X. ANALISIS DATAX. ANALISIS DATAOleh Bambang JuandaOleh Bambang Juanda

Pendahuluan: Analisis DataPendahuluan: Analisis Data Analisis data: Analisis data: peroses mencakup penelusuran & pengungkapan peroses mencakup penelusuran & pengungkapan

informasi relevan dlm data; penyajian hasilnya ringkas sederhana; dan informasi relevan dlm data; penyajian hasilnya ringkas sederhana; dan akhirnya mengarah kepada perlunya penjelasan & penafsiran.akhirnya mengarah kepada perlunya penjelasan & penafsiran.

Proses awal Proses awal tanpa terikat pd asumsi yg ketat supaya pengungkapan tanpa terikat pd asumsi yg ketat supaya pengungkapan informasi informasi fleksibelfleksibel & mendorong & mendorong imajinasiimajinasi tanpa melupakan kaidah tanpa melupakan kaidah ilmu maupun teori yg telah dikenal.ilmu maupun teori yg telah dikenal.

Peneliti cenderung mengartikan sbg proses perhitungan penerapan Peneliti cenderung mengartikan sbg proses perhitungan penerapan statistika, shg peranan & kegunaan sebenarnya terlupakan. Ini akan statistika, shg peranan & kegunaan sebenarnya terlupakan. Ini akan memberi kesan bahwa pengujian hipotesis itu sederhana & mudah. memberi kesan bahwa pengujian hipotesis itu sederhana & mudah. Oleh karenanya seringkali penelitian yg menarik, hanya diakhiri dgn Oleh karenanya seringkali penelitian yg menarik, hanya diakhiri dgn kesimpulan yg menyatakan hasilnya nyata atau tidak nyata secara kesimpulan yg menyatakan hasilnya nyata atau tidak nyata secara statistik. statistik.

Perlu Perlu analisis deskriptifanalisis deskriptif (grafik spt plot data berkala, diagram kotak- (grafik spt plot data berkala, diagram kotak-garis, atau diagram dahan daun; tabel rekapitulasi data ). Analisis garis, atau diagram dahan daun; tabel rekapitulasi data ). Analisis deskriptif yg bersifat eksploratif utk menelusuri & mengungkapkan deskriptif yg bersifat eksploratif utk menelusuri & mengungkapkan struktur dan pola data tanpa mengaitkan secara kaku dgn asumsi struktur dan pola data tanpa mengaitkan secara kaku dgn asumsi tertentu.tertentu.

Grafik sbg ringkasan data atau sbg alat diagnosa kesesuaian model Grafik sbg ringkasan data atau sbg alat diagnosa kesesuaian model dugaan & merupakan pelengkap dlm teknik statistika.dugaan & merupakan pelengkap dlm teknik statistika.

Tujuan eksplorasi data spt ini: memberi keyakinan bhw data tsb dpt Tujuan eksplorasi data spt ini: memberi keyakinan bhw data tsb dpt diwakili oleh model; mengungkapkan adanya penyimpangan dari diwakili oleh model; mengungkapkan adanya penyimpangan dari model tertentu dan berusaha utk mencari cara penyelesaiannya.model tertentu dan berusaha utk mencari cara penyelesaiannya.

TahapaTahapan n

PemodePemodelan lan

EkonometEkonometrikarika

Model Regresi Model Regresi BergandaBerganda

ipipiii XXXY 22110

Hubungan linear (dlm parameter) antara 1 peubah tak bebas & 2 atau lebih peubah bebas

Intersep-Y Populasi

Slope Populasi

Peubah tak bebas (Respons) utk sampel

Peubah bebas (Explanatory) utk model sampel

Random Error

ipipiii eXbXbXbbY 22110

The regression equation isDemand = 850 - 5.03 P + 4.74 Pr + 0.277 Advertise + 0.0107 Income + 1.31 T

