Inflasi dan Motor Bebek Bapak Saya

Inflasi adalah salah satu biang kerok yang membuat motor bebek dijaman bapak saya muda seharga Rp 500.000 menjadi sekitar Rp 15 juta rupiah saat ini. Inflasi adalah kenaikan harga barang yang terjadi secara umum dan menyeluruh. Kata Bapak Hasyim penulis buku Ekonomi Makro (2016) kenaikan harga yang bersifat sementara atau musiman seperti ketika harga sembako naik menjelang lebaran tidak bisa dikategorikan sebagai inflasi.

Mankiew mengkategorikan inflasi ke dalam tiga tingkatan. Inflasi rendah yang nilainya dibawah 20%, Inflasi sedang yang nilainya diantara 20%-80%, dan Inflasi tinggi yang nilainya lebih dari 80%. Indonesia sendiri pernah setidaknya dua kali merasakan pahitnya inflasi tinggi. Pertama ketika masa pemerintah orde lama maksa bangun monas untuk proyek mercusuar dan kedua ketika mahasiswa maksa Pak Harto lepas jabatan. Kasus kedua ini adalah masa dimana harga motor bebek kegemaran bapak saya mulai melambung tinggi.

Inflasi baik tinggi, rendah, maupun sedang menyebabkan pelemahan nilai uang. Simpelnya pelemahan nilai uang itu adalah seperti kasus motor bebek jaman bapak saya muda dengan sekarang. Uang Rp 500.000 yang dulu tahun 80-an dihargai setara satu buah motor bebek baru. Sekarang hanya bisa menebus uang kos bulanan saya, dan itupun belum termasuk makan dan minum.

Karena menggerus nilai uang, inflasi yang tinggi juga dapat menyebabkan pelemahan daya beli masyarakat. Terutama masyarakat yang menyimpan kekayaannya dalam bentuk uang dibawah kasurnya. Mereka yang tadinya bisa membeli 20 buah motor dengan uang Rp 100 juta kini hanya bisa membeli enam buah motor saja. Hal ini merupakan kabar buruk bagi kaum kapitalis, karena menyebabkan penjualan dan keuntungan perusahaan mereka menurun.

Inflasi yang tinggi juga merupakan kabar buruk bagi para kaum buruh. Karena pada gilirannya, untuk tetap bertahan perusahaan akan melakukan penghematan dengan mengurangi jumlah pekerja mereka. Selanjutnya akan terjadi kenaikan jumlah pengangguran dan kemiskinan, yang pada akhirnya akan memunculkan gelombang protes berujung bentrokan dan reformasi seperti pada tahun 1998 di Indonesia.

Tapi tidak selamanya inflasi itu berdampak buruk, hal ini seperti yang disampaikan Darmin Nasution Menteri Koordinator Ekonomi disidang paripurna DPR. Beliau menjelaskan bahwa inflasi yang terukur merupakan gambaran pertumbuhan daya beli masyarakat, yang juga dapat diartikan sebagai kenaikan pendapatan masyarakat.

Pertumbuhan daya beli menguntungkan perusahaan karena perusahaan bisa memproduksi dan menjual lebih banyak barang produksinya. Untuk memproduksi lebih banyak barang perusahaan akan merekrut lebih banyak pekerja, yang pada gilirannya akan menekan angka pengangguran dan kemiskinan. Kapitalis akan merasa sangat bahagia karena selain mendapatkan marjin keuntungan yang sangat besar, kaum buruh bisa mengambil kredit motor terbaru lebih banyak karena harganya lebih bersaing.

Jadi bagaimana mendapatkan inflasi yang menguntungkan dan menghindari inflasi yang tinggi ? Jawabannya adalah dengan meningkatkan kapasitas produksi kita, dengan cara berwirausaha. Ketika jumlah barang yang tersedia untuk dikonsumsi semakin banyak maka harga barang tersebut dipasaran akan semakin bersaing atau stabil. Kemungkinan terjadinya kenaikan harga barang akan semakin kecil sehingga nilai inflasi akan cenderung rendah.

Pada intinya daripada menuntut kenaikan upah, mendorong masyarakat untuk lebih bijak dan kreatif dalam mengelola dananya adalah solusi terbaik untuk mengendalikan inflasi. Selain dapa membuka lebih banyak ruang kerja, kreatif mengelola dana dengan berwirausaha akan memunculkan lebih banyak pengusaha muda yang menjadi saingan para kapitalis.

Moge Bebas pake Lampu Rotator dan Sirine

Beberapa hari yang lalu dalam perjalanan saya pualang ke kos, terdengar suara sirine dan sorot lampu rotator biru dari belakang. Sebagai warga negara yang baik, dengan sigap saya pun segera ambil ruas jalan paling kiri dengan maksud memberi jalan, karena bunyi sirine dan sorot lampu biru lampu rotator biasanya adalah kendaraan untuk peristiwa darurat seperti pemadam ambulan dan kebakaran dan lain-lain.

Setelah beberapa saat kendaraan lewat dalam hati saya misuh “kampret, tak kiro ono kendaraan darurat jebule ora”, karena ternyata yang lewat hanya sebuah kendaraan besar yang sering dijuluki motor gede alias moge. Tanpa dosa si pengendara lewat dengan raut muka sangar membunyikan sirine dan lampu rotator birunya seperti kendara kawal polisi voljrider.

Arogansi kelompok atau manusia perorangan pemilik moge, yang saya alami bukanlah peristiwa pertama yang terjadi di Indonesia, beberapa waktu yang lalu juga sempat viral video mas Elanto Wijoyono dari Jogja yang berani menghadang konvoi moge yang seolah merasa menguasai jalan raya dan bebas aturan.

Mas Elanto Wijoyono memang patut diacungi jempol karena keberaniannya menuntut keadilan dan kesetaraan di jalan raya. Menegur polisi yang mengawal konvoi tersebut, hingga disemprot oleh salah satu pengendara moge ia lakoni untuk memperjuangkan keadilan.

Viralnya aksi mas Elanto Wijoyono juga tak luput dari komentar para netizen yang pro maupun kontra. Komentar yang medukung ada yang bilang kalau mesin moge mesinnya gede jadi panas banget makanya perlu previlage khusus supaya cepat sampe tujuan. Lha kalo emang mesinnya panas kenapa dipake konvoi ? kenapa nggak pake motor metik aja yang mesinnya dibawah jok.
Secara aturanpun, penggunaan lampu rotator yang sering menyilaukan mata, dan sirine yang sering bikin jantungan itu seharusnya untuk keperluan darurat. Bukan untuk kesenangan dan hobi segelintir kelompok atau bahkan perorangan. Polda Metro Jaya melalui akun resminya menyatakan bahwa bagi pemilik kendaraan pribadi dilarang membunyikan sirine dan memasang lampu rotator jika tidak termasuk dari golongan tersebut di PP nomor 44 Tahun 1993.

Bagaimana kalau orang mulai jengah dan akhirnya tidak peduli dengan rambu-rambu darurat macam sirine dan lampu rotator. Bisa-bisa kendaraan yang benar-benar darurat tidak diberi jalan. Hingga pada akhirnya terjadi dampak-dampak buruk terhadap kepentingan masyarakat.
Sinyal untuk pasien kritis, mobil pemadam kebakaran, dan berbagai macam hal darurat lainnya yang secara umum memang darurat di jalan raya seharusnya tidak untuk mainan segelintir orang dan kelompok yang merasa memiliki kendaraan mahal dan hobinya jauh lebih darurat dari kepentingan orang lain. (gabdulaziiz)

