Post on 25-Jul-2015
BAB I
PENDAHULUAN
1.1 Tinjauan Pustaka
Gula adalah salah satu komoditas pertanian yang telah ditetapkan Indonesia sebagai komoditas khusus (special products) dalam forum perundingan Organisasi Perdagangan Dunia (WTO), bersama beras, jagung dan kedelai. Dengan pertimbangan utama untuk memperkuat ketahanan pangan dan kualitas hidup di pedesaan, Indonesia berupaya meningkatkan produksi dalam negeri, termasuk mencanangkan target swasembada gula, yang sampai sekarang belum tercapai.
Pada 2002, target swasembada gula pernah dicanangkan untuk tercapai pada 2007. Kemudian diundur menjadi tahun 2008, lalu mundur lagi menjadi 2009, walaupun dengan catatan swasembada hanya untuk gula konsumsi masyarakat alias gula putih, dan bukan gula untuk industri. Apakah kelak, akan diubah mundur lagi menjadi 2010 karena target produksi 2,80 juta tidak tercapai, dan tingkat konsumsi langsung juga naik menjadi lebih tinggi dari 2,7 juta ton. Fenomena serupa juga terjadi pada kedelai, dengan target swasembada yang terus dimundurkan dari 2008, lalu 2010 sampai 2015.
Produksi gula di dalam negeri makin tidak mampu memenuhi kebutuhan konsumsi, sehingga impor gula sejak awal 1990 terus meningkat dari tahun ke tahun. Pada tahun 2001, impor gula meningkat menjadi 1,5 juta ton atau sekitar 50 persen dari kebutuhan dalam negeri. Angka ketergantungan impor telah mencapai 47 persen/tahun selama periode 1998- 2002 (Sawit et al., 2003), suatu kenaikan yang pesat dibandingkan dengan tahun-tahun sebelum liberalisasi radikal industri gula pada tahun 1998. Kemelut pengelolaan impor gula di dalam negeri terus berlangsung sejak 1998. Berbagai cara telah dipakai untuk mengatasi penyelundupan gula, baik melalui instrument NPIK (Nomor Pengenal Importir Khusus), pengawasan ketat (jalur merah) sampai penerapan kuota impor. Kuota impor gula putih hanya diberikan kepada importir terdaftar atau IT Gula yang memenuhi syarat, terutama penyerapan tebu rakyat lebih dari 75 persen.
1.2 Tujuan a. Mengetahui hubungan ketergantungan antara variable bebas yang satu dengan
variable bebas yang lain.b. Mengestimasi parameter yang dicari dari suatu model yang telah tersedia, dimana
metode ini digunakan khusus untuk persamaan yang bersifat over identified
1
BAB II
METODE
2.1 Teori Data Time Series Metode Time Series berhubungan dengan nilai-nilai suatu variabel yang diatur secara
periodesasi sepanjang periode waktu dimana prakiraan permintaan diproyeksikan. Misalnya mingguan, bulanan, kwartalan, dan tahunan, tergantung keinginan dari pihak-pihak yang melakukan prakiraan permintaan ini. Metode ini semata-mata mendasarkan diri pada data dan keadaan masa lampau. Jika keadaan di masa yang akan datang cukup stabil dalam arti tidak banyak perubahan yang berarti dengan keadaan masa lampau, metode ini dapat memberikan hasil peramalan yang cukup akurat. (Aziz, 2002).
Data deret waktu adalah data yang disusun berdasarkan urutan waktu atau data yang dikumpulkan dari waktu ke waktu. (Arfiani, 2010)
Metode runtun waktu (Time series method) atau disebut juga metode deret waktu atau deret berkala menggambarkan berbagai gerakan yang terjadi pada sederetan data pada waktu tertentu (Yamit, 2007).
Data urutan waktu ialah data statistik yang mencerminkan keadaan atau perkembangan mengenai sesuatu hal, dari satu waktu ke waktu yang lain. (Svhong, 2010)
2.2 Metode 2 SLS (Metode Kuadrat Terkecil 2 Tahap)
Merupakan suatu metode yang digunakan untuk estimasi parameter suatu persamaan struktural yang estimasinya memiliki lebih dari satu nilai (over identified).
(Gujarati, 2006)
Metode 2SLS digunakan untuk memperoleh nilai parameter struktural pada persamaan yang teridentifikasi berlebih. Metode ini dapat diterapkan pada suatu sistem persamaan individu dalam sistem tanpa memperhitungkan persamaan lain secara langsung dalam sistem.
Metode pengoperasian 2SLS dalam SPSS adalah sebagai berikut:1. Menguji RANK CONDITION
Siapkan data yang ada di Excel. Copy data pada lembar SPSS. Ubah variabel view sesuai dengan jeterangan yang ada. Perhatikan model yang telah ditentukan untuk dicari. Mulai untuk menganalisis:
• Klik Analyze, kemudian Regresi, lalu klik 2 SLS.• Masukan masing-masing variabel sesuai perannya.• Klik Option, Centang Predicted, Klik Continue.• Lanjutkan ke OK.