Predictor Coef SE Coef T PConstant 850.0 134.8 6.31 0.000P -5.0326 0.4394 -11.45 0.000Pr 4.7435 0.9696 4.89 0.000Advertise 0.2774 0.1046 2.65 0.014Income 0.010658 0.001316 8.10 0.000T 1.3091 0.7534 1.74 0.095

S = 33.6398 R-Sq = 91.5% R-Sq(adj) = 89.7%

Analysis of Variance

Source DF SS MS F PRegression 5 291364 58273 51.49 0.000Residual Error 24 27159 1132Total 29 318523

Contoh Output Minitab

F(5,24)

0

= 0.05

I. Uji Model Secara I. Uji Model Secara KeseluruhanKeseluruhan

•Apakah Model dapat menjelaskan keragaman Y•Hipotesis Statistik:

H0: Model tdk dpt menjelaskan keragaman Y2

regresi = 2ε atau 2

regresi/ 2ε = 1

1 = 2 = … = p = 0 (tidak dapat menjelaskan)

H1: Model tdk dpt menjelaskan keragaman Y

2regresi > 2

ε atau 2regresi/ 2

ε > 1

Minimal ada i 0 (ada peubah bebas yg mempengaruhi Y)

•Statistik uji-F = KTR/KTS ~ F(p, n-1-p)

Yi = 0 + 1 X1 + 2 X1 +…+ p Xp + εi

H0

H1

Kriteria Pengambilan Keputusan :

1. 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).

2. 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%).

1. Jika p_value < (=5%), maka tolak H0 atau terima H1.2. 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.

II. Uji Signifikansi MasingII. Uji Signifikansi Masing22 Peubah BebasPeubah Bebas

•Apakah peubah bebas Xi mempengaruhi Y

•Hypotesis Statistik:

H0: i = 0 (Xi tidak mempengaruhi Y)

H1: i 0 (Xi mempengaruhi Y)

The regression equation isDemand = 850 - 5.03 P + 4.74 Pr + 0.277 Advertise + 0.0107 Income + 1.31 T

Predictor Coef SE Coef T PConstant 850.0 134.8 6.31 0.000P -5.0326 0.4394 -11.45 0.000Pr 4.7435 0.9696 4.89 0.000Advertise 0.2774 0.1046 2.65 0.014Income 0.010658 0.001316 8.10 0.000T 1.3091 0.7534 1.74 0.095

Tahapan Uji Hipotesis dgn Tahapan Uji Hipotesis dgn Uji-t Uji-t

1.1. Perumusan Hipotesis Statistik:Perumusan Hipotesis Statistik:Ho : Ho : ii = 0 (faktpr ke-i tidak berpengaruh terhadap = 0 (faktpr ke-i tidak berpengaruh terhadap

permintaan detergenpermintaan detergen))H1 : H1 : ii 0 (faktor ke-i berpengaruh nyata terhadap 0 (faktor ke-i berpengaruh nyata terhadap permintaanpermintaan

detergendetergen))2.2. Penentuan nilai kritis, misal dgn taraf nyata Penentuan nilai kritis, misal dgn taraf nyata ==5%. Karena 5%. Karena

pengujian dua sisi pengujian dua sisi (two-tailed test)(two-tailed test) maka pada penentuan t maka pada penentuan ttabletable menggunakan menggunakan /2/2. Untuk table t, derajat bebas . Untuk table t, derajat bebas (degree of (degree of freedom)freedom) adalah n-p-1. p menyatakan banyaknya peubah bebas adalah n-p-1. p menyatakan banyaknya peubah bebas dan n adalah banyaknya kasus. dan n adalah banyaknya kasus.

3.3. Pengambilan Keputusan Pengambilan Keputusan (Decision Rule)(Decision Rule) : : Terima HTerima H00, jika , jika tthitunghitung < t< ttabletable, artinya secara statistik belum dpt , artinya secara statistik belum dpt

dibuktikan bahwa faktor ke-i tersebutdibuktikan bahwa faktor ke-i tersebut perpengaruh nyata perpengaruh nyata terhadap permintaan detergenterhadap permintaan detergen..

