You are on page 1of 31

BAB I RUANG LINGKUP EKONOMETRIKA Pengertian Ekonometrika Kalau dilihat dari segi namanya, ekonometrika berasal dari dari

dua kata, yaitu ekonomi dan metrika. Kata Ekonomi di sini dapat dipersamakan dengan kegiatan ekonomi, yaitu kegiatan manusia untuk mencukupi kebutuhannya melalui usaha pengorbanan sumber daya yang seefisien dan seefektif mungkin untuk mendapatkan tujuan yang seoptimal mungkin. Kata Metrika mempunyai arti sebagai suatu kegiatan pengukuran. Karena dua kata ini bergabung menjadi satu, maka gabungan kedua kata tersebut menunjukkan arti bahwa yang dimaksud dengan ekonometrika adalah suatu pengukuran kegiatan-kegiatan ekonomi. Kegiatan ekonomi manusia tidak berjalan sesaat, tetapi berkelanjutan dari waktu ke waktu, dari peristiwa ke peristiwa, dari berbagai suasana, dari berbagai lintas sektor, lintas faktor. Untuk mengukur suatu kegiatan dalam keberagaman kondisi seperti itu, maka data merupakan sesuatu yang mutlak diperlukan. Melalui data, informasi itu dapat dianalisis, diinterpretasi, untuk mengungkap kejadiankejadian di masa lampau, serta dapat digunakan untuk prediksi masa mendatang. Pengungkapan data atau analisis data dalam kegiatan ekonomi, dapat dilakukan dengan berbagai cara atau model, di antaranya melalui penggunaan grafik yang biasa disebut dengan metode grafis, atau melalui penghitungan secara matematis yang biasa disebut dengan metode matematis. Penggunaan metode ini tentu harus sesuai dengan teori, khususnya teori ekonomi, karena ekonometrika bertujuan untuk mengukur kegiatan ekonomi. Kedua metode tersebut mempunyai kelebihan dan keunggulan masing-masing. Metode grafis sendiri dapat digolongkan ke dalam bentuk grafik berupa kurva, atau grafik dalam bentuk diagram. Metode grafis mempunyai keunggulan dalam kecepatan interpretasi informasi, karena grafik terrepresentasi dalam bentuk gambar yang mudah untuk dimaknai. Kelemahan metode grafis terletak pada kekurangakuratan interpretasi karena data umumnya ditampilkan dalam bentuk skala, yang bersifat garis besar, tentu kurang dapat menjelaskan secara rinci dan detil. Metode matematis mempunyai keunggulan dalam keakuratan interpretasi, karena melalui hitunganhitungan secara rinci, sedang kelemahannya terletak pada tingkat kesulitan untuk menghitungnya, terlebih lagi jika variabel-variabel yang dihitung berjumlah sangat banyak. Guna mempermudah penghitungannya, maka dibuatlah berbagai rumus-rumus hitungan yang diambil dari berbagi data. Perbedaan di antara kedua metode tersebut, metode grafis dan matematis, terletak pada seberapa besar variabel dapat diungkap secara rinci. Uraian di atas menjelaskan kepada kita bahwa dalam ekonometrika diperlukan tiga hal pokok yang mutlak ada, yaitu: teori ekonomi, data, dan model. Teori ekonomi meliputi teori ekonomi mikro, makro, manajemen, pemasaran, operasional, akuntansi, keuangan, dan lain- lain. Guna memahami data, memerlukan disiplin ilmu tentang data, yaitu statistika. Model sendiri memerlukan disiplin ilmu matematika. Oleh karena itu, ekonometrika merupakan gabungan dari ilmu ekonomi, statistika, dan

matematika, yang digunakan secara simultan untuk mengungkap dan mengukur kejadian-kejadian atau kegiatan-kegiatan ekonomi. Beberapa pakar mendefinisikan ekonometrika sebagai berikut: Ekonometrika dapat didefinisikan sebagai ilmu sosial yang menggunakan alat berupa teori ekonomi, matematika, dan statistika inferensi yang digunakan untuk menganalisis kejadian-kejadian ekonomi (Arthur S. Goldberger, 1964.p.1).1 Ekonometrik adalah gabungan penggunaan matematik dan statistik untuk memecahkan persoalan ekonomi (J. Supranto, 1983. p.6).2 Ekonometri adalah suatu ilmu yang mengkombinasikan teori ekonomi dengan statistik ekonomi, dengan tujuan menyelidiki dukungan empiris dari hukum skematik yang dibangun oleh teori ekonomi. Dengan memanfaatkan ilmu ekonomi, matematik, dan statistik, ekonometri membuat hukum-hukum ekonomi teoritis tertentu menjadi nyata (Sugiyanto, Catur, 1994, p.3).3 Pentingnya Ekonometri Suatu perusahaan ataupun unit-unit pengambil keputusan, terutama dalam kegiatan ekonomi, tentu memerlukan suatu tindakan evaluatif untuk memastikan keefektifan tindakannya atau bahkan mempunyai keinginan untuk melakukan prediksi guna menentukan langkah terbaik yang perlu diambil. Keinginan evaluasi ataupun prediksi seperti itu akan mudah diperoleh jika tindakan-tindakan sebelumnya itu diukur melalui teknik- teknik pengukuran yang terstruktur dengan baik, baik melalui teori yang melandasi, metodologi yang digunakan, ataupun data pendukungnya. Suatu bentuk keilmuan yang mengakomodasi bentuk pengukuran kegiatan ekonomi itulah yang disebut sebagai ekonometri. Data dalam ekonometrika merupakan suatu kemutlakan, begitu pula penentuan jenis data, teknik analisanya, ataupun penyesuaian dengan tujuannya. Data yang diperlakukan sebagai pengungkap sejarah (historical data) akan menghasilkan evaluasi, dan untuk data yang diperlakukan pengungkap kecenderungan (trend data) akan menghasilkan prediksi. Hasil evaluasi ataupun prediksi yang mempunyai tingkat keakuratan tinggi saja yang akan mempunyai sumbangan terbesar bagi pengambilan keputusan. Di sinilah letak pentingnya ekonometrika. Sebagai contoh dalam mengungkap pentingnya ekonometrika, mari kita mencermati apa yang terjadi pada hukum permintaan dan penawaran. Hukum permintaan menjelaskan bahwa bila harga suatu barang cenderung mengalami penurunan, maka jumlah permintaan terhadap barang tersebut akan mengalami peningkatan. Begitu pula dalam hukum penawaran, semakin sedikit barang yang ditawarkan, maka harga barang akan cenderung tinggi, tetapi ketika jumlah barang yang ditawarkan semakin banyak, maka harga barang akan semakin turun. Pernyataan-pernyataan seperti itu merupakan bentuk penyederhanaan yang hanya membahas keterkaitan antara dua variabel, yaitu variabel harga (P) dan variabel jumlah barang (Q) saja. Hukum permintaan menunjukkan bahwa hubungan antara variabel P

dan Q berlawanan. Di sebut berlawanan karena jika P turun, maka Q yang diminta (D) akan bertambah, begitu pula sebaliknya. Oleh karena itu permintaan ditunjukkan oleh kurva atau garis yang cenderung menurun dari kiri atas ke kanan bawah (downward sloping). Lihat gambar 1.

Kondisi seperti ini berbeda bila di hadapkan dengan hukum penawaran. Pada hukum penawaran hubungan antara variabel P dan Q adalah searah, artinya jika P meningkat, maka Q juga meningkat. Atau sebaliknya, jika P menurun, maka Q juga mengalami penurunan. Oleh karena itu penawaran ditunjukkan oleh garis atau kurva yang cenderung meningkat dari kiri bawah ke kanan atas (upward sloping). Lihat gambar 2.

