PENGUJIAN KETEPATAN MODEL EKONOMETRIKA DALAM HUBUNGAN GEOMETRI

PENGUJIAN KETEPATAN MODEL EKONOMETRIKA DALAM HUBUNGAN GEOMETRI Drs. R. Johannes P. Mataniari

Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Pendahuluan A. Latar Belakang Geometri suatu bidang ilmu ukur yang membahas prinsip-prinsip dasar yang menjadi pokok suatu struktur subyek’sehingga dapat dibentuk menjadi suatu struktur logis dan sistematik. Bidang statistika membutuhkan geometri sebab dapat menjelaskan suatu permasalahan

lebih

sistematik dan mudah dimengerti . Pertanyaan yang sering muncul dalam proses pemodelan adalah sejauh mana model yang dibangun itu mampu menjelaskan permasalahan nyata yang dihadapi. Dengan

perkataan lain

kita menanyakan bagaimana ketepatan model ekonometrika yang dibangun itu? Berapa besar penyimpangan yang terjadi apabila model itu dipergunakan . Dalam hal ii dapat kita tanyakan bagaimana ketepatan model mendukung

hal

diatas

dalam suatu fungsi, contohnya dalm fungsi linier. Untuk

digunakan

atas

dasar

adanya

regresi

linier

sederhana

dengan

model Y = β0 + β1 + U : yang kemudian dapat juga digambarkan model itu secara geometri . Regresi itu mempelajari hubungan kausal antara sutu variabel tak bebas dan satu variabel penjelas variabel bebas dan hubungan kausal antara suatu variabel bebas dan satu variabel penjelas tak bebas dalam bentuk sederhana . Analisis regresi telah digunakan secara luas antara lain untuk menerangkan fungsi konsumsi, funsi produksi, fungsi permintaan, fungsi biaya, fungsi investasi, dll. Dengan latar belakang inilah maka geometri punya peranan penting dalam menggambarkan model dan suatu keputusan dari suatu pengujian ketepatan model ekonometrika. B. Rumusan Masalah Sifat-sifat geometri yang penting dalam permasalahan statistika masih menggunakan sifat-sifat bangun geometri dan dasar dari kerangka kerja bidang geometri. Masalah yang akan

2001 Digitalized by USU Digital Library

1

dibahas dalam pengujian ketepatan model ekonometrika adalah dengan pengukuran kesesuaian garis regresi yang dapat menghasilkan model untuk menjelaskan permasalahan yang ada. Model yang digunakan adalah model regresi linier sederhana dalam ekonometrika hingga akhirnya pengertian geometri diperoleh dari rumusan diatas. C. Maksud Dan Tujuan Maksud dari pegertian geometri dalam bidang statistika adalah agar mampu menjelaskan adanya penyimpangan (perbedaan) dari asumsi yang ada. misalnya dalam menentukan nilai dugaan individual berdasarkan persamaan regresi yang didapat . maka dengan menggambarkan penyimpangan/perbedaannya secara geometri dapatlah disimpulkan mampu menjelaskan permasalahan nyata

bahwa tujuan tercapai yaitu

yang dihadapi ,seperti dalam makalah ini maka

dapatlah ditentukan model terbaik dan pengujiannya juga dapat diterima.


2

Metodologi Penelitian Pada dasarnya yang menjadi metodologi penelitian adalah mencakup beberapa langkah yaitu: 1. Pengertian ssuatu teori khusus untuk ekonometrika ,contoh teori tentang meningkatnya konsumsi oleh karena peningkatan pendapatan sekelompok masyarakat. 2. Spesifikasi model ekonometrika untuk menguji ,dalam paper ini model ekonometrika yang digunakan adalah analisis regresi sederhana yang akhirnya pengujian dengan fungsi sederhana c

didapat suatu model

yang secara geometri dapat ditunjukkan :

Pengeluaran

Y

β1

β0

X Pendapatan Berarti : konsumsi itu berhubungan secara linier dengan pendapatan.

