Jun 27, 2011

HAKIKAT DAN RUANG LINGKUP EKONOMETRIKA



1.1.APA ITU EKONOMETRIKA?
- Ekonometrika didefenisikan sebagai ilmu sosial dimana perangkat teori ekonomi, matematika, dan statistic inferensial diterapkan dalam menganalisis fenomena ekonomi.
- Ekonometika sebagai suatu hasil dari suatu hasil tinjauan tertentu tentang peran ilmu ekonomi, mencakup aplikasi statistic matematik atas data ekonomi guna memberikan dukungan empiris terhadap model yang disusun berdasarkan matematika ekonomi serta memperoleh hasil berupa angka-angka.

1.2.MENGAPA KITA PERLU MEMPELAJARI EKONOMETRIKA?
                  Ekonometri memberikan muatan empiris (yaitu berdasarkan observasi atau eksperimen) terhadap hampir semua ilmu ekonomi. Jika dalam suatu studi atau eksperimen kita menemukan bahwa ketika harga satu unit barang/jasa naik sebesar satu dolar dan jumlah permintaan turun, katakanlah, 100 unit, maka kita bukan hanya menegaskan kaidah tentang permintaan, melainkandalam proses tersebut kita juga memberikan taksiran angka-angka mengenai hubungan antara kedua variable (harga dan jumlah permintaan atau kuantitas).
                  Bagi mahasiswa jurusan ekonomi dan manajemen (bisnis), ada alasan pragmatis dalam mempelajari ekonometrika. Sesudah lulus, dalam melakukan pekerjaannya, mungkin saja mereka diminta untuk meramalkan penjualan, tingkat suku bunga, dan jumlah uang beredar atau menaksir fungsi permintaan dan penawaran ataupun elastisitas harga suatu produk. Pakar ekonomi sering diminta menjadi konsultan oleh lembaga legislasi pusat (DPR) maupun daerah (DPRD) untuk kepentingan klien mereka ataupun kepentingan sebagian besar masyarakat. Jadi, pakar ekonomi yang menjadi konsultan bagi komisi DPRD yang bertugas mengendlikan harga BBM dan listrik mungkin diminta untuk menilai dampak kenaikan harga yang diusulkan terhadap jumlah permintaan akan listrik sebelum komisi tersebut menyetujui kenaikan harga BBM dan listrik. Dalam situasi semacam ini, para ekonom mungkin perlu mengembangkan fungsi permintaan akan listrik, yang akan memungkinkannya untuk menaksir elastisitas harga atas permintaan ; dalam hal ini, persentase perubahan jumlah yang diminta untuk setiap persentase perubahan harga. Pengetahuan tentang ekonometrika akan sangat membantu di dalam menaksir fungsi permintaan semacam itu.

1.3.METODOLOGI EKONOMETRIKA
Pada umumnya, analisis ekonometrika mengikuti metodologi berikut.
1.Membuat pernyataan teori atau hipotesis;
2.Mengumpulkan data;
3.Menentukan model matematis dari teori tersebut;
4.Menentukan model statistic, atau ekonometri, dari teori tersebut;
5.Menaksir parameter-parameter dari model ekonometri yang dipilih;
6.Memeriksa kecocokan model: pengujian spesifikasi model;
7.Menguji hipotesis yang didasarkan dari model;
8.Menggunakan model untuk melakukan prediksi atau peramalan.

a.d.1.Membuat Pernyataan Teori atau Hipotesis
               Langkah awal adalah mencari teori ekonomi yang cocok dengan topik yang ingin dipelajari. Kemudian membuat 2 hipotesis yang saling berbeda  yakni seperti HO dan H1.
Untuk mengetahui pengaruh kedua variabel, itu dapat ditentukan berdasarkan hipotesis yang lebih dominan. Bagaimana kita menentukan hipotesis mana yang lebih dominan? Maka inilah yang menjadi pertanyaan empiris.