Tidak hanya terhenti pada dua teori di atas saja, banyak teori-teori ekonomi lain yang hipotesisnya hanya bersifat kualitatif seperti hukum permintaan dan penawaran di atas. Pengungkapan yang sangat kualitatif seperti contoh tersebut, tidak dapat diketahui seberapa besar pengaruh antara variabel P terhadap Q, atau Q terhadap P. Karena tidak dapat menjelaskan secara angka- angka tentu saja bentuk kurva atau garis yang ditunjukkan juga tidak dapat menggambarkan kondisi dengan sangat tepat. Kurva hanya dapat menggambarkan kecenderungan. Untuk menjawab persoalan itu, ekonometrika dengan menggunakan pendekatan kuantitatif dalam bentuk model pendekatan matematis yang berupa hitungan-hitungan metematika akan mampu untuk menunjukkan seberapa besar pengaruh suatu variabel tertenu terhadap variabel yang lain. Untuk menjawab tuntutan seperti itu, maka teori ekonomi yang sudah ada perlu dilengkapi dengan berbagai data yang diperlukan. Dalam hal ini perannya ditunjukkan oleh statistika. Fungsi dari statistika tidak hanya sekedar pengumpulan data saja, tetapi meluas hingga interpretasi terhadap pentingnya data tersebut, cara perolehan, jenis data, hingga sifat data. Peran statistik akan semakin berarti jika dianalisis dengan model matematis yang sesuai dengan teori-teori ekonomi yang dianalisis. Jenis Ekonometrika Ekonometrika dapat dibagi menjadi 2 (dua) macam, yaitu ekonometrika teoritis (theoretical econometrics) dan ekonometrika terapan (applied econometrics). Ekonometrik teoritis berkenaan dengan pengembangan metode yang tepat/cocok untuk mengukur hubungan ekonomi dengan menggunakan model ekonometrik. Ekonometrika terapan menggambarkan nilai praktis dari penelitian ekonomi, sehingga lingkupnya mencakup aplikasi teknikteknik ekonometri yang telah lebih dulu dikembangkan dalam ekonometri teoritis pada berbagai bidang teori ekonomi, untuk digunakan sebagai alat pengujian ataupun pengujian teori maupun peramalan.

Meskipun ekonometrika dapat didikotomikan ke dalam ekonometrika teoritis maupun terapan, namun tujuan-tujuan ekonometrika dapat dipersatukan sebagai alat verifikasi, penaksiran, ataupun peramalan. Fungsi verifikasi ini bertujuan untuk mengetahui dengan pasti kekuatan suatu teori melalui pengujian secara empiris, karena teori yang mapan adalah teori yang dapat diuji dengan empiris. Ekonometrika berkaitan dengan analisa kuantitatif yang menghasilkan taksiran-taksiran numerik yang dapat digunakan untuk melakukan taksiran-taksiran dari hasil suatu kegiatan ekonomi. Fungsi seperti itu disebut sebagai fungsi penaksiran. Taksiran-taksiran numerik seperti dijelaskan di atas dapat pula digunakan untuk mengindera kejadian masa yang akan datang dengan pengukuran derajat probabilitas tertentu. Fungsi seperti ini lebih dikenal denganforecasting (peramalan). Penggunaan ekonometrika Dalil-dalil ekonomi umumnya dijelaskan secara kualitatif dan dibatasi oleh asumsi-asumsi. Penggunaan asumsi dalam ilmu ekonomi merupakan refleksi dari kesadaran bahwa tidak mungkin untuk dapat mengungkap dengan pasti faktor-faktor apa saja yang saling terkait atau saling mempengaruhi faktor tertentu. Wajar saja, karena ilmu ekonomi merupakan rumpun ilmu sosial, dimana dalam kegiatan sosial antara variabel satu dan yang lainnya saling berinteraksi, berkaitan, dan saling mempengaruhi. Oleh karena itu penggunaan asumsi adalah untuk membantu penyederhanaan model. Asumsi yang paling sering digunakan adalah asumsiceteris paribus (hal-hal yang tidak diungkapkan dianggap tetap). Asumsi ini digunakan mengingat sangat banyaknya variabel-variabel dalam ilmu sosial yang saling mempengaruhi, yang sangat sulit untuk dianalisis secara bersamaan. Pembatasan penggunaan variabel untuk menganalisis kegiatan ekonomi melalui penetapan ceteris paribus tersebut, senyatanya adalah untuk mempermudah penafsiran-penafsiran serta pengukuran kegiatan ekonomi. Oleh karena itu dibuatlah pernyataan-pernyataan yang mewakili variabel yang diukur saja, dan mengasumsikan variabel lainnya bersifat tetap. Sebagai contoh, kalau kita hendak mencari jawaban tentang pertanyaan kenapa seseorang mengonsumsi suatu barang, maka kita dapat mengidentifikasi berbagai faktor yang mempengaruhi seperti: tingkat penghasilan, harga barang itu sendiri, harga barang lain, selera, kebutuhan, ekspektasi masa mendatang, tingkat pengeluaran, iklan, promosi, faktor barang pengganti, ketersediaan barang, kondisi politik, trend, gengsi, dan lain-lain, yang tentu itu tidak dapat dijelaskan secara pasti. Banyaknya faktor yang mempengaruhi tingkat konsumsi seseorang tersebut tentu tidak dapat diidentifikasi secara pasti, maka dalam ekonometrika disiasati dengan membentuk model, yang mengabstraksikan realita, dengan cara mengidentifikasi faktor-faktor besar saja (misalnya 1-5 faktor terpenting saja), selebihnya diwakili dengan asumsi ceteris paribus tersebut. Model matematis merupakan salah satu model untuk menggambarkan teori yang diterjemahkan dalam bentuk matematis. Umumnya model dikembangkan dalam bentuk persamaan, dimana sebelah kiri tanda persamaan mewakili variabel yang dipengaruhi, sedang variabel yang berada di sebelah kanan tanda persamaan mewakili variabel yang mempengaruhi. Variabel yang dipengaruhi disebut pula sebagai variabel terikat, variabel dependen (dependent variables). Variabel yang mempengaruhi disebut pula sebagai variabel bebas, variabel independen (independent variable), variabel penduga, juga variabel

prediktor. Untuk memudahkan tahapan proses analisis, dan mendapatkan jawaban yang valid maka perlu menggunakan metodologi ekonometri yang memadai.

Metodologi Ekonometri Metodologi ekonometri merupakan serangkaian tahapan-tahapan yang harus dilalui dalam kaitan untuk melakukan analisis terhadap kejadian-kejadian ekonomi. Secara garis besar, tahapan metodologi ekonometri dapat diurutkan sebagai berikut: 1. merumuskan masalah 2. merumuskan hipotesa 3. menyusun model 4. mendapatkan data 5. menguji model 6. menganalisis hasil 7. mengimplementasikan hasil Merumuskan Masalah Merumuskan masalah adalah hal yang sangat penting, karena merupakan pintu pembuka untuk menentukan tahapan-tahapan selanjutnya. Merumuskan suatu masalah berarti mengungkap hal-hal apa yang ada di balik gejala atau informasi yang ada, dan sekaligus mengidentifikasi penyebab-penyebab utamanya. Oleh karena itu, di dalam merumuskan masalah tidak dapat dilepaskan dari pemahaman teoriteori yang melandasi atau kontekstual dengan penelitian, mengungkap mengapa penelitian itu dilakukan, dan sekaligus mampu membuat rencana untuk menentukan langkah untuk mendapatkan jawaban dari permasalahan yang ada. Rumusan masalah merupakan pedoman untuk membuat struktur isi penelitian. Wajar saja bila sebagian besar orang berpendapat bahwa perumusan masalah adalah tahapan yang paling sulit dan menentukan. Perumusan masalah yang baik tentu disertai dengan latar belakang masalah, karena itu merupakan sumber informasi yang digunakan untuk memahami keterkaitan permasalahan yang dirumuskan. Umumnya perumusan masalah dalam suatu penelitian diungkapkan dalam bentuk kalimat pertanyaan yang membutuhkan jawaban. Karena membutuhkan jawaban, maka akan semakin baik jika apa yang mendasari permasalahan itu adalah hal-hal yang menarik minat peneliti. Sebagai ilustrasi dari perumusan masalah, beberapa contoh dikemukakan sebagai berikut: 1. Seperti dijelaskan di atas, bahwaevaluasi pegawai dalam rangka penempatan kerja di lingkungan Dinas Pendidikan Nasional Kabupaten Sukoharjo belum dilakukan secara memadai. Dengan tidak dilakukannya evaluasi yang memadai, maka tidak dapat diketahui informasi yang terkait dengan apa yang diharapkan pegawai, seberapa besar tingkat stres pegawai, maupun berapa besar potensi

