Professional Documents
Culture Documents
A. Latar Belakang
Sesuai yang tercakup dalam pasal 10 UU Bank Indonesia menyatakan bahwa Bank
Indonesia mempunyai kewenangan untuk melakukan kebijakan moneter melalui penetapan
sasaran moneter dengan memperhatikan sasaran laju inflasi terhadap pertumbuhan ekonomi
sebagai sasaran akhir. Pemilihan sebagai sasaran akhir ini sejalan pula dengan kecenderungan
perkembangan terakhir bank-bank sentral dunia dimana bank-bank sentral telah beralih lebih
memfokuskan dirinya pada upaya pengendalian inflasi. Menurut Rechbini (2000) dan Nopirin
(1998) ada beberapa dasar yang mendasari yaitu: pertama; bukti-bukti lebih empiris
menunjukkan bahwa dalam jangka panjang kebijakan moneter tidak dapat mempengaruhi
variabel real, seperti pertumbuhan output ataupun tingkat pengangguran, kedua; pencapaian
inflasi yang rendah merupakan prasyarat bagi tercapainya sasaran makro lainnya, ketiga; yang
terpenting penetapan tingkat inflasi yang rendah sebagai tujuan akhir kebijakan moneter akan
menjadi nominal anchor berbagai kegiatan ekonomi.
Menurut Rachbini (2000) menyatakan bahwa kebijakan moneter baru dapat dikatakan
berhasil jika tujuan atau sasaran terakhir tercapai yaitu: pertumbuhan ekonomi dan laju inflasi,
tetapi kedua tujuan itu tidak saling berjalan sejajar dimana pencapaian sasaran tersebut
mengandung trade-off atau dikenal stabilitas ekonomi dimana jika pertumbuhan ekonomi pesat
maka laju inflasi sangat tinggi dan sebaliknya jika laju inflasi rendah maka pertumbuhan ekonomi
rendah. Oleh karena itu, perlu keseimbangan yang optimal antara laju inflasi dan pertumbuhan
ekonomi.
Ditegaskan kembali bahwa dari sasaran akhir tersebut Bank Indonesia tidak boleh
mengabaikan sasaran makro ekonomi lainnya. Seperti; pertumbuhan ekonomi dan penyediaan
lapangan kerja pada tingkat kapasitas yang penuh. Di samping itu, mengingat adanya trade off
jangka pendek antara inflasi dan pertumbuhan ekonomi, dengan kata lain, dalam menetapkan
target inflasi Bank Indonesia sudah mempertimbangkan seberapa tinggi tingkat pertumbuhan
ekonomi yang dicapai dengan tingkat inflasi yang ditentukan.
Sasaran makro ekonomi tersebut sangat dipengaruhi oleh berbagai macam faktor yang
menjadi alat dalam menjalankan roda perekonomian, utamanya dalam fluktuasi dari inflasi
terhadap pertumbuhan ekonomi dalam negeri. Dari beberapa pengamatan dalam dunia
perekonomian termasuk dalam kebijakan moneter memberikan indikasi bahwa faktor-faktor yang
dapat memberikan pengaruh terhadap pertumbuhan ekonomi dalam negeri diantaranya adalah
banyaknya uang yang beredar, tingkat harga bahan makanan, tingkat harga ekspor, tingkat harga
impor, dan angkatan kerja. Faktor –faktor tersebut merupakan bagian dari kebijakan moneter
yang dapat memberikan respek terhadap pertumbuhan ekonomi.
B. Tujuan
Pada dasarnya dalam analisis ini bertujuan untuk:
1. Mengetahui model pertumbuhan ekonomi di Indonesia dengan faktor-faktor apa yang
mempengaruhi pertumbuhan ekonomi secara bersama-sama .
2. Mengetahui model pertumbuhan ekonomi di Indonesia yang terbaik dengan faktor-faktor apa
yang mempengaruhi pertumbuhan ekonomi.
C. Output
Output yang hendak di hasilkan dari penelitian ini antara lain:
1. Mendapatkan model pertumbuhan ekonomi di Indonesia dengan faktor-faktor apa yang
mempengaruhi pertumbuhan ekonomi secara bersama-sama .
2. Mendapatkan model pertumbuhan ekonomi di Indonesia yang terbaik dengan faktor-faktor
yang mempengaruhi pertumbuhan ekonomi.
D. Teori Pendukung
Ploting the Data
Dalam mempalajari hubungan antara dua variabel atau lebih, secara logika step yang pertama
yang harus dilakukan adalah plot titik-titik data dalam gambar graf (scatter plot). Dari scatter
plot, dapat diperoleh indikasi penyebaran data menurut garis lurus atau kurva sebagai estimasi
awal untuk menentukan model, apakah sesuai untuk menggunakan model regresi linear,
polinomial, atau nonlinear.
Koefisien determinasi
Koefisien determinasi R
2
Koefisien determinasi R 2 adalah sebuah besaran yang mengukur ketepatan titik-titik data
hasil pengamatan pada garis regresi atau dapat juga dikatakan bahwa nilai koefisien
determinasi R 2 merupakan prosentase variabilitas dalam data yang mampu dijelaskan oleh
model regresi. Adapun rumusan untuk koefisien determinasi R 2 :
b ' X 'Y nY 2 SS regression RSS p
R2 1
Y Y nY
' 2
SStotal CTSS
Dimana:
SSregression : Sum squares regresi
SStotal : Sum squares total
RSSp : Korespondensi residual sum squares dengan parameter
CTSS : Total koreksi sum squares
Koefisien determinasi adjusted Ra
2
2
Koefisien determinasi Ra adalah sebuah besaran yang mengukur ketepatan titik-titik data
hasil pengamatan pada garis regresi atau dapat juga dikatakan bahwa nilai koefisien
2
determinasi Ra merupakan prosentase variabilitas dalam data yang mampu dijelaskan oleh
model regresi dengan memperhatikan jumlah parameter dalam regresi, yaitu parameter
0 , 1 , 3 ,..., n . Adapun rumusan untuk koefisien determinasi Ra 2 :
RSS n p 1 1 R n 1
Ra 2 1
p
CTSS n 1
2
n p
RSSp : Residual of sum squares
CTSS : Corrected total sum squares
n : Jumlah pengamatan
P : Jumlah parameter dalam model
Adapun uraian mengenai pengujian asumsi persyaratan analisis regresi sebagai berikut:
1. Error atau residual berdistribusi normal: : N 0,
2
Asumsi persyaratan normalitas harus terpenuhi untuk mengetahui apakah residual/error dari
data berdistribusi normal atau untuk mengetahui apakah data sampel berasal dari populasi
yang berdistribusi normal. Cara pengujian normalitas dapat dilakukan dengan:
Normal probability plot, pada plot penyebaran residual/error menyebar mendekati atau
mengikuti pola garis normal sehingga residual dapat diasumsikan berdistribusi normal.
• Pengujian statistik dengan menggunakan uji andersong-darling normality test,
kolmogorov-smirnov normality test, w-test, liliefors, dan sebagainya.
Apabila pengujian normalitas tidak dapat dipenuhi maka solusinya dapat dilakukan dengan:
• Transformasi data
• Pendeteksian data outlier (pencilang)
• Regresi bootstrap
2. Identik atau heterocedasticity, yaitu variansi i konstan dengan var i = 2
Asumsi persyaratan heterocedasticity untuk mengetahui variansi i konstan yaitu var i =
2 identik atau sama untuk setiap i. Cara pengujian heterocedasticity dapat dilakukan
dengan:
plot residual dengan Yˆ
2
uji Glesjer
Untuk pengujian asumsi heterokedastisitas dari residual/error dideteksi dengan
menggunakan uji glesjer yaitu dengan melakukan regresi nilai absolut residual dengan
variabel prediktor, adapun uraiannya sebagai berikut:
i 0 1 X 1 2 X 2 ... n X n
Dengan kriteria pengujian: apabila nilai F hitung < F tabel atau menggunakan nilai
peluang P-value > = 0.05 (taraf signifikansi), maka H0 diterima atau residual tidak
terdapat heterokedastisitas.
