MODUL EKONOMETRIKA DASAR

KATA PENGANTAR
Puji dan Syukur kehadrat Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan
karunia-Nya sehingga penyusunan buku ini dapat terselesaikan. Buku ini berjudul “Modul
Ekonometrika Dasar”. Adapun buku ini disusun untuk membantu serta mengedukasi para
pembaca terutama mahasiswa untuk memahami dunia ekonomi, terutama pada pengolahan
data.
Dalam penulisan buku ini tentu saja penulis tidak dapat menyelesaikannya sendiri
tanpa bantuan dari pihak lain. Oleh karena itu, penulis mengucapkan banyak terimakasih
kepada pihak-pihak yang terlibat dalam penyusunan buku ini, terutama kepada dosen yang
telah membimbing serta memberi pengarahan yaitu ibu Putri Sari Silaban, SE, M.Si.
Sehingga penulis bisa menyelesaikan buku ini dengan baik
Penulis menyadari bahwa buku ini tentu saja masih jauh dari kata sempurna, maka dari
itu kritik serta saran yang membangun dari para pembaca sekalian sangat penulis harapkan
dalam penyempurnaan penulisan buku ini.
Akhir kata penulis mengucapkan terimakasih semoga buku ini dapat bermanfaat bagi
kita semua terutama bagi mahasiswa UNIMED

Medan, April 2022

Kelompok 7

MODUL EKONOMETRIKA DASAR |i

DAFTAR ISI

KATA PENGANTAR ............................................................................................................
DAFTAR ISI .........................................................................................................................ii
BAB I PENGENALAN EKONOMETRIKA ........................................................................ 1

1.1 PENGENALAN EKONOMETRIKA .......................................................................... 1
1.2 KEGUNAAN EKONOMETRIKA............................................................................... 1
1.3 TUJUAN EKONOMETRIKA...................................................................................... 2
1.4 DATA ........................................................................................................................... 3
1.5 REGRESI, KAUSALITAS, DAN KORELASI ........................................................... 6
BAB II PENGENALAN PROGRAM EVIEWS.................................................................... 7
2.1 PENGERTIAN EVIEWS ............................................................................................. 7
2.2 VERSI EVIEWS........................................................................................................... 7
2.3 JENIS EVIEWS ............................................................................................................ 7
2.4 MANFAAT EVIEWS................................................................................................... 8
2.5 KELEBIHAN EVIEWS ............................................................................................... 8
2.6 KEKURANGAN EVIEWS .......................................................................................... 8
2.7 ANALISIS EVIEWS .................................................................................................... 8
2.8 ADD INS EVIEWS ...................................................................................................... 9
2.9 DOWNLOAD EVIEWS............................................................................................... 9
2.10 PENGENALAN EVIEWS ......................................................................................... 9
BAB III MEMAHAMI MODEL EKONOMETRIKA ........................................................ 14
3.1 PENGANTAR ............................................................................................................ 14
3.2 KARAKTERISTIK MODEL ..................................................................................... 14
3.3 KOMPONEN MODEL............................................................................................... 17
3.4 MEMBENTUK MODEL EKONOMETRIKA .......................................................... 19
3.5 KRITERIA KESALAHAN MODEL ......................................................................... 21
BAB IV PENGUJIAN HIPOTESIS..................................................................................... 25
4.1 PENGERTIAN PENGUJIAN HIPOTESIS ............................................................... 25
4.2 JENIS PENGUJIAN HIPOTESIS .............................................................................. 25
4.3 PROSEDUR PENGUJIAN HIPOTESIS.................................................................... 26

MODUL EKONOMETRIKA DASAR |ii

4.4 LANGKAH-LANGKAH PENGUJIAN HIPOTESIS................................................ 27
4.5 JENIS-JENIS STATISTIK UJI HIPOTESIS YANG SERING DIGUNAKAN........ 29
BAB V ANALISIS KORELASI .......................................................................................... 33
5.1 PENGERTIAN ANALISIS KORELASI ................................................................... 33
5.2 PENGERTIAN KOEFISIEN ANALISIS KORELASI.............................................. 33
5.3 JENIS ANALISIS KORELASI DAN CONTOHNYA .............................................. 34
5.4 MANFAAT ANALISIS KORELASI......................................................................... 37
5.5 KONSEP LINIERITAS DAN KORELASI ............................................................... 38
BAB VI ANALISIS KORELASI......................................................................................... 40
6.1 LATAR BELAKANG ............................................................................................... 40
6.2 KONSEP REGRESI ................................................................................................... 41
6.3 KARAKTERISTIK REGRESI................................................................................... 42
6.4 MODEL REGRESI..................................................................................................... 44
6.5 SIFAT DAN KARAKTERISTIK METODE OLS .................................................... 45
6.6 MODEL REGRESI DENGAN SKALA LINKERT .................................................. 51
BAB VII MEMILIH MODEL REGRESI ............................................................................ 56
7.1 LATAR BELAKANG ................................................................................................ 56
7.2 PEMILIHAN MODEL REGRESI.............................................................................. 56
7.3 ESTIMASI MODEL REGRESI DENGAN EVIEWS ............................................... 59
BAB VIII NORMALITAS................................................................................................... 66
7.1 LATAR BELAKANG ................................................................................................ 66
7.2 PENJELASAN NORMALITAS ................................................................................ 66
7.3 CONTOH DATA TIDAK TERDITRIBUSI NORMAL DAN CARA
MENGATASINYA .......................................................................................................... 74
BAB IX MULTIKOLINEARITAS...................................................................................... 85
9.1 KONSEP MULTIKOLINEARITAS .......................................................................... 85
9.2 KONSEKUENSI MULTIKOLINEARITAS ............................................................. 87
9.3 PENGARUH MULTIKOLINEARITAS.................................................................... 88
9.4 UJI MULTIKOLINEARITAS.................................................................................... 89
BAB X AUTOKORELASI DATA .................................................................................... 91
10.1 PENGANTAR .......................................................................................................... 91

MODUL EKONOMETRIKA DASAR |iii

10.2 KONSEP AUTOKORELASI ................................................................................... 91
10.3 KONSEKUENSI AUTOKORELASI....................................................................... 94
10.4 PENGARUH AUTOKORELASI............................................................................. 95
10.5 CARA PENYEMBUHAN AUTOKORELASI........................................................ 95
BAB XI HETEROSKEDASTISITAS DATA .................................................................. 96
11.1 PENGANTAR .......................................................................................................... 96
11.2 KONSEP HETEROSKEDASTISITAS.................................................................... 96
11.3 ASUMSI HETEROSKEDASTISITAS .................................................................... 99
11.4 PENYEBAB HETEROSKEDASTISITAS .............................................................. 99
11.5 CARA MENDETEKSI HETEROSKEDASTISITAS............................................ 100
11.6 PENYEMBUHAN HETEROSKEDASTISITAS................................................... 102
BAB XII MODEL REGRESI DATA PANEL ............................................................... 103
12.1 PENGERTIAN REGRESI DATA PANEL............................................................ 103
12.2 ASUMSI REGRESI DATA PANEL...................................................................... 103
12.3 PERSAMAAN REGRESI DATA PANEL ............................................................ 104
12.4 KEUNTUNGAN REGRESI DATA PANEL...................................................... 105
12.5 TAHAPAN REGRESI DATA PANEL............................................................... 105
12.6 PENENTUAN MODEL ESTIMASI...................................................................... 106
DAFTAR PUSTAKA ....................................................................................................... 107

MODUL EKONOMETRIKA DASAR |iv

BAB 1

PENGENALAN EKONOMETRIKA

1.1 PENGENALAN EKONOMETRIKA
Menurut Joni J. Manurung, dkk seperti yang dikutip oleh Agung Abdul Rasul, bahwa
ekonometrika itu merupakan bagian dari ilmu ekonomi. Pengertian ekonometrika yaitu
ukuran-ukuran mengenai keterkaitan antara variabel-variabel ekonomi. Ada dua yang bisa
menjadi sorotan. Pertama, ukuran atau indikator pada variabel ekonomi itu secara empiris
dibentuk oleh ilmu statistika. Kedua, variabel ekonomi yang meliputi seperti bahan baku,
tenaga kerja, harga, penjualan, biaya, keuntungan dan lain sebagainya.

Menurut Syahrul (2000:150) Ekonometrika adalah penggunaan analisis komputer serta
teknik pembuatan model untuk menjelaskan hubungan antara kekuatan-kekuatan ekonomi
utama seperti ketenagakerjaan, modal, suku bunga, dan kebijakan pemerintah dalam
pengertian matematis, kemudian menguji pengaruh dari perubahan dalam skenario ekonomi.

Dari beberapa pengertian di atas, maka dapat disimpulkan bahwa ekonometrika merupakan
cabang dari ilmu ekonomi dengan menggunakan dan menerapkan matematika dan statistika
untuk memecahkan masalah-masalah ekonomi yang dibuat dalam suatu model ekonometrik
yang kemudian diestimasi hasilnya dan diuji lagi kesesuaiannya dengan teori ekonomi yang
sudah ada.

1.2 KEGUNAAN EKONOMETRIKA
Ada banyak kegunaan dari ekonometrika khususnya pada bidang ekonomi. Beberapa contoh
yang bisa diaplikasikan adalah pada institusi pendidikan terutama untuk para akademisi di
sekolah pendidikan tinggi ekonomi dalam melakukan penelitian. Dosen dan mahasiswa
tersebut seringkali memanfaatkan pendekatan ekonometrika misalnya ketika menulis di
jurnal-jurnal ilmiah.Pendekatan ekonometrika juga bisa digunakan oleh perusahaan
khususnya dalam memprediksi berbagai persoalan manajemen keuangan dan manajemen
personalia. Selain itu pemerintah juga seringkali menggunakan pendekatan ekonometrika

MODUL EKONOMETRIKA DASAR |1

misalnya pada kasus penerimaan pajak dan non pajak, belanja pemerintah, konsumsi dan
tabungan masyarakat, investasi dan akumulasi kapital dan lain sebagainya. Biasanya
beberapa instansi pemerintah yang menggunakan pendekatan ekonometrika seperti
kementerian keuangan, bank sentral, badan perencanaan tingkat daerah seperti di propinsi,
kotamadya dan kabupaten.

Masih banyak ruang lingkup ekonometrika yang belum saya bahas disini misalnya mengenai
data ekonometrika, metode ekonometrika, dan berbagai macam pendekatan dari
ekonometrika misalnya aplikasi regresi linier dua variabel ekonomi makro dan regresi log
linier dua variabel ekonomi mikro. Selain itu ada juga pendekatan aplikasi regresi linier tiga
variabel dalam manajemen serta aplikasi log linier tiga variabel dalam ekonomi dan bisnis .
Tentunya semua itu bukanlah kapasitas saya untuk menulis secara detail tentang hal tersebut.
Saya kira, mengetahui pengertian singkat dan kegunaan dari ekonometrika saja dirasa sudah
cukup. Kecuali bagi anda yang mahasiswa dengan jurusan ekonomi dan akuntansi, maka
perlu untuk membaca dan memahaminya lebih detail.lustrasi penerapan ekonometrika
ditunjukkan pada 4 bidang ilmu yaitu Teori Ekonomi,Matematika
Ekonomi,Ekonometrika,Statistik Ekonomi

1.3 TUJUAN EKONOMETRIKA
Adapun tujuan dari ekonometrika ada 3 yaitu sebagai berikut :

 Analisis Struktural

Ekonometrika harus mampu menunjukkan struktur hubungan antara variabel ekonomi yang
mampu menggambarkan perilaku fenomena ekonomi, serta menganalisis dan menguji teori
ekonomi berdasarkan data empiris.

