“KEMISKINAN, PEMBANGUNAN EKONOMI DAN DEPLESI SDA”
Di susun Oleh
Kelompok
Syafran Pardamean 108084000014
Dwi Aji Sapto 108084000015
Muhammad Riza 108084000025
Avanda Fahri Atahrim 108084000034
Feline Yuliani Sayogie 108084000079
M.Fauzi Heriansyah 106084002740
Fakultas Ekonomi dan Bisnis
Jurusan Ilmu Ekonomi dan Studi Pembangunan
Konsentrasi Ekonomi Pembangunan
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
2011
Pendahuluan
Begitu banyak masalah yang dihadapi bangsa Indonesia. Dari sekian banyak masalah,ada dua isu yang akan menjadi pokok bahasan dari tulisan ini, yaitu kemiskinan dan kerusakan lingkungan. Apa sebenarnya akar dari masalah-masalah tersebut?
Data statistik tahun 2003 menunjukkan bahwa penduduk miskin berjumlah 38,7 juta jiwa atau 17,6% dari penduduk Indonesia. Dari jumlah tersebut, 21,2 juta atau 56,9% di antaranya terkonsentrasi di Pulau Jawa. Sungguh ironis, mengingat Pulau Jawa adalah sentra pembangunan di Indonesia. Pembangunan, yang tujuan utamanya mensejahterakan masyarakat, menemui suatu tembok penghalang dalam mencapai tujuannya tersebut.
Data pemetaan kerusakan lingkungan dari Kementerian Negara Lingkungan Hidup juga menunjukkan bahwa mayoritas kerusakan lingkungan terjadi di Pulau Jawa..Apa sebenarnya perbedaan antara Pulau Jawa dengan pulau-pulau lain di Indonesia? Ada satu perbedaan yang sangat signifikan di antara Pulau Jawa dan pulau-pulau lain di Indonesia, yakni kepadatan penduduk Pulau Jawa jauh lebih tinggi dibandingkan pulau-pulau lain.
Apa kaitan antara populasi penduduk dengan kemiskinan dan kerusakan lingkungan? Mari kita tinjau satu per satu.
1. Keterkaitan antara Populasi Penduduk dan Kemiskinan
Persebaran penduduk sangat erat kaitannya dengan tingkat kesejahteraan penduduk. Untuk menilai tingkat kesejahteraan penduduk, maka parameter yang dapat digunakan adalah pendapatan per kapita masyarakat. Hal ini terkait langsung dengan tingkat ketersediaan lapangan pekerjaan. Idealnya, tingkat ketersediaan lapangan pekerjaan suatu daerah tidak berkorelasi langsung dengan potensi sumber daya alam. Artinya industri berbasis kreativitas menjadi ujung tombak perekonomian. Namun, penduduk Indonesia masih sangat bergantung pada sumber daya alam yang tersedia dalam mempertahankan kelangsungan hidupnya. Peningkatan jumlah penduduk (baik dari kelahiran maupun dari migrasi) tidak dapat diimbangi oleh kapasitas alam dalam menyediakan sumber penghidupan bagi masyarakat. Akibatnya, banyak penduduk tidak memperoleh akses ke lapangan pekerjaan. Meningkatnya tingkat pengangguran akan diikuti dengan meningkatnya jumlah penduduk miskin.
Contoh sinergisme antara kepadatan penduduk dan tingkat pengangguran dapat dilihat di Pulau Jawa. Menurut data tahun 2005, Pulau Jawa adalah pulau dengan tingkat pengangguran tertinggi di Indonesia, yaitu 10,95% dari jumlah angkatan kerja (penduduk berusia 15 tahun atau lebih) menganggur. Propinsi di Jawa yang memiliki tingkat pengangguran tertinggi adalah DKI Jakarta dan Jawa Barat. Sebanyak 14,73% dari jumlah angkatan kerja di Jawa Barat menganggur. Dua propinsi yang menduduki puncak daftar propinsi dengan kepadatan penduduk terbesar adalah propinsi yang sama, yaitu 13.344 orang/km2 di DKI Jakarta dan 1.044 orang/km2 di Jawa Barat. Data ini merupakan indikasi yang kuat bahwa kepadatan penduduk berbanding lurus dengan tingkat pengangguran di Indonesia.
2. Keterkaitan antara Populasi Penduduk dan Kerusakan Lingkungan
Benang merah yang menghubungkan populasi dengan kerusakan lingkungan adalah kebutuhan manusia akan sumber daya alam, baik untuk menunjang hidupnya maupun untuk menjalankan aktivitas ekonomi. Bertambahnya populasi diikuti oleh meningkatnya kebutuhan akan lahan, untuk tempat tinggal dan tempat menjalankan aktivitas ekonomi. Karena itu, luas lahan yang awalnya berfungsi sebagai penyeimbang di alam (misalkan hutan yang berfungsi ganda sebagai penahan dan penyimpan air sehingga siklus air bisa tetap berjalan seimbang) berkurang. Akibatnya, terjadi kerusakan lingkungan yang mengarah pada bencana. Banjir yang melanda Jakarta adalah salah satu contohnya. Selain akibat fenomena perubahan iklim (isu yang sangat populer akhir-akhir ini, yang menurut para ahli memicu peningkatan curah dan hari hujan), banjir disebabkan oleh beberapa hal.
Pertama, berkurangnya daerah resapan air. Pembangunan pemukiman dan pusat kegiatan ekonomi (misalnya perkantoran) telah mensubstitusi pepohonan dengan beton. Hal ini terjadi di beberapa tempat, terutama di daerah Puncak-Bogor, sebagai eksportir air limpasan hujan ke Jakarta.
Kedua, tumbuhnya pemukiman-pemukiman di sempadan sungai. Ini mengakibatkan penyempitan sungai sehingga aliran sungai menjadi bertambah deras. Banjir pun sulit untuk dihindari.Sebenarnya banjir adalah masalah yang sangat kompleks. Masalah infrastruktur pengendali banjir juga menjadi salah satu penyebab. Namun penyebab dominannya adalah kedua hal di atas. Keduanya dipicu oleh meningkatnya populasi penduduk.
Konsumsi energi, sebagai salah satu pengejawantahan dari kebutuhan manusia akan sumber daya alam, juga berkontribusi terhadap kerusakan lingkungan. Satu contoh yang paling bisa dilihat adalah polusi udara dari sektor transportasi. Banyaknya jumlah penduduk harus diimbangi dengan fasilitas transportasi. Sayangnya, teknologi ramah lingkungan belum banyak diterapkan pada sektor transportasi di Indonesia. Akibatnya, kepulan asap kendaraan bermotor ikut berpartisipasi mempercepat proses kerusakan lingkungan.
Berdasarkan penyebab utamanya, maka kita bisa fokuskan upaya mengatasi dua permasalahan utama di Indonesia tersebut pada usaha pengendalian populasi penduduk, terutama di pulau Jawa. Salah satu hal yang bisa dilakukan adalah pemindahan penduduk dari pulau yang penduduknya padat ke pulau yang penduduknya jarang, atau yang diistilahkan “transmigrasi” oleh Bung Karno.
Telah banyak pemukiman baru yang dibuka oleh Depnakertrans. Pada kurun waktu 2000-2006, sebanyak 976 lokasi UPT (Unit Pemukiman Transmigrasi) untuk 265.348 kepala keluarga (KK) telah disiapkan oleh Depnakertrans. Lokasi UPT ini tersebar di semua pulau-pulau Indonesia, kecuali pulau Jawa, Madura dan Bali. Namun, dari jumlah itu baru 574 lokasi untuk 165.689 KK yang sudah diserahkan. Ini berarti hampir separuh dari UPT yang telah siap belum diserahkan kepada transmigran.
Melihat ketersediaan UPT, rasanya kesulitan bukan dihadapi di tahap persiapan lokasi pemukiman transmigran. Masalah mungkin ditemui saat minat masyarakat untuk bertransmigrasi sangat rendah. Namun, mengingat sumpeknya suasana kota-kota di pulau Jawa (terutama Jakarta), lingkungan yang tidak bersahabat (polusi udara, banjir dan sebagainya) dan banyaknya jumlah penganggur, mungkin masalah minat yang rendah itu bisa pelan-pelan diatasi. Jadi apa sebenarnya apa hambatan terbesar yang dialami oleh Depnakertrans dalam menjalankan program ini?
Apa yang bisa BPK lakukan terkait masalah persebaran penduduk yang tidak merata ini? Sebenarnya, ada setidaknya dua hal yang bisa dilakukan oleh BPK.
Pertama, BPK bisa melakukan pemeriksaan kinerja atas program transmigrasi dari Depnakertrans. Pemeriksaan dilakukan untuk menyelidiki hambatan terbesar dari Depnakertrans dalam menyelenggarakan program transmigrasi. Berdasarkan hambatan tersebut, BPK dapat memberikan rekomendasi kepada Depnakertrans sehingga program tranmigrasi dapat mencapai tujuannya.
Kedua, BPK bisa melakukan pemeriksaan atas persebaran indeks pembangunan infrastruktur di seluruh Indonesia. Bila dilihat lebih luas, transmigrasi bukan hanya mengenai pemerataan jumlah penduduk, melainkan juga pemerataan pembangunan infrastruktur penunjang kehidupan, terutama kesehatan dan pendidikan. Pembangunan infrastruktur di Indonesia selama ini hanya terpusat di Pulau Jawa. Pemeriksaan atas persebaran indeks pembangunan dapat dilakukan untuk melihat daerah-daerah dengan tingkat pembangunan paling rendah sekaligus untuk untuk memberikan masukan kepada pemerintah pusat mengenai kebijakan pembangunan di masa yang akan datang.
3. Keterkaitan Sumber Daya Alam dan Pembangunan Ekonomi
Sumber daya alam merupakan segala macam sumber daya yang sifatnya heterogen dankompleks. Dilihat dari sifatnya, sumber daya alam merupakan sesuatu yang berguna danmempunyai nilai dalam kondisi di mana kita menemukannya, dan merupakan suatukonsep yang dinamis, sehingga ada kemungkinan bahwa terjadinya perubahan dalaminformasi, teknologi dan relatif kelangkaannya dapat berakibat sesuatu yang semuladianggap tidak berguna menjadi berguna. Sumber daya alam mempunyai nilai dan sifat jamak.
Oleh karena itu, sumber daya alam mempunyai dimensi jumlah, kualitas, waktudan tempat. Dilihat dari jenisnya, sumber daya alam dapat dibedakan menjadi dua yaitusumber daya alam yang dapat diperbaharui (renewable), dan sumber daya alam yangtidak dapat diperbaharui (non renewable).Dilihat dari peranannya terhadap pembangunan ekonomi, sejarah mencatat bahwamasyarakat dapat mencapai kemakmuran karena berhasil memanfaatkan sumber dayaalam yang dimiliki. Sampai sekarang masih ada orang-orang yang mengatakan bahwasalah satu faktor yang menyebabkan suatu negara mengalami kemiskinan karena tidak cukup sumber-sumber alam yang dimilikinya.Ada beberapa faktor yang mempengaruhi penggunaan sumber daya alam, antara lainadalah faktor sosial dan budaya, teknologi dan keadaan ekonomi. Keadaan ekonomidapat meningkatkan dan menghambat penggunaan sumber-sumber alam. Keadaanekonomi dapat meningkatkan penggunaan sumber-sumber alam apabila didukung oleh faktor-faktor lain.
Namun keadaan ekonomi dapat menghambat penggunaan sumber-sumber alam apabila tidak didukung tersedianya faktor-faktor lain, seperti adanyaorganisasi yang kurang baik, distribusi yang kurang baik, bentuk pasar kurang tepat danketergantungan pada ekspor.Permasalahan dan Kebijakan Pengelolaan Sumber Daya AlamBeberapa permasalahan pokok yang dihadapi dalam pengelolaan sumber daya alam(SDA) antara lain adalah: sumber daya alam persediaannya terbatas, lokasi dari sumber daya alam letaknya jauh dari yang memerlukan, pergeseran para pengguna dari yangsemula memakai sumber daya alam yang renewable menjadi semakin tergantung padasumber daya alam yang non renewable, pemanfaatan sumber daya alam tidak lagi bijaksana dan berpandangan jangka pendek, dan belum adanya pertimbangan lingkungan.