Akan tampil hasil SPSS.
2
Interpretasikan. Ulangi untuk persamaan berikutnya (2 dan 3).
2. Menguji VALIDITAS Klik Analyze Klik Descriptive Statistic Masukan variabel endogen dan variabel yang diprediksi (hasil SPSS yang
diperoleh) Klik Statistic Centang Mean Klik Continue Klik OK. Maka, akan tampil hasil SPSS yang menunjukan mean (validitas).
3. Menguji VALIDITAS menggunakan EXCEL Isi masing-masing kolom pada worksheet Koefisien sesuai dengan variabel yang ada. Maka secara otomatis akan muncul hasil perhitungan pada worksheet prediksi. Kemudian masukan hasil prediksi dan actual di worksheet validasi.Bandingkan data keduanya.
2.3 Teori Persamaan Simultan
Persamaan simultan merupakan persamaan dua arah antara variabel X (bebas) dengan beberapa variabel X yang lain. Persamaan simultan ini menggambarkan hubungan ketergantungan antara variabel bebas yang satu dengan yang lain. Ciri dari persamaan simultan adalah variabel dependen dari suatu persamaan, bias menjadi variabel bebas dari persamaan yang lain dalam satu system atau model.
Istilah dalam persamaan simultan antara lain:1. Persamaan Struktural/Perilaku:
a. Struktur atau perilaku dari fenomena ekonomi yang diamati. b. Perilaku variabel endogen terhadap perubahan-perubahan variabel penjelas
pada persamaan yang bersangkutan 2. Persamaan Identitas:
a. Persamaan yang tidak dpt menunjukkan perilaku variabel endogen. b. Dibentuk oleh perkalian, pembagian, penambahan atau pengurangan
beberapa variabel. 3. Persamaan Direduksi (reduced-form equation):
a. Persamaan dimana variabel endogen hanya dipengaruhi variabel predetermined dan gangguan stochastic.
4. Variabel Endogen: a. Variabel yang nilainya akan ditentukan melalui model.b. Variabel yang dipengaruhi oleh dan mempengaruhi variabel lain
3
5. Variabel Predetermined (eksogen dan lag endogen):a. Variabel yang nilainya ditetapkan sebelumnya, tidak melalui model.b. Variabel yang hanya menpengaruhi variabel lain.
Tujuan dari identifikasi model adalah mengidentifikasi model sebelum dilakukanestimasi. Artinya untuk mengetahui apakah estimasi parameter dapat dilakukan melalui persamaan reduced-form dari sistem persamaan simultan. Dalam persamaan simultan ini, terdapat tiga kemungkinan hasil yang diperoleh, yaitu:a. Persamaan Teridentifikasi (unidentified) jika estimasi parameter tidak dapat
dilakukan melalui persamaan reduced-form. b. Persamaan Teridentifikasi (identified) jika estimasi parameter dapat dilakukan
melalui persamaan reduced-form dari sistem persamaan simultan. Teridentifikasi Tepat (just identfied), Jika masing-masing nilai parameter bersifat unik (hanya mempunyai satu nilai)Teridentifikasi Berlebih (over identified)Jika nilai parameter mempunyai lebih dari satu nilai.
4
Instrumentals : POPt, It, Dt-1, Lt, PDVt, PWGt, NTt, IMGt, PDGt-1
Model 1 Dt
Analyze
Regression
OK
Explanatory : POPt, It, PDGt, Dt-1
Two-Stage Least Square
Dependent : Dt
Options Predicted continue
Interpretasikan dengan Uji R square, Multiple R, Uji F dan Uji T
Model 2 PRODGt Model 3 PDGt
Dependent : PRODGt Dependent : PDGt
Explanatory : PDGt, Lt, PDVtExplanatory : PWGt, NTt, IMGt, PDGt-1
Instrumentals : POPt, It, Dt-1, Lt, PDVt, PWGt, NTt, IMGt, PDGt-1Instrumentals : POPt, It, Dt-1, Lt, PDVt, PWGt, NTt, IMGt, PDGt-1
Options Predicted continue Options Predicted continue
OKOK
Interpretasikan dengan Uji R square, Multiple R, Uji F dan Uji TInterpretasikan dengan Uji R square, Multiple R, Uji F dan Uji T
Descriptive Analitic
Masukkan variabel endogen dan prediksi
Mean
Statistic
Continue
OK
Interpretasi
2.4 Diagram Alur SPSS
5
BAB III
HASIL DAN PEMBAHASAN
3.1 Identifikasi Order ConditionSebelumnya untuk asumsi model apakah over identified, exactly identified, dan under identified digunakan syarat sebagai berikut :
(K-k) > (m-1) maka Over Identified (K-k) = (m-1) maka Exactly Identified (K-k) < (m-1) maka Under Identified
Diketahui persamaan sebagai berikut
1. Dt = α0 + β1 POPt + β2 It + β3 PDGt + β4 Dt12. PRODGt = α0 + β1 PDGt + β2 LLt + β3 PDVt3. PDGt = α0 + β1 PWGt + β2 NTt + β3 IMGt + β4 PDGt1
Persamaan K k m Keterangan
1 13 5 4 = 8 > 4, maka Over Identified dimana (K-k) > (m-1)
2 13 4 4 = 9 > 4, maka Over Identified dimana (K-k) > (m-1)
3 13 5 4 = 8 > 4, maka Over Identified dimana (K-k) > (m-1)
Keterangan :K = semua variable yang ada di dalam modelk = variable yang terdapat pada masing-masing modelm = jumlah persamaanBerdasarkan analisis tersebut, maka dalam penelitian yang didapatkan order condition berupa Over Identified, hal ini dikarenakan pada model nilai (K-k) > (m-1).
