format print.docx

33
BAB I PENDAHULUAN 1.1 Latar Belakang Ekonomi adalah salah satu ilmu yang sangat erat dengan aktivitas mengukur dan melakukan pengukuran. Dalam pengukuran hubungan ekonomi, ekonometrika sangatlah berperan penting. Seperti yang diketahui oleh masyarakat pada umumnya, ekonometrika merupakan campuran dari teori ekonomi, matematika dan statistika ekonomi yang ketiganya tetap harus dipandang berbeda dalam pengukuran ekonomi. Sehingga, hasil penelitian akan lebih akurat dalam menghasilkan nilai numerik parameter suatu hubungan ekonomi. Ada banyak contoh nilai numerik parameter yang dapat disajikan, misalnya nilai ekspetasi marginal dan elastisitas yang dapat dihitung dalam menyajikan suatu informasi ekonomi. Ekonometrika adalah bentuk khusus dari analisis dan penelitian ekonomi yang diformulasikan dalam bentuk matematika dan dikombinasikan dengan pengukuran empiris dari fenomena ekonomi. Berawal dari hubungan ekonomi, kita menyatakan dalam bentuk matematika yang dapat diukur, kita kemudian menggunakan metode khusus, yang disebut metode ekonometrika dalam tujuan untuk memperoleh dugaan numerik dari koefisien dalam hubungan ekonomi. Metode ekonometrika adalah metode statistika yang secara khusus disesuaikan terhadap kekhasan

Upload: moch-saminuddin-al-madani

Post on 05-Jan-2016

265 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Format Print.docx

BAB I

PENDAHULUAN

1.1 Latar Belakang

Ekonomi adalah salah satu ilmu yang sangat erat dengan aktivitas mengukur

dan melakukan pengukuran. Dalam pengukuran hubungan ekonomi,

ekonometrika sangatlah berperan penting. Seperti yang diketahui oleh masyarakat

pada umumnya, ekonometrika merupakan campuran dari teori ekonomi,

matematika dan statistika ekonomi yang ketiganya tetap harus dipandang berbeda

dalam pengukuran ekonomi. Sehingga, hasil penelitian akan lebih akurat dalam

menghasilkan nilai numerik parameter suatu hubungan ekonomi. Ada banyak

contoh nilai numerik parameter yang dapat disajikan, misalnya nilai ekspetasi

marginal dan elastisitas yang dapat dihitung dalam menyajikan suatu informasi

ekonomi.

Ekonometrika adalah bentuk khusus dari analisis dan penelitian ekonomi yang

diformulasikan dalam bentuk matematika dan dikombinasikan dengan

pengukuran empiris dari fenomena ekonomi. Berawal dari hubungan ekonomi,

kita menyatakan dalam bentuk matematika yang dapat diukur, kita kemudian

menggunakan metode khusus, yang disebut metode ekonometrika dalam tujuan

untuk memperoleh dugaan numerik dari koefisien dalam hubungan ekonomi.

Metode ekonometrika adalah metode statistika yang secara khusus disesuaikan

terhadap kekhasan fenomena ekonomi. Kebanyakan sifat penting dari hubungan

ekonomi mencakup sebuah elemen acak (elemen random), yang mana sering

diabaikan dalam teori ekonomi dan matematika ekonomi yang menyatakan

hubungan secara eksak antara berbagai besaran-besaran ilmu ekonomi.

Ekonometrika telah membangun metode untuk mempetimbangkan komponen

acak (randon component) dari hubungan ekonomi.

Pada setiap penelitian ekonometrika, pembangun model atau orang yang akan

mengkonstruksi sebuah model akan melakukan kita empat tahapan. Pertama

adalah pembuatan ketentuan atau spesifikasi model untuk mencapai pengukuran

terhadap fenomena yang ada. Kedua, parameter model diestimasi menggunakan

metode ekonometrika yang tepat atau tahap pengujian hipotesis yang

Page 2: Format Print.docx

dipertahankan, apakah hipotesis tersebut benar/salah dan seterusnya. Selanjutnya,

model yang telah terbentuk harus dievaluasi mengenai kecukupan dan

reliabilitasnya. Terakhir, model diarahkan menuju peramalan, yaitu evaluasi

validitas model untuk memprediksi besaran suatu variabel ekonomi. Untuk

seseorang yang sedang mempelajari ekonometrika, diperlukan panduan atau

langkah yang tepat, yang akan dibahas pada penulisan makalah ini, khususnya

mengenai analisis permintaan uang terhadap variabel – variabel yang

mempengaruhinya dalam periode sebelum krisis moneter.

1.2. Perumusan Masalah

Dalam pembahasan makalah ini difokuskan pada tahap ketiga metodologi

penelitian ekonometrika, yaitu evaluasi hasil estimasi model permintaan uang,

meliputi :

1. Bagaimana hasil evaluasi estimasi model permintaan uang melalui kriteria

ekonomi secara apriori?

2. Bagaimana hasil evaluasi estimasi model permintaan uang melalui kriteria

statistika?

3. Bagaimana hasil evaluasi estimasi model permintaan uang melalui kriteria

ekonometrika?

4. Apakah asumsi klasik dalam kriteria Ekonometrika terpenuhi oleh model

permintaan uang?

