X. ANALISIS DATA

1
X. ANALISIS DATA

• Oleh Bambang Juanda

2
Pendahuluan Analisis Data

• Analisis data peroses mencakup penelusuran
  pengungkapan informasi relevan dlm data
  penyajian hasilnya ringkas sederhana dan
  akhirnya mengarah kepada perlunya penjelasan
  penafsiran.
• Proses awal tanpa terikat pd asumsi yg ketat
  supaya pengungkapan informasi fleksibel
  mendorong imajinasi tanpa melupakan kaidah ilmu
  maupun teori yg telah dikenal.
• Peneliti cenderung mengartikan sbg proses
  perhitungan penerapan statistika, shg peranan
  kegunaan sebenarnya terlupakan. Ini akan memberi
  kesan bahwa pengujian hipotesis itu sederhana
  mudah. Oleh karenanya seringkali penelitian yg
  menarik, hanya diakhiri dgn kesimpulan yg
  menyatakan hasilnya nyata atau tidak nyata secara
  statistik.
• ?Perlu analisis deskriptif (grafik spt plot data
  berkala, diagram kotak-garis, atau diagram dahan
  daun tabel rekapitulasi data ). Analisis
  deskriptif yg bersifat eksploratif utk menelusuri
  mengungkapkan struktur dan pola data tanpa
  mengaitkan secara kaku dgn asumsi tertentu.
• Grafik sbg ringkasan data atau sbg alat diagnosa
  kesesuaian model dugaan merupakan pelengkap dlm
  teknik statistika.
• Tujuan eksplorasi data spt ini memberi keyakinan
  bhw data tsb dpt diwakili oleh model
  mengungkapkan adanya penyimpangan dari model
  tertentu dan berusaha utk mencari cara
  penyelesaiannya.

3
Tahapan Pemodelan Ekonometrika
4
Model Regresi Berganda
Hubungan linear (dlm parameter) antara 1 peubah
tak bebas 2 atau lebih peubah bebas
Random Error
Intersep-Y Populasi
Slope Populasi
Peubah tak bebas (Respons) utk sampel
Peubah bebas (Explanatory) utk model sampel
5
Contoh Output Minitab
The regression equation is Demand 850 - 5.03 P
4.74 Pr 0.277 Advertise 0.0107 Income
1.31 T Predictor Coef SE Coef T
P Constant 850.0 134.8 6.31 0.000 P
-5.0326 0.4394 -11.45 0.000 Pr
4.7435 0.9696 4.89 0.000 Advertise
0.2774 0.1046 2.65 0.014 Income
0.010658 0.001316 8.10 0.000 T
1.3091 0.7534 1.74 0.095 S 33.6398
R-Sq 91.5 R-Sq(adj) 89.7 Analysis of
Variance Source DF SS MS
F P Regression 5 291364 58273 51.49
0.000 Residual Error 24 27159 1132 Total
29 318523
6
I. Uji Model Secara Keseluruhan
Yi ?0 ?1 X1 ?2 X1 ?p Xp ei

• Apakah Model dapat menjelaskan keragaman Y
• Hipotesis Statistik
• H0 Model tdk dpt menjelaskan keragaman Y
• ?2regresi ?2e atau ?2regresi/ ?2e 1
• b1 b2 bp 0 (tidak dapat menjelaskan)
• H1 Model tdk dpt menjelaskan keragaman Y
• ?2regresi gt ?2e atau ?2regresi/ ?2e gt 1
• Minimal ada bi ¹ 0 (ada peubah
• bebas yg mempengaruhi Y)
• Statistik uji-F KTR/KTS F(p, n-1-p)

a 0.05
F(5,24)
H0
0
H1
7
Kriteria Pengambilan Keputusan

• Terima H0, jika Fhitung lt Ftable, artinya secara
  statistik belum dapat dibuktikan bahwa model
  tersebut bisa menjelaskan atau memprediksi
  keragaman permintaan detergen artinya semua
  variabel bebas tidak berpengaruh terhadap nilai
  variabel tak bebas (Y).
• Terima H1 (tolak H0), jika Fhitung ? Ftable,
  artinya secara statistik telah dibuktikan bahwa
  model tersebut dapat menjelaskan atau memprediksi
  keragaman permintaan detergen artinya harga
  produk, harga produk pesaing, iklan, pendapatan
  dan trend secara bersama-sama berpengaruh
  terhadap permintaan detergen.
• Kriteria keputusan dpt menggunakan angka
  probabilitas (P_value atau sign.) yg diperoleh
  dari perhitungan komputer kemudian
  diperbandingkan dgn taraf nyata pengujian yang
  digunakan (?5).
• Jika p_value lt (?5), maka tolak H0 atau terima
  H1.
• Jika p_value gt (?5), maka terima H0 atau tolak
  H1.
• P_value atau significance yang dikeluarkan oleh
  software Minitab atau SPSS ini dapat
  diinterpretasikan sebagai peluang (risiko)
  kesalahan dalam menyimpulkan H1.

