Peran Pertumbuhan Ekonomi dan Intervensi Pemerintah Terhadap Permasalahan Makroekonomi Indonesia
Kemiskinan, pengangguran dan ketimpangan distribusi pendapatan merupakan permasalahan utama yang dihadapi oleh negara sedang berkembang (NSB), tidak terkecuali Indonesia. Ketiganya saling berkaitan, sehingga upaya pengentasannya tidak bisa dilepaskan satu sama lainnya.
Saturday, March 31, 2012
[Tutorial Eviews] Import data panel file Ms. Excell dan Estimasi dengan Eviews
8:08 AM
Ferdian Fadly
315
comments
Kebetulan
beberapa hari yang lalu, ada teman yang bertanya bagaimana cara running model regresi
yang menggunakan data panel dari Ms.
Excell dengan menggunakan Eviews.
Disini akan coba saya sampaikan secara singkat dan dalam tempo yang sesingkat-singkatnya…Lho…hahaha??
Sebenarnya pada Eviews sendiri banyak
teknik untuk mengentri data, bisa secara langsung(Manual) ataupun dengan cara import
data dari Ms.Excell. Namun khusus
untuk data panel saya biasa melakukan import
langsung dari Ms. Excell karena lebih
cepat dan lebih mudah daripada input manual pada Eviews. Pada Eviews 6 yang saya gunakan, saya biasa mengimport file Ms.Excell yang sudah berformat tahun
2003-2007.
Tahapan-tahapan
import data panel dari Ms. Excell (Tersedia versi video disini) adalah sebagai berikut:
1.
Siapkan
file Ms. Excell yang akan diimport, Simpan dalam format .XLS (format 2003-2007).
Perhatikan susunan tabelnya.
Provinsi i kemudian periode (t) nya bergerak, setelah selesai baru dilanjutkan
kepada provinsi berikutnya begitu seterusnya. Contoh formatnya adalah sebagai
berikut:
Data
yang digunakan pada simulasi ini adalah data 30 provinsi yang diamati dalam
rentang waktu 2006-2008, variabelnya dimisalkan saja Y, X1, X2 dan X3, seperti
yang terlihat dibawah ini.
Setelah
disimpan file Ms. Excell 2003-2007 nya
jangan lupa ditutup filenya (atau save as ke format yang berbeda dari Ms. Excell yang akan diinput)
2.
Bukalah
Eviews yang anda miliki, Kemudiaan
pilih file >new >workfile
3.
Karena
menggunakan data tahunan, maka frekuensinya dalam annual, dimulai dari tahun 2006-2008. OK
4.
Kemudian
pada workfile, klik Object >New Object
>Pool > tuliskan nama pool
nya misal FERDI
Kemudian
pada pool, identifikasikan observasi
kita, tetapi dahulukan dengan menggunakan “_”, bisa berupa angka, bisa berupa
tulisan, misalnya: _1,_2,…,_30 ataupun _NAD,_SUMUT,…,_PAPUA
5.
Setelah
identifikasi, pilih opsi proc > import
pool data
6.
Pada
upper left data, isikan pada cell
apakah input data dimulai (misal D2), kemudian identifikasi variabel yang
digunakan (Note: akhiri identifikasi variabel dengan tanda tanya ?)
7.
Apabila
input data panel benar, maka akan terbentuk data input pada workfile yang
ditandai dengan x1_1 sampai x1_30, hingga y_1 sampai y_30
Note: Cek terlebih dahulu, apakah data
sudah benar, apabila ada nilai yang tertukar, itu artinya kita salah dalam
penyusunan tabel yang akan diinput pada Ms. Excell, perbaiki format struktur
tabelnya (Back to Tahapan 1).
8.
Lakukan
estimasi model sederhana. Caranya pada workfile
klik pool
Ferdi, kemudian pada pool
pilih estimate.
Dependent
Variable, isikan dengan
y? (jangan lupa tanda tanya ya). Kemudian untuk Independent Variable nya, diisikan juga variabel nya dan jangan
lupa diakhiri tanda tanya.
9. Kemudian pada model estimasi nya dapat
ditentukan apakah menggunakan fixed
effects model ataupun random effects
model.