prestasi kerja yang tersimpan maupun yang telah dapat diwujudkan. Untuk itu dalam penelitian ini permasalahan- permasalahan seperti itu akan dirumuskan dalam bentuk pertanyaan sebagai berikut: apakah dalam penempatan kerja pegawai Depdiknas Kabupaten Sukoharjo selama ini telah sesuai dengan karakteristik individu masing-masing pegawai, atau karena terpaksa harus bertahan karena tuntutan yang lain? berapa besar tingkat stress yang dialami pegawai dilingkungan Depdiknas Kabupaten Sukoharjo, dan apa faktor yang yang paling signifikan mempengaruhinya? seberapa besar tingkat prestasi kerja pegawai Depdiknas Kabupaten Sukoharjo selama ini? adakah stress kerja yang dialami pegawai mempengaruhi prestasi kerja, seberapa besar pengaruhnya? 2. Setelah Juni 1997 diketahui bahwa terdapat kesamaan arah antara inflasi, kurs, dan suku bunga. Ketika inflasi meningkat kurs USD terhadap IDR juga mengalami peningkatan, begitu pula suku bunga juga mengalami peningkatan. Tetapi ketika inflasi mengalami penurunan ternyata baik kurs dan suku bunga juga mengalami hal serupa. Berdasar pada hal tersebut, maka timbul pertanyaan apakah kurs IDR terhadap USD dan suku bunga simpanan berjangka rupiah mempengaruhi tingkat inflasi di Indonesia ? Merumuskan Hipotesa Hipotesa merupakan jawaban sementara terhadap masalah penelitian, sehingga perlu diuji lebih lanjut melalui pembuktian berdasarkan data-data yang berkenaan dengan hubungan antara dua atau lebih variabel. Rumusan hipotesa yang baik seharusnya dapat menunjukkan adanya struktur yang sederhana tetapi jelas, sehingga memudahkan untuk mengetahui jenis variabel, sifat hubungan antar variabel, dan jenis data. Perumusan hipotesa biasanya berupa kalimat pernyataan yang merupakan jawaban sementara dari masalah yang akan diteliti. Berdasarkan contoh pada sub merumuskan masalah di atas, maka dapat dicontohkan penarikan hipotesis seperti ini:4 1. Pegawai di lingkungan Dinas Pendidikan Kabupaten Sukoharjo banyak yang mengalami stres kerja yang dapat berakibat pada menurunnya motivasi kerjanya. 2. Inflasi di Indonesia setelah tahun 1997 dipengaruhi oleh kurs nilai tukar IDR-USD dan bunga deposito. Hubungannya bersifat searah. Menyusun Model Pada dasarnya setiap ilmu pengetahuan bertujuan untuk menganalisis kenyataan yang wujud di alam semesta dan di dalam kehidupan manusia. Namun, karena fakta-fakta mengenai kenyataan yang wujud dalam ilmu sosial ( dimana ilmu ekonomi termasuk salah satu cabangnya) berjumlah sangat banyak dan saling terkait satu sama lainnya, maka menggambarkan kenyataan yang sebenarnya berlaku dalam perekonomian adalah merupakan hal yang tidak mudah. Agar dapat menjelaskan realitas yang kompleks seperti itu, maka perlu dilakukan abstraksi melalui penyusunan suatu model. Oleh karena itu model merupakan abstraksi dari realitas. Dalam ilmu ekonomi, model ekonomi didefinisikan sebagai konstruksi teoritis atau kerangka analisis ekonomi yang menggabungkan konsep, definisi, anggapan, persamaan, kesamaan (identitas) dan

ketidaksamaan dari mana kesimpulan akan diturunkan.5 Sebagaimana namanya, dalam ilmu ekonomi tentu yang digunakan adalah variabel-variabel ekonomi saja. Untuk variabel non ekonomi tidak perlu dipilih, atau dimasukkan saja ke dalam asumsi ceteris paribus. Variabel ekonomi dibedakan menjadi:6 1. Variabel Endogin, yaitu variabel yang menjadi pusat perhatian si pembuat model, atau variabel yang ditentukan di dalam model dan ingin diamati variansinya. 2. Variabel Eksogin, yaitu variabel yang dianggap ditentukan di luar sistem (model) dan diharapkan mampu menjelaskan variasi variabel endogin. 3. variabel kelambanan, yaitu variabel dengan unsur lag, yang umumnya digunakan untuk data runtut waktu. Fungsi model dalam ekonometrika adalah sebagai tuntunan untuk mempermudah menguji ketepatan model penduga. Salah satu bentuk model adalah berupa persamaan fungsi secara matematis. Karena pada hakikatnya sebuah fungsi adalah sebuah persamaan matematis yang menggambarkan hubungan sebab akibat antara sebuah variabel dengan satu atau lebih variabel lain. Ketepatan model itu sendiri mempunyai dua tujuan yaitu:Pertama, untuk mengetahui apakah model penduga tersebut merupakan model yang tepat sebagaiestimator. Kedua, untuk mengetahui daya ramal atau goodness of fit dari model penduga. Model persamaan ini disebut pula sebagai metode regresi yang diharapkan dapat menjawab hipotesis yang telah ditentukan. Model ekonometrika setidaknya terdiri dari dua golongan variabel, yaitu variabel terikat (dependen) yang berada pada sebelah kiri tanda persamaan, dan variabel bebas (independen) yang berada di sebelah kanan tanda persamaan. Jumlah variabel bebas tidak harus satu, tetapi dapat berjumlah lebih dari satu variabel. Untuk model dengan satu variabel bebas disebut dengan regresi tunggal (single regression), sedang untuk model yang mempunyai lebih dari satu variabel bebas disebut regresi berganda (multiple regression). Mendapatkan Data Mendapatkan data merupakan suatu langkah yang harus dilakukan oleh peneliti, agar dapat menjamin bahwa data yang dianalisis adalah benar-benar menggunakan data yang tepat. Hal ini penting untuk mendapatkan hasil analisis yang tidak bias atau menyesatkan. Para peneliti terdahulu telah mengingatkan agar jangan sampai dalam penelitian terdapat GIGO, garbage In garbage out. Tahapan yang dapat ditempuh untuk mendapatkan data pra analisis meliputi: penyuntingan data, pengembangan variabel, pengkodean data, cek kesalahan, pembentukan struktur data, tabulasi. Penyuntingan data, adalah upaya proses data untuk mendapatkan data yang memberikan kejelasan, dapat dibaca, konsisten, dan komplit. Pengembangan variabel, yaitu memperluas variansi data, misalnya mentransformasi menjadi data dalam angka logaritma, melakukan indeksasi data, komposit, dan lain-lain. Pengkodean data, melakukan koding terhadap data yang akan digunakan dengan cara yang sesuai, seperti koding terhadap variabel dummy, data ordinal, data interval, dan lain-lain.

