Statistika Ekonomi dan Bisnis

Transkripsi

1 Statistika Ekonomi dan Bisnis Arif R Hakim ONLINE AVAILABLE :

2 Topik Pengujian Hipotesa Pengujian Normalitas ONLINE AVAILABLE :

3 STATISTIKA DESKRIPTIF (REVIEW) No Kelas Interval Jumlah fi Fi Bn Rp Indonesia Mn Ringgit Malaysia Mn $ Singapore Singapura 3

4 STATISTIKA DESKRIPTIF (REVIEW 2) BbMo b1 b2 P X = 30.5 S2 = ,5 [(18+17)/2] 6 [26-20] 16 [26-10] 3

5 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

6 TIPE HIPOTESIS HIPOTESIS NIHIL/NOL (H)YAITU HIPOTESIS 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 6

7 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 Ha : Metode baru dapat menjadikan proses kerja lebih efisien 7

8 TARAF NYATA dan DAERAH PENOLAKAN (Level of Significance and the Rejection Region) H0: m 3 H1: m< 3 H0: m 3 H1: m> 3 a 1 arah Rejection Regions 0 2 arah 0 8 a 1 arah 0 H0: m=3 H1: m 3 Critical Value(s) a/2

9 Prosedur dalam UJI HIPOTESIS 1. Tetapkan HIPOTESIS Tahap penentuan hipotesis NOL dan ALTERNATIF yang akan diuji. 2. Tetapkan TARAF NYATA PENGUJIAN atau 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.

10 Uji Normalitas Pengujian ini dimaksudkan untuk mengetahui distribusi sisaan. Secara teori dapat dibuktikan bahwa E (ξi) = 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 : ξi mengikuti distribusi normal H1 : ξi tidak mengikuti distribusi normal 10

11 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 ( 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.

12 Uji Normalitas (Cont.) Membandingkan nilai JB (Jacque Beraa) statistics dengan chi squared-tabel atau dengan Prob JB-stat. 12

13 Contoh Pengujian (1) 13

14 Contoh Pengujian (2) 14

15 Contoh Pengujian (3) 15

16 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

17 Topik Uji Proporsi 2 Populasi ONLINE AVAILABLE :

18 PENDAHULUAN Pengujian ini dapat digunakan pada data kualitatif dan dapat dikelompokkan menurut dua ketegori yang sama. Prinsip Pengujian 18 ARH

19 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

20 Contoh : Proporsi Dua Populasi 20 ARH

21 Penyelesaian : Proporsi Dua Populasi 21 ARH

22 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 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 = 5% buktikan apakah penilaian tamu antara kedua hotel tersebut yang menyatakan senang (ya) adalah sama atau tidak? ARH

23 Topik Uji Rata Rata 2 Populasi Dependen (Metode Non Parametrik) ONLINE AVAILABLE :

24 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

25 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

26 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

27 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 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

28 Latihan 28 ARH

29 Lampiran : Wilcoxon Tabel One-Sided Two-Sided One-Sided Two-Sided n = 5 n = 6 n = 7 1 n = 11 n = 8 n = 9 n = n = 12 n = 13 n = 14 n = 15 n = One-Sided Two-Sided n = 17 n = 18 n = 19 n = 20 n = 21 n = One-Sided Two-Sided n = 23 n = 24 n = 25 n = 26 n = 27 n = One-Sided Two-Sided n = 29 n = 30 n = 31 n = 32 n = 33 n =

30 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 :

31 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 $

32 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

33 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 ,- serta standar deviasi sebesar Rp ,-. Buktikan apakah hal tersebut berlaku diregion saudara. Bila diduga pengeluaran non makanan rerata rumah tangga hingga Rp ,- serta standar deviasi sebesar Rp ,-. Buktikan apakah hal tersebut berlaku diregion saudara 33

34 Topik Uji Rata Rata 2 Populasi Dependen (Metode Parametrik) ONLINE AVAILABLE :

35 Pengantar Jika D diketahui, selisih pasangan data sampel berdistribusi normal, maka diketahui, selisih gunakan uji Z atau uji F Jika D tidak pasangan data sampel berdistribusi normal maka gunakan uji t 35