Beberapa faktor yang dapat menunda kelangkaan sumber daya alam antara lain adalah: perubahan teknologi, kemajuan transportasi dan perdagangan internasional, daur ulang,substitusi penggunaan sumber daya alam, adanya rencana pengolahan sumber daya alamyang baik, dan menunjang usaha-usaha penelitian dan pengembangan suatu masyarakat.Dalam melihat berlangsungnya faktor-faktor yang menunda kelangkaan sumber dayaalam, ada dua pendapat yang berlawanan. Ada pendapat yang optimis dan ada pendapatyang pesimis. Alfred Marshall menyatakan dalam jangka panjang inovasi teknologinampaknya akan mengalami diminishing returns. Alfred Marshall tergolong berpendapat pesimis. Kaum optimis percaya bahwa teknologi akan terus menaikkan produktivitassumber daya alam. Di mana sumber daya alam akan mampu mengimbangi laju keluaransehingga pertumbuhan ekonomi tidak terhalang oleh masalah terbatasnya sumber dayaalam.Sumber daya manusia, sumber daya modal dan sumber daya teknologi merupakan unsur-unsur dalam pembangunan ekonomi.
Oleh karena itu, pengelolaan sumber daya alamharuslah dilakukan secara bertanggung jawab. Artinya harus dilakukan secara bijaksanauntuk melestarikan persediaan sumber daya alam tersebut, sehingga generasi sekarangdan mendatang dapat menikmatinya. Pengelolaan sumber daya alam haruslah sedemikianrupa, sehingga sumber daya alam itu selalu dapat ditingkatkan persediaannya melaluiusaha eksplorasi dan eksploitasi, peningkatan efisiensi proses produksi, peningkatanfungsi serta dengan bantuan teknologi untuk dapat meningkatkan proses daur ulang.Berdasarkan hal tersebut di atas, dalam pengelolaan sumber daya alam diperlukan suatukebijakan yang bertanggung jawab.
Pendapatan Nasional dan Pertumbuhan Ekonomi. Pendapatan nasional merupakan jumlah keseluruhan nilai dari barang dan jasa yangdihasilkan oleh seluruh lapisan masyarakat selama periode tertentu, untuk Indonesiaadalah satu tahun kalender. Sedang pendapatan per kapita merupakan keseluruhan pendapatan nasional dibagi dengan jumlah penduduk. Ada tiga metode perhitungan pendapatan nasional. Ketiga metode tersebut adalah metode produksi, pendapatan dan pengeluaran. Idealnya dengan menggunakan ketiga metode tersebut mendapatkan hasilyang sama. Dengan metode produksi, pendapatan nasional dihitung dengan caramenjumlahkan keseluruhan nilai dari barang dan jasa yang dihasilkan untuk seluruhlapisan masyarakat selama periode waktu tertentu. Agar tidak terjadi pencatatan gandadalam penggunaan metode ini hendaknya yang dijumlahkan adalah nilai tambahnya.Dengan metode pendapatan, pendapatan nasional dihitung dengan cara menjumlahkanseluruh pendapatan yang dihasilkan karena penggunaan faktor-faktor produksi.
Sedangkan dengan metode pengeluaran, pendapatan nasional dihitung dengan cara menjumlahkanseluruh pengeluaran yang di lakukan oleh seluruh lapisan masyarakat.Pengertian pendapatan perlu dibedakan antara pendapatan nasional menurut harga yang berlaku dan pendapatan nasional riil. Pendapatan nasional menurut harga yang berlakumerupakan pendapatan nasional yang dihitung menurut harga-harga yang berlaku padatahun yang bersangkutan. Sedangkan pendapatan nasional riil merupakan pendapatannasional yang dihitung berdasarkan harga tetap. Dari data pendapatan nasional riil daritahun ke tahun, dapatlah dihitung laju pertumbuhan ekonomi.Beberapa manfaat perhitungan dan analisis dari pendapatan nasional dan pendapatan per kapita adalah: untuk mengetahui tingkat kemakmuran suatu negara, untuk mengetahuistruktur perekonomian suatu negara membandingkan tingkat kemakmuran antar negara,sebagai bahan pertimbangan bagi pemerintah dalam menentukan kebijakan, dan dasar penentu kemanfaatan hubungan luar negeri.Kelemahan Pendapatan Per Kapita sebagai Indikator Tingkat KesejahteraanPendapatan per kapita sering kali digunakan sebagai indikator tingkat kesejahteraanmasyarakat dan tingkat pembangunan ekonomi suatu negara.
Namun demikian, dalammenggunakan pendapatan per kapita sebagai indeks tingkat kesejahteraan kita harus hati-hati, karena meskipun pendapatan per kapita jelas dapat menunjukkan kinerja suatu perekonomian, namun itu bukanlah pengukur tingkat kesejahteraan yang memuaskan.Ada beberapa kelemahan pendapatan per kapita sebagai pengukur tingkat kesejahteraan.Beberapa kelemahan tersebut dapat dikelompokkan menjadi dua yaitu kelemahan yang bersifat umum dan kelemahan yang bersifat metodologis.
Oleh karena adanya beberapakelemahan maka agar pendapatan per kapita tetap dapat digunakan sebagai pengukur tingkat kesejahteraan masyarakat diperlukan upaya-upaya penyempurnaan.Dalam usaha penyempurnaan indeks tingkat kesejahteraan, Backerman membedakan berbagai penyelidikan ke dalam tiga golongan: Golongan pertama, berusahamembandingkan tingkat kesejahteraan masyarakat di dua atau beberapa negara denganmemperbaiki cara-cara yang dilaksanakan dalam perhitungan pendapatan nasional biasa.Golongan kedua, adalah usaha untuk membuat penyesuaian dalam pendapatanmasyarakat yang dibandingkan dengan mempertimbangkan perbedaan tingkat harga disetiap negara. Golongan ketiga, adalah usaha untuk membuat perbandingan tingkatkesejahteraan dari setiap negara berdasarkan pada data yang tidak bersifat moneter (non-monetary indicators).
Pengembangan Sektor Industri Menurut Baldwin dan Meier, agar perkembangan ekonomi dapat berjalan seperti yangdiharapkan, ada beberapa syarat yaitu adanya kekuatan dari dalam masyarakat itu sendiri,adanya mobilitas faktor produksi, akumulasi kapital, kriteria dan arah investasi yangsesuai dengan kebutuhan, penyerapan kapital dan stabilitas nilai-nilai serta lembaga-lembaga yang ada.
Untuk perkembangan ekonomi suatu negara antara faktor-faktor ekonomi dan nonekonomi mempunyai peranan yang seimbang, karena antara keduanyasaling ketergantungan dan saling melengkapi, sebab kemakmuran ekonomi itu hanyasebagian saja dari kemakmuran sosial. Untuk mengalokasikan kapital terlebih dahuluharus ditiadakan kriteria dan arah investasi, namun pemilihan ini tidak mudah maka ada 3hal dapat dipergunakan sebagai pedoman yakni: Penempatan investasi diusahakan padakondisi capital output ratio-nya rendah Proyek-proyek yang dipilih harus dapatmemaksimisasikan tenaga kerja (produktivitas tenaga kerja yang tertinggi). Investasi hendaknya mengurangi kesulitan-kesulitan neraca pembayaran internasional sehinggadapat memaksimisasikan perbandingan antara ekspor dan investasi.Industri yang efisien pada umumnya adalah industri yang berskala besar, dan industriskala besar hanya bisa dimungkinkan bila ada jaminan pasar yang luas.
Pasar yang luashanya dapat terjadi dalam perdagangan internasional, yang merupakan syarat bagiterlaksananya pengembangan sektor industri. Sektor industri yang berkembang bilamampu menciptakan surplus maka akan mendorong perkembangan industri yang lain.Suatu negara akan memperoleh peluang surplus hanya kalau negara tersebut menganutsistem perdagangan yang bebas atau perekonomian yang terbuka.Kebijakan dalam Pembangunan EkonomiKebijakan dalam pembangunan ekonomi dapat dikelompokkan menjadi dua yaitukebijakan ekonomi dalam negeri dan kebijakan ekonomi luar negeri.
Kebijakan ekonomidalam negeri meliputi: peranan pemerintah dalam hal campur tangan terhadap proses pembangunan ekonomi, pendidikan dan kesehatan, fasilitas pelayanan umum, perbaikandi bidang pertanian, kebijakan di bidang fiskal, dan kebijakan moneter.Kebijakan ekonomi luar negeri meliputi: 1. Kebijakan pemerintah dalam perdagangan barang-barang manufaktur yang lebih menguntungkan daripada barang-barang pertanian,di samping juga memberikan subsidi untuk meningkatkan term of trade dan kebijakan perdagangan yang restriktif untuk memperbaiki neraca pembayaran internasional. 2.Bantuan teknis, mengatur dan membentuk tim internasional untuk memberi nasihatkepada pemerintah negara yang belum maju dalam hubungannya dengan rencana pendidikan di luar negeri untuk menyediakan tenaga ahli. 3. Investasi asing swasta, baik investasi langsung maupun investasi portofolio dengan membeli saham-saham perusahaan di negara yang sedang berkembang. 4. Investasi asing pemerintah; yang padadasarnya juga untuk mendorong investasi swasta asing dan dalam negeri. 5. Kebijakantata niaga; yang meliputi pola umum pengembangan sektor industri, pengaturan tataniaga dan permasalahannya, misalnya: pola ekspor, pola dasar dalam negeri, tarif, kuota,dan penunjukan importir
4. Pertumbuhan Ekonomi dalam Konsep Pembangunan Berkelanjutan
Pembangunan Sering kali menjadi semacam ideology of development. Kesadaran suatu bangsa yang terbentuk melalui pengalamannya, baik pengalaman sukses maupun pengalaman kegagalan yang dialami, amat menentukan interpretasi mereka tentangPembangunan Ekonomi. Pembangunan berlanjut atau Sustainable developmentmerupakan proses perubahan dimana eksploitasi sumber alam, arah investasi, orientasi perkembangan teknologi, perubahan kelembagaan konsisten dengan kebutuhan pada saatsekarang dan saat yang akan datang. Pembangunan yang membawa peningkatan produksi, konsumsi, kapital yang kemudian akan membawa kemajuan teknologi, ternyatamemiliki segi negatif: yaitu terjadinya pencemaran lingkungan, yang mesti dihindarikarena akan mengganggu kelangsungan hidup manusia dan makhluk lain.
Sehingga pendekatan secara ekosistem dalam proses pembangunan merupakan keharusan agar dapat menghindarkan dari segi negatif di atas. Perlu kita ketahui bahwa: memang sulituntuk mencapai pertumbuhan ekonomi dan sekaligus melestarikan lingkungan untuk kepentingan generasi mendatang. Dalam penggalian sumber-sumber alam untuk keperluan pembangunan ekonomi, harus diusahakan agar supaya: tidak merusak tatalingkungan manusia, dilaksanakan dengan kebijaksanaan yang menyeluruh, dan memperhitungkan kebutuhan generasi yang akan datang.
Demikian besar peranan lingkungan dalam pembangunan ekonomi sehingga dikhawatirkan pembangunan itusendiri akan mengalami stagnasi, karena sumber daya alam sudah tidak ada lagi yangdapat digali atau karena kondisi sumber daya alamnya sudah demikian buruk, karenamenggebunya pembangunan yang dilaksanakan atau karena pertumbuhan penduduk yangcepat sehingga tidak terpikirkan pelestarian dari sumber daya alam itu sendiri.
Pembangunan yang berwawasan lingkungan merupakan suatu usaha untuk mewujudkan peningkatan kesejahteraan masyarakat/affluent society dengan memperhatikan danmemelihara sumber daya alam atau planet bumi agar di kemudian hari tidak terjadideteriorasi ekologis, soil depletion dan penyusunan sumber daya alam yang tidak dapatdiperbaharui. Masalahnya bagi negara yang sedang berkembang, seperti negara kitaIndonesia adalah bagaimana dapat meningkatkan pemenuhan kebutuhan bagi orang-orang miskin melalui kegiatan pembangunan ekonomi dengan tetap memeliharakelestarian lingkunganIndustri dan Eksternalitas dalam Pembangunan yang BerkelanjutanPembangunan berkelanjutan dapat diartikan sebagai bentuk pembangunan yang tidak menurunkan kapasitas generasi yang akan datang untuk melakukan pembangunan,meskipun terdapat penyusutan cadangan sumber daya alam dan memburuknyalingkungan, akan tetapi keadaan tersebut dapat digantikan oleh sumber daya lain, baik oleh sumber daya manusia ataupun, oleh sumber daya kapital.Keberhasilan strategi industrialisasi akan nampak pada semakin besarnya kontribusi yangdiberikan pada pembangunan berkelanjutan melalui peningkatan pendapatan nasional(Pendapatan Domestik Bruto) di samping juga adanya kegiatan luar biasa darimasyarakat di bidang: penemuan cara produksi baru, penyesuaian teknologi, dan
Penerapan teknologi untuk kegiatan menghasilkan barang yang dijual di pasar. Tahapindustrialisasi berdasarkan tolok ukur kontribusi nilai tambah sektor manufaktur terhadapPDB, dapat dibagi menjadi; (1) tahap non- industrialisasi, (2) tahap dalam proses menujuindustrialisasi, (3) tahap semi industri, (4) tahap industrialisasi penuh.Eksternalitas dalam pembangunan yang berkelanjutan dapat diartikan bahwa pembangunan yang berkelanjutan yang dilaksanakan oleh setiap negara harusmemperhitungkan adanya akibat positif dan akibat negatif dari pembangunan melaluiindustrialisasi.