Cek kesalahan, merupakan finalisasi pengujian data agar betul-betul mendapatkan data akhir yang valid. Strukturisasi data, membuat kesedian data agar dapat digunakan dengan baik di kemudian hari. Tabulasi data, biasanya tidak dimasukkan sebagai prosedur analitik dalam penelitian ilmiah karena tidak mengungkapkan hubungan dalam data. Kendati demikian, banyak riset bisnis yang ditujukan untuk penjelasan masalah dan atau menemukan hubungan. Tabulasi menyajikan hitungan hitungan frekuensi dari satu hal (analisis frekuensi) atau perkiraan numerik tentang distribusi sesuatu (analisis deskriptif). Tabulasi merupakan alat analisis bisnis. Tabulasi juga bermanfaat bagi peneliti sebagai alat menyusun kategori ketika mengubah variabel interval menjadi klasifikasi nominal. Dengan kata lain, tabulasi mendeskripsikan jumlah individu yang menjawab pertanyaan tertentu. Tabulasi dapat juga digunakan untuk menciptakan statistik deskriptif mengenai variabel-variabel yang digunakan atau tabulasi silang.7 Menguji Model Untuk mengetahui sejauh mana tingkat kesahihan model terbaik yang dihasilkan, maka perlu dilakukan uji ketepatan fungsi regresi dalam menaksir nilaiactual dapat diukur dari goodness of fit-nya. Untuk melakukan uji goodness of fit pengukurannya dilakukan dengan menguji nilai statistik t, nilai statistik F, dan koefisien determinasinya (R2) pada hasil regresi yang telah memenuhi uji asumsi klasik. Uji nilai statistik t untuk mengetahui pengaruh secara individual variabel independen terhadap variabel dependen. Uji F untuk mengetahui secara bersama-sama semua variabel independen dalam mempengaruhi variabel dependen. Sedangkan koefisien determinasi untuk menentukan seberapa besar sumbangan variabel independen terhadap variabel dependen. Uji asumsi klasik juga perlu dilakukan terhadap model agar memperteguh validitas model, yang dapat dilakukan melalui pengujian normalitas, autokorelasi, multikolinearitas, juga heteroskedastisitas. Menganalisis Hasil Analisis ekonometrika dimulai dari interpretasi terhadap data dan keterkaitan antar variabel yang dijelaskan di dalam model. Tidak hanya analisis regresi, analisis korelasi juga perlu dilakukan untuk mendapatkan hasil pengukuran hingga benar-benar valid. Analisis regresi akan mendapatkan hasil pengaruh antara variabel independen terhadap variabel dependen. Sedang untuk analisis korelasi berguna untuk mengetahui hubungan antar variabel tanpa membedakan apakah itu variabel dependen ataukah independen. Tanda positif atau negatif pada masing-masing koefisien perlu untuk dicermati, karena mempunyai keterkaitan langsung terhadap kesesuaian dengan teori yang dirumuskan dalam model. Pengabaian terhadap kedua tanda tersebut, dapat menjadikan hasil regresi tidak sesuai dengan teori yang melatar belakangi. Hal lain yang tidak kalah pentingnya adalah pengimplemantasian dari hasil pengukuran. Karena sebagus dan sebenar apapun hasil penelitian, apabila tidak ditindaklanjuti dalam bentuk implementasi, tidak akan berarti apa-apa. Tugas:

1. Buatlah rangkuman dari pembahasan di atas 2. Cobalah untuk menyimpulkan maksud dari uraian bab ini 3. Jawablah pertanyaan-pertanyaan di bawah ini: a. Apa yang dimaksud dengan ekonometrika b. Bidang keilmuan apa saja yang terkait secara langsung dengan ekonometrika c. Jelaskan pentingnya ekonometrika d. Uraikan tahapan-tahapan ekonometrika BAB II MODEL REGRESI Tujuan Pengajaran: Setelah mempelajari bab ini, anda diharapkan dapat: Mengerti definisi model Mengerti definisi regresi Menyebutkan model-model regresi Menjelaskan kegunaan model regresi Menuliskan alternatif notasi model Memahami perbedaan-perbedaan model Menggunakan model untuk menjabarkan teori BAB II MODEL REGRESI Keilmuan sosial mempunyai karakteristik berupa banyaknya variabel-variabel atau faktor-faktor yang saling mempengaruhi satu sama lain. Kondisi yang demikian ini menyebabkan kesulitan dalam menentukan secara pasti faktor apa saja yang menyebabkan faktor tertentu. Sebagai contoh, apabila kita ingin mengetahui faktor apa saja yang mempengaruhi permintaan suatu barang tertentu (sebut saja barang X), maka dengan mengidentifikasi kemungkinan faktor-faktor yang mempengaruhinya, kita akan mendapatkan banyak sekali faktor-faktor itu seperti: harga barang tersebut, harga barang lain, mutu barang, pendapatan, anggaran pengeluaran, prediksi harga masa yang akan datang, selera, trend yang berkembang, persepsi atas barang tersebut, kebutuhan, gengsi, return usaha yang mungkin diperoleh, tingkat bunga bank, stabilisasi keamanan, tempat penjualan barang tersebut, barang pengganti, dan tentu masih banyak lagi faktor-faktor lainnya yang sangat sulit untuk ditentukan secara mutlak, bahwa harga barang X tersebut hanya ditentukan oleh faktor-faktor yang telah dijelaskan. Dari beragam faktor-faktor yang disebutkan di atas, tentu mempunyai tingkat signifikansi yang berbeda. Beberapa faktor mungkin mempunyai tingkat signifikansi yang tinggi, sementara yang lain mungkin tingkat signifikansinya rendah, atau biasa disebut tidak signifikan. Dalam kepentingan untuk mengidentifikasi beberapa variabel saja, maka dibenarkan untuk mengabaikan variabel-variabel yang lain. Cara yang dilakukan adalah membuat model, yang menjelaskan variabel-variabel yang hendak diteliti saja. Sedang untuk variabel-variabel lain yang terkait tetapi tidak hendak diteliti, dapat diabaikan. Hal ini

dibenarkan dalam keilmuan sosial (ekonomi), karena terlalu banyak faktor- faktor yang saling terkait dan sangat sulit untuk diidentifikasi secara menyeluruh, sehingga perlu asumsi yang menganggap tidak adanya perubahan dari variabel- variabel yang disebut dengan ceteris paribus. Model dalam keilmuan ekonomi berfungsi sebagai panduan analisis melalui penyederhanaan dari realitas yang ada. Sehingga model sering diartikan refleksi dari realita atau simplikasi dari kenyataan. Hal ini akan semakin jelas kalau kita runut dari bentuk suatu model yang memang berbentuk sangat sederhana. Penulisan model dalam ekonometrika adalah merupakan pengembangan dari persamaan fungsi secara matematis, karena pada hakikatnya sebuah fungsi adalah sebuah persamaan yang menggambarkan hubungan sebab akibat antara sebuah variabel dengan satu atau lebih variabel lain. Penulisan model dalam bentuk persamaan fungsi tersebut dicontohkan dalam persamaan berikut ini: Persamaan Matematis Y = a + b X .. (pers.1) Persamaan Ekonometrika Y = b 0+ b 1X + e .. (pers.2) Munculnya e (error term) pada persamaan ekonometrika (pers.2) merupakan suatu penegasan bahwa sebenarnya banyak sekali variabel-variabel bebas yang mempengaruhi variabel terikat (Y). Karena dalam model tersebut hanya ingin melihat pengaruh satu variabel X saja, maka variabel-variabel yang lain dianggap bersifat tetap atau ceteris paribus, yang dilambangkan dengan e.

Bentuk Model Model persamaan fungsi seperti dicontohkan pada pers.2 bertujuan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat. Oleh karena itu, persamaan tersebut disebut juga sebagai persamaan regresi. Model Regresi mempunyai bermacam-macam bentuk model yang dapat dibedakan berdasarkan sebaran data yang terlihat dalamscatterplott-nya.8Setidaknya terdapat tiga jenis model yaitu: Model Regresi Linier, Model Regresi Kuadratik, Model Regresi Kubik Model Regresi Linier Kata linier dalam model ini menunjukkan linearitas dalam variabel maupun lineraitas dalam data. Kata linier menggambarkan arti bahwa sebaran data dalamscatter plot menunjukkan sebaran data yang mendekati bentuk garis lurus. Data semacam ini dapat wujud apabila perubahan pada variabel Y sebanding dengan perubahan variabel X. Jika sebaran datanya berkecenderungan melengkung, maka cocoknya menggunakan dengan regresi kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk U atau spiral regresinya menggunakan regresi kubik.

