1

Data telah siap dalam SPSS

Analisa LPM

Interpretasi data

Menemukan persamaan matematis

Interpretasi Classification tablepd data aktual dan observasi

Pemilihan Model Terbaik

Menemukan persamaan logit

Interpretasi data

Analisa LOGIT

Simulasi

Memastikan kualitas persamaanDgn diagram pencar

Pembandingan hasil ujiR Square;Uji F; uji G; uji t; uji wald

Interpretasi simulasi

BAB IIMETODE

Ekonometrika adalah suatu aplikasi dari metode statistika pada ekonomi.Namun, tidak seperti pada ilmu statistika, yang hanya terfokus kepada data statistik,ilmu ekonometrika merupakan gabungan dari teori ekonomi, matematika, danstatistika. Berikut adalah beberapa metode ekonometrika yang akan dibahas.

Model Dummy Variabel

Variabel Dummy adalah variabel yang merepresentasikan kuantifikasi darivariabel kualitatif. Misal: jenis kelamin, pendidikan, lokasi, situasi, musim, & kualitas.Jika data kualitatif tersebut memiliki m kategori, maka jumlah variabel dummy yangdicantumkan di dalam model adalah (m-1). Kesimpulan yang diambil dari keberadaanvariabel dummy di dalam model adalah perbedaan nilai antar kategori yangbersangkutan. Variabel dummy sering juga disebut variabel boneka, binary, kategorikatau dikotom. Dummy memiliki nilai 1 (D=1) utk salah satu kategori dan nol (D=0)untuk kategori yang lain.

Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan. Variabeldummy juga mencoba membuat kuantifikasi dari variabel kualitatif.

Model Dummy Variabel Dependen

Model-model variabel tak bebas yang bersifat dikotomi dengan mengambil nilai1 atau 0 digunakan dalam situasi dimana variabel tak bebas memperoleh tanggapan yaatau tidak, seperti membeli atau tidak membeli rumah, menjadi anggota organisasiatau tidak, dan lain-lain. Model-model dengan variabel tak bebas boneka (dummy),jika dinyatakan sebagai fungsi linear dari variabel bebas (yang bersifat kuantitatif ataukualitatif atau keduanya) disebut model probabilitas linear (LPM) karena nilai yangdiharapkan dari variabel tak bebas bersyarat atas nilai tertentu dari variabel bebasdapat ditafsirkan sebagai probabilitas bersyarat terjadinya suatu peristiwa.

Model probabilitas linear mengandung beberapa masalah penaksiran dalam hal: 1. Kesalahan pengganggu tidak mengikuti distribusi normal. 2. Varian kesalahan pengganggu heteroskedastik. 3. Probabilitas bersyarat yang ditaksir mungkin tidak terletak antara 0 dan 1

artinya bisa lebih kecil dari nol (negatif) atau lebih besar dari satu.

Masalah pertama tidak serius, karena penggunaan OLS masih menghasilkanpenaksiran tak bias. Untuk sampel yang besar masih bisa melakukan pengujianhipotesis. Masalah kedua dapat ditangani dengan mentransformasikan data. Masalahyang serius adalah masalah probabilitas bersyarat yang ditaksir mungkin tidak terletak

2

antara 0 dan 1. Masalah ini dapat dipecahkan dengan suatu teknik yang menjaminbahwa nilai probabilitas akan terletak antara 0 dan 1.

Selain metode LPM, ada pula metode logit yang lebih baik dipakai dalammenentukan nilai probabilitas kejadian, daripada dengan menggunakan metode LPM.Model Logit adalah model regresi non linier yang menghasilkan sebuah persamaandimana variable dependen bersifat kategorikal. Kategori paling dasar dari modeltersebut menghasilkan binary values seperti angka 1 atau 0. Angka yang dihasilkanmenghasilkan suatu kategori tertentu yang dihasilkan dari perhitungan probabilitasterjadinya kategori tersebut. Bentuk dasar probabilitas dari metode logit sebagaiberikut:

Y i Probabilitas0 1-Pi1 Pi

Total 1

(Gujarati, 2006)

Dalam pengoperasian perhitungan dengan menggunakan SPSS, perlu dilakukantahapan sebagai berikut:1. Metode Linier Programing

- Siapkan data di Excel, copy ke dalam tampilan SPSS.- Ubah Variabel View sesuai nama variable pada masing-masing kolom.- Klik Analyze, kemudian Regresion, dilanjutkan klik Linier.- Masukan masing-masing variable sesuai peranannya sebagai variable

independen atau dependen.- Klik Save (pada sisi kanan), kemudian klik Unstandarized, lanjutkan klik

Continue.- Klik OK.- Selanjutnya, tampilan hasil perhitungan SPSS akan muncul.- Klik pada Variabel view di tampilan data input SPSS, akan muncul hasil

perhitungan probabilitas LPM yang sebelumnya bernama Pre_1. Ubah menjadiHsl_LPM.

