Statistika Ekonomi dan Bisnis 1
Statistika Ekonomi
dan Bisnis
Arif R Hakim
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Topik
Pengujian Hipotesa
Pengujian Normalitas
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
STATISTIKA DESKRIPTIF (REVIEW)
No Kelas Interval
1
15 - 17
2
18 - 20
3
21 - 23
4
24 - 30
Jumlah
fi
20
26
10
4
60
Fi
20
46
56
60
Bn Rp Indonesia
Mn Ringgit Malaysia
Mn $ Singapore
Singapura
3
STATISTIKA DESKRIPTIF (REVIEW 2)
BbMo
b1
b2
P
X = 30.5
S2 = 113
4
17,5 [(18+17)/2]
6 [26-20]
16 [26-10]
3
HIPOTESIS
HIPOTESIS ADALAH PERNYATAAN YANG MASIH LEMAH
5
TINGKAT KEBENARANNYA SEHINGGA MASIH HARUS DIUJI
MENGGUNAKAN TEKNIK TERTENTU
HIPOTESIS DIRUMUSKAN BERDASARKAN TEORI, DUGAAN,
PENGALAMAN PRIBADI/ORANG LAIN, KESAN UMUM,
KESIMPULAN YANG MASIH SANGAT SEMENTARA
HIPOTESIS ADALAH JAWABAN TEORITIK ATAU DEDUKTIF
DAN BERSIFAT SEMENTARA
HIPOTESIS ADALAH PERNYATAAN KEADAAN POPULASI YANG
AKAN DIUJI KEBENARANNYA MENGGUNAKAN
DATA/INFORMASI YANG DIKUMPULKAN MELALUI SAMPEL
JIKA PERNYATAAN DIBUAT UNTUK MENJELASKAN NILAI
PARAMETER POPULASI, MAKA DISEBUT HIPOTESIS
STATISTIK
TIPE HIPOTESIS
HIPOTESIS NIHIL/NOL (H)YAITU HIPOTESIS
6
YANG MENYATAKAN TIDAK ADANYA
HUBUNGAN ANTARA DUA VARIABEL ATAU
LEBIH ATAU TIDAK ADANYA PERBEDAAN
ANTARA DUA KELOMPOK ATAU LEBIH
HIPOTESIS ALTERNATIF (A)YAITU HIPOTESIS
YANG MENYATAKAN ADANYA HUBUNGAN
ANTARA DUA VARIABEL ATAU LEBIH ATAU
ADANYA PERBEDAAN ANTARA DUA
KELOMPOK ATAU LEBIH
CONTOH
Ho : Lasik tidak dapat menghilangkan minus pada mata
Ha : Lasik dapat menghilangkan minus pada mata
Ho :Variabel investasi tidak berpengaruh terhadap
PDB
Ha : Variabel investasi berpengaruh terhadap PDB
Ho : Metode baru tidak dapat menjadikan proses kerja
lebih efisien
7
Ha : Metode baru dapat menjadikan proses kerja lebih
efisien
TARAF NYATA dan DAERAH PENOLAKAN (Level
of Significance and the Rejection Region)
H0: m ≥ 3
H1: m < 3
H0: m ≤ 3
H1: m > 3
H0: m = 3
H1: m ≠ 3
a
1 arah
Rejection
Regions
0
a
1 arah
0
2 arah
0
8
Critical
Value(s)
a /2
Prosedur dalam UJI HIPOTESIS
1. Tetapkan HIPOTESIS
Tahap penentuan hipotesis NOL dan ALTERNATIF
yang akan diuji.
2. Tetapkan TARAF NYATA
PENGUJIAN atau α
Tingkat kesalahan yang digunakan dalam penarikan
kesimpulan. Misal 5%.
3. Tetapkan STATISTIK UJI
9
Suatu besaran yang digunakan untuk menarik
kesimpulan (menolak H0 atau gagal menolak H0)
4. Tetapkan DAERAH
PENOLAKAN
Suatu daerah (aturan) yang digunakan untuk
menarik kesimpulan (menolak H0 atau gagal
menolak H0)
5. Buat KESIMPULAN
Kesimpulan berdasarkan keberadaan statistik uji
pada daerah penolakan.
Uji Normalitas
Pengujian ini dimaksudkan untuk mengetahui distribusi
sisaan. Secara teori dapat dibuktikan bahwa E ((ξ i) = 0.
Cara yang paling sederhana dengan membuat histogram
sisaan dan membandingkannya dengan gambar distribusi
normal.
Cara pengujian lain bisa mengggunakan Jarque-Bera Statistics
(JB) dengan memanfaatkan perintah yang terdapat dalam
perangkat lunak.
Tahapan uji normalitas :
Merumuskan hipotesis
Ho : ξ i mengikuti distribusi normal
H1 : ξ i tidak mengikuti distribusi normal
10
Uji Normalitas (Cont.)
Langkah pengujiannya (lanjutan) :
Menentukan tingkat signifikansi pengujian ((α )
Mencari nilai JB-statistics dengan formula sebagai
berikut :
n k 1
JB hit
S
6
11
2
( K 3) 2
4
Dimana :
n adalah banyaknya observasi dan k adalah banyaknya
variable bebas
S adalah ukuran kemencengan kurva (Skewness)
K adalah ukuran keruncingan kurva (Kurtosis)
Membandingkan nilai JB (Jacque Beraa) statistics dengan
chi squared-tabel atau dengan Prob JB-stat.
Uji Normalitas (Cont.)
• Membandingkan nilai JB (Jacque Beraa) statistics dengan chi
squared-tabel atau dengan Prob JB-stat.
12
Contoh Pengujian (1)
13
Contoh Pengujian (2)
14
Contoh Pengujian (3)
15
Latihan
Carilah 1 artikel dengan topik utama mengenai ekonomi.
Tentukan, variabel apa yang terlibat dalam artikel tersebut
Buatlah ilustrasi untuk salah satu variabel
Berdasarkan ilustrasi sebelumnya, masuk kategori manakah variabel yang
saudara pilih
Kriteria skala pengukuran
Kriteria sumber atau asal data
Kriteria Sifat
Kriteria waktu pengumpulan
Tentukanlah keinginan/harapan dan susunlah hipotesa dari artikel
tersebut diatas
Lakukanlah pengujian (pilih output pada contoh pengujian 1) untuk
membuktikan hipotesa diatas dan simpulkan
Lakukanlah pengujian normalitas (pilih output pada contoh pengujian 2)
dan simpulkan
16
Topik
Uji Proporsi 2 Populasi
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
PENDAHULUAN
Pengujian ini dapat digunakan pada data
kualitatif dan dapat dikelompokkan menurut
dua ketegori yang sama.
Prinsip Pengujian
18
ARH 28052014
PENGUJIAN PROPORSI DUA POPULASI
Buat hipotesisnya yakni sebagai berikut :
Ho: P1=p2
H1: P1 p2
Hitung statistik uji berdasarkan data sample yang diperoleh
dengan formula
Tentukan taraf nyata pengujian () dan tentukan juga Z/2 .
Kesimpulan dengan kriteria Jika |Z| > Z/2 , maka tolak
Ho, selainnya terima H1
ARH 28052014
19
Contoh : Proporsi Dua Populasi
20
ARH 28052014
Penyelesaian : Proporsi Dua Populasi
21
ARH 28052014
LATIHAN 1
Sebuah survei untuk menguji dugaan bahwa pengguna sabun merk A di
Kota A sama dengan di Kota B Sample random 235 responden di Kota
A diperoleh bahwa proporsi pengguna sabun merk A adalah 0.66, dan
255 Sample random di Kota B memperoleh bahwa pengguna sabun
merk A adalah 0.33. Buktikan apakah pengguna sabun merek A di
kedua kota tersebut sama.
Manajer Shantuka, sekelompok hotel berbintang 5 yang terletak di 2
pulau. Pada salah satu pulau, Shantuka memiliki 2 hotel, kota A dan kota
B. Pertanyaan yang diajukan adalah Apakah Anda senang dengan layanan
hotel ini? , 163 dari 227 tamu di kota A menjawab ya & 154 dari 262
tamu di kota B menjawab ya. Pd α = 5% buktikan apakah penilaian
tamu antara kedua hotel tersebut yang menyatakan senang (ya) adalah
sama atau tidak?
ARH 28052014
22
Topik
Uji Rata
Rata 2 Populasi Dependen (Metode
Non Parametrik)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Uji Peringkat Bertanda Wilcoxon
Uji
Wilcoxon merupakan pengujian hipotesis
dalam kasus data berpasangan dengan
mempertimbangkan arah maupun besaran arah.
Statistik uji berupa nilai terkecil (notasi : w) dari
jumlah total peringkat bagi selisih yang positif
(notasi : w+) maupun jumlah total peringkat bagi
selisih yang negatif (notasi : w-).
Hipotesis dan statistik hitung uji Peringkat
Bertanda Wilcoxon
24
ARH 02062014
Uji Peringkat Bertanda Wilcoxon
Langkah Pengujian uji Peringkat Bertanda Wilcoxon :
Penentuan hipotesis
25
Ho :
Ha :
Penentuan tingkat signifikansi alpha (derajat keyakinan)
Penentuan tingkat peringkat dimana peringkat 1 diberikan
diberikan pada di dengan nilai absolut terkecil dan
seterusnya. Bila ada dua atau lebih di yang nilai mutlaknya
sama, berikan kepada masing-masing peringkat rata-ratanya.
Mencari statistik uji dengan jumlah total peringkat bagi
selisih yang positif maupun yang negatif serta nilai terkecil.
Keputusan tolak Ho jika nilai w lebih besar dari nilai tabel uji
peringkat bertanda Wilcoxon, sebaliknya terima Ha jika nilai
w lebih kecil dari nilai tabel uji peringkat bertanda Wilcoxon.
ARH 02062014
Latihan
Data berikut adalah berapa lama dalam jam,
sebuah alat listrik pencukur rambut dapat
digunakan sebelum harus diisi tenaga listrik
kembali. Datanya adalah sebagai berikut : 1.5;
2.2; 0.9; 1.3; 2.0; 1.6; 1.8; 1.5; 2.0; 1.2; dan
1.7.
Gunakan uji wilcoxon untuk menguji hipotesis
pada taraf nyata 0.05 bahwa alat pencukur secara
rata-rata dapat bekerja 1.8 jam sebelum diisi
tenaga listrik kembali.
26
ARH 02062014
Penyelesaian
Hipotesa Ho :
Ha :
Alpha 5% sehingga w tabel sebesar 8 (tabel wilcoxon).
Perhitungan : Dengan mengurangkan setiap nilai dengan 1.8
serta menentukan peringkat tanpa memperhitungkan tanda,
diperoleh w+ sebesar 13 dan w- sebesar 42.
di
Peringkat
-0.3 0.4 -0.9 -0.5 0.2 -0.2 -0.3 0.2 -0.6 -0.1
5.5
7 10
8
3
3 5.5
3
9
1
Keputusan : Bandingkan dengan w tabel
wilcoxon maka
didapat nilai w yang melebihi wilayah kritiknya sehingga tolak
Ho dan terima Ho. Dengan kata lain lama bekerja alat listrik
pencukur rambut rata-rata tidak berbeda nyata dari 1.8 jam.
27
ARH 02062014
Latihan
28
ARH 02062014
Lampiran : Wilcoxon Tabel
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
n = 5
n = 6
n = 7
1
n = 11
2
1
n = 12
n = 8
n = 9
n = 10
4
6
8
11
0
2
3
5
2
n = 13
4
n = 14
0
6
n = 15
2
8
n = 16
4
14
17
21
26
30
36
7
10
13
16
20
24
11
n = 17
5
14
n = 18
7
17
10
n = 19
21
13
n = 20
25
16
n = 21
30
19
n = 22
41
47
54
60
68
75
28
33
38
43
49
56
35
23
n = 23
40
28
n = 24
46
32
n = 25
52
37
n = 26
59
43
n = 27
66
49
n = 28
83
92
101
110
120
130
62
69
77
85
93
102
73
55
n = 29
81
61
n = 30
90
68
n = 31
98
76
n = 32
107
84
n = 33
117
92
n = 34
141
152
163
175
188
201
111
120
130
141
151
162
127
100
137
109
148
118
159
128
171
138
183
149
Petunjuk
Kerjakanlah semua soal.
Total nilai jika dikerjakan semua sebesar 100.
Hasil pengerjaan (jawaban) harus ditulis tangan atau
diketik pada MS Word.
Ujian bersifat open notes
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Suatu rumah tangga memiliki 5 kategori
pengeluaran, yaitu sebagai berikut.
No
31
Jenis Pengeluaran
1 Makanan
2 Pakaian
3 Tempat tinggal, penerangan,
& bahan bakar
4 Jasa (Pendidikan & Kesehatan)
5 Kenyamanan & Rekreasi
Total
$
Suatu studi ingin dilakukan untuk membuktikan
beberapa hal, dengan tahapan langkah sebagai berikut.
Pilihlah region berdasarkan pembagian yang ada.
Identifikasikan komponen pengeluaran berdasarkan
kategori 5 kelompok tersebut serta hitung reratanya.
Buatlah diagram atau grafik yang menggambarkan
proprosi setiap komponen pengeluaran yang dilakukan
rumah tangga pada suatu region.
Lakukan pengujian normalitas terhadap 5 kategori
kelompok pengeluaran tersebut.
32
Bila diduga, komponen pengeluaran makanan
mempunyai konstribusi hingga 25%, buktikan apakah
hal tersebut berlaku diregion pilihan saudara.
Bila diduga pengeluaran makanan rerata rumah
tangga hingga Rp 525.000,- serta standar deviasi
sebesar Rp 283.000,-. Buktikan apakah hal tersebut
berlaku diregion saudara.
Bila diduga pengeluaran non makanan rerata rumah
tangga hingga Rp 481.000,- serta standar deviasi
sebesar Rp 630.764,-. Buktikan apakah hal tersebut
berlaku diregion saudara
33
Topik
Uji Rata
Rata 2 Populasi Dependen (Metode
Parametrik)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Jika σD diketahui, selisih pasangan data
sampel
berdistribusi
normal,
maka
diketahui,
selisih
gunakan uji Z atau uji F
Jika
σD
tidak
pasangan data sampel berdistribusi normal
maka gunakan uji t
35
Perumusan Hipotesa
Dua arah
Arah kanan
Arah kiri
H0: µD = µH0 versus H1: µD ≠ µH0
H0: µD ≤ µH0 versus H1: µD > µH0
H0: µD ≥ µH0 versus H1: µD < µH0
dimana
µD = rata-rata selisih pasangan data dari 2
populasi
µH0 = nilai dugaan untuk µD
36
PENGUJIAN DUA RATA-RATA 2 POPULASI (σ
TIDAK DIKETAHUI)
Buat hipotesisnya yakni sebagai berikut :
Ho: =0
H1: 0
Hitung statistik uji berdasarkan data sample yang diperoleh
dengan formula :
thit
D
S
0
D
n
Tentukan taraf nyata pengujian () dan tentukan juga t/2(n-1)
Kesimpulan dengan kriteria Jika |t| > t/2(n-1) , maka tolak
Ho, selainnya terima H1
PENGUJIAN DUA RATA-RATA 2 POPULASI (σ
DIKETAHUI)
Buat hipotesisnya yakni sebagai berikut :
Ho: =0
H1: 0
Hitung statistik uji berdasarkan data sample yang diperoleh
dengan formula :
D
Zhit
D
atau
n
Tentukan taraf nyata pengujian () dan tentukan juga Z
Kesimpulan dengan kriteria Jika |Z| > Z, maka tolak Ho,
selainnya terima H1
Latihan 1.1
39
Penyelesaian
w1
40
Slide 40
w1
Nilai t-hitung tidak tepat, karena yang tampil untuk alpha 10%.
