BAB I PENDAHULUAN 1.

1 Tinjauan Pustaka Gula adalah salah satu komoditas pertanian yang telah ditetapkan Indonesia sebagai komoditas khusus (special products) dalam forum perundingan Organisasi Perdagangan Dunia (WTO), bersama beras, jagung dan kedelai. Dengan pertimbangan utama untuk memperkuat ketahanan pangan dan kualitas hidup di pedesaan, Indonesia berupaya meningkatkan produksi dalam negeri, termasuk mencanangkan target swasembada gula, yang sampai sekarang belum tercapai. Pada 2002, target swasembada gula pernah dicanangkan untuk tercapai pada 2007. Kemudian diundur menjadi tahun 2008, lalu mundur lagi menjadi 2009, walaupun dengan catatan swasembada hanya untuk gula konsumsi masyarakat alias gula putih, dan bukan gula untuk industri. Apakah kelak, akan diubah mundur lagi menjadi 2010 karena target produksi 2,80 juta tidak tercapai, dan tingkat konsumsi langsung juga naik menjadi lebih tinggi dari 2,7 juta ton. Fenomena serupa juga terjadi pada kedelai, dengan target swasembada yang terus dimundurkan dari 2008, lalu 2010 sampai 2015. Produksi gula di dalam negeri makin tidak mampu memenuhi kebutuhan konsumsi, sehingga impor gula sejak awal 1990 terus meningkat dari tahun ke tahun. Pada tahun 2001, impor gula meningkat menjadi 1,5 juta ton atau sekitar 50 persen dari kebutuhan dalam negeri. Angka ketergantungan impor telah mencapai 47 persen/tahun selama periode 1998- 2002 (Sawit et al., 2003), suatu kenaikan yang pesat dibandingkan dengan tahun-tahun sebelum liberalisasi radikal industri gula pada tahun 1998. Kemelut pengelolaan impor gula di dalam negeri terus berlangsung sejak 1998. Berbagai cara telah dipakai untuk mengatasi penyelundupan gula, baik melalui instrument NPIK (Nomor Pengenal Importir Khusus), pengawasan ketat (jalur merah) sampai penerapan kuota impor. Kuota impor gula putih hanya diberikan kepada importir terdaftar atau IT Gula yang memenuhi syarat, terutama penyerapan tebu rakyat lebih dari 75 persen.

1.2 Tujuan a. Mengetahui hubungan ketergantungan antara variable bebas yang satu dengan variable bebas yang lain. b. Mengestimasi parameter yang dicari dari suatu model yang telah tersedia, dimana metode ini digunakan khusus untuk persamaan yang bersifat over identified

Ilham Nugroho 0910440101

BAB II METODE

2.1 Teori Data Time Series Metode Time Series berhubungan dengan nilai-nilai suatu variabel yang diatur secara periodesasi sepanjang periode waktu dimana prakiraan permintaan diproyeksikan. Misalnya mingguan, bulanan, kwartalan, dan tahunan, tergantung keinginan dari pihak-pihak yang melakukan prakiraan permintaan ini. Metode ini semata-mata mendasarkan diri pada data dan keadaan masa lampau. Jika keadaan di masa yang akan datang cukup stabil dalam arti tidak banyak perubahan yang berarti dengan keadaan masa lampau, metode ini dapat memberikan hasil peramalan yang cukup akurat. (Aziz, 2002). Data deret waktu adalah data yang disusun berdasarkan urutan waktu atau data yang dikumpulkan dari waktu ke waktu. (Arfiani, 2010) Metode runtun waktu (Time series method) atau disebut juga metode deret waktu atau deret berkala menggambarkan berbagai gerakan yang terjadi pada sederetan data pada waktu tertentu (Yamit, 2007). Data urutan waktu ialah data statistik yang mencerminkan keadaan atau perkembangan mengenai sesuatu hal, dari satu waktu ke waktu yang lain. (Svhong, 2010) 2.2 Metode 2 SLS (Metode Kuadrat Terkecil 2 Tahap) Merupakan suatu metode yang digunakan untuk estimasi parameter suatu persamaan struktural yang estimasinya memiliki lebih dari satu nilai (over identified). (Gujarati, 2006) Metode 2SLS digunakan untuk memperoleh nilai parameter struktural pada persamaan yang teridentifikasi berlebih. Metode ini dapat diterapkan pada suatu sistem persamaan individu dalam sistem tanpa memperhitungkan persamaan lain secara langsung dalam sistem. Metode pengoperasian 2SLS dalam SPSS adalah sebagai berikut: 1. Menguji RANK CONDITION Siapkan data yang ada di Excel. Copy data pada lembar SPSS. Ubah variabel view sesuai dengan jeterangan yang ada. Perhatikan model yang telah ditentukan untuk dicari. Mulai untuk menganalisis: Klik Analyze, kemudian Regresi, lalu klik 2 SLS. Masukan masing-masing variabel sesuai perannya. Klik Option, Centang Predicted, Klik Continue. Lanjutkan ke OK.
Ilham Nugroho 0910440101 2

