Analisis Persamaan Simultan

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)



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


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


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


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


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


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


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


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


R Square .563



ANOVA


Equation 1 Regression 8.647E11 3 2.882E11 7.313 .002

Residual 6.701E11 17 3.942E10

Total 1.535E12 20

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


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


R Square .977



ANOVA


Equation 1 Regression 40604217.234 4 10151054.309 172.696 .000

Residual 940479.718 16 58779.982

Total 41544696.952 20

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


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


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


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


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


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

Analisis Persamaan Simultan

Documents

Transcript of Analisis Persamaan Simultan