Koreksi t-tabel alpha 5% dengan df= 9 sebesar 2.262.
win7, 10/ 02/ 2014
Latihan 1.2
41
Topik
Uji Rata
Rata 2 Populasi Independen (Metode
Non Parametrik)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Pengujian ini mengasumsikan data tidak
berdistribusi normal.
Karena kedua sampel independen maka
ukuran sampel dapat berbeda.
Data yang digunakan cenderung bersifat
kuantitatif.
43
Pengantar
Jika σi diketahui, 2 sampel data sampel tidak
berdistribusi normal, maka gunakan uji Z
Jika σi tidak diketahui dan σ12 = σ22 serta 2 sampel
data sampel tidak berdistribusi normal, maka gunakan
uji t (pooled variance).
Jika σi tidak diketahui dan σ12
σ22 serta 2 sampel
data sampel tidak berdistribusi normal, maka gunakan
uji t (separate variance).
44
Perumusan Hipotesa
2 arah
1 arah kanan
1 arah kiri
45
H0: µ1 - µ2= 0
H1: µ1 - µ2 0
H0: µ1 - µ2 ≤ 0
H1: µ1 - µ2 > 0
H0: µ1 - µ2 ≥ 0
H1: µ1 - µ2 < 0
PENGUJIAN DUA RATA-RATA 2 POPULASI
INDEPENDEN (σi diketahui)
Buat hipotesisnya yakni sebagai berikut :
Ho: 1 - 2= 0
H1: 1 - 2 0
Hitung statistik uji berdasarkan data sample yang diperoleh dengan
formula :
Zhit
(x
1
x
2
1
n
2
)
1
n
H0
2
2
2
Tentukan taraf nyata pengujian () dan tentukan juga t/2(n-1)
Kesimpulan dengan kriteria tolak Ho jika :
2 arah |Zhit |> Zα/2
1 arah kiri: Zhit < Zα
1 arah kanan: Zhit > Zα
PENGUJIAN DUA RATA-RATA 2 POPULASI
INDEPENDEN (σi tidak diketahui dan σ12 = σ22)
Buat hipotesisnya yakni sebagai berikut :
Ho: 1 - 2= 0
H1: 1 - 2 0
Hitung statistik uji berdasarkan data sample yang diperoleh dengan
formula :
thit
(x
1
x
2
)
H0
2
(n 1)s (n 1)s
1
2
1
2
n n 2
1
2
2
1
n
1
1
n
2
Tentukan taraf nyata pengujian () dan tentukan juga t/2(n-1)
Kesimpulan dengan kriteria tolak Ho jika :
2 arah |thit | > t[α/2;df]
1 arah kiri: thit < t[α;df]
1 arah kanan: thit > t[α;df]
dimana df = n1 + n2 - 2
PENGUJIAN DUA RATA-RATA 2 POPULASI
INDEPENDEN (σi tidak diketahui dan σ12 σ22)
Buat hipotesisnya yakni sebagai berikut :
Ho: 1 - 2= 0
H1: 1 - 2 0
Hitung statistik uji berdasarkan data sample yang diperoleh dengan
formula :
thit
(x
1
x
2
)
H0
2
(n 1)s (n 1)s
1
2
1
2
n n 2
1
2
2
1
n
1
1
n
2
Tentukan taraf nyata pengujian () dan nilai hitung
Kesimpulan dengan kriteria tolak Ho 2 sisi:
2 arah | thit |> t[α/2;df]
1 arah kiri: thit < t[α;df]
dimana
1 arah kanan: thit > t[α;df]
df
s
s
2
1
n
1
2
s
1
n
1
2
n
2
2
2
2
s
2
2
n
2
2
n 1 n 1
1
2
LATIHAN 1
Sebuah survei untuk menguji dugaan bahwa pengguna sabun merk
DOVIE di Kota A sama dengan di Kota B. Sample random sebanyak
235 responden di Kota A dan 255 responden di Kota B. Bila rata-rata
pengeluaran sabun dikedua kota masing-masing sebesar Rp 12.5 (ribu)
dan Rp 15.5 (ribu). Adapun simpangan baku kedua kota, masingmasing sebesar Rp 5 (ribu) dan Rp 6 (ribu). Bila diasumsikan data hasil
survey tidak berdistribusi normal. Buktikan apakah pengguna sabun
merek A di kedua kota tersebut sama.
Dari dua populasi yang tidak saling bebas, terdapat 2 divisi dimana
divisi 1 beranggotakan 10 dan divisi 2 beranggotakan 13. Pengujian
kedua kelompok bermaksud untuk mengetahui apakah terdapat
perbedaan gaji diantara kedua divisi tersebut. Buktikan (alpha=5%).
49
LATIHAN 2
Dari dua populasi yang tidak saling bebas, terdapat 2 divisi. Bila
diasumsikan data tidak berdistribusi normal dan varians kedua
kelompok sama. Pengujian kedua kelompok bermaksud untuk
mengetahui apakah terdapat perbedaan gaji diantara kedua divisi
tersebut. Buktikan (alpha 5%)
50
Latihan 3
51
Topik
Uji 2 populasi atau lebih (minimal 3)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
53
Jenis Uji : Friedman
Asumsi Uji :
Kelompok data bersifat dependen
Data tidak berdistribusi normal
Tidak ada interaksi antar blok
Setiap nilai pengamatan dalam setiap
blok / kelompok dapat diperingkat
menurut besarnya
ARH
Prosedur Uji
Tentukan hipotesa
Ho : Populasi
populasi dalam suatu blok
adalah identik
Ha : Sekurang-kurangnya salah satu perlakuan
cenderung menghasilkan nilai-nilai lebih besar
dibanding sekurang-kurangnya salah satu
perlakuan lain
Tentukan alpha
Nilai statistik uji
54
ARH
Prosedur Uji (2)
Bila terdapat angka yang sama, maka ada
penyesuaian statistik uji dengan membagi
dengan
dimana
dengan ti merupakan
banyaknya nilai pengamatan yang sama untuk
suatu peringkat dalam blok ke i
55
ARH
Prosedur Uji (3)
Pengujian :
• Bandingkan nilai
dengan X2 (Chi Square tabel)
dimana df = k-1.
• Adapun k = jumlah kelompok; b=jumlah data pada
setiap kelompok (cenderung sama).
Kesimpulan:
• Jika nilai
> X2 (Chi Square tabel), maka tolak Ho
terima Ha. Artinya sekurang-kurangnya salah satu
metode / kelompok memberikan nilai yang berbeda.
• Jika nilai
< X2 (Chi Square tabel), maka terima Ho
tolak Ha. Artinya Ketiga kelompok atau metode adalah
identik.
ARH
56
Contoh Latihan
57
ARH
Penyelesaian
58
ARH
Penyelesaian
59
ARH
Penyelesaian
60
ARH
Topik
Uji 2 populasi atau lebih Untuk Data Saling
Berhubungan
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Alat Uji : Durbin
Asumsi Uji :
Setiap blok saling bebas dari yang lain
Data tidak berdistribusi normal
Asumsi untuk rancangan blok tidak lengkap
berimbang (balanced incomplete block design)
Setiap nilai pengamatan dalam setiap blok /
kelompok dapat diperingkat menurut besarnya
62
ARH
Prosedur Uji
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho : Semua perlakuan memberikan efek-efek yang sama
Ha : Reaksi reaksi terhadap sekurang-kurangnya salah
satu perlakuan cendeung lebih besar daripada reaksireaksi terhadap sekurang-kurangnya sebuah perlakuan
yang lain
•Tentukan
Tentukan alpha
•Nilai
Nilai statistik uji
63
ARH
Prosedur Uji (2)
Dimana
t = banyaknya perlakuan yang diselidiki
k = banyaknya subjek per blok (k X2 (Chi Square tabel), maka tolak Ho
terima Ha. Artinya reaksi reaksi terhadap sekurangkurangnya salah satu perlakuan cendeung lebih besar
daripada reaksi-reaksi terhadap sekurang-kurangnya
sebuah perlakuan yang lain.
• Jika nilai T < X2 (Chi Square tabel), maka terima Ho
tolak Ha. Artinya semua perlakuan memberikan efekARH yang sama.
65 efek
Topik
Uji 2 populasi atau lebih Untuk Data Tidak
Saling Berhubungan
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Alat Uji : Kruskal Wallis
Asumsi Uji :
Data untuk analisis terdiri dari k sampel acak berukuran
n1, n2, ..... , nk
Pengamatan bebas baik didalam maupun diantara sampel
Variabel yang diamati bersifat kontinu
Skala pengukuran ordinal
Populasi identik kecuali dalam hal lokasi yang mungkin
berbeda untuk sekurang-kurangnya satu populasi
67
ARH
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho : Ke k populasi yang diwakili data tersebut
identik
Ha : Ke k populasi yang diwakili data tersebut tidak
identik
•Tentukan alpha
•Nilai
Nilai statistik uji
68
ARH
Prosedur Uji (2)
Dimana
N = Jumlah seluruh data
ni = banyaknya anggota pada setiap kelompok
Ri = jumlah peringkat-peringkat
k = jumlah kelompok data
Faktor koreksi untuk angka yang sama
69
ARH
Prosedur Uji (3)
Pengujian :
• Bandingkan nilai dengan X2 (Chi Square tabel)
dimana df = k-1.
Kesimpulan:
• Jika nilai H > X2 (Chi Square tabel), maka tolak Ho
terima Ha. Artinya k populasi yang diwakili data
tersebut identik.
• Jika nilai H < X2 (Chi Square tabel), maka terima Ho
tolak Ha. Artinya Ke k populasi yang diwakili data
tersebut tidak identik.
70
ARH
Petunjuk
Kerjakanlah semua soal.
Total nilai jika dikerjakan semua sebesar 100.
Hasil pengerjaan (jawaban) harus ditulis tangan atau
diketik pada MS Word.
Ujian bersifat open notes
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Indonesia merupakan salah satu negara berkembang yang
cukup berhasil dalam melakukan transisi ekonomi. Proses
transisi ekonomi yang dilakukan berupa pemberian
kewenangan lebih luas kepada pemerintah daerah untuk
dapat lebih mandiri dalam melaksanakan pembangunan
daerahnya. Perubahan proses transisi ini sering dikenal
dengan diberlakukannya otonomi daerah.
Otonomi daerah dan desentralisasi yang sudah
berlangsung sejak 2001 menjadi peristiwa yang
menimbulkan perubahan mendasar terhadap hubungan
pemerintah pusat dan daerah, sekaligus perubahan
sebagian masyarakat Indonesia yang sebelumnya terfokus
pada satu kekuasaan, pemerintah pusat di Jakarta menjadi
pendelegasian kekuasaan dan wewenang kepada
pemerintah lokal yang terdapat didaerah, tersebar
diseluruh Indonesia
Sasaran pokok pelaksanaan desentralisasi adalah untuk
mendekatkan
pemerintah
dengan
masyarakat,
sedemikian sehingga kebutuhan dari pihak yang
terakhir ini bisa dipahami betul oleh pihak pertama.
Harapannya, tentu saja, berbagai kebijakan yang
dilakukan pemerintah bisa memenuhi kebutuhan
masyarakat lewat pelaksanaan pembangunan ekonomi
untuk mencapai kesejahteraan sebagai tujuan akhir.
Harapan ini berlandaskan pada asumsi bahwa
hubungan antara pemerintah daerah dengan ( agen )
dengan masyarakat lokal ( prinsipal ) berlangsung
dengan baik ( Hirawan, 2007 ).
Berdasarkan penjelasan diatas, saudara diminta untuk
melihat keberhasilan pelaksanaan desentralisasi dengan
menguji beberapa indikator.
Untuk menjawab hal tersebut maka berikut beberapa hal
yang harus diperhatikan.
a. Tulis daerah yang menjadi rujukan studi sesuai pilihan
saudara/i.
b. Terdiri dari berapa kabupaten/kota, daerah yang saudara/i
pilih.
c. Indikator pertumbuhan ekonomi (Tabel 1), uji apa yang
digunakan dan apakah terhadap perbedaan sepanjang
periode 2008 sd 2010.
74
d. Indikator distribusi tenaga kerja menurut sektor (Tabel 3),
uji apa yang digunakan dan apakah terdapat perbedaan
sepanjang tahun 2008 sd 2010.
e. Indikator kemiskinan direpresentasikan dengan persentase
penduduk miskin (Tabel 4), apakah persentase penduduk
miskin 2010 lebih rendah dibandingkan 2009.
f. Indikator ketenagakerjaan direpresentasikan dengan angka
partisipasi angkatan kerja (Tabel 5), apakah angka
partisipasi angkatan kerja 2009 lebih baik dibandingkan
angka partisipasi angkatan kerja 2010.
g. Indikator pendidikan (Boleh pilih APM atau APK), apakah
terdapat perbedaan menurut jenjang pendidikan dari SD,
SMP, dan SMA (Tabel 8).
75
h. Berdasarkan indikator pembangunan manusia (Tabel 9),
apakah rata-rata lama sekolah 2010 lebih tinggi
dibandingkan rata-rata lama sekolah 2009.
i. Berdasarkan komposisi BLM, PNPM Mandiri menurut
kab/kota, ujilah apakah terdapat perbedaan antara PNPM
pedesaan dan PNPM perkotaan (Tabel 12).
j. Berdasarkan hasil pengujian yang sudah dilakukan (point a
sd i), apakah daerah saudara/i dapat dikatakan berhasil
atau tidak terkait pelaksanaan desentralisasi.
Selamat mengerjakan
76
Topik
Korelasi Spearman
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Jenis Uji : Korelasi Spearman
Asumsi Uji :
Data untuk analisis untuk sebuah sampel acak yang terdiri atas n
pasangan hasil pengamatan numerik dan non numerik.
Jika data terdiri atas hasil hasil pengamatan dari suatu populasi yang
bivariate maka penetapan ke-n hasil pengamatan tersebut (X1,Y1),
(X2,Y2), ... , (Xn,Yn).
Setiap X ditetapkan peringkat relatif terhadap semua nilai X lain yang
diamati dari yang terkecil hingga yang terbesar.