Amarah Sopir Angkot VS Kemajuan Teknologi

Saya sempat merasakan sendiri bagaimana sengitnya kemarahan para pelaku transportasi konvensional terhadap para pemain transportasi online. Ketika saya turun di halte BRT Semarang dekat patung kuda yang sebenarnya Patung Diponegoro naik kuda di daerah ngesrep semarang, hendak menuju tembalang saya menunggu pesanan taxi online datang. Sambil memegang hape dan bawa banyak barang saya dan seorang teman menjadi perhatian para sopir angkot yang sedang nyegat penumpang. Tak perlu waktu lama bagi mereka untuk langsung memanggil saya dan menawarkan angkutan mereka dan tak perlu waktu lama bagi para supir daihatsu sadar bahwa saya sedang menunggu taxi online.
Langsung saja saya di usir dari trotoar tempat saya berdiri. “Mas kalau nunggu ojek online jangan disini, sini tempat angkutan, sana jalan jauh jangan di sini” perintah si sopir angkot kuning dengan nada marah. Saya sendiri belum tau kalau trotoar tempat pejalan kaki itu bisa dimiliki seseorang atau kelompok tertentu.
Sebenarnya secara hukum taxi online ini memang masih menyalahi aturan, mulai dari menggunakan pelat hitam, sampai dengan uji KIR yang belum mereka lakoni. Apalagi sejak moda transportasi mulai mewabah dan menyerap banyak tenaga kerja, salah satu mushola di wilayah perumahan tembalang harus pasang poster “Bukan tempat mangkal Ojek online.”
Tapi dari segi hukum dan etika berkendara, tranportasi konvensional yang salah satunya sempat merampas hak saya menggunakan trotoar juga tidak kalah banyak salahnya. Mulai dari berhenti sembarangan tanpa memberi lampu sein, sampai nyopir ugal-ugalan di jalan raya. Jika dihitung-hitung berhenti sembarangan dan ugal-ugalan dijalan lebih banyak mudorotnya ketimbang masalah plat nomer. Itu juga belum termasuk penguasaan trotoar sebagai tempat mangkal.
Tapi yang bawa sial itu sebenarnya adalah para konsumen yang lebih memilih transportasi online ketimbang mobil angkot. Mereka lebih suka pesan taxi online duduk di mobil berAC dari pada disusun berdesak-desakan seperti ayam pedaging di kandangnya. Jarak patung kuda ke kos saya adalah sekitar 2,8 kilometer, dulu saya meghabiskan Rp 3000 per orang kalo naik si mobil kuning, itupun saya perlu jalan setengah kilometer lagi, karena kos saya didalam kampung.
Sedangkan dengan uang Rp 9000, taxi online bisa mengantar saya dan teman saya sampai depan kos. Tanpa disusun seperti ayam pedaging, pelayanan yang ramah, kursi empuk dan sejuknya hembusan AC.
Selain konsumen, kemajuan teknologi juga jadi biang kerok menurunnya pendapatan para sopir angkot. Kemajuan teknologi sama sekali tidak memberi kabar akan kedatangannya. Menggempur habis-habisan model bayar uang pas, atau tanpa kembalian dan merusak tantanan sistem argo taxi keong yang sering dialami penumpang.

Saran dari saya, sebaiknya para pelaku transportasi konvensional mulai mengejar ketertinggalan meraka dari segi kualitas, persaingan harga, dan tetek bengek lain yang bisa jadi pertimbangan konsumen. Mungkin apa yang dilakukan bluebird bisa dijadikan contoh. Atau mungkin opsi alternatif yaitu mulai ganti usaha dan ganti pekerjaan lain. (gabdulaziiz)

Belajara Grammar : Core Sentence

Untuk memudahkan dalam belajar grammar, kita harus mengerti terlebih dahulu tentang core sentence.


Core sentence adalah kalimat inti yang terdiri dari Subjek dan Predikat
Predikat bisa berbentuk kalimat aktif dan pasif
Kalimat aktif tinggal mengikuti strukturnya saja.

Sedangkan Non Active Verb terdiri dari tiga jenis model dan menggunakan “be” pada struktur kalimatnya
Contoh, Active Verb Simple Past Tense. Perhatikan struktur kalimatnya !

Contoh, Non Active Verb Simple Past Tense. Perhatikan struktur kalimatnya !

Passive Verb
Noun
Adjective



Regresi Log Linear dan Semi Log Linear

Gujarati (2006) mnjelaskan bahwa Regresi memiliki Model fungsional Elastisitas konstan atau Log Lienar. Transformasi log-linear ini biasanya dilakukan untuk mendapatkan hasil regresi yang lebih baik.

Transformasi Log-linear dilakukan dengan merubah variabel ke adalam logaritma natural yang memiliki basis logaritma sebesar 2,718. Jadi dalam regresi Log linear model regresi absolut yang biasanya kita pakai, kita ubah kedalam model regresi log linear seperti pada gamabar di bawah ini :
Lalu Bagaimana Pengaaplikasiannya ?


Untuk mendapatkan variabel dalam bentuk logaritma natural, 
#1Kita bisa menerapkannya langsung kedalam aplikasi eviews dengan memasukan persamaan
log(y) c log(x)

#2 Menggunakan fasilitas Transform-Compute Data pada aplikasi spss. anda tinggal melakukan esimasi Ln(nama variabel).
#3 Pada cara ketiga, kita bisa melakukannya dengan melakukan tranformasi di excel seperti pada gambar berikut : (Dilakukan dengan rumus = Ln(target trnasformasi).
Penggunaan excel untuk memperoleh logaritma Natural adalah yang paling ringkas. dan cepat.

Gujarati (2006) menjelaskan bahwa Regresi Log Linear memiliki tiga variasi sebagai berikut :

Model Log Linear
Pada model pertama, variabel terikat(y) dan variabel bebas(x)nya sama-sama ditransform kedalam logaritma natural sehingga diperoleh persamaan seperti berikut :
Menggunakan contoh data sebelumnya, maka regresi log Linear akan menghasilkan titik potong dan kemiringan sebagai berikut :
*Intepretasi hasil diatas menunjukan bahwa apabila nilai variabel X naik sebesar 1% maka secara rata-rata nilai variabel Y akan naik sebesar 0,73%.
Model Semi Log Linear Varibael Terikat(Y)
Pada model kedua, variabel terikat(y) ditransform kedalam logaritma natural sedangkat variabel bebas (x) tetap pada nilai absolut sehingga diperoleh persamaan seperti berikut :
Menggunakan contoh data sebelumnya, maka regresi Semi LnY akan menghasilkan titik potong dan kemiringan sebagai berikut :
*intepretasi hasil diatas menunjukan bahwa setiap 1 point kenaikan variabel x, akan meningkatkan rata-rata variabel Y sebesar 0,29% (catatan : dalam intepretasi model semi LnY , Koefisien kemiringan harus dikalikan 100).
Model Semi Log Linear Variabel Bebas(X)
Pada model ketiga, variabel terikat(y) tetap dalam nilai absolut sedangkan variabel bebas (x) ditransform ke dalam logaritma natural sehingga diperoleh persamaan seperti berikut :
Menggunakan contoh data sebelumnya, maka regresi LnX akan menghasilkan titik potong dan kemiringan sebagai berikut :
*Intepretasi hasil diatas menunjukan bahwa setiap kenaikan 1 persen rata-rata variabel x akan meningkatkan nilai variabel y (secara absolut) sebesar 0,2 point (catatan : pada model semi LnX, koefisien kemiringan harus dibagi 100).

#Daftar_Pustaka Terima kasih kepada :
N. Gujarati, Dmodar (2006). Dasar-dasar Ekonometrika Jilid 1. West Point : United States Military Academy.

Uji Multikolinieritas Melalui Eviews

Berdasarkan apa yang disampaikan Gujarati (2006) dalam Dasar-dasar Ekonometrika, Salah satu syarat dari Estimasi Regresis Ordinary Least Square adalah tidak ada multikolinearitas dalam model

Lalu apa yang dimaksud dengan Multikolinearitas ?

Multikolinearitas adalah kondisi dimana Variabel bebas (x/Dependent) dalam model penelitian saling berkorelasi atau memiliki korelasi yang tinggi.