 Akan tampil hasil SPSS. Interpretasikan. Ulangi untuk persamaan berikutnya (2 dan 3). 2. Menguji VALIDITAS Klik Analyze Klik Descriptive Statistic Masukan variabel endogen dan variabel yang diprediksi (hasil SPSS yang diperoleh) Klik Statistic Centang Mean Klik Continue Klik OK. Maka, akan tampil hasil SPSS yang menunjukan mean (validitas). 3. Menguji VALIDITAS menggunakan EXCEL Isi masing-masing kolom pada worksheet Koefisien sesuai dengan variabel yang ada. Maka secara otomatis akan muncul hasil perhitungan pada worksheet prediksi. Kemudian masukan hasil prediksi dan actual di worksheet validasi. Bandingkan data keduanya. 2.3 Teori Persamaan Simultan Persamaan simultan merupakan persamaan dua arah antara variabel X (bebas) dengan beberapa variabel X yang lain. Persamaan simultan ini menggambarkan hubungan ketergantungan antara variabel bebas yang satu dengan yang lain. Ciri dari persamaan simultan adalah variabel dependen dari suatu persamaan, bias menjadi variabel bebas dari persamaan yang lain dalam satu system atau model. Istilah dalam persamaan simultan antara lain: 1. Persamaan Struktural/Perilaku: a. Struktur atau perilaku dari fenomena ekonomi yang diamati. b. Perilaku variabel endogen terhadap perubahan-perubahan variabel penjelas pada persamaan yang bersangkutan 2. Persamaan Identitas: a. Persamaan yang tidak dpt menunjukkan perilaku variabel endogen. b. Dibentuk oleh perkalian, pembagian, penambahan atau pengurangan beberapa variabel. 3. Persamaan Direduksi (reduced-form equation): a. Persamaan dimana variabel endogen hanya dipengaruhi variabel predetermined dan gangguan stochastic. 4. Variabel Endogen: a. Variabel yang nilainya akan ditentukan melalui model. b. Variabel yang dipengaruhi oleh dan mempengaruhi variabel lain

Ilham Nugroho 0910440101

5. Variabel Predetermined (eksogen dan lag endogen): a. Variabel yang nilainya ditetapkan sebelumnya, tidak melalui model. b. Variabel yang hanya menpengaruhi variabel lain. Tujuan dari identifikasi model adalah mengidentifikasi model sebelum dilakukan estimasi. Artinya untuk mengetahui apakah estimasi parameter dapat dilakukan melalui persamaan reduced-form dari sistem persamaan simultan. Dalam persamaan simultan ini, terdapat tiga kemungkinan hasil yang diperoleh, yaitu: a. Persamaan Teridentifikasi (unidentified) jika estimasi parameter tidak dapat dilakukan melalui persamaan reduced-form. b. Persamaan Teridentifikasi (identified) jika estimasi parameter dapat dilakukan melalui persamaan reduced-form dari sistem persamaan simultan. Teridentifikasi Tepat (just identfied), Jika masing-masing nilai parameter bersifat unik (hanya mempunyai satu nilai) Teridentifikasi Berlebih (over identified) Jika nilai parameter mempunyai lebih dari satu nilai.