Akibat negatif adalah semakin menipisnya, berkurangnya dan semakinrusaknya sumber daya alam, baik yang dapat diperbaharui maupun yang tidak diperbaharui, yang biasanya ini dianggap sebagai biota pembangunan. Sedangkan yang positif adalah meningkatnya jumlah barang-barang dan jasa yang tersedia, semakin berkurangnya pengangguran, meningkatnya pendapatan masyarakat dan meningkatnyakesejahteraan sebagai akibat pembangunan melalui industrialisasi.Kebijaksanaan pengelolaan, pemanfaatan, pengembangan dan pelestarian sumber dayaalam dalam melaksanakan pembangunan berkelanjutan menurut Hadi Prayitno dan BudiSantosa (1996, ha1147-156), minimal haruslah memenuhi prinsip-prinsip sebagai berikut:menghormati dan memelihara komunitas kehidupan,memperbaiki kualitas hidupmanusia, melestarikan daya hidup dan keragaman bumi Menghindari pemborosansumber-sumber daya yang tidak dapat diperbaharui, berusaha tidak melampaui kapasitasdaya dukung bumi, mengubah sikap dan gaya hidup orang per orang dan mendukungkreativitas masyarakat untuk memelihara lingkungan sendiri.
DAFTAR PUSTAKA
Materi Perkuliahan Eko.SDM/SDA oleh dosen Dr.Agung Purwadi,M.eng,P.U.
Sumber buku Ekonomi Pembangunan Karya Endang Mulyani, dkk
Selasa, 14 Juni 2011
ekonomi industri
Industri Kreatif dapat diartikan sebagai kumpulan aktivitas ekonomi yang terkait dengan penciptaan atau penggunaan pengetahuan dan informasi. Industri kreatif juga dikenal dengan nama lain Industri Budaya (terutama di Eropa [1]) atau juga Ekonomi Kreatif [2]. Kementerian Perdagangan Indonesia menyatakan bahwa Industri kreatif adalah industri yang berasal dari pemanfaatan kreativitas, keterampilan serta bakat individu untuk menciptakan kesejahteraan serta lapangan pekerjaan dengan menghasilkan dan mengeksploitasi daya kreasi dan daya cipta individu tersebut. [3]
Menurut Howkins, Ekonomi Kreatif terdiri dari periklanan, arsitektur, seni, kerajinan. desain, fashion, film, musik, seni pertunjukkan, penerbitan, Penelitian dan Pengembangan (R&D), perangkat lunak, mainan dan permainan, Televisi dan Radio, dan Permainan Video ([2]). Muncul pula definisi yang berbeda-beda mengenai sektor ini ([1]) Namun sejauh ini penjelasan Howkins masih belum diakui secara internasional.
Industri kreatif dipandang semakin penting dalam mendukung kesejahteraan dalam perekonomian, berbagai pihak berpendapat bahwa “kreativitas manusia adalah sumber daya ekonomi utama” ([4]) dan bahwa “industri abad kedua puluh satu akan tergantung pada produksi pengetahuan melalui kreativitas dan inovasi ([5])
Berbagai pihak memberikan definisi yang berbeda-beda mengenai kegiatan-kegiatan yang termasuk dalam industri kreatif ([6]) ([7]) ([8])([9]). Bahkan penamaannya sendiri pun menjadi isu yang diperdebatkan dengan adanya perbedaan yang signifikan sekaligus tumpang tindih antara istilah industri kreatif, industri budaya, dan ekonomi kreatif ([10]) ([11])
Sub-sektor yang merupakan industri berbasis kreativitas di Indonesia berdasarkan pemetaan industri kreatif yang telah dilakukan oleh Departemen Perdagangan Republik Indonesia adalah:
1. Periklanan: kegiatan kreatif yang berkaitan jasa periklanan (komunikasi satu arah dengan menggunakan medium tertentu), yang meliputi proses kreasi, produksi dan distribusi dari iklan yang dihasilkan, misalnya: riset pasar, perencanaan komunikasi iklan, iklan luar ruang, produksi material iklan, promosi, kampanye relasi publik, tampilan iklan di media cetak (surat kabar, majalah) dan elektronik (televisi dan radio), pemasangan berbagai poster dan gambar, penyebaran selebaran, pamflet, edaran, brosur dan reklame sejenis, distribusi dan delivery advertising materials atau samples, serta penyewaan kolom untuk iklan. Kode KBLI (Klasifikasi Baku Lapangan Usaha) 5 digit; 73100
2. Arsitektur: kegiatan kreatif yang berkaitan dengan jasa desain bangunan, perencanaan biaya konstruksi, konservasi bangunan warisan, pengawasan konstruksi baik secara menyeluruh dari level makro (Town planning, urban design, landscape architecture) sampai dengan level mikro (detail konstruksi, misalnya: arsitektur taman, desain interior). Kode KBLI (Klasifikasi Baku Lapangan Usaha) 5 digit; 73100
3. Pasar Barang Seni: kegiatan kreatif yang berkaitan dengan perdagangan barang-barang asli, unik dan langka serta memiliki nilai estetika seni yang tinggi melalui lelang, galeri, toko, pasar swalayan, dan internet, misalnya: alat musik, percetakan, kerajinan, automobile, film, seni rupa dan lukisan.
4. Kerajinan: kegiatan kreatif yang berkaitan dengan kreasi, produksi dan distribusi produk yang dibuat dihasilkan oleh tenaga pengrajin yang berawal dari desain awal sampai dengan proses penyelesaian produknya, antara lain meliputi barang kerajinan yang terbuat dari: batu berharga, serat alam maupun buatan, kulit, rotan, bambu, kayu, logam (emas, perak, tembaga, perunggu, besi) kayu, kaca, porselin, kain, marmer, tanah liat, dan kapur. Produk kerajinan pada umumnya hanya diproduksi dalam jumlah yang relatif kecil (bukan produksi massal).
5. Desain: kegiatan kreatif yang terkait dengan kreasi desain grafis, desain interior, desain produk, desain industri, konsultasi identitas perusahaan dan jasa riset pemasaran serta produksi kemasan dan jasa pengepakan.
6. Fesyen: kegiatan kreatif yang terkait dengan kreasi desain pakaian, desain alas kaki, dan desain aksesoris mode lainnya, produksi pakaian mode dan aksesorisnya, konsultansi lini produk fesyen, serta distribusi produk fesyen.
7. Video, Film dan Fotografi: kegiatan kreatif yang terkait dengan kreasi produksi video, film, dan jasa fotografi, serta distribusi rekaman video dan film. Termasuk di dalamnya penulisan skrip, dubbing film, sinematografi, sinetron, dan eksibisi film.
8. Permainan Interaktif: kegiatan kreatif yang berkaitan dengan kreasi, produksi, dan distribusi permainan komputer dan video yang bersifat hiburan, ketangkasan, dan edukasi. Subsektor permainan interaktif bukan didominasi sebagai hiburan semata-mata tetapi juga sebagai alat bantu pembelajaran atau edukasi.
9. Musik: kegiatan kreatif yang berkaitan dengan kreasi/komposisi, pertunjukan, reproduksi, dan distribusi dari rekaman suara.
10. Seni Pertunjukan: kegiatan kreatif yang berkaitan dengan usaha pengembangan konten, produksi pertunjukan (misal: pertunjukan balet, tarian tradisional, tarian kontemporer, drama, musik tradisional, musik teater, opera, termasuk tur musik etnik), desain dan pembuatan busana pertunjukan, tata panggung, dan tata pencahayaan.
11. Penerbitan dan Percetakan: kegiatan kreatif yang terkait dengan dengan penulisan konten dan penerbitan buku, jurnal, koran, majalah, tabloid, dan konten digital serta kegiatan kantor berita dan pencari berita. Subsektor ini juga mencakup penerbitan perangko, materai, uang kertas, blanko cek, giro, surat andil, obligasi surat saham, surat berharga lainnya, passport, tiket pesawat terbang, dan terbitan khusus lainnya. Juga mencakup penerbitan foto-foto, grafir (engraving) dan kartu pos, formulir, poster, reproduksi, percetakan lukisan, dan barang cetakan lainnya, termasuk rekaman mikro film.
12. Layanan Komputer dan Piranti Lunak: kegiatan kreatif yang terkait dengan pengembangan teknologi informasi termasuk jasa layanan komputer, pengolahan data, pengembangan database, pengembangan piranti lunak, integrasi sistem, desain dan analisis sistem, desain arsitektur piranti lunak, desain prasarana piranti lunak dan piranti keras, serta desain portal termasuk perawatannya.
13. Televisi dan Radio: kegiatan kreatif yang berkaitan dengan usaha kreasi, produksi dan pengemasan acara televisi (seperti games, kuis, reality show, infotainment, dan lainnya), penyiaran, dan transmisi konten acara televisi dan radio, termasuk kegiatan station relay (pemancar kembali) siaran radio dan televisi.
14. Riset dan Pengembangan: kegiatan kreatif yang terkait dengan usaha inovatif yang menawarkan penemuan ilmu dan teknologi dan penerapan ilmu dan pengetahuan tersebut untuk perbaikan produk dan kreasi produk baru, proses baru, material baru, alat baru, metode baru, dan teknologi baru yang dapat memenuhi kebutuhan pasar; termasuk yang berkaitan dengan humaniora seperti penelitian dan pengembangan bahasa, sastra, dan seni; serta jasa konsultansi bisnis dan manajemen.
15. Kuliner: kegiatan kreatif ini termasuk baru, kedepan direncanakan untuk dimasukkan ke dalam sektor industri kreatif dengan melakukan sebuah studi terhadap pemetaan produk makanan olahan khas Indonesia yang dapat ditingkatkan daya saingnya di pasar ritel dan passar internasional. Studi dilakukan untuk mengumpulkan data dan informasi selengkap mungkin mengenai produk-produk makanan olahan khas Indonesia, untuk disebarluaskan melalui media yang tepat, di dalam dan di luar negeri, sehingga memperoleh peningkatan daya saing di pasar ritel modern dan pasar internasional. Pentingnya kegiatan ini dilatarbelakangi bahwa Indonesia memiliki warisan budaya produk makanan khas, yang pada dasarnya merupakan sumber keunggulan komparatif bagi Indonesia. Hanya saja, kurangnya perhatian dan pengelolaan yang menarik, membuat keunggulan komparatif tersebut tidak tergali menjadi lebih bernilai ekonomis.
[sunting] Referensi
1. ^ a b Hesmondhalgh, David (2002) The Cultural Industries, SAGE
2. ^ a b Howkins,John,The Creative Economy: How People Make Money from Ideas, Penguin
3. ^ Definisi Industri Kreatif, Indonesia Kreatif [1]
4. ^ Florida, Richard, The Rise of the Creative Class. And How It's Transforming Work, Leisure and Everyday Life, Basic Books
5. ^ Bianchini, Charles, The Creative City, Demos
6. ^ DCMS (2001), Creative Industries Mapping Document 2001 (2 ed.), London, UK: Department of Culture, Media and Sport
7. ^ Hesmondhalgh, David (2002), The Cultural Industries, SAGE
8. ^ Howkins,John,The Creative Economy: How People Make Money from Ideas, Penguin)
9. ^ UNCTAD, Creative Economy Report 2008, UNCTAD
10. ^ Hesmondhalgh, David (2002), The Cultural Industries, SAGE
11. ^ UNCTAD, Creative Economy Report 2008, UNCTAD
Artikel ini adalah sebuah rintisan. Anda dapat membantu Wikipedia dengan mengembangkannya.