 Peramalan

Dari model struktural, ekonometrika harus dapat digunakan untuk meramalkan berbagai
variabel ekonomi di masa mendatang. Syaratnya, model harus valid. Sebagai contoh, model
ekonomi makro harus dapat digunakan untuk meramalkan berapa nilai GNP jika diketahui
besarnya nilai investasi, konsumsi, jumlah uang beredar, dan lain-lain.

MODUL EKONOMETRIKA DASAR |2

 Evaluasi Kebijakan

Model ekonometrika dapat digunakan untuk mengevaluasi dan merencanakan kebijakan.
Biasanya, variabel kebijakan ada dalam model ekonometrika, misalnya tingkat suku bunga.
Dengan simulasi apabila tingkat suku bunga kredit dinaikkan sebesar 2%, maka akan dapat
diketahui dampak jangka pendek dan jangka panjang terhadap pendapatan nasional,
investasi, dan konsumsi.

1.4 DATA
Dilihat dari sifat pengukurannya (scaleability), data dapat diklasifikasikan menjadi:

 Nominal, adalah data yang bersifat kualitatif di mana setiap klasifikasi tidak memiliki
arti urutan (kecil-besar/superior-inferior). Data semacam ini misalnya jenis kelamin.

 Ordinal, adalah data yang bersifat kualitatif dimana setiap kualifikasi memiliki arti
urutan.

 Interval, adalah data yang bersifat kuantitatif/numeris namun tidak memiliki nilai no
abosolut (sehingga rasio antar data tidak memiliki arti).

 Rasio, adalah data yang bersifat kuantitatif yang memiliki nilai nol absolut.

Berdasarkan jenisnya data dikelompokkan menjadi dua macam yaitu, data kualitatif dan data
kuantitatif.

 Data kualitatif

Merupakan data yang menunjukkan mutu atau kualitas sesuatu yangada, baik proses,
keadaan, peristiwa, kejadian dan lainnya yang dinyatakan ke dalam bentuk pertanyaan atau
berupa kata-kata. Penentuan kualitas data tersebut menurut kemampuan memberikan nilai
tentang bagaimana mutu dari sesuatu itu.Data kualitatif mengandalkan proses berfikir dalam
menjalankan interpretasi dan mengambil kesimpulan, oleh sebab itu interpretasi data
kualitatif dipengaruhi oleh kemampuan berfikir dan sudut pandang, sehingga jangkauan hasil
penelitian akan sangat bervariasi keluasan dan kedalamannya. Data yang sama kemungkinan
saja dapat ditafsirkan berbeda karena sudut pandang yang dipakai dalam proses berpikir
berbeda. Sehingga dapat dikatakan hasil penelitian menjadi bersifat subjektif.

MODUL EKONOMETRIKA DASAR |3

 Data Kuantitatif

Merupakan data yang berbentuk angka-angka sebagi hasil pengukuran ataupun hasil
observasi. Misalnya harga gula Rp 12.000/kg, Dedi berat badanya 58 kg, dan lain sebagainya.
Data kuantitatif didapatkan dari pengukuran langsung dan dari angka-angka yang diperoleh
dengan mengubah data kualitatif menjadi data kuantitatif. Data kuantitatif mempunyai sifat
objektif dan dapat ditafsirkan sama oleh semua orang.

Berdasarkan cara pengumpulannya data dapat dikelompokkan menjadi dua, yaitu data primer
dan data sekunder.

 Data primer

Merupakan data yang didapatkan darisumber pertama, atau depat dikatakan pengumpulannya
dilakukan senduru oleh si peneliti secara langsung, sperti hasil wawancara dan hasil
pengisian kuesioner (angket). Soeratno dan Arsyad (2003:76) menyatakan bahwa data primer
adalah data yang dikumpulkan dan ddiolaeh sendiri oleh oerganisasi yang menggunakan atau
menerbitkan data tersebut. Contoh data primer, Peneliti akan meneliti tentang prosedur kerja
suatu aplikasi tertentu, maka dapat dilakukan wawancara mengenai hal tersebut.

 Data sekunder

merupakan data yang didapatkan dari sumber kedua. Menurut Purwanto (2007), data
sekunder yaitu data yang dikumpulkan oleh orang atau lembaga lain. Sedangakan menurut
Soeratno dan Arsyad (2003;76), data sekunder adalah data yang digunakan atau diterbitkan
oleh organisasi yang bukan pengolahnya. Dengan demikian data sekunder mempunyai dua
makna. Pertama, data yang telah diolah lebih lanjut, misalnya dalam bentuk diagram atau
tabel. Kedua, data yang dikumpulkan oleh lembaga atau orang lain, atau data yang bukan
dikumpulkan sendiri oleh peneliti. misalnya data penghasilan penduduk yang dikumpulkan
oleh BPS, data yang dikumpulkan oleh lembaga survey dan lainnya.

 Sumber Data

Data yang dibutuhkan dalam penelitian bisa dikumpulkan atau diperoleh dari berbagai
sumber data. Pengertian sumber data dalam penelitian merupakan subjek dari mama data

MODUL EKONOMETRIKA DASAR |4

dapat diperoleh. Jika penelitian menggunakan wawancara atau angket dalam pengumpulan
datanya, maka sumber data tersebut disebut responden, yaitu orang yang merespon atau
menjawab pertanyaan peneliti. Jika pengumpulan data dilakukan atas populasi maka
responden penelitian adalah populasi,sedangkan jika pengumpulan data dilakukan atas
sampel maka responden adalah sampel. Data dikumpulkan dengan memberi skor terhadap
respons yang diberikan oelh responden. Pertanyaan mengenai data akan dikumpulkan
berhubungan dengan variabel.

Sumber data bisa dikelompokkan berdasarkan dua hal, yaitu berdasarkan subjek di mana data
melekat, dan berdasarkan wilayah sumber data. Berdasarkan subjek di mana data melekat
sumber data dapat diklasifikasikan menjadi 4 singkatan huruf P (4p) dari bahasa Inggris,
yaitu:

p= person, sumber data yang berupa orang. Merupakan sumber data yang dapat memberikan
data berupa jawaban lisan/wawancara atau jawaban tertulis melalui angket. Sumber datanya
disebut responden.

p= place, sumber data yang berupa tempat. Merupakan sumber data yang menyajikan
tampilan berupa keadaan diam, seperti alat, benda, warna, kondisi ruangan dan sebagainya.

p= process, sumber data aktivitas atau kegiatan. Merupakan sumber data yang menyajikan
tampilan berupa keadaan yang bergerak, seperti kegiatan belajar, kinerja, gerak taian dan lain
sebagainya.

p= paper, sumber data yang berupa simbol. Merupakan sumber data yang menyajikan tanda-
tanda berupa huruf, angka, simbol, dan gambar lain.

Pengumpulan data yang dilakukan atas populasi menghasilkan data dan kesimpulan yang
lebih akurat karena tidak ada kesalahan yang terjadi. Hal ini dikarenakan seluruh objek
datanya dikumpulkan, dan dianalisis. Akan tetapi pengumpulan data yang seperti ini tidak
jarang tidak bisa dilakukan karena berbgai kendala. Dengan kondisi yang demikian biasanya
pengumpulan data hannya dilakukan dari sampel.Sampel merupakan sebagian dari populasi
yang memiliki sifat dan ciri yang sama dengan populasi karena diambil dari populasi secara
teknik sampling tertentu yang secara metodologis bisa dipertanggjawabkan. Jika sumber

MODUL EKONOMETRIKA DASAR |5

datanya adalah sampel, maka pengumpulan dan analisis data hanya dilakukan atas sampel,
namun kesimpulanya akan diberlakukan untuk seluruh populasi melalui generalisasi.

1.5 REGRESI, KAUSALITAS, DAN KORELASI
Regresi merupakan metode estimasi utama didalam ekonometrika. Regresi dalam pengertian
modern adalah studi bagaimana variabel dependen dipengaruhi oleh satu atau lebih dari
variabel independen dengan tujuan untuk mengestimasi dan atau memprediksi nilai rata-rata
varibel dependen didasarkan pada nilai variabel independen yang diketahui. Analisis regresi
yang menjelaskan hubungan antara variabel dependen dan variabel independen berkaitan erat
dengan hubungan yang bersifat statistik, bukan hubungan yang pasti. Di dalam statistika
hubungan yang tidak pasti ini disebut hubungan yang acak (random) atau stokastik
(stochastic).Hubungaan ini mencerminkan perilaku ekonomi.
Regresi berbeda dengan kausalitas. Regresi menunjukkan hubungan satu arah yakni dari
variabel independen ke variabel dependen. Sedangkan kausalitas menunjukkan hubungan
dua arah. Dalam banyak kasus perilaku ekonomi, hubungan antar variabel tidak hanya
bersifat satu arah tetapi dua arah. Misalnya hubungan antara hubungan pertumbuhan
ekonomi dan jumlah uang beredar. Jika pertumbuhan ekonomi tinggi maka jumlah uang
beredar cenderung untuk naik. Sebaliknya jika jumlah uang beredar naik, maka akan
mendorong pertumbuhan ekonomi. Dengan demikian didalam hubungan kausalitas, semua
variabel adalah variabel dependen, tidak ada variabel independen.
Regresi juga berbeda dengan korelasi. Korelasi menunjukkan derajat asosiasi atau keeratan
hubungan antara satu variabel dengan variabel lainnya. Korelasi yang tinggi tidak berarti
karena satu variabel mempengaruhi variabel yang lain. Korelasi yang tinggi ini mungkin
disebabkan variabel bergerak dalam arah yang sama atau berkebalikan yang dikenal dengan
pengertian tren. Jika satu variabel naik maka akan diikuti oleh varibel lain dengan gerak yang
searah atau gerak yang berlawanan arah.

MODUL EKONOMETRIKA DASAR |6

BAB 2

PENGENALAN PROGRAM EVIEWS

2.1 PENGERTIAN EVIEWS
EViews adalah program komputer berbasis Windows yang banyak dipakai untuk analisis
statistik dan merupakan alat komputasi untuk ekonometrika jenis runtun waktu atau time
series. Software atau perangkat lunak tersebut dikembangkan oleh sebuah perusahaan yaitu
"Quantitative Micro Software (QMS)," tepatnya pada tahun 1994.

EViews adalah program komputasi statistik yang menawarkan para peneliti atau akademisi,
perusahaan, agen-agen pemerintah, dan siswa atau mahasiswa untuk mengakses alat
perhitungan statistik, peramalan, dan pemodelan yang luar biasa hebat melalui tampilan
antarmuka (user interface) yang berorientasi objek serta inovatif dan mudah digunakan. Alat
analisis statistik yang satu ini memiliki tampilan yang bagus dan dapat bersaing dengan
aplikasi komputasi lainnya seperti SPSS atau minitab.

