BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep – konsep ekonomi seperti produk domestik bruto (PDB), pengangguran, inflasi, impor, dan ekspor sangatlah penting, namun ruang lingkup ekonometrika jauh lebih luas, sebagaimana yang dapat kita tangkap dari definisi – definisi berikut ini: Ekonometrika dapat didefinisikan sebagai ilmu sosial dimana teori ekonomi, matematika dan statistik inferensial dapat diterapkan dalam menganalisis fenomena ekonomi. Ekonometrika, sebagai hasil dari suatu tinjauan tertentu tentang peran ilmu ekonomi, mencakup aplikasi statistik matematik atas data ekonomi guna memberikan dukungan empiris terhadap model yang disusun berdasarkan matematik ekonomi serta memperoleh hasil berupa angka – angka. Berdasarkan definisi – definisi di atas, maka dapat diartikan bahwa ekonometrika merupakan gabungan antara teori ekonomi, matematika ekonomi dan statistik ekonomi (Gujarati, 2004). Salah satu hal yang dipelajari dalam bidang ekonometri adalah analisis regresi. Analisis regresi adalah salah satu metode statistik untuk memprediksi nilai dari satu atau lebih variabel respon/dependen dari satu set variabel prediktor/independen (Johnson dan Wichern, 1982). Selain untuk melihat hubungan antara variabel bebas (independent variable) dengan variabel terikat (dependent variable), analisis regresi juga bertujuan untuk melihat kontribusi relatif dari masing-masing variabel bebas terhadap variabel terikat dan melakukan prediksi terhadap nilai dari variabel terikat dengan variabel bebas yang diketahui. Aplikasinya yang sangat luas dikarenakan oleh proses konseptual yang sederhana menggunakan satu persamaan untuk menyatakan hubungan antara variabel yang satu dengan variabel yang lain. Regresi banyak diaplikasikan di berbagaai bidang, meliputi bidang teknik, ilmu fisik, ekonomi, manajemen, ilmu biologi dan ilmu – 1 2 ilmu sosial. Analisis regresi secara teori sangat menarik karena didukung oleh dasar matematika yang kuat. Keberhasilan dari analisis regresi bergantung pada teori dan permasalahan praktis yang muncul ketika teknik tersebut diaplikasikan pada data real/nyata (Montgomery dan Peck, 2006). Analisis regresi linear ini bisa melibatkan satu variabel independen yang kemudian disebut regresi linear sederhana dan bila melibatkan lebih dari satu variabel independen maka disebut regresi linear ganda. Model regresi linear biasa dituliskan = + dengan asumsi bahwa error dari model tersebut memiliki mean nol dan varian yang saling bebas atau independen. Sehingga bisa digunakan metode estimasi kuadrat terkecil (Ordinary Least Square, OLS) yang dikenal sebagai metode estimasi yang terbaik dalam analisis regresi untuk mengestimasi parameter masing – masing persamaan dalam sistem ini dengan catatan apabila persamaan yang satu dengan yang lain tidak saling berhubungan. Kebanyakan penelitian hanya menggunakan satu persamaan regresi untuk menggambarkan pengaruh antara variabel dependen dan variabel independen. Pada beberapa kasus, sering kali diperlukan untuk memandang dua atau lebih persamaan regresi sebagai suatu sistem persamaan untuk diestimasi. Kemudian, bagaimana jika persamaan yang satu dengan yang lain dalam sistem persamaan tersebut saling berhubungan? Dalam keadaan seperti ini asumsi regresi jelas tidak terpenuhi, sehingga hasil estimasi dengan metode kuadrat terkecil tidak dapat digunakan bila yang diharapkan adalah suatu estimator atau hasil estimasi yang tak bias, linear dan memiliki varian minimum. Model ekonometri pada umumnya dibangun berdasarkan data panel, dimana terdapat unsur time series dan unsur cross section. Saat ini analisis data panel telah banyak digunakan. Salah satu perluasan dari model standar pada analisis data panel adalah model Seemingly Unrelated Regression (SUR) yang merupakan sistem persamaan regresi yang saling berhubungan. Model SUR diperkenalkan oleh Zellner (1962), merupakan bahasan dari model regresi linear yang terdiri dari beberapa persamaan regresi. Masing – masing persamaan merupakan persamaan regresi linear yang dapat diestimasi 3 secara terpisah. Hal inilah yang menjadi alasan mengapa sistem persamaan regresi tersebut disebut terlihat tak berhubungan (seemingly unrelated). Dalam hal ini estimasi OLS dapat digunakan untuk mengestimasi parameter pada masingmasing persamaan, namun kelemahan metode OLS ini adalah membuang informasi kemungkinan adanya hubungan pada sistem persamaan. Secara umum, model SUR dapat diestimasi dengan menggunakan Generalized Least Square (GLS). Namun dalam kasus data yang mengandung outlier, estimasi GLS kurang cocok digunakan karena estimasi tersebut tidak tangguh terhadap kehadiran outlier. Outlier merupakan suatu keganjilan dan menandakan suatu titik data yang sama sekali tidak tipikal dibanding data lainnya (Draper dan Smith, 1992). Outlier tidak dapat dibuang atau dihapus begitu saja dari pengamatan. Menurut Draper dan Smith (1992), ada kalanya outlier memberikan informasi yang tidak bisa diberikan oleh titik data lainnya, misalnya karena outlier timbul dari kombinasi keadaan yang tidak biasa yang mungkin saja sangat penting dan perlu diselidiki lebih jauh. Outlier dapat diabaikan apabila setelah ditelusuri ternyata merupakan akibat dari kesalahan mencatat amatan yang bersangkutan atau kesalahan ketika menyiapkan peralatan. Salah satu metode untuk mengatasi outlier adalah regresi robust. Regresi robust digunakan dengan tujuan untuk memperoleh model terbaik yang robust atau tahan terhadap kehadiran outlier. Pendekatan robust untuk regresi akan menghasilkan estimasi parameter yang handal. Salah satu bentuk estimasi yang digunakan pada data yang memuat outlier adalah estimasi robust S. Estimator S adalah estimator yang robust dan memiliki breakdown point tinggi dan lebih efisien dibandingkan estimator regresi robust lainnya yang sering digunakan. 