Model Jacob Wanjala Musila: Pangsa Pasar Ekspor Indonesia

oleh Lie Herlie Dewi S. dan Inneke Bahtiar

Dengan menggunakan sampel data berupa export Indonesia ke 37 negara, output yang dihasilkan menunjukkan bahwa ekspor ditentukan oleh variabel GDP negara tujuan dan jarak. GDP negara tujuan mempunyai koefisien positif sedangkan jarak negara tujuan dengan Indonesia mempunyai koefisien negatif. Jumlah populasi justru tidak menunjukkan pengaruh yang signifikan demikian juga kawasan ASEAN. Dengan kata lain, kawasan ASEAN masih belum mempunyai peran yang signifikan sebagai pasar ekspor Indonesia, sementara pangsa pasar negara-negara ASEAN masih mengandalkan pasar Amerika dan Jepang. Tidak heran, karena negara tersebut mempunyai GDP perkapita sebesar $50,000. Jelas merupakan pangsa pasar yang sangat menjanjikan. Sangat berbeda dengan common market di Afrika seperti temuan Musila.



Jacob Wanjala Musila, The Common Market for Eastern and Southern Africa and Kenya's Export Trade, International Journal of Social Economics, Vol 31, No 1/2, 2004, pp 67-77.

Read More......

Model Murray, Evans, dan Schwar: Evaluasi Kinerja APBD di Jawa Timur

oleh Veronica Pangestu, Junico Affandi, Michael Singgih

Model yang diadopsi dari Murray dkk ini mengembangkan kinerja belanja publik terhadap pengeluaran perkapita masyarakat. Dengan menggunakan data sampel 10 kota di Jawa Timur dengan periode pengamatan 2001-2005, hasil estimasi menunjukkan bahwa alokasi dana APBD untuk pendidikan tinggi maupun kesejahteraan sosial secara statistik tidak berpengaruh terhadap pendapatan perkapita masyarakat. Pengaruh terbesar terhadap pendapatan perkapita adalah alokasi dana untuk pendidikan dasar 12 tahun (SD-SLTP), diikuti oleh pendidikan dasar. Dengan kata lain, alokasi dana pendidikan dasar dan kesehatan dasar justru bisa meningkatkan kesejahteraan masyarakat Jawa Timur, namun tidak untuk dana kesejahteraan sosial. Sayangnya, rata-rata pendidikan penduduk Jawa Timur selama dua dasa warsa terakhir hanya berkisar 6 tahun.


Referensi model: Murray, Evans, dan Schwar, Education Finance Reform and the Distribution of Education Resources, American Economic Review, 1998

Read More......

Model Faig dan Jerez: Obligasi Republik Indonesia

oleh Andreas Filipus Fego Djene (3021028), Erni Imelda (3041007), Tresya Linda Yana (3041013)

Dengan menggunakan data kuartalan antara 2001.1 sampai 2005.4 dengan kasus Indonesia, tulisan ini mengadopsi model Faig dan Jerez untuk menganalisis ORI (Obligasi Republik Indonesia). Secara statistik, jumlah uang beredar (M1) mempunyai pengaruh yang signifikan, namun tidak bagi GDP nasional. Meskipun memenuhi asumsi klasik (homoskedastis, tidak ada autokorelas, tidak ada pengaruh multikolinear, maupun memenuhi uji normalitas), model ini menunjukkan bahwa GDP tidak mempengaruhi besar obligasi pemerintah. Hal tersebut sangat mungkin untuk negara berkembang seperti Indonesia, di mana rata-rata GDP sangat kecil mengingat aktivitas ekonomi hanya terkonsentrasi di kota-kota besar saja. Padahal penduduk Indonesia banyak tersebar di berbagai pulau yang seringkali justru tidak ada aktivitas ekonomi yang menuntut peredaran uang.

Miquel Faig dan Belen Jerez, "Inflation, Prices, and Information in Competitive Search", www.benpres.com/bejm/advances/vol6/iss1/art3

Read More......

