GARIS-GARIS BESAR PROGRAM PENGAJARAN
SILABUS MATA KULIAH
Nama Mata Kuliah : Ekonometrika IKode Mata Kuliah : EKO 508Kredit : 3(3-0)Semester : 2Deskripsi : Mata kuliah ini menjelaskan metodologi pemodelan ekonometrika dan masalah analisis ekonomi: spesifikasi,
pendugaan, dan verifikasi model serta penggunaannya. Model-model empiris, seperti model permintaan, penawaran dan makroekonomi. Penyebab, akibat dan cara mengatasi penyimpangan model regresi klasik. Model distributed-lags, pilihan kualitatif, dan persamaan simultan.
Tujuan umum perkuliahan : Setelah menyelesaikan mata kuliah ini, mahasiswa dapat memahami dan menggunakan model ekonometika dalam penelitian untuk merepresentasikan berbagai realitas masalah, serta mahir dalam menggunakan perangkat lunak ekonometrik (Minitab/SPSS/Eviews).
Pertemuan ke-
Topik Item Tujuan Waktu Pengajar Referensi
1. Pendahuluan 1.1 Apa itu ekonometrika?1.2 Mengapa disiplin yang terpisah?1.3 Beberapa macam pola hubungan: langsung, tidak
langsung, aditif, saling ketergantungan, semu, linear dan non-linear
1.4 Analisis Korelasi: pengertian & pengujian1.5 Kriteria Hubungan Sebab-Akibat: kekonsistenan,
mekanistik1.6 Peranan Komputer
Mahasiswa dapat memahami dan menjelaskan: pengertian dan metodologi pemodelan ekonometrika; berbagai pola hubungan dan analisis korelasi.
120 menit
BJ/MF/NAA/SHTY
PR: Bab 1BJ : Bab 1
2. Analisis Model Regresi Linear: sederhana 1
2.1 Pengertian Model dan Tujuan Pemodelan2.2 Analisis Model Regresi Linear Sederhana2.3 Interpretasi Koefisien Model2.4 Regresi vs Kausal: Penggunaan Peubah Tak
Bebas (respons, akibat) dan Peubah Bebas (penjelas, sebab)
2.5 Metode pendugaan (Jumlah) Kuadrat (Sisaan)
Mahasiswa dapat memahami dan menjelaskan analisis model regresi linear sederhana: interpretasi dan pendugaan koefisien model dengan metode OLS, pengujian hipotesis
120 menit
PR: Bab 2, 3BJ : Bab 2,
GARIS-GARIS BESAR PROGRAM PENGAJARAN
Terkecil-LS berkaitan dengan koefisien, serta asumsi model regresi linear.
3. Analisis Model Regresi Linear: sederhana 2
3.1 Model Regresi Populasi vs Contoh3.2 Asumsi model Regresi linear klasik3.3 Review Statistika Inferensia: sebaran Normal,
Selang Kepercayaan, Nilai-p dan Taraf Nyata Pengujian ()
3.4 Dalil Gauss-Markov: Sifat Penduga OLS3.5 Pengujian Hipotesis koefisien model
Mahasiswa dapat memahami dan menjelaskan analisis model regresi linear sederhana: interpretasi dan pendugaan koefisien model dengan metode OLS, pengujian hipotesis berkaitan dengan koefisien, serta asumsi model regresi linear.
120 menit
PR: Bab 2, 3BJ : Bab 2,
4. Analisis Model Regresi Linear: sederhana 3
4.1 Beberapa contoh hipotesis koefisien regresi dan pengujiannya
4.2 Analisis Ragam Model Regresi dan Koefisien Determinasi (R2)
4.3 Pendugaan Ragam Sisaan (galat)4.4 Selang Kepercayaan dan Pengujian Hipotesis
Koefisien Model 4.5 Uji-t dan Uji-F4.6 Verifikasi model dan peramalan
Mahasiswa dapat memahami dan menjelaskan analisis model regresi linear sederhana: interpretasi dan pendugaan koefisien model dengan metode OLS, pengujian hipotesis berkaitan dengan koefisien, serta asumsi model regresi linear.
120 menit
PR: Bab 2, 3BJ : Bab 2,
5. Analisis Model Regresi Linear Berganda (Multiple Regression Model Analysis) 1
5.1 Analisis Model Regresi Linear Berganda 5.2 Interpretasi Koefisien Model5.3 Formula Koefisien Model berdasarkan Metode OLS
untuk 2 peubah bebas.5.4 Asumsi model linear Regresi Klasik5.5 Sebaran peluang Koefisien model regresi5.6 Analisis Ragam Model Regresi, Koefisien
Determinasi, dan Pendugaan Ragam Sisaan
Mahasiswa dapat memahami dan menjelaskan analisis model regresi linear berganda dengan 2 atau lebih peubah bebas: interpretasi dan pendugaan koefisien model dengan metode OLS, pengujian
120 menit
PR: Bab 4BJ : Bab 3
GARIS-GARIS BESAR PROGRAM PENGAJARAN
hipotesis berkaitan dengan koefisien, ukuran kebaikan dan kecocokan model, pemilihan model terbaik, serta penyajian hasil analisis model regresi dalam tulisan ilmiah.