2.2 VERSI EVIEWS
Eviews versi 6 telah dirilis pada tahun 2007 dimana pada versi ini telah mengalami
perkembangan yang sangat pesat dibandingkan versi-versi sebelumnya. Selanjutnya pada
tahun-tahun berikutnya muncullah versi yang lebih baru, yaitu eviews versi 7, versi 8, versi
8 SV, versi 9, versi 9.5 dan versi 9,5 SV/Lite. Untuk saat ini, yaitu pada tahun 2017 telah
hadir versi terbaru yaitu versi 10. Tentunya versi terbaru ini memiliki banyak keunggulan
dibandingkan para pendahulunya. Seperti apakah tampilan versi terbaru tersebut? Silahkan
anda download eviews versi terbaru untuk melihat tampilannya dan sekalian mencoba.

2.3 JENIS EVIEWS
Eviews mempunyai berbagai macam jenis atau edisi lisensi, seperti edisi student atau
akademik, lisensi single user untuk satu pengguna dan edisi komersial (commercial license).
Untuk edisi student atau pelajar dijual dengan harga yang jauh lebih murah, namun tentunya
dengan fitur yang terbatas. Bagi para pembaca, silahkan download eviews edisi yang sesuai
dengan kebutuhan anda.

MODUL EKONOMETRIKA DASAR |7

2.4 MANFAAT EVIEWS
Eviews dapat kita manfaatkan untuk banyak kepentingan, seperti membuat model peramalan,
analisis inferensial yang sederhana, analisis deskriptive dan bahkan analisis multivariat yang
rumit. Tentunya untuk analisis multivariat kita harus mendownload Add Ins atau tambahan
fitur seperti Add Ins untuk analisis principal component atau analisis faktor. Setelah para
pembaca statistikian ini mendowload eviews versi apa saja, jangan lupa pula untuk download
add ins eviews.

2.5 KELEBIHAN EVIEWS
kelebihan eviews adalah: memiliki user interface yang bagus dan mudah dimengerti,
perhitungan menggunakan tingkat presisi yang tinggi hingga jenis double atau 10 kali
pangkat 16 dibelakang koma, dapat digunakan untuk perhitungan dengan sampel yang sangat
besar, memiliki fitur yang termasuk lengkap untuk berbagai jenis model peramalan terutama
model runtun waktu dan model data panel, dilengkapi dengan berbagai pilihan koefisien
estimasi yang robust pada berbagai jenis model regresi, serta output baik tabel ataupun
gambar mudah di copy paste ke word.

2.6 KEKURANGAN EVIEWS
Kekurangan eviews adalah: lebih condong atau lebih spesial untuk analisis ekonometrik
sedangkan untuk non ekonometrik fiturnya sangat terbatas, untuk software ekonometrika
tingkat kemampuannya masih tidak seluas pesaingnya yaitu STATA dan SAS, untuk non
ekonometrika masih tidak selengkap SPSS, dan dari sisi database masih tidak bisa
disejajarkan dengan sistem database SPSS.

Adanya kekurangan dari sebuah aplikasi, bukan berarti aplikasi tersebut jelek. kekurangan
yang saya sebutkan semata-semata hanya memberikan pandangan kepada para pembaca,
kiranya aplikasi statistik apa yang cocok untuk kebutuhan anda. Tentunya aplikasi eviews ini
menjadi salah satu pertimbangan yang penting.

2.7 ANALISIS EVIEWS
Seperti yang sudah dibahas panjang lebar diatas, dimana spesialisasi dari aplikasi ini adalah
untuk bidang ekonometrika. Maka berikut daftar analisis yang dapat dilakukan oleh fitur
bawaan Eviews: Vectoral Autoregressive, Least Square dan autoregressive, Two Stage Least

MODUL EKONOMETRIKA DASAR |8

Square, Generalized Method of Moments, Dinamic Panel Data, Cointegration Regression,
Regresi Logit atau regresi logistik dan Probit, Stepwise Least Square, Robust Least Square,
Generalized Linear Model, Quantile Regression, dll.

2.8 ADD INS EVIEWS
Add Ins eviews adalah fitur tambahan yang dapat kita download dan install ke aplikasi
eviews kita. Dengan fitur tambahan tersebut maka kita dapat melakukan berbagai jenis
analisis atau komputasi diluar fitur bawaan. Add Ins tersebut antara lain: Korelasi kanonikal,
Ridge Regression, Bayesian Var Estimation, DCC GARCH, Normality Test seperti uji
Shapiro Wilk, Berbagai jenis Pseudo R Square, Robust Regression, Analysis Spectral, dan
banyak lagi yang tidak bisa saya sebutkan satu persatu.

2.9 DOWNLOAD EVIEWS
Untuk download eviews, anda dapat download di situs resmi dari eviews,
yaitu: www.eviews.com. Ada berbagai macam edisi yang dapat anda download seperti yang
telah saya jelaskan diatas sebelumnya. SIlahkan sesuaikan dengan kebutuhan anda. Selain
download eviews terbaru, anda juga dapat download versi-versi sebelumnya, seperti versi 8
dan 9 yang sangat populer. Eviews adalah aplikasi yang berjalan di atas sistem operasi
windows. Oleh karena ada 2 jenis windows yang banyak digunakan, yaitu versi 32 bit dan
64 bit, maka jangan sampai anda salah dalam mendownload. Harap disesuaikan dengan
spesifikasi sistem operasi dan komputer anda, apakah 64 bit ataukah 32 bit. Agar anda tahu
versi sistem operasi anda apakah 32 atau 64 bit, silahkan buka My Computer pada komputer
anda. Selanjutnya anda klik kanan dan klik properties. Perhatikan ada tulisan 32 atau 64 bit,
itu adalah jenis sistem operasi anda. Sedangkan x64 atau x32 adalah jenis prosesor anda,
apakah prosesor yang compatible dengan 32 atau 64 bit.

2.10 PENGENALAN EVIEWS
Tampilan Awal Eviews

Jika program EVIEWS sudah terinstall di komputer anda, maka tampilan awalnya adalah
seperti ini :

Gambar 1. Tampilan Awal

MODUL EKONOMETRIKA DASAR |9

Menu Utama Eviews adalah File , Edit , Window dan Help mengikuti standar konvensi
Windows. Objects , View , Procs , Quick dan Options tergabung pada fitur-fitur khusus
Eviews.
Bantuan Eviews
Eviews Help meloadly seluruh bantuan-sistem yang sangat lengkap mencakup hampir semua
panduan pengguna software ini. Jadi jika belajar EVIEWS juga bisa melalui menu help ini
Gambar 2. Menu Bantuan

Dasar-Dasar Eviews
1. Membuat File Kerja, Menetapkan Sampel dan Data Impor

MODUL EKONOMETRIKA DASAR |10

Klik File dan Baru; Lalu klik Workfile.
Sebuah jendela muncul dengan pertanyaan-pertanyaan tentang data: frekuensi dan periode
penelitian.
Contoh disini kita akan mengisi data Nilai Import Indonesia tahun 1999 s/d 2000. Frekuensi
data adalah bulanan.
Gambar 3. Membuat File Karya

Klik pada frekuensi pilih “monthly” atau bulanan kemudian isi nilai 1999:1 pada Start Date
dan 2000:12 pada “End Date”
Aturan penulisan jangka waktu dalam EVIEWS adalah :
Tahunan (tahunan) ditulis penuh seperti tahun 1999
Semesteran (6 bulanan) ditulis dengan format yyyy:nomor semester. Misal 1999:1 artinya
semester pertama tahun 1999
Triwulanan (kuartal) ditulis dengan format tahun:kuartal. Misal 1999:1 adalah kuartal
pertama tahun 1999
dst
Pada name, WF ketik nama Work File (dalam contoh ini adalah data import)
Tampilan dapat dilihat sebagai berikut :

MODUL EKONOMETRIKA DASAR |11

Gambar 4. Hasil Workfile

File Kerja Tertulis
Secara default, Eviews akan menyimpan File ke Directory My Document, jika Anda ingin
menyimpannya ke tempat lain maka lakukan penyimpanan dengan mengklik File Save As,
lalu pilih Direktori Baru yang Anda inginkan.
Memasukkan data
Klik Obyek-Objek Baru
Karena datanya seri maka pada pilihan Jenis Objek yang kita pilih "Seri".
Kemudian ketik “Import19992000” pada nama Object Lalu Klik OK dan tampilannya adalah
sebagai berikut :
Gambar 5. Objek Baru 2

MODUL EKONOMETRIKA DASAR |12

Pada figure 5 terdapat objek baru yang bernama “import19992000”. Kemudian untuk
memasukkan data ke dalam objek, Klik Kanan pada Object Import19992000 kemudian pilih
Open
Untuk memasukkan data, Klik Edit, lalu data dapat dimasukkan dengan mengcopy file Excel
dan Paste ke sini. hasilnya adalah :
Gambar 6. Hasil Copy Data dari Excel

MODUL EKONOMETRIKA DASAR |13

BAB 3

MEMAHAMI MODEL EKONOMETRIKA

3.1 PENGANTAR
Permodelan Ekonometrika menjadi salah satu topik penting dalam penelitian kuantitatif.
Dalam pendekatan kuantitatif, penggunaan permodelan Ekonometrika merupakan suatu
keniscayaan. Secara umum, tujuan penggunaan model dalam penelitian kuantitatif adalah
untuk menjawab rumusan masalah dan hipotesis penelitian. Oleh karena itu, penggunaan
model dalam penelitian kuantitatif bukanlah menjadi hal baru bagi setiap peneliti kuantitatif.
Namun demikian, masih jamak ditemui berbagai kesulitan peneliti dalam merumuskan
model yang tepat. Bahkan, masih sering ditemui adanya kesalahan dalam membentuk
model.Kesalahan dalam membentuk model memiliki konsekuensi serius dalam penelitian
kuantitatif. Konsekuensi tersebut misalnya tujuan Penelitian dan hipotesis penelitian tidak
dapat dijawab menggunakan model yang dipilih, bias estimasi dan interpretasi hasil yang
keliru. Supaya kesalahan dalam permodelan dapat dihindari, maka perlu dipahami bahwa,
jendela awal terjadinya kesalahan dalam estimasi dan interpretasi hasil diawali dari adanya
kesalahan dalam membentuk model. Oleh karena itu, seorang peneliti kuantitatif perlu
memahami kembali mengenai prosedur membentuk model yang benar. Bagian ini akan
menjelaskan mengenai berbagai hal berkaitan dengan permodelan ekonometrika meliputi: (i)
karakteristik model, (ii) memaharni 4 componen model, (iii) membentuk model, (iv) kriteria
kesalahan permodelan, dan (v) pengujian kesalahan model.

3.2 KARAKTERISTIK MODEL
Bagi seorang peneliti kuantitatif, sebelum membentuk suatu model Ekonometrika, perlu
dipahami terlebih dahulu mengenai karakteristik model. Pembentukan model Ekonometrika
harus mengikuti metodologi yang benar. Setidaknya, jika dikaitkan dengan upaya memahami
mengenai karakteristik model, maka dapat dikatakan bahwa karakteristik model dapat
merujuk pada ciri-ciri dan sifat yang melekat pada model. Menurut berbagai literatur
Ekonometrika, permodelan Ekonometrika memiliki karakteristik berikut ini.