Ilham Nugroho 0910440101

2.4 Diagram Alur SPSS

Analyze Regression Two-Stage Least Square Descriptive Analitic

Model 1 Dt
Dependent : Dt

Model 2 PRODGt
Dependent : PRODGt

Model 3 PDGt
Dependent : PDGt

Masukkan variabel endogen dan prediksi

Explanatory : POPt, It, PDGt, Dt-1

Explanatory : PDGt, Lt, PDVt

Explanatory : PWGt, NTt, IMGt, PDGt-1

Statistic

Instrumentals : POPt, It, Dt-1, Lt, PDVt, PWGt, NTt, IMGt, PDGt-1

Instrumentals : POPt, It, Dt-1, Lt, PDVt, PWGt, NTt, IMGt, PDGt-1

Instrumentals : POPt, It, Dt-1, Lt, PDVt, PWGt, NTt, IMGt, PDGt-1

Mean

Options Predicted continue

Options Predicted continue

Options Predicted continue

Continue

OK

OK

OK

OK

Interpretasikan dengan Uji R square, Multiple R, Uji F dan Uji T

Interpretasikan dengan Uji R square, Multiple R, Uji F dan Uji T

Interpretasikan dengan Uji R square, Multiple R, Uji F dan Uji T

Interpretasi

Ilham Nugroho 0910440101

BAB III HASIL DAN PEMBAHASAN 3.1 Identifikasi Order Condition Sebelumnya untuk asumsi model apakah over identified, exactly identified, dan under identified digunakan syarat sebagai berikut : (K-k) > (m-1) maka Over Identified (K-k) = (m-1) maka Exactly Identified (K-k) < (m-1) maka Under Identified Diketahui persamaan sebagai berikut 1. Dt = 0 + 1 POPt + 2 It + 3 PDGt + 4 Dt1 2. PRODGt = 0 + 1 PDGt + 2 LLt + 3 PDVt 3. PDGt = 0 + 1 PWGt + 2 NTt + 3 IMGt + 4 PDGt1 Persamaan K k m Keterangan 13 5 4 = 8 > 4, maka Over Identified dimana (K-k) > (m-1) 1 13 4 4 = 9 > 4, maka Over Identified dimana (K-k) > (m-1) 2 13 5 4 = 8 > 4, maka Over Identified dimana (K-k) > (m-1) 3 Keterangan : K = semua variable yang ada di dalam model k = variable yang terdapat pada masing-masing model m = jumlah persamaan Berdasarkan analisis tersebut, maka dalam penelitian yang didapatkan order condition berupa Over Identified, hal ini dikarenakan pada model nilai (K-k) > (m-1). 3.2 Susunan Model Persamaan Model 1 dt = 0 + 1POPt + 2It + 3PDGt + 4Dt-1 Model 2 PRODGt = 0 + 1PDGt + 2Lt + 3PDVt Model 3 PDGt = 0 + 1PWGt + 2NTt + 3IMGt + 4PDGt-1

3.3 Harapan Tanda Koefisien Dengan Kesesuaian Teori

Persamaan 1

Variabel Dt POPt It

Tanda Harapan Analisis + + + + + _

Keterangan

Sesuai, karena populasi yang meningkat akan meningkatkan permintaan. Tidak sesuai karena menurut teori, jika pendapatan naik maka permintaan akan naik.

Ilham Nugroho 0910440101

PDGt Dt-1 2 PRODGt PDGt Lt PDVt 3 PDGt PWGt Nt

_ + + _ + + + + +

_ + + + _ + + + +

Sesuai, karena jika harga gula domestik rendah maka permintaan akan meningkat. Permintaan sebelumnya mempengaruhi permintaan tahun ini.

Tidak sesuai karena harga gula domestik tinggi produksi gula akan rendah. Tidak sesuai karena sesuai teori luas lahan yang tinggi akan meningkatkan produksi gula. Sesuai karena produktivitas gula sangat mempengaruhi produksi gula.

Sesuai karena harga gula dunia berpengaruh pada harga domestik gula. Sesuai karena nilai tukar yang tinggi akan berpengaruh pada peningkatan harga domestik gula. Sesuai, karena jika impor rendah maka harga domestik gula rendah. Sesuai karena harga domestik gula tahun lalu mempengaruhi harga domestik gula tahun ini.

IMGt PDGt-1

_ +

_ +

3.4 Uji R2 , Uji F, Uji t, Multiple R dan Intrepetasi Data Persamaan 1

Model Summary Equation 1 Multiple R R Square Adjusted R Square Std. Error of the Estimate .754 .569 .461 407810.695

Berdasarkan data di atas, diketahui nilai R Square sebesar 0,569 berarti variablevariabel pre determined berupa, jumlah penduduk, pendapatan, harga gula domestic dan permintaan gula pada tahun sebelumnya, mampu menjelaskan produksi gula sebesar 56,9% sedangkan sisanya dijelaskan oleh variable lain. Dan nilai Adjust.R sebesar 0,461.

Ilham Nugroho 0910440101

Diketahui pula nilai Multiple R diketahui sebesar 0,754. Hal ini berarti besarnya kesesuaian antara data observasi dengan data prediksi sebesar 0,754.
ANOVA Sum of Squares Equation 1 Regression Residual Total 3.510E12 2.661E12 6.171E12 Df 4 16 20 Mean Square 8.774E11 1.663E11 F 5.276 Sig. .007

Pada uji F Anova diketahui nilai uji F sebesar 5.276 dengan tingkat signifikasi 0,007. Nilai uji f > dari nilai tingkat signifikan (ketetapan nilai signifikan adalah = 0,05), dalam hal ini model berpengaruh secara signifikan.
Coefficients Unstandardized Coefficients B Equation 1 (Constant) POPt It PDGt Dt1 -6.009E6 63.212 -6.449 -786.267 .290 Std. Error 3155699.191 25.613 4.134 348.899 .183 2.266 -.429 -2.040 .342 Beta T -1.904 2.468 -1.560 -2.254 1.584 Sig. .075 .025 .138 .039 .133