8
II. Uji Signifikansi Masing2 Peubah Bebas

• Apakah peubah bebas Xi mempengaruhi Y
• Hypotesis Statistik
• H0 bi 0 (Xi tidak mempengaruhi Y)
• H1 bi ¹ 0 (Xi mempengaruhi Y)

The regression equation is Demand 850 - 5.03 P
4.74 Pr 0.277 Advertise 0.0107 Income
1.31 T Predictor Coef SE Coef T
P Constant 850.0 134.8 6.31 0.000 P
-5.0326 0.4394 -11.45 0.000 Pr
4.7435 0.9696 4.89 0.000 Advertise
0.2774 0.1046 2.65 0.014 Income
0.010658 0.001316 8.10 0.000 T
1.3091 0.7534 1.74 0.095
9
Tahapan Uji Hipotesis dgn Uji-t

• Perumusan Hipotesis Statistik
• Ho ?i 0 (faktpr ke-i tidak berpengaruh
  terhadap
• permintaan detergen)
• H1 ?i ? 0 (faktor ke-i berpengaruh nyata
  terhadap permintaan
• detergen)
• Penentuan nilai kritis, misal dgn taraf nyata
  ?5. Karena pengujian dua sisi (two-tailed
  test) maka pada penentuan ttable menggunakan ?/2.
  Untuk table t, derajat bebas (degree of freedom)
  adalah n-p-1. p menyatakan banyaknya peubah bebas
  dan n adalah banyaknya kasus.
• Pengambilan Keputusan (Decision Rule)
• Terima H0, jika ???thitung? lt ttable, artinya
  secara statistik belum dpt dibuktikan bahwa
  faktor ke-i tersebut perpengaruh nyata terhadap
  permintaan detergen.
• Terima H1 (tolak H0), jika ?thitung? ?
  ttable, artinya secara statistik telah dibuktikan
  bahwa faktor ke-i tersebut berpengaruh nyata
  terhadap permintaan detergen.

10
Model Regresi Linier Bersegmen (Pricewise linear
Regression Model )

• Model ini merupakan kasus khusus dari suatu gugus
  model yg lebih besar (spline functions).
• Spline functions adalah fungsi-fungsi dgn
  segmen-segmen yg berbeda, yg digambarkan oleh
  fungsi yg tidak harus garis lurus.
• Model regresi linear bersegmen ini berkembang
  dari model yg melibatkan peubah dummy utk
  mengetahui dimana terjadi structural break.

11
Model dengan Pilihan Kualitatif (Models of
qualitative choice)

• Sering digunakan dlm analisis data survei, yg
  sering dihadapkan pada respon prilaku yg
  kualitatif, misalnya masuk angkatan kerja atau
  tidak, setuju atau tidak dengan pemerintahan
  sekarang, dll.
• Contoh dari model ini misalnya model peluang
  linier, model probit, model logit, dan model
  tersensor.

12
Model Regresi Diri dan Distribusi Beda Waktu
(Autoregressive distributed lag models)

• Dlm model yg melibatkan data deret waktu,
  seringkali respons peubah tak bebas (Y) akan
  terdeteksi setelah beberapa waktu cukup lama.
  Oleh karenanya peubah bebas beda waktu (lagged
  explanatory variables, Xt-k) harus dimasukkan dlm
  model. Misalnya pengaruh kredit usaha tani atau
  pupuk terhadap produksi padi, atau pengaruh
  supply uang terhadap inflasi memerlukan waktu
  beberapa bulan.
• Dlm model dimana koefisien atau pembobot Xt-k nya
  menurun secara geometris (geometric lag model),
  dpt digunakan pendekatan atau transformasi Koyck
  shg mempermudah pendugaan parameter koefisien
  modelnya. Dari pendekatan ini dikembangkan
  model-model seperti Adaptive Expectations Model.
• Ilustrasi sering kali dalam model linear
  sederhana, besarnya konsumsi rumah tangga (Y)
  dipengaruhi oleh permanent income (X), atau
  jumlah yang ditawarkan (Y) dipengaruhi oleh harga
  yang diharapkan (X) bukan harga sebenarnya.
  Dalam realitas seringkali pelaku ekonomi merubah
  ekspektasinya, dgn menyesuaikan pengamatan
  sekarang dengan nilai harapan periode sebelumnya.

13
Model Persamaan Simultan

• Metode OLS akan menghasilkan penduga yg bersifat
  BLUE jika asumsi-asumsinya dipenuhi. Salah satu
  asumsinya adalah tidak ada korelasi antara peubah
  penjelas (X) dengan error (?). Jika ada karelasi
  antara keduanya maka metode OLS akan menghasilkan
  penduga parameter koefisien regresi yg berbias
  dan tidak konsisten.
• Korelasi antara X dan ? seringkali diakibatkan
  karena peubah penjelas (X), yg seharusnya peubah
  nonstokastik (fixed variable), dlm kenyataannya
  dipengaruhi oleh faktor (peubah) lain. Sehingga
  sebenarnya model yg lebih cocok adalah terdiri
  dari beberapa persamaan yg saling berkaitan
  (model persamaan simultan). Dalam kasus seperti
  ini ada beberapa metode yang 'lebih baik' untuk
  digunakan misalnya metode intrumental, ILS, 2SLS,
  3SLS, FIML

14
Model Deret Waktu Ekonometrik

• Beberapa model deret waktu tanpa menggunakan
  pendekatan model ekonometrik adalah ARMA (untuk
  data stasioner), ARIMA (untuk data nonstasioner
  yg dpt distasionerkan dgn teknik pembedaan).
• Model ARCH dan GARCH pengembangan metode
  Box-Jenkins (model ARMA) utk mengatasi ragam yg
  heterogen. Ragam peubah respons dimodelkan
  sebagai fungsi nilai-nilai pd periode yg sdh
  lewat dari peubah respons tsb dan peubah bebas
  atau eksogen.
• Model fungsi transfer model peramalan deret
  waktu berganda yg menggabungkan beberapa
  karakteristik model-model ARIMA univariat dgn
  beberapa karakteristik analisis regresi. Dasar
  pemikiran kombinasi metode ini, adalah utk
  menangkap adanya hubungan terstruktur di luar
  model ekonometrik dgn menggunakan model deret
  waktu utk menjelaskan hubungan tesebut dlm sisaan
  model ekonometrik. Model fungsi transfer
  merupakan teknik peramalan yg lebih baik
  dibanding persamaan ekonometrik saja atau model
  deret berkala saja karena mengandung penjelasan
  struktural (ekonometrik) sebagai bagian keragaman
  yt, utk menjelaskan hubungan terstruktur, dan
  penjelasan deret berkala thd sebagian keragaman
  yt yg tdk diterangkan secara struktural. Model
  ini cukup efektif jika tdk ada feedback.

15
Model Deret Waktu Ekonometrik

• Dlm realitas semua peubah ekonomi merupakan
  peubah endogen shg disarankan menggunakan model
  VAR (vector AutoRegression). Umumnya model VAR
  digunakan untuk peramalan sistem peubah-peubah
  deret waktu yg saling berpengaruh, dan utk
  menganalisis dampak dinamis dari penyimpangan
  acak thd semua peubah. Model VAR memperlakukan
  setiap peubah (endogen) dlm sistem sebagai fungsi
  peubah lag dari semua peubah dlm sistem.
• Vector Error Correction Model (VECM) merupakan
  model VAR yg terrestriksi yg dirancang utk
  menggunakan data deret waktu nonstasioner yg
  terkointegrasi. VECM merupakan regresi
  terkointegrasi atau mengalami keseimbangan dlm
  jangka panjang. Istilah terkointegrasi dikenal
  sebagai istilah koreksi error karena deviasi dari
  keseimbangan jangka panjang dikoreksi secara
  bertahap melalui serangkaian dinamika penyesuaian
  dlm jangka pendek secara parsial.

16
Model Regresi Panel Data

• Istilah lain dari data panel adalah pooled data
  (penggabungan data time series dan cross
  section), micro panel data (kombinasi studi atas
  dasar waktu dari berbagai variabel atau kelompok
  subjek), event history analysis (studi perubahan
  suatu subjek dengan syarat waktu), atau cohort
  analysis (studi jalur perkembangan karir dari
  sekelompok manajer).
• Keuntungan menggunakan data panel dlm model
  regresi dibandingkan hanya dgn data time series
  atau hanya data cross section, yaitu
• Data panel akan memberikan informasi yg lebih
  lengkap, lebih beragam, kurang berkorelasi antar
  variabel, derajat bebas lebih besar dan lebih
  efisien.
• Studi data panel lebih memuaskan untuk menentukan
  perubahan dinamis dibandingkan dgn studi berulang
  dari cross section.
• Membantu studi utk menganalisis perilaku yang
  lebih kompleks, misalnya fenomena skala ekonomi
  dan perubahan teknologi.
• Dapat meminimumkan bias yg dihasilkan oleh
  agregasi individu atau perusahaan karena unit
  data lebih banyak.

17
Model Input-Output

• digunakan utk meneliti tingkat saling keterkaitan
  diantara berbagai sektor dlm suatu perekonomian
  guna memperoleh gambaran mengenai kontribusi
  suatu sektor ekonomi terhadap perekonomian secara
  keseluruhan dlm memenuhi berbagai tujuan
  pertumbuhan ekonomi.
• Leontief (1951) mempelopori analisis input-output
  dgn formulasi tabel input-output.
• 4 pendekatan dpt digunakan dlm mengidentifikasi
  sektor-sektor kunci (key sectors) dlm suatu
  perekonomian dgn menggunakan tabel IO
• Sektor yg mempunyai kaitan ke belakang (backward
  linkage) dan kaitan ke depan (forward linkage) yg
  relatif tinggi.
• Sektor yg menghasilkan output bruto yg relatif
  tinggi shg mampu mempertahankan final demand yg
  relatif tinggi juga.
• Sektor yg mampu menghasilkan penerimaan bersih
  devisa yg relatif tinggi.
• Sektor yg mampu menciptakan lapangan kerja yg
  relatif tinggi