5. Bagaimana kesimpulan hasil evaluasi estimasi model permintaan uang

secara keseluruhan?

1.3. Tujuan Analisis

Berdasarkan rumusan masalah yang telah ditentukan peneliti, maka tujuan

pembuatan laporan ini antara lain:

1. Mengetahui hasil evaluasi estimasi model permintaan uang melalui

kriteria ekonomi secara apriori.

2. Memperdalam kebenaran hasil evaluasi estimasi model permintaan

uang melalui kriteria statistika.

3. Memudahkan pemahaman hasil evaluasi estimasi model permintaan

uang melalui kriteria ekonometrika.

Page 3: Format Print.docx

4. Mengetahui pengujian asumsi klasik dalam kriteria ekonometrika.

5. Mengetahui kesimpulan hasil evaluasi estimasi model permintaan uang

secara keseluruhan?

1.4 Manfaat Penelitian

Manfaat yang penulis harapkan dari penyusunan laporan ini adalah:

1. Pembaca mengetahui bagaimana evaluasi model regresi linear

berganda secara teori ekonomi, statistika, dan ekonometrika.

2. Pembaca mengetahui tujuan perbaikan model apabila asumsi tidak

terpenuhi.

3. Sebagai referensi pembaca dalam melakukan evaluasi dan perbaikan

model linear berganda.

Sedangkan manfaat yang diharapkan dapat diterima oleh penulis antara lain:

1. Penulis memahami bagaimana melakukan evaluasi secara ekonomi,

statistika, dan ekonometrika.

2. Penulis memahami bagaimana seharusnya perbaikan model regresi

linear berganda dilakukan.

1.5 Batasan Masalah

Data yang didapatkan peneliti terdapat dua variabel respon, empat dari

prediktorm dan satu variabel dummy. Akan tetapi, pada laporan ini penulis akan

mengambil satu variabel respond an empat variabel prediktor saja. Alasan penulis

memilih variabel tersebut karena pada laporan yang ditulis oleh Ariyadi Widyarto

telah melakukan analisis terhadap semua variabel-variabel tersebut, sehingga akan

terkesan melakukan plagiatisme laporan.

Page 4: Format Print.docx

BAB II

TINJAUAN PUSTAKA

Pada perjalanan hidup secara tidak sadar, kita sering membuat evaluasi,

mengukur dan menilai. Namun, banyak orang belum memahami secara tepat arti

kata evaluasi, pengukuran, dan penilaian bahkan masih banyak orang yang lebih

cenderung mengartikan ketiga kata tersebut dengan suatu pengertian yang sama.

Secara umum orang hanya mengidentikkan kegiatan evaluasi sama dengan

menilai, karena aktifitas mengukur biasanya sudah termasuk didalamnya.

Pengukuran, penilaian dan evaluasi merupakan kegiatan yang bersifat hierarki.

Artinya ketiga kegiatan tersebut tidak dapat dipisahkan satu sama lain dan dalam

pelaksanaannya harus dilaksanakan secara berurutan. Begitu pula dalam

penerapan ketiga kegiatan itu dalam penelitian ekonometrika.

Penerapan hasil penelitian ekonometrika terapan sangat berhubungan dengan

perhitungan parameter dari keterhubungan variable ekonomi dan prediksi nilai

dari banyak variable ekonomi. Model ekonometrika mendeskripsikan keterkaitan

antara variable ekonomi seringkali berupa persamaan yang sederhana (tunggal)

maupun bersifat simultan. Secara Umum ada 4 Tahapan dalam melakukan

penelitian ekonometrika, yaitu [1] Spesifikasi model, [2] Estimasi model, [3]

Evaluasi hasil estimasi dan [4] Evaluasi daya peramalan.

2.1 Spesifikasi Model

Fase pertama dalam penelitian ekonometrika adalah pembentukan spesifikasi

model meliputi formulasi model secara khusus tentang fenomena ekonomi yang

butuh dimodelkan. Yang pertama adalah pemodelan Teori Ekonomi dilanjutkan

Model/Persamaan Matematika dan Model Ekonometrika. Pembuat model harus

mengetahui fenomena yang dimodelkan untuk dapat menghasilkan model yang

baik.

Dalam formulasi model, ada beberapa hal yang harus diutamakan, yaitu [1]

Penggunaan variable dalam model, [2] Ukuran dan tanda ( sign size ) parameter

model dan [3] Model/Bentuk matematisnya.

Page 5: Format Print.docx

2.1.1 Penggunaan Variabel dalam Model

Pada konstruksi/formulasi model yang akan digunakan, penggunaan variable

sangat penting. Penulis model harus mampu menjawab mengenai variable yang

terlibat pada model, alasan keterlibatan variable dan variable eksogen-

endogennya.

2.1.2 Ukuran dan Tanda Parameter Model

Dalam penentuan tanda dan ukuran dari parameter, penulis model diarahkan

oleh teori/logika ekonomi secara apriori. Parameter dari model yang diukur dan

dicek tandanya diharapkan merupakan hipotesis/dugaan. Penggunaan variabel

tidak harus sesuai dengan teori ekonomi, yang menandakan bahwa hipotesis

β1−βn bebas tidak terikat salah satu model linear tertentu.