a.d.2.Mengumpulkan data
Untuk keperluan empiris, kita perlu informasi kuantitatif tentang kedua variable. Ada 3 jenis data yang umumnya tersedia untuk keperluan analisis empiris.
*Data deret berkala (time series)
=>dikumpulkan selama kurun waktu tertentu, seperti data tentang PDB, kesempatan kerja, pengangguran, JUB, ataupun defisitanggaran belanja pemerintah.
Data ini bisa bersifat kuantitatif (misalnya harga, pendapatan,jub)  ataupun kualitatif (misalnya laki-laki atau perempuan).
*Data lintas-sektoral (cross-sectional)
=>data tentang satu atau lebih variabel yang dikumpulkan pada suatu waktu tertentu, seperti survey pengeluaran konsumen yang pernah dilakukan oleh University of Michigan, AS.
*Data kelompok (gabungan antara data deret berkala dan data linta sektoral)
=>dalam data ini kita memiliki unsur-unsur data deret berkala sekaligus juga data lintas sektoral. Sebagai contoh, jika kita harus mengumpulkan data tingkat pengangguran di 10 negara selama 20 tahun, maka data itu merupakan data kelompok, yakni data tingkat pengangguran di masing-masing negara selama 20 tahun merupakan data deret berkala, sedangkan data tingkat pengangguran di 10 negara untuk suatu tahun tertentu merupakan data lintas sektoral.
         Ada data kelompok yang sifatnya khusus, yaitu data panel/  data longitudinal/ data mikropanel, dimana unit lintas sektoral yang sama disurvei secara berkala.

Sumber Data.
Keberhasilan sebuah studi ekonometrika akan tergantung pada kualitas, maupun kuantitas data.

a.d.3.Menentukan Model Matematis untuk Teori Tersebut
Untuk mengetahui pengaruh kedua variabel, kita perlu menggambarkan data keduanya ke dalam diagram pencar (scatter diagram atau scattergram).
Dengan diagram pencar tersebut, kita bisa korelasi kedua variabel apakah positif atu negatif. Kemudian selanjutnya kita membuat taksiran awal dan membuat model matematis sederhananya.

a.d.4.Menentukan Model Statistic, atau ekonometri, dari Teori Tersebut
               Model matematis murni yang dirumuskan pada langkah sebelumnya tidak selalu benar adanya. Model semacam itu mengasumsikan suatu hubungan yang pasti (deterministik) antara kedua variabel tersebut. Padahal dalam kenyataan sering hubungan variabel tidak pasti atau bersifat statistik.
               Oleh karena hal di atas, maka kemungkinan pengaruh semua variabel lain dimasukkan ke model matematis tadi (sehingga menjadi model statistik). Semua pengaruh variabel lain diwakilkan dengan variabel “u” untuk menyatakan faktor kesalahan acak atau gangguan acak.
Model yang sudah ditambah dengan faktor variabel lain itu merupakan model statistic atau empiris atau ekonometri. Persamaan (model) itu merupakan salah satu contoh model regresi linear dan inilah yang menjadi topik utama  pembahasan.
               Dalam model ini terdapat 2 variabel yakni variabel tak bebas (dependent variabel),variabel yang berada di sisi kiri dan variabel bebas (independent variabel), variabel yang berada di sisi kanan atau variabel yang bersifat menjelaskan (explanatory variable).
               Dalam regresi ada hubungan sebab akibat. Apakah ini berarti bahwa kedua variabel pada model ekonometri memiliki hubungan sebab-akibat; dalam hal ini variabel independent merupakan faktor penyebab variabel independent sedangkan variabel dependent merupakan faktor akibat?Tidak selalu demikian keadaannya. Sebagaimana diuraikan oleh Kendall dan Stuart, “Suatu hubungan statistik, betapapun kuat dan meyakinkan, tidak dapat menentukan hubungan sebab-akibat : gagasan kita tentang hubungan sebab akibat tentulah berasal dari luar ilmu statistic, yaitu pada intinya berasal dari beberapa teori yang ada.”
               Jika hubungan sebab-akibat tidak dapat ditentukan, maka lebih tepat bila kita menyebutnya sebagai hubungan prediktif: Berdasarkan nilai variabel independent tertentu, dapatkah kita memprediksi besarnya variabel dependent?

a.d.5.Menaksir Parameter-parameter dari Model Ekonometri yang Dipilih
               Berdasarkan data yang ada bagaimana kita menaksir parameter-parameter dari model ekonometrika tadi, dalam hal ini bagaimana kita memperoleh angka-angka (hasil taksiran) dari kedua parameter ini? Ini akan menjadi focus bahasan di Bagian II, dimana kita mengembangkan metode yang cocok, terutama metode kuadrat terkecil biasa (ordinary least-square/OLS).
               Dengan OLS kita mendapat persamaan yang masih merupakan taksiran dari model sebelumnya. Ini ditandai dengan “^” pada variabel dependentnya. Taksiran atas μ disebut sisa atau residual.
Garis regresi yang ditaksir, menyatakan hubungan antara variabel independent rata-rata dan variabel dependent.