Pada uji T diketahui nilai t sebesar -1,904. Sedangkan nilai signifikasinya 0,075. Jika nilai uji t < dari tingkat signifikasi maka H0 ditolak dan parameter 0 maka variable baik. Pada table dapat diketahui nilai uji t < dari tingkat signifikan maka variable baik dan sesuai pada model. Persamaan 2
Model Summary Equation 1 Multiple R R Square Adjusted R Square Std. Error of the Estimate .751 .563 .486 198533.192

Ilham Nugroho 0910440101

Diketahui dari data di atas, bahwa pada table didapatkan nilai R square 0,563. Maka hal ini berarti variable-variabel predetermined berupa,harga gula domestic, luas lahan tebu, dan produktivitas gula, mampu menjelaskan permintaan gula sebesar 56,3% sedangkan sisanya dijelaskan oleh variable lain. Dan nilai Adjust.R sebesar 0,461. Sedangkan pada nilai Multiple R diketahui sebesar 0,751. Hal ini berarti besarnya kesesuaian antara data observasi dengan data prediksi sebesar 0,751.
ANOVA Sum of Squares Equation 1 Regression Residual Total 8.647E11 6.701E11 1.535E12 Df 3 17 20 Mean Square 2.882E11 3.942E10 F 7.313 Sig. .002

Pada table Uji F ANOVA diketahui nilai F sebesar 7,313, dengan tingkat signifikasi sebesar 0,002. Nilai uji f > dari nilai tingkat signifikan (ketetapan nilai signifikan adalah = 0,05), yang artinya model tersebut sesuai atau berpengaruh secara signifikan
Coefficients Unstandardized Coefficients B Equation 1 (Constant) PDGt LLt PDVt 424545.267 139.932 -.069 293793.286 Std. Error 469878.355 294.932 .113 74698.666 .728 -.926 .679 Beta T .904 .474 -.608 3.933 Sig. .379 .641 .551 .001

Pada uji T diketahui nilai t sebesar 0,904. Sedangkan nilai signifikasinya 0,379. Jika nilai uji t < dari tingkat signifikasi maka H0 ditolak dan parameter 0 maka variable baik. Pada table dapat diketahui nilai uji t > dari tingkat signifikan maka variable tidak baik dan tidak sesuai pada model.

Ilham Nugroho 0910440101

Persamaan 3
Model Summary Equation 1 Multiple R R Square Adjusted R Square Std. Error of the Estimate .989 .977 .972 242.446

R square yang didapatkan dalam persamaan 3sebesar 0,977. Maka hal ini berarti variable-variabel predetermined berupa,harga gula dunia, nilai tukar rupiah, impor gula, dan harga gula domestic tahun sebelumnya mampu menjelaskan harga gula domestic sebesar 97,7% sedangkan sisanya dijelaskan oleh variable lain. Dan nilai Adjust.R sebesar 0,972. Sedangkan nilai Multiple R diketahui sebesar 0,989. Hal ini berarti besarnya kesesuaian antara data observasi dengan data prediksi sebesar 0,989.
ANOVA Sum of Squares Equation 1 Regression Residual Total 40604217.234 940479.718 41544696.952 Df 4 16 20 Mean Square 10151054.309 58779.982 F 172.696 Sig. .000

Pada table Uji F ANOVA diketahui nilai F sebesar 172,696 dengan tingkat signifikasi sebesar 0,000. Nilai uji f > dari nilai tingkat signifikan (ketetapan nilai signifikan adalah = 0,05), maka model tersebut sesuai atau berpengaruh secara signifikan.
Coefficients Unstandardized Coefficients B Equation 1 (Constant) PWGt NTt IMGt PDGt1 -361.370 .691 .054 -9.259E-5 .667 Std. Error 136.438 .179 .049 .000 .110 .346 .132 -.040 .577 Beta T -2.649 3.871 1.104 -.607 6.087 Sig. .018 .001 .286 .552 .000

Ilham Nugroho 0910440101

10

Pada uji T diketahui nilai t sebesar -2,649. Sedangkan nilai signifikasinya 0,018. Jika nilai uji t < dari tingkat signifikasi maka H0 ditolak dan parameter 0 maka variable baik. Pada table dapat diketahui nilai uji t < dari tingkat signifikan maka variable baik dan sesuai pada model. 3.5 Validasi model
Statistics Fit for Dt, Fit for PRODGt, Fit for PDG,

MOD_1 Equation MOD_2 Equation MOD_3 Equation Dt N Valid Missing Mean 21 0 3.4144E6 PRODGt 21 0 2.0042E6 PDG 21 0 2054.9524 1 21 0 3.4143640E6 1 21 0 2.0041987E6 1 21 0 2.0549524E3

Dari hasil perhitungan dengan menggunakan SPSS, diperoleh hasil prediksi permintaan gula, produksi gula dan harga gula domestic yang dibandingkan dengan data actual tidak begitu jauh berbeda. Hal ini ditunjukan perbedaan atau selisih antara data actual dan prediksi tidak begitu jauh. Ini menggambarkan bahwa model dapat dikatakan sesuai atau baik untuk digunakan.

