PEMODELAN TINGKAT PENGANGGURAN DI LIMA NEGARA
ANGGOTA ASEAN DENGAN REGRESI DATA PANEL DAN
GENERALIZED ESTIMATING EQUATION
NURIL ANWAR
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
RINGKASAN
NURIL ANWAR. Pemodelan Tingkat Pengangguran di Lima Negara Anggota ASEAN dengan Regresi Data Panel dan Generalized Estimating Equation. Dibimbing oleh ANANG KURNIA dan YENNI ANGRAINI.
Perilaku ekonomi pada negara-negara ASEAN seperti hubungan tingkat pengangguran dengan
gross domestic product tidak cukup jika hanya diamati pada satu waktu tertentu saja. Pengamatan berulang berdasarkan waktu (deret waktu) pada berbagai negara akan menghasilkan data panel. Analisis yang dilakukan adalah regresi data panel. Selain model regresi data panel, Generalized Estimating Equation (GEE) juga digunakan untuk pemodelan data panel dalam skripsi ini. Pembandingan atau pemilihan model terbaik antara model pengaruh tetap dengan model pengaruh acak pada model regresi data panel dan GEE dilihat dari perbedaan nilai R2 dan Mean Square Error (MSE). Hasil analisis menghasilkan R2 pada model pengaruh tetap 98.64%, model pengaruh acak 90.99%, dan GEE 98.72%. Nilai MSE model pengaruh tetap 0.157, model pengaruh acak 0.778, dan GEE 0.147. Hasil tersebut menunjukkan bahwa model dengan metode pendugaan GEE merupakan model terbaik dalam penerapan pada kasus tingkat pengangguran di lima negara anggota ASEAN dengan tahun amatan dari tahun 2007 hingga 2010 karena memiliki R2 terbesar dan MSE terkecil.
PEMODELAN TINGKAT PENGANGGURAN DI LIMA NEGARA
ANGGOTA ASEAN DENGAN REGRESI DATA PANEL DAN
GENERALIZED ESTIMATING EQUATION
NURIL ANWAR
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Pemodelan Tingkat Pengangguran di lima Negara Anggota ASEAN dengan Regresi Data Panel dan Generalized Estimating Equation
Nama : Nuril Anwar NRP : G14080074
Disetujui
Pembimbing I Pembimbing II
Dr. Anang Kurnia Yenni Angraini, S.Si, M.Si NIP. 197308241997021001 NIP. 197805112007012001
Diketahui
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si NIP. 196504211990021001
PRAKATA
Segenap puji dan syukur penulis haturkan kehadirat ALLAH SWT atas segala limpahan
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan studi Sarjana dan menyelesaikan
skripsi ini yang berjudul “Pemodelan Tingkat Pengangguran di lima Negara Anggota ASEAN
dengan Regresi Data Panel dan Generalized Estimating Equation”. Shalawat dan salam semoga
selalu tercurah kepada Nabi Muhammad SAW beserta keluarga, sahabat, dan umat beliau hingga
akhir jaman.
Ucapan terima kasih dan penghargaan yang setinggi-tingginya atas segala bantuan dan
bimbingan yang diberikan, penulis sampaikan kepada:
1. Bapak Dr. Anang Kurnia, selaku dosen pembimbing skripsi
2. Ibu Yenni Angraini, S.Si, M.Si, selaku dosen pembimbing skripsi
3. Kedua orang tua dan adik-adik yang selalu setia dengan doa, kasih sayang, dan
dukungan semangat serta dukungan secara materiil
4. DIKTI atas beasiswa yang diberikan pada periode 2008-2009 (BMU) dan 2009-2010
(BBM)
5. Yayasan Karya Salemba Empat atas beasiswa yang diberikan pada periode
2010-2012
6. Dahmayanti Saridewi yang selalu setia dengan doa, semangat, dan kasih sayangnya
7. De Budi Sudarsono sebagai sahabat dan rekan praktik lapang di PATIR-Batan
8. Rekan-rekan Statistika 45 yang selalu kompak
9. Semua pihak yang telah membantu dalam penyelesaian skripsi ini.
Demikian skripsi ini disusun. Besar harapan skripsi ini dapat bermanfaat bagi penulis dan bagi
pembaca pada umumnya.