Setiap Y ditetapkan peringkatnya relatif terhadap semua nilai Y lain
yang teramati, dari yang terkecil hingga yang terbesar.
Jika diantara data terdapat angka yang sama maka diantara nilai X dan
Y harus diberi peringkat rata-rata.
78
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho : X dan Y saling bebas (Tidak ada hubungan
antara X dan Y)
Ha :Terdapat hubungan antara X dan Y
•Tentukan alpha
•Nilai
Nilai statistik uji
79
Prosedur Uji (2)
Dimana
rs = Nilai koefisien peringkat spearman
n = Banyaknya jumlah data pada setiap kelompok
Bila ada angka sama, maka statistik uji menjadi
80
Prosedur Uji (3)
Dimana
Adapun tx dan ty merupakan banyaknya nilai pengamatan X
dan Y yang sama pada suatu peringkat. Angka sama yang sedikit
sangat kecil pengaruhnya kecuali bila terlalu banyak.
Bila ukuran sampel lebih besar dari 30 maka kita dekati dengan
nilai hitung t, sebagai berikut
81
Prosedur Uji (4)
Dimana
Dimana derajat bebas (df) = n-2
82
Prosedur Uji (5)
Pengujian :
Bandingkan nilai dengan nilai korelasi spearman tabel.
Atau jika ukuran sampel lebih besar dari 30, bandingkan dengan ttabel
Kesimpulan:
(Dua Sisi)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel
atau lebih kecil dari nilai negatifnya.
(Satu Sisi Kanan)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel.
(Satu Sisi Kiri)
Tolak Ho terima Ha. Jika nilai hitung lebih kecil dari nilai
negatifnya.
83
Topik
Korelasi Pearson
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Alat Uji : Korelasi Pearson
Asumsi Uji :
Asumsi data berdistribusi normal
Tidak mempersoalkan variabel bebas maupun variabel
tergantung (pola hubungan simetris)
Variabel yang dihubungkan mempunyai data yang dipilih
secara acak
Variabel yang dihubungkan mempunyai pasangan sama dari
subyek yang sama pula
Variabel bersifat kuantitatif (rasio/interval)
85
Prosedur Uji
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho :Tidak terdapat hubungan yang signifikan antara X
dan Y
Ha :Terdapat hubungan yang signifikan antara X dan Y
Tentukan alpha
• Nilai statistik uji
86
Prosedur Uji (2)
Dimana
rs = Nilai koefisien pearson
n = Banyaknya jumlah data pada setiap kelompok
Pengujian lanjutan dengan uji signifikansi untuk melihat makna
hubungan variabel X terhadap Y, dengan formula sebagai berikut
t
hitung
r n2
1 r2
Dimana
thitung = Nilai t
r
= Nilai Koefisien korelasi
n
= Jumlah Sampel
87
Prosedur Uji (3)
Selain itu, kita dapat juga menghitung Koefisien
Determinasi. Definisinya adalah suatu ukuran nilai yang
digunakan untuk mengetahui persentase sumbangan
variabel X dalam menjelaskan variabel Y. Formulanya
sebagai berikut :
KP = r2 x 100%
Dimana
KP = Nilai Koefisien Determinan
r
= Nilai Koefisien Korelasi
88
Prosedur Uji (4)
Pengujian :
Bandingkan nilai dengan nilai t-tabel dengan derajat bebas = n-2.
Kesimpulan:
(Dua Sisi)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel
atau lebih kecil dari nilai negatifnya.
(Satu Sisi Kanan)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel.
(Satu Sisi Kiri)
Tolak Ho terima Ha. Jika nilai hitung lebih kecil dari nilai
negatifnya
89
Lampiran
tabel
korelasi
spearman
n
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
90
29
30
1a 0.900
0.950
0.8000
0.8000
0.6000
0.7714
0.7000
0.5357
0.5000
0.4667
0.4424
0.4182
0.3986
0.3791
0.3626
0.3500
0.3382
0.3260
0.3148
0.3070
0.2977
0.2909
0.2829
0.2767
0.2704
0.2646
0.2588
0.2540
0.2490
0.2443
0.2400
0.975
0.990
0.8000
0.9000
0.9000
0.6786
0.7450
0.8571
0.6190
0.5833
0.5515
0.5273
0.4965
0.4780
0.4593
0.4429
0.4265
0.4118
0.3994
0.3895
0.3789
0.3688
0.3597
0.3518
0.3435
0.3362
0.3299
0.3236
0.3175
0.3113
0.3059
0.8286
0.7143
0.6833
0.6364
0.6091
0.5804
0.5549
0.5341
0.5179
0.5000
0.4853
0.4716
0.4579
0.4451
0.4351
0.4241
0.4150
0.4061
0.3977
0.3894
0.3822
0.3749
0.3685
0.3620
0.995
0.8857
0.9429
0.8095
0.8571
0.7667
0.7333
0.7000
0.6713
0.6429
0.6220
0.6000
0.5824
0.5637
0.5480
0.5333
0.5203
0.5078
0.4963
0.4852
0.4748
0.4654
0.4564
0.4481
0.4401
0.4320
0.4251
0.999
0.8929
0.9643
0.8167
0.9000
0.7818
0.7455
0.7273
0.6978
0.6747
0.6536
0.6324
0.6152
0.5975
0.5825
0.5684
0.5545
0.5426
0.5306
0.5200
0.5100
0.5002
0.4915
0.4828
0.4744
0.4665
0.9286
0.8667
0.8364
0.8182
0.7912
0.7670
0.7464
0.7265
0.7083
0.6908
0.6737
0.6586
0.6455
0.6318
0.6186
0.6070
0.5962
0.5856
0.5757
0.5660
0.5567
0.5479
Tujuan Pembelajaran
Mahasiswa dapat mengetahui, mengenal &
memahami spesifikasi model,
sederhana dan interpretasi output.
regresi
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Regresi : Pendahuluan
Hubungan antara penjualan (y) dan promosi (x) bisa dinyatakan dalam
bentuk matematis sebagai berikut :
..............................................................(1)
Berikutnya, hubungan keduanya dapat dinyatakan sebagai hubungan
linier ataupun non-linier. Untuk persamaan linier, hubungan x dan y
sbb:
........................................................(2)
Jika diperhatikan persamaan (2) merupakan persamaan yang
menggambarkan hubungan antara promosi dengan penjualan. Dalam
konteks ini, parameter 1 dan 2 menjadi sangat penting untuk
diketahui berapa nilainya karena bagi pemilik restoran Wartega karena
nilai tersebut sangat menentukan dalam mengambil kebijakan.
Karena model hubungan yang dibangun dari model matematika
ekonomi masih bersifat deterministik dan pasti artinya nilai parameter
1 dan 2 bersifat exact. Maka, karena data yang digunakan untuk
menelaah hubungan tersebut dikumpulkan dari fenomena kehidupan
nyata dimana perilaku manusia sebagai agen ekonomi sulit untuk
diprediksi, maka dalam kenyataannya persamaan (2) kurang lengkap.
92
Mengapa demikian?
Regresi : Pendahuluan
Karena ada satu faktor ketidikapastian perilaku manusia yang belum
dimasukkan. Maka dari itu, harus memasukkan faktor tersebut dan dalam
istilah ekonometrika faktor ketidak pastian yang bersifat random tersebut
dikenal dengan istilah disturbance yang dilambangkan sebaagai ε . Maka
persamaan (2) menjadi sbb.
................................................................(3)
Keterangan persamaan diatas sbb :
Variabel bebas (x) dinyatakan di sebelah kanan persamaan dan variabel
tidak bebas atau dependent variable (y) dinyatakan di sebelah kiri
persamaan.
β 1 dan β 2 disebut sebagai parameter.
β 1 disebut dengan intersep ketika nilai x sama dengan nol.
β 2 juga disebut dengan slope. Slope menyatakan berapa besar
perubahan tingkat penjualan jika promosi berubah sebesar satu satuan.
Nilai disturbance ε dapat positip atau negatif.
Untuk penjualan yang dinyatakan dengan unit dan promosi dengan Rp
juta, maka slope dapat diartikan dengan berapa unit perubahan
penjualan jika promosi ditingkatkan sebesar Rp 1 juta.
93
Regresi : Pendahuluan
Beberapa istilah dalam variabel persamaan regresi :
94
Model Regresi yang umum digunakan adalah yang linear dalam
parameter.
OLS (Ordinary Least Square) merupakan teknik yang umum
digunakan dalam mencari nilai parameter terkait.
Analisis Regresi ringkasnya dapat digunakan untuk:
o Menghasilkan besaran parameter beserta informasi mengenai
arahnya (positif atau negatif)
o Pengujian hipotesis (t-statistik, f-statistik), atau lebih lanjut lagi
menggunakan Wald Statistik untuk restriksi parameter yang
lebih kompleks (contoh: mencek adanya return to scale dalam
estimasi fungsi Cobb-Douglas)
Forecasting sederhana
Rangkuman Pemilihan Bentuk Fungsi
95
Contoh Output (1.1)
Dependent Variable: CUP
Method: Least Squares
Date: 09/06/13 Time: 07:14
Sample: 1970 1980
Included observations: 11
Variable
Coefficient
PRICE
-0.4795
C
2.6911
R-squared
0.6628
Adjusted R-squared
0.6253
S.E. of regression
0.1287
Sum squared resid
0.1491
Log likelihood
8.0481
F-statistic
17.6870
Prob(F-statistic)
0.0023
96
Std. Error
t-Statistic
0.1140
-4.2056
0.1216
22.1269
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0023
0.0000
2.2064
0.2103
-1.0997
-1.0273
-1.1453
0.7266
Contoh Output (1.2)
Dependent Variable: LOG(CUP)
Method: Least Squares
Date: 09/06/13 Time: 07:21
Sample: 1970 1980
Included observations: 11
Variable
Coefficient Std. Error
t-Statistic
LOG(PRICE)
-0.2530
0.0494
-5.1251
C
0.7774
0.0152
51.0046
R-squared
0.7448 Mean dependent var
Adjusted R-squared
0.7164 S.D. dependent var
S.E. of regression
0.0501 Akaike info criterion
Sum squared resid
0.0226 Schwarz criterion
Log likelihood
18.4160 Hannan-Quinn criter.
F-statistic
26.2665 Durbin-Watson stat
Prob(F-statistic)
0.0006
97
Prob.
0.0006
0.0000
0.7873
0.0942
-2.9847
-2.9124
-3.0303
0.6801
Contoh Output (1.3)
Dependent Variable: LOG(CUP)
Method: Least Squares
Date: 09/06/13 Time: 07:17
Sample: 1970 1980
Included observations: 11
Variable
Coefficient Std. Error
t-Statistic
PRICE
-0.2203
0.0484
-4.5509
C
1.0100
0.0516
19.5616
R-squared
0.6971 Mean dependent var
Adjusted R-squared
0.6634 S.D. dependent var
S.E. of regression
0.0546 Akaike info criterion
Sum squared resid
0.0269 Schwarz criterion
Log likelihood
17.4731 Hannan-Quinn criter.
F-statistic
20.7104 Durbin-Watson stat
Prob(F-statistic)
0.0014
98
Prob.
0.0014
0.0000
0.7873
0.0942
-2.8133
-2.7409
-2.8589
0.7552
Contoh Output (1.4)
Dependent Variable: CUP
Method: Least Squares
Date: 09/06/13 Time: 07:19
Sample: 1970 1980
Included observations: 11
Variable
Coefficient Std. Error
t-Statistic
LOG(PRICE)
-0.5521
0.1173
-4.7079
C
2.1848
0.0362
60.3554
R-squared
0.7112 Mean dependent var
Adjusted R-squared
0.6791 S.D. dependent var
S.E. of regression
0.1191 Akaike info criterion
Sum squared resid
0.1277 Schwarz criterion
Log likelihood
8.9012 Hannan-Quinn criter.
F-statistic
22.1645 Durbin-Watson stat
Prob(F-statistic)
0.0011
99
Prob.
0.0011
0.0000
2.2064
0.2103
-1.2548
-1.1824
-1.3004
0.6548
Contoh Output (2.1)
100
Contoh Output (2.2)
101
Contoh Output (2.3)
102
Pertanyaan
Berapa jumlah observasi dalam estimasi tersebut
Berapa variabel yang terlibat dan tentukan mana variabel
dependen dan variabel independen
Bagaimana interpretasi variabel independen terhadap variabel
dependen
Bagaimana interpretasi output diatas (uji t; uji F; dan uRsquared)
103
Tujuan Pembelajaran
Mahasiswa
dapat mengetahui, mengenal &
memahami asumsi klasik i.e multikolinearitas,
heterokedastisitas, dan autokorelasi.
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Multikolinearitas
Variable
X1
X2
X3
X4
X5
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
-179.879
0.095
-0.485
-0.760
276.500
134883.500
0.987
0.980
492.602
2426562
-118.138
150.486
0.000
Std. Error
t-Statistic
114.139
-1.576
0.018
5.406
0.272
-1.783
0.238
-3.192
416.896
0.663
28567.120
4.722
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.146
0.000
0.105
0.010
0.522
0.001
65317.0
3512.0
15.517
15.807
15.532
1.573
X1
1.0000
0.9916
0.4647
0.9792
0.9911
X1
X2
X3
X4
X5
Variable
x5
x2
x4
x1
x3
Mean VIF
VIF
243.52
189.27
169.66
93.79
2.22
139.69
1/VIF
0.004
0.005
0.006
0.011
0.450
X2
0.9916
1.0000
0.4464
0.9911
0.9953
x1=f(x2,x3,x4,x5)
x2=f(x1,x3,x4,x5)
x3=f(x2,x1,x4,x5)
x4=f(x2,x3,x1,x5)
x5=f(x2,x3,x4,x1)
X3
0.4647
0.4464
1.0000
0.3644
0.4172
X4
0.9792
0.9911
0.3644
1.0000
0.9940
R-squared
0.989
0.995
0.549
0.994
0.996
X5
0.9911
0.9953
0.4172
0.9940
1.0000
R-squared Model
0.987
0.987
0.987
0.987
0.987
Variable
X12
X3
X4
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
9.736
-0.688
-0.300
65720.370
0.981
0.977
535.449
3440470.000
-120.931
211.097
0.000
Std. Error
t-Statistic Prob.
1.792
5.435
0.000
0.322
-2.135
0.054
0.142
-2.113
0.056
10624.810
6.186
0.000
Mean dependent var
65317
S.D. dependent var
3512
Akaike info criterion
15.616
Schwarz criterion
15.810
Hannan-Quinn criter.
15.626
Durbin-Watson stat
1.654
Heterokedastisitas
Ho : Homoskedastis
Ha : Heterokedastis
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
12.2793 Prob. F(3,520)
Obs*R-squared
34.6656 Prob. Chi-Square(3)
Scaled explained SS
113.3975 Prob. Chi-Square(3)
Prob F-stat
Prob Obs*R-squared
Alpha
F-tabel
Chi-Sqyared Tabel
Pengujian
Kesimpulan
0.0000
0.0000
1000000000.00
7.81
Terima Ho Tolak Ha
Homokedastisitas
0.0000
0.0000
0.0000
Dependent Variable: UPAH
Method: Least Squares
Date: 10/10/13 Time: 11:51
Sample: 1 524
Included observations: 524
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
PENDIDIKAN
0.673
0.065
10.313
JENKEL
0.495
0.283
1.748
PENGALAMAN
0.069
0.011
6.268
C
-3.994
0.872
-4.580
R-squared
0.235
Mean dependent var
Adjusted R-squared
0.231
S.D. dependent var
S.E. of regression
3.242
Akaike info criterion
Sum squared resid
5465.089
Schwarz criterion
Log likelihood
-1357.821
Hannan-Quinn criter.
F-statistic
53.387
Durbin-Watson stat
Prob(F-statistic)
0.000
upah
pendidikan
jenkel
pengalaman
_cons
Coef.
0.673
0.495
0.069
-3.994
Robust
Std. Err.
0.065
0.283
0.011
0.872
Number of obs
F( 3, 520)
Prob > F
R-squared
Root MSE
t
10.310
1.750
6.270
-4.580
P>t
0.000
0.081
0.000
0.000
[95% Conf.
0.545
-0.061
0.047
-5.707
Prob.
0.000
0.081
0.000
0.000
5.905
3.697
5.198
5.230
5.211
1.830
524
37.09
0
0.2355
3.2419
Interval]
0.801
1.052
0.090
-2.281
Autokorelasi
Dependent Variable: UPAH
Method: Least Squares
Date: 10/10/13 Time: 12:09
Sample: 1 524
Included observations: 524
Variable
PENDIDIKAN
JENKEL
PENGALAMAN
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
0.673
0.495
0.069
-3.994
0.235
0.231
3.242
5465.089
-1357.821
53.387
0.000
Std. Error
t-Statistic
0.056
12.080
0.285
1.738
0.011
6.238
0.795
-5.023
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.000
0.083
0.000
0.000
5.905
3.697
5.198
5.230
5.211
1.830
4 - dl < DW < 4
Autokorelasi negatif
2 < DW < 4 du
Tidak terdapat autokor
4 du < DW < 4 dl
Tidak dapat ditentukan
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
1.876
Obs*R-squared
3.768
Prob. F(2,518)
Prob. Chi-Square(2)
0.154
0.152
Ho : Tidak terdapat autokorelasi
Ha : Terdapat autokorelasi
Prob F-stat
Prob Obs*R-squared
Alpha
F-tabel
Chi-Squared Tabel
Pengujian
Kesimpulan
0.1543
0.1520
0.05
3.01
5.99
Terima Ho Tolak Ha
Tidak terdapat autokorelasi
n1
n2
2
518
Iteration 2: rho = 0.0849
Iteration 3: rho = 0.0849
Prais-Winsten AR(1) regression -- iterated estimates
Source
SS
df
MS
Model
Residual
1664.16884
5425.82438
3 554.722945
520 10.4342776
Total
7089.99321
523 13.5563924
upah
Coef.
pendidikan
jenkel
pengalaman
_cons
.6683733
.4859314
.0684023
-3.924279
rho
.0849001
Std. Err.
.0554874
.2821002
.010941
.7931219
t
12.05
1.72
6.25
-4.95
Durbin-Watson statistic (original)
1.829777
Durbin-Watson statistic (transformed) 1.998759
Number of obs
F( 3, 520)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.000
0.086
0.000
0.000
=
=
=
=
=
=
524
53.16
0.0000
0.2347
0.2303
3.2302
[95% Conf. Interval]
.5593662
-.0682648
.0469083
-5.482396
.7773804
1.040128
.0898963
-2.366162
Materi
Regresi dengan Variabel Kualitatif
DummyVariable Trap
Regresi dengan dummy interaksi
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Regresi dengan Variabel Kualitatif
Regresi dengan variabel kualitatif sangat
mungkin dilakukan dalam suatu estimasi.
Bentuk variabel kualitatif dapat berupa jenis
kelamin,
tingkat
pendidikan,
dan
sebagainya.
Variabel kualitatif paling sederhana berupa
biner yaitu pilihan ya atau tidak,
kepemilikan atau bukan, serta jenis kelamin.
Sebagai contoh, kita ingin meihat ada atau
tidak perbedaan gaji pekerja perempuan
dibandingkan lelaki.
115
Dummy Variable Trap
116
Dependent Variable: UPAH
Coefficient
DUM_PRIA
PENDIDIKAN
PENGALAMAN
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
117
0.4955
0.6732
0.0687
-3.9938
0.2355
0.2311
3.2419
5465.0890
-1357.8210
53.3873
0.0000
Std. Error
t-Statistic
0.2850 1.7382
0.0557 12.0802
0.0110 6.2382
0.7951 -5.0227
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0828
0.0000
0.0000
0.0000
5.9051
3.6970
5.1978
5.2303
5.2105
1.8298
Dependent Variable: UPAH
118
DUM_WANITA
PENDIDIKAN
PENGALAMAN
C
Coefficient
-0.4955
0.6732
0.0687
-3.4983
Std. Error
t-Statistic
0.2850
-1.7382
0.0557
12.0802
0.0110
6.2382
0.8133
-4.3017
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.2355
0.2311
3.2419
5465.0890
-1357.8210
53.3873
0.0000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0828
0.0000
0.0000
0.0000
5.9051
3.6970
5.1978
5.2303
5.2105
1.8298
Source
Model
Residual
Total
upah
pendidikan2
pendidikan3
pendidikan4
jenkel
pengalaman
_cons
119
SS
df
1178
5970
MS
5
518
236
12
7148
523
Coef.
Std. Err.
1.382
1.115
2.602
1.025
5.127
1.039
0.493
0.299
0.058
0.012
1.071
1.211
14
t
1.240
2.540
4.930
1.650
5.010
1.130
Number of obs
524
F( 5, 518)
20.440
Prob > F
0.000
R-squared
0.165
Adj R-squared
0.157
Root MSE
3.395
P>t
[95% Conf. Interval]
0.216
-0.809 3.573
0.011
0.588 4.616
0.000
3.086 7.168
0.099
-0.094 1.080
0.000
0.035 0.081
0.259
-0.893 3.316
Source
Model
Residual
Total
upah
pendidikan1
pendidikan2
pendidikan3
pendidikan4
jenkel
pengalaman
120
SS
df
19450
5970
MS
6
518
3242
12
25421
524
Coef.
Std. Err.
1.211
1.071
2.593
0.602
3.813
0.316
6.338
0.313
0.493
0.299
0.012
0.058
49
t
1.130
4.310
12.080
20.270
1.650
5.010
Number of obs
524
F( 6, 518)
281.260
Prob > F
0.000
R-squared
0.765
Adj R-squared
0.762
Root MSE
3.395
P>t
[95% Conf. Interval]
0.259
-0.893 3.316
0.000
1.410 3.777
0.000
3.193 4.434
0.000
5.724 6.953
0.099
-0.094 1.080
0.000
0.035 0.081
Dependent Variable: UPAH
Coefficient
DUM_PRIA
-3.4983
DUM_WANITA
-3.9938
PENDIDIKAN
0.6732
PENGALAMAN
0.0687
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
121
0.2355
0.2311
3.2419
5465.0890
-1357.8210
1.8298
Std. Error t-Statistic
0.8133 -4.3017
0.7951 -5.0227
0.0557 12.0802
0.0110
6.2382
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Prob.
0.0000
0.0000
0.0000
0.0000
5.9051
3.6970
5.1978
5.2303
5.2105
Variabel upah dalam
bentuk logaritma maka
interpretasi dalam bentuk
persentase selisih upah
pria terhadap wanita
sebesar
100 x [exp( 1 ) -1]
Maka selisih upah
perempuan terhadap
lelaki adalah sebesar
100 x [exp(0.296) -1]
= -25.69%.
122
Komponen Interaksi
123
Model :
Output Regresi :
124
Penyelesaian
Hipotesa
Ho : tidak terdapat perbedaan upah antara pria dan wanita menurut tingkat
pendidikan
Ha : terdapat perbedaan upah antara pria dan wanita menurut tingkat
pendidikan
Pengujian :
Berdasarkan kriteria t-hit vs t-tabel (alpha=5%), maka
Kesimpulan :
--------------Interpretasi :
Besarnya pengaruh pendidikan terhadap upah untuk pria sebesar
(0.082*100%) == 8.2%. Sedangkan untuk perempuan sebesar ([0.0820.0056]*100%)==7.6%. Dengan kata lain pengaruh pendidikan
terhadap upah bagi perempuan lebih rendah 0.5% dibandingkan pria
meskipun tidak signifikan.
125
Latihan
126
Pertanyaan
Slide 7 dan 8
1. Pada slide 7, regresi menggunakan intersep atau tidak
2. Pada slide 8, regresi menggunakan intersep atau tidak
3. Dikenal dengan regresi apakah regresi pada slide 7 dan 8
4.Apakah kedua regresi pada slide 7 dan 8 mengalami dummy variable trap,
alasan
5. Berapa besaran upah menurut jenis pendidikan. Jika pendidikan 1=tamat
SD; pendidikan 2=tamat SMP; pendidikan 3=tamat SMA; pendidikan
4=tamat universitas
6. Berapa upah tertinggi dan terendah yang diterima menurut pendidikan
7.Tuliskan persamaan regresi pada slide 7 dan slide 8
Slide 14
1.Adakah perbedaan upah antara pria dan wanita; jika ada berapa besarnya
2.Adakah perbedaan upah antara pria dan wanita menurut status pernikahan;
127 jika ada berapa besarnya
Materi
Model Variabel Terikat Terbatas
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pendahuluan
Studi ekonometri seringkali menggunakan variabel
tergantung yang bersifat numeris serta diasumsikan
bernilai berapapun.
Alternatif penggunaan variabel tergantung bersifat
kualitatif /kategorik /golongan/ dummy atau kita
mencari kemungkinan suatu terjadinya suatu
peristiwa.
Bentuk variabel kualitatif ini dapat berupa keputusan
membeli atau tidak terhadap suatu produk,
kemungkinan seseorang memilih calon kepala daerah
X, keputusan seseorang untuk memilih sesuatu atau
tidak, atau dapat juga keputusan kesediaan membayar
sejumlah nominal uang terhadap peningkatan
perbaikan sarana prasarana tempat wisata.
129
Pendahuluan (2)
Teknik estimasi yang dapat digunakan ada 3 pendekatan
yaitu linier probability model, logit, dan probit.
Menurut Gujarati (2004), pendekatan linear probability
model jarang digunakan karena mengandung beberapa
kelemahan yaitu error tidak berdistribusi normal, tidak
homokedastis, nilai predicted variabel terikat diluar
rentang 0-1, serta rendahnya nilai R2.
Alternatif pendekatan untuk mengatasi hal tersebut
adalah dengan model yang menggunakan fungsi kumulatif
densitas yang bernilai antara 0 dan 1. Pendekatan estimasi
yang digunakan berupa logit maupun probit.
Penggunaan estimasi logit maupun probit bergantung
dari asumsi distribusi error-nya. Jika diasumsikan normal
maka menggunakan probit, sebaliknya jika mengikuti
130 distribusi logistik maka menggunakan logit.
Pendahuluan (3)
Teknik estimasi jika variabel terikat mempunyai lebih dari satu
pilihan (multikategori), bersifat :
Unordered choice, kategori pilihan yang tidak berurutan
seperti pekerja kantoran, pekerja bukan kantoran, atau pekerja
lainnya. Teknik estimasi yang dapat digunakan berupa
multinomial logit atau conditional logit.
Ordered choice, kategori pilihan yang berurutan seperti tidak
layak, layak, dan sangat layak. Teknik estimasi yang dapat
digunakan berupa ordered logit atau ordered probit.
Count Data, kategori pilihan yang menunjukkan jumlah seperti
jumlah pasien yang berkunjung ke klinik dalam sebulan, jumlah
kunjungan wisatawan di Rawapening dalam setahun, dan
jumlah bayi yang dilahirkan oleh perempuan dalam setahun.
Teknik estimasi yang dapat digunakan berupa poisson regression.
Kontinu tapi terbatas pada kisaran tertentu, seperti indeks
prestasi, persentase kepersetaan pensiun, nilai TOEFL, IELTS,
131 dan sebagainya. Maka menggunakan censored regression.
Linear Probability Model
Model menggambarkan hubungan hubungan
variabel dependen dan variabel independen
sebagai binary response model yang bersifat
probabilistik.
Dimana probabilitas terjadinya y=1 dengan xj
bernilai tertentu sbb.
P(y=1|x) =
0
+
1X1
+
2X2
+ ... +
nXn
...(1)
Persamaan (1) diatas, diestimasi dengan OLS.
Dimana model ini tetap banyak digunakan
dan cukup valid jika nilai dari variabel bebas
terdistribusi di sekitar rata-rata.
132
Linear Probability Model (2)
Peningkatan pengalaman sebesar 10 tahun maka probabilitas individu
berada dalam angkatan kerja akan meningkat sebesar 0,39 poin.
Peningkatan usia sebesar 10 tahun maka probabilitas individu berada
dalam angkatan kerja akan menurun sebesar 0,16 poin.
Nilai intercept 0.58, artinya bila saat variabel lain bernilai 0 maka
probabilitas individu berada dalam angkatan kerja sebesar 0.58
133
Logit
Model merupakan alternatif untuk mengatasi
kelemahan linear probability model.
Model yang menggunakan fungsi kumulatif
densitas atau suatu fungsi asimtotik (antara 0
dan 1) pada fungsi objektifnya.
Bentuk umum fungsi densitas kumulatif sbb.
134
..(2)
Sedangkan bentuk fungsi distribusi kumulatif
untuk logit sbb.
...(3)
Logit (2)
Bentuk fungsi densitas kumulatif normal
adalah sebagai berikut.
...(4)
dimana
135
...(5)
Karena sifat G(z) yang non linier maka
estimasi parameter model logit dilakukan
melalui prosedur maximum likelihood
(MLE).
Logit (3)
Interpretasi pada output logit, meliputi sbb.
Uji signifikansi pada parameter dengan melihat nilai
136
p-value yang dibandingkan dengan alpha
Supaya nilai parameter logit dan probit dapat
diperbandingkan maka dapat mengikuti rule of
thumb dari Wooldridge (2005), dengan membagi
nilai koefisien dengan angka 4 untuk logit dan
membagi nilai koefisien dengan angka 2.5 untuk
probit.
Uji
serempak (overall significance) dengan
menggunakan likelihood ratio statistics yang
mengikuti distribusi X2 (Chi Squared).
Uji kesesuaian (goodness of fit) dengan Percent Correctly
Predicted dan Pseudo R-Squared (indikator ini an
dan Bisnis
Arif R Hakim
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Topik
Pengujian Hipotesa
Pengujian Normalitas
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
STATISTIKA DESKRIPTIF (REVIEW)
No Kelas Interval
1
15 - 17
2
18 - 20
3
21 - 23
4
24 - 30
Jumlah
fi
20
26
10
4
60
Fi
20
46
56
60
Bn Rp Indonesia
Mn Ringgit Malaysia
Mn $ Singapore
Singapura
3
STATISTIKA DESKRIPTIF (REVIEW 2)
BbMo
b1
b2
P
X = 30.5
S2 = 113
4
17,5 [(18+17)/2]
6 [26-20]
16 [26-10]
3
HIPOTESIS
HIPOTESIS ADALAH PERNYATAAN YANG MASIH LEMAH
5
TINGKAT KEBENARANNYA SEHINGGA MASIH HARUS DIUJI
MENGGUNAKAN TEKNIK TERTENTU
HIPOTESIS DIRUMUSKAN BERDASARKAN TEORI, DUGAAN,
PENGALAMAN PRIBADI/ORANG LAIN, KESAN UMUM,
KESIMPULAN YANG MASIH SANGAT SEMENTARA
HIPOTESIS ADALAH JAWABAN TEORITIK ATAU DEDUKTIF
DAN BERSIFAT SEMENTARA
HIPOTESIS ADALAH PERNYATAAN KEADAAN POPULASI YANG
AKAN DIUJI KEBENARANNYA MENGGUNAKAN
DATA/INFORMASI YANG DIKUMPULKAN MELALUI SAMPEL
JIKA PERNYATAAN DIBUAT UNTUK MENJELASKAN NILAI
PARAMETER POPULASI, MAKA DISEBUT HIPOTESIS
STATISTIK
TIPE HIPOTESIS
HIPOTESIS NIHIL/NOL (H)YAITU HIPOTESIS
6
YANG MENYATAKAN TIDAK ADANYA
HUBUNGAN ANTARA DUA VARIABEL ATAU
LEBIH ATAU TIDAK ADANYA PERBEDAAN
ANTARA DUA KELOMPOK ATAU LEBIH
HIPOTESIS ALTERNATIF (A)YAITU HIPOTESIS
YANG MENYATAKAN ADANYA HUBUNGAN
ANTARA DUA VARIABEL ATAU LEBIH ATAU
ADANYA PERBEDAAN ANTARA DUA
KELOMPOK ATAU LEBIH
CONTOH
Ho : Lasik tidak dapat menghilangkan minus pada mata
Ha : Lasik dapat menghilangkan minus pada mata
Ho :Variabel investasi tidak berpengaruh terhadap
PDB
Ha : Variabel investasi berpengaruh terhadap PDB
Ho : Metode baru tidak dapat menjadikan proses kerja
lebih efisien
7
Ha : Metode baru dapat menjadikan proses kerja lebih
efisien
TARAF NYATA dan DAERAH PENOLAKAN (Level
of Significance and the Rejection Region)
H0: m ≥ 3
H1: m < 3
H0: m ≤ 3
H1: m > 3
H0: m = 3
H1: m ≠ 3
a
1 arah
Rejection
Regions
0
a
1 arah
0
2 arah
0
8
Critical
Value(s)
a /2
Prosedur dalam UJI HIPOTESIS
1. Tetapkan HIPOTESIS
Tahap penentuan hipotesis NOL dan ALTERNATIF
yang akan diuji.
2. Tetapkan TARAF NYATA
PENGUJIAN atau α
Tingkat kesalahan yang digunakan dalam penarikan
kesimpulan. Misal 5%.
3. Tetapkan STATISTIK UJI
9
Suatu besaran yang digunakan untuk menarik
kesimpulan (menolak H0 atau gagal menolak H0)
4. Tetapkan DAERAH
PENOLAKAN
Suatu daerah (aturan) yang digunakan untuk
menarik kesimpulan (menolak H0 atau gagal
menolak H0)
5. Buat KESIMPULAN
Kesimpulan berdasarkan keberadaan statistik uji
pada daerah penolakan.
Uji Normalitas
Pengujian ini dimaksudkan untuk mengetahui distribusi
sisaan. Secara teori dapat dibuktikan bahwa E ((ξ i) = 0.
Cara yang paling sederhana dengan membuat histogram
sisaan dan membandingkannya dengan gambar distribusi
normal.
Cara pengujian lain bisa mengggunakan Jarque-Bera Statistics
(JB) dengan memanfaatkan perintah yang terdapat dalam
perangkat lunak.
Tahapan uji normalitas :
Merumuskan hipotesis
Ho : ξ i mengikuti distribusi normal
H1 : ξ i tidak mengikuti distribusi normal
10
Uji Normalitas (Cont.)
Langkah pengujiannya (lanjutan) :
Menentukan tingkat signifikansi pengujian ((α )
Mencari nilai JB-statistics dengan formula sebagai
berikut :
n k 1
JB hit
S
6
11
2
( K 3) 2
4
Dimana :
n adalah banyaknya observasi dan k adalah banyaknya
variable bebas
S adalah ukuran kemencengan kurva (Skewness)
K adalah ukuran keruncingan kurva (Kurtosis)
Membandingkan nilai JB (Jacque Beraa) statistics dengan
chi squared-tabel atau dengan Prob JB-stat.
Uji Normalitas (Cont.)
• Membandingkan nilai JB (Jacque Beraa) statistics dengan chi
squared-tabel atau dengan Prob JB-stat.
12
Contoh Pengujian (1)
13
Contoh Pengujian (2)
14
Contoh Pengujian (3)
15
Latihan
Carilah 1 artikel dengan topik utama mengenai ekonomi.
Tentukan, variabel apa yang terlibat dalam artikel tersebut
Buatlah ilustrasi untuk salah satu variabel
Berdasarkan ilustrasi sebelumnya, masuk kategori manakah variabel yang
saudara pilih
Kriteria skala pengukuran
Kriteria sumber atau asal data
Kriteria Sifat
Kriteria waktu pengumpulan
Tentukanlah keinginan/harapan dan susunlah hipotesa dari artikel
tersebut diatas
Lakukanlah pengujian (pilih output pada contoh pengujian 1) untuk
membuktikan hipotesa diatas dan simpulkan
Lakukanlah pengujian normalitas (pilih output pada contoh pengujian 2)
dan simpulkan
16
Topik
Uji Proporsi 2 Populasi
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
PENDAHULUAN
Pengujian ini dapat digunakan pada data
kualitatif dan dapat dikelompokkan menurut
dua ketegori yang sama.
Prinsip Pengujian
18
ARH 28052014
PENGUJIAN PROPORSI DUA POPULASI
Buat hipotesisnya yakni sebagai berikut :
Ho: P1=p2
H1: P1 p2
Hitung statistik uji berdasarkan data sample yang diperoleh
dengan formula
Tentukan taraf nyata pengujian () dan tentukan juga Z/2 .
Kesimpulan dengan kriteria Jika |Z| > Z/2 , maka tolak
Ho, selainnya terima H1
ARH 28052014
19
Contoh : Proporsi Dua Populasi
20
ARH 28052014
Penyelesaian : Proporsi Dua Populasi
21
ARH 28052014
LATIHAN 1
Sebuah survei untuk menguji dugaan bahwa pengguna sabun merk A di
Kota A sama dengan di Kota B Sample random 235 responden di Kota
A diperoleh bahwa proporsi pengguna sabun merk A adalah 0.66, dan
255 Sample random di Kota B memperoleh bahwa pengguna sabun
merk A adalah 0.33. Buktikan apakah pengguna sabun merek A di
kedua kota tersebut sama.
Manajer Shantuka, sekelompok hotel berbintang 5 yang terletak di 2
pulau. Pada salah satu pulau, Shantuka memiliki 2 hotel, kota A dan kota
B. Pertanyaan yang diajukan adalah Apakah Anda senang dengan layanan
hotel ini? , 163 dari 227 tamu di kota A menjawab ya & 154 dari 262
tamu di kota B menjawab ya. Pd α = 5% buktikan apakah penilaian
tamu antara kedua hotel tersebut yang menyatakan senang (ya) adalah
sama atau tidak?
ARH 28052014
22
Topik
Uji Rata
Rata 2 Populasi Dependen (Metode
Non Parametrik)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Uji Peringkat Bertanda Wilcoxon
Uji
Wilcoxon merupakan pengujian hipotesis
dalam kasus data berpasangan dengan
mempertimbangkan arah maupun besaran arah.
Statistik uji berupa nilai terkecil (notasi : w) dari
jumlah total peringkat bagi selisih yang positif
(notasi : w+) maupun jumlah total peringkat bagi
selisih yang negatif (notasi : w-).
Hipotesis dan statistik hitung uji Peringkat
Bertanda Wilcoxon
24
ARH 02062014
Uji Peringkat Bertanda Wilcoxon
Langkah Pengujian uji Peringkat Bertanda Wilcoxon :
Penentuan hipotesis
25
Ho :
Ha :
Penentuan tingkat signifikansi alpha (derajat keyakinan)
Penentuan tingkat peringkat dimana peringkat 1 diberikan
diberikan pada di dengan nilai absolut terkecil dan
seterusnya. Bila ada dua atau lebih di yang nilai mutlaknya
sama, berikan kepada masing-masing peringkat rata-ratanya.
Mencari statistik uji dengan jumlah total peringkat bagi
selisih yang positif maupun yang negatif serta nilai terkecil.
Keputusan tolak Ho jika nilai w lebih besar dari nilai tabel uji
peringkat bertanda Wilcoxon, sebaliknya terima Ha jika nilai
w lebih kecil dari nilai tabel uji peringkat bertanda Wilcoxon.
ARH 02062014
Latihan
Data berikut adalah berapa lama dalam jam,
sebuah alat listrik pencukur rambut dapat
digunakan sebelum harus diisi tenaga listrik
kembali. Datanya adalah sebagai berikut : 1.5;
2.2; 0.9; 1.3; 2.0; 1.6; 1.8; 1.5; 2.0; 1.2; dan
1.7.
Gunakan uji wilcoxon untuk menguji hipotesis
pada taraf nyata 0.05 bahwa alat pencukur secara
rata-rata dapat bekerja 1.8 jam sebelum diisi
tenaga listrik kembali.
26
ARH 02062014
Penyelesaian
Hipotesa Ho :
Ha :
Alpha 5% sehingga w tabel sebesar 8 (tabel wilcoxon).
Perhitungan : Dengan mengurangkan setiap nilai dengan 1.8
serta menentukan peringkat tanpa memperhitungkan tanda,
diperoleh w+ sebesar 13 dan w- sebesar 42.
di
Peringkat
-0.3 0.4 -0.9 -0.5 0.2 -0.2 -0.3 0.2 -0.6 -0.1
5.5
7 10
8
3
3 5.5
3
9
1
Keputusan : Bandingkan dengan w tabel
wilcoxon maka
didapat nilai w yang melebihi wilayah kritiknya sehingga tolak
Ho dan terima Ho. Dengan kata lain lama bekerja alat listrik
pencukur rambut rata-rata tidak berbeda nyata dari 1.8 jam.
27
ARH 02062014
Latihan
28
ARH 02062014
Lampiran : Wilcoxon Tabel
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
One-Sided Two-Sided
0.05
0.1
0.025
0.05
0.01
0.02
0.005
0.01
n = 5
n = 6
n = 7
1
n = 11
2
1
n = 12
n = 8
n = 9
n = 10
4
6
8
11
0
2
3
5
2
n = 13
4
n = 14
0
6
n = 15
2
8
n = 16
4
14
17
21
26
30
36
7
10
13
16
20
24
11
n = 17
5
14
n = 18
7
17
10
n = 19
21
13
n = 20
25
16
n = 21
30
19
n = 22
41
47
54
60
68
75
28
33
38
43
49
56
35
23
n = 23
40
28
n = 24
46
32
n = 25
52
37
n = 26
59
43
n = 27
66
49
n = 28
83
92
101
110
120
130
62
69
77
85
93
102
73
55
n = 29
81
61
n = 30
90
68
n = 31
98
76
n = 32
107
84
n = 33
117
92
n = 34
141
152
163
175
188
201
111
120
130
141
151
162
127
100
137
109
148
118
159
128
171
138
183
149
Petunjuk
Kerjakanlah semua soal.
Total nilai jika dikerjakan semua sebesar 100.
Hasil pengerjaan (jawaban) harus ditulis tangan atau
diketik pada MS Word.
Ujian bersifat open notes
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Suatu rumah tangga memiliki 5 kategori
pengeluaran, yaitu sebagai berikut.
No
31
Jenis Pengeluaran
1 Makanan
2 Pakaian
3 Tempat tinggal, penerangan,
& bahan bakar
4 Jasa (Pendidikan & Kesehatan)
5 Kenyamanan & Rekreasi
Total
$
Suatu studi ingin dilakukan untuk membuktikan
beberapa hal, dengan tahapan langkah sebagai berikut.
Pilihlah region berdasarkan pembagian yang ada.
Identifikasikan komponen pengeluaran berdasarkan
kategori 5 kelompok tersebut serta hitung reratanya.
Buatlah diagram atau grafik yang menggambarkan
proprosi setiap komponen pengeluaran yang dilakukan
rumah tangga pada suatu region.
Lakukan pengujian normalitas terhadap 5 kategori
kelompok pengeluaran tersebut.
32
Bila diduga, komponen pengeluaran makanan
mempunyai konstribusi hingga 25%, buktikan apakah
hal tersebut berlaku diregion pilihan saudara.
Bila diduga pengeluaran makanan rerata rumah
tangga hingga Rp 525.000,- serta standar deviasi
sebesar Rp 283.000,-. Buktikan apakah hal tersebut
berlaku diregion saudara.
Bila diduga pengeluaran non makanan rerata rumah
tangga hingga Rp 481.000,- serta standar deviasi
sebesar Rp 630.764,-. Buktikan apakah hal tersebut
berlaku diregion saudara
33
Topik
Uji Rata
Rata 2 Populasi Dependen (Metode
Parametrik)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Jika σD diketahui, selisih pasangan data
sampel
berdistribusi
normal,
maka
diketahui,
selisih
gunakan uji Z atau uji F
Jika
σD
tidak
pasangan data sampel berdistribusi normal
maka gunakan uji t
35
Perumusan Hipotesa
Dua arah
Arah kanan
Arah kiri
H0: µD = µH0 versus H1: µD ≠ µH0
H0: µD ≤ µH0 versus H1: µD > µH0
H0: µD ≥ µH0 versus H1: µD < µH0
dimana
µD = rata-rata selisih pasangan data dari 2
populasi
µH0 = nilai dugaan untuk µD
36
PENGUJIAN DUA RATA-RATA 2 POPULASI (σ
TIDAK DIKETAHUI)
Buat hipotesisnya yakni sebagai berikut :
Ho: =0
H1: 0
Hitung statistik uji berdasarkan data sample yang diperoleh
dengan formula :
thit
D
S
0
D
n
Tentukan taraf nyata pengujian () dan tentukan juga t/2(n-1)
Kesimpulan dengan kriteria Jika |t| > t/2(n-1) , maka tolak
Ho, selainnya terima H1
PENGUJIAN DUA RATA-RATA 2 POPULASI (σ
DIKETAHUI)
Buat hipotesisnya yakni sebagai berikut :
Ho: =0
H1: 0
Hitung statistik uji berdasarkan data sample yang diperoleh
dengan formula :
D
Zhit
D
atau
n
Tentukan taraf nyata pengujian () dan tentukan juga Z
Kesimpulan dengan kriteria Jika |Z| > Z, maka tolak Ho,
selainnya terima H1
Latihan 1.1
39
Penyelesaian
w1
40
Slide 40
w1
Nilai t-hitung tidak tepat, karena yang tampil untuk alpha 10%.
Koreksi t-tabel alpha 5% dengan df= 9 sebesar 2.262.
win7, 10/ 02/ 2014
Latihan 1.2
41
Topik
Uji Rata
Rata 2 Populasi Independen (Metode
Non Parametrik)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Pengujian ini mengasumsikan data tidak
berdistribusi normal.
Karena kedua sampel independen maka
ukuran sampel dapat berbeda.
Data yang digunakan cenderung bersifat
kuantitatif.
43
Pengantar
Jika σi diketahui, 2 sampel data sampel tidak
berdistribusi normal, maka gunakan uji Z
Jika σi tidak diketahui dan σ12 = σ22 serta 2 sampel
data sampel tidak berdistribusi normal, maka gunakan
uji t (pooled variance).
Jika σi tidak diketahui dan σ12
σ22 serta 2 sampel
data sampel tidak berdistribusi normal, maka gunakan
uji t (separate variance).
44
Perumusan Hipotesa
2 arah
1 arah kanan
1 arah kiri
45
H0: µ1 - µ2= 0
H1: µ1 - µ2 0
H0: µ1 - µ2 ≤ 0
H1: µ1 - µ2 > 0
H0: µ1 - µ2 ≥ 0
H1: µ1 - µ2 < 0
PENGUJIAN DUA RATA-RATA 2 POPULASI
INDEPENDEN (σi diketahui)
Buat hipotesisnya yakni sebagai berikut :
Ho: 1 - 2= 0
H1: 1 - 2 0
Hitung statistik uji berdasarkan data sample yang diperoleh dengan
formula :
Zhit
(x
1
x
2
1
n
2
)
1
n
H0
2
2
2
Tentukan taraf nyata pengujian () dan tentukan juga t/2(n-1)
Kesimpulan dengan kriteria tolak Ho jika :
2 arah |Zhit |> Zα/2
1 arah kiri: Zhit < Zα
1 arah kanan: Zhit > Zα
PENGUJIAN DUA RATA-RATA 2 POPULASI
INDEPENDEN (σi tidak diketahui dan σ12 = σ22)
Buat hipotesisnya yakni sebagai berikut :
Ho: 1 - 2= 0
H1: 1 - 2 0
Hitung statistik uji berdasarkan data sample yang diperoleh dengan
formula :
thit
(x
1
x
2
)
H0
2
(n 1)s (n 1)s
1
2
1
2
n n 2
1
2
2
1
n
1
1
n
2
Tentukan taraf nyata pengujian () dan tentukan juga t/2(n-1)
Kesimpulan dengan kriteria tolak Ho jika :
2 arah |thit | > t[α/2;df]
1 arah kiri: thit < t[α;df]
1 arah kanan: thit > t[α;df]
dimana df = n1 + n2 - 2
PENGUJIAN DUA RATA-RATA 2 POPULASI
INDEPENDEN (σi tidak diketahui dan σ12 σ22)
Buat hipotesisnya yakni sebagai berikut :
Ho: 1 - 2= 0
H1: 1 - 2 0
Hitung statistik uji berdasarkan data sample yang diperoleh dengan
formula :
thit
(x
1
x
2
)
H0
2
(n 1)s (n 1)s
1
2
1
2
n n 2
1
2
2
1
n
1
1
n
2
Tentukan taraf nyata pengujian () dan nilai hitung
Kesimpulan dengan kriteria tolak Ho 2 sisi:
2 arah | thit |> t[α/2;df]
1 arah kiri: thit < t[α;df]
dimana
1 arah kanan: thit > t[α;df]
df
s
s
2
1
n
1
2
s
1
n
1
2
n
2
2
2
2
s
2
2
n
2
2
n 1 n 1
1
2
LATIHAN 1
Sebuah survei untuk menguji dugaan bahwa pengguna sabun merk
DOVIE di Kota A sama dengan di Kota B. Sample random sebanyak
235 responden di Kota A dan 255 responden di Kota B. Bila rata-rata
pengeluaran sabun dikedua kota masing-masing sebesar Rp 12.5 (ribu)
dan Rp 15.5 (ribu). Adapun simpangan baku kedua kota, masingmasing sebesar Rp 5 (ribu) dan Rp 6 (ribu). Bila diasumsikan data hasil
survey tidak berdistribusi normal. Buktikan apakah pengguna sabun
merek A di kedua kota tersebut sama.
Dari dua populasi yang tidak saling bebas, terdapat 2 divisi dimana
divisi 1 beranggotakan 10 dan divisi 2 beranggotakan 13. Pengujian
kedua kelompok bermaksud untuk mengetahui apakah terdapat
perbedaan gaji diantara kedua divisi tersebut. Buktikan (alpha=5%).
49
LATIHAN 2
Dari dua populasi yang tidak saling bebas, terdapat 2 divisi. Bila
diasumsikan data tidak berdistribusi normal dan varians kedua
kelompok sama. Pengujian kedua kelompok bermaksud untuk
mengetahui apakah terdapat perbedaan gaji diantara kedua divisi
tersebut. Buktikan (alpha 5%)
50
Latihan 3
51
Topik
Uji 2 populasi atau lebih (minimal 3)
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
53
Jenis Uji : Friedman
Asumsi Uji :
Kelompok data bersifat dependen
Data tidak berdistribusi normal
Tidak ada interaksi antar blok
Setiap nilai pengamatan dalam setiap
blok / kelompok dapat diperingkat
menurut besarnya
ARH
Prosedur Uji
Tentukan hipotesa
Ho : Populasi
populasi dalam suatu blok
adalah identik
Ha : Sekurang-kurangnya salah satu perlakuan
cenderung menghasilkan nilai-nilai lebih besar
dibanding sekurang-kurangnya salah satu
perlakuan lain
Tentukan alpha
Nilai statistik uji
54
ARH
Prosedur Uji (2)
Bila terdapat angka yang sama, maka ada
penyesuaian statistik uji dengan membagi
dengan
dimana
dengan ti merupakan
banyaknya nilai pengamatan yang sama untuk
suatu peringkat dalam blok ke i
55
ARH
Prosedur Uji (3)
Pengujian :
• Bandingkan nilai
dengan X2 (Chi Square tabel)
dimana df = k-1.
• Adapun k = jumlah kelompok; b=jumlah data pada
setiap kelompok (cenderung sama).
Kesimpulan:
• Jika nilai
> X2 (Chi Square tabel), maka tolak Ho
terima Ha. Artinya sekurang-kurangnya salah satu
metode / kelompok memberikan nilai yang berbeda.
• Jika nilai
< X2 (Chi Square tabel), maka terima Ho
tolak Ha. Artinya Ketiga kelompok atau metode adalah
identik.
ARH
56
Contoh Latihan
57
ARH
Penyelesaian
58
ARH
Penyelesaian
59
ARH
Penyelesaian
60
ARH
Topik
Uji 2 populasi atau lebih Untuk Data Saling
Berhubungan
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Alat Uji : Durbin
Asumsi Uji :
Setiap blok saling bebas dari yang lain
Data tidak berdistribusi normal
Asumsi untuk rancangan blok tidak lengkap
berimbang (balanced incomplete block design)
Setiap nilai pengamatan dalam setiap blok /
kelompok dapat diperingkat menurut besarnya
62
ARH
Prosedur Uji
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho : Semua perlakuan memberikan efek-efek yang sama
Ha : Reaksi reaksi terhadap sekurang-kurangnya salah
satu perlakuan cendeung lebih besar daripada reaksireaksi terhadap sekurang-kurangnya sebuah perlakuan
yang lain
•Tentukan
Tentukan alpha
•Nilai
Nilai statistik uji
63
ARH
Prosedur Uji (2)
Dimana
t = banyaknya perlakuan yang diselidiki
k = banyaknya subjek per blok (k X2 (Chi Square tabel), maka tolak Ho
terima Ha. Artinya reaksi reaksi terhadap sekurangkurangnya salah satu perlakuan cendeung lebih besar
daripada reaksi-reaksi terhadap sekurang-kurangnya
sebuah perlakuan yang lain.
• Jika nilai T < X2 (Chi Square tabel), maka terima Ho
tolak Ha. Artinya semua perlakuan memberikan efekARH yang sama.
65 efek
Topik
Uji 2 populasi atau lebih Untuk Data Tidak
Saling Berhubungan
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Alat Uji : Kruskal Wallis
Asumsi Uji :
Data untuk analisis terdiri dari k sampel acak berukuran
n1, n2, ..... , nk
Pengamatan bebas baik didalam maupun diantara sampel
Variabel yang diamati bersifat kontinu
Skala pengukuran ordinal
Populasi identik kecuali dalam hal lokasi yang mungkin
berbeda untuk sekurang-kurangnya satu populasi
67
ARH
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho : Ke k populasi yang diwakili data tersebut
identik
Ha : Ke k populasi yang diwakili data tersebut tidak
identik
•Tentukan alpha
•Nilai
Nilai statistik uji
68
ARH
Prosedur Uji (2)
Dimana
N = Jumlah seluruh data
ni = banyaknya anggota pada setiap kelompok
Ri = jumlah peringkat-peringkat
k = jumlah kelompok data
Faktor koreksi untuk angka yang sama
69
ARH
Prosedur Uji (3)
Pengujian :
• Bandingkan nilai dengan X2 (Chi Square tabel)
dimana df = k-1.
Kesimpulan:
• Jika nilai H > X2 (Chi Square tabel), maka tolak Ho
terima Ha. Artinya k populasi yang diwakili data
tersebut identik.
• Jika nilai H < X2 (Chi Square tabel), maka terima Ho
tolak Ha. Artinya Ke k populasi yang diwakili data
tersebut tidak identik.
70
ARH
Petunjuk
Kerjakanlah semua soal.
Total nilai jika dikerjakan semua sebesar 100.
Hasil pengerjaan (jawaban) harus ditulis tangan atau
diketik pada MS Word.
Ujian bersifat open notes
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Indonesia merupakan salah satu negara berkembang yang
cukup berhasil dalam melakukan transisi ekonomi. Proses
transisi ekonomi yang dilakukan berupa pemberian
kewenangan lebih luas kepada pemerintah daerah untuk
dapat lebih mandiri dalam melaksanakan pembangunan
daerahnya. Perubahan proses transisi ini sering dikenal
dengan diberlakukannya otonomi daerah.
Otonomi daerah dan desentralisasi yang sudah
berlangsung sejak 2001 menjadi peristiwa yang
menimbulkan perubahan mendasar terhadap hubungan
pemerintah pusat dan daerah, sekaligus perubahan
sebagian masyarakat Indonesia yang sebelumnya terfokus
pada satu kekuasaan, pemerintah pusat di Jakarta menjadi
pendelegasian kekuasaan dan wewenang kepada
pemerintah lokal yang terdapat didaerah, tersebar
diseluruh Indonesia
Sasaran pokok pelaksanaan desentralisasi adalah untuk
mendekatkan
pemerintah
dengan
masyarakat,
sedemikian sehingga kebutuhan dari pihak yang
terakhir ini bisa dipahami betul oleh pihak pertama.
Harapannya, tentu saja, berbagai kebijakan yang
dilakukan pemerintah bisa memenuhi kebutuhan
masyarakat lewat pelaksanaan pembangunan ekonomi
untuk mencapai kesejahteraan sebagai tujuan akhir.
Harapan ini berlandaskan pada asumsi bahwa
hubungan antara pemerintah daerah dengan ( agen )
dengan masyarakat lokal ( prinsipal ) berlangsung
dengan baik ( Hirawan, 2007 ).
Berdasarkan penjelasan diatas, saudara diminta untuk
melihat keberhasilan pelaksanaan desentralisasi dengan
menguji beberapa indikator.
Untuk menjawab hal tersebut maka berikut beberapa hal
yang harus diperhatikan.
a. Tulis daerah yang menjadi rujukan studi sesuai pilihan
saudara/i.
b. Terdiri dari berapa kabupaten/kota, daerah yang saudara/i
pilih.
c. Indikator pertumbuhan ekonomi (Tabel 1), uji apa yang
digunakan dan apakah terhadap perbedaan sepanjang
periode 2008 sd 2010.
74
d. Indikator distribusi tenaga kerja menurut sektor (Tabel 3),
uji apa yang digunakan dan apakah terdapat perbedaan
sepanjang tahun 2008 sd 2010.
e. Indikator kemiskinan direpresentasikan dengan persentase
penduduk miskin (Tabel 4), apakah persentase penduduk
miskin 2010 lebih rendah dibandingkan 2009.
f. Indikator ketenagakerjaan direpresentasikan dengan angka
partisipasi angkatan kerja (Tabel 5), apakah angka
partisipasi angkatan kerja 2009 lebih baik dibandingkan
angka partisipasi angkatan kerja 2010.
g. Indikator pendidikan (Boleh pilih APM atau APK), apakah
terdapat perbedaan menurut jenjang pendidikan dari SD,
SMP, dan SMA (Tabel 8).
75
h. Berdasarkan indikator pembangunan manusia (Tabel 9),
apakah rata-rata lama sekolah 2010 lebih tinggi
dibandingkan rata-rata lama sekolah 2009.
i. Berdasarkan komposisi BLM, PNPM Mandiri menurut
kab/kota, ujilah apakah terdapat perbedaan antara PNPM
pedesaan dan PNPM perkotaan (Tabel 12).
j. Berdasarkan hasil pengujian yang sudah dilakukan (point a
sd i), apakah daerah saudara/i dapat dikatakan berhasil
atau tidak terkait pelaksanaan desentralisasi.
Selamat mengerjakan
76
Topik
Korelasi Spearman
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Jenis Uji : Korelasi Spearman
Asumsi Uji :
Data untuk analisis untuk sebuah sampel acak yang terdiri atas n
pasangan hasil pengamatan numerik dan non numerik.
Jika data terdiri atas hasil hasil pengamatan dari suatu populasi yang
bivariate maka penetapan ke-n hasil pengamatan tersebut (X1,Y1),
(X2,Y2), ... , (Xn,Yn).
Setiap X ditetapkan peringkat relatif terhadap semua nilai X lain yang
diamati dari yang terkecil hingga yang terbesar.
Setiap Y ditetapkan peringkatnya relatif terhadap semua nilai Y lain
yang teramati, dari yang terkecil hingga yang terbesar.