Note: ada pilihan cross section dan ada
pilihan period, coba baca kembali introduction dan model estimasi.
10. Dan inilah hasil outputnya
Dimana ditunjukkan dari nilai Prob (f-stat) yang kurang dari 0.1
(sebagai overall test) bahwa dengan
tingkat keyakinan 90 persen, minimal ada satu variabel yang berpengaruh
signifikan terhadap variabel tidak bebas. Variabel yang signifikan ditandai
oleh prob t-statistik (sebagai partial test) yang kurang dari 0.1. Sehingga dengan tingkat keyakinan 90 persen
variabel yang signifikan mempengaruhi Y adalah variabel X1 dan X3. Dan model
dapat menjelaskan 97,7 persen variasi yang terjadi pada variabel y (adjusted R-squared).
Sekian
penjelasan Cara Mengimport dan Estimasi Regresi
data panel dari file Ms. Excell, semoga bermanfaat dan sebelumnya dapat
membaca terlebih dahulu introduction nya untuk konsepnya. Penjelasan mengenai pemilihan
model estimasi terbaik akan dijelaskan kemudian…sampai jumpa lagi..=D..Ferdi
Fadly
Thursday, March 29, 2012
[Tutorial] Generate angka Random dengan WinPepi
7:01 PM
Ferdian Fadly
2
comments
Dalam Penelitian kesehatan, biasanya kita akan sering terlibat dengan individu individu yang nantinya akan di kelompokkan oleh peneliti. Terkadang kita bingung, harus memutuskan ini akan masuk kelompok siapa? Ini harus dikasih obat apa? atau dalam bahasa lebih umum, individu ini akan diberi treatmeny apa? Nah, mungkin ini dapat menjadi pengantar dari penjelasan selanjutnya ini.
Berdasarkan
desain penelitiannya, terdapat 3 jenis penelitian (sebagai gambaran awal saja untuk analisis dan kelanjutan penjelasan akan disampaikan di kemudian
hari…trims…^^):
desain penelitiannya, terdapat 3 jenis penelitian (sebagai gambaran awal saja untuk analisis dan kelanjutan penjelasan akan disampaikan di kemudian
hari…trims…^^):
1.
Cross Section Studies
Cross Section Studies
Dimana dalam pengambilan sampelnya, hanya ditentukan total jumlah sampelnya saja. Misalnya: Ingin diketahui hubungan antara Status Merokok dan status sehat tidak sehat seseorang. Penelitian ini menggunakan 100 sampel, tanpa diketahui dulu siapa yang merokok ataupun siapa yang tidak sehat, dan lain-lain, jadi kondisinya acak saja, tidak perduli situasi atributnya.
2.
Prospective studies
Prospective studies
Dimana dalam pengambilan sampelnya, selain ditentukan total jumlah sampelnya, juga diperhitungkan kondisi awalnya. Misalnya: Ingin diketahui hubungan antara Status Merokok dan status sehat tidak sehat seseorang. Penelitian ini menggunakan 100 sampel, terdiri atas 50 sampel dari yang merokok, 50 sampel dari yang tidak merokok. Situasinya seperti itu ingin diketahui berapa yang tidak sehat dari yang merokok dan yang tidak merokok.
3.
Retrospective Studies
Retrospective Studies
Dimana dalam pengambilan sampelnya, selain ditentukan total jumlah sampelnya, juga diperhitungkan kondisi akhirnya. Misalnya: Ingin diketahui hubungan antara Status Merokok dan status sehat tidak sehat seseorang. Penelitian ini menggunakan 100 sampel, terdiri atas 50 sampel dari yang sehat, 50 sampel dari yang tidak sehat. Situasinya seperti itu ingin diketahui berapa dari yang tidak sehat yang merokok dan yang tidak merokok.
Pada cross section studies mungkin kita tidak akan mengalami kendala dalam hal alokasi sampel, karena kita hanya akan berhadapan dengan total sampel saja. Tetapi pada prospective dan retrospective studies kita akan berhadapan dengan penentuan alokasi (terkait dengan penentuan jumlah sampel masing-masing kelompok) yang tentu saja harus Random.