Bogor, September 2012
RIWAYAT HIDUP
Penulis dilahirkan di Tangerang pada tanggal 27 Juni 1989 dari pasangan Sobri dan Karmilah. Penulis merupakan anak pertama dari tiga bersaudara dengan nama adik adalah Nuryuda dan Nurul Siska. Penulis telah berhasil menyelesaikan pendidikannya di Sekolah Dasar Negeri (SDN) 2 Serpong pada tahun 2002. Jenjang pendidikan selanjutnya penulis tempuh di Sekolah Menengah Pertama Negeri (SMPN) 1 Serpong dan lulus tahun 2005. Penulis menamatkan pendidikannya di Sekolah Menengah Atas Negeri (SMAN) 7 Kota Tangerang pada tahun 2008 dan pada tahun yang sama penulis diterima sebagai mahasiswa Departemen Statistika, Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi Nasional (SNMPTN).
DAFTAR ISI
Halaman
DAFTAR TABEL ... vii
DAFTAR GAMBAR ... vii
DAFTAR LAMPIRAN ... vii
PENDAHULUAN Latar Belakang……….. ... 1
Tujuan ... 1
TINJAUAN PUSTAKA Regresi Data Panel ... 1
Model Pengaruh Tetap ... 2
Model Pengaruh Acak ... 2
Generalized Estimating Equation (GEE) ... 2
BAHAN DAN METODE Bahan ... 3
Metode ... 3
HASIL DAN PEMBAHASAN Eksplorasi Data ... 3
Pemodelan dengan Model Pengaruh Tetap ... 4
Pemodelan dengan Model Pengaruh Acak ... 4
Pemodelan dengan GEE ... 5
Pembandingan Model ... 6
KESIMPULAN ... 6
DAFTAR PUSTAKA ... 6
DAFTAR TABEL
Halaman
Tabel 1 Struktur working correlation matrix ... 3
Tabel 2 Hasil pendugaan Model Pengaruh Tetap ... 4
Tabel 3 Hasil pendugaan Model Pengaruh Acak ... 4
Tabel 4 Peubah dummy pada model dengan metode pendugaan GEE ... 5
Tabel 5 Hasil pendugaan GEE ... 5
DAFTAR GAMBAR
Halaman Gambar 1 Tingkat Pengangguran ASEAN-5 ... 3Gambar 2 Diagram pencar �� dengan sisaan pada Model Pengaruh Tetap ... 4
Gambar 3 Diagram pencar �� dengan sisaan pada Model Pengaruh Acak ... 5
Gambar 4 Diagram pencar �� dengan sisaan pada GEE... 5
DAFTAR LAMPIRAN
Halaman Lampiran 1 Grafik pergerakan tingkat pengangguran dan GDP pertanian ... 8Lampiran 2 Grafik pergerakan tingkat pengangguran dan GDP industri ... 9
Lampiran 3 Grafik pergerakan tingkat pengangguran dan GDP finance ... 10
1
PENDAHULUAN
Latar Belakang
Pengangguran adalah kondisi dimana seseorang yang masuk dalam angkatan kerja namun tidak mempunyai pekerjaan dan masih mencari pekerjaan. Tingkat pengangguran diukur sebagai suatu persentase dari jumlah pengangguran terhadap total angkatan kerja. Suatu hukum dalam teori makroekonomi yang menyatakan hubungan tingkat pengangguran dengan pertumbuhan ekonomi dikenal dengan hukum Okun. Hukum Okun menyatakan bahwa tingkat pengangguran memiliki hubungan negatif dengan pertumbuhan ekonomi (Simaremare 2006). Pertumbuhan ekonomi yang dimaksud dalam penelitian ini adalah Gross Domestic Product (GDP) di tiga sektor yaitu pertanian, industri, dan finance.
Perilaku ekonomi pada negara-negara ASEAN seperti hubungan tingkat pengangguran dengan GDP tidak cukup jika hanya melakukan pengamatan terhadap negara-negara tersebut pada satu waktu yang sama namun diperlukan juga pengamatan terhadap perilaku negara tersebut pada berbagai periode waktu. Berdasarkan karakteristik tersebut maka diperlukan data yang merupakan data gabungan antara data individu dan deret waktu yang disebut dengan data panel (Hsiao 2003).