Cororaton's Model: Total Factor Productivity Growth

Like Meiliani, Feni Lusiana, Evi Pratiwi

Dengan menggunakan data 5 kabupaten dan kota di Jawa Timur untuk periode 2001-2005, tulisan ini menerapkan model fungsi produksi yang dikembangkan oleh Cororaton. Hasil analisis dengan menggunakan data pooling ini menunjukkan bahwa Perekonomian Jawa Timur cenderung dalam kondisi skala ekonomi konstan. Artinya, tanpa peningkatan teknologi, penambahan sumber daya manusia ataupun investasi tidak mempunyai nilai tambah yang relevan terhadap perekonomian.

Read More......

Model Capital Inflow Hooper dan Kim

By Kukuh Sadewo (3041718) dan Angga (3031027)

Dengan menggunakan variabel bebas berupa peringkat kredit suatu negara, GDP, peringkat kinerja ekspor, rasio tabungan/GDP, tulisan ini memakai model Hooper dan Kim (2007) untuk menganalisis faktor penentu investasi dengan sampel 5 negara di Asia, yaitu Indonesia, Vietnam, Philippines, Malaysisa, Korea, dan India dengan periode waktu antara 2002 sampai 2005 (panel data). Setelah asumsi-asumsi klasik terpenuhi, hasil estimasi menunjukkan hanya dua variabel (GDP dan peringkat kredit) mempunyai pengaruh secara konsisten baik pada model 1, 2, dan 3.

Vince Hopper and Suk-Joong Kim, "the determinant of capital inflows: does opacity of recipient country explain the flows?", Economic System 31 (2007) 35-48.

Read More......

Pengujian Model Harga Rumah Psymoski: Studi Kasus Perumahan di Kota Surabaya

Judul:
Igbal, Didi, Siandi Tjahjono

Abstrak: Dengan menggunakan model penentuan harga Eugene Psymoski (2005), penulis menggunakan 100 sampel data harga rumah yang tersedia di broker real estate pada tahun 2007. Secara statistik, luas bangunan dan luas tanah mempunyai pengaruh yang paling signifikan dibandingkan variabel lainnya. Variabel lain yang mempunyai pengaruh signifikan adalah usia bangunan dan lokasi yang berada pada level kedua, sementara letak rumah di dekat CBD relatif kurang signifikan. Semua variabel bebas tersebut mempunyai hubungan positif dengan harga rumah, kecuali untuk usia bangunan dan kawasan CBD. Dengan menggunakan sampel tersebut, rumah tinggal bangunan lama dan lokasi rumah di kawasan CBD mempunyai harga yang relatif lebih rendah. Rumah-rumah lama di pusat kota yang bergeser menjadi pusat bisnis kurang menarik bagi konsumen. Implikasinya, upaya mempertahankan kawasan perumahan bersejarah yang ada di pusat kota harus berhadapan dengan pasar. Kalau tidak ada kebijakan publik yang mendukung keberadaan kawasan perumahan di pusat kota tersebut, kawasan.

Read More......

Melinearkan Fungsi (Minggu ke6)

Untuk minggu ke-6 kali ini(12 April 2007), kita membahas tentang linearitas. Setelah sebelum nya, kita melakukan uji hipotesis/statistik yaitu uji-t dan uji-F, dan uji klasik. Pasti semua pada bertanya, kenapa harus membahas tentang linearitas suatu model?? apakah tidak tinggal memasukkan model apa adanya ke eviews?? Well, jawabannya adalah TIDAK.. karena untuk menentukan suatu persamaan regresi itu bisa digunakan atau tidak untuk melakukan estimasi, salah satu cara nya harus memenuhi persyaratan BLUE!! tau kan, kepanjangan dari BLUE.. salah satu hurufnya mengandung kata Linear..
Arti Linear disini ada 2:

1. Linear dalam variable berarti persamaan regresi berisikan variable yang berpangkat satu
2. Sedangkan Linearitas dalam parameter artinya yang berpangkat satu adalah parameternya.