Model linier sendiri dapat dibedakan sebagai single linier maupun multiple linier. Disebut single linier apabila variabel bebas hanya berjumlah satu dengan batasan pangkat satu. Sedang multiple linier apabila variabel bebas lebih dari satu variabel dengan batasan pangkat satu. Untuk lebih jelasnya akan dicontohkan bentuk persamaan single linier (pers.3) dan persamaan multiple linier (pers.4) sebagai berikut: Y = b 0+ b 1X + e .. (pers.3) Y = b 0+ b 1X1+ b 2X2 + + bnXn + e .. (pers.4) Misalkan dari pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito (Budep) pada periode tertentu, dan jika datanya telah diketahui, maka data akan tergambar dalam bentuk titik-titik yang merupakan sebaran data dalam scatter plot. Dengan menggunakan data penelitian hubungan antara inflasi dan bunga deposito antara Januari 2001 hingga Oktober 2002, maka sebaran datanya tergambar sebagai berikut: Hubungan Suku Bunga terhadap inflasi

Inflasi 8-16(keatas) 13.0 13,5 Budep (GamBaR 3) KOSONG

14,0 14,5

15,0

15,5

16,0

16,5

Sebaran data tersebut di atas (gambar 3) menunjukkan hubungan yang positif, yaitu jika bunga deposito meningkat, maka inflasi juga meningkat. Begitu pula jika bunga deposito menurun, inflasi juga

turun. Sedangkan contoh sebaran data yang digambarkan dalam scatter plot di bawah ini (gambar 4), menunjukkan bahwa hubungan antara variable Afenegat (Afeksi negative) dan Latribut (Atribut) mempunyai hubungan yang negative. Jika atributnya berkurang, maka afeksi negatifnya meningkat. Begitu pula sebaliknya. Dari scatter plot kedua gambar tersebut (baik gambar di atas maupun di bawah ini) menunjukkan bahwa sebaran datanya menyebar memanjang lurus, sehingga dapat diwakili dengan garis lurus. Oleh karena itu, kedua scater plot tersebut akan tepat digunakan regresi linier.

40 30 20 10 0 LATRIBUT AFENEGAT 1.9 1.8 1.7 1.6 Gambar 4

Model Kuadratik Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel bebasnya. Ciri yang lain dapat dilihat dari pengamatan terhadap scatter plott yang menunjukkan kecenderungan sebaran data membentuk lengkung, tidak seperti model linier yang cenderung lurus.

Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut: Y = b 0+ b 1X1+ b 2X1k u a d r a t + e .. (pers.5) Model Kubik Salah satu ciri model kubik dapat diketahui dari adanya pangkat tiga pada salah satu variabel bebasnya. Oleh karena itu sering disebut juga dengan fungsi berderajat tiga. Ciri yang lain dapat dilihat dari pengamatan terhadap scatter plott yang menunjukkan kecenderungan sebaran data yang berbentuk lengkung dengan arah yang berbeda. Setiap fungsi kubik setidak- tidaknya mempunyai sebuah titik belok (inflexion point), yaitu titik peralihan bentuk kurva dari cekung menjadi cembung atau dari cembung menjadi cekung.9 Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut: Y = b 0+ b 1X1+ b 1X1 2+ b 1 X 1 (angka 2 di samping adalah kuadrat) 3+ e (angka 3di samping adalah kubik) .. (pers.6) Notasi Model Huruf Y memerankan fungsi sebagai variabel dependen atau variabel terikat. Y sering juga disebut sebagai variabel gayut, variabel yang dipengaruhi, atau variabel endogin. Dengan alasan keseragaman, penulisan huruf Y diletakkan disebelah kiri tanda persamaan. Sedang variabel independen yang secara umum disimbolkan dengan huruf X diletakkan disebelah kanan tanda persamaan. Huruf X menggambarkan variabel bebas atau variabel yang mempengaruhi. Oleh karena itu variabel ini mempunyai nama lain seperti variabel independen, variabel penduga, variabel estimator, atau juga variabel eksogen. Peletakannya di sebelah kanan tanda persamaan menunjukkan perannya sebagai variabel yang mempengaruhi. Huruf b0 sering juga dituliskan dengan huruf a,, atau juga0. Secara substansi penulisan itu mempunyai arti yang sama, yaitu menunjukkan konstanta atau intercept yang merupakan sifat bawaan dari variabel Y. Konstanta ini mempunyai angka yang bersifat tetap yang sekaligus menunjukkan titik potong garis regresi pada sumbu Y. Jika konstanta itu bertanda positif maka titik potongnya di sebelah atas titik origin (0), sedang bila bertanda negatif titik potongnya di sebelah bawah titik origin. Nilai konstanta ini merupakan nilai dari variabel Y ketika variabel X bernilai nol. Atau dengan bahasa yang mudah, nilai konstanta merupakan sifat bawaan dari Y. Huruf b1, b 2, b n merupakan parameter yang menunjukkanslope atau kemiringan garis regresi. Parameter ini sering juga dituliskan dengan bentuk b, atau 1, 2, n. Meskipun dituliskan

dengan tanda yang berbeda, secara substansi parameter ini menunjukkan beta atau koefisien korelasi yang sekaligus menunjukkan tingkat elastisitas dari variabel X tersebut. Nilai beta ini memungkinkan untuk bernilai positif maupun negatif. Tanda positif menunjukkan hubungan yang searah antara variabel X dengan variabel Y. Artinya jika X mengalami peningkatan maka Y juga mengalami peningkatan. Sebaliknya jika X mengalami penurunan maka Y pun akan menurun. Arah hubungan seperti itu tidak terjadi pada beta yang berangka negatif. Karena jika tandanya negatif arah hubungan X terhadap Y saling berlawanan. Jika X meningkat maka Y menurun, sebaliknya jika X menurun maka nilai statistik t meningkat. Demikian pula, karena nilai koefisien korelasi ini juga menunjukkan tingkat elastisitas, maka dari besarnya nilai koefisien korelasi (b) tersebut dapat ditentukan jenis elastisitasnya. Jika nilai b besarnya lebih dari satu (b>1) maka disebut elastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y akan mengalami perubahan yang lebih besar dari perubahan yang ada pada variabel X tersebut. Jika nilai b besarnya sama dengan angka satu (b=1) disebut uniter elastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y akan mengalami perubahan yang sama besar dengan perubahan yang ada pada variabel X tersebut. Jika nilai b besarnya lebih kecil dari angka satu (b<1) disebut inelastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y akan mengalami perubahan yang lebih kecil dari perubahan yang ada pada variabel X tersebut. Huruf e merupakan kependekan dari error term atau kesalahan penggganggu. Simbolerror ini tidak jarang dituliskan dalam huruf atau. Simbol ini merupakan karakteristik dari ekonometrika yang tidak dapat dilepaskan dari unsur-unsur stokhastik atau hal-hal yang mengandung probabilita, karena hasil yang ditunjukkan oleh model ekonometrika hanya bersifat perkiraan, dalam arti tidak menunjukkan kebenaran yang mutlak. Oleh karena itu nama lain dari simbol ini tidak terlepas dari sifat dasar itu seperti: disturbance error atau stochastic disturbance. Kesalahan pengganggu ini sendiri mempunyai banyak sebab yang dapat menimbulkannya seperti: 1. tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi variabel terikat dapat disebutkan dalam model. 2. kesalahan asumsi dalam menentukan teori yang diwujudkan sebagai model. 3. ketidaklengkapan data yang dianalisis. 4. ketidaktepatan model yang digunakan. Misalnya, seharusnya digunakan model kuadratik tetapi justru yang digunakan adalah model linier, atau sebaliknya. Spesifikasi Model dan Data Secara spesifik model dalam ekonometrika dapat dibedakan menjadi: model ekonomi (economic model) dan model statistic (statistical model).