Jika diantara data terdapat angka yang sama maka diantara nilai X dan
Y harus diberi peringkat rata-rata.
78
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho : X dan Y saling bebas (Tidak ada hubungan
antara X dan Y)
Ha :Terdapat hubungan antara X dan Y
•Tentukan alpha
•Nilai
Nilai statistik uji
79
Prosedur Uji (2)
Dimana
rs = Nilai koefisien peringkat spearman
n = Banyaknya jumlah data pada setiap kelompok
Bila ada angka sama, maka statistik uji menjadi
80
Prosedur Uji (3)
Dimana
Adapun tx dan ty merupakan banyaknya nilai pengamatan X
dan Y yang sama pada suatu peringkat. Angka sama yang sedikit
sangat kecil pengaruhnya kecuali bila terlalu banyak.
Bila ukuran sampel lebih besar dari 30 maka kita dekati dengan
nilai hitung t, sebagai berikut
81
Prosedur Uji (4)
Dimana
Dimana derajat bebas (df) = n-2
82
Prosedur Uji (5)
Pengujian :
Bandingkan nilai dengan nilai korelasi spearman tabel.
Atau jika ukuran sampel lebih besar dari 30, bandingkan dengan ttabel
Kesimpulan:
(Dua Sisi)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel
atau lebih kecil dari nilai negatifnya.
(Satu Sisi Kanan)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel.
(Satu Sisi Kiri)
Tolak Ho terima Ha. Jika nilai hitung lebih kecil dari nilai
negatifnya.
83
Topik
Korelasi Pearson
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pengantar
Alat Uji : Korelasi Pearson
Asumsi Uji :
Asumsi data berdistribusi normal
Tidak mempersoalkan variabel bebas maupun variabel
tergantung (pola hubungan simetris)
Variabel yang dihubungkan mempunyai data yang dipilih
secara acak
Variabel yang dihubungkan mempunyai pasangan sama dari
subyek yang sama pula
Variabel bersifat kuantitatif (rasio/interval)
85
Prosedur Uji
Prosedur Uji
•Tentukan
Tentukan hipotesa
Ho :Tidak terdapat hubungan yang signifikan antara X
dan Y
Ha :Terdapat hubungan yang signifikan antara X dan Y
Tentukan alpha
• Nilai statistik uji
86
Prosedur Uji (2)
Dimana
rs = Nilai koefisien pearson
n = Banyaknya jumlah data pada setiap kelompok
Pengujian lanjutan dengan uji signifikansi untuk melihat makna
hubungan variabel X terhadap Y, dengan formula sebagai berikut
t
hitung
r n2
1 r2
Dimana
thitung = Nilai t
r
= Nilai Koefisien korelasi
n
= Jumlah Sampel
87
Prosedur Uji (3)
Selain itu, kita dapat juga menghitung Koefisien
Determinasi. Definisinya adalah suatu ukuran nilai yang
digunakan untuk mengetahui persentase sumbangan
variabel X dalam menjelaskan variabel Y. Formulanya
sebagai berikut :
KP = r2 x 100%
Dimana
KP = Nilai Koefisien Determinan
r
= Nilai Koefisien Korelasi
88
Prosedur Uji (4)
Pengujian :
Bandingkan nilai dengan nilai t-tabel dengan derajat bebas = n-2.
Kesimpulan:
(Dua Sisi)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel
atau lebih kecil dari nilai negatifnya.
(Satu Sisi Kanan)
Tolak Ho terima Ha. Jika nilai hitung lebih besar dari nilai tabel.
(Satu Sisi Kiri)
Tolak Ho terima Ha. Jika nilai hitung lebih kecil dari nilai
negatifnya
89
Lampiran
tabel
korelasi
spearman
n
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
90
29
30
1a 0.900
0.950
0.8000
0.8000
0.6000
0.7714
0.7000
0.5357
0.5000
0.4667
0.4424
0.4182
0.3986
0.3791
0.3626
0.3500
0.3382
0.3260
0.3148
0.3070
0.2977
0.2909
0.2829
0.2767
0.2704
0.2646
0.2588
0.2540
0.2490
0.2443
0.2400
0.975
0.990
0.8000
0.9000
0.9000
0.6786
0.7450
0.8571
0.6190
0.5833
0.5515
0.5273
0.4965
0.4780
0.4593
0.4429
0.4265
0.4118
0.3994
0.3895
0.3789
0.3688
0.3597
0.3518
0.3435
0.3362
0.3299
0.3236
0.3175
0.3113
0.3059
0.8286
0.7143
0.6833
0.6364
0.6091
0.5804
0.5549
0.5341
0.5179
0.5000
0.4853
0.4716
0.4579
0.4451
0.4351
0.4241
0.4150
0.4061
0.3977
0.3894
0.3822
0.3749
0.3685
0.3620
0.995
0.8857
0.9429
0.8095
0.8571
0.7667
0.7333
0.7000
0.6713
0.6429
0.6220
0.6000
0.5824
0.5637
0.5480
0.5333
0.5203
0.5078
0.4963
0.4852
0.4748
0.4654
0.4564
0.4481
0.4401
0.4320
0.4251
0.999
0.8929
0.9643
0.8167
0.9000
0.7818
0.7455
0.7273
0.6978
0.6747
0.6536
0.6324
0.6152
0.5975
0.5825
0.5684
0.5545
0.5426
0.5306
0.5200
0.5100
0.5002
0.4915
0.4828
0.4744
0.4665
0.9286
0.8667
0.8364
0.8182
0.7912
0.7670
0.7464
0.7265
0.7083
0.6908
0.6737
0.6586
0.6455
0.6318
0.6186
0.6070
0.5962
0.5856
0.5757
0.5660
0.5567
0.5479
Tujuan Pembelajaran
Mahasiswa dapat mengetahui, mengenal &
memahami spesifikasi model,
sederhana dan interpretasi output.
regresi
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Regresi : Pendahuluan
Hubungan antara penjualan (y) dan promosi (x) bisa dinyatakan dalam
bentuk matematis sebagai berikut :
..............................................................(1)
Berikutnya, hubungan keduanya dapat dinyatakan sebagai hubungan
linier ataupun non-linier. Untuk persamaan linier, hubungan x dan y
sbb:
........................................................(2)
Jika diperhatikan persamaan (2) merupakan persamaan yang
menggambarkan hubungan antara promosi dengan penjualan. Dalam
konteks ini, parameter 1 dan 2 menjadi sangat penting untuk
diketahui berapa nilainya karena bagi pemilik restoran Wartega karena
nilai tersebut sangat menentukan dalam mengambil kebijakan.
Karena model hubungan yang dibangun dari model matematika
ekonomi masih bersifat deterministik dan pasti artinya nilai parameter
1 dan 2 bersifat exact. Maka, karena data yang digunakan untuk
menelaah hubungan tersebut dikumpulkan dari fenomena kehidupan
nyata dimana perilaku manusia sebagai agen ekonomi sulit untuk
diprediksi, maka dalam kenyataannya persamaan (2) kurang lengkap.
92
Mengapa demikian?
Regresi : Pendahuluan
Karena ada satu faktor ketidikapastian perilaku manusia yang belum
dimasukkan. Maka dari itu, harus memasukkan faktor tersebut dan dalam
istilah ekonometrika faktor ketidak pastian yang bersifat random tersebut
dikenal dengan istilah disturbance yang dilambangkan sebaagai ε . Maka
persamaan (2) menjadi sbb.
................................................................(3)
Keterangan persamaan diatas sbb :
Variabel bebas (x) dinyatakan di sebelah kanan persamaan dan variabel
tidak bebas atau dependent variable (y) dinyatakan di sebelah kiri
persamaan.
β 1 dan β 2 disebut sebagai parameter.
β 1 disebut dengan intersep ketika nilai x sama dengan nol.
β 2 juga disebut dengan slope. Slope menyatakan berapa besar
perubahan tingkat penjualan jika promosi berubah sebesar satu satuan.
Nilai disturbance ε dapat positip atau negatif.
Untuk penjualan yang dinyatakan dengan unit dan promosi dengan Rp
juta, maka slope dapat diartikan dengan berapa unit perubahan
penjualan jika promosi ditingkatkan sebesar Rp 1 juta.
93
Regresi : Pendahuluan
Beberapa istilah dalam variabel persamaan regresi :
94
Model Regresi yang umum digunakan adalah yang linear dalam
parameter.
OLS (Ordinary Least Square) merupakan teknik yang umum
digunakan dalam mencari nilai parameter terkait.
Analisis Regresi ringkasnya dapat digunakan untuk:
o Menghasilkan besaran parameter beserta informasi mengenai
arahnya (positif atau negatif)
o Pengujian hipotesis (t-statistik, f-statistik), atau lebih lanjut lagi
menggunakan Wald Statistik untuk restriksi parameter yang
lebih kompleks (contoh: mencek adanya return to scale dalam
estimasi fungsi Cobb-Douglas)
Forecasting sederhana
Rangkuman Pemilihan Bentuk Fungsi
95
Contoh Output (1.1)
Dependent Variable: CUP
Method: Least Squares
Date: 09/06/13 Time: 07:14
Sample: 1970 1980
Included observations: 11
Variable
Coefficient
PRICE
-0.4795
C
2.6911
R-squared
0.6628
Adjusted R-squared
0.6253
S.E. of regression
0.1287
Sum squared resid
0.1491
Log likelihood
8.0481
F-statistic
17.6870
Prob(F-statistic)
0.0023
96
Std. Error
t-Statistic
0.1140
-4.2056
0.1216
22.1269
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0023
0.0000
2.2064
0.2103
-1.0997
-1.0273
-1.1453
0.7266
Contoh Output (1.2)
Dependent Variable: LOG(CUP)
Method: Least Squares
Date: 09/06/13 Time: 07:21
Sample: 1970 1980
Included observations: 11
Variable
Coefficient Std. Error
t-Statistic
LOG(PRICE)
-0.2530
0.0494
-5.1251
C
0.7774
0.0152
51.0046
R-squared
0.7448 Mean dependent var
Adjusted R-squared
0.7164 S.D. dependent var
S.E. of regression
0.0501 Akaike info criterion
Sum squared resid
0.0226 Schwarz criterion
Log likelihood
18.4160 Hannan-Quinn criter.
F-statistic
26.2665 Durbin-Watson stat
Prob(F-statistic)
0.0006
97
Prob.
0.0006
0.0000
0.7873
0.0942
-2.9847
-2.9124
-3.0303
0.6801
Contoh Output (1.3)
Dependent Variable: LOG(CUP)
Method: Least Squares
Date: 09/06/13 Time: 07:17
Sample: 1970 1980
Included observations: 11
Variable
Coefficient Std. Error
t-Statistic
PRICE
-0.2203
0.0484
-4.5509
C
1.0100
0.0516
19.5616
R-squared
0.6971 Mean dependent var
Adjusted R-squared
0.6634 S.D. dependent var
S.E. of regression
0.0546 Akaike info criterion
Sum squared resid
0.0269 Schwarz criterion
Log likelihood
17.4731 Hannan-Quinn criter.
F-statistic
20.7104 Durbin-Watson stat
Prob(F-statistic)
0.0014
98
Prob.
0.0014
0.0000
0.7873
0.0942
-2.8133
-2.7409
-2.8589
0.7552
Contoh Output (1.4)
Dependent Variable: CUP
Method: Least Squares
Date: 09/06/13 Time: 07:19
Sample: 1970 1980
Included observations: 11
Variable
Coefficient Std. Error
t-Statistic
LOG(PRICE)
-0.5521
0.1173
-4.7079
C
2.1848
0.0362
60.3554
R-squared
0.7112 Mean dependent var
Adjusted R-squared
0.6791 S.D. dependent var
S.E. of regression
0.1191 Akaike info criterion
Sum squared resid
0.1277 Schwarz criterion
Log likelihood
8.9012 Hannan-Quinn criter.
F-statistic
22.1645 Durbin-Watson stat
Prob(F-statistic)
0.0011
99
Prob.
0.0011
0.0000
2.2064
0.2103
-1.2548
-1.1824
-1.3004
0.6548
Contoh Output (2.1)
100
Contoh Output (2.2)
101
Contoh Output (2.3)
102
Pertanyaan
Berapa jumlah observasi dalam estimasi tersebut
Berapa variabel yang terlibat dan tentukan mana variabel
dependen dan variabel independen
Bagaimana interpretasi variabel independen terhadap variabel
dependen
Bagaimana interpretasi output diatas (uji t; uji F; dan uRsquared)
103
Tujuan Pembelajaran
Mahasiswa
dapat mengetahui, mengenal &
memahami asumsi klasik i.e multikolinearitas,
heterokedastisitas, dan autokorelasi.
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Multikolinearitas
Variable
X1
X2
X3
X4
X5
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
-179.879
0.095
-0.485
-0.760
276.500
134883.500
0.987
0.980
492.602
2426562
-118.138
150.486
0.000
Std. Error
t-Statistic
114.139
-1.576
0.018
5.406
0.272
-1.783
0.238
-3.192
416.896
0.663
28567.120
4.722
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.146
0.000
0.105
0.010
0.522
0.001
65317.0
3512.0
15.517
15.807
15.532
1.573
X1
1.0000
0.9916
0.4647
0.9792
0.9911
X1
X2
X3
X4
X5
Variable
x5
x2
x4
x1
x3
Mean VIF
VIF
243.52
189.27
169.66
93.79
2.22
139.69
1/VIF
0.004
0.005
0.006
0.011
0.450
X2
0.9916
1.0000
0.4464
0.9911
0.9953
x1=f(x2,x3,x4,x5)
x2=f(x1,x3,x4,x5)
x3=f(x2,x1,x4,x5)
x4=f(x2,x3,x1,x5)
x5=f(x2,x3,x4,x1)
X3
0.4647
0.4464
1.0000
0.3644
0.4172
X4
0.9792
0.9911
0.3644
1.0000
0.9940
R-squared
0.989
0.995
0.549
0.994
0.996
X5
0.9911
0.9953
0.4172
0.9940
1.0000
R-squared Model
0.987
0.987
0.987
0.987
0.987
Variable
X12
X3
X4
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
9.736
-0.688
-0.300
65720.370
0.981
0.977
535.449
3440470.000
-120.931
211.097
0.000
Std. Error
t-Statistic Prob.
1.792
5.435
0.000
0.322
-2.135
0.054
0.142
-2.113
0.056
10624.810
6.186
0.000
Mean dependent var
65317
S.D. dependent var
3512
Akaike info criterion
15.616
Schwarz criterion
15.810
Hannan-Quinn criter.