MODUL EKONOMETRIKA DASAR |14

1. Bentuk Fungsional

Setiap model Ekonometrika memiliki bentuk fungsional. Bentuk fungsional model dalam
permodelan Ekonometrika merupakan manifestasi dari penjabaran teori dan mengaitkannya
dengan berbagai studi empiris. Maksudnya bahwa dalam membentuk suatu model, seorang
peneliti kuantitatifperlu memahami terlebih dahulu mengenai teori-teori yang relevan dengan
topik dan model Ekonometrika yang akan dibuat, dalam hal ini metodologi
Ekonometrika.Pada setiap teori, telah menjelaskan bagaimana keterkaitan antara berbagai
dimensi, indikator, maupun variabel dalam suatu bentuk pernyataan teori. Selanjutnya,
seorang peneliti akan berusaha merepresentasikan pernyataan teori tersebut dalam suatu
penyederhanaan. Salah satu bentuk penyederhaan tersebut adalah dapat berupa bentuk fungsi
maupun model, tentunya dengan menggunakan berbagai asumsi yang rasional.

Sementara, jika mengaitkannya dengan berbagai studi empiris, maka bentuk fungsional
model juga dapat mengacu pada berbagai studi empiris yang relevan dengan topik penelitian.
Jika demikian, maka model Ekonometrika yang dibentuk merupakan adopsi dan replikasi
dari model yang ada. Mengadopsi model dan mereplikasi model lebih mudah dibanding
membentuk suatu model dengan mendasarkan langsung pada teori utama (grand theory).
Perlu dipahami bahwa proses mengadopsi dan mereplikasi model sebenarnya juga bagian
dari membentuk model berdasarkan teori. Hal tersebut karena studi empiris yang diadopsi
maupun direplikasi pada awalnya juga dibentuk berdasarkan teori-teori yang relevan. Oleh
karena itu, dapat dikatakan bahwa bentuk fungsional dari model Ekonometrika menjadi
sangat bervariasi.

Secara umum, terdapat dua bentuk fungsional dari model Ekonometrika yang sering
digunakan oleh peneliti kuantitatif, yakni bentuk fungsional linear dan bentuk fungsional
nonlinear, masingmasing sebagai berikut.

1. Bentuk Fungsional Linear

Kata "linear" berarti memiliki pangkat tertinggi satu (l).Pemahaman mengenai konsep
"linear" dalam model Ekonometrika berbeda dengan model Matematika. "Linear" dalam
model Matematika berarti bahwa pangkat tertinggi satu (1) melekat pada variabel, sementara

MODUL EKONOMETRIKA DASAR |15

pada model Ekonometrika memaknai pangkat tertinggi satu (1) melekat pada parameter
(konstanta dan koefisien).

Konsekuensi dari penggunaan bentuk fungsional linear adalah metode estimasi yang dapat
digunakan pun juga akan berbeda. Metode estimasi yang sering digunakan dan mudah
dipahami untuk menaksir nilai-nilai parameter model linear adalah metode Ordinary Least
Squares (OLS).

2. Bentuk Fungsional Nonlinear

Jika model Ekonometrika memaknai "linear" dari parameter, maka pemaknaan bentuk
fungsional nonlinear, berarti bahwa parameter dalam model tidak berpangkat satu (l). Oleh
karena itu, modelmodel nonlinear tidak dapat diestimasi menggunakan metode Ordinary
Least Squares (OLS).

Meskipun model memiliki parameter berpangkat tertinggi satu (l), namun jika digunakan
variabel terikat berupa variabel binary atau dummy, maka model tersebut juga tidak dapat
diestimasi menggunakan metode Ordinary Least Squares (OLS), namun harus menggunakan
metode Maximum Likelihood Estimation (MLE). Hal itu menunjukkan bahwa konsep linear
tidak hanya dapat ditunjukkan oleh parameter yang berpangkat tertinggi satu, namun
perubahan yang dihasilkannya pun harus bersifat linear.

2. Nondeterministik

Pada setiap model Ekonometrika, pemahaman mengenai hubungan di antara variabel bebas
dengan variabel terikat dałam model dapat terbagi menjadi (i) hubungan deterministik dan
(ii) hubungan nondeterministik. Hubungan bersifat deterministikjika perubahan dari suatu
variabel terikat hanya terjadi "jika dan hanyajika” terjadi perubahan pada variabel bebasnya.
Misalnya, kita memiliki model sebagai berikut:

Model tersebut dikatakan memiliki hubungan yang bersifat deterministik jika perubahan
pada variabel terikat (Y) hanya akan terjadi jika terjadi perubahan pada variabel bebas (XI
ataupun X2). Sebaliknya, jika variabel bebas (XI dan X) tidak berubah, maka variabel terikat

MODUL EKONOMETRIKA DASAR |16

(Y) seharusnya juga tidak akan berubah. Berkaitan dengan hal tersebut, sering kali jika
dikaitkan dengan kondisi nyata, maka hubungan deterministik dałam suatu model akan sulit
diterapkan. Contohnya sebagai berikut:

"Harga rumah di berbagai daerah di Indonesia terus mengalami kecenderungan yang

meningkat, di Sisi lain, luas tanah dan bangunan yang ditawarkan relatif sama dengan harga
rumah pada tahun-tahun sebelumnya”.Jika kondisi tersebut dimodelkan, dapat dibuat model
sebagai berikut:

Jika menggunakan hubungan yang bersifat deterministik, maka realita mengenai "Harga
rumah mengalami peningkatan sementara luas tanah dan luas bangunan relatifsama atau
tidak berubah” menjadi sulit dijelaskan. Meskipun secara teori dan studi terdahulu, dapat
dipastikan bah salah satu penentu ułama harga rumah adalah luas tanah dan luas bangunan.
Sederhananya, pemahaman mengenai konsep deterministik dengan baik sehingga model
dapat dibuat dan mampu menjelaskan tujuan penelitiannya.

3.3 KOMPONEN MODEL
Model merupakan representasi hubungan berbagai variabel, berdasarkan teori dan studi
empiris, yang kemudian membentuk suatu model. Secara umum, bentuk model
Ekonometrika dapat dituliskan sebagai berikut:

Berdasarkan model tersebut, dapat diketahui komponen penting dalam model Ekonometrika
yakni:

1. Variabel

Variabel merupakan komponen penting dalam setiap model Ekonometrika. Terdapat dua
jenis variabel dalam model Ekonometrika yakni variabel terikat (dependent variable) dan
variabel bebas (independent variables). Dalam berbagai buku Ekonometrika, terdapat
penamaan yang berbeda-beda mengenai variabel Y dan variabel X. Dalam buku ini, penulis
memilih menggunakan nama variabel terikat (Y) dan variabel bebas (X).Variabel terikat (Y)

MODUL EKONOMETRIKA DASAR |17

merupakan variabel yang akan dijelaskan atau diprediksi, sementara variabel bebas (X)
menjadi variabel yang menjelaskan perilaku dari variabel terikatnya arau digunakan untuk
memprediksi nilai dari variabel terikat. Pada model Ekonometrika, penggunaan simbol Y dan
X umumnya digunakan untuk menunjukkan posisi variabel dalam model yakni variabel
terikat dan bebas.Umumnya, simbol variabel Y dan X berarti bahwa data yang digunakan
merupakan data kuantitatif (interval dan rasio). Oleh karena itu, jika seorang peneliti
menggunakan data kualitatif (nominal dan ordinal) seyogianya dapat menggunakan simbol
berbeda. Namun demikian, dalam praktiknya, penggunaan simbol untuk penamaan variabel
sangat ditentukan oleh preferensi peneliti.Pada setiap variabel umumnya juga terdapat simbol
tambahan yang menunjukkan jenis data yang digunakan, apakah time series (simbol t)
ataukah cross section (simbol i). Misalnya, dalam di atas, variabel memiliki simbol t kecil,
artinya bahwa data yang digunakan dalam model tersebut adalah data yang bersifat urut
waktu (t = time series). Sedangkan jika peneliti menggunakan data cross section dalam model
penelitian, maka simbol t tersebut diganö dengan simbol i, artinya individual.

2. Parameter

Parameter menunjukkan ukuran atau taksiran statistika terhadap model Ekonometrika. Pada
setiap model Ekonometrika memiliki parameterNilai dari masing-masing parameter
menunjukkan kemampuan dari model dalam memprediksi perilaku dari variabel terikatnya.
Kemampuan dan pengaruh dari parameter dapat diketahui dengan melakukan pengujian
hipotesis. Oleh karena itu, setiap peneliti perlu memahami konsep pengujian hipotesis
sehingga nilai-nilai parameter dapat digunakan untuk memprediksi perilaku variabel terikat
dengan benar (dijelaskan di bab berikutnya).

3. Disturbance term

Keberadaan disturbance term, ct pada model Ekonometrika karena dalam Ekonometrika
menggunakan pendekatan stokhastik, sementara pada model Matematika menggunakan
pendekatan deterministik. Pada model Ekonometrika, disturbance term merupakan
representasi berbagai hal yang belum masuk atau tidak dimasukkan dalam model. Artinya,

MODUL EKONOMETRIKA DASAR |18

beragam kesalahan dalam model dicerminkan oleh disturbance term. Oleh karena itu, posisi
disturbance term dalam model Ekonometrika sangat penting.

3.4 MEMBENTUK MODEL EKONOMETRIKA
Gujarati (2004) dalam bukunya berjudul Dasar-Dasar Ekonometrika memberikan panduan
mengenai prosedur dan tahapan membentuk model. Prosedur dan tahapan tersebut dijelaskan
secara rinci dalam Metodologi Ekonometrika. Berdasarkan Metodologi Ekonometrika,
secara umum, untuk membentuk model Ekonometrika dapat berpedoman pada beberapa hal
berikut.

1. Mengacu pada teori

Teori menjadi dasar penting dalam membentuk suatu model. penggunaan variabel bebas
untuk memprediksi variabel terikat harus berdasarkan teori. Misalnya, untuk memprediksi
perubahan pada variabel Pertumbuhan Ekonomi (sebagai variabel terikat) diperlukan teori
yang menjelaskan mengenai faktor-faktor penentu pertumbuhan ekonomi seperti
kemiskinan, inflasi, investasi, dan sebagainya. Kemudian, dalam melakukan pemilihan
variabel bebas tersebut haruslah mendasarkan pada teori, misalnya jika digunakan variabel
inflasi, maka perlu ada teori yang menjelaskan keterkaitan antara inflasi dengan pertumbuhan
ekonomi. Oleh karena itu, setiap peneliti perlu membaca, menemukan, dan memahami
berbagai teori-teori yang relevan dengan topik penelitian supaya diperoleh model
Ekonometrika terbaik.

2. Mempelajari berbagai studi empiris yang relevan

Membentuk model Ekonometrika juga perlu mengaitkan dengan berbagai Studi empiris yang
pernah dilakukan oleh peneliti Iain. Studi empiris yang dimaksud adalah yang memiliki
relevansi dengan topik penelitian yang sedang dikerjakan. Tujuannya supaya diperoleh suatu
informasi mengenai kebaruan (novelty) dari penelitian, selain itu untuk menemukangap
penelitian. Penelitian dikatakan ilmiah jika model yang dibentuk merupakan hasil pemikiran
terhadap model-model yang pernah ada serta teoriteori yang relevan sehingga memunculkan
posisi dan pentingnya penelitian yang akan dilakukan jika dibandingkan penelitian yang
sudah ada.