3.2 Susunan Model Persamaan
Model 1 dt = α0 + β1POPt + β2It + β3PDGt + β4Dt-1Model 2 PRODGt = α0 + β1PDGt + β2Lt + β3PDVtModel 3 PDGt = α0 + β1PWGt + β2NTt + β3IMGt + β4PDGt-1
3.3 Harapan Tanda Koefisien Dengan Kesesuaian Teori
Persamaan Variabel Tanda Keterangan
Harapan Analisis
1 Dt + +
POPt + + Sesuai, karena populasi yang meningkat akan meningkatkan permintaan.
6
It + _ Tidak sesuai karena menurut teori, jika pendapatan naik maka permintaan akan naik.
PDGt _ _ Sesuai, karena jika harga gula domestik rendah maka permintaan akan meningkat.
Dt-1 + + Permintaan sebelumnya mempengaruhi permintaan tahun ini.
2 PRODGt + +
PDGt _ + Tidak sesuai karena harga gula domestik tinggi produksi gula akan rendah.
Lt + _ Tidak sesuai karena sesuai teori luas lahan yang tinggi akan meningkatkan produksi gula.
PDVt + + Sesuai karena produktivitas gula sangat mempengaruhi produksi gula.
3 PDGt + +
PWGt + + Sesuai karena harga gula dunia berpengaruh pada harga domestik gula.
Nt + + Sesuai karena nilai tukar yang tinggi akan berpengaruh pada peningkatan harga domestik gula.
IMGt _ _ Sesuai, karena jika impor rendah maka harga domestik gula rendah.
PDGt-1 + + Sesuai karena harga domestik gula tahun lalu mempengaruhi harga domestik gula tahun ini.
3.4 Uji R2 , Uji F, Uji t, Multiple R dan Intrepetasi DataPersamaan 1
Model Summary
Equation 1 Multiple R .754
R Square .569
Berdasarkan data di atas, diketahui nilai R Square sebesar 0,569 berarti variable-variabel pre determined berupa, jumlah penduduk, pendapatan, harga gula domestic dan permintaan gula pada tahun sebelumnya, mampu menjelaskan produksi gula sebesar 56,9% sedangkan sisanya dijelaskan oleh variable lain. Dan nilai Adjust.R sebesar 0,461.
7
Diketahui pula nilai Multiple R diketahui sebesar 0,754. Hal ini berarti besarnya kesesuaian antara data observasi dengan data prediksi sebesar 0,754.
ANOVA
Sum of Squares Df Mean Square F
Equation 1 Regression 3.510E12 4 8.774E11 5.276
Pada uji F Anova diketahui nilai uji F sebesar 5.276 dengan tingkat signifikasi 0,007. Nilai uji f > dari nilai tingkat signifikan (ketetapan nilai signifikan adalah α= 0,05), dalam hal ini model berpengaruh secara signifikan.
Coefficients
Unstandardized Coefficients
Beta TB Std. Error
Equation 1 (Constant) -6.009E6 3155699.191 -1.904
POPt 63.212 25.613 2.266 2.468
It -6.449 4.134 -.429 -1.560 Pada uji T diketahui nilai t sebesar -1,904. Sedangkan nilai signifikasinya 0,075. Jika nilai uji t < dari tingkat signifikasi maka H0 ditolak dan parameter 0 maka variable baik. Pada table dapat diketahui nilai uji t < dari tingkat signifikan maka variable baik dan sesuai pada model.
Persamaan 2
Model Summary
Equation 1 Multiple R .751
R Square .563
8
Diketahui dari data di atas, bahwa pada table didapatkan nilai R square 0,563. Maka hal ini berarti variable-variabel predetermined berupa,harga gula domestic, luas lahan tebu, dan produktivitas gula, mampu menjelaskan permintaan gula sebesar 56,3% sedangkan sisanya dijelaskan oleh variable lain. Dan nilai Adjust.R sebesar 0,461. Sedangkan pada nilai Multiple R diketahui sebesar 0,751. Hal ini berarti besarnya kesesuaian antara data observasi dengan data prediksi sebesar 0,751.