36 Perumusan Hipotesa Dua arah Arah kanan Arah kiri H0: D = H0 versus H1: D H0 H0: D H0 versus H1: D > H0 H0: D H0 versus H1: D < H0 dimana D = rata-rata selisih pasangan data dari 2 populasi H0 = nilai dugaan untuk D 36

37 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 Η0 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

38 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

39 Latihan

40 Penyelesaian w1 40

41 Slide 40 w1 Nilai t-hitung tidak tepat, karena yang tampil untuk alpha 10%. Koreksi t-tabel alpha 5% dengan df=9 sebesar win7, 10/02/2014

42 Latihan

43 Topik Uji Rata Rata 2 Populasi Independen (Metode Non Parametrik) ONLINE AVAILABLE :

44 Pengantar Pengujian ini mengasumsikan data tidak berdistribusi normal. Karena kedua sampel independen maka ukuran sampel dapat berbeda. Data yang digunakan cenderung bersifat kuantitatif. 43

45 Pengantar Jika i diketahui, 2 sampel data sampel tidak berdistribusi normal, maka gunakan uji Z Jika i tidak diketahui dan 12 = 22 serta 2 sampel data sampel tidak berdistribusi normal, maka gunakan uji t (pooled variance). Jika i tidak diketahui dan serta 2 sampel data sampel tidak berdistribusi normal, maka gunakan uji t (separate variance). 44

46 Perumusan Hipotesa 2 arah 1 arah kanan 1 arah kiri 45 H0: 1-2= 0 H1: H0: H1: 1-2 > 0 H0: H1: 1-2 < 0

47 PENGUJIAN DUA RATA-RATA 2 POPULASI INDEPENDEN ( i diketahui) Buat hipotesisnya yakni sebagai berikut : Ho: 1-2= 0 H1: Hitung statistik uji berdasarkan data sample yang diperoleh dengan formula : Zhit (x 1 x 2 1 n 2 ) 1 n H Tentukan taraf nyata pengujian ( ) dan tentukan juga t /2(n-1) Kesimpulan dengan kriteria tolak Ho jika : 2 arah Zhit > Z /2 1 arah kiri: Zhit < Z 1 arah kanan: Zhit > Z

48 PENGUJIAN DUA RATA-RATA 2 POPULASI INDEPENDEN ( i tidak diketahui dan 12 = 22) Buat hipotesisnya yakni sebagai berikut : Ho: 1-2= 0 H1: Hitung statistik uji berdasarkan data sample yang diperoleh dengan formula : thit (x 1 x 2 ) 2 H0 2 (n 1)s (n 1)s n n 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[ /2;df] 1 arah kiri: thit < t[ ;df] 1 arah kanan: thit > t[ ;df] dimana df = n1 + n2-2

49 PENGUJIAN DUA RATA-RATA 2 POPULASI INDEPENDEN ( i tidak diketahui dan 12 22) Buat hipotesisnya yakni sebagai berikut : Ho: 1-2= 0 H1: Hitung statistik uji berdasarkan data sample yang diperoleh dengan formula : thit (x 1 x 2 ) 2 H0 2 (n 1)s (n 1)s n n n 1 1 n 2 Tentukan taraf nyata pengujian ( ) dan nilai hitung Kesimpulan dengan kriteria tolak Ho 2 sisi: 2 arah thit > t[ /2;df] dimana 1 arah kiri: thit < t[ ;df] 1 arah kanan: thit > t[ ;df] df s s 2 1 n 1 2 s 1 n 1 2 n s 2 2 n 2 2 n 1 n 1 1 2

50 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

51 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

52 Latihan 3 51

53 Topik Uji 2 populasi atau lebih (minimal 3) ONLINE AVAILABLE :

54 Pengantar 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 53 ARH

55 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

56 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

57 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

58 Contoh Latihan 57 ARH

59 Penyelesaian 58 ARH

60 Penyelesaian 59 ARH

61 Penyelesaian 60 ARH

62 Topik Uji 2 populasi atau lebih Untuk Data Saling Berhubungan ONLINE AVAILABLE :

63 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

64 Prosedur Uji Prosedur Uji 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 alpha Nilai statistik uji 63 ARH

65 Prosedur Uji (2) Dimana t = banyaknya perlakuan yang diselidiki k = banyaknya subjek per blok (k<t) r = banyaknya pemunculan masing-masing perlakuan Rj = jumlah peringkat-peringkat untuk perlakuan ke-j 64 ARH