Koefisien Intersep Jumlah Penduduk Pendapatan Harga Gula Domestik Permintaan Gula Tahun t-1 Intersep Harga Gula Domestik Luas Lahan Produktivitas Gula Intersep Harga Gula Dunia Nilai Tukar Impor Gula Harga Gula Domestik Tahun t-1
-8.42E+06 84.278 -9.143 -1080.19 0.247 406557.564 163.303 -0.078 295235.375 -361.37 0.691 0.054 -9.26E-05 0.667

Ilham Nugroho 0910440101

11

Tahun 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005

Dt 1910968 2940631 3187530 3366006 3190974 2769278 3392090 3964030 4073471 3489930 2943923 3374606 3977884 3328465 4439453 4102519 3368570 3160562 3284303 3514290 3922160 3414364

Aktual PRODGt PDGt 1898809 592 2014574 615 2175874 653 2004051 729 2108348 890 2119585 1041 2252667 1125 2306484 1215 2329811 1256 2453881 1260 2059576 1430 2094195 1461 2191986 1525 1488269 2572 1493933 2640 1690004 2989 1725467 3745 1755354 3619 1631918 4212 2051645 4110 2241742 5475 2004199 2054.952

ST 2469000 2701000 2727000 2666000 2807000 2831000 2959000 3032000 3089000 3165000 3374000 3659000 3670000 3714000 4547000 4721000 4740000 4740000 4570000 4670000 5020000 3612905

Dt 2429415 2788315 3191925 3154799 3377937 3306295 3086608 3207884 3299081 3501058 3450229 3372862 4087406 3889132 4140139 3878755 3331793 3247304 3852579 3270708 3864654 3415661

Prediksi PRODGt PDGt 2071743 434.7121 2264522 523.9366 2351143 557.5624 2055514 637.5548 2187587 783.8544 2187850 1001.28 2200155 1160.261 2171019 1278.293 2096152 1377.444 2156189 1422.363 1845213 1504.818 1819548 1590.883 2099020 1758.517 1559392 2386.33 1651667 2522.178 1873404 3251.192 1899549 3866.727 1851907 3940.463 1705910 3674.211 2050443 4377.269 1977802 5077.616 2003606 2053.689

ST 2429415 2788315 3191925 3154799 3377937 3306295 3086608 3207884 3299081 3501058 3450229 3372862 4087406 3889132 4140139 3878755 3331793 3247304 3852579 3270708 3864654 3415661

Tabel Prediksi Model Excel

Variabel Demand gula Produksi gula Harga domestik gula Suplai gula

Rata-Rata Aktual 3414363,95 2004198,71

2054.9524

3612905.00

Prediksi 3415661 2003606.00 2053.69 3415661.00

Perbandingan yang didapatkan dengan menggunakan Ms. Excel bahwasanya permintaan gula, produksi dan harga gula domestik dibandingkan dengan data actual tidak menunjukan perbedaan yang berarti / tidak jauh berbeda dengan acuan selisih data aktual dan prediksi tidak terlalu jauh yang berarti model tersebut baik untk digunakan, dan pada variabel gula memiliki selisih yang jauh dari data actual terhadap data prediksi yang menunjukan model baik untuk digunakan.

