X. ANALISIS DATA Oleh Bambang Juanda.

Presentasi berjudul: "X. ANALISIS DATA Oleh Bambang Juanda."— Transcript presentasi:

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 = P Pr Advertise Income T Predictor Coef SE Coef T P Constant P Pr Advertise Income T S = R-Sq = 91.5% R-Sq(adj) = 89.7% Analysis of Variance Source DF SS MS F P Regression Residual Error Total

6 I. Uji Model Secara Keseluruhan
Yi = 0 + 1 X1 + 2 X1 +…+ p Xp + εi Apakah Model dapat menjelaskan keragaman Y Hipotesis Statistik: H0: Model tdk dpt menjelaskan keragaman Y 2regresi = 2ε atau 2regresi/ 2ε = 1 b1 = b2 = … = bp = 0 (tidak dapat menjelaskan) H1: Model tdk dpt menjelaskan keragaman Y 2regresi > 2ε atau 2regresi/ 2ε > 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 H1

7 Kriteria Pengambilan Keputusan :
Terima H0, jika Fhitung < 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 < (=5%), maka tolak H0 atau terima H1. Jika p_value > (=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 (Xi mempengaruhi Y) The regression equation is Demand = P Pr Advertise Income T Predictor Coef SE Coef T P Constant P Pr Advertise Income T

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 < 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