Ad.6 Memeriksa Kecocokan Model : Pengujian Spesifikasi Model
               Perlu kita ingat lagi bahwa regresi tidak menjelaskan hubungan sebab-akibat; teori yang relevan haruslah menentukan apakah salah satu  atau lebih variabel bebas memiliki hubungan dengan variabel tidak bebas.
               Pada tahap ini kita akan membuat regresi linear berganda dan kemudian juga membuat penaksiran empiris atas model yang ada pada langkah sebelumnya menggunakan metode OLS.
Maka model mana yang akan kita pilih, model pada langkah yang ke-6 ini atau model yang pada langkah ke-5 tadi? Karena model persamaan pada langkah ke-6 ini telah mencakup model yang ada pada langkah sebelumnya, maka kita pilih model pada langkah ke-6 ini.
               Lalu kita akan berhenti sampai mana? Variabel-variabel lain bisa jadi tersedia, namun kita mungkin tidak ingin memasukkan semua variabel tersebut ke dalam model karena tujuan pengembangan model ekonometri bukan untuk menangkap realitas secara keseluruhan, melainkan hanya segi-segi yang penting saja. Bila kita memasukkan semua variabel yang mungkin ke dalam model regresi, model tersebut akan menjadi susah dipakai dan sangat tidak praktis. Model yang dipilih akhirnya haruslah yang merupakan replika yang cukup masuk akal dari realitas yang sesungguhnya.

a.d.7.Menguji Hipotesis yang Dihasilkan dari Model
               Setelah akhirnya berhasil menetapkan sebuah model, kita mungkin ingin melakukan pengujian hipotesis. Dalam hal ini, kita mungkin ingin mengetahui apakah model yang ditaksir masuk akal dari sisi ilmu ekonomi dan apakah hasil yang diperoleh cocok dengan teori ekonomi yang mendasarinya.

a.d.8.Menggunakan Model untuk Melakukan Prediksi atau Peramalan
               Model yang kita taksir akan kita gunakan untuk  prediksi atau peramalan. Nantinya kita akan dapat membandingkan nilai prediksi dengan nilai aktual yang tersedia. Selisih antara kedua nilai tersebut menyatakan kesalahan prediksi. Tentu kita akan berusaha agar kesalahan prediksi itu sekecil mungkin.

TABEL. 1.1TINGKAT PARTISIPASI ANGKATAN KERJA SIPIL (TPAKS), ANGKA PENGANGGURAN SIPIL (APS), DAN RATA-RATA PENGHASILAN RIEL PER JAM (RPJ82)* DI AS UNTUK PERIODE 1980-2002
                    1980                                 63,8                 7,1                               7,78    
                    1981                                 63,9                 7,6                               7,69
                    1982                                 64,0                 9,7                               7,68
                    1983                                 64,0                 9,6                               7,79
                    1984                                 64,4                 7,5                               7,80
                    1985                                 64,8                 7,2                               7,77
                    1985                                 65,3                 7,0                               7,81
                    1987                                 65,6                 6,2                               7,73
                    1988                                 65,9                 5,5                               7,69
                    1989                                 66,5                 5,3                               7,64
                    1990                                 66,5                 5,6                               7,52
                    1991                                 66,2                 6,8                               7,45
                    1992                                 66,4                 7,5                               7,41
                    1993                                 66,3                 6,9                               7,39
                    1994                                 66,6                 6,1                               7,40
                    1995                                 66,6                 5,6                               7,40
                    1996                                 66,8                 5,4                               7,43
                    1997                                 67,1                 4,9                               7,55
                    1998                                 67,1                 4,5                               7,75
                    1999                                 67,1                 4,2                               7,86
                    2000                                 67,2                 4,0                               7,89
                    2001                                 66,9                 4,8                               7,99
                    2002                                 66,6                 5,8                               8,14
*RPJ82 menyatakan rata-rata penghasilan perjam berdasarkan harga konstan tahun 1982 

Langkah                                              Contoh
1.Pernyataan Teori                    Hipotesis Tenaga Kerja Bertambah/Berkurang                      
2.Pengumpulan Data                           Tabel 1.1
3.Model Matematis untuk Teori         TPAKS = B1 + B2APS
4.Model Ekonometri untuk Teori       TPAKS = B1 + B2APS + u
5.Penaksiran Parameter                     TPAKS = 69,9963 – 0,6513APS
6.Periksa Kecocokan Model     TPAKS= 80,9 – 0,67APS – 1,4RPJ82
7.Pengujian Hipotesis                         B2 < 0 atau B2  >  0
8.Prediksi/Peramalan                         Berapa besar TPAKS, pada nilai APS dan RPJ92 tertentu?
 

REFERENSI:
Gujarati, Damondar. “Essensial of Econometrics

1 comment: