PENDUGAAN PARAMETER
MODEL PRODUKSI CONSTANT ELASTICITY OF SUBTITUTIONS (CES) DENGAN METODE KUADRAT TERKECIL NONLINEAR
Oleh
Noferdis Setiawan
Skripsi
Sebagai Salah Satu Syarat Untuk Mencapai Gelar SARJANA SAINS
Pada
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG
ABSTRACT
PARAMETER ESTIMATION
OF THE CONSTANT ELASTICITY OF SUBTITUTIONS (CES) PRODUCTION MODEL WITH NONLINEAR LEAST SQUARE METHOD
By
NOFERDIS SETIAWAN
Constant Elasticity of Subtitutions (CES) production model is one of nonlinear model intrisically nonlinear. The aim of parameters estimation is to get parameters value of CES production model. Parameters estimation of the CES production model use nonlinear least square method. In nonlinear least square method, if the sum square of error are minimum it will get the normal equations.
The result of this study get the equations which is cannot be solved analytically. So that itterative methods are necessary. This study are using Newton Rapshon method in SAS. Newton Rapshon method need Starting Value. If not sure about the starting values, it can use a grid by offering SAS more than one starting value. It will calculate the initial residual sum of squares for all combinations of starting values and start the iterations with the best set. The values of parameter with least sum of square are starting values.
DAFTAR ISI
Halaman
DAFTAR GAMBAR ... xiv
DAFTAR TABEL ... xv
I. PENDAHULUAN 1.1Latar Belakang dan Masalah ... 1
1.2Tujuan Penelitian ... 3
1.3Manfaat Penelitian ... 3
II. LANDASAN TEORI 2.1Model Nonlinear ... 4
2.2Model Produksi Constant Elasticity of Subtitutions (CES) ... 5
2.3Pendugaan Parameter ... 6
2.4Metode Pendugaan Kuadrat Terkecil Nonlinear (Nonlinear Least Square Estimation) ... 7
2.5Metode Newton Raphson ... 8
III. METODELOGI PENELITIAN 3.1Waktu dan Tempat Penelitian ... 10
3.2Metode Penelitian ... 10
IV. HASIL DAN PEMBAHASAN 4.1Pendugaan Parameter Model Nonlinear model produksi CES dengan Metode Kuadrat Terkecil Nonlinear ... 12
4.1.1 Pendugaan parameter ... 12
4.1.2 Pendugaan parameter ... 13
4.1.3 Pendugaan parameter ... 15
4.1.4 Pendugaan parameter ... 17
4.2Metode Newton Rapshon untuk Pendugaan Parameter 1, 2, dan 3 ... 18
4.3 Simulasi ... 25
V. KESIMPULAN
I. PENDAHULUAN
1.1 Latar Belakang dan Masalah
Analisis regresi merupakan salah satu metode yang digunakan untuk menyelidiki
atau membangun model hubungan antara beberapa variabel. Dalam analisis
regresi terdapat 2 bentuk model yaitu model linear dan model nonlinear. Suatu
model dikatakan linear bila segugus data diplotkan dan terletak pada suatu garis
lurus. Tetapi bila segugus data tersebut tidak terletak pada suatu garis lurus atau
membentuk suatu kurva maka ini disebut model nonlinear.
Model nonlinear dapat dibedakan menjadi dua yaitu model nonlinear pada
variabel dan model nonlinear pada parameter. Berikut ini berturut-turut contoh
model nonlinear pada variabel dan model nonlinear pada parameter
(1.1)
(1.2)
Model nonlinear pada parameter dapat dibagi menjadi dua yaitu model nonlinear
secara intrinsik linear (intrisnsically linear) dan nonlinear secara intrinsik nonliear
2 yang dapat ditransformasi kedalam bentuk linier dengan menggunakan fungsi ln.