- Interpetasikan hasilnya.

2. Metode Logit- Siapkan data di Excel, copy ke dalam tampilan SPSS.- Ubah Variabel View sesuai nama variable pada masing-masing kolom.- Klik Analyze, kemudian Regresion, dilanjutkan klik Binary Logistic.- Masukan masing-masing variable sesuai peranannya sebagai variable

independen atau dependen.- Klik Save (pada sisi kanan), centang Probabilitas.

3

- Klik Continue.- Klik Option, kemudian centang kotak Hosmer dan Iteration History.- Klik Continue.- Klik OK.- Selanjutnya, tampilan hasil perhitungan SPSS akan muncul.- Klik pada Variabel view di tampilan data input SPSS, akan muncul hasil

perhitungan probabilitas dengan metode logit yang sebelumnya bernamaPre_1. Ubah menjadi Hsl_Logit.

- Interpetasikan hasilnya.

3. Pembuatan Diagram Scatter- Untuk membuat diagram Scatter, awali dengan mengubah tanda koma pada

masing-masing tampilan di Excel yang berupa hasil perhitungan probabilitasbaik dengan metode LPM maupun Logit, menjadi tanda titik. Caranya, klikseluruh data yang ada di Excel, kemudian klik Toolbars Find and Select. Ubahpada pilihan Replace ketik tanda koma (,), dan pada Find ketik tanda titik (.).

- Klik OK- Pastikan hasilnya hanya memuat tiga angka di belakang koma.- Selanjutnya, data yang diperoleh tadi masukkan pada kolom yang ada di

Worksheet Output SPSS Probability. - Blok seluruh kolom, kemudian klik Insert dan pilih Diagram Scatter.- Akan muncul tampilan diagram dan beri nama masing-masing kurva/titiknya.- Interpretasikan.

4. Perhitungan Simulasi- Hitung rata-rata masing-masing variable yang ada dalam data, mulai dari

variable X1 hingga variable X4.- Masukan dalam kolom pada worksheet Simulasi.- Copy data hasil perhitungan dengan menggunakan SPSS, pada metode Logit

pada kolom Variables in Equation.- Maka akan diperoleh hasil Odds Ratio.- Interpretasikan hasilnya.

4

BAB IIIHASIL DAN PEMBAHASAN

METODE LINIER PROBABILITY

5

INTERPRETASI: Uji R Square : 0,542

Dari hasil perhitungan, diperoleh nilai R Square 0,542 atau 54%. Jadi, model inimampu menjelaskan variable dependen berdasarkan pengaruh variableindependennya sebesar 54%.

Uji F : 18,023Dari hasil perhitungan, diperoleh nilai uji F yang menggambarkan pengaruh

seluruh variable bebasnya terhadap variable terikatnya sebesar 18, 023 dengan tingkatsignifikasi sebesar 0,00 maka persamaan ini dapat disimpulkan terima Ho parameter ≠0,model jelek yaitu variabel independen yang digunakan dalam model tidak mempunyaipengaruh signifikan terhadap variabel dependen. Uji t : -4, 862

Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masingvariabel independen secara individual dalam menerangkan variasi variabel dependenadalah sebesar -4,862 dengan tingkat signifikasi 0,00, maka dapat dikatakan bahwavariable signifikan dan berpengaruh nyata terhadap variabel pengambilan keputusanpetani.