Diperoleh dari "http://id.wikipedia.org/wiki/Industri_kreatif"
Kategori: Ekonomi | Industri Kreatif
Menurut Howkins, Ekonomi Kreatif terdiri dari periklanan, arsitektur, seni, kerajinan. desain, fashion, film, musik, seni pertunjukkan, penerbitan, Penelitian dan Pengembangan (R&D), perangkat lunak, mainan dan permainan, Televisi dan Radio, dan Permainan Video ([2]). Muncul pula definisi yang berbeda-beda mengenai sektor ini ([1]) Namun sejauh ini penjelasan Howkins masih belum diakui secara internasional.
Industri kreatif dipandang semakin penting dalam mendukung kesejahteraan dalam perekonomian, berbagai pihak berpendapat bahwa “kreativitas manusia adalah sumber daya ekonomi utama” ([4]) dan bahwa “industri abad kedua puluh satu akan tergantung pada produksi pengetahuan melalui kreativitas dan inovasi ([5])
Berbagai pihak memberikan definisi yang berbeda-beda mengenai kegiatan-kegiatan yang termasuk dalam industri kreatif ([6]) ([7]) ([8])([9]). Bahkan penamaannya sendiri pun menjadi isu yang diperdebatkan dengan adanya perbedaan yang signifikan sekaligus tumpang tindih antara istilah industri kreatif, industri budaya, dan ekonomi kreatif ([10]) ([11])
Sub-sektor yang merupakan industri berbasis kreativitas di Indonesia berdasarkan pemetaan industri kreatif yang telah dilakukan oleh Departemen Perdagangan Republik Indonesia adalah:
1. Periklanan: kegiatan kreatif yang berkaitan jasa periklanan (komunikasi satu arah dengan menggunakan medium tertentu), yang meliputi proses kreasi, produksi dan distribusi dari iklan yang dihasilkan, misalnya: riset pasar, perencanaan komunikasi iklan, iklan luar ruang, produksi material iklan, promosi, kampanye relasi publik, tampilan iklan di media cetak (surat kabar, majalah) dan elektronik (televisi dan radio), pemasangan berbagai poster dan gambar, penyebaran selebaran, pamflet, edaran, brosur dan reklame sejenis, distribusi dan delivery advertising materials atau samples, serta penyewaan kolom untuk iklan. Kode KBLI (Klasifikasi Baku Lapangan Usaha) 5 digit; 73100
2. Arsitektur: kegiatan kreatif yang berkaitan dengan jasa desain bangunan, perencanaan biaya konstruksi, konservasi bangunan warisan, pengawasan konstruksi baik secara menyeluruh dari level makro (Town planning, urban design, landscape architecture) sampai dengan level mikro (detail konstruksi, misalnya: arsitektur taman, desain interior). Kode KBLI (Klasifikasi Baku Lapangan Usaha) 5 digit; 73100
3. Pasar Barang Seni: kegiatan kreatif yang berkaitan dengan perdagangan barang-barang asli, unik dan langka serta memiliki nilai estetika seni yang tinggi melalui lelang, galeri, toko, pasar swalayan, dan internet, misalnya: alat musik, percetakan, kerajinan, automobile, film, seni rupa dan lukisan.
4. Kerajinan: kegiatan kreatif yang berkaitan dengan kreasi, produksi dan distribusi produk yang dibuat dihasilkan oleh tenaga pengrajin yang berawal dari desain awal sampai dengan proses penyelesaian produknya, antara lain meliputi barang kerajinan yang terbuat dari: batu berharga, serat alam maupun buatan, kulit, rotan, bambu, kayu, logam (emas, perak, tembaga, perunggu, besi) kayu, kaca, porselin, kain, marmer, tanah liat, dan kapur. Produk kerajinan pada umumnya hanya diproduksi dalam jumlah yang relatif kecil (bukan produksi massal).
5. Desain: kegiatan kreatif yang terkait dengan kreasi desain grafis, desain interior, desain produk, desain industri, konsultasi identitas perusahaan dan jasa riset pemasaran serta produksi kemasan dan jasa pengepakan.
6. Fesyen: kegiatan kreatif yang terkait dengan kreasi desain pakaian, desain alas kaki, dan desain aksesoris mode lainnya, produksi pakaian mode dan aksesorisnya, konsultansi lini produk fesyen, serta distribusi produk fesyen.
7. Video, Film dan Fotografi: kegiatan kreatif yang terkait dengan kreasi produksi video, film, dan jasa fotografi, serta distribusi rekaman video dan film. Termasuk di dalamnya penulisan skrip, dubbing film, sinematografi, sinetron, dan eksibisi film.
8. Permainan Interaktif: kegiatan kreatif yang berkaitan dengan kreasi, produksi, dan distribusi permainan komputer dan video yang bersifat hiburan, ketangkasan, dan edukasi. Subsektor permainan interaktif bukan didominasi sebagai hiburan semata-mata tetapi juga sebagai alat bantu pembelajaran atau edukasi.
9. Musik: kegiatan kreatif yang berkaitan dengan kreasi/komposisi, pertunjukan, reproduksi, dan distribusi dari rekaman suara.
10. Seni Pertunjukan: kegiatan kreatif yang berkaitan dengan usaha pengembangan konten, produksi pertunjukan (misal: pertunjukan balet, tarian tradisional, tarian kontemporer, drama, musik tradisional, musik teater, opera, termasuk tur musik etnik), desain dan pembuatan busana pertunjukan, tata panggung, dan tata pencahayaan.
11. Penerbitan dan Percetakan: kegiatan kreatif yang terkait dengan dengan penulisan konten dan penerbitan buku, jurnal, koran, majalah, tabloid, dan konten digital serta kegiatan kantor berita dan pencari berita. Subsektor ini juga mencakup penerbitan perangko, materai, uang kertas, blanko cek, giro, surat andil, obligasi surat saham, surat berharga lainnya, passport, tiket pesawat terbang, dan terbitan khusus lainnya. Juga mencakup penerbitan foto-foto, grafir (engraving) dan kartu pos, formulir, poster, reproduksi, percetakan lukisan, dan barang cetakan lainnya, termasuk rekaman mikro film.
12. Layanan Komputer dan Piranti Lunak: kegiatan kreatif yang terkait dengan pengembangan teknologi informasi termasuk jasa layanan komputer, pengolahan data, pengembangan database, pengembangan piranti lunak, integrasi sistem, desain dan analisis sistem, desain arsitektur piranti lunak, desain prasarana piranti lunak dan piranti keras, serta desain portal termasuk perawatannya.
13. Televisi dan Radio: kegiatan kreatif yang berkaitan dengan usaha kreasi, produksi dan pengemasan acara televisi (seperti games, kuis, reality show, infotainment, dan lainnya), penyiaran, dan transmisi konten acara televisi dan radio, termasuk kegiatan station relay (pemancar kembali) siaran radio dan televisi.
14. Riset dan Pengembangan: kegiatan kreatif yang terkait dengan usaha inovatif yang menawarkan penemuan ilmu dan teknologi dan penerapan ilmu dan pengetahuan tersebut untuk perbaikan produk dan kreasi produk baru, proses baru, material baru, alat baru, metode baru, dan teknologi baru yang dapat memenuhi kebutuhan pasar; termasuk yang berkaitan dengan humaniora seperti penelitian dan pengembangan bahasa, sastra, dan seni; serta jasa konsultansi bisnis dan manajemen.
15. Kuliner: kegiatan kreatif ini termasuk baru, kedepan direncanakan untuk dimasukkan ke dalam sektor industri kreatif dengan melakukan sebuah studi terhadap pemetaan produk makanan olahan khas Indonesia yang dapat ditingkatkan daya saingnya di pasar ritel dan passar internasional. Studi dilakukan untuk mengumpulkan data dan informasi selengkap mungkin mengenai produk-produk makanan olahan khas Indonesia, untuk disebarluaskan melalui media yang tepat, di dalam dan di luar negeri, sehingga memperoleh peningkatan daya saing di pasar ritel modern dan pasar internasional. Pentingnya kegiatan ini dilatarbelakangi bahwa Indonesia memiliki warisan budaya produk makanan khas, yang pada dasarnya merupakan sumber keunggulan komparatif bagi Indonesia. Hanya saja, kurangnya perhatian dan pengelolaan yang menarik, membuat keunggulan komparatif tersebut tidak tergali menjadi lebih bernilai ekonomis.
[sunting] Referensi
1. ^ a b Hesmondhalgh, David (2002) The Cultural Industries, SAGE
2. ^ a b Howkins,John,The Creative Economy: How People Make Money from Ideas, Penguin
3. ^ Definisi Industri Kreatif, Indonesia Kreatif [1]
4. ^ Florida, Richard, The Rise of the Creative Class. And How It's Transforming Work, Leisure and Everyday Life, Basic Books
5. ^ Bianchini, Charles, The Creative City, Demos
6. ^ DCMS (2001), Creative Industries Mapping Document 2001 (2 ed.), London, UK: Department of Culture, Media and Sport
7. ^ Hesmondhalgh, David (2002), The Cultural Industries, SAGE
8. ^ Howkins,John,The Creative Economy: How People Make Money from Ideas, Penguin)
9. ^ UNCTAD, Creative Economy Report 2008, UNCTAD
10. ^ Hesmondhalgh, David (2002), The Cultural Industries, SAGE
11. ^ UNCTAD, Creative Economy Report 2008, UNCTAD
Artikel ini adalah sebuah rintisan. Anda dapat membantu Wikipedia dengan mengembangkannya.
Diperoleh dari "http://id.wikipedia.org/wiki/Industri_kreatif"
Kategori: Ekonomi | Industri Kreatif
Kamis, 02 Juni 2011
ekonometrik 2 (identifikasi model)..
A. Identifikasi Model
1. Menggunakan Correlogram yaitu ; Autocorrelation function ( ACF ) dan Partial Correlation Function ( PACF )
ACF ( ρk ) → korelasi data yang berurutan dalam runtut waktu
→ perbandingan antara kovarian pada kelambanan k dengan variannya
PACF (ρkk )→ korelasi antara Yt dan Yt-k setelah menghilangkan efek antara Y yang terletak diantara Yt dan Yt-k ( sudah ada dalam program statistic yang menyediakan informasi ACF & PACF ) seperti pada gambar 1.a dan 1b.
Gambar 1a,1b dan 1c. menjelaskan bahwa :
• Bila koefisien ACF menurun perlahan-lahan,( eksponensial ) ,sedangkan nilai PACF menurun drastis pada lag tertentu ,modelnya adalah AR
• PACF menurun drastis pada lag 1 maka modelnya adalah AR(1)
• Bila ACF menurun drastis pada kelambanan tertentu ,sedangkan PACF menurun secara eksponensial maka model yang tepat adalah MA
• Pada gambar 1b, koefisien ACF menurun drastic pada lag 1 dan 2 maka model tentatifnya adalah MA (2)
• Bila ACF dan PACF menurun drastis secara eksponensial, maka model yang tepat adalah ARMA.
Tabel 1. Pola ACF & PACF
Model Pola ACF Pola PACF
AR (p)
MA(q)
ARMA (pq) Menurun secara eksponensial
Menurun drastic pada lag tertentu
Menurun secara eksponensial
Menurun drastis lag tertentu
Menurun secara eksponensial
Menurun secara eksponensial
Contoh gambar 2. Identifikasi Model ARIMA IHSG tidak stasioner pada tingkat level
Menunjukkan pola IHSG pada tingkat difference pertama, adalah data stasiner
Evaluasi pola koefisien ACF dan PACF secara individual tidak signifikan (pada gambar 3) dari lag 30
Uji koefisien ACF dan PACF secara serempak dari Ljung – Box ( LB ) dengan kelambanan sebesar 39,842 , sedangkan nilai statistik Х² ,df = 30 dengan α = 0,05 adalah sebesar 43,7729.
2. Penentuan Model ARIMA
Analisis kembali pola correlogram untuk penentuan model ARIMA
Correlogram DIHSG menunjukkan penurunan drastis pada kelambanan pertama pada ACF
Pola PACF menurun drastis pada kelambanan 1
Pola ACF dan PACF ,tidak pas dengan tabel 1 diatas.