2.1.3 Model/Bentuk Matematisnya

Dalam penentuan model matematis, harus dilakukan sesuai penggambaran

fenomena ekonomi. Tidak terikat oleh linier tidaknya sebuah model, tunggal

tidaknya sebuah model ataupun statis tidaknya sebuah model.

2.2 Estimasi Model

Model yang telah terbentuk pada fase sebelumnya akan memudahkan penulis

model dalam melakukan estimasi/perkiraan/penaksiran terhadap parameter model.

Data empiris hasil pengamatan harus sudah tersedia sebelum pengestimasian

model. Ada tiga jenis data, yaitu [1] data tampang lintang (cross section), [2] data

berkala (time series) dan [3] data panel (gabungan data tampang lintang dan data

berkala)

Contoh data tampang lintang (cross section) merupakan data Survei

Pendapatan Masyarakat Kota Jakarta, datanya bersifat serentak yaitu secara

bersamaan, berbeda dengan data berkala (time series) yang dikumpulkan

berdasarkan seri waktu, misalnya data Biaya Hidup agregat tahunan Kota Jakarta

dari tahun 2000 hingga 2010. Data panel merupakan data gabungan kedua jenis

data.

Pemilihan metode estimasi yang sesuai, dilakukan setelah model dan data

diformulasikan. Contohnya metode kuadrat terkecil biasa, jika seluruh asumsi

klasik terpenuhi dan persamaannya tunggal. Metode ridge sangat cocok untuk

Page 6: Format Print.docx

model yang terdapat asumsi pelanggaran multikolinieritas. Metode kuadrat kecil

tertimbang sangat sesuai pada model dengan asumsi pelanggaran

heteroskedastisitas. Metode 2SLS, 3SLS baik digunakan untuk persamaan

simultan.

2.3 Evaluasi dari Hasil Estimasi

Kelayakan evaluasi model, dilakukan setelah hasil estimasi diperoleh. Kriteria

untuk mengevaluasi model ada 3, yaitu : [1] Kriteria Ekonomi secara apriori, [2]

Kriteria Statistika dan [3] Kriteria Ekonometrika.

2.3.1 Kriteria Ekonomi secara apriori

Tanda dan ukuran (sign size) dari koefisien model perlu dicek, apakah sudah

sesuai dengan teori ekonomi. Jika tidak sesuai, maka bias terjadi pelanggaran

asumsi, berupa peristiwa multikolinieritas, heteroskedastisitas ataupun

otokorelasi.

2.3.2 Kriteria Statistika

Kesesuaian model atau goodness of fit sangat berhubungan dengan Evaluasi

hasil estimasi kriteria statistika. Secara umum yang dievaluasi adalah koefisien

determinasi, standar deviasi dan pengujian hipotesis. Model dapat diputuskan baik

apabila koefisien determinasinya lebih dari 70% , galat bakunya kecil dan H 0

ditolak pada pengujian hipotesis ketika p value kurang dari α . Kriteria ini meliputi

pengecekan signifikansi/seberapa besar pengaruh variable eksogen terhadap

variable endogen.

2.3.3 Kriteria Ekonometrika

Dalam kriteria ekonometrika terdapat beberapa asumsi yang harus terpenuhi,

di antaranya adalah sebagai berikut.

1. Sisaan berdistribusi normal.

2. Tidak terdapat kasus multikolinearitas.

3. Tidak terjadi heteroskedastisitas, dan

4. Tidak terjadi otokorelasi.

2.3.3.1 Distribusi Normal

Distribusi normal adalah distribusi probabilitas yang juga dijuluki kurva

lonceng (bell curve) karena grafik fungsi kepekaan probabilitasnya mirip dengan

Page 7: Format Print.docx

bentuk lonceng. Distribusi normal memodelkan fenomena kuantitatif (Wicaksono,

2013). Dalam berbagai bidang khususnya statistika, pada umumnya pengujian

hipotesis mengasumsikan normalitas suatu data.

Gambar 2.1 Contoh Kurva Distribusi Normal

2.3.3.2 Multikolinearitas

Multikolinearitas adalah kolinearitas ganda adalah adanya hubungan linear

yang tinggi antara variabel-variabel prediktor dalam model regresi ganda.

(Setiawan, 2010) Muktikolinearitas dikatakan sempurna apabila semua variabel-

variabel prediktor saling berkorelasi tinggi antara satu sama lain. Dalam model

ekonomi, multikolinearitas adalah hal yang sering terjadi dikarenakan pada

dasarnya variabel-variabel ekonomi saling terkait satu sama lain. Berikut ini

adalah beberapa hal yang dapat diakibatkan oleh terjadinya multikolinearitas.

1. Hasil perkiraan dengan metode kuadrat terkecil masih tidak bias, tetapi

variansi tidak minimum.

Page 8: Format Print.docx

2. Apabila terjadi multikolinearitas sempurna, koefisien regresi yang unik

tidak dapat diperoleh dengan metode kuadrat terkecil.

3. Terjadi kontradiksi antara hasil pengujian hipotesis parameter regresi

secara serentak dengan hasil pengujian parameter regresi secara

parsial.

Kasus multikolinearitas dapat dideteksi dengan beberapa cara, diantaranya

adalah sebagai berikut.