Sedangkan model nonlinear secara intrinsik nonlinear adalah model yang tidak
dapat ditranformasi kedalam bentuk linear. Sebagai contoh diberikan model
nonlinear secara intrinsik linear (intrisnsically linear) dan nonlinear secara
intrinsik nonliear (intrinsically nonlinear)
(1.3)
jika Persamaan (1.3) ditransformasi dengan fungsi ln, sehingga diperoleh
Persamaan sebagai berikut
(1.5)
Untuk contoh model nonlinear secara intrinsik nonliear (intrinsically nonlinear)
banyak ditemukan pada model-model ekonomi salah satunya adalah model
produksi CES (Constant Elasticity of Subtitutions). Bentuk model produksi CES
dapat dilihat pada Persamaan (1.2) meskipun dilakukan transformasi dengan
fungsi ln, Persamaan (1.2) tetap dalam bentuk nonlinear.
Berdasarkan uraian diatas penulis tertarik dilakukanya pendugaan
parameter-parameter pada model nonlinear secara intrinsik nonlinear yaitu model produksi
CES. Dengan diminimumkan jumlah kuadrat akan diperoleh Persamaan normal
dan dikembangkan suatu teknik iteratif untuk memecahkanya. Metode pendugaan
dan iteratif yang digunakan dalam penelitian ini adalah metode kudrat terkecil
3 1.2 Tujuan Penelitian
Tujuan dalam penelitian ini adalah :
1. Menduga parameter model nonlinear secara intrinsik nonlinear dengan
menggunakan metode kuadrat terkecil nonlinear (Nonlinear Least Square).
2. Mendapatkan nilai dugaan bagi parameter model nonlinear secara intrinsik
nonlinear dengan metode Newton Rapshon.
1.3 Manfaat Penelitian
Manfaat dari penelitian ini adalah :
1. Dapat menambah pengetahuan tentang model nonlinear.
2. Dapat menambah pengetahuan tentang metode kuadrat terkecil nonlinear.
II. LANDASAN TEORI
2.1 Model Nonlinear
Model nonlinear merupakan bentuk hubungan antara peubah respon dengan
peubah penjelas yang tidak linear dalam parameter. Secara umum model nonlinear
ditulis sebagai berikut :
(2.1)
(i= 1,2,...,n)
dengan,
: peubah respon ke-i
f(.) : fungsi nonlinear
: peubah penjelas respon ke-i
: parameter
: galat ke-i
diasumsikan saling bebas dan menyebar normal dengan nilai tengah 0 dan
ragam σ2 .
Model nonlinear dapat dibagi menjadi dua yaitu model nonlinear secara intrinsik
linear (intrisnsically linear) dan nonlinear secara intrinsik nonliear (intrinsically
nonlinear). Model yang secara intrinsik linear adalah model nonlinear yang dapat
5 nonlinear yaitu model yang tidak bisa ditransformasi menjadi bentuk linear
(Draper and Smith, 1981).
Adapun contoh model nonlinear secara intrinsik nonlinear yaitu pada model
produksi CES (Constant Elasticity of Subtitution), yaitu fungsi dengan elastisitas
konstan.
2.2 Model Produksi CES (Constant Elasticity of Subtitutions)
Menurut Rasidin dan Bonar (2006) fungsi constant elasticity of subtitution
disingkat dengan CES dikembangkan oleh Arrow, Chenery, Minhan, dan Solow
(1961). Elastisitas subtitusi adalah ukuran bagaimana perusahaan dengan mudah
mensubtitusikan satu input dengan input lainnya untuk menjaga tingkat produksi
pada level yang sama.
Model produksi CES didefinisikan sebagai berikut :
(2.2)
Dimana Y=output, x1=input kapital, x2=input tenaga kerja, dengan >0, 0< <1,
dan ≥-1 serta merupakan input bivariat. dinyatakan sebagai
parameter efisiensi, sebagai parameter distribusi, sebagai parameter
subtitusi, dan sebagai parameter return to scale. Berikut model produksi CES
dinyatakan dalam bentuk logaritma natural:
(2.3)
Dapat dilihat model produksi CES pada Persamaan 2.3 tidak dapat ditransformasi
parameter-6 parameter dari model produksi CES. Pendugaan parameter akan dijelaskan pada
subbab 2.3 Pendugaan Parameter.