Terima HTerima H11 (tolak H (tolak H00), jika ), jika tthitunghitung t ttabletable, artinya secara statistik , artinya secara statistik telah dibuktikan bahwa faktor ke-i tersebuttelah dibuktikan bahwa faktor ke-i tersebut berpengaruh nyata berpengaruh nyata terhadap permintaan detergenterhadap permintaan detergen..

Model Regresi Linier Model Regresi Linier Bersegmen (Bersegmen (Pricewise linear Pricewise linear

Regression Model Regression Model ) ) Model ini merupakan kasus khusus dari Model ini merupakan kasus khusus dari

suatu gugus model yg lebih besar (suatu gugus model yg lebih besar (spline spline functionsfunctions).).

Spline functions Spline functions adalah fungsi-fungsi dgn adalah fungsi-fungsi dgn segmen-segmen yg berbeda, yg digambarkan segmen-segmen yg berbeda, yg digambarkan oleh fungsi yg tidak harus garis lurus. oleh fungsi yg tidak harus garis lurus.

Model regresi linear bersegmen ini Model regresi linear bersegmen ini berkembang dari model yg melibatkan berkembang dari model yg melibatkan peubah peubah dummy dummy utk mengetahui dimana utk mengetahui dimana terjadi terjadi structural breakstructural break..

Model dengan Pilihan Model dengan Pilihan Kualitatif (Kualitatif (Models of Models of qualitative choicequalitative choice))

Sering digunakan dlm analisis data Sering digunakan dlm analisis data survei, yg sering dihadapkan pada survei, yg sering dihadapkan pada respon prilaku yg kualitatif, respon prilaku yg kualitatif, misalnya masuk angkatan kerja atau misalnya masuk angkatan kerja atau tidak, setuju atau tidak dengan tidak, setuju atau tidak dengan pemerintahan sekarang, dll.pemerintahan sekarang, dll.

Contoh dari model ini misalnya Contoh dari model ini misalnya model peluang linier, model probit, model peluang linier, model probit, model logit, dan model tersensor.model logit, dan model tersensor.

Model Regresi Diri dan Model Regresi Diri dan Distribusi Beda Waktu Distribusi Beda Waktu

((Autoregressive & distributed Autoregressive & distributed lag modelslag models)) Dlm model yg melibatkan data deret waktu, seringkali respons Dlm model yg melibatkan data deret waktu, seringkali respons

peubah tak bebas (Y) akan terdeteksi setelah beberapa waktu peubah tak bebas (Y) akan terdeteksi setelah beberapa waktu cukup lama. Oleh karenanya peubah bebas beda waktu (cukup lama. Oleh karenanya peubah bebas beda waktu (lagged lagged explanatory variablesexplanatory variables, X, Xt-kt-k) harus dimasukkan dlm model. ) harus dimasukkan dlm model. Misalnya pengaruh kredit usaha tani atau pupuk terhadap Misalnya pengaruh kredit usaha tani atau pupuk terhadap produksi padi, atau pengaruh supply uang terhadap inflasi produksi padi, atau pengaruh supply uang terhadap inflasi memerlukan waktu beberapa bulan.memerlukan waktu beberapa bulan.

Dlm model dimana koefisien atau pembobot XDlm model dimana koefisien atau pembobot Xt-kt-k nya menurun nya menurun secara geometris (secara geometris (geometric lag modelgeometric lag model), dpt digunakan ), dpt digunakan pendekatan atau pendekatan atau transformasi Koycktransformasi Koyck shg mempermudah shg mempermudah pendugaan parameter koefisien modelnya. pendugaan parameter koefisien modelnya. Dari pendekatan ini Dari pendekatan ini dikembangkan model-model seperti dikembangkan model-model seperti Adaptive Expectations ModelAdaptive Expectations Model..