MODUL EKONOMETRIKA DASAR |19

3. Menggunakan data yang valid

Data menjadi komponen penting dalam model. Data yang valid adalah data yang dapat
dipertanggungjawabkan kebenarannya, baik dalam bentuk definisi dan operasional
pengukurannya. Data yang valid akan memberikan hasil prediksi menjadi logis.Selain data
yang valid, ketercukupan data dalam setiap variabel juga menjadi hal penting. Setiap variabel
dalam model harus memiliki data dengan periode waktu yang sama. Oleh karena itu,
ketersediaan dan kevalidan data menjadi hal yang perlu diperhatikan bagi setiap peneliti
ketika akan membentuk model dan kemudian melakukan penelitian. Peneliti perlu
memahami dan memastikan bahwa data. data yang akan digunakan tersedia dan merupakan
data yang valid. Terdapat berbagai cara dan metode untuk mendeteksi kevalidan data. Jika
data tersebut merupakan data sekunder, maka peneliti dapat mengklarifikasi kevalidan data
dengan cara melakukan perhitungan sendiri (tentunya sesuai dengan teori dan definisi
operasional variabel) dan kemudian membandingkan hasilnya. Misalnya data inflasi yang
diambil dari BPS maupun Bank Indonesia. Untuk memastikan bahwa data inflasi tersebut
valid, peneliti dapat melakukan perhitungan inflasi sesuai metode yang dianjurkan seperti
menggunakan data IHK, ataupun data GDP. Jika data berasal dari data primer, maka kontrol
peneliti dalam proses pemerolehan data merupakan cara untuk memperoleh data yang valid.
Namun demikian, peneliti masih perlu melakukan pengujian validitas data untuk memastikan
bahwa data memang valid. Hal itu perlu dilakukan mengingat data primer, misalnya dengan
menggunakan instrumen kuesioner yang dibagikan kepada responden, sering kali
memberikan hasil isian yang tidak benar.

4. Konsistensi dengan teori

Model yang baik dapat dihasilkan salah satunya karena dibentuk sesuai dengan teori yang
berlaku. Setiap peneliti tidak diperkenankan menggunakan atribut dalam model yang tidak
sesuai dengan teori. Hal ini penting karena pada tahap berikutnya, hasilhasil penelitian akan
dilakukan kroscek dengan teori yang dipakai. Jika model dibentuk sesuai teori, nilai-nilai
taksiran parameter akan memberikan hasil yang konsisten dengan teori. Jikalaupun hasil
penelitian tidak mendukung teori yang digunakan, bukan berarti bahwa teori tersebut salah.
Juga bukan berati bahwa model yang digunakan salah. Justru ini menjadi tantangan bagi

MODUL EKONOMETRIKA DASAR |20

peneliti dalam mengungkap berbagai hal yang berkontribusi pada temuan tersebut. Meskipun
hal tersebut perlu usaha yang cukup keras. Oleh karena itu, peneliti perlu mempelajari
kembali berbagai teori, studi empiris dan data-data dukung yang relevan dengan topik
penelitian.

5. Keterkaitan antarvariabel

Model yang baik juga dapat ditunjukkan oleh adanya keterkaitan antarvariabel dalam
model.Salah satu cara yang dapat dilakukan untuk mengetahui keterkaitan antar variabel
adalah menggunakan alat analisis korelasi.Korelasi sebagai pengujian berpasangan
antarvariabel, dapat ditunjukkan dalam bentuk: (i) uji korelasi antarvariabel bebas dan (ii) uji
korelasi antarvariabel bebas dengan variabel terikat. Supaya model memberikan hasil yang
sesuai harapan, maka hasil uji korelasi antarvariabel bebas harus memiliki nilai korelasi yang
rendah, sebaliknya, jika uji korelasi dilakukan antara variabel bebas dengan variabel terikat,
diharapkan memiliki nilai korelasi yang tinggi.

6. Parameter bersifat konstan

Adanya konsistensi dengan teori, digunakannya data yang valid merupakan beberapa
prasyarat penting dalam membentuk model yang baik. Konsekuensinya, hasil taksiran
parameter model akan memberikan nilai parameter yang bersifat stabil. Artinya, semakin
besarnya jumlah sampel yang digunakan tidak akan mengubah nilai-nilai parameter model.

7. Memiliki nilai parameter Iebih baik dibanding Iainnya

Ketika model mampu menghasilkan nilai-nilai parameter yang mampu menjelaskan teori
serta berkontribusi pada hasil empiris, maka model dapat dikatakan merupakan model yang
baik. Bahkan, jika model tersebut dibandingkan dengan berbagai model yang sejenis, masih
mampu menjelaskan teori dan memberikan temuan baru, maka model dapat dikatakan
sebagai model yang lebih baik.

3.5 KRITERIA KESALAHAN MODEL
Mengacu pada metodologi Ekonometrika (Gujarati, 2004), tahapan membentuk model
Ekonometrika didasarkan pada teori dan juga dapat mengacu pada berbagai studi terdahulu.

MODUL EKONOMETRIKA DASAR |21

Tujuannya supaya model yang terbentuk dapat dikatakan sebagai model yang benar karena
sudah mengacu dan berpedoman pada kaidah-kaidah dalam membentuk model yang baik,
seperti dijelaskan pada sub topik sebelumnya. Namun, dalam praktiknya masih sering kali
ditemui hasil-hasil penelitian empiris yang menunjukkan masih adanya ketidakmampuan
suatu model menjelaskan teori dan memberikan temuan baru.Jika diasumsikan bahwa semua
prosedur dalam membentuk model telah dilakukan, namun ternyata masih memberikan hasil
dan kesimpulan yang tidak seperti diharapkan, misalnya tidak sesuai dengan teori maupun
penelitian sebelumnya, maka tidak berarti bahwa penelitian tersebut dianggap sebagai
penelitian yang gagal. Terdapat beberapa kondisi tersebut yang memungkinkan terjadinya
kesalahan model meliputi (Gujarati, 2004; Wooldridge, 2002):

1. Tidak memasukkan variabel yang relevan (Omission ofa relevant variable(s).

Model Ekonometrika dibentuk berdasarkan teori dan studi terdahulu. Dalam model
Ekonometrika, penggunaan berbagai variabel bebas bertujuan untuk memprediksi perubahan
pada variabel terikatnya. Semakin beragamnya literatur yang dipelajari oleh peneliti dalam
membentuk suatu model Ekonometrika, kemungkinan semakin kompleksnya model
Ekonometrika yang dapat dibentuk. Dengan kata lain, akan semakin banyak variabel yang
dapat dimasukkan dalam model atau justru sebaliknya, didapati model-model yang justru
tidak memasukkan variabel yang relevan dalam model. Kondisi tersebut terjadi karena
peneliti menganggap bahwa variabel relevan akan memberikan hasil yang sama dengan studi
yang pernah ada.Dalam praktiknya terkadang setiap peneliti tidak mampu memahami
berbagai kemungkinan variabel bebas yang dapat digunakan dalam model. Jika hal itu terjadi,
maka kesalahan tidak dimasukkannya variabel bebas yang penting dalam model berarti
peneliti tersebut mengalami apa yang disebut dengan omitted relevant independent variable,
kesalahan tersebut kemudian akan tercakup dalam error term.Misalkan, suatu penelitian akan
meneliti faktor penentu tingkat konsumsi individu, maka berdasarkan teori konsumsi Keynes
dikatakan bahwa determinan utama tingkat konsumsi adalah pendapatan. Oleh karena itu,
dalam membentuk model Konsumsi harus memasukkan variabel pendapatan, namun
terkadang peneliti justru memasukkan variabel lainnya, tanpa menggunakan variabel
pendapatan. Kondisi tersebut disebut omitted independent variables.

MODUL EKONOMETRIKA DASAR |22

2. Memasukkan variabel yang tidak penting (Inclusion of an unnecessary variable(s))

Kondisi berbeda dengan omission ofa relevant variable adalah ketika seorang peneliti, karena
keyakinannya akan berbagai teori dan studi terdahulu, kemudian mengakomodir berbagai
variabel yang ada untuk dimasukkan dalam model. Padahal sebagian besar variabel tersebut
sebenarnya bukan variabel yang relevan dengan topik dan model yang sedang ia buat. Hal
ini dapat terjadi karena ada anggapan bahwa semakin banyak variabel dalam model
menunjukkan semakin banyaknya literatur yang dibaca, sehingga model menjadi kompleks.
Kondisi tersebut biasa disebut inclusion ofan unnecessary variable. Jika kondisinya
demikian, maka kesalahan dalam memasukkan variabel bebas yang tidak penting dalam
model akan tercakup dalam error term.Kondisi tersebut sering terjadi ketika seorang peneliti
ingin dianggap telah memahami berbagai konsep, teori dan studi terdahulu, sehingga
berkeinginan memasukkan berbagai variabel dalam model penelitiannya. Semakin banyak
variabel bebas yang digunakan dalam model, semakin tinggi pula kemungkinan variabel
bebas tidak relevan yang ada di model. Kondisi inilah yang disebut sebagai included
irrelevant independent variables.

3. Mengadopsi bentuk fungsional yang salah (Adopting the wrong functional form)

Model yang digunakan dalam setiap penelitian pada umumnya mengadopsi dari model-
model yang telah dipakai oleh peneliti sebelumnya. Meskipun juga terdapat penelitian yang
mendasarkan hanya pada teori utama. perlu diingat bahwa, penggunaan model biasanya
diikuti oleh berbagai asumsi yang harus dipenuhi, sehingga model dapat berkerja dengan
baik. Namun demikian, sering kali ditemui adanya penelitian yang melakukan adopsi model
tanpa memerhatikan asumsi yang harus dipenuhi, sehingga model menjadi keliru.

4. Salah pengukuran (Errors of measurement)

Ketika suatu variabel telah ditentukan dan dibentuk dalam suatu model Ekonometrika, maka
langkah berikutnya adalah menyiapkan data-data yang dibutuhkan untuk setiap variabel.

5. Spesifikasi yang keliru (Incorrect specification of the stochastic error term)

MODUL EKONOMETRIKA DASAR |23

Bentuk fungsional model merupakan penjabaran dari teori. Seperti diketahui bahwa teori
adalah suatu pernyataan yang kebenarannya perlu diuji. Untuk melakukan pengujian
tersebut, perlu dibuat suatu model yang dapat merepresentasikan teori. Sementara, dalam
sebuah teori umumnya tidak secara spesifik menjelaskan bentuk hubungan dalam model
ataupun fungsi yang jelas. Teori memang tidak secara eksplisit menjelaskan bagaimana
mengilustrasikan hubungan dalam bentuk fungsi dan model yang tepat. Sehingga, setiap
peneliti mencoba mengasumsikan model menurut pemahamannya masing-masing.Misalnya,
teori konsumsi Keynes menjelaskan bahwa kecenderungan adanya kenaikan pendapatan
akan mengakibatkan terjadinya kecenderungan peningkatan konsumsi. Jika teori tersebut di
ilustrasikan dalam bentuk fungsi dan model, maka kemungkinan hubungannya adalah positif.
Namun, bagaimana hubungan positif tersebut di modelkan? Sering kali peneliti memilih
model Linear, artinya perubahan terjadi secara linear. Padahal perubahan tersebut juga dapat
terjadi secara nonlinear. Jika kondisi ini terjadi, maka spesifikasi model yang dibuat dapat
dikatakan keliru. Oleh karena itu, perlu adanya asumsi yang harus dipenuhi dalam model.
Jika kemungkinan pemilihan bentuk model yang dibuat benar. dan kemudian dilakukan
pengujian, maka akan menghasilkan taksiran parameter yang benar. Sebaliknya, jika bentuk
model yang dibuat salah maka kesalahan tersebut akan tercakup dalam error term.