6. Analisis Model Regresi Linear Berganda (Multiple Regression Model Analysis) 2
6.1 Uji model keseluruhan (uji-F) dan uji parsial koefisien model (uji-t)
6.2 Penafsiran output Komputer6.3 Beberapa contoh hipotesis koefisien regresi dan
pengujiannya, serta Selang Kepercayaannya6.4 Ukuran Kebaikan dan Kecocokan Model6.5 Peramalan6.6 Penggunaan notasi matrik dalam analisis model
Regresi Linear Umum Berganda
Mahasiswa dapat memahami dan menjelaskan analisis model regresi linear berganda dengan 2 atau lebih peubah bebas: interpretasi dan pendugaan koefisien model dengan metode OLS, pengujian hipotesis berkaitan dengan koefisien, ukuran kebaikan dan kecocokan model, pemilihan model terbaik, serta penyajian hasil analisis model regresi dalam tulisan ilmiah.
120 menit
PR: Bab 4BJ : Bab 3
7. Analisis Model Regresi Linear Berganda (Multiple Regression Model Analysis)3
7.1 Pemilihan model terbaik 7.2 Korelasi parsial dan Stepwise Regression7.3 R2 dan R2 terkoreksi7.4 Koefisien baku dan Elastisitas7.5 Restriksi koefisien7.6 Menyajikan hasil analisis model regresi dalam
tulisan ilmiah
Mahasiswa dapat memahami dan menjelaskan analisis model regresi linear berganda dengan 2 atau lebih peubah bebas: interpretasi dan pendugaan koefisien model dengan metode OLS, pengujian hipotesis berkaitan dengan
120 menit
PR: Bab 4BJ : Bab 3
GARIS-GARIS BESAR PROGRAM PENGAJARAN
koefisien, ukuran kebaikan dan kecocokan model, pemilihan model terbaik, serta penyajian hasil analisis model regresi dalam tulisan ilmiah.
8. Variasi model regresi peubah ganda 1
8.1 Bentuk fungsi model-model regresi8.2 Model Regresi melalui titik asal8.3 Model log-linear8.4 Model-model semilog8.5 Model-model reciprocal
Mahasiswa dapat mengembangkan berbagai bentuk fungsi model regresi linear untuk merepresentasikan berbagai realitas masalah
120 menit
PR: Bab 5BJ : Bab 4, 5
9. Variasi model regresi peubah ganda 2
9.1 Model regresi polinomial9.2 Model Peubah Dummy dengan 2 Kategori9.3 Model Peubah Dummy dengan banyak kategori9.4 Model interaksi antara peubah dummy dengan
peubah bebas lainnya
Mahasiswa dapat mengembangkan berbagai bentuk fungsi model regresi linear untuk merepresentasikan berbagai realitas masalah
120 menit
PR: Bab 5BJ : Bab 4, 5
10. Kolinearitas ganda (multi-collinearity)
10.1 Penyimpangan asumsi model regresi linear klasik10.2 Sifat alamiah kolinearitas ganda10.3 Pendugaan OLS dalam keadaan kolinearitas yang
sempurna10.4 Pendugaan OLS dalam keberadaan kolinearitas
yang tinggi tapi tidak sempurna10.5 Akibat kolinearitas ganda10.6 Mendeteksi kolinearitas ganda10.7 Mengatasi kolinearitas ganda
Mahasiswa dapat memahami masalah kolinearitas ganda, mendeteksinya, menjelaskan akibatnya, dan mengatasinya dalam model persamaan regresi
120 menit
PR: Bab 4BJ : Bab 6
11. Heteroskedastisitas (heteroscedasti
11.1 Sifat alamiah heteroskedastisitas11.2 Pendugaan OLS dalam keberadaan
heteroskedastisitas
Mahasiswa dapat memahami masalah Heteroskedastisitas, mendeteksinya, menjelaskan
120 menit
PR: Bab 6BJ : Bab 7
GARIS-GARIS BESAR PROGRAM PENGAJARAN
city) 11.3 Akibat menggunakan OLS dalam keadaan heteroskedastisitas
11.4 Mendeteksi hateroskedastisitas11.5 Mengatasi heteroskedastisitas11.6 Metode weighted least square (WLS), perbedaan
antara OLS dan WLS
akibatnya, dan mengatasinya dalam model persamaan regresi
12. Autokorelasi 12.1 Sifat alamiah autokorelasi12.2 Pendugaan OLS dalam keberaadan
autokorelasi12.3 Akibat menggunakan OLS dalam keberadaan
autokorelasi12.4 Mendeteksi autokorelasi12.5 Mengatasi autokorelasi