1. Diperoleh koefisien determinasi yang tinggi (>0,7) dalam model, tetapi

sedikit atau tidak ada sama sekali parameter regresi yang signifikan

apabila dilakukan pengujian secara parsial.

2. Diperoleh koefisien korelas yang tinggi antara sepasang variabel

prediktor (bukan syarat cukup).

3. Koefisien dalam model regresi berbeda tanda dengan koefisien

korelasi antara variabel prediktor dan respon.

4. Nilai indeks kondisi dan Variance Inflation Factor (VIF) bernilai > 10.

Dalam menghadapi kasus multikolinearitas, terdapat beberapa cara dalam

mengatasinya. Beberapa cara yang dapat dilakukan antara lain yaitu.

1. Adanya informasi secara apriori

2. Mengeluarkan satu variabel atau lebih dan kesalahan spesifikasi.

3. Mengganti variabel yang mempunyai korelasi yang tinggi.

4. Transformasi data dalam bentuk lain.

5. Menambah jumlah observasi atau penambahan data baru.

6. Metode regresi yang lain, seperti metode PCR, regresi Ridge, regresi

kontinum, pendekatan Bayes, dan lain-lain.

2.3.3.3 Heteroskedastisitas

Heteroskedastisitas adalah suatu kondisi dimana varian dari residual tidak

sama atau identik (Gujarati, 2003). Heteroskedastisitas mengakibatkan terjadinya

penduga dari kuadrat terkecil tetap dalam keadaan tidak bias, tetapi variansi

membesar sehingga pengujian parameter regresi secara parsial menjadi tidak valid

dan selang kepercayaan dari parameter regresi melebar. Terdapat dua cara dalam

mendeteksi adanya kasus heteroskedastisitas, diantara adalah berikut.

Page 9: Format Print.docx

1. Cara informal, yaitu melalui metode grafik dan analisa sifat persoalan.

2. Cara formal, yaitu dengan uji korelasi Rank Spearman, uji Park, uji

Glejser, uji Goldfeld-Quandt, dan uji heteroskedastisitas secara umum

dengan metode White.

Dalam mengatasi kasus heteroskedastisitas, terdapat beberapa metode

khusus, diantaranya adalah dengan transformasi antar variabel respon atau

variabel prediktor , dan metode Weighted Least Square.

2.3.3.4 Otokorelasi

Otokorelasi adalah korelasi antara anggota serangkaian observasi yang

diurutkan menurut time series atau cross section (Cuthbertson, 1988). Otokorelasi

mengakibatkan terjadinya penduga dari kuadrat terkecil tetap dalam keadaan tidak

bias, tetapi variansi membesar. Beberapa hal yang dapat menyebabkan terjadinya

otokorelasi antara lain adalah sebagai berikut.

1. Inersia, atau adanya ketergantungan antara data observasi periode

sekarang dengan periode sebelumnya.

2. Bias spesifikasi, yaitu adanya variabel penjelas yang tidak dimasukkan

ke dalam model.

3. Manipulasi data

4. Terdapat model yang otoregresif, dan

5. Transformasi data

Terdapat beberapa metode yang dapat dilakukan dalam mendeteksi adanya

kasus otokorelasi, di antaranya adalah dengan uji grafik, uji Durbin Watson, dan

uji fungsi otokorelasi. Mengenai cara mengatasi kasus otokorelasi dapat dilakukan

dengan menggunakan metode Generalized Least Square.

Page 10: Format Print.docx

BAB IV

PEMBAHASAN

Evaluasi model dilakukan untuk mengetahui apakah model yang diperoleh

sudah layak atau tidak. Dalam proses evaluasi model dalam kasus ekonomi

terdapat tiga buah kriteria yang digunakan, yaitu kriteria ekonomi, kriteria

statistika, dan kriteria ekonometrika. Mengenai pembahasan melalui ketiga

kriteria dijabarkan antara lain sebagai berikut.

4.1. Kriteria Ekonomi secara Apriori

Prinsip teori ekonomi sangat menentukan kriteria evaluasi dari hasil estimasi

ini. Dalam penerapannya, kriteria ini mengacu pada tanda positif maupun negatif

dan ukuran parameter dari suatu hubungan antar variabel ekonomi. Intinya,

kelayakan model dianalisa melalui kesesuaian tanda dan ukuran dari koefisien

model dengan teori ekonomi.

Evaluasi hasil estimasi harus ditolak apabila bertolak belakang dari teori

ekonomi yang berlaku. Alasan untuk penerimaan hasil estimasi dengan tanda dan

besaran tertentu harus dinyatakan secara jelas dalam setiap kasus yang dianalisa.

Penyebab oleh adanya kekeliruan tanda dan besaran biasanya adalah kurangnya

data empiris yang tersedia dalam pengestimasian model. Dengan kata lain,

masing-masing pengamatan tidak dapat merepresentasikan sebuah hubungan, atau

jumlahnya tidak mencukupi, atau beberapa asumsi dari metode yang digunakan

telah dilanggar (violated). Secara umum, jika kriteria teoritis apriori tidak

dipenuhi, hasil estimasi menjadi tidak memuaskan (unsatisfactory) karena

bertentangan dengan hukum ekonomi yang berlaku.

