5.4. Penyeselaian Fungsi model Cobb-Douglas dengan SPSS
Transcript of 5.4. Penyeselaian Fungsi model Cobb-Douglas dengan SPSS
5.4. Penyeselaian Fungsi model Cobb-Douglas dengan SPSS
Penaksiran parameter fungsi produksi Cobb-Douglas dapat diselesaikan
dengan cara melinierkan persamaan tersebut.
Logaritmakan ruas kiri dan kanan dari persamaan .
lnP = lnbLαKβ
lnP = lnb + αlnL + βlnK
Untuk menaksir parameter model Cobb-Douglas kita gunakan kembali soal pada sub 2.7.1.
tentang pengeluaran pakaian (Y), total pengeluaran (X1) dan harga pakaian (X2) tertera pada
Tabel 3.2.
Tabel 3.2. Menyajikan fungsi pengeluaran pakaian (Y).
n Y X1 X2
1
3,
5 15 16
2
4,
3 20 13
3
5,
0 30 10
4
6,
0 42 7
5
7,
0 50 7
6
9,
0 54 5
7
8,
0 65 4
8
10,
0 72 3
9
12,
0 85 3,5
10
14,
0 90 2
Tabel 3.2 dilogaritma natural (ln) hasilnya tertera pada Tabel 4.1.
120
Tabel 4.1. Menyajikan fungsi pengeluaran pakaian (Y) yang telah di ln
n lnY lnX1 lnX2
1
1,
3
2,
7
2,
8
2
1,
5
3,
0
2,
6
3
1,
6
3,
4
2,
3
4
1,
8
3,
7
1,
9
5
1,
9
3,
9
1,
9
6
2,
2
4,
0
1,
6
7
2,
1
4,
2
1,
4
8
2,
3
4,
3
1,
1
9
2,
5
4,
4
1,
3
10
2,
6
4,
5
0,
7
Kemudian data pada Tabel 4.1 dimasukan ke SPSS sebagai berikut.
Klik simbol IBM SPSS statistics,
akan muncul IBM SPSS statistics data editor seperti berikut.
120
Klik data view, maka tampilannya sebagai berikut.
Arahkan kursos seperti anak panah di atas kemudian klik dan ketik data pada Tabel 4.1 atau
copy data dari excel kemudian paste menurut kolom mulai dari nomor 1 dan seterusnya sesuai
jumlah sampel yang digunakan seperti berikut.
120
Kemudian klik variable view untuk menulis nama variabel seperti berikut.
Pada Name klik var00001 ganti dengan Y kemudian enter, var00002 dengan X1, dan
var00003 dengan X2 pada kolom label baris pertama tulis Pengeluaran pakaian dan baris
kedua dan ketiga tulis Total pengeluaran dan Harga pakaian seperti yang tertulis pada Tabel
4.1 tampilannya seperti berikut.
120
Kemudian klik analize pilih Regression dan klik linear, tampilan seperti berikut.
Kemudian pindahkan Kuantitas (Y) ke Dependent dengancara klik anak panah seperti pada
gambar di atas, maka tampilannya seperti berikut.
120
Kemudian klik Total pengeluaran (X1) dan Harga pakaian (X2) maka tampilannya seperti
berikut.
Kemudian variable harga dipindahkan ke independent dengan klik arah panah seperti gambar
di atas, maka tampilannya seperti berikut.
120
Kemudian klik statistic seperti anak panah di atas maka tampilannya seperti berikut.
Klik covariance matrix, collinearity diagnostics, Durbin-Watson, dan continue kemudian klik
OK, maka outputnya seperti berikut.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
120
/DEPENDENT Y
/METHOD=ENTER X1 X2
/RESIDUALS DURBIN.
Regression
Notes
Output Created 10-NOV-2019 22:21:51
Comments
Input Data D:\BUKU AJAR
EKONOMETRIKA
EFFENDY\FUNGSI
COBB-DOUGLAS.sav
Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working
Data File
10
Missing Value Handling Definition of Missing User-defined missing
values are treated as
missing.