METODE LOGIT

Penilaian modelPenilaian mengenai baik tidaknya sebuah model dapat dilihat dari nilai log

likelihood pada block 0 (beginning block) dan pada block 1 (method).Log likelihood block-0

6

Log likelihood block-1

Dari hasil SPSS diatas didapatkan nilai log likelihood block-0 sebesar 75,307.Sedangkan nilai log likelihood block-1 didapatkan sebesar 28,791. Suatu modeldikatakan baik jika nilai log likelihood block-0 lebih besar dari log likelihood block-1Dari kedua nilai hasil tersebut dapat dilihat jika nilai log likelihood block-0 lebih besardari log likelihood block-1 yaitu 75,307 > 28,791. Sehingga model persamaan ini dapatdikatakan model yang BAIK. Uji G (chi-square)

Uji G sama dengan Uji F pada persamaan OLS, dari hasil SPSS diatas baikberdasarkan Hosmer and Lemeshow test didapatkan nilai p-value (nilai sig.) sebesar0,000. Dengan menentukan significant level (α) sebesar 5 % berarti p-value < α. Makadapat disimpulkan bahwa H0 ditolak. Bila H0 ditolak, artimya model yang terdiri dariseluruh variable tersebut signifikan secara statitik pada tingkat signifikansi 5% atausekurang-kurangnya terdapat satu koefisien ≠ 0.

Sedangkan jika dilihat dari perbandingan nilai chi-square hitung yaitu 41,706(Hosmer and Lemeshow ) dengan nilai chi-square table yaitu 9,48773. Nilai X2 (chi-square) hitung lebih besar dari nilai X2 (chi-square) table yaitu 41,706 > 9,48773. makadapat disimpulkan bahwa terima H1, tolak H0 yang artinya secara logit keputusan untukberkoperasi berpengaruh secara signifikan terhadap variabel-variabel sepertiKesadaran fungsi koperasi, Kemudahan bertransaksi, Banyaknya unit usaha koperasi,Kepercayaan thdp koperasi. Dengan demikian model tersebut dapat diterima sebagaipenduga yang baik dan layak untuk digunakan.

7

Ketepatan Model Dalam Memprediksi

Data Observasi

Pada data observasi ini dapat dilihat bahwa terdapat 66 responden dalammengambil keputusan untuk mengikuti kegiatan berkoperasi atau tidak. Keputusanpetani dalam berkoperasi yang tidak mengikuti kegiatan koperasi adalah sebesar 17responden sedangkan yang mengikuti kegiatan koperasi adalah sebesar 49 responden.Dengan demikian persentase kebenaran yang didapat adalah sebesar 74,2% dengantingkat kesalahan sebesar 5%.

Data Prediksi

Setelah dilakukan analisis menggunakan logit, didapatkan suatu data prediksidalam keputusan petani untuk berkoperasi. Disini dapat dilihat bahwa bahwa terdapat66 responden dalam mengambil keputusan untuk mengikuti kegiatan berkoperasi atautidak.

Keputusan petani dalam berkoperasi yang tidak mengikuti kegiatan koperasiadalah sebesar 14 responden tetapi disini terdapat suatu penyimpangan/kesalahandimana 3 responden memilih untuk mengikuti kegiatan berkoperasi. Dengan demikianpresentase kebenaran petani untuk tidak mengikuti kegiatan koperasi adalah sebesar82,4%

Keputusan petani dalam berkoperasi yang mengikuti kegiatan koperasi adalahsebesar 48 responden tetapi disini terjadi suatu penyimpangan/kesalahan dimana 1

8

responden memilih untuk tidak berkoperasi. Dengan demikian presentase kebenaranpetani untuk mengikuti kegiatan koperasi adalah sebesar 98%

Dengan demikian jika dibandingkan antara keputusan petani dalam berkoperasiatau tidak , persentase kebenarannya adalah sebesar 93,9% dengan tingkat kesalahanditolerir sebesar 5%.

Jadi, dalam data observasi telah ditunjukkan bahwa petani yang tidak mengikutikegiatan berkoperasi sebesar 17 responden sedangkan keputusan petani dalamberkoperasi sebesar 49 responden. Setelah dilakukan analisis model didapati terjadipenyimpangan sebesar 3 responden yang seharusnya memutuskan untuk tidakberkoperasi menjadi berkoperasi. Hal ini juga terjadi penyimpangan dalam keputusanbetani yang seharusnya memilih untuk berkoperasi menjadi tidak berkoperasi sebesar1 responden. Sehingga ketepatan model di atas sebesar 93,9% dengan tingkatkesalahan ditolerir sebesar 5%.

UJI WALD

a. UJi Wald pada Variabel Kesadaran fungsi koperasi (X1)

Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masingvariabel independen secara individual dalam menerangkan variasi variabeldependen adalah sebesar 2,308 dengan tingkat signifikasi 0,129, maka dapatdikatakan bahwa variable tidak signifikan dan berpengaruh nyata terhadapvariabel pengambilan keputusan petani.

