EKONOMI PEMBANGUNAN

1. Ekonometrika

1.1  Definisi Ekonometrika

Secara harfiah kata ekonometrika (econometrics) berarti ”pengukuran ekonomi” (economic measurement). Namun, meskipun pengukuran merupakan bagian penting dari ekonometrika,ruang lingkup dari ekonometrika lebih luas (Gujarati, 2003). Lebih lanjut, Gujarati (2003) mengatakan bahwa ekonometrika merupakan kombinasi dari teori ekonomi, matematika ekonomi,statistika ekonomi, dan statistika matematika.

Teori ekonomi membuat pernyataan atau hipotesis yang biasanya kualitatif. Sebagai contoh, teori mikro ekonomi menyatakan bahwa, hal-hal lain tetaplah sama, reduksi harga suatu komoditas diharapkan meningkatkan kuantitas permintaan untuk komoditas tersebut. Dengan demikian teori ekonomi mempostulatkan hubungan negatif atau terbalik antara harga dan jumlah permintaan dari suatu komoditas. Tetapi, teori itu sendiri tidaklah memberikan ukuran numerik tentang hubungan keduanya; artinya, teori ini tidaklah memberitahu berapa banyak kuantitas akan naik atau turun sebagai akibat dari perubahan harga komoditas. Itu merupakantugas seorang ekonometrikawan untuk mengestimasi atau memberikan nilai angka numerik.

Matematika ekonomi, di lain pihak, berhubungan dengan bagaimana menyatakan atau mengekspresikan teori ekonomi dalam bentuk matematika (persamaan) tanpa mempertimbangkankeberukuran (measurability) atau verifikasi empiris dari teori. Ekonometrika, seperti pada pembahasan sebelumnya, tertarik dengan verifikasi empiris dari teori ekonomi.

Statistika ekonomi berhubungan dengan pengumpulan, pemrosesan, dan penyajian data ekonomi dalam bentuk grafik (chart) dan tabel. Sebagai contoh, seorang statistikawan ekonomi mengumpulkan data tentang gross national product atau (GNP), tenaga kerja, pengangguran,harga, dan lain-lain. Data yang dikumpulkan ini berupa data mentah untuk diolah lebih lanjut.Seorang statistikawan ekonomi tidak melakukan hal lebih jauh selain proses tersebut. Jika sang statistikawan ekonomi melakukan pengujian teori ekonomi terhadap data yang dikumpulkan maka yang bersangkutan akan menjadi ekonometrikawan.

Statistika matematika memberikan alat kepada ekonometrikawan dalam melaksanakan tu-gasnya. Seorang ekonometrikawan memerlukan metode khusus dalam menganalisis data eko-nomi. Lebih lanjut, seorang ekonometrikawan biasanya berhubungan dataobservational, bukandataexperimental. Hal ini berarti bahwa seorang ekonometrikawan harus menguasai keahlian yang berbeda-beda jika dibandingkan menganalisis data percobaan (experimental). Hal selan-jutnya adalah ekonometrikawan harus membiasakan diri dengan sifat alamiah dan struktur data.

1.2  Metodologi Ekonometrika

Pada bagian ini kita akan membahas metodologi ekonometrika yang sering disebut metode tradisional atau klasik (Gujarati, 2003, p.3). Langkah-langkah metode klasik ini adalah sebagai berikut:

1. Pernyataan tentang teori atau hipotesis

2. Spesifikasi model matematika dari teori

3. Spesifikasi model statistika atau ekonometrika

4. Mendapatkan data5. Mengestimasi parameter model ekonometrika

6. Pengujian hipotesis

7. Prediksi (prediction) atau peramalan (forecasting)

8. Menggunakan model untuk kendali atau kebijakan

Subbagian berikut mengilustrasikan langkah-langkah metode klasik di atas. Kita akan membahas teori konsumsi Keynes (Gujarati, 2003, p.4-10).

1.2.1  Pernyataan tentang teori atau hipotesis

John Maynard Keynes mengatakan bahwa hukum psikologi dasar menyatakan bahwa pria (wanita) meningkat konsumsinya sebagaimana pendapatannya meningkat, tetapi tidak sebanyak kenaikan pendapatannya. Dengan kata lain, Keynes mempostulatkan bahwa laju perubahan konsumsi untuk satu satuan unit (katakanlah, satu dolar atau rupiah) pada pendapatan, lebih besar dari 0 tetapi lebih kecil dari 1. Keynes mempostulatkan apa yang disebut sebagai marginal prospensity to consume, disingkat MPC.

1.2.2  Spesifikasi model matematika dari teori

Meskipun Keynes mempostulatkan hubungan positif antara konsumsi dan pendapatan, namun ia tidak menentukan secara pasti bentuk hubungan fungsional antara keduanya. Seorang matematikawan ekonomi mungkin mengusulkan bentuk fungsi konsumsi berikut:

dengan menyatakan pengeluaran konsumsi, menyatakan pendapatan, dan 1 serta 2 merupakan parameter model, yang selanjutnya disebut sebagai perpotongan (intercept) dan lereng(slope). Koefisien lereng 2 mengukur MPC.