Untuk itu perlu model tentatif untuk DIHSG berupa model Autoregresive
Yaitu model ARIMA (1,1,0) ,ARIMA ( 0,1,1, ) dan ARIMA ( 1,1,1, )
B.Estimasi Model ARIMA
Berdasarkan identifikasi model tentatif DIHSG ,model Autoregresive
Yaitu ARIMA ( 1,1,0 ), ARIMA ( 0,1,1, ) dan ARIMA (1,1,1, )
Model tentatif ARIMA :
• DIHSGt = βo + β1 AR (1) + et ------ (1)
• DIHSGt = βo + β1 AM(1) + et ------- (2)
• DIHSGt = βo + β1 AR(1) + MA(1) + et -------- (3)
Dimana DIHSG = difference pertama IHSG
Estimasi model tentatif persamaan
Uji kelayakan model , mencari model yang terbaik
Model terbaik didasarkan pada goodness of fit ( tingkat signifikansi variabel independen ,konstanta ,uji F dan R².
1. Estimasi Model ARIMA DIHSG
Hasil estimasi persamaan (1), (2) dan (3) di atas, seperti pada tabel 2. ai kritis statistik t uji dua sisi pada α 1% = 2,576, α 5% = 1,960, dan α10% = 1,645
Pada model ARIMA (1,1,0) konstanta tidak signifikan sedangkan koefisien AR(1) signifikan
Model ARIMA (0,1,1) konstanta tidak signifikan , koefisien MA(1) signifikan..
Model ARIMA(1,1,1) konstanta maupun koefisien AR(1),dan MA(1) tidak signifikan
Berdasarkan goodness of fit,ada dua model yaitu ARIMA (1,1,0) atau ARIMA (0,1,1) ,
Ditinjau dari uji F dan R², model ARMA (01,1 ) yang lebih baik.
Dalam model ARIMA (1,1,0) ,dan ARIMA ( 0,1,1) kedua kostanta tidak signifikan dan harus dikeluarkan dari model
Model Konstanta AR(1) MA(1) R² F
ARIMA
(1,1,0) (0,2013)
(0,8305) -0,148231
-(4,352093) 0,021974 18,94071
ARIMA
(0,1,1) 0,205438
0,874275 -0,154658
(-4.547118)
0,023138 19,99107
ARIMA
(1,1,1) 0,199607
0,850811 0,022060
0,100238 -0,176000
-0,811869 0,02349 10,02059
Tabel 2. Estimasi Model Tentatif ARIMA DIHSG
Hasil estimasi ARIMA (1,1,0) dan ARIMA (0,1,1 ) tanpa kostanta seperti tabel berikut :
Model AR(1) Ma(1) R²
Arima (1,1,0)
-0,147533
(-4.333713) 0,021175
0,022254
Arima (0,1,1)
-0,153686
(-4,520503)
Koefisien AR(1) dalam model ARIMA (1,1,0 ) dan koefisien MA(1) dalam model ARIMA (0,1,1) adalah signifikan secara statistik
Jika dilihat dari R², model ARIMA ( 0,1,1 ) lebih baik dari model ARIMA (1,1,0)
C. Uji Diagnosis Model Arima
1. Model yang telah ditemukan adalah ARIMA (0,1,1,) sebagai model tentatif
2. Mencari/ menentukan model terbaik dengan melihat apakah residual yang diperoleh relatif kecil karena bersifat random ( white noise )
3. Cara untuk melihat apakah residual bersifat random adalah analisis residual dengan correlogram baik melalui ACF maupun PACF
4. Jika koefisien ACF maupun PACF secara individual tidak signifikan maka residual bersifat random, tidak perlu cari model artenatif lain dari ARIMA
5. Jika tidak bersifat Random, maka kembali langka awal , memilih model lain.
6. untuk melihat apakah koefisien ACF dan PACF signifikan atau tidak, dengan uji Barlet ,Box dan Pierce , Ljung-Box
7. Contoh Uji diagnosis model ARIMA DIHSG
Analisis model ARIMA DIHSG dengan tanpa konstanta
Nilai ACF dan PACF residual ARIMA (0,1,1) dengan panjang lag 30
Uji secara simultan berdasarkan Uji statistik Ljung-Box sampai lag 30 = 2 0,916
( Q – statistik pada lag 30 )
Bandingkan dengan nilai statistik Х²,df = 30, α 5% adalah sebesar 43,7729
Probabilitas Ljung – Box adalah sebesar 0,862 atau pada α = 86,2%
Dapat disimpulkan bahwa analisis correlogram,baik ACF maupun PACF menunjukkan bahwa estimasi residual pada model ARIMA (0,1,1 ) adalah residual yang bersifat white noise , jadi tidak diperlukan model lain.
D. Prediksi Model ARIMA
1. Dilakukan setelah mendapat model yang tepat .
2. Hasil estimasi yang telah didapatkan ,digunakan untuk prediksi prilaku IHSG
3. Persamaannya dapat ditulis :
DIHSG = - 0,1537 MA(1)
t = ( -4,5205)
R² = 0,0223
4. Gunakan Software ( eviews ) dalam melakukan prediksi terhadap model yang sudah ada.
5. untuk evaluasi kesalahan peramalan ,dignakan standar uji ; Root Mean Squares Error ( RMSE ) ,Mean Absolut Error ( MAE ) atauMean Absolute Percentage Error ( MAPE)
1. Menggunakan Correlogram yaitu ; Autocorrelation function ( ACF ) dan Partial Correlation Function ( PACF )
ACF ( ρk ) → korelasi data yang berurutan dalam runtut waktu
→ perbandingan antara kovarian pada kelambanan k dengan variannya
PACF (ρkk )→ korelasi antara Yt dan Yt-k setelah menghilangkan efek antara Y yang terletak diantara Yt dan Yt-k ( sudah ada dalam program statistic yang menyediakan informasi ACF & PACF ) seperti pada gambar 1.a dan 1b.
Gambar 1a,1b dan 1c. menjelaskan bahwa :
• Bila koefisien ACF menurun perlahan-lahan,( eksponensial ) ,sedangkan nilai PACF menurun drastis pada lag tertentu ,modelnya adalah AR
• PACF menurun drastis pada lag 1 maka modelnya adalah AR(1)
• Bila ACF menurun drastis pada kelambanan tertentu ,sedangkan PACF menurun secara eksponensial maka model yang tepat adalah MA
• Pada gambar 1b, koefisien ACF menurun drastic pada lag 1 dan 2 maka model tentatifnya adalah MA (2)
• Bila ACF dan PACF menurun drastis secara eksponensial, maka model yang tepat adalah ARMA.
Tabel 1. Pola ACF & PACF
Model Pola ACF Pola PACF
AR (p)
MA(q)
ARMA (pq) Menurun secara eksponensial
Menurun drastic pada lag tertentu
Menurun secara eksponensial
Menurun drastis lag tertentu
Menurun secara eksponensial
Menurun secara eksponensial
Contoh gambar 2. Identifikasi Model ARIMA IHSG tidak stasioner pada tingkat level
Menunjukkan pola IHSG pada tingkat difference pertama, adalah data stasiner
Evaluasi pola koefisien ACF dan PACF secara individual tidak signifikan (pada gambar 3) dari lag 30
Uji koefisien ACF dan PACF secara serempak dari Ljung – Box ( LB ) dengan kelambanan sebesar 39,842 , sedangkan nilai statistik Х² ,df = 30 dengan α = 0,05 adalah sebesar 43,7729.
2. Penentuan Model ARIMA
Analisis kembali pola correlogram untuk penentuan model ARIMA
Correlogram DIHSG menunjukkan penurunan drastis pada kelambanan pertama pada ACF
Pola PACF menurun drastis pada kelambanan 1
Pola ACF dan PACF ,tidak pas dengan tabel 1 diatas.
Untuk itu perlu model tentatif untuk DIHSG berupa model Autoregresive
Yaitu model ARIMA (1,1,0) ,ARIMA ( 0,1,1, ) dan ARIMA ( 1,1,1, )
B.Estimasi Model ARIMA
Berdasarkan identifikasi model tentatif DIHSG ,model Autoregresive
Yaitu ARIMA ( 1,1,0 ), ARIMA ( 0,1,1, ) dan ARIMA (1,1,1, )
Model tentatif ARIMA :
• DIHSGt = βo + β1 AR (1) + et ------ (1)
• DIHSGt = βo + β1 AM(1) + et ------- (2)
• DIHSGt = βo + β1 AR(1) + MA(1) + et -------- (3)
Dimana DIHSG = difference pertama IHSG
Estimasi model tentatif persamaan
Uji kelayakan model , mencari model yang terbaik
Model terbaik didasarkan pada goodness of fit ( tingkat signifikansi variabel independen ,konstanta ,uji F dan R².
1. Estimasi Model ARIMA DIHSG
Hasil estimasi persamaan (1), (2) dan (3) di atas, seperti pada tabel 2. ai kritis statistik t uji dua sisi pada α 1% = 2,576, α 5% = 1,960, dan α10% = 1,645
Pada model ARIMA (1,1,0) konstanta tidak signifikan sedangkan koefisien AR(1) signifikan
Model ARIMA (0,1,1) konstanta tidak signifikan , koefisien MA(1) signifikan..
Model ARIMA(1,1,1) konstanta maupun koefisien AR(1),dan MA(1) tidak signifikan
Berdasarkan goodness of fit,ada dua model yaitu ARIMA (1,1,0) atau ARIMA (0,1,1) ,
Ditinjau dari uji F dan R², model ARMA (01,1 ) yang lebih baik.
Dalam model ARIMA (1,1,0) ,dan ARIMA ( 0,1,1) kedua kostanta tidak signifikan dan harus dikeluarkan dari model
Model Konstanta AR(1) MA(1) R² F
ARIMA
(1,1,0) (0,2013)
(0,8305) -0,148231
-(4,352093) 0,021974 18,94071
ARIMA
(0,1,1) 0,205438
0,874275 -0,154658
(-4.547118)
0,023138 19,99107
ARIMA
(1,1,1) 0,199607
0,850811 0,022060
0,100238 -0,176000
-0,811869 0,02349 10,02059
Tabel 2. Estimasi Model Tentatif ARIMA DIHSG
Hasil estimasi ARIMA (1,1,0) dan ARIMA (0,1,1 ) tanpa kostanta seperti tabel berikut :
Model AR(1) Ma(1) R²
Arima (1,1,0)
-0,147533
(-4.333713) 0,021175
0,022254
Arima (0,1,1)
-0,153686
(-4,520503)
Koefisien AR(1) dalam model ARIMA (1,1,0 ) dan koefisien MA(1) dalam model ARIMA (0,1,1) adalah signifikan secara statistik
Jika dilihat dari R², model ARIMA ( 0,1,1 ) lebih baik dari model ARIMA (1,1,0)
C. Uji Diagnosis Model Arima
1. Model yang telah ditemukan adalah ARIMA (0,1,1,) sebagai model tentatif
2. Mencari/ menentukan model terbaik dengan melihat apakah residual yang diperoleh relatif kecil karena bersifat random ( white noise )
3. Cara untuk melihat apakah residual bersifat random adalah analisis residual dengan correlogram baik melalui ACF maupun PACF
4. Jika koefisien ACF maupun PACF secara individual tidak signifikan maka residual bersifat random, tidak perlu cari model artenatif lain dari ARIMA
5. Jika tidak bersifat Random, maka kembali langka awal , memilih model lain.
6. untuk melihat apakah koefisien ACF dan PACF signifikan atau tidak, dengan uji Barlet ,Box dan Pierce , Ljung-Box
7. Contoh Uji diagnosis model ARIMA DIHSG
Analisis model ARIMA DIHSG dengan tanpa konstanta
Nilai ACF dan PACF residual ARIMA (0,1,1) dengan panjang lag 30
Uji secara simultan berdasarkan Uji statistik Ljung-Box sampai lag 30 = 2 0,916
( Q – statistik pada lag 30 )
Bandingkan dengan nilai statistik Х²,df = 30, α 5% adalah sebesar 43,7729
Probabilitas Ljung – Box adalah sebesar 0,862 atau pada α = 86,2%
Dapat disimpulkan bahwa analisis correlogram,baik ACF maupun PACF menunjukkan bahwa estimasi residual pada model ARIMA (0,1,1 ) adalah residual yang bersifat white noise , jadi tidak diperlukan model lain.