ANOVA
Sum of Squares Df Mean Square F
Equation 1 Regression 8.647E11 3 2.882E11 7.313
Pada table Uji F ANOVA diketahui nilai F sebesar 7,313, dengan tingkat signifikasi sebesar 0,002. Nilai uji f > dari nilai tingkat signifikan (ketetapan nilai signifikan adalah α= 0,05), yang artinya model tersebut sesuai atau berpengaruh secara signifikan
Coefficients
Unstandardized Coefficients
Beta TB Std. Error
Equation 1 (Constant) 424545.267 469878.355 .904
PDGt 139.932 294.932 .728 .474
Pada uji T diketahui nilai t sebesar 0,904. Sedangkan nilai signifikasinya 0,379. Jika nilai uji t < dari tingkat signifikasi maka H0 ditolak dan parameter 0 maka variable baik. Pada table dapat diketahui nilai uji t > dari tingkat signifikan maka variable tidak baik dan tidak sesuai pada model.
9
Persamaan 3
Model Summary
Equation 1 Multiple R .989
R Square .977
R square yang didapatkan dalam persamaan 3sebesar 0,977. Maka hal ini berarti variable-variabel predetermined berupa,harga gula dunia, nilai tukar rupiah, impor gula, dan harga gula domestic tahun sebelumnya mampu menjelaskan harga gula domestic sebesar 97,7% sedangkan sisanya dijelaskan oleh variable lain. Dan nilai Adjust.R sebesar 0,972. Sedangkan nilai Multiple R diketahui sebesar 0,989. Hal ini berarti besarnya kesesuaian antara data observasi dengan data prediksi sebesar 0,989.
ANOVA
Sum of Squares Df Mean Square F
Equation 1 Regression 40604217.234 4 10151054.309 172.696
Pada table Uji F ANOVA diketahui nilai F sebesar 172,696 dengan tingkat signifikasi sebesar 0,000. Nilai uji f > dari nilai tingkat signifikan (ketetapan nilai signifikan adalah α= 0,05), maka model tersebut sesuai atau berpengaruh secara signifikan.
Coefficients
Unstandardized Coefficients
Beta TB Std. Error
Equation 1 (Constant) -361.370 136.438 -2.649
PWGt .691 .179 .346 3.871
NTt .054 .049 .132 1.104
Pada uji T diketahui nilai t sebesar -2,649. Sedangkan nilai signifikasinya 0,018. Jika nilai uji t < dari tingkat signifikasi maka H0 ditolak dan parameter 0 maka variable baik.
10
Pada table dapat diketahui nilai uji t < dari tingkat signifikan maka variable baik dan sesuai pada model.
3.5 Validasi model
Statistics
Dt PRODGt PDG
Fit for Dt,
MOD_1 Equation
1
Fit for PRODGt,
MOD_2 Equation
1
MOD_3 Equation
N Valid 21 21 21 21 21
Dari hasil perhitungan dengan menggunakan SPSS, diperoleh hasil prediksi permintaan gula, produksi gula dan harga gula domestic yang dibandingkan dengan data actual tidak begitu jauh berbeda. Hal ini ditunjukan perbedaan atau selisih antara data actual dan prediksi tidak begitu jauh. Ini menggambarkan bahwa model dapat dikatakan sesuai atau baik untuk digunakan.
Koefisien
Intersep -8.42E+06
Jumlah Penduduk 84.278
Pendapatan -9.143
Harga Gula Domestik -1080.19
Permintaan Gula Tahun t-1 0.247
Intersep 406557.564
Harga Gula Domestik 163.303
Luas Lahan -0.078
Produktivitas Gula 295235.375
Intersep -361.37
Harga Gula Dunia 0.691
Nilai Tukar 0.054
Impor Gula -9.26E-05
Harga Gula Domestik Tahun t-1 0.667
Aktual PrediksiTahun Dt PRODG PDGt ST Dt PRODG PDGt ST
11
t t1985 191096
81898809 592 246900
0242941
52071743 434.712
1242941
51986 294063
12014574 615 270100
0278831
52264522 523.936
6278831
51987 318753
02175874 653 272700
0319192
52351143 557.562
4319192
51988 336600
62004051 729 266600
0315479
92055514 637.554
8315479
91989 319097
42108348 890 280700
0337793
72187587 783.854
4337793
71990 276927
82119585 1041 283100
0330629
52187850 1001.28 330629
51991 339209
02252667 1125 295900
0308660
82200155 1160.26
1308660
81992 396403
02306484 1215 303200
0320788
42171019 1278.29
3320788
41993 407347
12329811 1256 308900
0329908
12096152 1377.44
4329908
11994 348993
02453881 1260 316500
0350105
82156189 1422.36
3350105
81995 294392
32059576 1430 337400
0345022
91845213 1504.81
8345022
91996 337460
62094195 1461 365900
0337286
21819548 1590.88
3337286
21997 397788
42191986 1525 367000
0408740
62099020 1758.51
7408740
61998 332846
51488269 2572 371400
0388913
21559392 2386.33 388913
21999 443945
31493933 2640 454700
0414013
91651667 2522.17
8414013
92000 410251
91690004 2989 472100
0387875
51873404 3251.19
2387875
52001 336857
01725467 3745 474000
0333179
31899549 3866.72
7333179
32002 316056
21755354 3619 474000
0324730
41851907 3940.46
3324730
42003 328430
31631918 4212 457000
0385257
91705910 3674.21
1385257
92004 351429
02051645 4110 467000
0327070
82050443 4377.26
9327070
82005 392216
02241742 5475 502000
0386465
41977802 5077.61
6386465
4341436
42004199 2054.95
2361290
5341566
12003606 2053.68
9341566
1
Tabel Prediksi Model Excel
12
Perbandingan yang didapatkan dengan menggunakan Ms. Excel bahwasanya permintaan gula, produksi dan harga gula domestik dibandingkan dengan data actual tidak menunjukan perbedaan yang berarti / tidak jauh berbeda dengan acuan selisih data aktual dan prediksi tidak terlalu jauh yang berarti model tersebut baik untk digunakan, dan pada variabel gula memiliki selisih yang jauh dari data actual terhadap data prediksi yang menunjukan model baik untuk digunakan.