Apabila pengujian heterocedasticity tidak dapat dipenuhi maka solusinya dapat dilakukan
dengan:
Transformasi data
Metode Weighted Least-Squares
500000
400000
300000
200000
100000
Y
500000
400000
300000
200000
100000
Analisis Regresi
Analysis of Variance
Source DF SS MS F P
Regression 6 4,05622E+11 67603680841 64,58 0,000
Residual Error 12 12561217179 1046768098
Total 18 4,18183E+11
Dari hasil output komputer di atas diperoleh suatu taksiran parameter regresi dengan
metode kuadrat terkecil dan persamaan regresinya sebagai berikut:
The regression equation is
Y = - 280018 + 60.6 X1 + 0.170 X2 + 132.3 X3 - 3.66 X4 + 12.23 X5 + 0.0039 X6
Berdasarkan persamaan regresi tersebut dapat diartikan bahwa jika tingkat inflasi naik
sebesar 1 satuan akan menambah PDB sebesar 60.6 miliyar rupiah dengan asumsi faktor lainnya
tetap, jika jumlah uang yang beredar mengalami kenaikan sebesar 1 satuan akan menambah
pendapatan domestik bruto 0,170 miliyar rupiah dengan asumsi faktor lainnya tetap, selanjutnya
kenaikan harga bahan makanan sebesar 1 satuan rupiah akan menambah PDB sebesar 132.3
miliyar rupiah dengan asumsi faktor lainnya tetap, namun jika kenaikan harga ekspor sebesar 1
miliyar akan menurunkan PDB sebesar 3.66 miliyar rupaih dengan asumsi faktor lainnya tetap,
kemudian kenaikan harga impor sebesar 1 miliyar akan menambah PDB sebesar 12.23 miliyar
rupiah dengan asumsi faktor lainnya tetap, sedangkan penambahan tenaga kerja 1 orang akan
menambah PDB sebesar 0,0039 miliyar rupiah dengan asumsi faktor lainnya tetap. Berdasarkan
hasil model persamaan regresi yang diperoleh adanya tanda arah yang berlawanan dari
parameter-parameter atau koefisien-koefisien regresi yaitu adanya tanda arah positif (+) dan
tanda arah negatif (-), sebagai dugaan awal sebelum dilakukan pendeteksian hal tersebut
kemungkinan disebabkan oleh adanya multikolinearitas atau korelasi serial antara variabel-
variabel prediktor.
Namun semua koefisien regresi yang diperoleh harus dilakukan pengujian baik secara
overall maupun secara individual yang dapat dilakukan dengan memperhatikan hasil output
komputer pada tabel diatas dengan uji hipotesis statistik sebagai berikut:
Tabel analisis variansi
Pada tabel analisis variansi diperoleh seperti tabel dibawah ini:
Total 18 4,18183E+11
Step 1 2 3 4
Constant -52822 -78089 -308583 -358620
X6 0,00455 0,00560
T-Value 3,16 5,94
P-Value 0,007 0,000
Dari hasil analisis tersebut diperoleh beberapa persaman regresi yang direkomendasikan yaitu:
a. Regression Analysis: Y versus X4
The regression equation is
Y = - 52822 + 9,35 X4
Analysis of Variance
Source DF SS MS F P
Regression 1 3,64051E+11 3,64051E+11 114,33 0,000
Residual Error 17 54132752245 3184279544
Total 18 4,18183E+11
b. Regression Analysis: Y versus X4; X5
The regression equation is
Y = - 78089 + 5,30 X4 + 6,75 X5
Analysis of Variance
Source DF SS MS F P
Regression 2 3,88645E+11 1,94323E+11 105,26 0,000
Residual Error 16 29538083003 1846130188
Total 18 4,18183E+11
Analysis of Variance
Source DF SS MS F P
Regression 3 4,00429E+11 1,33476E+11 112,77 0,000
Residual Error 15 17754426712 1183628447
Total 18 4,18183E+11
Analysis of Variance
Source DF SS MS F P
Regression 2 3,99334E+11 1,99667E+11 169,48 0,000
Residual Error 16 18849739687 1178108730
Total 18 4,18183E+11
Persamaan yang diberikan (a-d) dalam pengujian secara keseluruhan dan individual dari
setiap regresi dalam model, kemudian berdasarkan Tabel ANOVA untuk masing-masing model
tersebut diberikan pengujian berturut-turut sebagai berikut:
Berdasarkan hasil di atas diperoleh Fhitung = 114.33 dengan Ftabel = 4.45. dengan demikian
Fhiutng > Ftabel , sehingga Ho ditolak. Maka dapat disimpulkan bahwa variabel X4 yang
bersesuaian dengan parameter regresi memberikan pengaruh yang berarti terhadap model
Berdasarkan hasil di atas diperoleh Fhitung = 112.77 dengan Ftabel = 3.29. dengan demikian
Fhiutng > Ftabel , sehingga Ho ditolak. Maka dapat disimpulkan bahwa variabel X yang
bersesuaian dengan parameter regresi bersama-sama memberikan pengaruh yang berarti
terhadap model.
