Puji syukur kami panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya sehingga penyusunan Buku Modul Pembelajaran Ekonometri ini dapat terselesaikan. Modul pembelajaran ini dirancang untuk menjadi panduan bagi mahasiswa dalam melaksanakan kegiatan pembelajaran dan praktikum Ekonometri. Kami berharap dengan adanya buku modul pembelajaran Ekonometri ini, seluruh tahapan pembelajaran dan pelaksanaan praktikum dapat berjalan dengan baik dan terarah sesuai tujuan yang ingin dicapai.
Mata kuliah Ekonometri ini merupakan mata kuliah wajib semester 6 di Program Studi Agribisnis dengan kode mata kuliah AB601B. Pada mata kuliah Ekonometri ini disampaikan materi meliputi pengertian dan penggunaan ekonometrika, metode ekonometrika, analisis regresi, estimasi interval dan pengujian hipotesis, regresi linier berganda, statistik inferensial 1 dan 2, penyimpangan asumsi klasik, multikolinearitas, heteroskedastisitas, autokorelasi, normalitas dan regresi matriks, model autoregresif, regresi dengan variabel dummy. Perkuliahan pada mata kuliah Ekonometri ini mempunyai bobot SKS 2-1, dimana terdapat 2 SKS teori dan 1 SKS praktek.
Waktu pembelajaran tatap muka dialokasikan 2 x 50 menit (110 menit) dan praktikum dialokasikan 170 menit per minggu per semester. Pada mata kuliah Ekonometrika ini terdapat 16 pertemuan dengan 14 pertemuan tatap muka, satu ujian tengah semester dan satu ujian akhir semester. 1,2,3,4 Student Center Learning (SCL) Membaca buku pelajaran, pembelajaran tatap muka, searching website tentang materi pelajaran, kerja praktek.
Prakiraan dan prediksi digunakan untuk mengetahui sejauh mana nilai variabel terikat didasarkan pada nilai yang diharapkan di masa depan dari variabel bebas. Pada akhirnya, hasil estimasi dengan menggunakan model tersebut dapat digunakan untuk mengambil kebijakan bagi para pelaku ekonomi.
Prosedur pengujian hipotesis ada lima: (1) menentukan rumusan hipotesis, (2) menentukan tingkat signifikan, (3) menentukan kriteria pengujian, (4) menentukan nilai uji, (5) menarik kesimpulan. Hipotesis dibagi menjadi dua: hipotesis nol, pernyataan yang akan diuji, dan hipotesis alternatif, yaitu hipotesis apa pun yang berbeda dengan hipotesis nol. Prinsip pengujiannya adalah menganalisis variabilitas atau keragaman data menjadi dua sumber variasi, yaitu variasi dalam kelompok (dalam) dan variasi antar kelompok (antar).
Analisis regresi berupaya memperkirakan atau memperkirakan nilai mean suatu variabel (dependen dan diasumsikan stokastik) berdasarkan nilai tetap variabel lain (independen dan non-stokastik), antara variabel dependen dan independen yang mempunyai hubungan sebab akibat. R2 menunjukkan proporsi total variasi respon Y yang dapat dijelaskan oleh model. Untuk mengetahui persentase pengaruh variabel X1 dan X2 terhadap variabel Y digunakan koefisien determinasi.
Apabila belum terbebas dari permasalahan multikolinearitas maka akan menyebabkan koefisien regresi (b) nilai masing-masing variabel independen dan nilai standar errornya (se) cenderung miring, dalam artian tidak dapat ditentukan nilai pastinya, sehingga juga akan mempengaruhi nilai t. Apabila korelasi antar variabel penjelas tidak lebih besar dari korelasi variabel terikat dengan masing-masing variabel penjelas, maka dapat dikatakan tidak ada masalah yang serius. Rumus regresi diperoleh dengan asumsi bahwa variabel pengganggu (error) atau e diasumsikan sebagai variabel konstan (kisaran e kurang lebih sama).