BAB IVKESIMPULAN
Estimasi parameter ketiga persamaan yang menjelaskan model tentang Produksi Gula Indonesia sebagai berikut:1. Dt = α + β1. POPt + β2.It + β3.PDGt + β4. Dt-1
Populasi penduduk berpengaruh terhadap permintaan gula tahun t, karena jika penduduk bertambah banyak maka permintaan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai populasi penduduk (+), maka dapat disimpulkan sesuai dengan teori. Pendapatan berpengaruh terhadap permintaan gula tahun t, karena jika pendapatan penduduk naik, maka permintaan akan gula juga meningkat. Dari hasil perhitungan diperoleh tanda pendapatan (-), maka dapat disimpulkan tidak sesuai dengan teori. Harga domestik gula tahun t berpengaruh terhadap permintaan gula tahun t, jika harga domestik rendah maka permintaan gula akan meningkat. Dari hasil perhitungan diperoleh tanda harga domestik gula (-) maka sesuai dengan teori. Permintaan gula tahun t-1 berpengaruh terhadap permintaan gula tahun t, jika permintaan gula tahun t-1 tinggi maka permintaan gula tahun t akan meningkat. Dari hasil perhitungan diperoleh tanda permintaan gula tahun t-1 (+), maka sesuai dengan teori.
2. PRODGt = α + β1. PDGt + β2.Lt + β3. PDVt
Harga gula domestik berpengaruh terhadap produksi gula tahun t, karena jika harga gula domestik rendah maka produksi akan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai harga gula domestic (+), maka dapat disimpulkan tidak sesuai dengan teori. Luas lahan berpengaruh terhadap produksi gula tahun t, karena jika luas lahan tinggi maka produksi akan gula semakin meningkat. Dari hasil perhitungan diperoleh nilai luas lahan (-), maka dapat disimpulkan tidak sesuai dengan teori. Produktivitas gula berpengaruh terhadap produksi gula tahun t, karena jika produktivitas tinggi maka produksi akan gula
13
Variabel Rata-Rata
Aktual Prediksi
Demand gula 3414363,95 3415661
Produksi gula 2004198,71 2003606.00
Harga domestik gula 2054.9524 2053.69
Suplai gula 3612905.00 3415661.00
semakin meningkat. Dari hasil perhitungan diperoleh nilai produktivitas gula (+), maka dapat disimpulkan sesuai dengan teori.
3. PDGt = α + β1. PWGt + β2.NTt + β3. IMGt + β4. PDGt-1
Harga gula dunia berpengaruh terhadap harga gula domestik gula, karena jika harga gula dunia rendah maka harga domestik gula semakin rendah. Dari hasil perhitungan diperoleh nilai harga gula dunia (+), maka dapat disimpulkan sesuai dengan teori. Nilai tukar berpengaruh terhadap harga domestik gula, karena jika nilai tukar rendah maka harga domestik gula semakin meningkat. Dari hasil perhitungan diperoleh nilai tukar (+), maka dapat disimpulkan sesuai dengan teori. Impor gula berpengaruh terhadap harga domestik gula, karena jika impor gula rendah maka harga domestik gula semakin menurun. Dari hasil perhitungan diperoleh nilai impor gula (-), maka dapat disimpulkan tidak sesuai dengan teori. Harga domestik gula tahun t-1 berpengaruh terhadap harga domestik gula tahun t. Dari hasil perhitungan, diperoleh nilai (+), maka sesuai teori. Maka, dapat disimpulkan bahwa hasil perhitungan sudah cukup sesuai dengan teori, walaupun ada beberapa variabel yang tidak sesuai dengan teori yang ada.