Mungkin timbul pertanyaan, mengapa variabel-variabelnya harus berpangkat satu??! bila fungsi asli kita memiliki standart error yang tinggi, maka fungsi/persamaan kita harus diubah menjadi persamaan yang linear. kita tentu nya gak kan mau memiliki standart error yang tinggi bukan? alias menemukan standart error yang lebih kecil. sehingga hasil estimasi yang kita lakukan bisa mendekati kenyataan =)

Contoh :

Model fungsi produksi Cobb Douglass :

Y = aK^b1L^b2

Fungsi ini tidak linear dalam variabel dan parameter.

Y = output;

K = modal

L = labor,

Agar dapat dilakukan regresi, kita terlebih dahulu harus melinearkan persamaan fungsi diatas. Salah satu yang dapat kita lakukan adalah dengan menggunakan CLRM atau classical linear regression model yaitu dengan cara mentransformasikan persamaan tersubut ke persamaan linear dengan menggunakan logaritma.

Penggunaaan CLRM untuk merubah persamaan yang tidak linear menjadi linear dengan cara menggunakan logaritma natural (ln).

1. ln Y = a + b₁ ln K + b₂ ln L …… logaritma.

2. Pada kasus persamaan yang lain bisa saja melakukan logaritma pada sebagian variabelnya, misalkan :

a. ln Y = a + b₁ X₁+ b₂ X_{2 …………}semi logaritma tipe (log lin).

Karena variabel terikatnya di log tetapi variabel bebasnya tidak.

b. Y = a + b₁ ln X₁+ b₂ ln X_{2 …………}semi logaritma tipe (lin log).

Karena variabel bebasnya di log tapi dependen variablenya tidak.

Untuk penggunaannya di Eviews sama seperti pengolahan data biasa, hanya saat menulis persamaan pada kolom estimate equation fungsi produksi Cobb Douglass ditulis seperti :

Log(Y) c log(K) log(L)

Dari hasil regresi model di atas kita menemukan persamaan estimasinya sebagai berikut :

Log(Y) = -42.64 + 0.54 log(K) + 4.35 log(L)

Dengan uji hipotesis/statistik : (a = 5%)

Uji-F :

Probabilitas F-stat = 0.000 < 0.05

Berarti secara keseluruhan, variabel independen hasil estimator signifikan mempengaruhi Y sebagai variabel terikat.

Uji-t: (probabilitas estimator)

Konstanta : 0.0780 > 0.05 à Tidak signifikan mempengaruhi Y

Log K : 0.1070 > 0.05 à Tidak signifikan mempengaruhi Y

Log L : 0.0790 > 0.05 à Tidak signifikan mempengaruhi Y

Uji Klasik:

1. Uji Normalitas (JB Test)

Probability: 0.377104 > 0.05, berarti persebaran data di atas, normal.

2. Uji Autokorelasi

Obs*R-squared: 9.42777174603, Probability 0.00897 < 0.05 yang berarti terjadi auto korelasi pada data di atas.

3. Uji Heteroskedastis

Obs*R-squared: 4.93874696204, Probability: 0.176337733709 > 0.05, berarti hasil estimator tersebut memiliki varian yang homogen (homoskedastis), tidak terjadi heteroskedastis.

Read More......

Uji Statistik- Persamaan Regresi OLS (minggu ke4)

Pada pertemuan asisten ekonomet hari Kamis, 29 Maret 2007 kita ingin mencoba belajar untuk membaca hasil dari pengolahan data yang sudah kita lakukan. Lihat Introducing Eviews. Setelah kita menemui tabel anova sepeti gambar berikut:

Yang selanjutnya kita lakukan adalah membaca atau menginterpretasikan apa yang terdapat di dalam tabel tersebut.

Berdasarkan pengolahan regresi OLS diatas, dari model Y=α+β₁Cons+β₂pop+β₃labor+ε kita mendapatkan persamaan:

Y=-264.235,2 + 4.323,335 pop – 6,243 labor + 1,496 Cons + ε

Dimana:

Y = pendapatan diprediksi dari GDP @ current market price

Cons = konsumsi yang dilihat dari private consumption
Pop = Populasi yang dilihat dari total populasi
Labor= Jumlah tenaga kerja/Employed labor force

Setelah kita mendapatkan persamaan ini, kita melakukan serangkaian uji pada hasil regresi tersebut. Uji yang pertama kali kita lakukan adalah uji apriori: uji tanda yang kita dapatkan pada hasil persamaan regresi di atas.

Hasil persamaan yang kita dapatkan adalah :

Y= -264.235,2 + 4.323,335 pop – 6,243 labor + 1,496 Cons + ε, yang akan kita uji benar tidaknya tanda positif (+) atau negatif (-) yang kita dapatkan benar.

Konstanta: (-) berarti bila variabel yang lain = 0, kita akan tetap melakukan pengeluaran atau ditandai dengan pendapatan(Y) = 0

Pop/Cons : (+) berarti berhubungan searah dengan Y, yang berarti setiap adanya pertambahan konsumsi, dan populasi, ada indikasi bahe\wa pendapatan juga naik.

Labor: (-) berarti setiap pendapatan naik 6,2 poin, kita mengurangi 1 orang tenaga kerja. Atau setiap terjadi penambahan satu orang tenaga kerja kita akan menurunkan pendapatan sebesar 6,2 poin.(apa ini benar?) Seharusnya, tenaga kerja juga turut menyumbang kenaikan pendapatan, karena pekerja bekerja menghasilkan output yang dapat berpengaruh positif terhadap pendapatan.

Jadi, uji apriori adalah uji bagaimana anda dapat menganalisis suatu model menurut pemahaman anda, berdasarkan teori yang pernah ada, tentang benar tidaknya suatu tanda yang aanda dapatkan dalam proses pengolahan data regresi.

Uji yang akan kita lakukan adalah uji statistik, dimana uji statistik itu sendiri dibagi dua, uji t, yang berarti uji keterkaitan antara masing-masing variabel independen terhadap variabel dependennya; yang kedua adalah uji F, yang berarti kita menguji model secara keseluruhan, melihat keterkaitan variabel bebas secara bersama-sama dalam mempengaruhi variabel terikat.

Darimana kita memulai melakukan uji statistik?

Uji t

Pada gambar di atas, di kolom paling kiri kita bisa lihat ada prob. (probability) yang merupakan nilai probabilitas dari setiap variabel bebas dan konstanta.

Cara membacanya:

Pertama kita harus menentukan nilai α, atau derajat kesalahan yang menunjukkan seberapa besar kita menghendaki mentolerasi tingkat kesalahan dari estimasi yang kita lakukan: 1%, 5%, 10%. Untuk ilmu sosial, seperti ekonomi kita biasanya menggunakan α=5-10%, tapi dalam kasus ini, kita menggunakan α=5%.

Bila nilai probabilitas < α, maka kita dapat mengatakan bahwa variabel bebas tersebut signifikan mempengaruhi variabel terikatnya, dan sebaliknya bila nilai probabilitas > α, variabel bebas tersebut tidak signifikan mempengaruhi variabel terikat.

Berarti:

C : 0.679 > 0.05 à Constanta tidak signifikan mempengaruhi Y

Pop : 0.663 > 0.05 à Population tidak signifikan mempengaruhi Y

Labor :0.707 > 0.05 à Labor tidak signifikan mempengaruhi Y

Cons : 0.000 < style="">à Consumption signifikan mempengaruhi Y

Uji F:

Uji F hampir sama dengan uji t, hanya dilihat secara keseluruhan, kita melihat dari Prob (F-statistic), dibagian kanan bawah tabel. Disana terlihat bahwa Prob (F-statistic) = 0.0000, yang berarti lebih kecil dari α=5%, kita dapat membacanya: variabel bebas (populasi, tenaga kerja, dan konsumsi) bersama-sama signifikan mempengaruhi Y.

Read More......

Ekspor Mempengaruhi Pertumbuhan Ekonomi?

Beberapa waktu lalu ada email masuk ke asistenekonomet_feubaya@yahoo.com. Teman kita yang satu ini menanyakan nilai ekspor yang mempengaruhi pertumbuhan ekonomi Indonesia.

Pertumbuhan ekonomi Indonesia bisa diukur dari beberapa cara, antara lain :

1. Laju inflasi.

2. Tingkat suku bunga.

3. Nilai tukar rupiah.

4. Tingkat konsumsi.

5. Pertumbuhan investasi.

Tetapi, banyak yang melihat pertumbuhan ekonomi Indonesia dari PDB (pendapatan Domestik Bruto/GDP) harga konstan dengan melihat tahun tertentu sebagai pembanding. Atau bisa juga dilihat tingkat kesejahteraan masyarakatnya dari pendapatan per kapita (PDB dibagi jumlah penduduk).

Apa saja sih komponen GDP/PDB itu?

Seperti yang sudah kita pelajari dalam ekonomi makro, GDP (Y) = C+I+G+(x-m), atau dapat diterjemahkan pendapatan nasional merupakan fungsi dari tingkat konsumsi masyarakat secara keseluruhan, tingkat investasi, pengeluaran pemerintah dan ekspor netto.

Jadi, nilai ekspor dapat mempengaruhi pertumbuhan ekonomi secara langsung, bila tolok ukurnya adalah GDP. Tetapi model Y = C+I+G+(x-m), tidak dapat diregresi, karena model ini bersifat deterministik atau sudah pasti. Model regresi Y= a + bx.

Lihat: KI Indonesia 2006, Expenditures on GDP

Kalau belum jelas, bisa kasih comment dibawah, terima kasih.

Read More......

Introducing Eviews (Materi Asisten Minggu ke-3)

Sebelum memulai menganalisis suatu data dengan eviews, kita harus menentukan model terlebih dahulu, variabel bebas (independen variables) dan variabel terikat (dependent variables).

Misalkan kita tentukan model regresi linier yang akan kita gunakan, adalah sebagai berikut:

model ekonomi: Y= f(cons, pop, labor), atau model ekonometri: Y=α+β1Cons+β2pop+β3labor+ε

Y = pendapatan

Cons = konsumsi
Pop = Populasi

Labor= Jumlah tenaga kerja

α = konstanta/intercept, nilai Y minimum saat semua variabel lain = 0

β = koefisien/slope

ε = error term

Setelah itu kita melakukan proxy, atau perkiraan yang mendekati variabel yang akan kita olah dari data yang ada. misalkan: pendapatan dari GDP, konsumsi dari private consumption, populasi dari total populasi, dan labor dari labor force/ angkatan kerja.

Kemudian kita bisa memulai memasukkan data ke eviews.

Untuk memulai bekerja menggunakan eviews, terlebih dahulu kita harus membuat file kerja, tekan icon File, Workfile, kemudian akan muncul di layar Workfile Range seperti Gambar di bawah. Isi workfile range sesuai data. Kita tentukan terlebih dahulu, data kita berupa time series atau cross section?
Misalkan kita punya data time series tahunan, misalnya data dari 1980 sampai 2005, pilih Annual,isi seperti gambar di bawah, klik OK

Kemudian ketik data Y cons pop labor pada ruang kosong dibawah toolbar 'file' seperti gambar di bawah, kemudian ketik enter untuk memunculkan tabel yang berisi NA dan dapat memulai memasukkan data.

Setelah data dimasukkan, klik Quick pada deretan toolbar, kemudian pilih Estimate Equation.

pada kotak yang muncul ketik Y c Cons Pop Labor klik OK. c pada kotak tersebut bertujuan untuk memisahkan antara var. bebas dengan var. terikat. Kemudian muncul tabel anova yang beisi hasil estimasi dari model regresi yang kita buat. Untuk melihat hasil estimasi regresi, pada kotak tabel anova, klik view, representation.

Note:
Untuk latihan : KI 2006 Indonesia.

Read More......