Model Ekonomi biasanya dituliskan dalam bentuk persamaan sebagai berikut: Y = b 0+ b 1X1+ b 2X2 Tanda b = parameter, menunjukkan ketergantungan variabel Y terhadap variabel X b0 =intercept, menjelaskan nilai variabel terikat ketika masing-masing variabel bebasnya bernilai 0 (nol). Model ini menggambarkan rata-rata hubungan sistemik antara variabel Y, X1, X 2. Dalam model ini nilai e tidak tertera, karena nilai e diasumsikan non random. Dalam realita, model ini tidak mampu menjelaskan variabel- variabel ekonomi secara pas (clear), oleh karena itu membutuhkan regresi. Model Statistik Model ekonomi seperti yang dijelaskan di atas, mencerminkan nilai harapan, maka dapat pula ditulis: E (Y) = b0+ b 1X1+ b 2X2 Karena nilai harapan, maka tentu tidak akan secara pasti sesuai dengan realita. Oleh karena itu akan muncul nilai random error term (e). Nilai e sendiri merupakan selisih antara nilai kenyataan dan nilai harapan. Secara matematis dapat dituliskan sebagai berikut: e = Y E(Y) atau e = Y Y jadi, Y = Y+ e karena, Y= E (Y) = b0 + b1X1 + b2 X2 maka Y = b 0+ b 1X1+ b 2X2+ e tanda e pada persamaan di atas mencerminkan distribusi probabilitas. Atau dapat pula dianggap sebagai pengganti variabel-variabel berpengaruh lain selain variabel yang dijelaskan dalam model. Dalam teori ekonomi, e merupakan representasi dari asumsi ceteris paribus. Pengakuan adanya variabel lain yang berpengaruh, meskipun tidak disebutkan variabel apa, cukup ditulis dengan tanda e, maka model menjadi lebih realistik. Agar terdapat gambaran yang jelas, maka nilai e harus diasumsikan. Asumsi-asumsinya adalah: 1. Nilai harapan e sama dengan 0 (nol). E(e) = 0, masing-masing random error mempunyai distribusi probabilitas = 0. Meskipun e bisa bernilai positif atau negatif, tetapi rata-rata e harus = 0. 2. Variance residual sama dengan standar deviasi Var (e) = 2 , artinya: masing-masing random error mempunyai distribusi probabilitas variance yang sama dengan standar deviasi ( 2 ). Asumsi ini menjelaskan bahwa residual bersifat homoskedastik. 3. Kovarian ei dan ej mempunyai nilai nol. Cov (ei, ej) = 0. Nilai nol dalam asumsi ini menjelaskan bahwa antara ei dan ej tidak ada korelasi serial atau tidak berkorelasi (autocorrelation). 4. Nilai random error mempunyai distribusi probabilitas yang normal. Karena masing, masing observasi Y tergantung pada e, maka masing-masing Y juga memiliki varian yang random. Dengan demikian, statistik Y menjadi sebagai berikut:

1. Nilai harapan Y tergantung pada nilai masing- masing variabel penjelas dan parameter- parameternya. Dengan menggunakan asumsi E(e) = 0, maka rata-rata perubahan nilai Y untuk setiap observasi ditentukan oleh fungsi regresi. E (Y) = b0+ b 1X1+ b 2X2 2. Variance distribusi probabilitas Y tidak dapat berubah setiap observasi. Var (Y) = Var (e) = 2 3. Tidak ada kaitan langsung antara observasi satu dengan observasi lainnya. Cov (Yi, Yj) = Cov (ei, ej) = 0 4. Nilai Y secara normal terdistribusi di sekitar ratarata. Asumsi-asumsi di atas difokuskan pada pembahasan variabel terikat. Perlu adanya asumsi tambahan terhadap variabel penjelas, yaitu: 1. Variabel independen tidak bersifat random, karena dengan jelas dapat diketahui dari data. 2. Variabel independen tidak merupakan fungsi linear dari yang lain. Asumsi ini penting agar tidak terjadi redundancy, yang menyebabkan multikolinearitas. Kesimpulan: Dalam suatu model regresi terdapat dua jenis variabel, yaitu variabel terikat dan variabel bebas, yang dipisahkan oleh tanda persamaan. Variabel terikat sering disimbolkan dengan Y, biasa pula disebut sebagai variabel dependen, variabel tak bebas, variabel yang dijelaskan, variabel yang diestimasi, variabel yang dipengaruhi. Cirinya, berada pada sebelah kiri tanda persamaan (=). Variabel bebas sering disimbolkan dengan X, biasa pula disebut sebagai variabel independen, variabel yang mempengaruhi, variabel penjelas, variabel estimator, variabel penduga, variabel yang mempengaruhi, variabel prediktor. Cirinya terletak pada sebelah kanan tanda persamaan (=). Dalam suatu model juga terdapat parameter- parameter yang disebut konstanta, juga koefisien korelasi. Konstanta sering disimbolkan dengan a, atau b0,at au0. Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope, kemiringan, elastisitas. -000Tugas: 1. Buatlah rangkuman dari pembahasan di atas! 2. Cobalah untuk menyimpulkan maksud dari uraian bab ini!

3. Jawablah pertanyaan-pertanyaan di bawah ini: a. Jelaskan apa yang dimaksud dengan model! b. Sebutkan apa saja jenis-jenis model ekonometrika! c. Jelaskan perbedaan antara jenis-jenis model ekonometrika! d. Coba uraikan asumsi-asumsi yang harus dipenuhi dalam regresi linier! BAB III MODEL REGRESI DENGAN DUA VARIABEL Tujuan Pengajaran: Setelah mempelajari bab ini, anda diharapkan dapat: Mengetahui kegunaan dan spesifikasi model Menjelaskan hubungan antar variabel Mengaitkan data yang relevan dengan teori Mengembangkan data Menghitung nilai parameter Mengetahui arti dan fungsi parameter Menentukan signifikan tidaknya variabel bebas Membaca hasil regresi Menyebutkan asumsi-asumsi. BAB III MODEL REGRESI DENGAN DUA VARIABEL Bentuk model Model regresi dengan dua variabel10umumnya dituliskan dengan simbol berbeda berdasarkan sumber data yang digunakan, meskipun tetap dituliskan dalam persamaan fungsi regresi. Fungsi regresi yang menggunakan data populasi (FRP) umumnya menuliskan simbol konstanta dan koefisien regresi dalam huruf besar, sebagai berikut: Y = A + BX + .. (pers.3.1) Fungsi regresi yang menggunakan data sampel (FRS) umumnya menuliskan simbol konstanta dan koefien regresi dengan huruf kecil, seperti contoh sebagai berikut: Y = a + bX + e

.. (pers.3.2) Dimana: A atau a; merupakan konstanta atauintercept B atau b; merupakan koefisien regresi, yang juga menggambarkan tingkat elastisitas variabel independen Y; merupakan variabel dependen X; merupakan variabel independen

( (
XY

(
X

)(
Y

)
2

b =
n

Notasi a dan b merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau statistik, sedangkan nilainya disebut sebagai estimate atau nilai perkiraan.11 Meskipun penulisan simbol konstanta dan koefisien regresinya agak berbeda, namun penghitungannya menggunakan metode yang sama, yaitu dapat dilakukan dengan metode kuadrat terkecil biasa (ordinary least

square)12, atau dengan metode Maximum Likelihood. Metode Kuadrat Terkecil Biasa (Ordinary Least Square) (OLS)

Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi linier sederhana dengan metode OLS dapat dilakukan dengan rumusrumus sebagai berikut: Rumus Pertama (I) Mencari nilai b:
n X

(
X

)
2

mencari nilai a:

Y b.

a =
n

Rumus kedua (II)


xy b=
2

Mencari nilai b:

mencari nilai a:
a= Y b X

Misalnya saja kita ingin meneliti pengaruh bunga deposito jangka waktu 1 bulan (sebagai variabel X = Budep) terhadap terjadinya inflasi di Indonesia (sebagai variabel Y=Inflasi) pada kurun waktu Januari 2001 hingga Oktober 2002, yang datanya tertera sebagai berikut:

KOSONG Hal 116 Mengamati sebaran data, dengan melakukan hitungan-hitungan berapa prosentase data observasi dan berada di area mana. Untuk menentukan posisi normal dari sebaran data, langkah awal yang dilakukan adalah menghitung standar deviasi. Standar deviasi dapat dicari melalui rumus sebagai berikut: (Dv Dv) SD= n Standar deviasi ini digunakan untuk menentukan rentang deviasi dari posisi simetris data. Untuk mempermudah, kita dapat memberinya nama: SD1 yang berarti rentang pertama, di sebelah kiri dan sebelah kanan dari posisi tengah-tengah (simetris). SD2 yang berarti rentang kedua di sebelah kiri dan sebelah kanan posisi tengah- tengah (simetris)