2.3 Pendugaan Parameter
Pendugaan parameter adalah proses untuk menduga atau menaksir parameter
populasi yang tidak diketahui berdasarkan informasi dari sampel. Menurut Hoog
dan Craig (1995), kriteria penduga yang baik adalah takbias, varians minimum,
konsisten, statistik cukup dan kelengkapan. Berikut ini hanya akan dibahas dua
kriteria penduga yang baik, yaitu takbias dan varians minimum karena dianggap
sudah cukup untuk melihat suatu penduga yang baik.
1. Takbias. Suatu statistik dikatakan penduga tidak bias dari parameter apabila nilai harapan penduga sama dengan parameter , sebaliknya jika nilai
harapan statistik tersebut tidak sama dengan parameter maka disebut
penduga yang berbias.
2. Varians Minimum. Suatu penduga U(X) dikatakan mempunyai varians minimum apabila penduga tersebut memiliki varians yang kecil. Apabila
terdapat lebih dari satu penduga, penduga yang efisiens adalah penduga yang
memiliki varians terkecil.
Dalam penelitian ini metode pendugaan yang digunakan untuk menduga model
produksi CES adalah metode kuadrat terkecil nonlinear. Definisi metode kuadrat
7 2.4 Metode Pendugaan Kuadrat Terkecil Nonlinear (Nonlinear Least
Square Estimation)
Misalkan model nonlinear yang dipostulat dengan bentuk :
(2.4)
misalkan
maka Persamaan (2.3) dapat diringkas menjadi :
(2.5)
dengan asumsi dan maka jumlah kuadrat
galat untuk model nonlinear di atas didefinisikan sebagai berikut :
(2.6)
Nilai dugaan kuadrat terkecil bagi akan dilambangkan dengan . Nilai dugaan ini adalah nilai yang meminimumkan . Untuk mendapatkan nilai dugaan
kuadrat terkecil yaitu dengan mendiferensialkan Persamaan (2.5) terhadap
kemudian disamadengankan nol. Ini akan menghasilkan Persamaan normal
dengan bentuk :
(2.7)
Persamaan (2.6) disebut Persamaan normal untuk model nonlinear. Kebanyakan
model nonlinear tidak dapat diselesaikan secara analitik, maka diperlukan metode
iterasi. Salah satu cara yang digunakan adalah dengan teknik iteratif yaitu metode
Newton Raphson. Metode ini sederhana dan mempunyai konvergensi yang cepat.
8 2.5 Metode Newton Rapshon
Apabila dalam proses pendugaan parameter didapat persamaan akhir yang non
linear maka tidak mudah memperoleh pendugaan parameter tersebut, sehingga
diperlukan suatu metode numerik untuk memecahkan persamaan nonlinear
tersebut. Salah satu metode yang sangat popular digunakan untuk memecahkan
sistem persamaan non linear adalah metode Newton Raphson. Metode Newton
Raphson adalah metode untuk menyelesaikan persamaan nonlinear secara iteratif.
Jika merupakan nilai awal dari atau merupakan nilai ke-1 dari , maka
dapat dimisalkan dan dengan i awal = 0.
Metode ini dapat diperluas untuk menyelesaikan sistem persamaan dengan lebih
dari satu parameter. Misal maka iterasinya sebagai berikut:
Vektor gradien atau vektor turunan pertama jumlah kuadrat terhadap
parameter-parameter dandilambangkan dengan g( yaitu :
Matriks Hessian atau matriks turunan kedua dari jumlah kuadrat terhadap
9 (Seber and Wild, 2003).
Untuk memudahkan melakukan iterasi dengan metode Newton-Raphson pada
penelitian ini peneliti menggunakan software SAS. Pada metode Newton Rapshon
dengan menggunakan SAS diperlukan nilai awal paramater. Nilai awal bisa
dilakukan secara trial and error atau dengan menggunakan nilai awal
grid/interval. Penentuan nilai grid berdasarkan nilai parameter yang mungkin dari
suatu model. Dari hasil yang diperoleh yang digunakan sebagai nilai awal untuk
menduga parameter adalah nilai dengan jumlah kuadrat paling kecil. Karena nilai
dengan jumlah kuadrat paling kecil mengindikasikan bahwa proses iterasi yang
III. METODELOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilakukan di Jurusan Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Lampung pada semester genap tahun ajaran
2012/2013.