3. Pendugaan paramater: Untuk menetapkan model ekonometrik maka yang dilakukan adalah pendugaan parameter berdasarkan data yang tersedia. 4. Pengujian hipotesis secara statistika bisa dengan hipotesis sbb: H 0 : β1 = 1 H1 : β1 = 〈1 5. Penggunaan model ekonometrika yang tepat dengan pengujian serta dapat digambarkan secara geometri

hingga didapatkan suatu kebijaksanaan dari pengujian ketepatan model

ekonometrika dan dapat diambil contoh penerapan dengan suatu persamaan.


3

Dapat

digambarkan

metodologi

penelitian

untuk

Pengujian

Ketepatan

Model

Ekonometrika

Teori Khusus

Spesifikasi masalah

Pendugaan

Menerima Teori

Penggunaan model ekonometrika secara tepat


Pengujian

Menolak, memperbaiki, menghasilkan teori baru

4

Pembahasan Pertanyaan yang selalu muncul dalam proses pemodelan adalah sejauh mana model yang dibangun itu mampu menjelaskan permasalahan nyata yang dihadapi. Beberapa bagian perlu untuk pengujian ketepatan model ekonometrika: A. Pengukuran Kesesuaian Garis Regresi Pengukuran sisaan (residual) dari regresi atau sering disebut dengan galat (error)dari regresi dapat membantu untuk mengetahui sejauh mana persamaan regresi yang diduga sesuai atau cocok dengan data contoh. Untuk membahas hal ini maka model regresi contoh yaitu : Y = β0 + β1 + e

……….(a)

atau apabila ditulis dalam nilai-nilai pengamatan menjadi Yi = β0 + β1Xi + εi

……….(b)

dengan n = ukuran contoh. Dugaan untuk pers diatas Y ^ = β0 + β1 x

……….(c)

yang ditulis dalam nilai pengamatan Yi = β0 + β1 xi: I= 1,2,3,…n

……….(d)

Galat(error) atau sisaan dari persamaan regresi yang diduga adalah ε i = y i − yî = yi − b 0 − b1 x1

……….(e)

ε i itu menunjukkan adanya penyimpangan antara nilai sesungguhnya yi dan nilai yî . Dari prinsip metode kuadrat terkecil telah ditetapkan bahwa b 0 = y − b1 x maka dapat kita lakukan manipulasi aljabar persamaan (e), dapat ditulis menjadi persamaan (f): ε = y i − yˆ i = y i − b 0 − b i x i

(

)

= y i − y − b1 X − b1 x i

( = (y = (y = (y

) ( ) − y ) + (y − b − b x ) − y ) − (b + b x − y ) − y ) − (yˆ − y )

= y i − y + b1 X − b1 x i i i i

0

0

1 i

1 i

i

( yi − yî ) = (y i − y) − (yî − y )

………(f) atau


5

sehingga:

(y − y ) = (yˆ − y ) + ( y − yˆ ) i

i

i

i

………(g)

Sehingga dengan pengertian geometri maka persamaan (g) dapat dilihat pada gambar (I). Dari gambar (I) dapat dijelaskan bahwa penyimpangan (perberdaan) diantara nilai contoh dari y dan nilai rata-rata dari y yaitu AC merupakan penjumlahan dari penyimpangan AB dan BC dimana AB adalah penyimpangan dari nilai dugaan berdasarkan persamaan regresi dengan nilai rata-rata dari y. Sedangkan BC adalah penyimpangan antara nilai contoh (nilai individual) dari y dan nilai y dugaan individual berdasarkan persamaan regresi. Y C yˆ = b 0 − b1x 1

yi B yî A y

0

xi

X

Gambar (I) pengertian geometri untuk bentuk hubungan (g)

keterangan gambar AC = ( y i − y ) AB = ( yî − y) BC = ( y i − yî ) Sebelumnya telah ditetapkan ukuran contoh ada n buah pengamatan, maka jumlah kuadrat sebanyak n buah penyimpangan dalam bentuk hubungan (g) dapat ditulis sebagai berikut:

∑ (y

i

− y) 2 =

∑ (yˆ

JKT

=

i

− y) 2 + ∑ ( y i − yi ) 2 JKR

+

……….(h)