Imam Ghozali (2014) memaparkan bahwa multikolinearitas sempurna terjadi apabila korelasi antar variabel bebas lebih dari 0,9.

Bagaimana cara mengetahui korelasi antar variabel bebas dalam model penelitian ?

Pada aplikasi Eviews, untuk menampilkan korelasi variabel bebas cukup mudah.

#Pertama Seperti biasa siapkan kertas kerja penelitian kita di Aplikasi Eviews. Dalam contoh kali ini, variabel bebasnya adalah Inflasi, Kurs dan SBI.

#Kedua Pilih menu Quick - Group Statistics - Correltions seperti pada contoh gambar dibawah ini.
#Ketiga Pada kotak menu fitur korelasi eviews, tuliskan nama variabel bebas rekan-rekan seperti pada gambar di bawah ini.

#Keempat Maka kita peroleh output seperti pada gambar berikut


#Selesai Dari model penelitian yang ghofnet.id gunakan sebagai contoh, dapat disumpulkan bahwa tidak terjadi multikolinearitas dalam model. Karena korelasi antar variabel bebas tidak da yang melebihi 0,9.

#Daftar_Pustaka Terima kasih kepada :
N. Gujarati, Dmodar (2006). Dasar-dasar Ekonometrika Jilid 1. West Point : United States Military Academy.
Ghozali, Imam (2013). Analisis Multivariat dan Ekonometrika. Universitas Diponegoro Semarang : Badan Penerbit Undip

Korkesi Autokorelasi Auto Regressi : Eviews

Gujarati (2006:183) menjelaskan bahwa salah satu syarat untuk mendapatkan estimasi yang BLUE (Best Linear Unbias Estimate) dalam model Regresi Linear Berganda OLS adalah tidak terdapat autokorelasi dalam Model.

Imam Ghozali (2013:157) menyatakan koreksi Autokorelasi bisa dilakukan dengan menambahkan variabel Auto Regressi pada model regresi. Apabila Autokorelasi mengikuti pola auto regresive. Untuk pengaplikasiannya pada aplikasi eviews adalah sebagai berikut :

#Penting Metode Koreks Autokorelasi dengan Autoregressive tidak bekerja pada model penelitian data panel Random Effect.

#Pertama Seperti biasa siapkan data penelitian kamu. di sini ghofnet menggunakan contoh model penelitian dimana Y=ihsg, X1=Inflasi, X2=kurs, X3=sbi.
Pada model regresi diatas terjadi autokorelasi dengan hasil estiimasi Durbin-Watson yang sangat rendah. seperti berikut :
Pada estimasi model yang mengalami autokorelasi, kita bisa lihat nilai r-square yang rendah dan semua variabel bebas tidak signifikan pada 0,05.

#Kedua Sehingga untuk mengatasi autokorelasi kita lakukan regresi dengan menambahkan variabel autoregressi kedalam model regresi. Contoh penerapannya dalam aplikasi eviews seperti gambar dibawah ini.
#Keempat tekan OK, selanjutnya kita peroleh hasil estimasi seperti berikut :
diperoleh DW hitung yang berada diantara batas atas DW Tabel 1,727 dan 4 – Batas Atas DW tabel 2,273 pada observasi 59 dengan n observasi sebesar 59 dan 3 variabel bebas.

#Kelima Setelah model regresi terbebas dari masalah autokorelasi kita dapatkan nilai r-square yang tinggi dan ketiga variabel signifikan.
Kita peroleh hasil Durbin-Watson yang lebih besar kali ini yang tidak mengalami autokorelasi jika dibandingkan dengan Durbin-Watson tabel pada siginifikasi 0,05, dengan empat variabel bebas dan observasi (n) sebesar 58.
DU = 1,727 
4-DU = 2,273


#Selesai Untuk lebih mudah dalam membaca, berikut adalah cara membandingkan DW hitung dengan DW tabel, berdasarkan apa yang disampaikan Gujarati (2006)
#Penting Apabila Metode koreksi ini tidak memberikan nilai DW yang memuaskan rekan-rekan bisa mencoba cara lain yang juga tersedia di Web ini

Koreksi Autokorelasi Lag Logged : Eviews

Koreksi Autokorelasi : Estimasi Nilai Rho Melalui DW
#Daftar_Pustaka Terima kasih kepada :
N. Gujarati, Dmodar (2006). Dasar-dasar Ekonometrika Jilid 1. West Point : United States Military Academy.