Fungsi konsumsi pada persamaan (1.1) hanya memiliki satu persamaan sehingga disebut model persamaan tunggal (single equation model). Jika terdapat lebih dari satu persamaan,model ini disebut model persamaan berganda (multiple-equation model). Peubah yang muncul pada sisi sebelah kiri persamaan (1.1) disebut peubah tak bebas (dependent variable) dan peubah di sebelah kanan disebut peubah bebas (independent atau explanatory). Pada persamaan (1.1) di atas konsumsi adalah peubah tak bebas sedangkan pendapatan adalah peubah bebas.

1.2.3  Spesifikasi model ekonometrika

Model matematika pada persamaan (1.1) tidaklah terlalu menarik bagi ekonometrikawan, karenamodel tersebut mengasumsikan hubungan eksak atau deterministik antara konsumsi dan pendapatan. Hubungan antara peubah ekonomi umumnya tidaklah eksak. Sebagai contoh, jika kita mendapatkan data 1000 keluarga di Indonesia, katakanlah, kemudian kita memplot data tersebut dengan konsumsi pada sumbu vertikal dan pendapatan pada sumbu horizontal, maka kita tidak mengharapkan semua amatan akan terletak pada suatu garis lurus. Hal ini disebabkan peubah lain mempengaruhi konsumsi seperti ukuran keluarga, usia anggota keluarga, agama keluarga,dan lain-lain.

Agar hubungan antara peubah ekonomi menjadi tidak eksak ekonometrikawan biasanyamemodifikasi fungsi konsumsi deterministik pada (1.1) menjadi

dengan adalah gangguan (disturbance atau error). Gangguan ini merupakan peubah acak yang memiliki sifat-sifat peluang yang terdefinisikan dengan baik (well-defined). Galat ini mungkin mewakili semua faktor yang mempengaruhi konsumsi tetapi tidak disertakan secara eksplisit.Model (1.2) disebut model ekonometrika, lebih tepatnya, model regresi linear sederhana.Pada model fungsi konsumsi (1.2) dihipotesiskan bahwa konsumsi berhubungan secara linear dengan peubah penjelas , tetapi hubungan antara keduanya tidaklah eksak dan tergantung pada variasi individu.

1.2.4  Mendapatkan data

Untuk mengestimasi model ekonometrika pada (1.2) kita memerlukan data. Dengan kata lain,untuk mendapatkan estimasi nilai 1 dan 2  kita memerlukan data. Sebagai contoh berikut ini adalah data pengeluaran dan GNP selama tahun 1982–1996. Lihat (Gujarati, 2003, p.6).

Tabel 1.2.1: Data pengeluaran individual dan GNP di Amerika Serikat selama periode 1982–1996 (dalam billions of dollars).

1.2.5  Mengestimasi parameter model ekonometrika

Langkah selanjutnya adalah mengestimasi parameter model ekonometrika. Dengan teknik analisis regresi sederhana yang nanti akan kita bahas, diperoleh estimasi untuk 1 dan 2, berturut-turut adalah

 Tanda topi mengindikasikan bahwa nilai tersebut adalah nilai estimasi. Sebagai konvensi,tanda topi di atas peubah atau parameter mengindikasikan bahwa itu merupakan nilai estimasi.Lalu apa arti dari masing-masing koefisien itu? Nanti, kita akan membahas lebih rinci interpretasi dari koefisien regresi tersebut. Sebagai contoh, angka 0,70 berarti bahwa untuk periode sampel tersebut kenaikan pendapatan sebenarnya sebesar 1 dollar menyebabkan, secara rata-rata, kenaikan sekitar 70 sen pada pengeluaran konsumsi sesungguhnya. Dikatakan rata-rata karena hubungannya tidak eksak.

1.2.6  Pengujian Hipotesis

Setelah model yang disesuaikan (fitted model) adalah model yang memberikan hampiran atau pendekatan cukup bagus, kita harus membuat kriteria untuk mencari tahu apakah estimasi pada (1.3) mendukung teori yang sedang diuji. Untuk itu kita melakukan statistika inferensial (pengujian hipotesis).

1.2.7  Prediksi atau Peramalan

Jika model terpilih tidak bertentangan dengan hipotesis atau teori yang bersesuaian, kita dapat menggunakannya untuk memprediksi nilai masa depan peubah tak bebas (dependent variable) berdasarkan nilai peubah acak prediktor . Sebagai contoh misalkan nilai GDP adalah 7500 maka nilai prediksi untuk konsumsi adalah

Dengan demikian, diketahui nilai GDP, nilai tengah atau rata-rata prediksi untuk pengeluaran konsumsi adalah 5113,922 billions of dollars).

1.2.8  Menggunakan model untuk kendali atau kebijakan

Pada sub bagian sebelumnya kita telah mendapatkan estimasi persamaan regresi yang dapat selanjutnya dapat digunakan untuk pengendalian atau kebijakan. Dengan kebijakan fiskal atau moneter yang tepat pemerintah dapat mengendalikan nilai peubah untuk menghasilkan nilai target .