Page 11: Format Print.docx

Model yang diperoleh dari hasil estimasi fungsi permintaan uang terhadap

variabel yang mempengaruhinya adalah sebagai berikut :

PermintaanUang=−70168+0,733 PDB−859Tingkat Bunga

+629 Inflasi+1,70 Kurs

Evaluasi hasil estimasi model permintaan uang berdasarkan kriteria

ekonominya adalah :

a) β0 = −70168 , bertanda negatif yang menunjukkan banyak permintaan

uang pada saat β1, β2 , β3 , β4 bernilai nol, jumlah barang permintaan uang

tidak mungkin negatif sehingga β0 tidak sesuai dengan teori ekonomi.

b) β1 = 0,733 , bertanda positif yang menunjukkan banyak permintaan uang

sebagai akibat perubahan produk domestik bruto (PDB) sebesar satu

satuan. Secara teori ekonomi hal ini adalah sesuai dengan kriteria

ekonomi.

c) β2=−859 . bertanda negatif yang menunjukkan besaran jumlah uang

yang diminta sebagai akibat perubahan variabel subtitusi (Tingkat Bunga)

sebesar satu satuan. Secara teori ekonomi hal ini adalah sesuai. Naiknya

Tingkat Bunga berbanding terbalik dengan naiknya permintaan uang. Hal

ini dikarenakan semakin tinggi tingkat bunga, maka akan semakin besar

ongkos dalam memegang uang tunai.

d) β3=629 , bertanda positif yang berarti sesuai dengan teori ekonomi yang

berlaku. Kenaikan inflasi menyebabkan masyarakat membutuhkan uang

lebih banyak dalam naiknya permintaan uang. Tampak pada model nilai

taraf permintaan uang dan tingkat inflasi saling searah.

e) β4=2,99 , bertanda positif berarti tidak sesuai dengan teori ekonomi

yang berlaku. Naiknya nilai kurs Dollar menunjukkan melemahnya nilai

rupiah, sehingga menyebabkan menurunya permintaan uang. Ada

kemungkinan multikolinieritas terjadi sebagai penyebab alasannya.

4.2. Kriteria Statistika

Page 12: Format Print.docx

Pembahasan pada kriteria ini ditentukan oleh teori statistika, termasuk

koefisien korelasi, uji serentak, uji parsial, dan p-value. Mengenai perincian

dalam pengevaluasian model, hal pertama yang dilakukan adalah analisis regresi

yang meliputi penyajian hasil regresi hubungan dependent (yang dipengaruhi)

dengan variabel independen (yang secara statistik langkah analisis yang dilakukan

adalah meliputi independent secara individu, secara serentak dan asumsi klasik).

Setelah didapatkan persamaan regresi, langkah berikutnya yang dilakukan adalah

menguji parameter secara parsial dan serentak. Pengujian secara parsial dan

serentak dapat dilakukan dengan cara membandingkan p-value dengan nilai

selang kepercayaan. Setelah dilakukan pengujian, evaluasi model dilanjutkan

dengan analisis koefisien korelasi yang bertujuan untuk menguji seberapa baik

model. Berdasarkan penghitungan dengan Minitab, didapatkan hasil analisis

regresi sebagai berikut.

Model Persamaan Regresi

Permintaan Uang = - 70168 + 0.733 PDB - 859 tk. Bunga + 629 inflasi + 1.70 kurs DollarPredictor Coef SE Coef T PConstant -70168 13877 -5.06 0.000PDB 0.7328 0.1622 4.52 0.000Tingkat Bunga -859.3 201.9 -4.26 0.000Inflasi 628.72 43.53 14.44 0.000Kurs 1.6968 0.9172 1.85 0.069S = 10221.3 R-Sq = 98.4% R-Sq(adj) = 98.3%

Didapatkan persamaan regresi berganda dari pengaruh permintaan uang

terhadap produk domestik bruto, tingkat bunga, besar inflasi, dan nilai kurs

Dollar. Mengenai analisis variabel secara parsial dengan tingkat kepercayaan α =

5% adalah sebagai berikut.

Produk domestik bruto (X1) memiliki p-value bernilai 0,000. Dikarenakan

p-value < α, diasumsikan X1 signifikan terhadap tingkat kepercayaan α =

5% atau perubahan produk domestik bruto berpengaruh secara signifikan

terhadap perubahan permintaan uang.

Tingkat suku bunga (X2) memiliki p-value bernilai 0,000. Dikarenakan p-

value < α, diasumsikan X2 signifikan terhadap tingkat kepercayaan α =

Page 13: Format Print.docx

5% atau perubahan tingkat suku bunga berpengaruh secara signifikan

terhadap perubahan permintaan uang.

Inflasi (X3) memiliki p-value bernilai 0,000. Dikarenakan p-value < α,

diasumsikan X3 signifikan terhadap tingkat kepercayaan α = 5% atau

perubahan inflasi berpengaruh secara signifikan terhadap perubahan

permintaan uang.

Kurs Dollar (X4) memiliki p-value bernilai 0,069. Dikarenakan p-value >

α, diasumsikan X4 tidak signifikan terhadap tingkat kepercayaan α = 5%

atau perubahan kurs Dollar tidak berpengaruh secara signifikan terhadap

perubahan permintaan uang.