o Dari hasil perhitungan dengan menggunakan Microsof Excel, diperoleh hasil prediksi
permintaan gula, produksi gula dan harga gula domestik yang dibandingkan dengan data aktual tidak begitu jauh berbeda
o Nilai R square terbaik didapatkan pada persamaan ke 3 sebesar 97,7%, yang artinya
variable predetermined dapat menjelaskan variable endogenus sebesar 97,7 %.o Persamaan Simultan merupakan suatu sistem persamaan yg menggambarkan saling
ketergantungan antar variabel.o Dengan menggunakan model estimasi data 2SLS kita dapat mengatasi kelemahan pada
model estimasi data OLS.o Dalam study kasus pergulaan diketahui 3 model persamaan dengan variable endogenus
berupa permintaan gula, produksi gula dan harga gula domestic dan berbagai variable predetermined berupa jumlah penduduk, nilai tukar rupiah, permintaan gula tahun sebelumnya, pendapatan, luas lahan, produktivitas gula, harga gula dunia,harga gula pada tahun sebelumnya dan impor gula.
o Kevalidan nilai actual dan prediksi permintaan gula, produksi gula dan harga domestic
gula sudah valid, tetapi pada data actual dan prediksi suplai gula tidak valid karena terdapat selisih yang jauh.
14
DAFTAR PUSTAKA
Anonymous, 2011. mtsox.wordpress.com diakses tgl 12 Mei 2011
Djalal, Nachrowi dkk. 2002. Penggunaan Teknik Ekonometri Pendekatan Populer dan
Praktis Dilengkapi Teknik Analisis dan Pengolahan data dengan
Menggunakan Paket Program SPSS. Jakarta : PT. RajaGrafindo Persada
Gujarati, N damodar. 2006. Dasar – dasar ekonometrika. United states military academy.
West point
Lains, Alfian. 2002. Ekonometrika Teori dan Aplikasi Jilid I. Jakarat : Pustaka LP3ES
Indonesia
15
LAMPIRAN
Hasil SPSS
Two-stage Least Squares Analysis Persamaan 1
Model Description
Type of Variable
Equation
1
Dt dependent
POPt predictor & instrumental
It predictor & instrumental
PDG predictor & instrumental
Dt1 predictor & instrumental
PDGt1 instrumental
NTt instrumental
St instrumental
PRODGt instrumental
PDVt instrumental
L_T instrumental
IMG instrumental
PWG instrumental
MOD_1
Model Summary
Equation
1
Multiple R .754
R Square .569
Adjusted R Square .461
Std. Error of the Estimate 407810.695
ANOVA
Sum of Squares df Mean Square F Sig.
Equation 1 Regression 3.510E12 4 8.774E11 5.276 .007
Residual 2.661E12 16 1.663E11
Total 6.171E12 20
Coefficients
Unstandardized Coefficients
B Std. Error
Equation 1 (Constant) -6.009E6 3155699.191
POPt 63.212 25.613
16
It -6.449 4.134
PDG -786.267 348.899
Dt1 .290 .183
Coefficients
Beta t Sig.
Equation 1 (Constant) -1.904 .075
POPt 2.266 2.468 .025
It -.429 -1.560 .138
PDG -2.040 -2.254 .039
Dt1 .342 1.584 .133
Coefficient Correlations
POPt It PDG Dt1
Equation 1 Correlations POPt 1.000 -.732 -.976 -.386
It -.732 1.000 .774 .011
PDG -.976 .774 1.000 .276
Dt1 -.386 .011 .276 1.000
Two-stage Least Squares Analysis p`Persamaan 2
Model Description
Type of Variable
Equation
1
PRODGt dependent
PDG predictor & instrumental
L_T predictor & instrumental
PDVt predictor & instrumental
PDGt1 instrumental
It instrumental
POPt instrumental
NTt instrumental
Dt instrumental
Dt1 instrumental
St instrumental
IMG instrumental
PWG instrumental
MOD_2
17
Model Summary
Equation 1 Multiple R .751
R Square .563
Adjusted R Square .486
Std. Error of the Estimate 198533.192
ANOVA
Sum of Squares df Mean Square F Sig.
Equation 1 Regression 8.647E11 3 2.882E11 7.313 .002
Residual 6.701E11 17 3.942E10
Total 1.535E12 20
Coefficients
Unstandardized Coefficients
B Std. Error
Equation 1 (Constant) 424545.267 469878.355
PDG 139.932 294.932
L_T -.069 .113
PDVt 293793.286 74698.666
Coefficients
Beta t Sig.