6. Unpredictable element in human nature
Tidak setiap perubahan dalam proses pembentukan suatu model dapat dipahami oleh setiap
peneliti. Hal ini terjadi karena tidak setiap peneliti memiliki kapasitas yang sama dalam
membentuk suatu model. Perbedaan persepsi maupun cara pandang dapat berkontribusi pada
terjadinya kesalahan. Di samping itu, tidak setiap perubahan yang mungkin terjadi bisa
diprediksi oleh setiap peneliti, Jika kondisinya demikian, maka kesalahan yang timbul akan
tercakup dalam error term.

MODUL EKONOMETRIKA DASAR |24

BAB 4

PENGUJIAN HIPOTESIS

4.1 PENGERTIAN PENGUJIAN HIPOTESIS
Pengujian hipotesis adalah pengujian terhadap suatu pernyataan dengan menggunakan
metode statistik sehingga hasil pengujian tersebut dapat dinyatakan signifikan secara
statistik.Sebelum melakukan pengujian hipotesis, kita harus menetapkan terlebih dahulu
hipotesis tersebut terlrbih dahulu. Hipotesis adalah pernyataan yang kebenarannya masih
lemah.Selanjutnya agar pernyataan pada hipotesis tidak diragukan lagi maka kita melakukan
pengumpulan data dan melakukan pengujian secara statistik.Dengan melakukan pengujian
statistik terhadap hipotesis kita dapat memutuskan apakah hipotesis dapat diterima (data
tidak memberikan bukti untuk menolak hipotesis) atau ditolak (data memberikan bukti untuk
menolak hipotesis).

Pengujian hipotesis merupakan suatu tahapan dalam proses penelitian dalam rangka
menentukan jawaban apakah hipotesis ditolak atau diterima. Dalam penelitian sosial,
pengujian hipotesis menjadi salah satu tahapan riset dengan pendekatan kuantitatif. Proses
pengujian hipotesis menggunakan rumus dan perhitungan statistik.Postingan ini merupakan
uraian dasar tentang pengujian hipotesis yang dilakukan dalam riset sosial kuantitatif.
Penjelasan mengenai uji hipotesis ini akan banyak merujuk pada buku Metode Penelitian
Survey. Untuk mengetahui bagaimana pengujian hipotesis, tentu saja beberapa elemen dasar
riset kuanitatif yang terkait harus dipahami terlebih dahulu, seperti konsep, variabel, teori
dan terutama apa itu hipotesis.

4.2 JENIS PENGUJIAN HIPOTESIS
Dalam penelitian statistik, uji hipotesis terbagi menjadi dua, yaitu uji parametrik dan uji
nonparametrik. Uji parametrik dilakukan apabila distribusi data atau parameter populasi
tersebar secara tidak normal. Sedangkan uji nonparametrik dilakukan tanpa dipengaruhi oleh

MODUL EKONOMETRIKA DASAR |25

sebaran distribusi data apakah normal atau tidak. Pada umumnya, uji nonparametrik
dilakukan pada data jenis nominal atau ordinal. Dalam penelitian sosial, kedua uji statistik
tersebut dilakukan sebagai bagian dari pengujian hipotesis. Sengaja saya sampaikan ini di
awal karena kedua jenis uji statistik tersebut merupakan teori dasar dalam pengujian hipotesis
riset sosial kuantitatif. Penjelasan teknis tentang uji parametrik dan nonparametrik seperti t-
test, anova, regresi, chi square, dan sebagainya sengaja saya lewati karena penjelasan seperti
itu sebaiknya dilakukan samblik praktik, tidak hanya membaca.

4.3 PROSEDUR PENGUJIAN HIPOTESIS

Kita akan membahas tentang langkah-langkah pengujian hipotesis melalui contoh saja agar
mudah dalam memahami. Contoh ini juga dipaparkan dalam buku yang saya rujuk. Kita akan
meneliti tentang tingkat agresivitas penduduk suatu kota. Kita asumsikan di sini bahwa warga
kota terutama yang tingkat kepadatan penduduknya tinggi cenderung lebih agresif, lebih
emosional, lebih ekspresif. Kita tertarik untuk meneliti asumsi tersebut.

Agresivitas dan lingkungan sosial merupakan sebuah konsep yang digunakan. Variabelnya
adalah perilaku agresif dan tingkat kepadatan penduduk. Dua variabel saja yang kita gunakan
sebagai contoh. Tingkat agresivitas merupakan variabel dependen, sedangkan tingkat
kepadatan penduduk merupakan variebel independen. Pertanyaan penelitiannya: ”Apakah
ada pengaruh antara perilaku agresif masyarakat dan tingkat kepadatan penduduk suatu kota
dimana mereka tinggal?” Dan ”adakah perbedaan perilaku agresif antara masyarakat yang
tinggal di kota padat penduduk dan di kota yang tidak padat penduduk?”

Di sini kita kembangkan sebuah hipotesis berbunyi ”terdapat perbedaan perilaku agresif
antara masyarakat yang tinggal di kota dengan tingkat kepadatan penduduk tinggi dengan
yang tinggal di kota dengan tingkat kepadatan penduduk rendah”.Hipotesis yang kita
kembangkan tersebut, dalam riset sosial kuantitatif disebut sebagai hipotesis kerja (Hk).
Hipotesis kerja merupakan seluruh hipotesis yang dirumuskan oleh peneliti. Agar hipotesis
kerja dapat diuji secara statistik, maka diperlukan pembanding. Hipotesis pembanding, dalam
ilmu sosial kuantitatif disebut sebagai hipotesis nul (H0).Hipotesis nul tentu saja sebenarnya

MODUL EKONOMETRIKA DASAR |26

tidak ada. H0 dibuat secara arbriter atau semena-mena guna keperluan uji statistik saja. Pada
contoh Hk di atas, kita bisa merumuskan H0-nya berbunyi, ”tidak ada perbedaan perilaku
agresif antara masyarakat yang tinggal di kota dengan tingkat kepadatan penduduk tinggi
dengan yang tinggal di kota dengan tingkat kepadatan penduduk rendah”.

Dalam uji statistik, H0 inilah yang diuji. Pengujian menggunakan software statistik akan
secara cepat menghasilkan data numerik yang menunjukkan apakah H0 ini ditolak atau
diterima. Jika H0 ditolak, maka Hk diterima. Perlu diingat bahwa dari pengujian hipotesis
tersebut, meskipun hasilnya H0 ditolak dan Hk diterima atau sebaliknya, teori tentang
perilaku agresif tidak bisa dinilai baik atau buruk. Ilmu sosial positivistik dengan metode
statistik berprinsip non etis dan bebas nilai. Dengan kata lain, seandainya, misalnya,
contohnya saja, hasilnya adalah makin padat penduduk, makin agresif perilaku masyarakat,
kita tidak bisa menjustifikasi bahwa kepadatan penduduk itu buruk.

4.4 LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
1. Menetapkan hipotesis

Hipotesis dibagi menjadi dua bagian, yaitu:

1. Hipotesis null (H0)
Hipotesis null merupakan pernyataan yang akan diuji kebenarannya. Secara statistik
H0 diartikan bahwa tidak terdapat perbedaan antara karakteristik populasi dan
karakteristik sampel.

2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah pernyataan ketika pernyataan (H0) ditolak. Dengan demikian,
secara statistik H1 diartikan bahwa terdapat perbedaan antara karakteristik populasi dan
karakteristik sampel.

Hipotesis terbagi dalam 3 jenis, yaitu:

MODUL EKONOMETRIKA DASAR |27

 Hipotesis deskriptif.Pernyataan yang menyebutkan bahwa nilai parameter populasi sama
dengan nilai tertentu.

 Hipotesis komparatif.Pernyataan yang menyebutkan bahwa nilai parameter suatu
populasi sama dengan nilai parameter populasi yang lain.

 Hipotesis asosiatif.Pernyataan yang menyatakan adanya hubungan antar dua variabel.

2. Menentukan kriteria pengujian
Pengujian secara statistik dibagi lagi menjadi dua, yaitu:

1. Uji satu arah
2. Uji dua arah

3.Melakukan pengujian statistic

Statistik uji yang digunakan harus sesuai dengan hipotesis.

4. Menetapkan tingkat signifikansi dan titik kritis
Tingkat signifikansi \alphaα adalah besarnya toleransi yang digunakan dalam menerima
kesalahan pengujian secara statistik. Tingkat signifikansi yang sering digunakan adalah 0,01,
0,05 dan 0,1 (biasa ditulis 1%, 5% dan 10%), tergantung tingkat ketelitian yang digunakan
oleh peneliti.Pendekatan dengan distribusi peluang statistik, maka tingkat signifikansi
menyatakan luas daerah kritis yang merukan eilayah penolakan terhadap H0. Untuk
mempermudah pengambilan keputusan, maka digunakan titik kritis yang merupakan batas
penolakan H0.

5.Mengambil kesimpulan
Pengambilan keputusan dalam uji hipotesis dihadapi dengan dua kemungkinan kesalahan
yaitu:

 Kesalahan Tipe I (Type I Error)

MODUL EKONOMETRIKA DASAR |28

Kesalahan yang diperbuat apabila menolak Hipotesis yang pada hakikatnya adalah benar.
Probabilitas Kesalahan Tipe I ini biasanya disebut dengan Alpha Risk (Resiko Alpha). Alpha
Risk dilambangkan dengan simbol α.

 Kesalahan Tipe II (Type II Error)
Kesalahan yang diperbuat apabila menerima Hipotesis yang pada hakikatnya adalah Salah.
Probabilitas KesalahanTipe II ini biasanya disebut dengan Beta Risk (Resiko Beta). Beta
Risk dilambangkan dengan simbol β.
4.5 JENIS-JENIS STATISTIK UJI HIPOTESIS YANG SERING DIGUNAKAN

 1 sample z test (Pengujian z satu sample).1 sample z test digunakan jika data
sample melebihi 30 (n > 30) dan Simpangan Baku (Standar Deviasi) diketahui.

 1 sample t test (Pengujian t satu sampel).1 sample t test digunakan apabila data
sample kurang dari 30 (n < 30) dan Simpangan Baku tidak diketahui.

 2 sample t test (Pengujian t dua sampel).2 sample t test digunakan apabila ingin
membandingkan 2 sampel data.

 Pair t test (Pengujian pasangan t).Pair t test digunakan apabila ingin membanding
2 pasang data.

 1 Proportion test (PengujianProporsi 1 (satu) sampel).1 Propostion test digunakan
untuk menguji Proporsi pada 1 populasi

 2 Proportion test (PengujianProporsi 2 (dua) sampel).2 Proportion test digunakan
untuk menguji Perbanding Proporsi 2 populasi.