Ilustrasi: sering kali dalam model linear sederhana, besarnya Ilustrasi: sering kali dalam model linear sederhana, besarnya konsumsi rumah tangga (Y) dipengaruhi oleh permanent income konsumsi rumah tangga (Y) dipengaruhi oleh permanent income (X*), atau jumlah yang ditawarkan (Y) dipengaruhi oleh harga (X*), atau jumlah yang ditawarkan (Y) dipengaruhi oleh harga yang diharapkan (X*) bukan harga sebenarnya. Dalam realitas yang diharapkan (X*) bukan harga sebenarnya. Dalam realitas seringkali pelaku ekonomi merubah ekspektasinya, dgn seringkali pelaku ekonomi merubah ekspektasinya, dgn menyesuaikan pengamatan sekarang dengan nilai harapan menyesuaikan pengamatan sekarang dengan nilai harapan periode sebelumnya.periode sebelumnya.

Model Persamaan SimultanModel Persamaan Simultan Metode OLS akan menghasilkan penduga yg bersifat Metode OLS akan menghasilkan penduga yg bersifat

BLUEBLUE jika asumsi-asumsinya dipenuhi. Salah satu jika asumsi-asumsinya dipenuhi. Salah satu asumsinya adalah tidak ada korelasi antara peubah asumsinya adalah tidak ada korelasi antara peubah penjelas (X) dengan error (penjelas (X) dengan error (). Jika ada karelasi ). Jika ada karelasi antara keduanya maka metode OLS akan antara keduanya maka metode OLS akan menghasilkan penduga parameter koefisien regresi menghasilkan penduga parameter koefisien regresi yg berbias dan tidak konsisten.yg berbias dan tidak konsisten.

Korelasi antara X dan Korelasi antara X dan seringkali diakibatkan karena seringkali diakibatkan karena peubah penjelas (X), yg seharusnya peubah peubah penjelas (X), yg seharusnya peubah nonstokastik (nonstokastik (fixed variablefixed variable), dlm kenyataannya ), dlm kenyataannya dipengaruhi oleh faktor (peubah) lain. Sehingga dipengaruhi oleh faktor (peubah) lain. Sehingga sebenarnya model yg lebih cocok adalah terdiri dari sebenarnya model yg lebih cocok adalah terdiri dari beberapa persamaan yg saling berkaitan (model beberapa persamaan yg saling berkaitan (model persamaan simultan). Dalam kasus seperti ini ada persamaan simultan). Dalam kasus seperti ini ada beberapa metode yang 'lebih baik' untuk digunakan beberapa metode yang 'lebih baik' untuk digunakan misalnya metode intrumental, ILS, 2SLS, 3SLS, FIMLmisalnya metode intrumental, ILS, 2SLS, 3SLS, FIML

Model Deret Waktu Model Deret Waktu EkonometrikEkonometrik Beberapa model deret waktu tanpa menggunakan pendekatan model Beberapa model deret waktu tanpa menggunakan pendekatan model

ekonometrik adalah ekonometrik adalah ARMAARMA (untuk data stasioner), (untuk data stasioner), ARIMAARIMA (untuk data (untuk data nonstasioner yg dpt distasionerkan dgn teknik pembedaan).nonstasioner yg dpt distasionerkan dgn teknik pembedaan).

Model Model ARCHARCH dan dan GARCHGARCH: pengembangan metode Box-Jenkins (model : pengembangan metode Box-Jenkins (model ARMA) utk mengatasi ragam yg heterogen. Ragam peubah respons ARMA) utk mengatasi ragam yg heterogen. Ragam peubah respons dimodelkan sebagai fungsi nilai-nilai pd periode yg sdh lewat dari dimodelkan sebagai fungsi nilai-nilai pd periode yg sdh lewat dari peubah respons tsb dan peubah bebas atau eksogen.peubah respons tsb dan peubah bebas atau eksogen.