Salah satu analisis yang sering digunakan pada data panel adalah regresi data panel. Model yang digunakan dalam regresi data panel adalah model pengaruh tetapdanmodel pengaruh acak. Pendekatan lain yang dapat digunakan adalah generalized estimating equation (Hardin dan Hilbe 2003).
Setiap model tersebut memiliki karakteristik masing-masing dalam memodelkan suatu masalah atau kasus. Penelitian ini akan menggunakan data ekonomi dari lima negara anggota ASEAN untuk melihat model yang tepat dalam memodelkan tingkat pengangguran.
Tujuan
Tujuan dari penelitian ini adalah menentukan model terbaik antara model pengaruh tetap, model pengaruh acak, dan model dengan metode pendugaan GEE pada kasus faktor-faktor yang mempengaruhi tingkat pengangguran berdasarkan tiga sektor GDP (sektor pertanian, industri, dan finance) di lima negara anggota ASEAN.
TINJAUAN PUSTAKA
Regresi Data Panel
Regresi data panel berbeda dengan analisis deret waktu atau analisis regresi biasa. Regresi data panel memperhatikan dua dimensi (individu dan deret waktu) di dalam modelnya, yaitu
��� = �′���+ ��� [1]
dimana i menunjukkan dimensi individu dan t
merupakan dimensi deret waktu dengan i = 1, . . . , N ; t = 1, . . . , T. β adalah matriks berukuran (�+ 1) × 1 dengan K adalah banyaknya peubah penjelas dan Xit adalah observasi ke-i dengan periode waktu ke-t pada peubah penjelas ke-k. Spesifikasi komponen sisaan pada regresi data panel dengan satu komponen sisaan, yaitu
��� = ��+ ��� [2]
dimana μi adalah komponen spesifik dari individu dan vit adalah galat (Baltagi 2008). Dalam bentuk vektor, persamaan [1] dapat dituliskan sebagai berikut (Baltagi 2008)
�= ��+� [3] bentuk vektor sebagai berikut
�= ���+� [4]
2
�× 1 dan ⨂ adalah kronecker product. Zμ
adalah matriks seleksi dari satuan dan nol atau matriks sederhana dari individu dummy yang dapat dimasukkan dalam regresi untuk menduga μi jika asumsi parameternya tetap
(Baltagi 2008).
Model Pengaruh Tetap
Model pengaruh tetap mengasumsikan �� pada model tetap dan dapat diduga sedangkan individu vit menyebar Normal (0,��2) bebas stokastik identik. Xit saling bebas dengan vit untuk setiap i dan t. Individu (N) pada model pengaruh tetap merupakan individu keseluruhan (populasi) atau jika kita hanya fokus pada beberapa N individu yang diamati (Baltagi 2005).
Pendugaan parameter pada model pengaruh tetap disebut dengan penduga within
atau disebut juga dengan Least Square Dummy Variable (LSDV). Persamaan [1] dapat dituliskan menjadi
��� = �+����+ ��+��� [5]
Persamaan tersebut dirata-ratakan untuk keseluruhan waktu sehingga diperoleh persamaan
���.= �+ ���.�+ ��+ ���. [6]
dan dengan mengurangkan persamaan [5] dengan persamaan [6] (within information) didapatkan persamaan
���− ���.= (���− ���.)�+ (��� − ���.) [7]
kemudian persamaan [5] dirata-ratakan untuk keseluruhan pengamatan sehingga diperoleh
��..= �+ ��..�+ ��.. [8]
dengan menggunakan ∑��=1�� = 0 sebagai
batasan (Baltagi 2005).
Model diatas diduga dengan menggunakan pendekatan metode kuadrat terkecil. Kenyataannya hanya β dan (�+��) yang dapat diduga pada persamaan [5].