1.2 Pembatasan Masalah Pada penulisan skripsi ini, batasan masalah sangat diperlukan untuk menjamin keabsahan pada kesimpulan yang diperoleh. Agar tidak terjadi penyimpangan dari tujuan semula dan pemecahan masalah lebih terfokus, maka pembahasan akan difokuskan pada penggunaan metode OLS klasik untuk 4 mengestimasi setiap persamaan model, serta penggunaan estimasi Generalized Least Square (GLS) dan estimasi robust S untuk mendapatkan estimasi parameter dalam model SUR. Studi kasus yang digunakan dalam skripsi ini yaitu data mengenai Penanaman Modal Asing atau Foreign Direct Investment dari dua negara, yaitu negara Indonesia dan Filipina. Kemudian dari data tersebut dilakukan analisis dengan estimasi OLS klasik, estimasi GLS dan estimasi robust S dengan menggunakan program pengolahan data S-plus 2000 versi 4.6, Eviews versi 8 dan Microsoft Excel 2007 untuk memudahkan perhitungan. 1.3 Tujuan Penulisan Skripsi ini disusun sebagai salah satu syarat untuk memperoleh derajat Sarjana Sains Matematika pada Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Gadjah Mada, Yogyakarta. Tujuan yang ingin dicapai dalam penulisan skripsi ini antara lain: 1. Mempelajari model Seemingly Unrelated Regression (SUR) yang merupakan sistem persamaan regresi linear yang saling berhubungan. 2. Mempelajari metode estimasi GLS dan robust S untuk mengestimasi parameter model SUR. 3. Mengestimasi parameter model SUR untuk data Penanaman Modal Asing (PMA). 1.4 Tinjauan Pustaka Pada penulisan skripsi ini, acuan yang digunakan adalah jurnal yang berjudul Robust Estimation of the SUR Model yang ditulis oleh Bilodeau dan Duchesne (2000). Dalam jurnal ini dibahas mengenai estimasi GLS, estimator S dan estimasi robust S untuk model SUR. Dalam analisis regresi, diperlukan teori aljabar matriks untuk memudahkan notasi dan perhitungan. Teori mengenai aljabar matriks dikupas tuntas oleh Anton dan Rorres (2010). Greene (2002) dalam bukunya “Econometric Analysis” dalam skripsi ini memberikan kontribusi dalam penentuan estimator dari parameter dalam model SUR. Metode estimasi yang dipaparkan antara lain OLS dan Generalized Least Square (GLS). Penulis juga mengacu pada skripsi dari Hakim 5 (2013), yang berjudul Regresi Robust dengan Estimasi S. Pada skripsi tersebut dijelaskan bahwa metode estimasi S mampu meminimumkan estimasi robust dari skala residualnya. Metode ini mempunyai breakdown point yang tinggi (sebesar 50%). 1.5 Metode Penulisan Metode yang digunakan dalam penulisan skripsi ini adalah studi literature berupa buku, jurnal, ebook yang didapat dari perpustakaan maupun internet. Untuk studi kasus, data yang dipakai penulis adalah data bank dunia yang dipublikasikan secara online melalui website data.worldbank.org. Pengolahan data dengan menggunakan software S-plus 2000 versi 4.6, Eviews versi 8 dan Microsoft Excel 2007 untuk memudahkan perhitungan. 1.6 Sistematika Penulisan Agar penulisan ini terarah dan sistematis, maka secara garis besar skripsi ini disusun dengan sistematika sebagai berikut: BAB I PENDAHULUAN Bab ini membahas latar belakang masalah, tujuan penulisan, pembatasan masalah, metode penulisan, tinjauan pustaka, dan sistematika penulisan yang memberikan arah dan tujuan terhadap penulisan skripsi ini. BAB II DASAR TEORI Bab ini membahas teori – teori penunjang yang akan digunakan dalam pembahasan estimasi robust dalam model SUR. Teori – teori penunjang tersebut diantaranya adalah aljabar matriks, kalkulus matriks, pencilan, robust, regresi robust, konsep dasar regresi, metode OLS, metode pengali Lagrange, metode resampling bootstrap, metode Newton-Raphson. BAB III PEMBAHASAN Bab ini membahas mengenai model Seemingly Unrelated Regression, estimasi GLS pada model SUR, estimator S, estimasi robust S pada model SUR, algoritma metode GLS dan robust S, serta pengujian matriks varian-kovarian dengan Breusch-Pagan. 6 BAB IV STUDI KASUS Bab studi kasus ini berisi tentang deskripsi data, estimasi parameter SUR menggunakan metode OLS klasik, estimasi parameter SUR menggunakan metode GLS, pengujian matriks varian-kovarian dengan metode GLS, estimasi parameter SUR menggunakan metode robust S, pengujian matriks varian-kovarian dengan metode robust S serta pembandingan hasil pengujian dengan metode GLS dan robust S. BAB V PENUTUP Pada bab terakhir ini diberikan kesimpulan yang diperoleh berdasarkan pembahasan pada bab – bab sebelumnya dan saran atas kekurangan dari hasil penelitian yang dilakukan.