analisa data - mayang adelia puspita | lecturer, former...
TRANSCRIPT
Konsep dasar EkonometrikEkonometrika merupakan suatu ilmu tersendiri yang merupakan penggabungan dari teori ekonomi, statistik dan matematik,
dalam upaya untuk menggambarkan suatu fenomena.
Langkah I:
Kajian teori ekonomi dan penelitian terdahulu
Langkah II:
Formulasi model atau spesifikasi model
Langkah III:
Merancang metode dan prosedur untuk mendapatkan sampel
representatif
Langkah IV:
Estimasi model
Langkah V: Menguji hipotesis/ verifikasi menggunakan statistik
inferensi (Uji-t, Uji-F, dll)
Langkah VII: Interpretasi hasil
No
Yes
Langkah VIII: Kesimpulan
METODE PENAKSIRAN PARAMETER DALAM
EKONOMETRIK
Metode estimasi yang sering digunakan adalah Ordinary Least Square
(OLS). Dalam regresi populasi dikenal pula adanya istilah PRF
(Population Regression Function) dan dalam regresi sampel sebagai
penduga regresi populasi dikenal istilah SRF (Sample Regression
Function).
Yi
eiui
0 XXi
YXY
^^^
X)Y(E
SRF
PRF
P
Yi^
Penaksir kuadrat terkecil adalah mempunyai varian yang minimum yaitu
penaksir tadi bersifat BLUE (Best Linear Unbiased Estimator). Asumsi yang
harus dipenuhi dalam penaksiran metode OLS adalah sebagai berikut :
1. i adalah sebuah variabel acak atau random yang riil dan memiliki
distribusi normal.
2. Nilai harapan dari i yang timbul karena variasi nilai Xi yang diketahui
harus sama dengan nol. E(i/ Xi) = 0
3. Tidak terjadi autokorelasi atau serial korelasi. Artinya,
Cov(i, j) = Ei – E(i) j – E(j)
= E(i, j)
= 0 .................... i j
4. Syarat Homoskedastisiti. Artinya bahwa varian dari i adalah konstan
dan sama dengan 2.
Var (i / Xi) = Ei – E(i)2
= E(i)2
= 2
5. Tidak terjadi multikolonieritas. Yaitu tidak ada korelasi antara dengan
variabel bebasnya Xi atau :
Cov(i , Xi) = E(i – E(i))(Xi – E(Xi))
= 0
SPSS terbagi menjadi :
1. File Lembar data/ data editor/ worksheet data :a. Data view : yaitu lembar kerja untuk mengisi data
penelitian baik dientry secara langsung maupun hasil copy dari program lain seperti halnya dari excel.
b. Variabel view : yaitu spread sheet untuk mendefinisikan variabel seperti pemberian nama dan label variabel.
2. File Output Hasil Analisis Data : file ini berada terpisah dengan data sehingga memerlukan penyimpanan di file yang berbeda.
Buka Program
SPSS
Masukkan data dan
memberi nama
variabel
Gunakan menu :
Analysis pd SPSS
Descriptive Statistic di SPSS
Descriptives……. Klik Option :
Pilih Mean, Standart Deviasi,
Sweakness, Maksimum, Minimum
dan Range
Lihat hasil analisis di
Output SPSS
Langkah-Langkah Analisis Statistik Deskriptive
N : Merupakan jumlah data yang dianalisis untuk tiap variabelnya
Range : Selisih antara nilai data yang maksimal dengan yang paling kecil
Minimum: Data paling kecil
Maximum: data paling tinggi/ terbesar
Mean : Nilai rata-rata
Std. : Standart deviasi dari masing-masing data
Dengan kepercayaan 95% data seharusnya terdistribusi : Rata-Rata ± 2 x
Standart Deviasi
Skewness : untuk memperoleh informasi berkenaan dengan
distribusi data, data terdistribusi normal atau tidak
ANALISIS DATA
a. Korelasi (Untuk data Rasio)
1. Sifat penting dari analasis korelasi adalah :
2. Koefisien korelasi bernilai antara -1 dan +1
3. Korelasi dua variabel bersifat simetrik. Artinya korelasi X dengan
Y akan sama dengan korelasi Y dengan X.