Equation 1 (Constant) .904 .379
PDG .728 .474 .641
L_T -.926 -.608 .551
PDVt .679 3.933 .001
Coefficient Correlations
PDG L_T PDVt
Equation 1 Correlations PDG 1.000 -.994 .244
L_T -.994 1.000 -.211
PDVt .244 -.211 1.000
18
Two-stage Least Squares Analysis Persamaan 3
Model Description
Type of Variable
Equation 1 PDG dependent
PWG predictor & instrumental
NTt predictor & instrumental
IMG predictor & instrumental
PDGt1 predictor & instrumental
It instrumental
POPt instrumental
Dt instrumental
Dt1 instrumental
St instrumental
PRODGt instrumental
PDVt instrumental
L_T instrumental
MOD_3
Model Summary
Equation 1 Multiple R .989
R Square .977
Adjusted R Square .972
Std. Error of the Estimate 242.446
ANOVA
Sum of Squares df Mean Square F Sig.
Equation 1 Regression 40604217.234 4 10151054.309 172.696 .000
Residual 940479.718 16 58779.982
Total 41544696.952 20
Coefficients
Unstandardized Coefficients
B Std. Error
Equation 1 (Constant) -361.370 136.438
PWG .691 .179
NTt .054 .049
IMG -9.259E-5 .000
PDGt1 .667 .110
19
Coefficients
Beta t Sig.
Equation
1
(Constant) -2.649 .018
PWG .346 3.871 .001
NTt .132 1.104 .286
IMG -.040 -.607 .552
PDGt1 .577 6.087 .000
Coefficient Correlations
PWG NTt IMG PDGt1
Equation
1
Correlations PWG 1.000 -.414 -.103 -.295
NTt -.414 1.000 -.465 -.578
IMG -.103 -.465 1.000 .126
PDGt1 -.295 -.578 .126 1.000
FREQUENCIES VARIABLES=Dt PRED_DT PRODGt PRED_PRODGt PDG PRED_PDGt /STATISTICS=MEAN /ORDER=ANALYSIS.
Frequencies
Notes
Output Created 27-Apr-2012 23:48:56
Comments
Input Data C:\Users\drago\Documents\SEMESTER 6\Metkuan\
metkuan praktikum\MINGGU 5\baru\data.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 21
Missing Value
Handling
Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on all cases with valid data.
Syntax FREQUENCIES VARIABLES=Dt PRED_DT
PRODGt PRED_PRODGt PDG PRED_PDGt
/STATISTICS=MEAN
/ORDER=ANALYSIS.
Resources Processor Time 0:00:00.015
Elapsed Time 0:00:00.017
20
[DataSet1] C:\Users\drago\Documents\SEMESTER 6\Metkuan\metkuan praktikum\MINGGU 5\baru\data.sav
Statistics
Dt Fit for Dt,
MOD_1
Equation 1
PRODGt Fit for PRODGt,
MOD_2
Equation 1
PDG Fit for PDG,
MOD_3
Equation 1
N Valid 21 21 21 21 21 21
Missing 0 0 0 0 0 0
Mean 3.4144E6 3.4143640E6 2.0042E6 2.0041987E6 2054.9524 2.0549524E3
Frequency Table
Dt
Frequency Percent Valid Percent Cumulative Percent
Valid 1910968.00 1 4.8 4.8 4.8
2769278.00 1 4.8 4.8 9.5
2940631.00 1 4.8 4.8 14.3
2943923.00 1 4.8 4.8 19.0
3160562.00 1 4.8 4.8 23.8
3187530.00 1 4.8 4.8 28.6
3190974.00 1 4.8 4.8 33.3
3284303.00 1 4.8 4.8 38.1
3328465.00 1 4.8 4.8 42.9
3366006.00 1 4.8 4.8 47.6
3368570.00 1 4.8 4.8 52.4
3374606.00 1 4.8 4.8 57.1
3392090.00 1 4.8 4.8 61.9
3489930.00 1 4.8 4.8 66.7
3514290.00 1 4.8 4.8 71.4
3922160.00 1 4.8 4.8 76.2
3964030.00 1 4.8 4.8 81.0
3977884.00 1 4.8 4.8 85.7
4073471.00 1 4.8 4.8 90.5
4102519.00 1 4.8 4.8 95.2
4439453.00 1 4.8 4.8 100.0
Total 21 100.0 100.0
Fit for Dt, MOD_1 Equation 1
21
Frequency Percent Valid Percent Cumulative Percent
Valid 2332572.31984 1 4.8 4.8 4.8
2671775.78783 1 4.8 4.8 9.5
3083020.84805 1 4.8 4.8 14.3
3098497.78845 1 4.8 4.8 19.0