Ghozali, Imam (2013). Analisis Multivariat dan Ekonometrika. Universitas Diponegoro Semarang : Badan Penerbit Undip

Regresi Linear OLS : Maksud dan Tujuannya

Seperti yang sudah ghofnet.id jelaskan sebelumnya, Regresi adalah perhitungan statistik yang digunakan untuk mengestimasi pengaruh variabel bebas terhadap variabel terikat yang menjadi obejek Penelitian.


Lalu apa yang dimaksud Linear dalam Regresi Linear ?

Regresi Linear adalah Model Regresi yang yang menggunakan persamaan linear atau garis lurus. Untuk Lebih jelasnya kita bisa melihat contoh regresi linear sederhana yang dihitung manual menggunakan excel. Contoh ini diambil dari tulisan Gujarati (2006) Dasar-dasar Ekonometrika.


Perhitungan regresi yang kita gunakan kali ini adalah metode Kuadrat Terkecil Biasa (Ordinary Least Square/OLS), yang tujuannya adalah untuk memilih beta (pengaruh) variabel bebas terhadap variabel terikat dengan kuadrat Residu (Nilai Sisa) Terkecil.

Kita memiliki data sebagai Berikut, yang diolah secara manual menggunakan Excel
Lalu kembali kita lakukan perhitungan seperti pada gambar tabel dibawah ini. (Note : Tabel dibawah ini adalah terusan tabel sebelumnya, begitu Juga tabel berikutnya)
Perhitngan diatas dilakukan untuk mendapatkan keragaman data.
Setelah selesai kini saatnya kita Melakukan Estimasi pengaruh variabel X terhadap Y. Rumus dibawah digunakan untuk mendapatkan beta dengan kuadrat Residu terkecil


Kuadrat terkecil (Least Square) dapat dilihat dari klom residu yang apabila di jumlah dan di rata-rata berinilai nol. Hasil nol dari kolom residu menunjukan bahwa residu terdistribusi dengan normal, sehingga hasil tersebut akan sama dengan hasil uji kolomogorov smirnov maupu uji Jarque-Bera untuk normalitas.


Lalu, apa yang dimaksud dengan Linear ?

Mari Kita Masukan hasil perhitungan  Y predisksi (y-topi) dan Y Sampel kedalam grafik Scatter :
Dari diagram Scatter kita peroleh y-topi membentuk garis lurus yang membuktikan bahwa model yang kita gunakan adalah Linear, maka dari itu disebut regresi linear. 

Linear dari segi parameter/variabel bebas/Independentnya. dimana nilai pengaruh variabel x terhadap variabel y tetap / konstan dalam setiap observasi. 

*catatan : semakin banyak variabel penjelas [bebas] maka kemampuan menggambarkan keragaman variabel terikatnya akan semakin baik. Sehingga hasil scatter plotnya mampu menyerupai pola data asli. Pembuktiannya akan ghofnet.id bahas di postingan berikutnya.

lalu, kenapa harus Kuadrat residu harus sekecil mungkin ?

Perhatikan perhitungan untuk Uji Signifikasi dan R-square model dibawah ini.


Gujarati (2006) menjelaskan keunggulan Regresi OLS (Kuadrat Terkecil asli) adalah sebagai Berikut :

#Pertama Perhitungan regresi yang diporeleh melewati rata-rata sampel X dan Y. Jadi perhitungan di atas akan memberikan hasil yang akurat pada titik perpotongan rata-rata seperti pada gambar di bawah ini :
#Kedua Nilai rata-rata residu (Nilai Sisa/Variabel Penganggu/Faktor yang tidak bisa dijelaskan dalam Model) selalu sama dengan nol. Hal ini menunjukan ketepatan perhitungan secara aritmatik.