Ilham Nugroho 0910440101

12

BAB IV KESIMPULAN

Estimasi parameter ketiga persamaan yang menjelaskan model tentang Produksi Gula Indonesia sebagai berikut: 1. Dt = + 1. POPt + 2.It + 3.PDGt + 4. Dt-1 Populasi penduduk berpengaruh terhadap permintaan gula tahun t, karena jika penduduk bertambah banyak maka permintaan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai populasi penduduk (+), maka dapat disimpulkan sesuai dengan teori. Pendapatan berpengaruh terhadap permintaan gula tahun t, karena jika pendapatan penduduk naik, maka permintaan akan gula juga meningkat. Dari hasil perhitungan diperoleh tanda pendapatan (-), maka dapat disimpulkan tidak sesuai dengan teori. Harga domestik gula tahun t berpengaruh terhadap permintaan gula tahun t, jika harga domestik rendah maka permintaan gula akan meningkat. Dari hasil perhitungan diperoleh tanda harga domestik gula (-) maka sesuai dengan teori. Permintaan gula tahun t-1 berpengaruh terhadap permintaan gula tahun t, jika permintaan gula tahun t-1 tinggi maka permintaan gula tahun t akan meningkat. Dari hasil perhitungan diperoleh tanda permintaan gula tahun t-1 (+), maka sesuai dengan teori. 2. PRODGt = + 1. PDGt + 2.Lt + 3. PDVt Harga gula domestik berpengaruh terhadap produksi gula tahun t, karena jika harga gula domestik rendah maka produksi akan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai harga gula domestic (+), maka dapat disimpulkan tidak sesuai dengan teori. Luas lahan berpengaruh terhadap produksi gula tahun t, karena jika luas lahan tinggi maka produksi akan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai luas lahan (-), maka dapat disimpulkan tidak sesuai dengan teori. Produktivitas gula berpengaruh terhadap produksi gula tahun t, karena jika produktivitas tinggi maka produksi akan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai produktivitas gula (+), maka dapat disimpulkan sesuai dengan teori. 3. PDGt = + 1. PWGt + 2.NTt + 3. IMGt + 4. PDGt-1 Harga gula dunia berpengaruh terhadap harga gula domestik gula, karena jika harga gula dunia rendah maka harga domestik gula semakin rendah. Dari hasil perhitungan diperoleh nilai harga gula dunia (+), maka dapat disimpulkan sesuai dengan teori. Nilai tukar berpengaruh terhadap harga domestik gula, karena jika nilai tukar rendah maka harga domestik gula semakin meningkat. Dari hasil perhitungan diperoleh nilai tukar (+), maka dapat disimpulkan sesuai dengan teori. Impor gula berpengaruh terhadap harga domestik gula, karena jika impor gula rendah maka harga domestik gula semakin menurun. Dari hasil perhitungan diperoleh nilai impor gula (-), maka dapat disimpulkan tidak sesuai dengan teori. Harga domestik gula tahun t-1 berpengaruh terhadap harga domestik gula tahun t. Dari hasil perhitungan, diperoleh nilai (+), maka sesuai teori. Maka, dapat disimpulkan bahwa hasil perhitungan sudah cukup sesuai dengan teori, walaupun ada beberapa variabel yang tidak sesuai dengan teori yang ada.

Ilham Nugroho 0910440101

13

o Dari hasil perhitungan dengan menggunakan Microsof Excel, diperoleh hasil prediksi permintaan gula, produksi gula dan harga gula domestik yang dibandingkan dengan data aktual tidak begitu jauh berbeda o Nilai R square terbaik didapatkan pada persamaan ke 3 sebesar 97,7%, yang artinya variable predetermined dapat menjelaskan variable endogenus sebesar 97,7 %. o Persamaan Simultan merupakan suatu sistem persamaan yg menggambarkan saling ketergantungan antar variabel. o Dengan menggunakan model estimasi data 2SLS kita dapat mengatasi kelemahan pada model estimasi data OLS. o Dalam study kasus pergulaan diketahui 3 model persamaan dengan variable endogenus berupa permintaan gula, produksi gula dan harga gula domestic dan berbagai variable predetermined berupa jumlah penduduk, nilai tukar rupiah, permintaan gula tahun sebelumnya, pendapatan, luas lahan, produktivitas gula, harga gula dunia,harga gula pada tahun sebelumnya dan impor gula. o Kevalidan nilai actual dan prediksi permintaan gula, produksi gula dan harga domestic gula sudah valid, tetapi pada data actual dan prediksi suplai gula tidak valid karena terdapat selisih yang jauh.

Ilham Nugroho 0910440101

14

DAFTAR PUSTAKA
Anonymous, 2011. mtsox.wordpress.com diakses tgl 12 Mei 2011 Djalal, Nachrowi dkk. 2002. Penggunaan Teknik Ekonometri Pendekatan Populer dan Praktis Dilengkapi Teknik Analisis dan Pengolahan data dengan

Menggunakan Paket Program SPSS. Jakarta : PT. RajaGrafindo Persada Gujarati, N damodar. 2006. Dasar dasar ekonometrika. United states military academy. West point Lains, Alfian. 2002. Ekonometrika Teori dan Aplikasi Jilid I. Jakarat : Pustaka LP3ES Indonesia

Ilham Nugroho 0910440101

15

LAMPIRAN Hasil SPSS

Two-stage Least Squares Analysis Persamaan 1

Model Description Type of Variable Equation 1 Dt POPt It PDG Dt1 PDGt1 NTt St PRODGt PDVt L_T IMG PWG MOD_1 dependent predictor & instrumental predictor & instrumental predictor & instrumental predictor & instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental

Model Summary Equation 1 Multiple R R Square Adjusted R Square Std. Error of the Estimate .754 .569 .461 407810.695