JKG


6

JKT = jumlah kuadrat total JKR = jumlah kuadrat regresi JKG = jumlah kuadrat galat (error) Sehingga total keragaman dari y merupakan penjumlahan total keragaman yang dijelaskan oleh kesamaan regresi (model ekonometrik) dan tidak dijelaskan oleh model regresi yang disebut keragaman galat. Tentunya model yang baik mampu menjelaskan keragaman total dari y yang sebesarbesarnya dengan galat yang sekecil-kecilnya, sehingga persamaan (h) dapat ditulis: JKT JKR JKG = + JKT JKT JKT 1=

JKR JKG + JKT JKT

……….(i)

JKR/JKT dalam statistika disebut koefisien determinasi dinotasikan R2 =proporsi dari total keragaman . Y dapat diterangkan atau dijelaskan oleh model regresi y terhadap x . Persamaan R2 akan berada diantara nilai 0 dan 1 dan dituliskan 0
(∑ y i ) 2 n

..........( j)

∑ xi ∑ yi   JKR = b i ∑ x i y i − ..........(k ) n  

JKG = JKT − JKR..........(l ) Jika kita memiliki dat pengamatan Xi yang berulang maka dapat dilakukan pengujian lanjutan untuk mengetahui ketepatan model regresi yang dibangun

yaitu dengan memecah JKG

menjadi dua komponen dituliskan: JKG = JKGM + JKSDM

……….(m)

JKG = jumlah kuadrat galat


7

JKGM = jumlah kuadrat galat murni JKSDM = jumlah kuadrat simpangan dari model JKGM dapat ditentukan dengan formula berikut :  (∑ yi )2  2 jkgm = ∑ ∑ yi −  n  xi   

……….(n)

dimana xi adalah data berulang yi adalah nilai nilai dari variabel y yang bersesuaian dengan nilai xi berulang.

B. Pengujian Persamaan Regresi Biasanya diuji dengan menggunakan statistik uji F sbb: F =

JKR

jkr (k − 1 jkg (n − k

)

……….(o)

)

= Jumlah Kuadrat Regresi

(k-1) = Derejat bebas regresi JKG

= Jumlah kuadrat galat

(n-k)

= Derejat bebas galat Dalam distribusi F derejat bebasnya V1 = k-1 dan V2 =n-k ynag berhubungan dengan

R2 (k − 1) koefisien determinasi R2 sebagai berikut : F = 1 − R2 (n − k )

(

)

……….(p)

Jika terdapat 2 parameter yang diduga dalam model mis b1 dan b2 maka statistik F nya jkr jkr (2 − 1) = 1 adalah: F = jkg jkg (n − 2) (n − 2) V1 =1


8

V2 =n-2

Dapat disusun dalam tabel Sumber Keragaman

Jumlah Kuadrat

Derejat bebas Kuadrat tengah F hitung

Regresi

jkr

k-1

KTR-JKR/K-1 KTR/KTG

Galat

jkg

n-k

KTG-JKG/N-K

Total

jkt

n-1

-

Catatan:

-

KTG = S² disebut nilai dugaan bagi ragam Galat/ ragam dugaan dari pers

regresi.

Akar pangkat dua dari KRG disebut galat baku (SER = Standart Error of Regresion) Galat baku dalam Regresi adalah salah satu ukuran Kesesuaian atau kecocokan pers regresi disamping ukuran lainnya seperti koef determinari, R²,…F untuk pers regresi dsb.

Contoh penerapan Data penjualan (Kuantitas yang ditawarkan dalam satuan ton) dari komoditi z serta data harga dari komoditi itu selama 12 bulan. Data kuantita penawaran yi dan harga komoditi (x¹) dalam table A Lembar harga untuk pendugaan fungsi penawaran dari komoditi z n

yi

xi

yi2

xi²

xiyi

1

69

y

4761

81

621

2

76

12

5776

144

912

3

52

6

2704

36

312

4

56

10

3136

100

560

5

57

9

3249

81

513

6

77

10

5929

100

776

7

77

7

3364

49

406

8

58

8

3025

64

440


9

9

55

12

4489

144

804

10

33

6

2809

36

318

11

72

11

5184

121

792

12

64

8

4096

64

512

756

108 48.522

1020

6960

^

y = a+ bx

a=

(∑ yi )( ∑ xi ) − (∑ xi )( ∑ xi yi )

b=

n∑ xi yi − ( ∑ xi )( ∑ yi )