66 Prosedur Uji (3) Pengujian : Bandingkan nilai dengan X2 (Chi Square tabel) dimana df = t-1. Kesimpulan: Jika nilai T > 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

67 Topik Uji 2 populasi atau lebih Untuk Data Tidak Saling Berhubungan ONLINE AVAILABLE :

68 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

69 Prosedur Uji Tentukan hipotesa Ho : Ke k populasi yang diwakili data tersebut identik Ha : Ke k populasi yang diwakili data tersebut tidak identik Tentukan alpha Nilai statistik uji 68 ARH

70 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

71 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

72 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 :

73 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

74 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 ).

75 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

76 d. Indikator distribusi tenaga kerja menurut sektor (Tabel 3), uji apa yang digunakan dan apakah terdapat perbedaan sepanjang tahun 2008 sd e. Indikator kemiskinan direpresentasikan dengan persentase penduduk miskin (Tabel 4), apakah persentase penduduk miskin 2010 lebih rendah dibandingkan f. Indikator ketenagakerjaan direpresentasikan dengan angka partisipasi angkatan kerja (Tabel 5), apakah angka partisipasi angkatan kerja 2009 lebih baik dibandingkan angka partisipasi angkatan kerja g. Indikator pendidikan (Boleh pilih APM atau APK), apakah terdapat perbedaan menurut jenjang pendidikan dari SD, SMP, dan SMA (Tabel 8). 75

77 h. Berdasarkan indikator pembangunan manusia (Tabel 9), apakah rata-rata lama sekolah 2010 lebih tinggi dibandingkan rata-rata lama sekolah 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

78 Topik Korelasi Spearman ONLINE AVAILABLE :

79 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

80 Prosedur Uji 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 statistik uji 79

81 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

82 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

83 Prosedur Uji (4) Dimana Dimana derajat bebas (df) = n-2 82

84 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

85 Topik Korelasi Pearson ONLINE AVAILABLE :

86 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

87 Prosedur Uji Prosedur Uji 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

88 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 n 2 1 r2 Dimana thitung = Nilai t r = Nilai Koefisien korelasi n = Jumlah Sampel 87

89 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

90 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

91 Lampiran tabel korelasi spearman 90 n 1-a

92 Tujuan Pembelajaran Mahasiswa dapat mengetahui, mengenal & memahami spesifikasi model, sederhana dan interpretasi output. regresi ONLINE AVAILABLE :

93 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?

94 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. 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. β1 dan β2 disebut sebagai parameter. β1 disebut dengan intersep ketika nilai x sama dengan nol. β2 juga disebut dengan slope. Slope menyatakan berapa besar perubahan tingkat penjualan jika promosi berubah sebesar satu satuan. Nilai disturbance 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

95 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

96 Rangkuman Pemilihan Bentuk Fungsi 95

97 Contoh Output (1.1) Dependent Variable: CUP Method: Least Squares Date: 09/06/13 Time: 07:14 Sample: Included observations: 11 Variable Coefficient PRICE C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Std. Error t-statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Prob

98 Contoh Output (1.2) Dependent Variable: LOG(CUP) Method: Least Squares Date: 09/06/13 Time: 07:21 Sample: Included observations: 11 Variable Coefficient Std. Error t-statistic LOG(PRICE) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic) Prob

99 Contoh Output (1.3) Dependent Variable: LOG(CUP) Method: Least Squares Date: 09/06/13 Time: 07:17 Sample: Included observations: 11 Variable Coefficient Std. Error t-statistic PRICE C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic) Prob

100 Contoh Output (1.4) Dependent Variable: CUP Method: Least Squares Date: 09/06/13 Time: 07:19 Sample: Included observations: 11 Variable Coefficient Std. Error t-statistic LOG(PRICE) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic) Prob