Cases Used Statistics are based on
cases with no missing
values for any variable
used.
120
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS BCOV R ANOVA
COLLIN TOL
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1
X2
/RESIDUALS DURBIN.
Resources Processor Time 00:00:00,05
Elapsed Time 00:00:00,20
Memory Required 2912 bytes
Additional Memory
Required for Residual
Plots
0 bytes
[DataSet0] D:\BUKU AJAR EKONOMETRIKA EFFENDY\FUNGSI COBB-
DOUGLAS.sav
Variables Entered/Removeda
Model
Variables
Entered
Variables
Removed Method
1 Harga pakaian,
Total
pengeluaranb
. Enter
a. Dependent Variable: Pengeluaran pakaian
b. All requested variables entered.
120
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 .975a .950 .935 .11032 2.182
a. Predictors: (Constant), Harga pakaian, Total pengeluaran
b. Dependent Variable: Pengeluaran pakaian
ANOVAa
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1.611 2 .805 66.180 .000b
Residual .085 7 .012
Total 1.696 9
a. Dependent Variable: Pengeluaran pakaian
b. Predictors: (Constant), Harga pakaian, Total pengeluaran
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) 1.487 1.319 1.128 .297
Total
pengeluaran
.298 .245 .418 1.215 .264 .061 16.471
Harga
pakaian
-.365 .223 -.564 -1.641 .145 .061 16.471
a. Dependent Variable: Pengeluaran pakaian
120
Coefficient Correlationsa
Model Harga pakaian
Total
pengeluaran
1 Correlations Harga pakaian 1.000 .969
Total pengeluaran .969 1.000
Covariances Harga pakaian .050 .053
Total pengeluaran .053 .060
a. Dependent Variable: Pengeluaran pakaian
Collinearity Diagnosticsa
Model Dimension Eigenvalue
Condition
Index
Variance Proportions
(Constant)
Total
pengeluaran Harga pakaian
1 1 2.874 1.000 .00 .00 .00
2 .126 4.782 .00 .00 .03
3 .000 81.264 1.00 1.00 .96
a. Dependent Variable: Pengeluaran pakaian
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 1.2690 2.5731 1.9800 .42306 10
Residual -.12783 .17599 .00000 .09729 10
Std. Predicted Value -1.681 1.402 .000 1.000 10
Std. Residual -1.159 1.595 .000 .882 10
a. Dependent Variable: Pengeluaran pakaian
Pada output SPSS, untuk kriteria terima atau tolak hipotesis nol (H0) dapat dilihat dari nilai
sig pada tabel Anova dan Coefficients di atas. Contoh pada tabel Anova F hitung 66,18
dengan nilai sig 0,000, karena 0,000 < 0,01 atau 0,05 (α = 1% atau α = 5%) maka H0 di tolak
berarti secara simultan total pengeluaran (X1) dan harga pakaian (X2) memengaruhi
120
pengeluaran pakaian (Y). Demikian juga dengan tabel Coefficients dimana t hitung total
pengeluaran 1,22 dengan nilai sig 0,06 < 0,1 maka H0 ditolak pada α = 10%, t hitung harga
poakaian -1,64 dengan nilai sig 0,06 < 0,1 maka H0 ditolak pada α = 10%. Koefisien regresi
(dalam model Cobb-Douglas dapat disebut elastisitas) dari total pengeluaran 0,298 dapat
diartikan bahwa setiap peningkatan total pengeluaran sebesar 1% akan menyebabkan
peningkatan pengeluaran pakaian sekitar 0,298%. Koefisien regresi (dalam model Cobb-
Douglas dapat disebut elastisitas) dari harga pakaian -0,365 dapat diartikan bahwa setiap
peningkatan harga pakaian sebesar 1% akan menyebabkan penurunan pengeluaran pakaian
sekitar 0,365%.
120