#Ketiga Jumlah hasil kali antara residu dan nilai-nilai variabel penjelas X adalah 0. (Lihat tabel hasil Estimasi Sebelumnya). Hal ini menunjukan bahwa kedua variabel tersebut tidak berkorelasi (variabel X dan residu).

#Keempat Jumlah perkalian antara residu dengan y_topi adalah nol.


#Kesimpulan Jadi setelah pembahasan di atas, dapat kita simpulkan bahwa regresi adalah proses mencari tahu pengaruh variabel bebas terhadap variabel terikat, dengan cara menghitung nilai variabel terikat melalui variabel bebas.

Dalam proses perhitungan (estimasi) variabel terikat, regresi menggunakan persamaan linear yang di dalamnya terdapat Konstanta (b1) sebagai titik awal, beta (b2) sebagai penjelas pengaruh variabel bebas terhadap variabel terikat dan residu adalah nilai sisa yang tidak mampu dijelaskan oleh model regresi.

#Daftar_Pustaka Terima kasih kepada :
N. Gujarati, Dmodar (2006). Dasar-dasar Ekonometrika Jilid 1. West Point : United States Military Academy.

Ghozali, Imam (2013). Analisis Multivariat dan Ekonometrika. Universitas Diponegoro Semarang : Badan Penerbit Undip

Koreksi Autokorelasi : Estimasi Nilai Rho melalui DW

Autokokorelasi kali ini di estimasi menggunakan Uji Durbin-Watson sesuai dengan teori yang disampaikan Gujarati (2006) dan Imam Ghozali (2014).

Estimasi nilai Rho adalah salah satu cara untuk mengkoreksi masalah autokorelasi pada model penelitian. Nilain Rho nantinya akan dimasukan ke model penelitian kita untuk mengoreksi masalah autokorelasi

Lalu bagaiamana cara mengestimasi nilai Rho ?

#Pertama Sesuai dengan apa yang disampaikan Imam Ghozali (2014) dan Gujarati (2006). Rho bisa di estimasi dengan menggunakan Nilai Durbin-Watson dari model penelitian kita yang masih terkena autokorelasi.
Nilai Durbin-Watson dari model kita yang terkena autokorelasi di estimasi untuk menghasilkan nilai Rho dengan cara hitungan semperti gambar dibawah ini :
#Kedua Setelah memperoleh nilai Rho, kita masukan estimasi Rho kedalam model persamaan penelitian kita seperti gambar di bawah ini
Atau apabila diterapkan kedalam persamaan pada aplikasi eviews dengan persamaan penelitian yang digunakan seperti gambar berikut


Dalam contoh ini, ghofnet.id menggunakan variabel y=ihsg x1=inflasi x2=kurs x3=sbi dan x4=pdb.

#Ketiga Setelah itu kita peroleh hasil Estimasi seperti pada gambar berikut :
#Ketiga Kita peroleh hasil Durbin-Watson yang lebih besar kali ini yang tidak mengalami autokorelasi jika dibandingkan dengan Durbin-Watson tabel pada siginifikasi 0,05, dengan empat variabel bebas dan observasi (n) sebesar 58.
DU = 1,727 
4-DU = 2,273

#Selesai Untuk lebih mudah dalam membaca, berikut adalah cara membandingkan DW hitung dengan DW tabel, berdasarkan apa yang disampaikan Gujarati (2006)
#Daftar_Pustaka Terima kasih kepada :
N. Gujarati, Dmodar (2006). Dasar-dasar Ekonometrika Jilid 1. West Point : United States Military Academy.