Secara individual hipotesis statistik yang diuji adalah :
H 0 : βi = 0
H1 : βi≠ 0, i = 4,5,6
Berdasarkan hasil di atas diperoleh bahwa koefisien regresi dari masing-masing X4, X5, X6
signifikan karena nilai thitung dari masing-masing koefisien adalah 1.96, 4.66, 3.16 yang lebih
besar daripada ttabel = 1.73. dengan demikian thitung > ttabel , sehingga Ho tolak. Maka dapat
disimpulkan bahwa variabel X yang bersesuaian dengan parameter regresi secara individual
memberikan pengaruh yang berarti terhadap model.
Berdasarkan hasil di atas diperoleh bahwa koefisien regresi dari masing-masing X5, X6
signifikan karena nilai thitung dari masing-masing koefisien adalah 6.47, 5.94 dan
ttabel = 1.73. dengan demikian thitung > ttabel , sehingga Ho tolak. Maka dapat disimpulkan bahwa
variabel X yang bersesuaian dengan parameter regresi secara individual memberikan
pengaruh yang berarti terhadap model.
Kriteria R2 dan Ra2(adj)
Berdasarkan analisis di atas dijelaskan pula bahwa variabel yang dimasukkan dalam
model adalah variabel yang koefisien regresinya signifikan. Pemasukan variabel tersebut
berdasarkan tingginya R2 yang diberikan sehingga variabel X4 dimasukkan pertama kali yang
menjelaskan proporsi keragaman disekitar nilai Y sebesar R-Sq = 87.1% dan R-Sq(adj)=86.3%
kemudian disusul variabel X5 yang dimasukkan ternyata menambah proporsi keragaman
disekitar nilai Y sebesar R-Sq = 92.9% dan R-Sq(adj)=92.1%. Variabel yang dimasukkan
berikutnya adalah X6 yang memberikan konstribusi penambahan proporsi keragaman disekitar
nilai Y sebesar R-Sq = 95.8% dan R-Sq(adj) = 94.9%. Untuk persamaan terakhir variabel X4
dikeluarkan dari model sehingga proporsi keragaman disekitar nilai Y sebesar
R-Sq = 95.5% dan R-Sq(adj) sebesar 94.9%.
Berdasarkan besarnya proporsi keragaman disekitar nilai Y dari persamaan (a) – (d),
menunjukkan bahwa pemasukan variabel X4, X5 dan X6 memberikan proporsi keragaman
disekitar nilai Y yang paling besar, namun setelah variabel X4 dikeluarkan proporsi keragaman
disekitar nilai Y tidak berkurang secara signifikan. Oleh karena itu persamaan d dapat mewakili
setiap variabel untuk menjelaskan model. Sedangkan R-Sq(adj) yang diberikan beturut-turut
dari persamaan (a- d) yaitu 86.3%, 92.1%, 94.9%, 94.9% menunjukkan bahwa pemasukan
variabel X5 dalam model memberikan pengaruh yang signifikan, setelah variabel X6 dimasukkan
hanya menaikkan proporsi keragaman sebesar 2,8%. Keterlibatan variabel X4, X5 dan X6 yang
memberikan proporsi keragaman disekitar nilai Y yang paling besar, namun memperhatikan
R-Sq(adj) dari persamaan dari 3 variabel tersebut sama dengan R-Sq(adj) setelah X4 dikeluarkan,
maka dapat disimpulkan bahwa variabel bebas dalam persamaan regresi yang dapat
direkomendasikan untuk menjelaskan model X5 dan X6 dengan persamaan:
Y = - 358620 + 7.75 X5 + 0.00560 X6
Pengujian Residual
Dalam pengujian residual ini akan dilakukan pada dua kondisi persamaan dari perbedaan
sudut pandang yaitu
(a) Persamaan yang diambil setelah model diperbaiki, dalam arti statistik bahwa ada
variabel yang dikeluarkan dari model setelah melakukan uji statistik dengan
pandangan bahwa signifikansi koefisien regresi dari variabel yang bersesuaian
menjadi perhatian kita . Dengan persamaan regresi :
Y = - 358620 + 7.75 X5 + 0.00560 X6
Dari hasil tersebut diperoleh Fhitung = 2.27 < Ftabel = 3.63, dengan demikian gagal
tolak Ho, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. Jadi asumsi
homogenitas (identik) dari error terpenuhi.
Independen (Autokorelasi)
Scatterplot of RESI9 vs order
50000
25000
RESI9
0
-25000
-50000
0 5 10 15 20
order
Dari grafik di atas terlihat bahwa gambar tidak membentuk pola atau dengan kata lain
titik-titik pada grafik tersebut menyebar secara random, sehingga dapat disimpulkan
bahwa autokorelasi tidak terjadi.