Misalnya: ingin diteliti pemberian obat A dan obat B pada 10 orang apakah ada hubungannya dengan status sembuh dan tidak sembuh seorang pasien. Masing-masing kelompok terdiri atas 5 orang. Bisa saja alokasi yang terbentuk berdasarkan urutan pasien adalah sebagai berikut:
A A B A B B A B A B
Nah, itu 10 orang. bagaimana kondisinya kalau sampel pasiennya banyak?? Misalnya 1000 orang. Tentu randomisasi alokasi ini menjadi hal yang bisa jadi sulit dilakukan. Microsoft Excell memang memiliki kemampuan untuk men-generate angka random (dengan menggunakan fungsi Rand() kemudian yang kurang dari 0.5 kita nyatakan grup A, dan selain itu B), namun jumlah alokasi masing-masing kelompok sulit dilakukan control. Pengalaman saya, untuk menemukan alokasi yang saya inginkan (sesuai jumlah alokasinya masing-masing grup) itu cukup lama menggunakan MS. Excell. Hingga seorang teman memperkenalkan saya dengan WINPEPI…=D.
Dengan WINPEPI kita dapat mengalokasikan sampelnya secara random tetapi dengan jumlah yang sudah ditentukan masing-masing kelompok. Misalnya 150 sampel ingin dibagi dua kelompok. Kedua kelompok sama jumlahnya, artinya 75 sampel masing-masing kelompok. Tahapan melakukan randomisasi dengan WinPepi adalah sebagai berikut:
Dengan WINPEPI kita dapat mengalokasikan sampelnya secara random tetapi dengan jumlah yang sudah ditentukan masing-masing kelompok. Misalnya 150 sampel ingin dibagi dua kelompok. Kedua kelompok sama jumlahnya, artinya 75 sampel masing-masing kelompok.
1.
Bukalah winPepi yang anda miliki, kemudian pada menu opsi program pilihlah ETCETERA (Miscellaneous Procedures)
Bukalah winPepi yang anda miliki, kemudian pada menu opsi program pilihlah ETCETERA (Miscellaneous Procedures)
2.
Kemudian pilihlah opsi select A. Randomization (Random Allocation)
Kemudian pilihlah opsi select A. Randomization (Random Allocation)
3.
Pilih A3. Balanced Randomization (unstratified). Centang yes, jika memang antar kelompok jumlahnya sama, kemudian tentukan jumlah sampel nya…
Pilih A3. Balanced Randomization (unstratified). Centang yes, jika memang antar kelompok jumlahnya sama, kemudian tentukan jumlah sampel nya…
4.
Hasil terlihat seperti dibawah ini, dimana kelompok A dan Kelompok B masing-masing akan berjumlah 75 sampel.
Hasil terlihat seperti dibawah ini, dimana kelompok A dan Kelompok B masing-masing akan berjumlah 75 sampel.
Untuk pertanyaan lebih lanjut, dapat mengirimkan email ke 07.5356@gmail.com dan terimakasih atas kunjungannya....=D
Monday, March 26, 2012
Bingung menentukan Analisis Multivariate yang digunakan???
2:10 PM
Ferdian Fadly
4
comments
Terkadang kita
bingung untuk menentukan analisis multivariate apa yang digunakan sesuai
tujuan dan data yang kita miliki. Semoga gambar(klik untuk memperbesar
gambar) di bawah ini dapat menjadi masukan ataupun pandangan dalam hal
penentuan metode analisis yang akan digunakan. Untuk penjelasannya akan
disampaikan di kemudian hari. Terimakasih telah berkunjung di blog
saya...
Sumber: Slide "Trik memilih analisis yang tepat" dan Joseph F hair dkk
Sumber: Slide "Trik memilih analisis yang tepat" dan Joseph F hair dkk
Gambar 1. Analisis Multivariate |
Sunday, March 18, 2012
Fixed, Common or Random Effect ??? (Part 1)
9:58 PM
Ferdian Fadly
57
comments
Judge
(1980) dalam Fadly (2011), menyatakan ada perbedaan mendasar untuk menentukan pilihan antara FEM (Fixed Effects Model) dan ECM (Error Component Model) antara lain
sebagai berikut (Gujarati, 2004):
1) Jika
T (jumlah data time series) besar dan
N (jumlah unit cross-section) kecil,
perbedaan antara FEM dan ECM adalah sangat tipis. Oleh karena itu, dapat
dilakukan penghitungan secara konvensional. Pada keadaan ini, FEM mungkin lebih
disukai.