MODUL EKONOMETRIKA DASAR |29

Contoh Kasus (Uji Hipotesis 2 sample t test) :
Seorang Engineer ingin melakukan pengujian Hipotesis terhadap Mesin yang ditawarkan
oleh Vendor Mesin. Engineer tersebut kemudian mengumpulkan data sebagai berikut :
Mesin baru berhasil memproduksi rata-rata 550 unit perjam dalam waktu percobaan adalah
8 Jam produksi dengan simpangan bakunya adalah 25 unit, sedangkanMesin lama berhasil
memproduksi rata-rata 500 unit dalam waktu percobaannya adalah 8 Jam dengan simpangan
bakunya adalah 20 unit. Apakah Mesin baru lebih baik dari Mesin Lama?

MODUL EKONOMETRIKA DASAR |30

Penyelesaian :

Langkah1 : Formulasi H0 dan H1
H0 = μ1 = μ2
H1 : μ1 > μ2
Langkah2 : Tentukan Taraf Nyata (α) / Level of Significant
α = 0.05 atau 5%

Langkah3 : Tentukan Nilai Kritis (Lihat Tabel t)

df = n1 + n2 -2
df = 8 + 8 -2
df = 14
ttabel = 2.145

Karena Uji Hipotesis ini adalah membandingkan 2 sampel, maka Uji Hipotesis yang
digunakan adalah 2 sample t test.

Langkah4 : Hitung Nilai Statistik Uji Hipotesis

Diketahui :

Mesin Barun1 = 8
X1 = 550
s 1 = 25

Mesin Laman2 = 8
X2 = 500
s 2 = 20

Rumus Uji Hipotesis 2 sample t test (silakan lihat tabel diatas)

MODUL EKONOMETRIKA DASAR |31

Sp2 = ((8 – 1) (25)2 + (8 -1)(20)2 ) / (8 + 8 -2)
Sp2 = (4375 + 2800) /(14)
Sp2 = 512.5
Sp= √512.5
Sp = 22.63
t = (550 – 500 – 0) / (22.63 √(1/8) + (1/8))
t = 4.418
Langkah 5 : Pengambilan Keputusan
4.438 > 2.145
thitung >ttabel , → Tolak H0
Kesimpulan :
Berdasarkan Pengujian Hipotesis, Mesin Baru Lebih baik daripada Mesin Lama.

MODUL EKONOMETRIKA DASAR |32

BAB 5

ANALISIS KORELASI

5.1 PENGERTIAN ANALISIS KORELASI
Analisis korelasi adalah metode evaluasi statistik yang dipergunakan untuk mempelajari
kekuatan hubungan antara dua variabel kontinu yang diukur secara numerik. Misalnya tinggi
dan berat, oleh karena itulah jenis analisis khusus ini berguna ketika seorang peneliti ingin
menetapkan apakah ada kemungkinan hubungan antar variabel penelitian.

Pengertian Analisis Regresi Dan Korelasi Menurut Para Ahli

Adapun definisi analisis korelasi menurut para ahli, antara lain:

1. Jonathan Sarwono (2006), Analisis korelasional adalah analisis yang digunakan
untuk melihat kuat lemahnya antara variabel bebas dengan tergantung.

5.2 PENGERTIAN KOEFISIEN ANALISIS KORELASI
Koefisien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel.
Besarnya koefisien korelasi berkisar antara +1 s/d -1. Koefisien korelasi menunjukkan
kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefisien
korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai
variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefisien korelasi
negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X
tinggi, maka nilai variabel Y akan menjadi rendah dan berlaku sebaliknya. Untuk
memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel
penulis memberikan kriteria sebagai berikut (Sarwono2006):

 0 : Tidak ada korelasi antara dua variabel
 >0 – 0,25: Korelasi sangat lemah

MODUL EKONOMETRIKA DASAR |33

 >0,25 – 0,5: Korelasi cukup
 >0,5 – 0,75: Korelasi kuat
 >0,75 – 0,99: Korelasi sangat kuat
 1: Korelasi sempurna

5.3 JENIS ANALISIS KORELASI DAN CONTOHNYA
Adapun penjelasan terkait dengan bentuk analisis korelasi beserta dengan contohnya dalam
penelitian. Antara lain;

1. Korelasi Pearson

Korelasi Pearson r adalah statistik korelasi yang paling banyak digunakan untuk mengukur
tingkat hubungan antara variabel yang berhubungan secara linier.

Sebagai contoh, di pasar saham, jika kita ingin mengukur bagaimana dua saham saling
terkait, digunakan korelasi Pearson r untuk mengukur derajat hubungan antara keduanya.
Korelasi Point-Biserial dilakukan dengan rumus korelasi Pearson kecuali salah satu
variabelnya dikotomis.

Contoh Korelasi Pearson

Contoh pertanyaan penelitian yang dapat diperiksa oleh Korelasi Pearson, misalnya:

1. Apakah ada hubungan yang signifikan secara statistik antara usia, yang diukur dalam
tahun, dan tinggi, yang diukur dalam cm?

2. Apakah ada hubungan antara suhu, diukur dalam derajat Fahrenheit, dan penjualan
es krim, diukur dengan pendapatan?

3. Apakah ada hubungan antara kepuasan kerja, yang diukur dengan JSS, dan
pendapatan, yang diukur dalam dolar?

MODUL EKONOMETRIKA DASAR |34

2. Korelasi peringkat Kendall
Korelasi peringkat Kendall adalah uji non-parametrik yang mengukur kekuatan

ketergantungan antara dua variabel. Jika kita mempertimbangkan dua sampel, a dan b, di
mana setiap ukuran sampel adalah n, kita tahu bahwa jumlah pasangan dengan a b adalah n
(n-1) / 2.
Berikut rumus yang digunakan untuk menghitung nilai korelasi rank kendall:

 nc = jumlah konkordan
 nd = jumlah diskordan
3. Korelasi Spearman
Korelasi spearman adalah tes non-parametrik yang digunakan untuk mengukur tingkat
hubungan antara dua variabel. Uji korelasi peringkat Spearman tidak membawa asumsi apa
pun tentang distribusi data dan merupakan analisis korelasi yang sesuai ketika variabel diukur
pada skala yang setidaknya ordinal.
Contoh Korelasi Spearman
Contoh-contoh pertanyaan penelitian yang dapat diperiksa oleh korelasi spearman, misalnya:
1. Apakah ada hubungan yang signifikan secara statistik antara tingkat pendidikan

peserta (sekolah menengah, sarjana, atau sarjana) dan gaji awal mereka?
2. Apakah ada hubungan yang signifikan secara statistik antara posisi finis kuda dan

usia kuda?
Analisis Korelasi Berdasarkan Hasil Studi

MODUL EKONOMETRIKA DASAR |35

Ditinjau dari kemungkinan hasil studi, setidaknya ada tiga jenis korelasi yang dihasilkan,
yaitu:

1. Korelasi Positif

Korelasi positif adalah hubungan antara dua variabel di mana kedua variabel bergerak searah.
Oleh karena itu, ketika satu variabel meningkat seiring dengan peningkatan variabel lainnya,
atau satu variabel menurun sedangkan variabel lainnya menurun. Contoh korelasi positif
adalah tinggi dan berat badan. Orang yang lebih tinggi cenderung lebih berat.

Korelasi positif berkisar dari 0 hingga +1; batas atas yaitu +1 adalah koefisien korelasi positif
sempurna. Korelasi positif sempurna menentukan bahwa, untuk setiap peningkatan unit
dalam satu variabel, ada peningkatan proporsional di variabel lainnya.

2. Korelasi Negatif

Korelasi negatif adalah hubungan antara dua variabel di mana kenaikan satu variabel
dikaitkan dengan penurunan variabel lainnya. Contoh korelasi negatif adalah ketinggian di
atas permukaan laut dan suhu. Saat kita mendaki gunung (bertambahnya ketinggian),
semakin dingin (penurunan suhu).

Korelasi negatif berkisar dari 0 hingga – 1; batas bawah memberikan korelasi negatif yang
sempurna. Korelasi negatif sempurna menunjukkan bahwa untuk setiap kenaikan satuan di
satu variabel, ada penurunan satuan proporsional di variabel lainnya.

3. Korelasi Nol

Korelasi nol ada jika tidak ada hubungan antara dua variabel. Misalnya tidak ada hubungan
antara jumlah minum teh dan tingkat kecerdasan. Contoh lainnya misalnya tidak ada korelasi
antara berat badan dan kecerdasan, ukuran sepatu dan gaji bulanan. Korelasi nol adalah titik
tengah rentang – 1 hingga +1.

MODUL EKONOMETRIKA DASAR |36

Nah, demikinalah artikel yang bisa kami kemukakan pada segenap pembaca berkenaan
dengan pengertian analisis korelasi menurut para ahli, macam, dan contohnya yang ada di
dalam penelitian. Semoga memberikan wawasan bagi kalian yang membutuhkannya.

5.4 MANFAAT ANALISIS KORELASI
Berdasar pada pengertian analisis korelasi dan macamnya, kegunaan analisis korelasi
bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua
variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau
rasio; Spearman dan Kendal menggunakan skala ordinal. Kuat lemah hubungan diukur
menggunakan jarak (range) 0 sampai dengan 1 seperti dijelaskan di atas.

Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah
jika nilai koefisien korelasi diketemukan positif; sebaliknya jika nilai koefisien korelasi
negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefisien korelasi ialah suatu
pengukuran statistik kovariasi atau asosiasi antara dua variabel.

Jika koefisien korelasi diketemukan tidak sama dengan nol (0), maka terdapat hubungan
antara dua variabel tersebut. Jika koefisien korelasi diketemukan +1. maka hubungan
tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan
kemiringan (slope) positif.

Sebaliknya, jika koefisien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai
korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam
korelasi sempurna tidak diperlukan lagi pengujian hipotesis mengenai signifikansi antar
variabel yang dikorelasikan, karena kedua variabel mempunyai hubungan linear yang
sempurna. Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika
korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut.

Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) dan arah hubungan antar
dua variabel atau lebih. Contoh: mengukur hubungan antara variabel:

MODUL EKONOMETRIKA DASAR |37

1. Motivasi kerja dengan produktivitas;
2. Kualitas layanan dengan kepuasan pelanggan;
3. Tingkat inflasi dengan IHSG

Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan
keputusan, diantaranya:

a. Hubungan kedua variabel tidak ada;
b. Hubungan kedua variabel lemah;
c. Hubungan kedua variabel cukup kuat;
d. Hubungan kedua variabel kuat;
e. Hubungan kedua variabel sangat kuat;
f. Hubungan kedua variabel adalah positif;
g. Hubungan kedua variabel adalah negatif.

Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan mendekati 1,
maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan
semakin lemah.

5.5 KONSEP LINIERITAS DAN KORELASI
Setelah memahami pengertian analisis korelasi, penting untuk mengetahui bagaimana konsep
linieritas dalam korelasi. Terdapat hubungan erat antara pengertian korelasi dan linieritas.
Korelasi Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua
variabel.

Sekalipun demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai
untuk membuktikan adanya hubungan linieritas. Linieritas artinya asumsi adanya hubungan
dalam bentuk garis lurus antara variabel.