SD3 yang berarti rentang ketiga di sebelah kiri dan sebelah kanan posisi tengah- tengah (simetris). Penentuan area ini penting, karena sebaran data yang dikatakan normal19 apabila tersebar sebagai berikut: Sebanyak 68% dari observasi berada pada area SD1 Sebanyak 95% dari sisanya berada pada area SD2 Sebanyak 99,7% dari sisanya berada pada area SD3 Untuk memperjelas maksud dari uraian di atas, kita dapat melihatnya pada gambar berikut ini

Next gbr Dalam pengujian normalitas mempunyai dua kemungkinan, yaitu data berdistribusi normal atau tidak normal. Apabila data telah berdistribusi normal maka tidak ada masalah karena uji t dan uji F dapat dilakukan (Kuncoro, 2001: 110). Apabila data tidak normal, maka

diperlukan upaya untuk mengatasi seperti: memotong data yang out liers, memperbesar sampel, atau melakukan transformasi data. Data yang tidak normal juga dapat dibedakan dari tingkat kemencengannya (skewness). Jika data cenderung menceng ke kiri disebut positif skewness, dan jika data cenderung menceng ke kanan disebut negatif skewness. Data dikatakan normal jika datanya simetris. Lihat gambar berikut: gbr Langkah transformasi data sebagai upaya untuk menormalkan sebaran data dapat dilakukan dengan merubah data dengan nilai absolut ke dalam bilangan logaritma20. Dengan mentransformasi data ke bentuk logaritma akan memperkecilerror sehingga kemungkinan timbulnya masalah heteroskedastisitas juga menjadi sangat kecil (Setiaji, 2004: 18). Sebagai penjelas dari uraian di atas, maka ada baiknya kalau kita ikuti contoh soal sebagai berikut: Misalnya kita memiliki jumlah observasi sebanyak 30 sampel, dari penghitungan berat badan orang dewasa yang rata-ratanya ditemukan 46 kg, dengan standar deviasi (SD) 5 kg. Untuk menentukan normal tidaknya data sampel tersebut, dapat diketahui dari sebaran datanya. Misalnya dari data tersebut diketahui bahwa 20 dari data observasi (68% X 30) 10 orang di antaranya mempunyai berat badan yang berkisar antara 41-46 kg., dan 10 orang lainnya dengan berat 46-51 kg. Dan 4 orang mempunyai berat badan antara 36-41 kg, serta 5 orang berat badannya berkisar antara 51-56, dan satu orang beratnya kurang dari 36 kg, maka data dapat dikatakan normal. Dengan demikian bila diwujudkan dalam bentuk diagram sebaran data akan tampak sebagai berikut: Gbr 119

Sebagai penjelas dari uraian di atas, maka ada baiknya kalau kita ikuti contoh soal sebagai berikut: Misalnya kita memiliki jumlah observasi sebanyak 30 sampel, dari penghitungan berat badan orang dewasa yang rata-ratanya ditemukan 46 kg, dengan standar deviasi (SD) 5 kg. Untuk menentukan normal tidaknya data sampel tersebut, dapat diketahui dari sebaran datanya. Misalnya dari data tersebut diketahui bahwa 20 dari data observasi (68% X 30) 10 orang di antaranya mempunyai berat badan yang berkisar antara 41-46 kg., dan 10 orang lainnya dengan berat 46-51 kg. Dan 4 orang mempunyai berat badan antara 36-41 kg, serta 5 orang berat badannya berkisar antara 51-56, dan satu orang beratnya kurang dari

36 kg, maka data dapat dikatakan normal. Dengan demikian bila diwujudkan dalam bentuk diagram sebaran data akan tampak sebagai berikut: 36 41 46 51 56 C. Uji Heteroskedastisitas C.1. Pengertian Heteroskedastisitas Sebagaimana telah ditunjukkan dalam salah satu asumsi yang harus ditaati pada model regresi linier, adalah residual harus homoskedastis, artinya,variance residual harus memiliki variabel yang konstan, atau dengan kata lain, rentangan e kurang lebih sama. Karena jika variancenya tidak sama, model akan menghadapi masalah heteroskedastisitas. Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya (Kuncoro, 2001: 112). Padahal rumus regresi diperoleh dengan asumsi bahwa variabel pengganggu (error) atau e, diasumsikan memiliki variabel yang konstan (rentangan e kurang lebih sama). Apabila terjadi varian e tidak konstan, maka kondisi tersebut dikatakan tidak homoskedastik atau mengalami heteroskedastisitas (Setiaji, 2004: 17). Masalah heteroskedastisitas lebih sering muncul dalam data cross section dari pada data time series (Kuncoro, 2001: 112; Setiaji, 2004: 17). Karena dalam data cross section menunjukkan obyek yang berbeda dan waktu yang berbeda pula. Antara obyek satu dengan yang lainnya tidak ada saling keterkaitan, begitu pula dalam hal waktu. Sedangkan data time series, antara observasi satu dengan yang lainnya saling mempunyai kaitan. Ada trend yang cenderung sama. Sehinggavariance residualnya juga cenderung sama. Tidak seperti data cross section yang cenderung menghasilkanvariance residual yang berbeda pula. C.2. Konsekuensi Heteroskedastisitas Analisis regresi menganggap kesalahan (error) bersifat homoskedastis, yaitu asumsi bahwa residu atau deviasi dari garis yang paling tepat muncul serta random sesuai dengan besarnya variabel-variabel independen (Arsyad, 1994:198). Asumsi regresi linier yang berupa variance residual yang sama, menunjukkan bahwa standar error(Sb) masing-masing observasi tidak mengalami perubahan, sehingga Sb nya tidak bias. Lain halnya, jika asumsi ini tidak terpenuhi, sehinggavariance residualnya berubah-ubah sesuai perubahan observasi, maka akan mengakibatkan nilai Sb yang diperoleh dari hasil regresi akan menjadi bias. Selain itu, adanya kesalahan dalam model yang dapat mengakibatkan nilai b meskipun tetap linier dan tidak bias, tetapi nilai b bukan nilai yang terbaik. Munculnya masalah heteroskedastisitas yang mengakibatkan nilai Sb menjadi bias, akan berdampak pada nilai t dan nilai F yang menjadi tidak dapat ditentukan. Karena nilai t dihasilkan dari hasil bagi antara b dengan Sb. Jika nilai Sb mengecil, maka nilai t cenderung membesar. Hal ini akan berakibat bahwa nilai t mungkin mestinya tidak signifikan, tetapi karena Sb nya bias, maka t menjadi signifikan. Sebaliknya, jika

Sb membesar, maka nilai t akan mengecil. Nilai t yang seharusnya signifikan, bisa jadi ditunjukkan menjadi tidak signifikan. Ketidakmenentuan dari Sb ini dapat menjadikan hasil riset yang mengacaukan. C.3. Pendeteksian Heteroskedastisitas Untuk mendeteksi ada tidaknya heteroskedastisitas, dapat dilakukan dengan berbagai cara seperti uji grafik, uji Park, Uji Glejser, uji Spearmans Rank Correlation, dan uji Whyte menggunakan Lagrange Multiplier (Setiaji, 2004: 18)21. Pengujian heteroskedastisitas menggunakan uji grafik, dapat dilakukan dengan membandingkan sebaran KOSONG