3124355.57057 1 4.8 4.8 23.8
3261216.31730 1 4.8 4.8 28.6
3273234.29627 1 4.8 4.8 33.3
3312400.89649 1 4.8 4.8 38.1
3328543.65060 1 4.8 4.8 42.9
3466606.19994 1 4.8 4.8 47.6
3497376.54222 1 4.8 4.8 52.4
3531931.53545 1 4.8 4.8 57.1
3537296.72627 1 4.8 4.8 61.9
3558538.71445 1 4.8 4.8 66.7
3562899.59662 1 4.8 4.8 71.4
3584361.06236 1 4.8 4.8 76.2
3694790.08193 1 4.8 4.8 81.0
3704176.13921 1 4.8 4.8 85.7
3867040.23189 1 4.8 4.8 90.5
4102456.26459 1 4.8 4.8 95.2
4108552.42969 1 4.8 4.8 100.0
Total 21 100.0 100.0
PRODGt
Frequency Percent Valid Percent Cumulative Percent
Valid 1488269.00 1 4.8 4.8 4.8
1493933.00 1 4.8 4.8 9.5
1631918.00 1 4.8 4.8 14.3
1690004.00 1 4.8 4.8 19.0
1725467.00 1 4.8 4.8 23.8
1755354.00 1 4.8 4.8 28.6
1898809.00 1 4.8 4.8 33.3
2004051.00 1 4.8 4.8 38.1
2014574.00 1 4.8 4.8 42.9
2051645.00 1 4.8 4.8 47.6
2059576.00 1 4.8 4.8 52.4
2094195.00 1 4.8 4.8 57.1
2108348.00 1 4.8 4.8 61.9
2119585.00 1 4.8 4.8 66.7
2175874.00 1 4.8 4.8 71.4
22
2191986.00 1 4.8 4.8 76.2
2241742.00 1 4.8 4.8 81.0
2252667.00 1 4.8 4.8 85.7
2306484.00 1 4.8 4.8 90.5
2329811.00 1 4.8 4.8 95.2
2453881.00 1 4.8 4.8 100.0
Total 21 100.0 100.0
Fit for PRODGt, MOD_2 Equation 1
Frequency Percent Valid Percent Cumulative Percent
Valid 1588501.64145 1 4.8 4.8 4.8
1673735.44886 1 4.8 4.8 9.5
1791326.28511 1 4.8 4.8 14.3
1802182.65890 1 4.8 4.8 19.0
1803586.71636 1 4.8 4.8 23.8
1832676.32263 1 4.8 4.8 28.6
1833952.11673 1 4.8 4.8 33.3
1874326.44313 1 4.8 4.8 38.1
2015851.42873 1 4.8 4.8 42.9
2038858.48940 1 4.8 4.8 47.6
2066127.46790 1 4.8 4.8 52.4
2071942.11495 1 4.8 4.8 57.1
2074443.96632 1 4.8 4.8 61.9
2099687.91771 1 4.8 4.8 66.7
2129785.38959 1 4.8 4.8 71.4
2157082.98293 1 4.8 4.8 76.2
2191222.36857 1 4.8 4.8 81.0
2191225.82959 1 4.8 4.8 85.7
2203549.72562 1 4.8 4.8 90.5
2280452.87026 1 4.8 4.8 95.2
2367654.81525 1 4.8 4.8 100.0
Total 21 100.0 100.0
PDG
Frequency Percent Valid Percent Cumulative Percent
Valid 592.00 1 4.8 4.8 4.8
615.00 1 4.8 4.8 9.5
653.00 1 4.8 4.8 14.3
729.00 1 4.8 4.8 19.0
890.00 1 4.8 4.8 23.8
23
1041.00 1 4.8 4.8 28.6
1125.00 1 4.8 4.8 33.3
1215.00 1 4.8 4.8 38.1
1256.00 1 4.8 4.8 42.9
1260.00 1 4.8 4.8 47.6
1430.00 1 4.8 4.8 52.4
1461.00 1 4.8 4.8 57.1
1525.00 1 4.8 4.8 61.9
2572.00 1 4.8 4.8 66.7
2640.00 1 4.8 4.8 71.4
2989.00 1 4.8 4.8 76.2
3619.00 1 4.8 4.8 81.0
3745.00 1 4.8 4.8 85.7
4110.00 1 4.8 4.8 90.5
4212.00 1 4.8 4.8 95.2
5475.00 1 4.8 4.8 100.0
Total 21 100.0 100.0
Fit for PDG, MOD_3 Equation 1
Frequency Percent Valid Percent Cumulative
Percent
Valid 435.13722 1 4.8 4.8 4.8
524.39733 1 4.8 4.8 9.5
558.04707 1 4.8 4.8 14.3
638.08432 1 4.8 4.8 19.0
784.47740 1 4.8 4.8 23.8
1002.02162 1 4.8 4.8 28.6
1161.08917 1 4.8 4.8 33.3
1279.18829 1 4.8 4.8 38.1
1378.38642 1 4.8 4.8 42.9
1423.32122 1 4.8 4.8 47.6
1505.84925 1 4.8 4.8 52.4
1591.98505 1 4.8 4.8 57.1
1759.65675 1 4.8 4.8 61.9
2387.74419 1 4.8 4.8 66.7
2523.67749 1 4.8 4.8 71.4
3253.02277 1 4.8 4.8 76.2
3676.24204 1 4.8 4.8 81.0
3868.88011 1 4.8 4.8 85.7
3942.63414 1 4.8 4.8 90.5
4379.67565 1 4.8 4.8 95.2
24
5080.48251 1 4.8 4.8 100.0
Total 21 100.0 100.0
25