2

n∑ xi 2 − ( ∑ xi ) 2

n ∑ xi − (∑ xi ) 2 2

a=

(756)(1020) − (108)( 6960) = 33,75 12(1020) − (108) 2

b=

12( 6960) − (108)(756) = 3,25 12(1020) − (108) 2 yˆ = 33,75+3,25x

Model fungsi penawaran linier berdasarkan tabel adalah : yˆ = 33,75+3,25x maka koefisien determinasi R2 :

R2 =

JKR = JKT

b1 {∑ xi yi − ∑

∑y

i

=

2

−

xi ∑ yi

n ( ∑ yi ) 2 n

(3,25)( 6960 − 108(756 ) / 12) 48522 − ( 756) 2 (12)


10

=

507.00 894.00

= 0,5671

JKG = JKT-JKR = 894.00- 507.00 =387.00 Maka perhitungan jumlah kuadrat galat murni (JKGM)  ( ∑ yi ) 2  2 JKGM = ∑ ∑ yi −  ni  xi   (52 + 53) 2 (55 + 64) 2 + (55) 2 + (64) 2 − + ( 69)2 + (57) 2 2 2 (69 + 57) 2 (56 + 77) 2 ( 76 + 67) 2 2 2 2 2 − + ( 56) + (77 ) − + (76) + ( 67) − 2 2 2 = (52) 2 + (53)2 −

= 0,50 + 40,50 + 72.00 + 220.50+40.50 = 374.00 Derejat hitung galat murni = 1+1+1+1+1 = 5 JKGM = 374.00 Maka : JKSGM = JKG – JKGM = 387.00 – 374.00 = 13.00 Uji simpangan dari model SDM didasarkan pada statistik F berikut:


11

JKSDM 13.00 / 5 F = dbSDM = = 0.035 = F Hitung JKGM 374 / 5 dbGM Dari tabel distribusi F α = 0,05 db1 =5 db2 =5 F0,05L5,5) = 5,05 Untuk pengujian hipotesisnya adalah: H0 : Simpangan dari model bersifat tidak nyata H1 : Simpangan dari model bersifat nyata Karena distribusi F tabel > F hitung maka H0 diterima jadi simpangan dari model bersifat tidak nyata . Dapat digambarkan :

Daerah penerimaan (1-α)=0.95


Daerah kritis α = 0.05

12

0

5.05 Nilai F=0.03 berada dalam daerah penerimaan sehingga H0 diterima

Gambar distribusi F untuk pengujian simpangan dari model fingsi penawaran linier

Kita juga dapat melakukan pengujian terhadap model fungsi penawaran linier (uji persamaan regresi) melalui tahap-tahap berikut: 1. H0 : persamaan regresi (model fungsi penawaran) bersifat tidak nyata. H1 : Persamaan regrasi bersifat nyata. Catatan: Suatu model yang baik apa bila hasil uji bersifat nyata karena hal itu berarti variabel yang dimasukan dalam model berpengaruh nyata dalam menjelaskan keragaman total dari y. 2. α=0.05

3. Daerah kritis: F>Fα; v =k-1: v =n-k dari tabel distribus F diperoleh: F0.05; v =2 -1; v =12-2 = F0.05;1;10 = 4.96 Sehingga daerah kritis F>4.96 Catatan: K adalah banyaknya parameter yang diduga dalam model perasamaan regresi untuk kasus diatas k=2 sedangkan n adalah ukuran contoh (sample size), untuk kasus ini n=12.

4. Statistik uji yang sesuai untuk pengujian hipotesis diatas adalah F yang dihitung berdasarkan persamaan berikut;


13

JKR 507.00 (k − 1) = (2 − 1) = 13.10 F= JKG 387.00 (n − k ) (12 − 2 )

5. Keputusan: Karena F=13.10 lebih besar daripada F0.05;1;10 = 4.96, yang berarti berada dalam daerah kritis, maka H0 ditolak. Hal ini berarti persamaan regresi (fungsi penawaran linier) bersifat nyata dalam menerangkan keragaman total dari y (kuantitas penawaran). Distribusi F dari pengujian hipotesis diatas ditunjukkan dalam gambar.