Rubinfeld22, yang mengatakan bahwa apabila korelasi antara dua variabel bebas lebih tinggi dibanding korelasi salah satu atau kedua variabel bebas tersebut dengan variabel terikat. Juga pendapat Gujarati (1995:335) yang mengatakan bahwa bila korelasi antara dua variabel bebas melebihi 0,8 maka multikolinearitas menjadi masalah yang serius. Gujarati juga menambahkan bahwa, apabila korelasi antara variabel penjelas tidak lebih besar dibanding korelasi variabel terikat dengan masing-masing variabel penjelas, maka dapat dikatakan tidak terdapat masalah yang serius. Dengan demikian, dapat disimpulkan bahwa apabila angka korelasi lebih kecil dari 0,8 maka dapat dikatakan telah terbebas dari masalah multikolinearitas. Dalam kaitan adanya kolinear yang tinggi sehingga menimbulkan tidak terpenuhinya asumsi terbebas dari masalah multikolinearitas, dengan mempertimbangkan sifat data dari cross section, maka bila tujuan persamaan hanya sekedar untuk keperluan prediksi, hasil regresi dapat ditolerir, sepanjang nilai t signifikan. Tugas: 1. Buatlah rangkuman dari pembahasan di atas! 2. Cobalah untuk menyimpulkan maksud dari uraian bab ini! 3. Jawablah pertanyaan-pertanyaan di bawah ini: a. Coba jelaskan apa yang dimaksud dengan asumsi klasik! b. Sebutkan apa saja asumsi-asumsi yang ditetapkan! c. Coba jelaskan mengapa tidak semua asumsi perlu lakukan pengujian! d. Jelaskan apa yang dimaksud dengan autokorelasi! e. Jelaskan kenapa autokorelasi timbul! f. Bagaimana cara mendeteksi masalah autokorelasi? g. Apa konsekuensi dari adanya masalah autokorelasi dalam model? h. Jelaskan apa yang dimaksud dengan heteroskedastisitas! i. Jelaskan kenapa heteroskedastisitas timbul! j. Bagaimana cara mendeteksi masalah heteroskedastisitas? k. Apa konsekuensi dari adanya masalah heteroskedastisitas dalam model? l. Jelaskan apa yang dimaksud dengan multikolinearitas!

m. Jelaskan kenapa multikolinearitas timbul! n. Bagaimana cara mendeteksi masalah multikolinearitas? o. Apa konsekuensi dari adanya masalah multikolinearitas dalam model? p. Jelaskan apa yang dimaksud dengan normalitas! q. Jelaskan kenapa normalitas timbul! r. Bagaimana cara mendeteksi masalah normalitas? s. Apa konsekuensi dari adanya masalah normalitas dalam model? t. Bagaimana cara menangani jika data ternyata tidak normal? DAFTAR PUSTAKA Djarwanto, Pangestu Subagyo, 2000, Statistik Induktif, Edisi 4, BPFE Yogjakarta. Ghozali, Imam, 2001, Aplikasi Analisis Multivariate dengan Program SPSS, BP Undip, Semarang Gujarati,Damodar N., 1988, Basic Econometrics Second Edition, McGraw-Hill Book Company. Gujarati,Damodar N., 1999, Essentials of Econometrics, Second Edition, Irwin McGraw Hill. Hill, Carter, William E. Griffiths, George G. Judge, 1997, Undergraduate Econometrics, John Wiley & Sons, Inc. Johnston, Jack, and John DiNardo, 1997, Econometric Methods Fourth Edition, The McGraw-Hill Companies, Inc. Kuncoro, Mudrajad, 2001, Metode Kuantitatif Teori dan Aplikasi Untuk Bisnis dan Ekonomi, UPP AMP YKPN, Yogjakarta Salvatore, Dominick, 1996, Managerial Economics in a Global Economy, International Edition, Third Edition, McGraw-Hill, inc. Santoso, Singgih, 2001, Buku Latihan SPSS Statistik Parametrik, Elex Media Komputindo, Jakarta. Setiaji, Bambang, 2004, Module Ekonometrika Praktis, Fakultas Ekonomi Universitas Muhammadiyah Surakarta. Supranto, J., 1983, Ekonometrik, Buku Satu, Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.

Regresi Logit

X1 Y X1 X1 2 Y2 XY 13.06 8.28 13.06 170.5636 68.5584 108.1368 13.81 9.14 13.81 190.7161 83.5396 126.2234 13.97 10.62 13.97 195.1609

112.7844 148.3614 13.79 10.51 13.79 190.1641 110.4601 144.9329 14.03 10.82 14.03 196.8409 117.0724 151.8046 14.14 12.11 14.14 199.9396 146.6521 171.2354 14.39 13.04 14.39 207.0721 170.0416 187.6456 14.97 12.23 14.97 224.1009 149.5729 183.0831 15.67 13.01 15.67 245.5489 169.2601 203.8667 15.91 12.47 15.91 253.1281 155.5009 198.3977 16.02 12.91 16.02 256.6404 166.6681 206.8182 16.21

12.55 16.21 262.7641 157.5025 203.4355 16.19 14.42 16.19 262.1161 207.9364 233.4598 15.88 15.13 15.88 252.1744 228.9169 240.2644 15.76 14.08 15.76 248.3776 198.2464 221.9008 15.55 13.3 15.55 241.8025 176.89 206.815 15.16 12.93 15.16 229.8256 167.1849 196.0188 14.85 11.48 14.85 220.5225 131.7904 170.478 14.22 10.05 14.22 202.2084 101.0025 142.911 13.93 10.6 13.93 194.0449

112.36 147.658 13.58 10.48 13.58 184.4164 109.8304 142.3184 13.13 10.33 13.13 172.3969 106.7089 135.6329 b 1.4498 t = = = 7.4348 sb 0.195 Penemuan nilai b di sini penting untuk menentukan nilai B. Nilai b sendiri merupakan perkiraan tungga dari parameter B, yaitu koefisien regresi sebenarnya (Y = A + BX + e). Perbedaan antara nilai b dan B disebabkan adanya fluktuasi sampling. Nilai B sendiri besarnya adalah sama dengan nilai rata-rata b, karena nilai rata-rata b adalah pemerkira tak bias. Ingat E(b) = B. Permasalahannya adalah nilai b yang dihasilkan dengan perhitungan di atas adalah nilai b individual, maka kita perlu menguji apakah B berada pada interval atau tidak. Untuk menguji tingkat kepercayaannya maka kita perlu mengukur interval kepercayaan (confidence interval) apakah B berada di antara batas atas dengan batas bawah interval atau tidak. Kalau berada pada interval tersebut, maka dipastikan bahwa B mempunyai tingkat kepercayaan yang baik (reliabel), jika tidak, maka B tidak reliabel. Pengukuran berdasarkan interval kepercayaan dapat dituliskan dalam bentuk persamaan sebagai berikut: P (b-d B b +d) = 1- Persamaan ini dapat dibaca: probabilita interval antara (b-d) dan (b+d) akan memuat nilai B sebesar (1- ). Atau digambarkan sebagai berikut: (b-d) interval (b+d) batas bawah batas atas dimana:

(b-d) = batas keyakinan bawah atau nilai batas bawah (b+d) = batas keyakinan atas atau nilai batas atas (1- ) = koefisien keyakinan (confidence coefficient) atau tingkat keyakinan (confidence level). Simbol sendiri disebut sebagai tingkat signifikansi (level of significance) yang diartikan juga sebagai besarnya kesalahan yang ditolerir di dalam membuat keputusan. Seandainya ditentukan bahwa tingkat keyakinannya sebesar 95%, maka kesalahan yang ditolerir adalah yang kurang dari 5% atau 0,05. Angka ini didapat dari rumus 1- tersebut (1 - 95% = 5% atau 0,05). Dengan demikian, dengan menggunakan persamaan di atas kita dapat menginterpretasi bahwa kemungkinan nilai B berada pada interval adalah sebesar 95%. Penghitungan seperti tersebut digunakan untuk menentukan apakah nilai B menerima atau menolak hipotesis (H0). Banyak sekali konsep-konsep ekonomi yang dirumuskan dalam model matematis, seperti pengukuran GNP, tingkat Inflasi, uang beredar, dan lain-lain. Penggunaan model matematis seperti itu dimaksudkan untuk mendefinisikan hubungan antara berbagai variabel-variabel ekonomi yang saling mempengaruhi. Karena dalam pengukuran ekonomi diwujudkan dalam bentuk angka-angka maka ekonometrika bersifat kuantitatif, Dengan demikian, untuk dapat melakukan pengukuran kegiatan ekonomi, maka diperlukan alat analisisnya yang berupa gabungan dari teori ekonomi, matematika, dan statistika.