Selain dilakukan pengujian secara parsial, juga turut dilakukan pengujian

secara serentak dengan melihat nilai dari F-hitung yang terdapat pada tabel

ANOVA. Didapatkan penghitungan hasil tabel ANOVA dengan bantuan Minitab

sebagai berikut.

Analysis Of Variance

Source DF SS MS F PRegression 4 3.91034E+11 97758439886 935.72 0.000Residual Error 59 6163973513 104474127Total 63 3.97198E+11Source DF Seq SSPDB 1 2.90614E+11Tingkat Bunga 1 1197761759Inflasi 1 98864649103Kurs 1 357578755

Berdasarkan tabel ANOVA didapatkan nilai F-hitung sebesar 935,72 dengan

p-value sebesar 0,000. Dikarenakan nilai p-value yang bernilai lebih kecil dari

selang kepercayaan 5%, maka dapat diasumsikan bahwa perubahan dari variabel

independen / prediktor berpengaruh secara signifikan terhadap perubahan variabel

dependen / respon yang tidak lain adalah besar permintaan uang.

Setelah dilakukan pengujian secara parsial dan serentak, berikutnya adalah

menganalisa model dari nilai koefisien korelasi untuk mengetahui seberapa baik

model. Dari persamaan regresi di atas, diperoleh nilai koefisien korelasi (R2)

Page 14: Format Print.docx

sebesar 98,4%. Hal ini mengartikan bahwa data-data dari variabel prediktor dapat

dijelaskan sebanyak 98,4% oleh garis regresi. Dikarenakan nilai koefisien korelasi

yang besar dan mendekati 100%, maka dapat disimpulkan model yang digunakan

dikatakan baik.

4.3 Kriteria Ekonometrika

Kriteria ini berkaitan dengan evaluasi terhadap asumsi klasik yaitu apakah

semua asumsi klasik dipenuhi atau tidak. Beberapa asumsi klasik tersebut adalah

(1) sisaan berdistribusi normal, (2) tidak terjadinya kasus multikolinearitas, (3)

tidak terjadi heteroskedastisitas, (4) tidak terjadinya otokorelasi. Berikut adalah

hasil analisis evaluasi ekonometrika.

Langkah-langkah mendapatkan model regresi :

- Mengkopi data ke Minitab.

- Memilih Stat-Regression

- Mengisikan data Permintaan Uang sebagai variabel respon, dan

mengisikan variabel PDB, TingkatBunga, Inflasi, dan Kurs sebagai

variabel prediktor.

- Mendapatkan persamaan regresi sebagai berikut :

Model Persamaan Regresi :

Predictor Coef SE Coef T P VIFConstant -70168 13877 -5.06 0.000PDB 0.7328 0.1622 4.52 0.000 3.344Tingkat Bunga -859.3 201.9 -4.26 0.000 1.799Inflasi 628.72 43.53 14.44 0.000 11.022Kurs 1.6968 0.9172 1.85 0.069 6.893

S = 10221.3 R-Sq = 98.4% R-Sq(adj) = 98.3%Tabel AnnovaSource DF SS MS F PRegression 4 3.91034E+11 97758439886 935.72 0.000Residual Error 59 6163973513 104474127Total 63 3.97198E+11

4.3.1 Uji Multikolinearitas

Page 15: Format Print.docx

Multikolineritas adalah tidak adanya hubungan hubungan linear antar

variabel independent dalam suatu model regresi. Suatu model regresi dikatakan

terkena multikolinearitas bila terjadi hubungan linear yang sempurna atau pasti di

antara beberapa atau semua varibel bebas dari suatu model regresi.

4.3.1.1 Mendeteksi Multikolinearitas

Cara 1. Dengan Uji Tanda

Untuk mengetahui ada tidaknya multikolinearitas, maka harus diketahui

terlebih dahulu hubungan atau korelasi antara variabel prediktor dengan variabel

respon yakni melakukan korelasi dengan Minitab. Uji tanda dilakukan dengan

membandingkan tanda koefisien regresi dengan tanda koefisien korelasi. Berikut

adalah hasil korelasi antara variabel respon dan prediktor.

Tabel X.X. Uji Korelasi antar variabel

Permintaan

UangPDB

Tingkat

BungaInflasi

PDB0.855

0.000

Tingkat

Bunga

-0.400

0.001

-0.409

-0.001

Inflasi0.986

0.000

0.816

0.000

-0.325

0.009

Kurs0.840

0.000

0.622

0.000

-0.000

1.000

0.871

0.000

Berikut adalah perbandingan tanda antara koefisien regresi dan koefisien

korelasi antar variabel.

Tabel X.X. Perbandingan tanda koefisien

Variabel

Respon

Variabel

Prediktor

Tanda

Korelasi

Tanda di

Model

Multikolinearitas

Permintaan PDB + + Tidak

Page 16: Format Print.docx

Uang

Tingkat

Bunga- - Tidak

Inflasi + + Tidak

Kurs + + Tidak

Berdasarkan hasil tersebut dapat disimpulkan bahwa dengan uji tanda

tidak terjadi multikolinearitas. Akan tetapi uji tanda saja tidak cukup, harus ada

metode lain untuk melakukan evaluasi multikolinearitas.