Model fungsi transferModel fungsi transfer: model peramalan deret waktu berganda yg : model peramalan deret waktu berganda yg menggabungkan beberapa karakteristik model-model ARIMA univariat menggabungkan beberapa karakteristik model-model ARIMA univariat dgn beberapa karakteristik analisis regresi. Dasar pemikiran dgn beberapa karakteristik analisis regresi. Dasar pemikiran kombinasi metode ini, adalah utk menangkap adanya hubungan kombinasi metode ini, adalah utk menangkap adanya hubungan terstruktur di luar model ekonometrik dgn menggunakan model deret terstruktur di luar model ekonometrik dgn menggunakan model deret waktu utk menjelaskan hubungan tesebut dlm sisaan model waktu utk menjelaskan hubungan tesebut dlm sisaan model ekonometrik. Model fungsi transfer merupakan teknik peramalan yg ekonometrik. Model fungsi transfer merupakan teknik peramalan yg lebih baik dibanding persamaan ekonometrik saja atau model deret lebih baik dibanding persamaan ekonometrik saja atau model deret berkala saja karena mengandung penjelasan struktural (ekonometrik) berkala saja karena mengandung penjelasan struktural (ekonometrik) sebagai bagian keragaman ysebagai bagian keragaman ytt, utk menjelaskan hubungan terstruktur, , utk menjelaskan hubungan terstruktur, dan “penjelasan” deret berkala thd sebagian keragaman ydan “penjelasan” deret berkala thd sebagian keragaman ytt yg tdk yg tdk diterangkan secara struktural. Model ini cukup efektif jika tdk ada diterangkan secara struktural. Model ini cukup efektif jika tdk ada feedbackfeedback..

Model Deret Waktu Model Deret Waktu EkonometrikEkonometrik Dlm realitas semua peubah ekonomi merupakan peubah Dlm realitas semua peubah ekonomi merupakan peubah

endogen shg disarankan menggunakan endogen shg disarankan menggunakan model VARmodel VAR ( (vector vector AutoRegressionAutoRegression). Umumnya model VAR digunakan untuk ). Umumnya model VAR digunakan untuk peramalan sistem peubah-peubah deret waktu yg saling peramalan sistem peubah-peubah deret waktu yg saling berpengaruh, dan utk menganalisis dampak dinamis dari berpengaruh, dan utk menganalisis dampak dinamis dari penyimpangan acak thd semua peubah. Model VAR penyimpangan acak thd semua peubah. Model VAR memperlakukan setiap peubah (endogen) dlm sistem sebagai memperlakukan setiap peubah (endogen) dlm sistem sebagai fungsi peubah lag dari semua peubah dlm sistem.fungsi peubah lag dari semua peubah dlm sistem.

Vector Error Correction Model (VECM) Vector Error Correction Model (VECM) merupakan merupakan model VAR yg terrestriksi yg dirancang utk menggunakan model VAR yg terrestriksi yg dirancang utk menggunakan data deret waktu nonstasioner yg terkointegrasi. VECM data deret waktu nonstasioner yg terkointegrasi. VECM merupakan regresi terkointegrasi atau mengalami merupakan regresi terkointegrasi atau mengalami keseimbangan dlm jangka panjang. Istilah terkointegrasi keseimbangan dlm jangka panjang. Istilah terkointegrasi dikenal sebagai istilah koreksi error karena deviasi dari dikenal sebagai istilah koreksi error karena deviasi dari keseimbangan jangka panjang dikoreksi secara bertahap keseimbangan jangka panjang dikoreksi secara bertahap melalui serangkaian dinamika penyesuaian dlm jangka melalui serangkaian dinamika penyesuaian dlm jangka pendek secara parsial.pendek secara parsial.