Daerah penerimaan (1-α)=0.95

0

Daerah kritis α = 0.05

4.96

Nilai F=13.10 berada dalam daerah kritis, sehingga H0 ditolak

Distribusi F untuk pengujian persamaan regresi penawaran linier

C. Pelaporan dan Evaluasi Hail Analisis Regresi Terdapat bermaaam cara orang melaporkan hail dari suatu analisis regresi, namun format berikut dianjurkan untuk dipergunakan .Berikut ini dikemukakan hasil analisis regresi penawaran linier bedaarkan data :


14

Sistem pelaporan hail seperti persamaan diatas akan memberikan kesempatan kepaada orang lain untuk menilai sejauh mana kesesuaian model regresi yang dibangun.Dalam pelaporan hasil regresi yang diperoleh dapt diberikan informasi tentang : 1. Persamaan regresi yaang diperoleh yaitu :

yˆ

= 33,75+3,25x

2. Galat baku (standart error) dari koefisien regresi yang diperoleh yaitu : S(bo) = 8.28 S(b1) = 0.90 3. Nilai t yang diperoleh berdasarkan pengujian hipotesis tentang dengan 0 yaitu bo=0,dan b1 = 0.Nilai ini merupakan

parameter model hasil bagi antara koefisien

dugaan bagi parameter model dan galat baku dari koefisien tersebut sebagai misalnya: t(bo) = bo/s(bo) = 33.75/8.28 =4.076 t(b1) = b1/s(b1) = 3.25/0.90 =3.611 4. Nilai R2 yang menunjukkan proporsi keragaman total dari variabel y

yang mampu

diterangkanoleh persamaan regresi ,sebagai contoh pers regresi sebelumnya menjelaskan keragaman total variabel y sssebesar 56,71%. 5. Galat baku (standart error) dari persamaan regresi yang dihitung dengan jalan menarik akar pangkat dua dari KTG atau S2 6. Nilai F yang diperoleh dari pengujian persamaan regresiyang dibangun itu. Setelah hasil analisis regresi dilaporkan seperti pers diata maka timbul pertanyaan bagaiman baiknya hasil itu dengan kata lain kriteria apa yang perlu dijadikan pegangan untuk menilain suatu hasil regresi ? Berikut ini akan dikemukakan beberapa kriteria yang dapat dijadikan pegangan untuk menilai hasil dari suatu analisis regresi. 1. 1.Tanda dari koefisien yang diduga seharusnya sesuai dengan teori ekonomi atau harapan semula .sebagai contoh untuk kasus pers Q tanda dari koefisien regresi adalah positif dan memang sesuai dengan yang diharapakan karena berdasarkan teori ekonomi variabel harga mempengaruhi secara positif tehadap kuantitas penawaran dengan kata lain slope dari suatu fungsi penawaran adalah positif


15

2. Koefisien regresi seharusnya bersifat nyata secara statistik agar sesuai dengan teori ekonomi yang sejak awal penyusunan model telah mempostulatkan bahwa variabel variabel bebas yang dimasukkan dalam model regresi memang berpengaruh terhadap variabel tak bebas. 3. Koefisien determinasi R2 sebagai salah satu ukuran kecocokan model regresi seharusnya cukup tinggi misalnya diatas 0.80 atau paling tidak harus diusahakan tidak terlalu rendah misalnya dibawah 0.60 sebab jikalau rendah maka model yang dibangun belum mampu menjelaskan keragaman total yang ada dalam variabel tak bebas y berarti masih ada faktor lain yang tidak ikut diperhitungkan dalam model.Untuk model fungsi penawaran Q dimana besaran R2 = 0.5671 menunjukkan model hanya mampu menerangkan keragaman total dalam kuantitas penawara variabel y sebesar56,71% berarti maih ada sekitar 43,29% keragaman total dalam kuantitas penawaran variabel y yang diakibatkan oleh pengaruh faktor