Cara 2. Nilai VIF

Berikut adalah VIF hasil regresi antara permintaan uang dengan variabel

respon.

Tabel X.X. NIlai VIF variabel

Variabel

Respon

Variabel

Prediktor

VIF Multikolinearitas

Permintaan

Uang

PDB 3.344 Tidak

Tingkat

Bunga

1.799 Tidak

Inflasi 11.022 Iya

Kurs 6.893 Tidak

Berdasarkan nilai VIF tersebut, dikatakan terjadi kasus multikolinearitas

jika nilai VIF > 10. Karena variabel inflasi memiliki nilai VIF > 10 maka variabel

inflasi menyebabkan multikolinearitas. Karena terjadi multikolinearitas, maka

harus diatasi.

4.3.1.2 Mengatasi Multikolinearitas

Cara 1 : Menghilangkan variabel yang menyebabkan multikolinearitas.

Telah diketahui bahwa variabel yang menyebabkan multikolinearitas adalah

variabel inflasi. Berikut adalah hasil regresi tanpa variabel inflasi.

Regression Analysis: Permintaan Uang versus PDB, Tingkat Bunga, Kurs

Page 17: Format Print.docx

The regression equation isPermintaan Uang = - 130859 + 2.08 PDB - 2273 Tingkat Bunga + 13.0 Kurs

Predictor Coef SE Coef T P VIFConstant -130859 27933 -4.68 0.000PDB 2.0751 0.2809 7.39 0.000 2.247Tingkat Bunga -2273.3 373.0 -6.10 0.000 1.376Kurs 13.006 1.009 12.89 0.000 1.870

S = 21587.9 R-Sq = 93.0% R-Sq(adj) = 92.6%

Analysis of Variance

Source DF SS MS F PRegression 3 3.69235E+11 1.23078E+11 264.10 0.000Residual Error 60 27962270099 466037835Total 63 3.97198E+11

Source DF Seq SSPDB 1 2.90614E+11Tingkat Bunga 1 1197761759Kurs 1 77423931272

Dengan menghilangkan variabel inflasi, maka didapatkan model yang

bagus karena R-Sq nya tinggi yakni 93,0% dan semua variabel prediktor

signifikan terhadap variabel respon serta nilai VIF nya kurang dari 10 semua.

Artinya kasus multikolinearitas tealh teratasi. Akan tetapi karena inflasi termasuk

faktor yang mempengaruhi inflasi maka cara ini sebaiknya tidak digunakan.

Cara 2. Merubah variabel inflasi ke variabel dummy.

Berikut adalah langkah-langkah mengganti variabel inflasi ke variabel

dummy.

- Mencari nilai tengah data inflasi

- Data inflasi yang nilainya dibawah rata-rata diberi nilai 0 dan yang di

atas rata-rata diberi nilai 1.

- Melakukan regresi antara permintaan uang dengan variabel

prediktornya dimana variabel inflasi diganti dengan variabel dummi

tersebut.

Berikut adalah model yang didapat setelah mengganti variabel inflasi

menjadi variabel dummy.

Page 18: Format Print.docx

Regression Analysis: Permintaan U versus PDB, Tingkat Bung, Kurs, Dummi

The regression equation isPermintaan Uang = - 129991 + 2.07 PDB - 1795 Tingkat Bunga + 8.09 Kurs + 42088 Dummi

Predictor Coef SE Coef T P VIFConstant -129991 24749 -5.25 0.000PDB 2.0687 0.2489 8.31 0.000 2.247Tingkat Bunga -1794.8 349.7 -5.13 0.000 1.542Kurs 8.095 1.477 5.48 0.000 5.107Dummi 42088 10079 4.18 0.000 4.425

S = 19126.2 R-Sq = 94.6% R-Sq(adj) = 94.2%

Analysis of Variance

Source DF SS MS F PRegression 4 3.75615E+11 93903697250 256.70 0.000Residual Error 59 21582944056 365812611Total 63 3.97198E+11

Source DF Seq SSPDB 1 2.90614E+11Tingkat Bunga 1 1197761759Kurs 1 77423931272Dummi 1 6379326042

Di dapatkan bahwa kasus multikolinearitas telah diatas. Nilai VIF tidak

ada yang lebih dari 10. Semua variabel prediktor signifikan terhadap variabel

respon. Cara ini lebih baik daripada mengeluarkan variabel yang menyebabkan

multikolinearitas. Dengan metode ini diketahui bahwa inflasi mempunyai

pengaruh terhadap permintaan uang di masyarakat.

4.3.2 Uji Normalitas

Uji normalitas adalah untuk melihat apakah residual terdistribusi normal atau

tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi

normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada

nilai residualnya. Uji normalitas dapat dilakukan dengan uji histogram, uji normal P

Plot, uji Chi Square, dan uji Kolmogorov Smirnov. Pada analisis ini menggunakan uji

normal P Plot karena ada kriteria khusus untuk menolak atau menerima hipotesis

awal. Uji normalitas residual dilakukan dengan aplikasi minitab. Berikut adalah

langkah-langkahnya :

Page 19: Format Print.docx

- Menentukan kolom data residual yang didapat dari model regresi.

- Memilih Stat - Basic Statistics – Normality Test .

- Pada normality test memilih uji Kolmogorov Smirnov.