�� didapatkan dengan meregresikan persamaan
[7] melalui metode kuadrat terkecil yaitu,
��= (��′��)−���′�� [9]
dengan �� = (���− ���.), �� = (���− ���.) dan
var(��) = ��� (��′��)−�. ��=��..− ��..�� dari
persamaan [8], dan���=���.− �� − ���.�� dari
persamaan [6] (Baltagi 2005).
Model Pengaruh Acak
Banyaknya parameter pada model pengaruh tetap dan berkurangnya derajat bebas dapat diatasi oleh model pengaruh acak
pada komponen ��. Asumsikan μi menyebar bebas stokastik identik Normal (0,��2) dan vit menyebar bebas stokastik identik Normal (0,��2). Xit saling bebas dengan μi dan vit untuk setiap i dan t. Asumsi lain pada model pengaruh acak adalah individu dalam model dipilih secara acak dari populasi yang besar (Baltagi 2005). Model pengaruh acak memiliki persamaan
��� = �+����+ ��+��� [10]
dengan penduga parameter menggunakan metode Generalized Least Square (GLS) yaitu,
Generalized Estimating Equation (GEE)
Perhatikan model linier berikut:
���= ����+��� [15]
Pendekatan GEE pada model [15] menggunakan quasi-score likelihood untuk menduga parameter �. Persamaan quasi-score likelihood yaitu,
�=∑��=������−�(��− �[�]) =� [16] adalah matriks diagonal dengan element var(yit), Ri adalah working correlation matrix
3
Tabel 1 Struktur working correlation matrix
Struktur Contoh
Independence �
(Horton dan Lipsitz 1999)
BAHAN DAN METODE
Bahan
Data yang digunakan dalam penelitian ini adalah data sekunder keadaan makroekonomi negara-negara ASEAN yang bersumber pada
ASEAN Development Bank
(
www.adb.org/key-indicators/2011/country-tables [11 Mei 2012]). Data panel yang
digunakan berasal dari lima negara anggota ASEAN yaitu Indonesia, Malaysia, Filipina, Thailand, dan Vietnam yang diukur dalam kurun waktu tahun 2007 hingga 2010.
Peubah yang diamati sebagai peubah respon Y adalah tingkat pengangguran, sedangkan peubah penjelasnya adalah GDP sektor pertanian (X1), industri (X2), dan
finance (X3). Semua peubah memiliki satuan dalam persen.
Program yang digunakan dalam penelitian ini adalah program R versi 2.15.0. Paket yang digunakan yaitu, paket plm untuk regresi data panel dan paket gee untuk GEE.
Metode
Tahapan analisis data yang dilakukan sebagai berikut:
1. Eksplorasi data
2. Pemodelan model pengaruh tetap, parameter diduga dengan metode Least Square Dummy Variable (LSDV)
3. Pemodelan model pengaruh acak, parameter diduga dengan metode
Generalize Least Square (GLS)
4. Pemodelan GEE dengan working correlation matrix: Autoregressive
5. Melakukan pembandingan model dengan melihat nilai R-square dan Mean Square Error (MSE).
HASIL DAN PEMBAHASAN
Eksplorasi Data
Data tingkat pengangguran di lima negara anggota ASEAN dapat dilihat pada Gambar 1.
Gambar 1 Tingkat Pengangguran ASEAN-5
Gambar 1 menunjukkan bahwa tingkat pengangguran di kelima negara tersebut beragam. Indonesia dan Filipina memiliki tingkat pengangguran antara 7-10%, Malaysia dan Vietnam berkisar antara 2-5% sedangkan untuk Thailand berada pada selang 1-2% dengan beragam peningkatan maupun penurunan di tiap waktunya. Indonesia dan Filipina dapat dikatakan sebagai negara yang memiliki tingkat pengangguran tinggi sedangkan Thailand merupakan negara dengan tingkat pengangguran terendah diantara kelima negara yang diamati. Tingkat pengangguran secara umum untuk keseluruhan negara mengalami penurunan.