ANOVA Sum of Squares Equation 1 Regression Residual Total 3.510E12 2.661E12 6.171E12 df 4 16 20 Mean Square 8.774E11 1.663E11 F 5.276 Sig. .007

Coefficients Unstandardized Coefficients B Equation 1 (Constant) POPt -6.009E6 63.212 Std. Error 3155699.191 25.613

Ilham Nugroho 0910440101

16

It PDG Dt1

-6.449 -786.267 .290

4.134 348.899 .183

Coefficients

Beta Equation 1 (Constant) POPt It PDG Dt1 2.266 -.429 -2.040 .342

t -1.904 2.468 -1.560 -2.254 1.584

Sig. .075 .025 .138 .039 .133

Coefficient Correlations POPt Equation 1 Correlations POPt It PDG Dt1 1.000 -.732 -.976 -.386 It -.732 1.000 .774 .011 PDG -.976 .774 1.000 .276 Dt1 -.386 .011 .276 1.000

Two-stage Least Squares Analysis p`Persamaan 2

Model Description Type of Variable Equation 1 PRODGt PDG L_T PDVt PDGt1 It POPt NTt Dt Dt1 St IMG PWG MOD_2 dependent predictor & instrumental predictor & instrumental predictor & instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental

Ilham Nugroho 0910440101

17

Model Summary Equation 1 Multiple R R Square Adjusted R Square Std. Error of the Estimate .751 .563 .486 198533.192

ANOVA Sum of Squares Equation 1 Regression Residual Total 8.647E11 6.701E11 1.535E12 df 3 17 20 Mean Square 2.882E11 3.942E10 F 7.313 Sig. .002

Coefficients Unstandardized Coefficients B Equation 1 (Constant) PDG L_T PDVt 424545.267 139.932 -.069 293793.286 Std. Error 469878.355 294.932 .113 74698.666

Coefficients

Beta Equation 1 (Constant) PDG L_T PDVt .728 -.926 .679

t .904 .474 -.608 3.933

Sig. .379 .641 .551 .001

Coefficient Correlations PDG Equation 1 Correlations PDG L_T PDVt 1.000 -.994 .244 L_T -.994 1.000 -.211 PDVt .244 -.211 1.000

Ilham Nugroho 0910440101

18

Two-stage Least Squares Analysis Persamaan 3

Model Description Type of Variable Equation 1 PDG PWG NTt IMG PDGt1 It POPt Dt Dt1 St PRODGt PDVt L_T MOD_3 dependent predictor & instrumental predictor & instrumental predictor & instrumental predictor & instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental instrumental

Model Summary Equation 1 Multiple R R Square Adjusted R Square Std. Error of the Estimate .989 .977 .972 242.446

ANOVA Sum of Squares Equation 1 Regression Residual Total 40604217.234 940479.718 41544696.952 df 4 16 20 Mean Square 10151054.309 58779.982 F 172.696 Sig. .000

Coefficients Unstandardized Coefficients B Equation 1 (Constant) PWG NTt IMG PDGt1 -361.370 .691 .054 -9.259E-5 .667 Std. Error 136.438 .179 .049 .000 .110

Ilham Nugroho 0910440101

19

Coefficients

Beta Equation 1 (Constant) PWG NTt IMG PDGt1 .346 .132 -.040 .577

t -2.649 3.871 1.104 -.607 6.087

Sig. .018 .001 .286 .552 .000

Coefficient Correlations PWG Equation 1 Correlations PWG NTt IMG PDGt1 1.000 -.414 -.103 -.295 NTt -.414 1.000 -.465 -.578 IMG -.103 -.465 1.000 .126 PDGt1 -.295 -.578 .126 1.000

FREQUENCIES VARIABLES=Dt PRED_DT PRODGt PRED_PRODGt PDG PRED_PDGt /STATISTICS=MEAN /ORDER=ANALYSIS.

Frequencies
Notes Output Created Comments Input Data C:\Users\drago\Documents\SEMESTER 6\Metkuan\metkuan praktikum\MINGGU 5\baru\data.sav Active Dataset Filter Weight Split File N of Rows in Working Data File Missing Value Handling Definition of Missing Cases Used Syntax DataSet1 <none> <none> <none> 21 User-defined missing values are treated as missing. Statistics are based on all cases with valid data. FREQUENCIES VARIABLES=Dt PRED_DT PRODGt PRED_PRODGt PDG PRED_PDGt /STATISTICS=MEAN /ORDER=ANALYSIS. Resources Processor Time Elapsed Time 0:00:00.015 0:00:00.017 27-Apr-2012 23:48:56

Ilham Nugroho 0910440101

20

[DataSet1] C:\Users\drago\Documents\SEMESTER 6\Metkuan\metkuan praktikum\MINGGU 5\baru\data.sav