MODUL EKONOMETRIKA DASAR |38

Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat. Jika kedua
variabel berdistribusi normal dan berhubungan secara linier, maka scatterplot berbentuk
oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval.
Dalam praktiknya kadang data yang digunakan akan menghasilkan korelasi tinggi tetapi
hubungan tidak linier; atau sebaliknya korelasi rendah tetapi hubungan linier. Dengan
demikian agar linieritas hubungan dipenuhi, maka data yang digunakan harus mempunyai
distribusi normal. Dengan kata lain, koefisien korelasi hanya merupakan statistik ringkasan
sehingga tidak dapat digunakan sebagai sarana untuk memeriksa data secara individual.

MODUL EKONOMETRIKA DASAR |39

BAB 6

ANALISIS KORELASI

6.1 LATAR BELAKANG
Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai bidang.
Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel dependen dan
variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama adalah
regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua
variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi
linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih
dari satu variabel independen. Tipe ketiga adalah regresi non linier yang berasumsi bahwa
hubungan antara variabel dependen dan variabel independen tidak linier pada parameter
regresinya (Yan and Gang Su, 2009).

regresi linier sederhana, metode yang biasa digunakan dalam mengestimasi parameter regresi
adalah metode kuadrat terkecil atau OrdinaryLeastSquares(OLS). Konsep metode ini adalah
untuk mengestimasi parameter dengan memilih garis regresi yang terdekat dengan garis dari
semua data. Secara matematika penentuan parameter regresi ini dengan cara meminimumkan
jumlah kuadrat dari residualnya (Walpole dan Myers, 1986).

Sebelum menarik sampel dari suatu populasi terkadang diperoleh informasi mengenai
parameter yang akan diestimasi. Jika informasi tersebut ingin dimasukkan dalam analisis
data, maka estimasi parameter regresi dengan metode kuadrat terkecil tidak memungkinkan
untuk memasukkan informasi tersebut. Oleh karena itu, diperlukan metode bayesian untuk
menyelesaikan permasalahan tersebut.

Bayes memperkenalkan suatu metode yang diperlukan untuk mengetahui bentuk distribusi
awal (prior) dari populasi yang dikenal dengan metode bayesian. Informasi ini kemudian
digabungkan dengan informasi dari sampel untuk digunakan dalam mengestimasi parameter
populasi. Pada metode bayesian, seorang peneliti harus menentukan distribusi prior dari

MODUL EKONOMETRIKA DASAR |40

parameter yang ditaksir. Distribusi prior ini dapat berasal dari data penelitian sebelumnya
atau berdasarkan intuisi seorang peneliti. Dugaan penentuan distribusi parameter sangatlah
subyektif (Hogg and Craig,

1978). Semakin berpengalaman seseorang, maka semakin mudah dalam menentukan
distribusi priornya. Sudah tentu penentuan distribusi prior ini harus berdasarkan alur berpikir
yang logis. Setelah informasi dari data yang didapat dari pengambilan sampel digabungkan
dengan informasi prior dari parameter, akan didapat distribusi posterior dari parameter.
Rataan dari distribusi posterior ini yang akan menjadi parameter regresi dengan metode
bayesian (Bolstad, 2007

6.2 KONSEP REGRESI
Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya.
Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan
penggunaan yang saling melengkapi dengan bidang pembelajaran mesin. Analisis ini juga
digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan variabel
terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel "penyebab"
disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel
independen, atau secara bebas, variabel X (karena sering kali digambarkan dalam grafik
sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang
dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat
merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel
acak

Jika analisis korelasi memberikan informasi mengenai hubungan antarvariabel maka untuk
mengetahui apakah hubungan tersebut dapat memberikan pengaruh yang diperlukan suatu
analisi regresi. Dengan kata lain, analisis regresi merupakan suatu analisis yang mencoba
mempelajari hubungan antara satu atau lebih peubah bebas (variabel bebas) dengan satu
peubah tak bebas (variabel terikat) di mana hubungan tersebut dapat menghasilkan suatu
pengaruh yang berasal dari peubah bebas terhadap peubah tak bebasnya.

MODUL EKONOMETRIKA DASAR |41

6.3 KARAKTERISTIK REGRESI
Karakteristik regresi dapat dibedakan menjadi tiga hal penting sebagai berikut :
1. Memiliki hubungan yang bersifat nondeterministik
Regresi digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat.
Adanya pengaruh tersebut sebagai konsekuensi terdapatnya hubungan antara variabel bebas
dengan variabel terikat yang dapat ditunjukkan dari nilai korelasi. Pemaknaan hubungan
dalam model Ekonometrika berbeda dengan model Matematika.
Dalam konsep Matematika, hubungan antara variabel bebas dengan variabel terikat bersifat
deterministik, artinya perubahan yang terjadi pada variabel terikat hanya ditentukan oleh
adanya perubahan variabel bebas yang terdapat dalam model. Dengan kata lain, perubahan
terhadap variabel terikat terjadi jika dan hanya jika terjadi perubahan pada variabel bebas
dalam model.
Pada model Ekonometrika, hubungan antara variabel bebas dengan variabel terikatnya
bersifat nondeterministik, artinya perubahan yang terjadi pada variabel terikat dapat terjadi
sebagai akibat adanya perubahan pada variabel bebas dalam model maupun variabel lainnya
yang belum dimasukkan dalam model yang dirangkum dalam bentuk error term (s).
Perbedaan antara model Matematika dengan model Ekonometrika dapat ditunjukkan dalam
bentuk model berikut:

2. Memiliki bentuk fungsional linear
Linear berarti pangkat tertinggi satu (1). Bahasa "linear" dalam Ekonometrika berbeda
dengan Matematika. Dalam Matematika, linear dimaknai sebagai nilai pangkat tertinggi yang
melekat pada variabel adalah berpangkat tertinggi satu (1). Sedangkan menurut

MODUL EKONOMETRIKA DASAR |42

Ekonometrika, pemahaman mengenai pangkat tertinggi adalah satu (1) adalah yang melekat
pada parameter (parameter terdiri dari konstanta dan koefisien).
Secara sederhana dapat ditunjukkan pada beberapa model berikut: Linear menurut
Matematika:

Pada pembahasan selanjutnya, konsep "linear" pada buku ini mengacu pada Linear menurut
Ekonometrika. Dalam model linear, terdapat dua kemungkinan bentuk fungsional
yang dapat dibentuk dalam model regresi yakni (i) bentuk fungsional linear dan (ii) bentuk
fungsional nonlinear. Perbedaan kedua bentuk tersebut adalah sebagai berikut:

3. Menggunakan asumsi cateris paribus
Kata "cateris paribus" merupakan istilah penting dalam Ilmu Ekonomi yang berarti bahwa
faktor lainnya tetap atau konstan. Setiap teori ekonomi yang mencoba menjelaskan perilaku
perubahan suatu variabel terhadap variabel lainnya selalu menggunakan asumsi
cateris paribus. Pemahaman mengenai konsep cateris paribus tersebut misalnya, pada Teori
Pemintaan menyatakan bahwa permintaan barang/jasa setiap orang ditentukan oleh tingkat

MODUL EKONOMETRIKA DASAR |43

harga, dengan asumsi faktor lainnya cateris paribus. Penggunaan asumsi tersebut supaya kita
mudah dalam memahami perubahan perilaku permintaan barang/jasa dari adanya perubahan
pada tingkat harga dan variabel lainnya dianggap konstan.
Bayangkan jika anggapan cateris paribus tersebut tidak dipakai, kita akan mengalami
kesulitan memahami perilaku perubahan permintaan karena pada saat yang sama, semua
variabel juga mengalami perubahan alias tidak ada yang tetap maupun konstan, sehingga
harus menjadi pertimbangan dalam memahami perubahan tersebut.
6.4 MODEL REGRESI
Bentuk umum model regresi linear sebagai berikut:

Model pada persamaan (5.3) disebut sebagai Model Regresi Linear Sederhana karena hanya
memiliki satu variabel bebas. Model regresi linear sederhana merupakan bentuk sederhana
dari model regresi. Kata "sederhana" dimaknai sebagai model dengan satu variabel bebas.
Dikarenakan hanya terdapat satu variabel bebas, maka karakteristik regresi khususnya yang
berkaitan dengan penerapan asumsi cateris paribus tidak berlaku. Perubahan pada variabel
terikat (Y) hanya ditentukan oleh perubahan pada satu variabel bebas (X) dan faktor lain
yang tercakup dalam error term (e).
Sedangkan pada model persamaan (5.4) disebut Model Regresi Linear Berganda karena
terdapat lebih dari satu variabel bebas dalam model. Asumsi cateris paribus dapat diterapkan
pada model ini. Perubahan pada variabel terikat (Y) ditentukan oleh perubahan pada variabel
bebas (X₁, X₂.....X) dan faktor lain yang tercakup dalam error term (E).
Parameter terdiri dari konstanta atau intersep (B) dan koefisien atau slope (BBB). Konstanta
atau intersep pada sebagian besar model Ekonometrika tidak menjadi perhatian penting,
sementara koefisien atau slope menjadi perhatian penting dalam model Ekonometrika. Nilai

MODUL EKONOMETRIKA DASAR |44

pada koefisien atau slope menunjukkan kuantitas pengaruh variabel bebas terhadap variabel
terikat dengan mengasumsikan seluruh faktor lain (tercakup dalam e) adalah konstan.
Variabel e dalam model disebut sebagai disturbances term, atau error term yang berfungsi
sebagai penampung seluruh faktor yang dapat memengaruhi prediksi terhadap variabel
terikat (Y) menggunakan variabel bebas (X) namun tidak terdapat dalam model. Dengan
kata lain, kesalahan yang mungkin terjadi dalam
memprediksi perubahan variabel terikat (Y) menggunakan variabel bebas (X) akan
dirangkum dalam nilai e. Variabel e juga sering disebut sebagai variabel tak terobservasi
(unobserved variable).
6.5 SIFAT DAN KARAKTERISTIK METODE OLS
Seperti dijelaskan sebelumnya bahwa model Ekonometrika memberikan perhatian penting
terhadap model Regresi Linear, baik Regresi Sederhana maupun Regresi Berganda.
Berdasarkan berbagai literatur Ekonometrika, untuk mendapatkan hasil taksiran terhadap
parameter (B, B......... B) dapat dilakukan dengan berbagai metode seperti Ordinary Least
Squares, Maximum Likelihood, dan Methods of Moments. Namun, dalam bab ini hanya akan
digunakan metode yang paling sederhana dan sering digunakan yakni metode Ordinary Least
Square (OLS).
Ordinary Least Squares (OLS) merupakan metode yang populer digunakan untuk melakukan
estimasi terhadap model-model regresi dengan bentuk fungsional linear. Tujuan utama
penggunaan metode OLS adalah mendapatkan garis terbaik dengan cara meminimalkan
jumlah kuadrat dari nilai kesalahan terhadap titik-titik datanya. Atau dengan kata lain,
metode OLS digunakan untuk meminimumkan nilai deviasi kuadrat dari garis regresinya.
Oleh karena itu, dengan menggunakan metode OLS akan diperoleh suatu garis regresi terbaik
yang mampu memiminimalkan kesalahan penaksiran parameter.

MODUL EKONOMETRIKA DASAR |45