lainselain harga komoditi x. Untuk meningkatkan besaran R2 kita dapat mencari

variabel lain yang relevan untuk dimasukkan dalam model regresi dengan demikian untuk kasus penawaran komoditi Z perlu melibatkan lebih dari atu variabel x .Namun perlu diperhatikan bahwa setiap penambahan variabel yang baru kedalam model regresi harus meningkatkan besaran R2 secara berrti dan yang lebih penting bahwa koefisien dari variabel baru x yang dimasukkan kemudian kedalam model harus bersifat nyata secara statistik,sehingga model baru itu tetap memenuhi kriteria 1 dan 2 diatas. 4. Jika keadaan data memungkinkan (seperti ada pengulangan dari nilai2 variabel x ),maka perlu melakukan uji simpangan dari model itu dan seharusnyauji simpangan dari model itu bersifat tidak nyata yang menunjukkan tidak terdapat penyimpangan atau kesalahan yang berarti dari model yang dibangun itu .Untuk kasus penawaran komoditi z maka model fungsi penawaran linier yang dibangun berdaarkan data telah cocok karena uji simpangan dari model bersifat tidak nyata yang menunjukkan penyimpangan atau kesalahan yang terjadi dari model itu dapat diabaikan karena sangat kecil.


16

5. Beberapa kriteria lain yang relevan akan dibaha kemudian seperti model harus memenuhi asumsi-asumsi yang ada yaitu tidak terdapat korelai sempurna diantara variabel-variabel bebas.

D. Penggunaan Model Ekonometrika Sesuai

dengan

penjelaan

dalam

metodologi

ekonometrik

apabila

suatu

model

ekonometrik yang dibangun dapat diterima karena konsisten dengan teori ekonomi yang ada maka model ekonometrik itu dipergunakan untuk peramalan atau perkiraan . Berdasarkan serangkaian pengujian yang telah dilakukan menunjukkan bahwa model fungsi penawaran linier dapat diterima karena konsisten dengan teori penawaran dalam ekonomi sehingga model itu dapat dipergunakan

untuk peramalan kuantitas penawaran (variabeeel tak

bebas y berdarkan harga tertentu dari komoditi itu. Untuk pembahasan maka kita akan menggunakan model fungsi penawaran linier yang diperoleh berdasarkan analisa data yaitusesuai dengan perkiraan sebelumnya

yˆ

= 33,75+3,25x .

Kesimpulan Dari metodologi penelitian maka didapat suatu kesimpulan bahwa penggunaan model ekonometrika yang tepat dengan pengujian yang benar Kesimpulan Dari metodologi penelitian maka didapat suatu kesimpulan bahwa penggunaan model ekonometrika yang tepat dengan pengujian yang benar pula maka model dari suatu fungsi penawaran dapat digambarkan secara geometri dan akhirnya diperoleh ketepatan model ekonometrika yang baik. Seperti pada pembahasan ,suatu model yang cocok atau sesuai harus menunjukkan bahwa uji simpangan dari model bersifat tidak nyata .Uji

simpangan dari model merupakan salah satu

ukuran kesesuaian atau kecocokan model regresi disamping ukuran lain seperti koefisien determinasi ,R 2 ,uji F,galat baku dari persamaan regresi dll.Dengan demikian dapat digambarkan daerah penerimaan penolakan dalam distribusi F.Besar R 2 = 0……5671 menunjukkan bahwa model fungsi penawaran linier telah mampu menerangkan atau menjelaskan sekitar 56,71% dari keragaman total kuantitas penawaran.Sedangkan sisanya 43,29% tidak dapat dijelaskan oleh model.


17

Dengan demikian dapat disimpulkan bahwa model fungsi penawaran linier yang dibangun tidak sesuai atau cocok karena penyimpangannya menunjukkan hasil yang bersifat tidak nyata,berrti penyimpangan model dapat diabaikan karena sangat kecil. Daftar Pustaka 1. Gaspersz,Vincent

: Ekonometrika Terapan 1

2. Dr.Sudjana M.A.Msc

: Metoda Satistika

3. Statistic Mathematical

: Ronald E Walpole


18

PENGUJIAN KETEPATAN MODEL EKONOMETRIKA DALAM HUBUNGAN GEOMETRI

Recommend Documents