ANALISA DATA Mayang Adelia Puspita
www.caknun.com
PENDEKATAN EKONOMETRIK DALAM ANALISIS DATA
Konsep dasar Ekonometrik Ekonometrika 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 No Langkah V: Menguji hipotesis/ verifikasi menggunakan statistik inferensi (Uji-t, Uji-F, dll) Yes Langkah VII: Interpretasi hasil
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).
P Y
ei
^
^
^
Y X
ui
E(Y) X
^
Yi
0
Yi
Xi
SRF
X
PRF
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.
Menu Utama di SPSS
ANALISIS STATISTIK DISKRIPTIVE
ANALISIS STATISTIK DISKRIPTIVE
Langkah-Langkah Analisis Statistik Deskriptive 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
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 distribusi
:
untuk
memperoleh
informasi
berkenaan
data, data terdistribusi normal atau tidak
dengan
ANALISIS DATA a. Korelasi (Untuk data Rasio) 1. 2. 3. 4.
Sifat penting dari analasis korelasi adalah : Koefisien korelasi bernilai antara -1 dan +1 Korelasi dua variabel bersifat simetrik. Artinya korelasi X dengan Y akan sama dengan korelasi Y dengan X. 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
b. Analisis Regresi Sederhana
UJI- F : Uji Model
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 disimpulkan bahwa 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 maka dengan = 5%, dapat disimpulkan bahwa kita tolak H1 dan kita terima H0. Artinya, variabel bebas (mis. Pendapatan) tidak berpengaruh pada alokasi konsumsi.
UJI- t : Uji Parameter / Koefisien dalam 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 thitung = 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 kita tentukan). Demikian juga untuk koefisien X atau ß1 juga memiliki logika pemikiran yang sama.
Interpretasi 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.
C. Regresi Berganda Analisis 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 terhadap pendapatan usaha ternak
pakan
alternative
Dengan demikian dapat dibuat spesifikasi modelnya sebagai berikut : Y = α + ß1X1 + ß2X2
--------------------- (model 1)
Dimana : Y : pendapatan usaha ternak X1 : IB X2 : Pakan alternatif
i.
Analisis Regresi Linear Berganda
(tanpa Dummy)
Interpretasi Hasil : Dari hasil di atas selanjutnya dapat disusun persamaan berikut : N_Akhir = -25.450 + 0.542 IB + 0.771 pakan alternatif SE (9.351) (0.089) (0.132) T-Hit. 2.722 6.067 5.828 Df = 62
R2 = 0.702
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 sebagai berikut : Pengujian untuk intersep : H0 H1 : ß0 ≠ 0 Pengujian untuk ß1 :
Pengujian untuk ß2 :
: ß0 = 0
H1
H0 : ß1 = 0 : ß1 ≠ 0
H1
H0 : ß2 ≠ 0
: 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 sebagai berikut :
dibuat
spesifikasi
modelnya
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 untuk melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan. Variabel dummy juga mencoba membuat 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)`
