sebelumnya karena memadukan kedua analysis waktu t1 … … … … … … … … …
dan individu secara bersamaan. Benarkah demikian?
t1 … … … … … … … … …

feb.unsoed.ac.id
 DATA PANEL
Data Keuangan Perusahaan di Kabupaten Banyumas
Utang

No Perusahaan Tahun Kas dan Setara Kas Persediaan Fixed Asset (minus depresiasi) Total Asset Utang Jangka Utang Jangka
Panjang Pendek

1 Astra Argo Lestari 2017: q1 577,828,000,000 2,576,331,000,000 10,161,436,000,000 25,180,273,000,000 2,067,840,000,000 4,679,677,000,000

2017:q2 511,485,000,000 2,211,302,000,000 10,184,813,000,000 24,626,236,000,000 2,658,548,000,000 4,069,147,000,000

2017:q3 388,510,000,000 2,139,938,000,000 10,146,919,000,000 24,955,398,000,000 641,131,000,000 6,316,033,000,000
2017:q4 262,292,000,000 2,018,104,000,000 10,152,225,000,000 24,935,426,000,000 4,089,571,000,000 2,309,417,000,000
2 Mahaka Media 2017:q1 22,523,431,503 6,011,208,275 62,472,416,481 420,907,425,278 141,867,365,004 102,649,904,604
2017:q2 25,536,442,269 6,717,679,764 44,237,494,703 456,853,407,167 141,963,692,101 153,121,983,782
2017:q3 25,312,592,250 5,212,149,819 42,020,526,039 447,899,833,176 144,884,094,846 151,520,274,589
2017:q4 47,561,973,397 4,666,523,931 40,083,739,716 428,225,997,056 187,037,376,113 122,425,613,582
3 Kuat Enterprise 2017:q1 28,000,000 331,000,000 436,000,000 180,273,000,000 67,840,000,000 9,677,000,000

2017:q2 85,000,000 302,000,000 813,000,000 626,236,000,000 58,548,000,000 9,147,000,000

2017:q3 100,000,000 938,000,000 919,000,000 955,398,000,000 41,131,000,000 6,033,000,000
2017:q4 292,000,000 1,104,000,000 1,225,000,000 935,426,000,000 89,571,000,000 9,417,000,000

Antar individu Antar Waktu

feb.unsoed.ac.id
 ALAT PANCING (1 = Pendidikan (1 =
Jumlah
NAMA NELAYAN TAHUN PENDAPATAN cantrang, 0 = non lulus SMP 0 =
Anak
cantrang) tidak sekolah)
Jarwo 2017
2018
1,000,000
1,500,000
1
1
0
0
2
3
Jenis
2019 1,750,000 1 0 3 Data
Kuat 2017 900,000 0 1 2
2018 1,250,000 0 1 3 apakah
satrio
2019
2017
1,500,000
600,000
0
1
1
0
3
4
ini?
2018 750,000 1 0 4
2019 1,000,000 1 0 4

feb.unsoed.ac.id
 TERIMA KASIH

creating a better future

Jl. Prof. Dr. H.R. Boenyamin No.708, Grendeng,

Dukuhbandong, Grendeng, Kec. Purwokerto Utara,
Kabupaten Banyumas, Jawa Tengah 53122