4. Koefisien korelasi hanya menunjukkan tingkat hubungan antar
dua variabel tetapi tidak menunjukkan hubungan kausal
(sebab-akibat) diantara dua variabel tsb.
Hasil menunjukkan bahwa terdapat hubungan positif yg kuat antara
konsumsi dan pendapatan yaitu 86,7%.
Catt: Income dan konsumsi dlm $ per bulan
Dari konsep dasarnya sebenarnya uji-F mendasarkan pada dua hipotesis yaitu :H0 : Semua koefisien variabel bebas adalah 0 (nol)H1 : Seamua koefisien variabel bebas tidak sama dengan nol.
Dari hasil analisis di atas Sig = 0.000, dengan = 5% maka dapat disimpulkanbahwa kita tolak H0 dan kita terima H1 (Kondisi ini merupakan dalil statistik).
Artinya memang pendapatan mempengaruhi alokasi konsumsi.
Jika seandainya ternyata hasil analisis dalam uji-F, nilai dari Sig = 0.052 makadengan = 5%, dapat disimpulkan bahwa kita tolak H1 dan kita terima H0. Artinya,variabel bebas (mis. Pendapatan) tidak berpengaruh pada alokasi konsumsi.
UJI- F : Uji Model
Dalam konsep dasarnya pengujian statistik ini mendasarkan pada hipotesis :
Uji Konstanta Intersep H0 : ß0 = 0
H1 : ß0 ≠ 0
Uji Koeff. Income H0 : ß1 = 0
H1 : ß1 ≠ 0
Dari tabel Coefficients diketahui bahwa ß0 = 12,483, Standart error koefisien = 5,296 dan DAN t-
hitung = 2,357. Nilai Sig = 0.035 ini berarti jika kita menggunakan = 5% = 0.05 maka t-hitung
pasti lebih besar dari t-tabel karena nilai sig. Yaitu 0.035 adalah lebih kecil dari 0.05 ( yang kitatentukan). Demikian juga untuk koefisien X atau ß1 juga memiliki logika pemikiran yang
sama.
UJI- t : Uji Parameter / Koefisien dalam Model
Sehingga dapat disajikan hasil sebagai berikut :
Konsumsi = 12,483 + 12,267*Income R2 = 0.762
S.E (5,296) (1,954)
t-hitung = 2,357 6,278
Df = 14
Dalam pengertian ekonomi dapat dikatakan bahwa jika terdapat kenaikan income sebesar
$ 1 per bulan maka akan mempengaruhi kenaikan pula pada konsumsi sebesar $ 12,267.
Demikian juga bila terjadi penurunan income sebesar $ 1 per bulan maka akan berdampak
pada penurunan konsumsi sebesar $ 12,267.
Pengartian/ pemaknaan persamaan di atas tidak dapat bersifat kebalikannya, yaitu jika
konsumsi naik $ 12,267 maka akan terjadi kenaikan income $ 1, atau jika konsumsi turun $
12,267 maka akan terjadi penurunan income $ 1. Pengartian yang seperti ini S A L A H.