Sehingga dapat disimpulkan bahwa terima H0, artinya parameter tersebut tidaksignifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)menunjukkan nilai 1.806 yang artinya bahwa peluang untuk menjadi anggotakoperasi yang dipengaruhi oleh variabel kesadaran fungsi koperasi 1.806 kalilebih besar peluangnya daripada peluang untuk tidak menjadi anggotakoperasi.

b. Uji Wald pada Variabel Kemudahan bertransaksi (X2)

Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masingvariabel independen secara individual dalam menerangkan variasi variabeldependen adalah sebesar 0,000 dengan tingkat signifikasi 0,985, maka dapat

9

dikatakan bahwa variable tidak signifikan dan berpengaruh nyata terhadapvariabel pengambilan keputusan petani.

Sehingga dapat disimpulkan bahwa terima H0, artinya parameter tersebut tidaksignifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)menunjukkan nilai 1.006 yang artinya bahwa peluang untuk menjadi anggotakoperasi yang dipengaruhi oleh variabel kemudahan bertransaksi 1.006 kalilebih besar peluangnya daripada peluang untuk tidak menjadi anggotakoperasi.

c. Uji Wald pada Variabel Banyaknya Unit Usaha Koperasi (X3)

Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masingvariabel independen secara individual dalam menerangkan variasi variabeldependen adalah sebesar 6,312 dengan tingkat signifikasi 0,012, maka dapatdikatakan bahwa variable signifikan dan berpengaruh nyata terhadap variabelpengambilan keputusan petani.

Sehingga dapat disimpulkan bahwa tolak H0, artinya parameter tersebutsignifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)menunjukkan nilai 3.200 yang artinya bahwa peluang untuk menjadi anggotakoperasi yang dipengaruhi oleh variabel banyaknya unit usaha koperasi 3.200kali lebih besar peluangnya daripada peluang untuk tidak menjadi anggotakoperasi.

d. Uji Wald pada Variabel Kepercayaan pada koperasi (X4)

Dari hasil perhitungan, menunjukkan seberapa jauh pengaruh masing-masingvariabel independen secara individual dalam menerangkan variasi variabeldependen adalah sebesar 7,868 dengan tingkat signifikasi 0,005, maka dapatdikatakan bahwa variable signifikan dan berpengaruh nyata terhadap variabelpengambilan keputusan petani.

Sehingga dapat disimpulkan bahwa tolak H0, artinya parameter tersebutsignifikan secara statistic pada tingkat signifikansi α = 5%. Serta pada Exp (B)menunjukkan nilai 3.251 yang artinya bahwa peluang untuk menjadi anggotakoperasi yang dipengaruhi oleh variabel kepercayaan pada koperasi 3.251 kalilebih besar peluangnya daripada peluang untuk tidak menjadi anggotakoperasi.

e. Uji Wald pada intersep

Pada Variables in the equation, nilai P-value sebesar 0.003. sehingga dapatdisimpulkan bahwa tolak H0, artinya parameter tersebut signifikan secarastatistic pada tingkat signifikansi α = 5%. Serta pada Exp (B) menunjukkan nilai

10

0.000 yang artinya bahwa peluang untuk menjadi anggota koperasi samabesarnya dengan peluang untuk tidak menjadi anggota koperasi

Jadi, dapat disimpulankan dari 5 variabel pembentuk model peluang untukmenjadi anggota koperasi hanya dua variabel yang tidak signifikan yakni variabelkesadaran fungsi koperasi dan kemudahan bertransaksi.

Persamaan :

Ln ) = 0 + 1 1 + 2 2 + 3 3 + 4 4

) =

) =

DIAGRAM SCATTER

Dari tampilan diagram scatter di atas, menunjukan terdapat dua jenis gambaryaitu yang menunjukan Hasil Probabilitas LPM dan Hasil Probabilitas Logit. Dapatdilihat dalam diagram di atas, bahwa Hasil Probabilitas LPM lebih banyak menyebar disekitar nilai rata-rata variabel, dan terkadang melebihi dari dari batas nilai probabilitasyaitu 1 serta terdapat data yang berada di bawah 0 yakni bernilai (-).

Sedangkan, pada Hasil Probabilitas Logit lebih mengumpul (tidak menyebar) disekitar nilai rata-rata variabel, dan tidak sampai melebihi batas probabilitas yaitu 1.Sehingga dapat disimpulkan bahwa, metode Logit lebih mampu memenuhi syaratprobabilitas yaitu 0≤P≤1.