2) Ketika
N besar dan T kecil, estimasi diperoleh dengan dua metode dapat berbeda secara
signifikan. Pada ECM,
,
dimana
adalah komponen random cross-section dan pada FEM,
ditetapkan dan tidak acak. Jika kita sangat
yakin dan percaya bahwa individu, ataupun unit cross-section sampel kita adalah tidak acak, maka FEM lebih cocok
digunakan. Jika unit cross-section
sampel adalah random/acak, maka ECM lebih cocok digunakan.
3) Komponen
error individu
dan satu atau lebih regresor berkorelasi,
estimator yang berasal dari ECM adalah bias, sedangkan yang berasal dari FEM
adalah unbiased.
4) Jika
N besar dan T kecil, serta jika asumsi untuk ECM terpenuhi, maka estimator ECM
lebih efisien dibanding estimator FEM.
Secara
formal, ada tiga prosedur pengujian yang akan digunakan, yaitu uji statistik F
yang digunakan untuk memilih antara model commoneffects atau fixed effects; uji Langrange Multiplier (LM) yang digunakanuntuk memilih antara model common effectsatau model random effects; dan
uji Hausman yang digunakan untuk
memilih antara model fixed effects atau
model random effects.
Untuk Pengujian Formal akan dijelaskan kemudian...Terimakasih telah membaca...=D
Estimasi Model Regresi dengan Menggunakan Data Panel
8:01 AM
Ferdian Fadly
163
comments
A.
Common Effects Model
Model common effects merupakan pendekatan data panel yang paling
sederhana. Model ini tidak memperhatikan dimensi individu maupun waktu sehingga
diasumsikan bahwa perilaku antar individu sama dalam berbagai kurun waktu.
Model ini hanya mengkombinasikan data time
series dan cross section dalam
bentuk pool, mengestimasinya
menggunakan pendekatan kuadrat terkecil/pooled
least square.
Adapun persamaan regresi dalam model
common effects dapat ditulis sebagai
berikut:
dimana i menunjukkan cross section (individu) dan t
menunjukkan periode waktunya. Dengan asumsi komponen error dalam pengolahan kuadrat terkecil biasa, proses estimasi
secara terpisah untuk setiap unit cross
section dapat dilakukan.
B.
Fixed Effects Model
Model Fixed effects mengasumsikan bahwa terdapat
efek yang berbeda antar individu.
Perbedaan itu dapat diakomodasi melalui perbedaan pada intersepnya. Oleh karena
itu, dalam model fixed effects,
setiap
merupakan parameter yang tidak diketahui dan
akan diestimasi dengan menggunakan teknik variabel dummy yang dapat ditulis
sebagai berikut:
Teknik
seperti diatas dinamakan Least Square
Dummy Variabel (LSDV). Selain diterapkan untuk efek tiap individu , LSDV
ini juga dapat mengakomodasi efek waktu yang besifat sistemik. Hal ini dapat dilakukan melalui penambahan
variabel dummy waktu di dalam model.
C. Random Effects Model
Berbeda dengan fixed effects model, efek spesifik dari
masing-masing individu
diperlakukan
sebagai bagian dari komponen error yang
bersifat acak dan tidak berkorelasi dengan variabel penjelas yang teramati
, model seperti ini dinamakan random effects model (REM). Model ini
sering disebut juga dengan error
component model (ECM). Dengan demikian, persamaan model random effects dapat dituliskan sebagai
berikut:
Setelah membaca dengan seksama mengenai model estimasi ini, tentu kita penasaran model estimasi apa yang paling tepat untuk data panel yang kita miliki...tetap Stay tune di channel ini...=D
Saturday, March 10, 2012
Analisis Regresi dengan Menggunakan Data Panel
10:30 PM
Ferdian Fadly
326
comments
Dalam melakukan Analisis Ekonometrika khususnya regresi, terdapat 3 jenis
data yang dapat digunakan, yaitu: data time-series, data cross-section,
dan data panel.