Ghozali, Imam (2013). Analisis Multivariat dan Ekonometrika. Universitas Diponegoro Semarang : Badan Penerbit Undip

Uji Gletjer Manual Menggunakan Eviews

Uji Gletjer adalah perhitungan statistik untuk mencari tahu apakah model penelitian mengalami Heteroskedastisitas atau tidak. Tutorial ini sesuai dengan apa yang disampaikan Imam Ghozali (2015) dan Pengalaman ghofnet.id selama menuntut ilmu pada program Sarjana Terapan Polines.

Perhitungan secara manual ini penting, apabila kita sedang melakukan regresi mengunakan data panel lewat aplikasi eviews.

Tidak ada Heteroskedastisitas adalah salah satu syarat dalam model Regresi Linear dengan Asumsi Klasik (OLS) sesuai dengan yang disampaikan Gujarati (2006)

Langsung saja bagaimana Kuncinya ?


Kuncinya hanya ada dua yaitu memahami persamaan dan cara mengimplementasikan persamaan statistik dengan Membuat Variabel Baru

Kunci#1 Uji Gletjer dilakukan dengan melakukan regresi terhadap absolut residual dari model regresi penelitian kita. Regresi dilakukan dengan persamaan dibawah ini. 


Terlebih dahulu untuk memahami cara membaca persamaan bisa dibuka di sini.

Varibel "x1, x2, x3" adalah variabel bebas dari model penelitian. Rekan-rekan tinggal menyesuaikan variabel bebas model penlitian rekan-rekan terhadap persamaan diatas.

Kunci#2 Kita hanya memiliki variabel terikat "y" (Dependent) dan Variabel Bebas "x1, x2" (Independen) pada kertas kerja kita.


Lalu Bagaimana Mengaplikasikan persamaannya ?

Pada aplikasi eviews penerapan bisa kita lakukan dengan memasukan persamaan seperti gambar berikut pada menu estimate


Apakah ada contoh untuk lebih jelasnya ?

Berikut ini adalah langkah uji gletjer secara menual menggunakan aplikasi Eviews. Untuk contoh kali ini ghofnet.id menggunakan model penelitian dimana :
y(Dependent) = IHSG
x1(Independent) = inflasi
x2(Independent) = kurs
x3(Independent) = SBI
x4(Independent) = PDB

Langkah#1 Untuk uji gletjher pada aplikasi eviews, kita terlebih dulu harus mendapatkan nilai residual dari model penelitian kita. Residual bisa diperoleh dengan terlebih dahulu mengestimasi model penelitian seperti gambar dibawah ini.

Setelah keluar hasilnya coba dipastikan apakah residual modelnya telah keluar. Karena variabel residu belum keluar nilainya sebelum model peneitian di estimasi.
Langkah#2 Selanjutnya kita lakukan estimasi persamaan Uji Gletjer seperti pada gambar dibawah ini. 

Langkah#3 Untuk membaca uji gletjer kita lihat dari probabilats pengaruh variabel independen terhadap absolut residu kita. 

Pada contoh kali ini tidak terdapat heteroskedastisitas karena nilai probabilatas diatas 0,01. Heteroskedastisitas terjadi apabila probabilitas variabel independent signifikan pada (kurang dari) 0,01.

#Selesai Dalam uji gletjer secara manual menggunakan eviews, yang perlu dperhatikan adalah resid yang berubah-ubah ketika estimasi baru dilakukan. sehingga kita harus memastikan residual yang tertera pada variabel resid benar-banar residual dari model penelitian kita.

#Daftar_Pustaka Terima kasih kepada :
N. Gujarati, Dmodar (2006). Dasar-dasar Ekonometrika Jilid 1. West Point : United States Military Academy.

Ghozali, Imam (2013). Analisis Multivariat dan Ekonometrika. Universitas Diponegoro Semarang : Badan Penerbit Undip

Bagikan

Klik Donasi (Iklan adalah cara kami untuk berkarya

Inflasi dan Motor Bebek Bapak Saya

Inflasi adalah salah satu biang kerok yang membuat motor bebek dijaman bapak saya muda seharga Rp 500.000 menjadi sekitar Rp 15 juta rupia...