101 Contoh Output (2.1) 100

102 Contoh Output (2.2) 101

103 Contoh Output (2.3) 102

104 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

105 Tujuan Pembelajaran Mahasiswa dapat mengetahui, mengenal & memahami asumsi klasik i.e multikolinearitas, heterokedastisitas, dan autokorelasi. ONLINE AVAILABLE :

106 Multikolinearitas

107 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 Std. Error t-statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Prob

108 X X1 X2 X3 X4 X5 Variable x5 x2 x4 x1 x3 Mean VIF VIF /VIF X 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) X X R-squared X R-squared Model

109 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 Std. Error t-statistic Prob Mean dependent var S.D. dependent var 3512 Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 1.654

110 Heterokedastisitas Ho : Homoskedastis Ha : Heterokedastis Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(3,520) Obs*R-squared Prob. Chi-Square(3) Scaled explained SS Prob. Chi-Square(3) Prob F-stat Prob Obs*R-squared Alpha F-tabel Chi-Sqyared Tabel Pengujian Kesimpulan Terima Ho Tolak Ha Homokedastisitas

111 Dependent Variable: UPAH Method: Least Squares Date: 10/10/13 Time: 11:51 Sample: Included observations: 524 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-statistic PENDIDIKAN JENKEL PENGALAMAN C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson stat Prob(F-statistic) Number of obs F( 3, 520) Prob > F R-squared Root MSE upah pendidikan jenkel pengalaman _cons Coef Robust Std. Err t P>t [95% Conf Prob Interval]

112 Autokorelasi Dependent Variable: UPAH Method: Least Squares Date: 10/10/13 Time: 12:09 Sample: 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 Std. Error t-statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Prob dl < DW < 4 Autokorelasi negatif 4 du < DW < 4 dl Tidak dapat ditentukan 2 < DW < 4 du Tidak terdapat autokor

113 Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Prob. F(2,518) Prob. Chi-Square(2) Ho : Tidak terdapat autokorelasi Ha : Terdapat autokorelasi Prob F-stat Prob Obs*R-squared Alpha F-tabel Chi-Squared Tabel Pengujian Kesimpulan Terima Ho Tolak Ha Tidak terdapat autokorelasi n1 n

114 Iteration 2: rho = Iteration 3: rho = Prais-Winsten AR(1) regression -- iterated estimates Source SS df MS Model Residual Total upah Coef. pendidikan jenkel pengalaman _cons rho Std. Err t Durbin-Watson statistic (original) Durbin-Watson statistic (transformed) Number of obs F( 3, 520) Prob > F R-squared Adj R-squared Root MSE P> t = = = = = = [95% Conf. Interval]

115 Materi Regresi dengan Variabel Kualitatif DummyVariable Trap Regresi dengan dummy interaksi ONLINE AVAILABLE :

116 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

117 Dummy Variable Trap 116

118 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) Std. Error t-statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Prob

119 Dependent Variable: UPAH 118 DUM_WANITA PENDIDIKAN PENGALAMAN C Coefficient Std. Error t-statistic R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Prob

120 Source Model Residual Total upah pendidikan2 pendidikan3 pendidikan4 jenkel pengalaman _cons 119 SS df MS Coef. Std. Err t Number of obs 524 F( 5, 518) Prob > F R-squared Adj R-squared Root MSE P>t [95% Conf. Interval]

121 Source Model Residual Total upah pendidikan1 pendidikan2 pendidikan3 pendidikan4 jenkel pengalaman 120 SS df MS Coef. Std. Err t Number of obs 524 F( 6, 518) Prob > F R-squared Adj R-squared Root MSE P>t [95% Conf. Interval]

122 Dependent Variable: UPAH Coefficient DUM_PRIA DUM_WANITA PENDIDIKAN PENGALAMAN R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Std. Error t-statistic Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Prob

123 Variabel upah dalam bentuk logaritma maka interpretasi dalam bentuk persentase selisih upah pria terhadap wanita sebesar 100 x [exp(β1 ) -1] Maka selisih upah perempuan terhadap lelaki adalah sebesar 100 x [exp(0.296) -1] = %. 122

124 Komponen Interaksi 123

125 Model : Output Regresi : 124

126 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 ([ ]*100%)==7.6%. Dengan kata lain pengaruh pendidikan terhadap upah bagi perempuan lebih rendah 0.5% dibandingkan pria meskipun tidak signifikan. 125

127 Latihan 126

128 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

129 Materi Model Variabel Terikat Terbatas ONLINE AVAILABLE :

130 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

131 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.