11

PERHITUNGAN SIMULASI

Variabel B S.E. Wald Sig.

x1 .591 .389 2.308 .129x2 .006 .320 .000 .985x3 1.163 .463 6.312 .012x4 1.179 .420 7.868 .005

Constant-

28.9439.884 8.575 .003

a. Variable(s) entered on step 1: x1, x2, x3, x4.

Simulasi-1:Nilai Rata-Rata Xi

Simulasi-2:Kemuduran 5 % dr Rerata

Simulasi-3: X Kemuduran 20% pada x3 dan x4 dr

Rerata8.576 8.15 8.5816.52 15.69 16.5214.97 14.22 13.477.61 7.23 6.85

Odd Ratio 13.464 2.788 0.967Peluang ikut

koperasi0.931 0.736 0.492

a) Simulasi 1Diketahui : Odd Ratio = 13,464

Peluang ikut = 0,931 (Pi)Jadi, peluang atau probabilitas petani yang mengikuti koperasi adalah 0,931atau 93,1%. Kemungkinan berkoperasi adalah 13,464 kali.

b) Simulasi 2Diketahui : Odd Ratio = 2,788 Peluang ikut = 0,736 (Pi)Jadi, peluang atau probabilitas petani yang mengikuti koperasi walaupunterdapat kemunduran sebesar 5% dari faktor-faktor yang mempengaruhikeputusan petani adalah 0,736 atau 73,6%. Kemungkinan berkoperasi adalah2,788 kali.

12

c) Simulasi 3Diketahui : Odd Ratio = 0,967

Peluang ikut = 0,492 (Pi)Jadi, peluang atau probabilitas petani yang mengikuti koperasi walaupunterdapat kemunduran sebesar 10% dari faktor-faktor yang mempengaruhikeputusan petani adalah 0,492 atau 49,2%. Kemungkinan berkoperasi adalah0,967 kali.

Dari ketiga hasil simulasi di atas, dapat disimpulkan bahwa semakain tinggi nilaiOdd rationya maka peluang keikutsertaan petani dalam koperasi semakin menurun.

Nilai odd ratio diperoleh dari persamaan:

kemudian nilai X1; X2; X3; dan X4 dimasukkan dalam persamaan di atas sesuai dengan hasil nilai X1; X2; X3; dan X4 pada simulasi ke 1; 2; dan 3.nilai Peluang Ikut diperoleh dari persamaan:

= dimana kita diminta untuk mencari nilai P1 (peluang ikut). Masukkan nilai odd ratio pada simulasi 1, 2, dan 3 untuk mencari nilai peluangnya (P1) untuk simulasi ke 1,2, dan 3.

13

BAB IVKESIMPULAN

Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameter pendugaan. Variabeldummy juga mencoba membuat kuantifikasi dari variabel kualitatif.

Dalam dummy dependen variable merupakan model-model variabel tak bebas yangbersifat dikotomi dengan mengambil nilai 1 atau 0 digunakan dalam situasi dimanavariabel tak bebas memperoleh tanggapan ya atau tidak.

Dalam data observasi telah ditunjukkan bahwa petani yang tidak mengikuti kegiatanberkoperasi sebesar 17 responden sedangkan keputusan petani dalam berkoperasisebesar 49 responden. Setelah dilakukan analisis model didapati terjadipenyimpangan sebesar 3 responden yang seharusnya memutuskan untuk tidakberkoperasi menjadi berkoperasi. Hal ini juga terjadi penyimpangan dalamkeputusan betani yang seharusnya memilih untuk berkoperasi menjadi tidakberkoperasi sebesar 1 responden. Sehingga ketepatan model sebesar 93,9% dengantingkat kesalahan ditolerir sebesar 5%.

Dari 5 variabel pembentuk model peluang untuk menjadi anggota koperasi hanyadua variabel yang tidak signifikan yakni variabel kesadaran fungsi koperasi dankemudahan bertransaksi.

Dalam dummy variable dapat diestimasi dengan menggunakan metode LinierProbability dan metode Logit.

Dalam prakteknya, metode Linier Probability kurang mampu menjelaskan tentangkemungkinan yang terjadi karena hasil perhitungan terkadang menghasilkan nilaiprobability yang tidak sesuai ketentuan yaitu 0<P<1. Dan metode Logit lebih mampumemenuhi syarat nilai probabilitas.

14