D. Prediksi Model ARIMA
1. Dilakukan setelah mendapat model yang tepat .
2. Hasil estimasi yang telah didapatkan ,digunakan untuk prediksi prilaku IHSG
3. Persamaannya dapat ditulis :
DIHSG = - 0,1537 MA(1)
t = ( -4,5205)
R² = 0,0223
4. Gunakan Software ( eviews ) dalam melakukan prediksi terhadap model yang sudah ada.
5. untuk evaluasi kesalahan peramalan ,dignakan standar uji ; Root Mean Squares Error ( RMSE ) ,Mean Absolut Error ( MAE ) atauMean Absolute Percentage Error ( MAPE)
ekonometrik2
Kembali ke Ekonometri 1
Model Lag Terdistribusi dari Koyck
1. Suatu model dengan asumsi bahwa koefisien dari variable yang di Lag menurun secara geometris
Βi=β0λ¹ ………. 1)
…… dimana i adalah panjang lag , 1,2,3, ……, p dan 0 < λ < 1 Misalnya β3 = β0λ³ Model distribusi lag secara umum : Yt = α0 + β0Xt + β1Xt-1 + β2Xt-2 + .... + βpXt-p + et ...... 2) Substitusi persaman 1) kedalam persamaan 2 ) masing-masing koefisien diluar α0 menghasilkan persamaan : Yt = α0 + β0 ( Xt + λXt-1 + λ²Xt-2 + λ³Xt-3 ....... ) + et ..... 3) 2. Karena nilai λ antara nol dan satu, maka λ untuk pangkat ,maka λ untuk pangkat (n+1) lebih kecil dari λ untuk pangkat n. 3. Sehingga setiap suku lag yang seriers memiliki koefisien yang lebih kecil dari suku lag sebelumnya 4. misalnya bila λ = 0,50, maka dari persamaan 3) menjadi : Yt = α0 + β0( Xt + 0,50Xt-1 + 0,25Xt-2 + 0,125Xt-3.... ) +et ....... 4) 5. Setiap nilai yang series ( berurut ) memiliki bobot relatif lebih kecil untuk menentukan variabel Y nya. 6. Pada persamaan 3) , tidak linier dalam parameter ( koefisien ) sehingga tidak bisa di estimasi dengan OLS , namun bisa dimanipulasi menjadi persamaan yang lebih sederhana dengan memperlamban satu periode , kemudian mengalikan dengan λ Sehingga hasilnya menjadi : λYt-1 = α0λ + β0λXt-1 + β0λ²Xt-2 + β0λ³Xt-3 + ... = λet-1 .......... 5) Persamaan 5) diperkurangkan dengan persamaan 3) ; λYt-1 = α0λ+ β0λXt-1 + β0λ²Xt-2 + β0α³Xt-3 +.... + λet-1 Yt = α0 + β0 ( Xt + λXt-1 +λ²Xt-2 + λ³Xt-3 .... ) +et (-) ------------------------------------------------------------------------ Yt = ( 1-λ )α0 + β0Xt + λYt-1 + ... + et – λet-1 Karena ф0 = ( 1-λ) α0 dan vt = et-λet-1 Sehingga Yt = ф0 + β0Xt + λYt-1 + ... + vt ................ 6) 7. Contoh kasus lag terdistribusi menurut Koyck berupa fungsi konsumsi agregat pada model kesetimbangan GDP dalam makro ekonomi , sebagai argumen bahwa konsumsi bukan hanya fungsi penghasilan saat itu, namun pembelian barang /jasa saat ini dipengaruhi oleh tingkat penghasilan yang siap pakai ( disposable income ) saat ini dan waktu lalu. Persamaannya dapat dituliskan sbb : Cot = f( Ydt,Ydt-1,Ydt-2,etc ) + et .................. 7) 8. Persamaan di atas bisa cocok untuk model sederhana dari konsumsi , namun bisa rasional bila tingkat penghasilan pada masa lalu mengalami penurunan dengan penambahan waktu lag ( Ydt-2 < Ydt-1 , dst 9. Model distribusi menurut Koyck : Co = α0 + β0Ydt + λ Cot-1 + ….. + et ……………. 8) Menggunakan data table 1, terlampir, hasil estimasinya sbb : Cot = -38.105 + 0.516 Ydt + 0.461Cot-1 (29.779) ( 29.779) ( 0.123) t - 1.279 4.445 3.741 R² = 0,998 n = 31 ( 1964 – 1994 ) Analisis Koefisien dari persamaan : Kembali persamaan 7) dari distribusi lag Koyck secara individual, perhatikan persamaan : βi = β0 λ¹ Jika β0 = 0,516 dan λ = 0,461 digantikan dalam persamaan , maka : Untuk i = 1 → β1 = β0 λ¹ = ( 0,516) ( 0,461) = 0,24, dan bila dilakukan cara ini terus, C0 t = - 70,57 + 0,516Ydt + 0,24Ydt-1 + 0,11Ydt-2 +0,05Ydt-3 +.... . 9) Dimana konstanta yang baru adalah α0/ (1-λ) 10. Koefisien Yd turun drastis ,selama waktu lag meningkat , bahkan negatif pada t-2 , dan pola ini tidak diharapkan oleh para peneliti, karena terjadi multikolinieritas antar lag Yd. 11. Pada persamaan →βi = β0λ¹ , ada terjadi nefek multiplier jangka panjang mengukur pengaruh total dari perubahan penghasilan terhadap konsumsi . Multiplier Jangka Panjang diperoleh dengan rumus : B0 = { 1/(1-λ)} = 0,52 { 1/(1-0,46} = 0,96 Model Lag Terdistribusi Koyck dari Autokorelasi 1. Selama ini uji otokorelasi digunakan Durbin –Watson, namun uji DW tidak valid untuk model persamaan yang mengandung sebuah variable dependen yang di lagged sebagai independent ( AR ) model 2. Ini disebabkan karena nilai residual yang bias cenderung kearah 2 3. Bias mengandung arti bahwa uji d DW kadang gagal mendeteksi adanya otokorelasi pada model lag distribusi Koyck atau model yang serupa. 4. DW mengusulkan perlu uji h Durbin untuk menguji otokorelasi seri pertama autoregressive model. 5. Persamaan statistik h Durbin : ________ h = (1-0,50*d )√ n/(1-n[S²λ] ) ...... 10) dimana : d = statistik DW n = ukuran sampel S²λ = estimasi standar error dari λ, koefisien estimasi Yt-1 6. Statistik Durbin h berdistribusi normal ,sehingga dengan konfidence koefisien 95% nilai kritis Z dengan uji 2 arah adalah 1,96 sehingga keputusannya: Jika nilai absolut h > 1,96, tolak Ho berarti ada otokorelasi
Jika nilai absolut h < 1,96 , tidak menolak Ho berarti tidak ada otokorelasi Sebagai contoh menguji fungsi konsumsi lag terdistribusi dari Koyck pada hasil persamaan Cot = -38,105 + 0,516 Ydt + 0,461Cot-1 (29,779) (29,779) (0,123) . t -1,279 4.445 3,741 R² = 0,998 n = 31(1964-1994) DW = 0,893 7, Dengan substitusi angka dalam persamaan 1) diperoleh: ____________ h = (1- 0,50*0,893)√ 31/ (1-31 [ 0,123 ]² = 4,15 8. Karena 4,15 > 1,96 ,tolak Ho , berarti ada otokorelasi ( konsumsi mengandung otokorelasi )
Kelemahan Uji h Durbin :
1. Uji statistiknya tidak dapat ditentukan dalam kondisi tertentu ( jika n*[S²λ]≥ 1) sebab nilai dibawah akar negatif dalam persamaan .
2. Tidak bisa digunakan jika model memiliki lag variabel dependen ( yang diperlamban ) lebih dari satu.
3. Untuk itu perlu uji lain yaitu model Lagerance Multiplier ( LM )
Uji Lagerance Multiplier (LM)
1. Suatu cara yang digunakan untuk menguji otokorelasi dengan keberadaan variabel dependen yang diperlamban dengan menganalisis seberapa baik seridual yang diperlamban ( lag ) menjelaskan residual pada pada persamaan awal ( semua persamaan yang melibatkan variabel penjelas dari model awal )
2. Bila residu yang dilag signifikan dalam menjelaskan residual time series ( uji χ²), maka tolak H0 ,yang menyatakan tidak ada otokorelasi.
3. Uji LM bermanfaat sebagai uji spesifikasi dan sebagai uji heteroskedastis , dan persoalan lain dalam ekonometri.
4. LM tentang uji otokorelasi dg model distribusi Koyck
Mendapatkan residu dari persamaan estimasi
et = Yt-Ŷt = Yt –α0- β0Xt – λYt-1 ............ 11)
Menggunakan residu sebagai variabel dependen dalam persamaan auxiliary regression memasukkan semua variabel independen sisi kanan reghresi awal maupun residual yang dilag.
et = a0 + a1Xt + a1Yt-1 + a3et-1 + et ........................ 12)
Estimasi persamaan 12) dengan menggunakan OLS dan menguji hipotesa nol bahwa a3 = 0, dengan uji statistik sebagai berikut : LM= n* R²
Dimana n = ukuran sampel , R² = koefisien determinasi yang tidak disesuaikan ,keduanya ada dalam auxiary regression ,persamaan 12).
5 Bila sampel ukuran besar ,maka LM memiliki distribusi Chi- Square dengan df nya sama dengan jumlah retriksi dalam nol hipotesis.
6 Jika LM > χ², tolak hanol yang menyatakan a3 = 0, terdapat otokorelasi pada persamaan regresi awal
7 Uji LM peringkat kedua ( second order autocorrelation ) atau korelasi peringkat yang lebih tinggi , perlu menambah residual yang diperlamban ( et-2, et-3), pada persamaan 12) , sehingga Ho : a3 = a4 = a5 = 0
8 Hipotesa nol tersebut mampu meningkatkan df pada uji ² karena :
Memiliki 3 retritsi ( batasan )
Tiga koefisien ditetapkan bersama menjadi sama dengan nol
9 .Uji LM dengan lebih satu variabel dependen yang diperlamban , maka dapat menambahkan variabel yang diperlamban ( Yt-2,Yt-3, dst )
Kausalitas Granger
1 .Model lag terdistribusi dapat digunakan secara khusus untuk menguji kausalisal hubungan ekonomi
2 Bermanfaat bila dua variabel berhubungan , tapi tidak diketahui bahwa variabel mana yang menyebabkan variabel lain berubah .
3 Kenaikan penawaran uang ( money supplay ) ,otomatis mendorong kenaikan GDP , tapi juga bisa terjadi bahwa kenaikan GDP pada akhirnya otoritas moneter yang meningkatkan penawaran uang
4 Pada no 3 di atas bisa terjadi secara simultan ,
5 Pendekatan lain, pada persoalan yang sama adalah uji kausalitas Granger ( Granger Causality ).
6 Pada no5 adalah suatu kondisi variabel runtut waktu yang bisa berubah secara konsisten dan terprediksi sebelum variabel lain di tenukan .
7 Jika suatu variabel mendahului ( kausalitas Granger ) variabel lain, belum bisa dipastikan bahwa variabel pertama sebagai penyebab variabel lain ikut mengalami perubahan
8 Bila peristiwa A selalu terjadi sebelum peristiwa B, berarti B bukanlah penyebab A, kita menolak anggapan bahwa peristiwa B menyebabkan peristiwa A
9. Uji KG : untuk variabel GNP dan M
n n
GNPt = Σ αiMt-1 + Σ βj GNPt-1 + e1t ......... 13)
i=1 j=1
n n
Mt = ΣλiMt-1 + Σ δj GNPt-1 + e2t ............ 14)
i=1 j=1
10. Persamaan 13) merumuskan bahwa GNP saat ini berkaitan nilai masa lalu dari GNP maupun M.,dan persamaan 14) merumuskan perilaku serupa variabel M .
11. Bentuk pertumbuhan dari GNP dan M dapat dimasukkan ke dalam analisis regresi
12. Hasil analisis dapat di identifikasikan sbb :
Kausalisal berarah tunggal dari M → GNP , jika
Σαi ≠ 0 dan Σδj = 0
Kausalitas berarah tunggal dari GNP → M, jika
Σδj ≠ 0 dan Σαi = 0
Kausalitas bilateral, M ↔ GNP, jika
Σαi ≠ 0, dan Σδj ≠ 0
Independence , jika
Σαi = 0 dan Σδj = 0
13. Karena masa depan tidak dapat memerediksi masa lalu, jika variabel X memiliki kausalitas Granger terhadap variabel Y.
14. Perubahan variabel X harus mendahului perubahan variabel Y , oleh karena dalam regresi Y dengan variabel lain termasuk lagnya.