1.3  Data dalam Ekonometrika

Pada bagian 1.1 kita telah membahas sekilas bagaimana seorang ekonometrikawan mendapat-kan data. Secara garis besar data dapat diperoleh melalui percobaan atau eksperimen (experimental data). Data ini lazim dilakukan pada bidang-bidang seperti fisika, pertanian, atau bidang lain yang mana data dapat diperoleh melalui percobaan. Meskipun hal ini dimungkinkan juga dalam bidang ekonomi namun susah dilakukan. Misalnya terdapat beberapa percobaan terencana pada ilmu sosial, namun muncul kendala dalam mengorganisasi atau mendanainya (Hill et al., 2012).  Sebaliknya, data-data non percobaan (non experimental data), diperoleh tidak melalui percobaan terkontrol pada individu, perusahaan atau segmen ekonomi (Wooldridge, 2006). Data non percobaan ini sering disebut data amatan (observational data) atau data restro-spektif (retrospective data).

1.3.1  Tipe-tipe data ekonomi

Data ekonomi dapat berupa berbagai tipe. Berikut ini tipe-tipe data ekonomi (Hill et al., 2012, p.6–7):

1. Data yang dapat dikumpulkan pada beragam tingkat agregat:

1. data mikro, yaitu data yang dikumpulkan pada unit-unit pengambilan keputusan ekonomi individu seperti individu, rumah tangga, dan perusahaan;
2. data makro, yaitu data yang diperoleh dengan menggabungkan semua individu,rumah tangga, perusahaan pada tingkat lokal, daerah, atau nasional.

2. Data yang menyatakan suatu flow atau stock

1. flow, ukuran outcome sepanjang periode waktu, seperti pemakaian bahan bakar bensin sepanjang triwulan terakhir 2016;
2. stock, ukuran outcome pada waktu tertentu, seperti kuantitas minyak mentah pada tangki penyimpanan Pertamina pada tanggal 1 September 2016.

3. Data dapat berupa kuantitatif atau kualitatif:

1. kuantitatif, data dapat dinyatakan dalam angka atau transformasi, seperti harga atau pendapatan per kapita;
2. kuantitatif, data yang bersifat kategorik, seperti seorang konsumen yang membeli atau tidak memberi suatu produk.

1.3.2  Struktur data ekonomi

Data tampang-lintang Data tampang-lintang (cross-section) adalah data yang terdiri dari suatu sampel individu, rumah tangga, perusahan, kota, negara, atau unit sampel lain yang diambil pada titik waktu tertentu. Sebagai contoh berikut ini adalah data cuplikan tampang-silang dari 526 pekerja pada tahun 1976 Wooldridge (2006).

Tabel 1.3.2: Data tampang-silang upah dan karakteristik lainnya

Keterangan: obsno adalah nomor amatan, wage adalah upah, educ adalah pendidikan, exper adalah pengalaman, female adalah jenis kelamin (wanita), dan married adalah status pernikahan.

Data deret waktu

Data deret waktu (time series) adalah data yang terdiri dari satu atau lebih peubah yang dikumpulkan sepanjang waktu. Sebagai contoh adalah data GNP pada data Tabel 1.2.1. Data-data ini biasanya dilaporkan dalam harian, bulanan, triwulanan, semesteran, atau tahunan. Contoh lain adalah data saham-saham unggulan dalam IHSG.

Data panel atau longitudinal

Data panel atau longitudinal terdiri data kumpulan data deret waktu untuk setiap data tampang-silang. Lihat Tabel 1.3.3. Struktur data ekonomi ini berhubungan pula dengan metode yang relevan dengan metode ekonometrika yang relevan.

1.4  Kausalitas dan Ceteris paribus

Sebagian besar pengujian dalam teori ekonomi tujuan utama seorang ekonomiwan adalah menyimpulkan bahwa satu peubah, katakanlah pendidikan, memiliki efek kausal atau menyebabkan peubah lain, katakanlah produktivitas karyawan. Hanya dengan menemukan asosiasi antara dua peubah atau lebih mungkin bisa memberikan gambaran, tetapi tanpa hubungan kausalitas hal ini tidaklah meyakinkan. Konsep ceteris paribus yang berarti ”faktor lain yang relevan sama-sama memegang peranan penting dalam analisis kausal Wooldridge (2006). Sebagai contoh dalam menganalisis permintaan konsumen, kita tertarik untuk mengetahui apakah pengaruh mengubah harga barang berpengaruh pada jumlah permintaan, sembari menganggap bahwa faktor lain seperti pendapatan, harga barang lain, dan selera individu tetap. Jika faktor lain ini tidak dianggap tetap, kita tidak bisa mengetahui hubungan kausal perubahan harga pada jumlah permintaan. Mengingat sifat ”non percobaan” pada data bidang ilmu-ilmu sosial, mengungkap hubungan kausal adalah tantangan.

Tabel 1.3.3: Data panel dua tahun tentang statistika tindak kejahatan di kota

Sumber