132 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.

133 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) = β0 + β1x1 + β2x βnxn...(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

134 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

135 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...(2) Sedangkan bentuk fungsi distribusi kumulatif untuk logit sbb....(3) 134

136 Logit (2) Bentuk fungsi densitas kumulatif normal adalah sebagai berikut. dimana...(4)...(5) Karena sifat G(z) yang non linier maka estimasi parameter model logit dilakukan melalui prosedur maximum likelihood (MLE). 135

137 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 analog dengan R2 pada OLS).

138 Logit (4) Peningkatan pengalaman kerja menyebabkan probabilitas individu berada dalam angkatan kerja lebih besar dibandingkan yang tidak. Peningkatan usia probabilitas individu berada dalam angkatan kerja lebih kecil dibandingkan yang lebih muda. Nilai intercept 0.42, artinya pada saat variabel lain bernilai 0 maka probabilitas individu berada dalam angkatan kerja sebesar

139 Logit (5) Individu dengan pengalaman kerja lebih banyak untuk berada dalam angkatan kerja adalah 1.24 kali dibandingkan yang memiliki pengalaman kerja lebih sedikit Individu dengan usia yang semakin bertambah untuk berada dalam angkatan kerja adalah 0.91 kali dibandingkan yang usianya lebih muda. Individu dengan pendidikan yang lebih tinggi untuk berada dalam angkatan kerja adalah 1.24 kali dibandingkan yang pendidikannya lebih 138 rendah

140 OLS vs Logit

141 Ilustrasi : inlf nwifeinc educ exper expersq age kidslt6 kidsge6 _cons 140 Coef. Std. Err z P>z Probabilitas rata-rata seluruh observasi berada dalam angkatan kerja adalah sbb. Z Nilai EXP^-(Z) Nilai atau Peluang kelompok responden yang memiliki jumlah anak dibawah 6 tahun untuk masuk angkatan kerja adalah lebih rendah dibandingkan kelompok responden lainnya persen kali

142 Petunjuk Kerjakanlah semua soal (No.1 sd No.3). Total nilai jika dikerjakan semua sebesar 100. Hasil pengerjaan (jawaban) harus ditulis tangan. Ujian berkelompok dengan kriteria 1 kelompok beranggotakan max. 2 orang. Penghitungan dapat menggunakan Kalkulator atau Ms Excel atau SPSS ONLINE AVAILABLE :

143 SOAL 1 Variabel yang terlibat dalam regresi, dimana variabel dependen (b5r3) sedangkan variabel independen (b5r2; b8r1; b9r1). 1. Lakukan regresi b5r3=f(b5r2; b8r1; b9r1) serta tuliskan persamaan regresi 2. Interpretasikan hasil regresi tersebut, baik uji signifikansi (uji t), uji F, R-squared, serta berapa n 3. Berdasarkan hasil regresi diatas, apakah program jamkesmas berpengaruh terhadap penurunan lama sembuh. Buktikan dan jelaskan. 4. Adakah perbedaan pelaksanaan jamkesmas tahun dan 2011.

144 SOAL 2 Variabel yang terlibat dalam regresi, dimana variabel dependen (b8r1) sedangkan variabel independen (b5r2; b5r3; b9r1). 1. Lakukan regresi b8r1=f(b5r2; b5r3; b9r1) serta tuliskan persamaan regresi 2. Interpretasikan hasil regresi tersebut, baik uji signifikansi (uji t), uji F, dan R-squared 3. Lakukan interpretasi berdasarkan nilai koefisien logit dan nilai odd ratio untuk setiap variabel independen 143

145 SOAL 3 Berdasarkan output berikut, apakah terdapat pelanggaran asumsi klasik terkait multiolinearitas, heterokedastisitas, dan autokorelasi. Berikan alasannya. Multikolinearitas X1 X2 X3 X4 X5 X6 144 X X X X X X