15. Jika memasukkan nilai lag dari variabel X signifikan, maka memperbaiki prediksi Y , sehingga X berkausalitas granger terhadap Y, atau sebaliknya
Langkah Uji KG
1. Jalankan regresi GNP terhadap semua lag GNP dan variabel lain, jika ada .
2. Tidak memasukkan lag variabel M dalam regresi.Ini merupakan regresi di retriksi , untuk memperoleh residu yang direstriksi, RSSR
3. Lakukan regresi langkah 1 , tambah lag variabel M ( unrestricted regression ) , sehingga memperoleh residu yang tidak direstriksi, RSSUR
4. Rumuskan Ho ; regresi pada langkah pertama ( Ho : Σαi = 0 ).
5. Hitung Nilai Statistik F
(RSSR – RSSUR )/m
F = ------------------------- . ................... 15)
RSSUR/(n-k )
Dimana : m = jumlah lag pada variable M
K = jumlah estimasi parameter regresi.
Spurious Regression
1. Data runtut waktu adalah bahwa variable independent nampak signifikan dari variable yang sesungguhnya
2. Variabel memiliki trend menaik yang sama dengan variabel dependennya dalam kurung waktu periode sampel
3. Lihat tabel 2 , data pengeluaran konsumsi ( Co ) dan penghasilan siap pakai ( YD)
Co t = - 110.1502 + 0.950150YDt
( 0.0098)
t -4 .0292 96.2800
R² = 0.9968 d = 0.5849
4. Interpretasi regresi di atas, bahwa R² dan t YD sangat tinggi , mpc (+) ,dan tinggi
Sedangkan DW , d rendah
5. Granger & Newboltd ; bila R²> d → ada spurious regression
6. adanya spurious regression ini karena , data trend / time series YD dan Co berkecenderungan naik selama periode sampel ( tidak stasioner )
7. Data time series dikatakan stasioner jika :
Rata-rata E(Yt) = e
Varian E ( Yt-e)² = σ²
Kovarian γk = E[( Yt-e) ( Yt+k –e ) ]
A. Kointegrasi
1. Regresi data time series yang tidak stasioner ,kemungkinan besar menghasilkan regresi lancung ( spurious regression )
2. Regresi lancung terjadi jika koefisien determinasi cukup tinggi namun hubungan antar variabel independen dan dependen tidak bermakna.
3 Hal ini terjadi karena hubungan keduanya hanya menunjukkan data trend saja,
4. Tinginya R² karena trend bukan korelasionalnya.
5. contoh analisis pengaruh tukar nominal atau kurs (NER) terhadap neraca
perdagangan (TB).
Yt = β0 + β1Xt + et .............. 1)
Dimana : Yt = neraca perdagangan (TB )
Xt = nilai tukar nominal (NER)
Uji stasioner sebelumnya menunjukkan bahwa data TB dan NER adalah tidak stasioner pada tingkat atas ( level ) sedangkan tingkat diference pertama keduanya stasioner .
Jika data kedua varariabel mengandung unsur akar unit ( tidak stasioner ) ,tetapi gabungan linier kedua variabel bisa menjadi stasioner
Lihat kembali persamaan : et = Yt-β0-β1Xt ........ 2)
et → adalah kombinasi linier
Jika variabel gangguan et tidak mengandung akar unit atau data stasioner atau I(0) maka kedua variabel TB dan NER adalah terkointegrasi yang berarti mempunyai hubungan jangka panjang ,
Secara umum , jika data time series Y dan X tidak stasioner pada tingkat level tetapi menjadi stasioner pada difference yang sama yaitu Y adalah I(d) dan X adalah I(d) , dimana d tingkat difren yang sama, berarti kedua data bersifat kointegrasi.
Uji kointegrasi hanya bisa dilakukan pada penggunaan data berintegrasi pada derajat sama .
Residual dalam regresi pada persamaan 1) di atas ,berguna untuk mengetahui apaklah data stasioner atau tidak.
Ŷt = 740,0874 + 0,4773Xt
t ( 4,6171) ( 15,6681)
R² = 0,8089 d = 1,0832
Uji akar unit terhadap residual, dan untuk mengetahui stasionernya .
Ujia ADF dan uji PP dilakukan untuk mengatasi bias ?.Silahkan dicoba!
B. Uji Keintegrasi dari EG
1. Melakukan regresi persamaan dari Yt = β0 + β1Xt + et
atau et = Yt-β0 + β1X
2. Dari residual ,kemudian di uji dengan DF maupun ADF
Persaman uji keduanya :
p
Δet = β1et-1 + ΣαiΔet-1+1
I=2
3. Dari hasil estimasi nilai statistik DF dan ADF , dibandingkan nilai kritisnya , nilai statistik DF dan ADF diperoleh dari koefisien β1.
4. Jika nilai statistiknya lebih besar dari nilai kritisnya , variabel yang diamati saling kointegrasi atau mempunyai hubungan jangka panjang , dan sebaliknya maka variabel yang diamati tidak berkointegrasi
5. Dalam hal ini nilai kritis statistik DF maupun ADF tidak lagi bisa digunakan karena variabel gangguannya didasarkan dari para meter kointegrasi
6. EG , telah mengembangkan nilai kritis statistik tersendiri,
Contoh Uji Kointegrasi EG Antara TB dan NER
1. Pada pembahasan terdahulu bahwa data TB dan NER tidak stasioner pada tingkat level , namun stasioner pada tingkat diferensi pertama
2. Dengan demikian TB dan NER terkointegrasi ( terdapat hubungan jangka panjang ) antara keduanya
3. Bukti adanya kointegrasi dapat dijelaskan melalui ADF dan uji DF
4. Nilai kritis statistikDf EG untuk α = 1%,α = 5% dan α = 10%, pada n = 50, masing-masing adalah 4,32; 3,67 ; 3,28
5. Nilai staistik hitungnya dalam nilai absolut adalah 4,6802,nilai statistik hitung ini lebih besar dari nilai kritisnya sehingga variabel TB ,NER adalah kointegrasi.
6. Uji ADF juga menunjukkan hal yang sama , nilai kritis statistik EG untuk α = 1%;α = 5% dan α = 10% untuk n= 50 masing-masing adalah 4,12 ; 3,29 ;2,90 dan statistik hitungnya sebesar 3,5485
7. Δet = - 0,5457et-1
t ( -4,6802)
R² = 0,2741 dw = 2,1045
Δ et = - 0,4894et-1 -,1161Δet-1
t ( - 3,5485 ) ( - 0,8772 )
R² = 0,2881 dw = 1,9894
Model Lag Terdistribusi dari Koyck
1. Suatu model dengan asumsi bahwa koefisien dari variable yang di Lag menurun secara geometris
Βi=β0λ¹ ………. 1)
…… dimana i adalah panjang lag , 1,2,3, ……, p dan 0 < λ < 1 Misalnya β3 = β0λ³ Model distribusi lag secara umum : Yt = α0 + β0Xt + β1Xt-1 + β2Xt-2 + .... + βpXt-p + et ...... 2) Substitusi persaman 1) kedalam persamaan 2 ) masing-masing koefisien diluar α0 menghasilkan persamaan : Yt = α0 + β0 ( Xt + λXt-1 + λ²Xt-2 + λ³Xt-3 ....... ) + et ..... 3) 2. Karena nilai λ antara nol dan satu, maka λ untuk pangkat ,maka λ untuk pangkat (n+1) lebih kecil dari λ untuk pangkat n. 3. Sehingga setiap suku lag yang seriers memiliki koefisien yang lebih kecil dari suku lag sebelumnya 4. misalnya bila λ = 0,50, maka dari persamaan 3) menjadi : Yt = α0 + β0( Xt + 0,50Xt-1 + 0,25Xt-2 + 0,125Xt-3.... ) +et ....... 4) 5. Setiap nilai yang series ( berurut ) memiliki bobot relatif lebih kecil untuk menentukan variabel Y nya. 6. Pada persamaan 3) , tidak linier dalam parameter ( koefisien ) sehingga tidak bisa di estimasi dengan OLS , namun bisa dimanipulasi menjadi persamaan yang lebih sederhana dengan memperlamban satu periode , kemudian mengalikan dengan λ Sehingga hasilnya menjadi : λYt-1 = α0λ + β0λXt-1 + β0λ²Xt-2 + β0λ³Xt-3 + ... = λet-1 .......... 5) Persamaan 5) diperkurangkan dengan persamaan 3) ; λYt-1 = α0λ+ β0λXt-1 + β0λ²Xt-2 + β0α³Xt-3 +.... + λet-1 Yt = α0 + β0 ( Xt + λXt-1 +λ²Xt-2 + λ³Xt-3 .... ) +et (-) ------------------------------------------------------------------------ Yt = ( 1-λ )α0 + β0Xt + λYt-1 + ... + et – λet-1 Karena ф0 = ( 1-λ) α0 dan vt = et-λet-1 Sehingga Yt = ф0 + β0Xt + λYt-1 + ... + vt ................ 6) 7. Contoh kasus lag terdistribusi menurut Koyck berupa fungsi konsumsi agregat pada model kesetimbangan GDP dalam makro ekonomi , sebagai argumen bahwa konsumsi bukan hanya fungsi penghasilan saat itu, namun pembelian barang /jasa saat ini dipengaruhi oleh tingkat penghasilan yang siap pakai ( disposable income ) saat ini dan waktu lalu. Persamaannya dapat dituliskan sbb : Cot = f( Ydt,Ydt-1,Ydt-2,etc ) + et .................. 7) 8. Persamaan di atas bisa cocok untuk model sederhana dari konsumsi , namun bisa rasional bila tingkat penghasilan pada masa lalu mengalami penurunan dengan penambahan waktu lag ( Ydt-2 < Ydt-1 , dst 9. Model distribusi menurut Koyck : Co = α0 + β0Ydt + λ Cot-1 + ….. + et ……………. 8) Menggunakan data table 1, terlampir, hasil estimasinya sbb : Cot = -38.105 + 0.516 Ydt + 0.461Cot-1 (29.779) ( 29.779) ( 0.123) t - 1.279 4.445 3.741 R² = 0,998 n = 31 ( 1964 – 1994 ) Analisis Koefisien dari persamaan : Kembali persamaan 7) dari distribusi lag Koyck secara individual, perhatikan persamaan : βi = β0 λ¹ Jika β0 = 0,516 dan λ = 0,461 digantikan dalam persamaan , maka : Untuk i = 1 → β1 = β0 λ¹ = ( 0,516) ( 0,461) = 0,24, dan bila dilakukan cara ini terus, C0 t = - 70,57 + 0,516Ydt + 0,24Ydt-1 + 0,11Ydt-2 +0,05Ydt-3 +.... . 9) Dimana konstanta yang baru adalah α0/ (1-λ) 10. Koefisien Yd turun drastis ,selama waktu lag meningkat , bahkan negatif pada t-2 , dan pola ini tidak diharapkan oleh para peneliti, karena terjadi multikolinieritas antar lag Yd. 11. Pada persamaan →βi = β0λ¹ , ada terjadi nefek multiplier jangka panjang mengukur pengaruh total dari perubahan penghasilan terhadap konsumsi . Multiplier Jangka Panjang diperoleh dengan rumus : B0 = { 1/(1-λ)} = 0,52 { 1/(1-0,46} = 0,96 Model Lag Terdistribusi Koyck dari Autokorelasi 1. Selama ini uji otokorelasi digunakan Durbin –Watson, namun uji DW tidak valid untuk model persamaan yang mengandung sebuah variable dependen yang di lagged sebagai independent ( AR ) model 2. Ini disebabkan karena nilai residual yang bias cenderung kearah 2 3. Bias mengandung arti bahwa uji d DW kadang gagal mendeteksi adanya otokorelasi pada model lag distribusi Koyck atau model yang serupa. 4. DW mengusulkan perlu uji h Durbin untuk menguji otokorelasi seri pertama autoregressive model. 5. Persamaan statistik h Durbin : ________ h = (1-0,50*d )√ n/(1-n[S²λ] ) ...... 10) dimana : d = statistik DW n = ukuran sampel S²λ = estimasi standar error dari λ, koefisien estimasi Yt-1 6. Statistik Durbin h berdistribusi normal ,sehingga dengan konfidence koefisien 95% nilai kritis Z dengan uji 2 arah adalah 1,96 sehingga keputusannya: Jika nilai absolut h > 1,96, tolak Ho berarti ada otokorelasi
Jika nilai absolut h < 1,96 , tidak menolak Ho berarti tidak ada otokorelasi Sebagai contoh menguji fungsi konsumsi lag terdistribusi dari Koyck pada hasil persamaan Cot = -38,105 + 0,516 Ydt + 0,461Cot-1 (29,779) (29,779) (0,123) . t -1,279 4.445 3,741 R² = 0,998 n = 31(1964-1994) DW = 0,893 7, Dengan substitusi angka dalam persamaan 1) diperoleh: ____________ h = (1- 0,50*0,893)√ 31/ (1-31 [ 0,123 ]² = 4,15 8. Karena 4,15 > 1,96 ,tolak Ho , berarti ada otokorelasi ( konsumsi mengandung otokorelasi )
Kelemahan Uji h Durbin :
1. Uji statistiknya tidak dapat ditentukan dalam kondisi tertentu ( jika n*[S²λ]≥ 1) sebab nilai dibawah akar negatif dalam persamaan .