Statistics Dt Fit for Dt, MOD_1 Equation 1 N Valid Missing Mean 21 0 3.4144E6 21 0 3.4143640E6 21 0 2.0042E6 PRODGt Fit for PRODGt, MOD_2 Equation 1 21 0 2.0041987E6 21 0 2054.9524 PDG Fit for PDG, MOD_3 Equation 1 21 0 2.0549524E3

Frequency Table
Dt Frequency Valid 1910968.00 2769278.00 2940631.00 2943923.00 3160562.00 3187530.00 3190974.00 3284303.00 3328465.00 3366006.00 3368570.00 3374606.00 3392090.00 3489930.00 3514290.00 3922160.00 3964030.00 3977884.00 4073471.00 4102519.00 4439453.00 Total 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 21 Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0 Valid Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0 Cumulative Percent 4.8 9.5 14.3 19.0 23.8 28.6 33.3 38.1 42.9 47.6 52.4 57.1 61.9 66.7 71.4 76.2 81.0 85.7 90.5 95.2 100.0

Ilham Nugroho 0910440101

21

Fit for Dt, MOD_1 Equation 1 Frequency Valid 2332572.31984 2671775.78783 3083020.84805 3098497.78845 3124355.57057 3261216.31730 3273234.29627 3312400.89649 3328543.65060 3466606.19994 3497376.54222 3531931.53545 3537296.72627 3558538.71445 3562899.59662 3584361.06236 3694790.08193 3704176.13921 3867040.23189 4102456.26459 4108552.42969 Total 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 21 Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0 Valid Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0 Cumulative Percent 4.8 9.5 14.3 19.0 23.8 28.6 33.3 38.1 42.9 47.6 52.4 57.1 61.9 66.7 71.4 76.2 81.0 85.7 90.5 95.2 100.0

PRODGt Frequency Valid 1488269.00 1493933.00 1631918.00 1690004.00 1725467.00 1755354.00 1898809.00 2004051.00 2014574.00 2051645.00 2059576.00 2094195.00 2108348.00 2119585.00 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 Valid Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 Cumulative Percent 4.8 9.5 14.3 19.0 23.8 28.6 33.3 38.1 42.9 47.6 52.4 57.1 61.9 66.7

Ilham Nugroho 0910440101

22

2175874.00 2191986.00 2241742.00 2252667.00 2306484.00 2329811.00 2453881.00 Total

1 1 1 1 1 1 1 21

4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0

4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0

71.4 76.2 81.0 85.7 90.5 95.2 100.0

Fit for PRODGt, MOD_2 Equation 1 Frequency Valid 1588501.64145 1673735.44886 1791326.28511 1802182.65890 1803586.71636 1832676.32263 1833952.11673 1874326.44313 2015851.42873 2038858.48940 2066127.46790 2071942.11495 2074443.96632 2099687.91771 2129785.38959 2157082.98293 2191222.36857 2191225.82959 2203549.72562 2280452.87026 2367654.81525 Total 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 21 Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0 Valid Percent 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0 Cumulative Percent 4.8 9.5 14.3 19.0 23.8 28.6 33.3 38.1 42.9 47.6 52.4 57.1 61.9 66.7 71.4 76.2 81.0 85.7 90.5 95.2 100.0

PDG Frequency Valid 592.00 615.00 653.00 729.00 1 1 1 1 Percent 4.8 4.8 4.8 4.8 Valid Percent 4.8 4.8 4.8 4.8 Cumulative Percent 4.8 9.5 14.3 19.0

Ilham Nugroho 0910440101

23

890.00 1041.00 1125.00 1215.00 1256.00 1260.00 1430.00 1461.00 1525.00 2572.00 2640.00 2989.00 3619.00 3745.00 4110.00 4212.00 5475.00 Total

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 21

4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0

4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 100.0

23.8 28.6 33.3 38.1 42.9 47.6 52.4 57.1 61.9 66.7 71.4 76.2 81.0 85.7 90.5 95.2 100.0

Fit for PDG, MOD_3 Equation 1 Frequency Percent Valid Percent Cumulative Percent Valid 435.13722 524.39733 558.04707 638.08432 784.47740 1002.02162 1161.08917 1279.18829 1378.38642 1423.32122 1505.84925 1591.98505 1759.65675 2387.74419 2523.67749 3253.02277 3676.24204 3868.88011 3942.63414 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 4.8 9.5 14.3 19.0 23.8 28.6 33.3 38.1 42.9 47.6 52.4 57.1 61.9 66.7 71.4 76.2 81.0 85.7 90.5

Ilham Nugroho 0910440101

24

4379.67565 5080.48251 Total

1 1 21

4.8 4.8 100.0

4.8 4.8 100.0

95.2 100.0

Ilham Nugroho 0910440101

25