Pada data time series, satu atau lebih variabel akan diamati pada
satu unit observasi dalam kurun waktu tertentu. Sedangkan data cross-section
merupakan amatan dari beberapa unit observasi dalam satu titik waktu. Perlu
ditekankan, Tiap jenis data punya kegunaan dan konsekuensi dari penggunaan data
yang berbeda satu sama lain.
Nah, data panel (panel pooled data) sendiri
merupakan gabungan data cross section dan series. Dengan kata
lain, data panel merupakan data dari beberapa individu sama yang diamati dalam
kurun waktu tertentu. Jika kita memiliki T periode waktu (t =
1,2,...,T) dan N jumlah individu (i = 1,2,...,N), maka dengan
data panel kita akan memiliki total unit observasi sebanyak NT. Jika
jumlah unit waktu sama untuk setiap individu, maka data disebut balanced
panel. Jika sebaliknya, yakni jumlah unit waktu berbeda untuk setiap
individu, maka disebut unbalanced panel.
Menurut Baltagi (2005) dalam Fadly (2011), penggunaan
data panel dalam regresi memiliki beberapa keuntungan, diantaranya :
1.
Dengan
menggabungkan data time series dan cross section, panel
menyediakan data yang lebih banyak dan informasi yang lebih lengkap serta
bervariasi. Dengan demikian akan dihasilkan degress of freedom (derajat
bebas) yang lebih besar dan mampu meningkatkan presisi dari estimasi yang
dilakukan.
2.
Data
panel mampu mengakomodasi tingkat heterogenitas individu-individu yang tidak
diobservasi namun dapat mempengaruhi hasil dari permodelan (individual
heterogeneity). Hal ini tidak dapat dilakukan oleh studi time series
maupun cross section sehingga dapat menyebabkan hasil yang diperoleh
melalui kedua studi ini akan menjadi bias.
3.
Data
panel dapat digunakan untuk mempelajari kedinamisan data. Artinya dapat
digunakan untuk memperoleh informasi bagaimana kondisi individu-individu pada
waktu tertentu dibandingkan pada kondisinya pada waktu yang lainnya.
4.
Data
panel dapat mengidentifikasikan dan mengukur efek yang tidak dapat ditangkap
oleh data cross section murni maupun data time series murni.
5.
Data
panel memungkinkan untuk membangun dan menguji model yang bersifat lebih rumit
dibandingkan data cross section murni maupun data time series
murni.
6.
Data
panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena
unit observasi terlalu banyak.
Regresi data panel dapat dimodelkan sebagai berikut :
Dimana:
α
= Konstanta
β
= Vektor berukuran P x 1 merupakan parameter hasil estimasi
Xit =
Observasi ke-it dari P variabel bebas
αi
= efek individu yang berbeda-beda untuk setiap individu ke-i
Eit
= error regresi seperti halnya pada model regresi klasik.
Model persamaan diatas
disebut one-way model atau model satu arah, karena hanya
mempertimbangkan efek individu (αi) dalam model. Jika model juga
mempertimbangkan efek dari waktu atau memasukka variabel waktu, maka disebut two-way
model atau model dua arah dan secara matematis dapat dituliskan sebagai
berikut:
Dimana
terdapat tambahan efek waktu yang dilambangkan dengan deltha yang dapat
bersifat tetap ataupun bersifat acak antar tahunnya, selain dari keterangan
yang sudah dijelskan sebelumnya.
Seperti halnya Regresi dengan menggunakan
data Cross section, Regresi dengan menggunakan data panel pun memiliki
tahapan yang pada dasarnya sama dengan yang sudah saya posting sebelumnya.
Yaitu: Eksplorasi, Identifikasi, Estimasi, Pengujian signifikansi, Uji
asumsi dan Goodness of fit model.
Namun, dengan menggunakan data panel,
konsekuensinya adalah selain harus melewati tahapan tersebut, sebagai pembuat
model kita harus juga melalui tahapan yang dapat dijelaskan oleh Gambar 1
berikut.
|
||||||
Tahapan yang harus dilalui:
1.
Penentuan Model Estimasi – Terkait dengan
model yang digunakan, Fixed or Random
Effects?
2.
Penentuan Metode Estimasi
3.
Pengujian Asumsi dan Kesesuaian Model
4.
Interpretasi