- Klik OK.

Merumuskan Hipotesis :

Ho : data residual tidak berdistribusi normal.

H1 : data residual berdistribusi normal.

Statistik Uji :

Alpha = 0.05

Kriteria Penolakan :

Tolak Ho jika P-Value > alpha.

Hasil uji Normalitas :

Gambar X.X. Plot residualKesimpulan :

Nilai P-Value relatif kecil yaitu 0.074, tetapi nilai tersebut lebih besar dari

0.05. Karena P-Value > alpha maka tolak Ho dan dapat disimpulkan bahwa data

Page 20: Format Print.docx

residual telah berdistribusi normal. Jadi asumsi klasik residual berdistribusi

normal terpenuhi.

4.3.3 Uji Heteroskedastisitas

Untuk mendeteksi ada tidaknya heteroskedastisitas digunakan metode

informal dan metode formal. Metode informal adalah metode yang subjektif

sehingga penaksiran setiap orang terhadap terjadi tidaknya heteroskedastisitas

adalah berbeda. Sedangkan metode formal adalah metode yang sudah baku, ada

patokan khusus.

Merumuskan Hipotesis :

Ho : Tidak terjadi heteroskedastisitas.

H1 : Terjadi heteroskedastisitas.

Cara 1. Dengan Manual

Mendeteksi kasus heteroskedastisitas dengan manual adalah melihat secara

visual hubungan antara residual kuadrat dengan nilai taksiran ( Y topi ). Apabila

scatternya tidak membentuk pola tertentu maka dianggap tidak terjadi kasus

heteroskedastisitas.

Gambar x.x Scatterplot Y vs residual kuadrat

Berdasarkan gambar tersebut diketahui bahwa plot tidak memiliki pola

tertentu, maka dapat diasumsikan bahwa tidak terjadi heteroskedastisitas. Akan

tetapi diperlukan metode formal untuk mengetahui secara pasti apakah memang

tidak terjadi heteroskedastisitas.

Cara 2. Uji Park

Page 21: Format Print.docx

Uji Park dilakukan dengan merubah kuadrat residual yang tidak

distandarisaikan dan variabel prediktor ke bentuk logaritma natural (ln). Setelah

merubah ke bentuk ln maka selanjutnya adalah meregresikan antara ln(e2) dengan

masing-masing variabel predictor yang telah dirubah dalam bentuk ln. Apabila P-

Value yang didapat < alpha, maka Ho ditolak yang artinya terjadi

heteroskedastisitas. Dengan menggunakan alpha sebesar 5% maka didapatkan

hasil sebagai berikut.

The regression equation isln ei^2 = 12.0 + 0.44 ln x1

Predictor Coef SE Coef T PConstant 12.04 23.43 0.51 0.609ln x1 0.443 2.040 0.22 0.829The regression equation isln ei^2 = 20.3 - 1.17 lnx2

Predictor Coef SE Coef T PConstant 20.339 1.857 10.95 0.000lnx2 -1.1733 0.6685 -1.76 0.084The regression equation isln ei^2 = 12.7 + 0.872 lnx3

Predictor Coef SE Coef T PConstant 12.748 2.595 4.91 0.000lnx3 0.8723 0.5140 1.70 0.095The regression equation isln ei^2 = 10.4 + 0.801 ln x4

Predictor Coef SE Coef T PConstant 10.385 3.435 3.02 0.004ln x4 0.8012 0.4070 1.97 0.053

Dari keempat hasil regresi, didapatkan nilai P-Value yang lebih besar dari

alpha, maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.

Cara 3. Uji Gletjer

Uji Gletjer adalah melakukan regresi antara nilai absolut residual dengan

variabel prediktor. Berikut adalah hasilnya.

The regression equation isabs(residual) = 21785 - 0.203 PDB - 82 Tingkat Bunga +

29.4 Inflasi + 0.405 Kurs

Predictor Coef SE Coef T PConstant 21785 7058 3.09 0.003PDB -0.20325 0.08252 -1.46 0.067Tingkat Bunga -81.8 102.7 -0.80 0.429

Page 22: Format Print.docx

Inflasi 29.43 22.14 1.33 0.189Kurs 0.4047 0.4665 0.87 0.389

Karena semua nilai P-Value variabel prediktor > alpha, maka dapat

disimpulkan bahwa tidak terjadi kasus heteroskedastisitas.

Cara 4. Uji Spearman

Uji spearman dilakukan dengan melakukan korelasi antara residual dengan

variabel prediktor, apabila nilai P-Value < alpha maka terjadi heteroskedastisitas.

Berikut adalah hasilnya.

Correlations: RESI1, PDB, Tingkat Bunga, Inflasi, Kurs

RESI1 PDB Tingkat Bunga InflasiPDB -0.000 1.000

Tingkat Bunga 0.000 -0.409 1.000 0.001

Inflasi 0.000 0.816 -0.325 1.000 0.000 0.009

Kurs 0.000 0.622 -0.000 0.871 1.000 0.000 1.000 0.000

Kesimpulan :

Tidak ada satu pun variabel prediktor yang memiliki korelasi dengan

residualnya, sehingga Ps-Value > 0.05. Jadi dapat disimpulkan bahwa tidak terjadi

kasus heteroskedastisita.