Interpretasi
C. Regresi BergandaAnalisis regresi berganda mempertimbangkan lebih dari 1 variabel bebas yang mempengaruhi
variabel terikat/ dependen variabel. Misalnya kita pertimbangkan contoh berikut. Akan
dianalisis pengaruh penggunaan IB dan pemberian pakan alternatif terhadap pendapatan
usaha ternak. Data sebagai berikut :
Tujuan untuk mengetahui pengaruh (kontribusi)
penggunaan IB dan pemberian pakan alternative
terhadap pendapatan usaha ternak
Dengan demikian dapat dibuat spesifikasi modelnya
sebagai berikut :
Y = α + ß1X1 + ß2X2 --------------------- (model 1)
Dimana :
Y : pendapatan usaha ternak
X1 : IB
X2 : Pakan alternatif
Dari hasil di atas selanjutnya dapat disusun persamaan berikut :
N_Akhir = -25.450 + 0.542 IB + 0.771 pakan alternatif R2 = 0.702
SE (9.351) (0.089) (0.132)T-Hit. 2.722 6.067 5.828Df = 62
Interpretasi Hasil :
Pengujian statistik baik uji keseluruhan (Uji-F) dan uji koefisien variabel dalam model(Uji-t) memiliki kesamaan dengan analisis regresi linear sederhana.Hipotesis uji-F adalah : H0 : ß0 = ß1 = ß2 = 0
H1 : ß0, ß1, ß2 ≠ 0
Sedangkan uji koefisien atau pengujian secara parsial memiliki hipotesis sebagaiberikut :
Pengujian untuk intersep : H0 : ß0 = 0H1 : ß0 ≠ 0
Pengujian untuk ß1 : H0 : ß1 = 0H1 : ß1 ≠ 0
Pengujian untuk ß2 : H0 : ß2 = 0H1 : ß2 ≠ 0
Hasil analisis di atas menunjukkan bahwa model secara statistik adalah memang dapat digunakan, terbukti
dari nilai F-hit sebesar 73.02 yang signifikan pada tingkat alpha 5% atau 0.05 (pada tabel sign tertulis 0.000
yang jauh lebih kecil dari pada 0.05). Artinya bahwa ß0, ß1, ß2 mempengaruhi secara nyata terhadap
pendapatan
Kekuatan pengaruh dari kedua variabel dalam menjelaskan variabel pendapatan sebesar 70.2 %
sedangkan sisanya yaitu sekitar 29.8% merupakan pengaruh dari variabel lain yang tidak dipertimbangkan
dalam model.
Koefisien IB 0.542 dapat diartikan jika pakan alternative diasumsikan tetap tetap maka kenaikan 1
satuan penggunaan IB akan cenderung menaikkan pendapatan sebesar 0.542.
Demikian juga untuk pengaruh pakan alternatif. Jika penggunaan pakan alternative naik 1 satuan
maka akan cenderung meningkatkan pendapatan usaha sebesar 0.771.
Hal yang lebih menarik sebenarnya adalah faktor apa yang tersembunyi di balik angka-angka
tersebut. Hal ini memerlukan informasi yang bersifat kualitatif untuk mengungkap :
Kenapa pakan alternative lebih berpengaruh terhadap pendapatan usaha dibandingkan
penggunaan IB?
ii. Analisis Regresi Linear Berganda (Dummy Intersep)Hasil analisis sebelumnya didapat bahwa R2 = 0.702. Bisa jadi nilai koefisien determinasi (R2) ini
dapat ditingkatkan dengan mengelompokkan bagi ternak diatas 3 tahun dan ternak dibawah 3
tahun. Dengan demikian disajikan data dengan variabel dummy berupa D1, sebagai berikut :
Dengan demikian dapat dibuat spesifikasi modelnya
sebagai berikut :
Y = ß0 + ß1X1 + ß2X2 + ß3D1 --------------------- (model 2)
Dimana :
Y : pendapatan usaha
X1 : IB
X2 : Pakan alternatif
D1 : 1 untuk ternak diatas 3 tahun
0 ternak dibawah 3 tahun
MODEL REGRESI LINEAR DENGAN DUMMY VARIABEL
Variabel dummy digunakan sebagai upaya untukmelihat bagaimana klasifikasi-klasifikasi dalamsampel berpengaruh terhadap parameterpendugaan. Variabel dummy juga mencobamembuat kuantifikasi dari variabel kualitatif.
Kita pertimbangkan model berikut ini:
I. Y = a + bX + c D1 (Model Dummy Intersep)
II. Y = a + bX + c (D1X) (Model Dummy Slope)
III. Y = a + bX + c (D1X) + d D1 (Kombinasi)`