Model Regresi Panel DataModel Regresi Panel Data Istilah lain dari data panel adalah Istilah lain dari data panel adalah pooled data pooled data (penggabungan data (penggabungan data

time series time series dan dan cross sectioncross section), ), micro panel data micro panel data (kombinasi studi (kombinasi studi atas dasar waktu dari berbagai variabel atau kelompok subjek), atas dasar waktu dari berbagai variabel atau kelompok subjek), event history analysis event history analysis (studi perubahan suatu subjek dengan syarat (studi perubahan suatu subjek dengan syarat waktu), atau waktu), atau cohort analysis cohort analysis (studi jalur perkembangan karir dari (studi jalur perkembangan karir dari sekelompok manajer).sekelompok manajer).

Keuntungan menggunakan data panel dlm model regresi dibandingkan Keuntungan menggunakan data panel dlm model regresi dibandingkan hanya dgn data hanya dgn data time series time series atau hanya dataatau hanya data cross section cross section, yaitu:, yaitu:

1.1. Data panel akan memberikan informasi yg lebih lengkap, lebih Data panel akan memberikan informasi yg lebih lengkap, lebih beragam, kurang berkorelasi antar variabel, derajat bebas lebih beragam, kurang berkorelasi antar variabel, derajat bebas lebih besar dan lebih efisien.besar dan lebih efisien.

2.2. Studi data panel lebih memuaskan untuk menentukan perubahan Studi data panel lebih memuaskan untuk menentukan perubahan dinamis dibandingkan dgn studi berulang dari dinamis dibandingkan dgn studi berulang dari cross sectioncross section..

3.3. Membantu studi utk menganalisis perilaku yang lebih kompleks, Membantu studi utk menganalisis perilaku yang lebih kompleks, misalnya fenomena skala ekonomi dan perubahan teknologi.misalnya fenomena skala ekonomi dan perubahan teknologi.

4.4. Dapat meminimumkan bias yg dihasilkan oleh agregasi individu Dapat meminimumkan bias yg dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak.atau perusahaan karena unit data lebih banyak.

Model Model Input-OutputInput-Output digunakan utk meneliti tingkat saling keterkaitan diantara digunakan utk meneliti tingkat saling keterkaitan diantara

berbagai sektor dlm suatu perekonomian guna memperoleh berbagai sektor dlm suatu perekonomian guna memperoleh gambaran mengenai kontribusi suatu sektor ekonomi terhadap gambaran mengenai kontribusi suatu sektor ekonomi terhadap perekonomian secara keseluruhan dlm memenuhi berbagai tujuan perekonomian secara keseluruhan dlm memenuhi berbagai tujuan pertumbuhan ekonomi.pertumbuhan ekonomi.

Leontief (1951) mempelopori analisis Leontief (1951) mempelopori analisis input-output input-output dgn formulasi dgn formulasi tabel tabel input-outputinput-output..

4 pendekatan dpt digunakan dlm mengidentifikasi sektor-sektor 4 pendekatan dpt digunakan dlm mengidentifikasi sektor-sektor kunci (kunci (key sectorskey sectors) dlm suatu perekonomian dgn menggunakan ) dlm suatu perekonomian dgn menggunakan tabel IO:tabel IO:

1.1. Sektor yg mempunyai kaitan ke belakang (Sektor yg mempunyai kaitan ke belakang (backward linkagebackward linkage) dan ) dan kaitan ke depan (kaitan ke depan (forward linkageforward linkage) yg relatif tinggi.) yg relatif tinggi.

2.2. Sektor yg menghasilkan Sektor yg menghasilkan output bruto output bruto yg relatif tinggi shg mampu yg relatif tinggi shg mampu mempertahankan mempertahankan final demand final demand yg relatif tinggi juga.yg relatif tinggi juga.

3.3. Sektor yg mampu menghasilkan penerimaan bersih devisa yg Sektor yg mampu menghasilkan penerimaan bersih devisa yg relatif tinggi.relatif tinggi.

4.4. Sektor yg mampu menciptakan lapangan kerja yg relatif tinggiSektor yg mampu menciptakan lapangan kerja yg relatif tinggi