3.2 Metode Penelitian
Penelitian ini dilakukan untuk mendapatkan nilai pendugaan parameter pada
model produksi CES (Constant Elasticity of Subtitution) yaitu 1, 2, dan 3
dengan menggunakan metode Kuadrat Terkecil Nonlinear (Nonlinear Least
Square). Kemudian menggunakan software SAS untuk menduga parameter model
nonlinear produksi CES.
Adapun langkah-langkah yang akan dilakukan adalah :
1. Mendefinisikan model produksi CES.
2. Menentukan jumlah kuadrat galat dari model produksi CES.
3. Menduga parameter 1, 2, 3, dan 4 model nonlinear produksi CES
dengan menggunakan metode Kuadrat Terkecil Nonlinear (Nonlinear
11 4. Menyelesaikan persamaan yang tidak dapat diselesaikan secara eksak
dengan Metode Newton Rapshon.
5. Menggunakan software SAS untuk menduga parameter model nonlinear
produksi CES.
Input Data
Menentukan g(Ɵ) Input Model
Input Ɵ
i=0
Apakah ?
Ya
[image:17.595.128.527.187.636.2]i=i+1 Tidak
V. KESIMPULAN
Dari pembahasan penelitian dapat disimpulakn sebagai berikut
1. Pendugaan model nonlinear yaitu model produksi CES dengan
menggunakan metode nonlinear kuadrat terkecil tidak dapat dinyatakan
secara eksplisit. Karena tidak dapat diselesaikan secara eksak maka
digunakan metode numerik yaitu Metode Newton Rapshon.
2. Dalam penggunaannya metode Newton Rapshon memerlukan nilai awal.
Penentuan nilai awal yang baik untuk mendapatkan nilai dugaan yang baik
adalah dengan cara melakukan iterasi dengan nilai awal grid. Nilai
parameter dengan jumlah kuadrat terkecil adalah yang dijadikan sebagai
nilai awal dalam menduga parameter.
3. Dari penilitian yang dilakukan didapat nilai dugaan untuk model produksi
CES dengan menggunakan data pada buku (Rasidin dan Bonar, 2006)
adalah = 11.2135, = 0.4053, = -0.5963, dan = 0.8272 dengan
kuadrat galat sebesar 980. Dari nilai dugaan tersebut dapat dibentuk model
produsi CES untuk data tersebut sebagai berikut
.
4. Dari penilitian yang dilakukan didapat nilai dugaan untuk model produksi
30 0.3999, = -0.5288, dan = 0.9227. Dari nilai dugaan tersebut dapat
dibentuk model produsi CES untuk data tersebut sebagai berikut
.
5. Nilai-nilai parameter pada Persamaan (4.12) dianggap sebagai nilai
parameter sebenarnya, sedangkan nilai-nilai parameter pada Persamaan
(4.13) sebagai nilai dugaan parameter Persamaan (4.12), sehingga
diperoleh bias bagi masing-masing parameter sebagai berikut = -1.021,
DAFTAR PUSTAKA
Draper, N. and Smith, H. 1981. Analisis Regresi Terapan Edisi Kedua. Sumantri B, penerjemah. Jakarta: Gramedia, Terjemahan dari: Applied Regression Analysis.
Hogg, R.V. and Allen T. Craig. 1995. Introduction to Mathematical Statistics. Fifth Edition. Princtice-Hall Internasional Inc, New Jersey.
Novalina. 2006. Pendugaan Parameter Model Nonlinier. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Lampung, Bandar Lampung.
Seber, G.A.F and Wild, C.J. 2003. Nonlinear Regression. Departement of Statistics. University Auckland, New Zealand.
Sitepu, K. Rasidin dan Sinaga, M. Bonar. 2006. Aplikasi Model Ekonometrika. Program Studi Ilmu Ekonomi Pertanian Sekolah Pascasarjana Institut Pertanian Bogor. Bogor.