Masalah heteroskedastisitas lebih sering muncul pada data cross-sectional dibandingkan pada data time-series karena data cross-sectional menunjukkan objek yang berbeda pada waktu yang berbeda. Tidak ada hubungan antara satu benda dengan benda lainnya, dan hal ini juga berlaku pada waktu. Munculnya masalah heteroskedastisitas yang menyebabkan nilai t menjadi bias akan menyebabkan nilai t dan nilai F menjadi tidak valid.
Autokorelasi biasanya terjadi pada penelitian yang menggunakan data time series, namun bisa juga terjadi pada data cross-sectional. Estimasi koefisien regresi yang diperoleh dengan menggunakan OLS tidak lagi BIRU, meskipun masih tidak bias dan konsisten. Dengan demikian nilai koefisien determinasi (R2) akan besar dan akibatnya uji t, uji F dan interval kepercayaan tidak valid lagi untuk digunakan.
Caranya langkah paling mudah adalah dengan membuat grafik antara residu dengan variabel bebas X atau waktu, atau dengan membuat grafik antara residu pada waktu t dan residu pada waktu t-1. Metode ini hanya digunakan untuk model regresi yang variabel independennya tidak mengandung variabel dependen yang tertinggal (time lag). Durbin Watson tidak relevan untuk memperkirakan model regresi menggunakan data cross-sectional dan memperkirakan model regresi tanpa intersep.
Cara ini hanya berlaku pada model regresi yang variabel independennya mengandung variabel dependen yang tertinggal (time lag). Apabila nilai X2 hitung > X2 tabel maka hipotesis yang menyatakan tidak terdapat autokorelasi pada model empiris yang digunakan ditolak. Apabila nilai X2 hitung < X2 tabel, maka hipotesis tidak terjadinya autokorelasi pada model empiris yang digunakan tidak dapat ditolak.
Sk > 0 nilai rata-rata berada di sebelah kanan Mo, kurva mempunyai ekor memanjang ke kiri, kurva miring ke kanan/positif;. Sk < 0 nilai rata-rata berada di sebelah kiri Mo, kurva mempunyai ekor memanjang ke kanan, kemiringan kurva ke kiri/negatif. Kurtosis atau skewness adalah derajat puncak suatu distribusi, biasanya diambil relatif terhadap distribusi normal.
Ada tiga cara untuk menguji normalitas, yaitu pertama dengan melihat hasil nilai skewness yang diperoleh melalui statistik deskriptif (data dikatakan berdistribusi normal jika nilai skewness berada di antara atau kedua dengan menggunakan Kolmogorov-Smirnov dari Analyze > Descriptive Statistik > menu Jelajahi dan ketiga gunakan Kolmogorov-Smirnov dari menu Analisis > Uji non-parametrik > 1 sampel K-S.
Data kualitatif berbentuk data kategorikal, sehingga analisis regresi secara langsung tidak dapat dilakukan sehingga memerlukan penggunaan variabel dummy. Dalam analisis dengan data deret waktu, variabel dummy berguna untuk membandingkan kondisi pada periode waktu tertentu. PROGRAM SPSS Minggu ke 5 Pemasangan SPSS dilakukan bersama-sama dengan masing-masing kontraktor bersama cooass.
Pada minggu ke 6 Coass memberikan panduan mengenai timeline dan aturan praktikum serta memandu praktikum dalam memasukkan data ke dalam program SPSS. Minggu ke 7 Panduan Coass dalam membuat diagram dan grafik dengan menggunakan program SPSS terkait dengan data yang akan diregresi. Minggu ke 9 Coass memandu praktisi dalam menerapkan analisis regresi eksponensial dan regresi dengan variabel dummy menggunakan program SPSS.
Pada minggu ke 10, Coas memandu praktisi dalam menerapkan analisis uji asumsi klasik yang terdiri dari uji multikolinieritas, heteroskedastisitas, dan autokorelasi untuk menemukan persamaan regresi tak bias menggunakan program SPSS. Coass kemudian memberikan panduan bagaimana menafsirkan hasil tes dan langkah-langkah penanganan data sakit. RESPON Minggu 11 Praktisi memberikan respon terhadap analisis regresi dan uji asumsi klasik untuk mengetahui tingkat pemahaman praktisi.
Mengolah data soal ujian regresi eksponensial dan menginterpretasikan hasil analisis serta memahami teori variabel dummy.