4
pertanian mempunyai pola pergerakan kenaikan maupun penurunan yang relatif sama dengan tingkat pengangguran di tiap negara sedangkan GDP industri dan finance
mempunyai pola pergerakan yang berbeda. Pola pergerakan kenaikan maupun penurunannya relatif berlawanan di tiap negara. Hal ini dapat dikatakan bahwa semakin tinggi GDP industri maupun GDP
finance akan menurunkan tingkat
pengangguran. Pernyataan tersebut dapat dikuatkan dengan arah hubungan korelasi antara tingkat pengangguran dengan GDP industri dan GDP finance yang memiliki arah negatif di sebagian besar negara sedangkan arah hubungan korelasi tingkat pengangguran dengan GDP pertanian memiliki arah positif. Tabel arah hubungan korelasi dapat dilihat di Lampiran 4.
Hubungan antara tingkat pengangguran dengan GDP jika mengacu pada hukum Okun maka hubungan tingkat pengangguran dengan GDP adalah negatif. Hubungan tingkat pengangguran dengan GDP pertanian yang positif berlawanan dengan teori tersebut. Hal ini disebut dengan paradoks atau puzzle
pertumbuhan-pengangguran. Salah satu penyebab terjadinya puzzle tersebut adalah besaran angka pertumbuhan ekonomi (GDP) masih relatif rendah dibandingkan rataan pertumbuhan ekonomi historis di lima negara ASEAN (Muslikhah 2008).
Pemodelan dengan Model Pengaruh Tetap Hasil pendugaan dengan menggunakan model pengaruh tetap dapat dilihat pada Tabel 2.
Model pengaruh tetap menghasilkan nilai R2 sebesar 98.64% dan MSE sebesar 0.157. Menurut hasil tersebut dapat dikatakan bahwa 98.64% keragaman tingkat pengangguran dapat dijelaskan oleh GDP pertanian, industri, dan finance di lima anggota negara ASEAN. Diagram pencar antara �� dengan sisaan pada Gambar 2 menunjukkan bahwa plot terlihat
menggerombol di tiap negara dengan ragam sisaan sebesar 0.157.
Model pengaruh tetap memberikan model dugaan untuk setiap negara yang dituliskan pada persamaan di bawah ini.
���= −��.���+�.�����+�.�����+
�.�����+ �� .
dengan
��′= ( 1.861, 1.956, 1.576, 2.270,-1.874).
Gambar 2 Diagram pencar �� dengan sisaan pada model pengaruh tetap
Pemodelan dengan Model Pengaruh Acak Hasil pendugaan dengan menggunakan model pengaruh acak dapat dilihat pada Tabel 3.
Tabel 3 Hasil pendugaan model pengaruh acak Peubah Koefisien SE Nilai-p
5
Model pengaruh acak memberikan model dugaan untuk setiap negara yang dituliskan sebagai berikut:
���= −��.���+�.�����+�.�����+
�.�����+ �� .
dengan
��′= ( 1.883, 1.171, 3.664, 1.723,-2.653).
Gambar 3 Diagram pencar �� dengan sisaan pada model pengaruh acak
Pemodelan dengan GEE
Model dengan metode pendugaan GEE tidak memiliki koefisien atau peubah yang menunjukkan pengaruh negara seperti ��pada model pengaruh tetap dan model pengaruh acak. Model yang dihasilkan GEE dalam penelitian ini memasukkan pengaruh negara dalam bentuk peubah dummy. Peubah tersebut dimasukkan ke dalam model tersebut. Peubah
dummy untuk masing-masing negara dapat dilihat pada Tabel 4.
Tabel 4 Peubah dummy pada model dengan metode pendugaan GEE
Negara Peubah
X4 X5 X6 X7
Hasil pendugaan dengan menggunakan GEE dapat dilihat pada Tabel 5. Working correlation matrix yang digunakan dalam pendugaan model ini adalah autoregressive
karena data panel merupakan data yang memiliki unsur waktu.
Tabel 5 Hasil pendugaan GEE dibandingkan dengan model pengaruh tetap dan model pengaruh acak sehingga model dengan metode pendugaan GEE lebih mampu menjelaskan keragaman tingkat pengangguran berdasarkan GDP pertanian, industri, dan
finance di lima anggota negara ASEAN. Nilai MSE yang dihasilkan sebesar 0.147 lebih kecil daripada MSE pada model pengaruh tetap dan model pengaruh acak. Gambar 4 menunjukkan diagram pencar antara �� dengan sisaan. Gambar tersebut memperlihatkan plot yang menggerombol di tiap negara seperti pada model pengaruh tetap dan model pengaruh acak namun jarak plot ke sisaan = 0 lebih dekat dibandingkan plot pada model pengaruh tetap dan model pengaruh acak.