Sedangkan dengan menggunakan Uji Durbin Watson:
Besaran durbin watson dengan persamaan:
n
e e
t t 1
dw t 2
n
e
t 1
2
t
Uji Normalitas
Hipotesis : H0 : Residual berdistribusi normal
H1 : Residual tidak berdistribusi normal
Dengan menggunakan uji Kolmogorov Smirnov didapatkan p value 0.456.
Karena p_value > 0,05 maka gagal tolak H0 sehingga disimpulkan residual berdistribusi
normal.
Multikolinearitas
Multikolinearitas sering terjadi pada regresi linear ganda, sehingga harus dideteksi adanya
bergantung linear antar variabel bebas. Untuk melihat hal ini dapat dideteksi dari VIF
(Variance Inflantion factors). Jika nilai VIF lebih dari 10 maka diduga ada
Multikolinearitas. Dari hasil analisis diatas tidak ada nilai VIF yang lebih dari 10, maka
tidak ada multikolinearitas antar variabel bebas. Oleh karena itu, dari keempat asumsi
yang ada semuanya terpenuhi sehingga model tersebut dapat digunakan untuk pendugaan
pertumbuhaan ekonomi yang dipengaruhi oleh tingkat Harga Impor dan Angkatan kerja.
Pengujian Residual untuk persamaan (b)
Identik (Heteroscedasticitas)
Untuk mendeteksi adanya heteroskedastisitas pada residual dipakai uji Glejser yaitu
dengan meregresikan absolut dari residual dengan variabel bebas
|ei| = o + 1X1 + 2X2 + ...+ kXk + i
Hipotesis statistik yang akan diuji adalah
Analysis of Variance
Source DF SS MS F P
Regression 6 1711802515 285300419 1.13 0.401
Residual Error 12 3025797108 252149759
Total 18 4737599623
Dari hasil tersebut diperoleh Fhitung = 1.13 < Ftabel = 3.63, dengan demikian Ho
diterima, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. Jadi asumsi
homogenitas (identik) dari error terpenuhi.
Independen (Autokorelasi)
Scatterplot of RESI10 vs order
50000
25000
RESI10
-25000
-50000
0 5 10 15 20
order
Dari grafik di atas terlihat bahwa gambar tidak membentuk pola atau dengan kata lain
titik-titik pada grafik tersebut menyebar secara random, sehingga dapat disimpulkan
bahwa autokorelasi tidak terjadi.
Sedangkan dengan menggunakan Uji Durbin Watson:
Besaran durbin watson dengan persamaan:
n
e e
t t 1
dw t 2
n
e
t 1
2
t
Uji Normalitas
Hipotesis : H0 : Residual berdistribusi normal
H1 : Residual tidak berdistribusi normal
Dengan menggunakan uji Kolmogorov Smirnov didapatkan p value 0.478.
Karena p_value > 0,05 maka gagal tolak H0 sehingga disimpulkan residual berdistribusi
normal.
Multikolinearitas
Multikolinearitas sering terjadi pada regresi linear ganda, sehingga harus dideteksi adanya
bergantung linear antar variabel bebas. Untuk melihat hal ini dapat dideteksi dari VIF
(Variance Inflantion factors). Jika nilai VIF ada yang lebih dari 10 maka diduga ada
Multikolinearitas. Dari hasil analisis ditemukan nilai VIF yang lebih besar dari 10 yaitu
variabel X2, X4 dan X5 sehingga diduga ada multikolinearitas antar variabel bebas.
F. Kesimpulan
Model pertumbuhan ekonomi indonesia tahun 1983-2001 jika semua faktor dilibatkan adalah
sebagai berikut :
Y = - 280018 + 60.6 X1 + 0.170 X2 + 132.3 X3 - 3.66 X4 + 12.23 X5 + 0.0039 X6
dengan R-Sq = 97%
Model terbaik pertumbuhan ekonomi indonesia tahun 1983-2001 setelah dilakukan pemilihan
model terbaik berdasarkan kriteria yang ada dengan metode Stepwise Regretion adalah
sebagai berikut :
Y = - 358620 + 7.75 X5 + 0.00560 X6
Norman Draper & Harry Smith. 1981. Applied Regression Analysis, Second Edition. New York,
Chichester, Brisbane, Toronto. John Wiley & Sons, Inc.
Hisyam Ihsan. 2003. Statitika Terapan: Prinsip, Metode & Analisis Data. Makassar, Jurusan
Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Makassar.