2. Tidak bisa digunakan jika model memiliki lag variabel dependen ( yang diperlamban ) lebih dari satu.
3. Untuk itu perlu uji lain yaitu model Lagerance Multiplier ( LM )
Uji Lagerance Multiplier (LM)
1. Suatu cara yang digunakan untuk menguji otokorelasi dengan keberadaan variabel dependen yang diperlamban dengan menganalisis seberapa baik seridual yang diperlamban ( lag ) menjelaskan residual pada pada persamaan awal ( semua persamaan yang melibatkan variabel penjelas dari model awal )
2. Bila residu yang dilag signifikan dalam menjelaskan residual time series ( uji χ²), maka tolak H0 ,yang menyatakan tidak ada otokorelasi.
3. Uji LM bermanfaat sebagai uji spesifikasi dan sebagai uji heteroskedastis , dan persoalan lain dalam ekonometri.
4. LM tentang uji otokorelasi dg model distribusi Koyck
Mendapatkan residu dari persamaan estimasi
et = Yt-Ŷt = Yt –α0- β0Xt – λYt-1 ............ 11)
Menggunakan residu sebagai variabel dependen dalam persamaan auxiliary regression memasukkan semua variabel independen sisi kanan reghresi awal maupun residual yang dilag.
et = a0 + a1Xt + a1Yt-1 + a3et-1 + et ........................ 12)
Estimasi persamaan 12) dengan menggunakan OLS dan menguji hipotesa nol bahwa a3 = 0, dengan uji statistik sebagai berikut : LM= n* R²
Dimana n = ukuran sampel , R² = koefisien determinasi yang tidak disesuaikan ,keduanya ada dalam auxiary regression ,persamaan 12).
5 Bila sampel ukuran besar ,maka LM memiliki distribusi Chi- Square dengan df nya sama dengan jumlah retriksi dalam nol hipotesis.
6 Jika LM > χ², tolak hanol yang menyatakan a3 = 0, terdapat otokorelasi pada persamaan regresi awal
7 Uji LM peringkat kedua ( second order autocorrelation ) atau korelasi peringkat yang lebih tinggi , perlu menambah residual yang diperlamban ( et-2, et-3), pada persamaan 12) , sehingga Ho : a3 = a4 = a5 = 0
8 Hipotesa nol tersebut mampu meningkatkan df pada uji ² karena :
Memiliki 3 retritsi ( batasan )
Tiga koefisien ditetapkan bersama menjadi sama dengan nol
9 .Uji LM dengan lebih satu variabel dependen yang diperlamban , maka dapat menambahkan variabel yang diperlamban ( Yt-2,Yt-3, dst )
Kausalitas Granger
1 .Model lag terdistribusi dapat digunakan secara khusus untuk menguji kausalisal hubungan ekonomi
2 Bermanfaat bila dua variabel berhubungan , tapi tidak diketahui bahwa variabel mana yang menyebabkan variabel lain berubah .
3 Kenaikan penawaran uang ( money supplay ) ,otomatis mendorong kenaikan GDP , tapi juga bisa terjadi bahwa kenaikan GDP pada akhirnya otoritas moneter yang meningkatkan penawaran uang
4 Pada no 3 di atas bisa terjadi secara simultan ,
5 Pendekatan lain, pada persoalan yang sama adalah uji kausalitas Granger ( Granger Causality ).
6 Pada no5 adalah suatu kondisi variabel runtut waktu yang bisa berubah secara konsisten dan terprediksi sebelum variabel lain di tenukan .
7 Jika suatu variabel mendahului ( kausalitas Granger ) variabel lain, belum bisa dipastikan bahwa variabel pertama sebagai penyebab variabel lain ikut mengalami perubahan
8 Bila peristiwa A selalu terjadi sebelum peristiwa B, berarti B bukanlah penyebab A, kita menolak anggapan bahwa peristiwa B menyebabkan peristiwa A
9. Uji KG : untuk variabel GNP dan M
n n
GNPt = Σ αiMt-1 + Σ βj GNPt-1 + e1t ......... 13)
i=1 j=1
n n
Mt = ΣλiMt-1 + Σ δj GNPt-1 + e2t ............ 14)
i=1 j=1
10. Persamaan 13) merumuskan bahwa GNP saat ini berkaitan nilai masa lalu dari GNP maupun M.,dan persamaan 14) merumuskan perilaku serupa variabel M .
11. Bentuk pertumbuhan dari GNP dan M dapat dimasukkan ke dalam analisis regresi
12. Hasil analisis dapat di identifikasikan sbb :
Kausalisal berarah tunggal dari M → GNP , jika
Σαi ≠ 0 dan Σδj = 0
Kausalitas berarah tunggal dari GNP → M, jika
Σδj ≠ 0 dan Σαi = 0
Kausalitas bilateral, M ↔ GNP, jika
Σαi ≠ 0, dan Σδj ≠ 0
Independence , jika
Σαi = 0 dan Σδj = 0
13. Karena masa depan tidak dapat memerediksi masa lalu, jika variabel X memiliki kausalitas Granger terhadap variabel Y.
14. Perubahan variabel X harus mendahului perubahan variabel Y , oleh karena dalam regresi Y dengan variabel lain termasuk lagnya.
15. Jika memasukkan nilai lag dari variabel X signifikan, maka memperbaiki prediksi Y , sehingga X berkausalitas granger terhadap Y, atau sebaliknya
Langkah Uji KG
1. Jalankan regresi GNP terhadap semua lag GNP dan variabel lain, jika ada .
2. Tidak memasukkan lag variabel M dalam regresi.Ini merupakan regresi di retriksi , untuk memperoleh residu yang direstriksi, RSSR
3. Lakukan regresi langkah 1 , tambah lag variabel M ( unrestricted regression ) , sehingga memperoleh residu yang tidak direstriksi, RSSUR
4. Rumuskan Ho ; regresi pada langkah pertama ( Ho : Σαi = 0 ).
5. Hitung Nilai Statistik F
(RSSR – RSSUR )/m
F = ------------------------- . ................... 15)
RSSUR/(n-k )
Dimana : m = jumlah lag pada variable M
K = jumlah estimasi parameter regresi.
Spurious Regression
1. Data runtut waktu adalah bahwa variable independent nampak signifikan dari variable yang sesungguhnya
2. Variabel memiliki trend menaik yang sama dengan variabel dependennya dalam kurung waktu periode sampel
3. Lihat tabel 2 , data pengeluaran konsumsi ( Co ) dan penghasilan siap pakai ( YD)
Co t = - 110.1502 + 0.950150YDt
( 0.0098)
t -4 .0292 96.2800
R² = 0.9968 d = 0.5849
4. Interpretasi regresi di atas, bahwa R² dan t YD sangat tinggi , mpc (+) ,dan tinggi
Sedangkan DW , d rendah
5. Granger & Newboltd ; bila R²> d → ada spurious regression
6. adanya spurious regression ini karena , data trend / time series YD dan Co berkecenderungan naik selama periode sampel ( tidak stasioner )
7. Data time series dikatakan stasioner jika :
Rata-rata E(Yt) = e
Varian E ( Yt-e)² = σ²
Kovarian γk = E[( Yt-e) ( Yt+k –e ) ]
A. Kointegrasi
1. Regresi data time series yang tidak stasioner ,kemungkinan besar menghasilkan regresi lancung ( spurious regression )
2. Regresi lancung terjadi jika koefisien determinasi cukup tinggi namun hubungan antar variabel independen dan dependen tidak bermakna.
3 Hal ini terjadi karena hubungan keduanya hanya menunjukkan data trend saja,
4. Tinginya R² karena trend bukan korelasionalnya.
5. contoh analisis pengaruh tukar nominal atau kurs (NER) terhadap neraca
perdagangan (TB).
Yt = β0 + β1Xt + et .............. 1)
Dimana : Yt = neraca perdagangan (TB )
Xt = nilai tukar nominal (NER)
Uji stasioner sebelumnya menunjukkan bahwa data TB dan NER adalah tidak stasioner pada tingkat atas ( level ) sedangkan tingkat diference pertama keduanya stasioner .
Jika data kedua varariabel mengandung unsur akar unit ( tidak stasioner ) ,tetapi gabungan linier kedua variabel bisa menjadi stasioner
Lihat kembali persamaan : et = Yt-β0-β1Xt ........ 2)
et → adalah kombinasi linier
Jika variabel gangguan et tidak mengandung akar unit atau data stasioner atau I(0) maka kedua variabel TB dan NER adalah terkointegrasi yang berarti mempunyai hubungan jangka panjang ,
Secara umum , jika data time series Y dan X tidak stasioner pada tingkat level tetapi menjadi stasioner pada difference yang sama yaitu Y adalah I(d) dan X adalah I(d) , dimana d tingkat difren yang sama, berarti kedua data bersifat kointegrasi.
Uji kointegrasi hanya bisa dilakukan pada penggunaan data berintegrasi pada derajat sama .
Residual dalam regresi pada persamaan 1) di atas ,berguna untuk mengetahui apaklah data stasioner atau tidak.
Ŷt = 740,0874 + 0,4773Xt
t ( 4,6171) ( 15,6681)
R² = 0,8089 d = 1,0832
Uji akar unit terhadap residual, dan untuk mengetahui stasionernya .
Ujia ADF dan uji PP dilakukan untuk mengatasi bias ?.Silahkan dicoba!
B. Uji Keintegrasi dari EG
1. Melakukan regresi persamaan dari Yt = β0 + β1Xt + et
atau et = Yt-β0 + β1X
2. Dari residual ,kemudian di uji dengan DF maupun ADF
Persaman uji keduanya :
p
Δet = β1et-1 + ΣαiΔet-1+1
I=2
3. Dari hasil estimasi nilai statistik DF dan ADF , dibandingkan nilai kritisnya , nilai statistik DF dan ADF diperoleh dari koefisien β1.
4. Jika nilai statistiknya lebih besar dari nilai kritisnya , variabel yang diamati saling kointegrasi atau mempunyai hubungan jangka panjang , dan sebaliknya maka variabel yang diamati tidak berkointegrasi
5. Dalam hal ini nilai kritis statistik DF maupun ADF tidak lagi bisa digunakan karena variabel gangguannya didasarkan dari para meter kointegrasi
6. EG , telah mengembangkan nilai kritis statistik tersendiri,
Contoh Uji Kointegrasi EG Antara TB dan NER
1. Pada pembahasan terdahulu bahwa data TB dan NER tidak stasioner pada tingkat level , namun stasioner pada tingkat diferensi pertama
2. Dengan demikian TB dan NER terkointegrasi ( terdapat hubungan jangka panjang ) antara keduanya
3. Bukti adanya kointegrasi dapat dijelaskan melalui ADF dan uji DF
4. Nilai kritis statistikDf EG untuk α = 1%,α = 5% dan α = 10%, pada n = 50, masing-masing adalah 4,32; 3,67 ; 3,28
5. Nilai staistik hitungnya dalam nilai absolut adalah 4,6802,nilai statistik hitung ini lebih besar dari nilai kritisnya sehingga variabel TB ,NER adalah kointegrasi.
6. Uji ADF juga menunjukkan hal yang sama , nilai kritis statistik EG untuk α = 1%;α = 5% dan α = 10% untuk n= 50 masing-masing adalah 4,12 ; 3,29 ;2,90 dan statistik hitungnya sebesar 3,5485
7. Δet = - 0,5457et-1
t ( -4,6802)
R² = 0,2741 dw = 2,1045
Δ et = - 0,4894et-1 -,1161Δet-1
t ( - 3,5485 ) ( - 0,8772 )
R² = 0,2881 dw = 1,9894
Langganan:
Postingan (Atom)