GEE memberikan model dugaan yang dituliskan pada persamaan di bawah ini.
���= −��.���+�.�����+�.�����
+�.�����+ �.�����+�.����� . +�.�����+�.����� .
6 GEEmemiliki keragaman yang berbeda namun keragaman di dalam masing-masing negara tersebut dapat dikatakan homogen. Karakteristik penggerombolan atau pengelompokkan plot negara di ketiga diagram pencar tersebut sama dengan yang digambarkan pada Gambar 1. Gerombol tersebut ada tiga yaitu, gerombol Thailand, gerombol Malaysia dengan Vietnam, dan gerombol Indonesia dengan Filipina. Penggerombolan tersebut terjadi karena tingkat pengangguran di masing-masing gerombol berbeda.
Hasil dugaan model dari model pengaruh tetap dan model pengaruh acak menunjukkan bahwa model pengaruh tetap lebih baik dari model pengaruh acak. R2 model pengaruh tetap (98.64%) lebih besar daripada R2 model pengaruh acak (90.99%) dan MSE model pengaruh tetap (0.157) lebih kecil daripada MSE model pengaruh acak (0.778).
GEE menghasilkan model dugaan dengan R2 sebesar 98.72% dan MSE sebesar 0.147. Hasil tersebut lebih baik dibandingkan model pengaruh tetap dan model pengaruh acak. R2 GEE lebih besar dan MSE GEE lebih kecil daripada model pengaruh tetap dan model pengaruh acak. Sifat GEE yang mengakomodasi pengaruh korelasi karena pengulangan pengamatan telah mampu memperbaiki model pengaruh tetap.
Berdasarkan nilai R2 dan MSE menunjukkan bahwa model GEE lebih baik dan paling cocok diterapkan pada kasus tingkat pengangguran di lima negara anggota ASEAN dengan tahun amatan dari tahun 2007 hingga 2010.
KESIMPULAN
Model terbaik dari tiga model data panel (model pengaruh tetap, model pengaruh acak, dan GEE) dalam penerapan pada kasus tingkat pengangguran di lima negara anggota ASEAN
dengan tahun amatan dari tahun 2007 hingga 2010 adalah model dengan metode pendugaan GEE. Model yang dihasilkan adalah sebagai berikut:
���= −��.���+�.�����+�.�����
+�.�����+ �.�����+�.����� . +�.�����+�.����� .
Model tersebut menggunakan working correlation matrix autoregressive dan memiliki nilai R2 98.72% dan MSE 0.147.
DAFTAR PUSTAKA
Baltagi BH. 2005. Econometrics Analysis of Panel Data.Ed ke-3. England: John Wiley & Sons Ltd.
Baltagi BH. 2008. Econometrics.Ed ke-4. Liepzig: Springer.
Dobson AJ. 2002. Introduction to Generalized Linear Models.Ed ke-2. New York: CRC Press.
Hardin JW dan Hilbe JM. 2003. Generalized Estimating Equation. Boca Raton: Chapman & Hall/CRC.
Hsiao C. 2003. Analysis of Panel Data.Ed ke-2. New York: Cambridge University Press.
Horton NJ dan Lipsitz SR. 1999. Review of Software to Fit Generalized Estimating Equation Regression Models. The American Statiscian, 53, 160-169. Muslikhah AN. 2008. Pembangunan
Infrastruktur dan Pengurangan Pengangguran di Indonesia 1976-2006 [skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Simaremare R J. 2006. Analisis Pengaruh
Pertumbuhan Ekonomi Terhadap Tingkat Pengangguran di Indonesia: Aplikasi Hukum Okun [Skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
7
8
9
10
11
Lampiran 4 Tabel arah hubungan dan nilai korelasi antara Y dengan peubah penjelas
X1 X2 X3