15.626
Durbin-Watson stat
1.654
Heterokedastisitas
Ho : Homoskedastis
Ha : Heterokedastis
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
12.2793 Prob. F(3,520)
Obs*R-squared
34.6656 Prob. Chi-Square(3)
Scaled explained SS
113.3975 Prob. Chi-Square(3)
Prob F-stat
Prob Obs*R-squared
Alpha
F-tabel
Chi-Sqyared Tabel
Pengujian
Kesimpulan
0.0000
0.0000
1000000000.00
7.81
Terima Ho Tolak Ha
Homokedastisitas
0.0000
0.0000
0.0000
Dependent Variable: UPAH
Method: Least Squares
Date: 10/10/13 Time: 11:51
Sample: 1 524
Included observations: 524
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
PENDIDIKAN
0.673
0.065
10.313
JENKEL
0.495
0.283
1.748
PENGALAMAN
0.069
0.011
6.268
C
-3.994
0.872
-4.580
R-squared
0.235
Mean dependent var
Adjusted R-squared
0.231
S.D. dependent var
S.E. of regression
3.242
Akaike info criterion
Sum squared resid
5465.089
Schwarz criterion
Log likelihood
-1357.821
Hannan-Quinn criter.
F-statistic
53.387
Durbin-Watson stat
Prob(F-statistic)
0.000
upah
pendidikan
jenkel
pengalaman
_cons
Coef.
0.673
0.495
0.069
-3.994
Robust
Std. Err.
0.065
0.283
0.011
0.872
Number of obs
F( 3, 520)
Prob > F
R-squared
Root MSE
t
10.310
1.750
6.270
-4.580
P>t
0.000
0.081
0.000
0.000
[95% Conf.
0.545
-0.061
0.047
-5.707
Prob.
0.000
0.081
0.000
0.000
5.905
3.697
5.198
5.230
5.211
1.830
524
37.09
0
0.2355
3.2419
Interval]
0.801
1.052
0.090
-2.281
Autokorelasi
Dependent Variable: UPAH
Method: Least Squares
Date: 10/10/13 Time: 12:09
Sample: 1 524
Included observations: 524
Variable
PENDIDIKAN
JENKEL
PENGALAMAN
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
0.673
0.495
0.069
-3.994
0.235
0.231
3.242
5465.089
-1357.821
53.387
0.000
Std. Error
t-Statistic
0.056
12.080
0.285
1.738
0.011
6.238
0.795
-5.023
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.000
0.083
0.000
0.000
5.905
3.697
5.198
5.230
5.211
1.830
4 - dl < DW < 4
Autokorelasi negatif
2 < DW < 4 du
Tidak terdapat autokor
4 du < DW < 4 dl
Tidak dapat ditentukan
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
1.876
Obs*R-squared
3.768
Prob. F(2,518)
Prob. Chi-Square(2)
0.154
0.152
Ho : Tidak terdapat autokorelasi
Ha : Terdapat autokorelasi
Prob F-stat
Prob Obs*R-squared
Alpha
F-tabel
Chi-Squared Tabel
Pengujian
Kesimpulan
0.1543
0.1520
0.05
3.01
5.99
Terima Ho Tolak Ha
Tidak terdapat autokorelasi
n1
n2
2
518
Iteration 2: rho = 0.0849
Iteration 3: rho = 0.0849
Prais-Winsten AR(1) regression -- iterated estimates
Source
SS
df
MS
Model
Residual
1664.16884
5425.82438
3 554.722945
520 10.4342776
Total
7089.99321
523 13.5563924
upah
Coef.
pendidikan
jenkel
pengalaman
_cons
.6683733
.4859314
.0684023
-3.924279
rho
.0849001
Std. Err.
.0554874
.2821002
.010941
.7931219
t
12.05
1.72
6.25
-4.95
Durbin-Watson statistic (original)
1.829777
Durbin-Watson statistic (transformed) 1.998759
Number of obs
F( 3, 520)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.000
0.086
0.000
0.000
=
=
=
=
=
=
524
53.16
0.0000
0.2347
0.2303
3.2302
[95% Conf. Interval]
.5593662
-.0682648
.0469083
-5.482396
.7773804
1.040128
.0898963
-2.366162
Materi
Regresi dengan Variabel Kualitatif
DummyVariable Trap
Regresi dengan dummy interaksi
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Regresi dengan Variabel Kualitatif
Regresi dengan variabel kualitatif sangat
mungkin dilakukan dalam suatu estimasi.
Bentuk variabel kualitatif dapat berupa jenis
kelamin,
tingkat
pendidikan,
dan
sebagainya.
Variabel kualitatif paling sederhana berupa
biner yaitu pilihan ya atau tidak,
kepemilikan atau bukan, serta jenis kelamin.
Sebagai contoh, kita ingin meihat ada atau
tidak perbedaan gaji pekerja perempuan
dibandingkan lelaki.
115
Dummy Variable Trap
116
Dependent Variable: UPAH
Coefficient
DUM_PRIA
PENDIDIKAN
PENGALAMAN
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
117
0.4955
0.6732
0.0687
-3.9938
0.2355
0.2311
3.2419
5465.0890
-1357.8210
53.3873
0.0000
Std. Error
t-Statistic
0.2850 1.7382
0.0557 12.0802
0.0110 6.2382
0.7951 -5.0227
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0828
0.0000
0.0000
0.0000
5.9051
3.6970
5.1978
5.2303
5.2105
1.8298
Dependent Variable: UPAH
118
DUM_WANITA
PENDIDIKAN
PENGALAMAN
C
Coefficient
-0.4955
0.6732
0.0687
-3.4983
Std. Error
t-Statistic
0.2850
-1.7382
0.0557
12.0802
0.0110
6.2382
0.8133
-4.3017
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.2355
0.2311
3.2419
5465.0890
-1357.8210
53.3873
0.0000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Prob.
0.0828
0.0000
0.0000
0.0000
5.9051
3.6970
5.1978
5.2303
5.2105
1.8298
Source
Model
Residual
Total
upah
pendidikan2
pendidikan3
pendidikan4
jenkel
pengalaman
_cons
119
SS
df
1178
5970
MS
5
518
236
12
7148
523
Coef.
Std. Err.
1.382
1.115
2.602
1.025
5.127
1.039
0.493
0.299
0.058
0.012
1.071
1.211
14
t
1.240
2.540
4.930
1.650
5.010
1.130
Number of obs
524
F( 5, 518)
20.440
Prob > F
0.000
R-squared
0.165
Adj R-squared
0.157
Root MSE
3.395
P>t
[95% Conf. Interval]
0.216
-0.809 3.573
0.011
0.588 4.616
0.000
3.086 7.168
0.099
-0.094 1.080
0.000
0.035 0.081
0.259
-0.893 3.316
Source
Model
Residual
Total
upah
pendidikan1
pendidikan2
pendidikan3
pendidikan4
jenkel
pengalaman
120
SS
df
19450
5970
MS
6
518
3242
12
25421
524
Coef.
Std. Err.
1.211
1.071
2.593
0.602
3.813
0.316
6.338
0.313
0.493
0.299
0.012
0.058
49
t
1.130
4.310
12.080
20.270
1.650
5.010
Number of obs
524
F( 6, 518)
281.260
Prob > F
0.000
R-squared
0.765
Adj R-squared
0.762
Root MSE
3.395
P>t
[95% Conf. Interval]
0.259
-0.893 3.316
0.000
1.410 3.777
0.000
3.193 4.434
0.000
5.724 6.953
0.099
-0.094 1.080
0.000
0.035 0.081
Dependent Variable: UPAH
Coefficient
DUM_PRIA
-3.4983
DUM_WANITA
-3.9938
PENDIDIKAN
0.6732
PENGALAMAN
0.0687
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
121
0.2355
0.2311
3.2419
5465.0890
-1357.8210
1.8298
Std. Error t-Statistic
0.8133 -4.3017
0.7951 -5.0227
0.0557 12.0802
0.0110
6.2382
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Prob.
0.0000
0.0000
0.0000
0.0000
5.9051
3.6970
5.1978
5.2303
5.2105
Variabel upah dalam
bentuk logaritma maka
interpretasi dalam bentuk
persentase selisih upah
pria terhadap wanita
sebesar
100 x [exp( 1 ) -1]
Maka selisih upah
perempuan terhadap
lelaki adalah sebesar
100 x [exp(0.296) -1]
= -25.69%.
122
Komponen Interaksi
123
Model :
Output Regresi :
124
Penyelesaian
Hipotesa
Ho : tidak terdapat perbedaan upah antara pria dan wanita menurut tingkat
pendidikan
Ha : terdapat perbedaan upah antara pria dan wanita menurut tingkat
pendidikan
Pengujian :
Berdasarkan kriteria t-hit vs t-tabel (alpha=5%), maka
Kesimpulan :
--------------Interpretasi :
Besarnya pengaruh pendidikan terhadap upah untuk pria sebesar
(0.082*100%) == 8.2%. Sedangkan untuk perempuan sebesar ([0.0820.0056]*100%)==7.6%. Dengan kata lain pengaruh pendidikan
terhadap upah bagi perempuan lebih rendah 0.5% dibandingkan pria
meskipun tidak signifikan.
125
Latihan
126
Pertanyaan
Slide 7 dan 8
1. Pada slide 7, regresi menggunakan intersep atau tidak
2. Pada slide 8, regresi menggunakan intersep atau tidak
3. Dikenal dengan regresi apakah regresi pada slide 7 dan 8
4.Apakah kedua regresi pada slide 7 dan 8 mengalami dummy variable trap,
alasan
5. Berapa besaran upah menurut jenis pendidikan. Jika pendidikan 1=tamat
SD; pendidikan 2=tamat SMP; pendidikan 3=tamat SMA; pendidikan
4=tamat universitas
6. Berapa upah tertinggi dan terendah yang diterima menurut pendidikan
7.Tuliskan persamaan regresi pada slide 7 dan slide 8
Slide 14
1.Adakah perbedaan upah antara pria dan wanita; jika ada berapa besarnya
2.Adakah perbedaan upah antara pria dan wanita menurut status pernikahan;
127 jika ada berapa besarnya
Materi
Model Variabel Terikat Terbatas
ONLINE AVAILABLE :
https://independent.academia.edu/ArifRahmanHakim
Pendahuluan
Studi ekonometri seringkali menggunakan variabel
tergantung yang bersifat numeris serta diasumsikan
bernilai berapapun.
Alternatif penggunaan variabel tergantung bersifat
kualitatif /kategorik /golongan/ dummy atau kita
mencari kemungkinan suatu terjadinya suatu
peristiwa.
Bentuk variabel kualitatif ini dapat berupa keputusan
membeli atau tidak terhadap suatu produk,
kemungkinan seseorang memilih calon kepala daerah
X, keputusan seseorang untuk memilih sesuatu atau
tidak, atau dapat juga keputusan kesediaan membayar
sejumlah nominal uang terhadap peningkatan
perbaikan sarana prasarana tempat wisata.
129
Pendahuluan (2)
Teknik estimasi yang dapat digunakan ada 3 pendekatan
yaitu linier probability model, logit, dan probit.
Menurut Gujarati (2004), pendekatan linear probability
model jarang digunakan karena mengandung beberapa
kelemahan yaitu error tidak berdistribusi normal, tidak
homokedastis, nilai predicted variabel terikat diluar
rentang 0-1, serta rendahnya nilai R2.
Alternatif pendekatan untuk mengatasi hal tersebut
adalah dengan model yang menggunakan fungsi kumulatif
densitas yang bernilai antara 0 dan 1. Pendekatan estimasi
yang digunakan berupa logit maupun probit.
Penggunaan estimasi logit maupun probit bergantung
dari asumsi distribusi error-nya. Jika diasumsikan normal
maka menggunakan probit, sebaliknya jika mengikuti
130 distribusi logistik maka menggunakan logit.
Pendahuluan (3)
Teknik estimasi jika variabel terikat mempunyai lebih dari satu
pilihan (multikategori), bersifat :
Unordered choice, kategori pilihan yang tidak berurutan
seperti pekerja kantoran, pekerja bukan kantoran, atau pekerja
lainnya. Teknik estimasi yang dapat digunakan berupa
multinomial logit atau conditional logit.
Ordered choice, kategori pilihan yang berurutan seperti tidak
layak, layak, dan sangat layak. Teknik estimasi yang dapat
digunakan berupa ordered logit atau ordered probit.
Count Data, kategori pilihan yang menunjukkan jumlah seperti
jumlah pasien yang berkunjung ke klinik dalam sebulan, jumlah
kunjungan wisatawan di Rawapening dalam setahun, dan
jumlah bayi yang dilahirkan oleh perempuan dalam setahun.
Teknik estimasi yang dapat digunakan berupa poisson regression.
Kontinu tapi terbatas pada kisaran tertentu, seperti indeks
prestasi, persentase kepersetaan pensiun, nilai TOEFL, IELTS,
131 dan sebagainya. Maka menggunakan censored regression.
Linear Probability Model
Model menggambarkan hubungan hubungan
variabel dependen dan variabel independen
sebagai binary response model yang bersifat
probabilistik.
Dimana probabilitas terjadinya y=1 dengan xj
bernilai tertentu sbb.
P(y=1|x) =
0
+
1X1
+
2X2
+ ... +
nXn
...(1)
Persamaan (1) diatas, diestimasi dengan OLS.
Dimana model ini tetap banyak digunakan
dan cukup valid jika nilai dari variabel bebas
terdistribusi di sekitar rata-rata.
132
Linear Probability Model (2)
Peningkatan pengalaman sebesar 10 tahun maka probabilitas individu
berada dalam angkatan kerja akan meningkat sebesar 0,39 poin.
Peningkatan usia sebesar 10 tahun maka probabilitas individu berada
dalam angkatan kerja akan menurun sebesar 0,16 poin.
Nilai intercept 0.58, artinya bila saat variabel lain bernilai 0 maka
probabilitas individu berada dalam angkatan kerja sebesar 0.58
133
Logit
Model merupakan alternatif untuk mengatasi
kelemahan linear probability model.
Model yang menggunakan fungsi kumulatif
densitas atau suatu fungsi asimtotik (antara 0
dan 1) pada fungsi objektifnya.
Bentuk umum fungsi densitas kumulatif sbb.
134
..(2)
Sedangkan bentuk fungsi distribusi kumulatif
untuk logit sbb.
...(3)
Logit (2)
Bentuk fungsi densitas kumulatif normal
adalah sebagai berikut.
...(4)
dimana
135
...(5)
Karena sifat G(z) yang non linier maka
estimasi parameter model logit dilakukan
melalui prosedur maximum likelihood
(MLE).
Logit (3)
Interpretasi pada output logit, meliputi sbb.
Uji signifikansi pada parameter dengan melihat nilai
136
p-value yang dibandingkan dengan alpha
Supaya nilai parameter logit dan probit dapat
diperbandingkan maka dapat mengikuti rule of
thumb dari Wooldridge (2005), dengan membagi
nilai koefisien dengan angka 4 untuk logit dan
membagi nilai koefisien dengan angka 2.5 untuk
probit.
Uji
serempak (overall significance) dengan
menggunakan likelihood ratio statistics yang
mengikuti distribusi X2 (Chi Squared).
Uji kesesuaian (goodness of fit) dengan Percent Correctly
Predicted dan Pseudo R-Squared (indikator ini an