Mahasiswa dapat memahami masalah Autokorelasi, menjelaskan akibatnya, mendeteksi dan mengatasinya dalam model persamaan regresi
120 menit
PR: Bab 6BJ : Bab 8
13. Model Pilihan Kualitatif 1
13.1 Metode Pendugaan Alternatif: Metode Kemungkinan: Maksimum
13.2 Model Pilihan Kualitatif13.3 Model peluang Linear,
Mahasiswa dapat menyusun dan dapat memahami model respon pilihan kualitatif
120 menit
PR: Bab 9 dan Bab 10BJ : Bab 9,10
14. Model Pilihan Kualitatif 2
14.1 Model Probit14.2 Model Logit14.3 Contoh Aplikasi
Mahasiswa dapat menyusun dan dapat memahami model respon pilihan kualitatif
120 menit
PR: Bab 9 dan Bab 10BJ : Bab 9,10
15. Model Sebaran Beda Kala (Distributed Lags Model) 1
16.1 Model Sebaran Beda Kala16.2 Pendugaan Model dengan pendekatan Ad-Hoc16.3 Pendekatan Koyck dalam geometricl ag model
Mahasiswa dapat memahami dan menjelaskan perlunya waktu (lag) timbulnya respon akibat suatu aksi dan merepresentasikan-nya dalam suatu model; serta mengembangkan model untuk merepresentasiakan
120 menit
PR: Bab 9BJ : Bab 11
GARIS-GARIS BESAR PROGRAM PENGAJARAN
ekspektasi16. Model Sebaran
Beda Kala (Distributed Lags Model) 2
16.4 Adaptive Expectations Model16.5 Stock Adjustment Model16.6 Rational Expectations Model(pengantar)16.7 Uji Kausalitas
Mahasiswa dapat memahami dan menjelaskan perlunya waktu (lag) timbulnya respon akibat suatu aksi dan merepresentasikan-nya dalam suatu model; serta mengembangkan model untuk merepresentasiakan ekspektasi
120 menit
PR: Bab 9BJ : Bab 11
17. Peubah Instrumental dan Spesifikasi Model
17.1 Korelasi antara peubah bebas dan komponen sisaan
17.2 Kesalahan dalam pengukuran peubah respons dan peubah bebas
17.3 Pendugaan peubah instrumental17.4 Kesalahan Spesifikasi Model17.5 Efisiensi vs Bias dalam penyusunan model
Mahasiswa dapat menjelaskan masalah dan akibat adanya korelasi antara peubah bebas dan konponen sisaan; dapat menggunakan metode pendugaan peubah instrumental terutama jika ada kesalahan pengukuran
120 menit
PR: Bab 7BJ : Bab 9
18. Model-model persamaan simultan: spesifikasi, identifikasi, dan pendugaan
18.1 Model-model persamaan simultan18.2 Persamaan Struktural dan bentuk sederhana
(reduced form)18.3 Masalah Identifikasi18.4 Bias persamaan simultan: ketidak-konsistenan
penduga-penduga OLS18.5 Pendugaan parameter konsisten: peubah
instrument dan tak langsung (ILS)18.6 Pendugaan model yang teridentifikasi
berlebih: Metode Kuadrat Terkecil 2 Tahap (2-SLS)
Mahasiswa dapat memahami , menjelaskan dan mengembangkan model persamaan simultan untuk merepresentasikan hubungan saling ketergantungan antar peubah
120 menit
PR: Bab 11BJ : Bab 12
GARIS-GARIS BESAR PROGRAM PENGAJARAN
DAFTAR PUSTAKA
Pindyck, R. S. and Rubinfeld, D. L. 1998(1991). Economic Models and Economic Forecasts. 4th eds. Mc-Graw Hill, Inc. New York. (PR)
Juanda, B. 2006. Ekonometrika I. Departemen Ilmu Ekonomi, FEM-IPB. (BJ)
PENILAIAN
UTS: Pokok Bahasan 1-4 (pertemuan ke-1 sd ke-9)
UAS: Pokok Bahasan 5-11 (pertemuan ke-10 sd ke-18)
Bobot Untuk Nilai Akhir: UTS (35%), UAS (35%), Praktikum/Tugas/Keaktifan di Kelas (30%)
PERENCANAAN PENILAIANNama Mata Kuliah : Ekonometrika 1Kode/SKS : EKO508/3(3-0)
Penilaian Matakuliah Ekonometrika 1 dibedakan atas penilaian tes tertulis dan penilaian non tes. Penilaian non tes dibedakan atas penilaian kinerja kelompok dalam diskusi dan presentasi, serta penilaian non tes individu didasarkan pada keaktifan dalam mengikuti diskusi-diskusi di kelas.
I. Komposisi Penilaian
Komposisi Penilaian Mata Kuliah ini adalah sebagai berikut: A. Penilaian Ujian Tulis (Tes)
UTS : 40%UAS : 40%
B. Penilaian Non TesKelompok : 10%Individu : 10%
GARIS-GARIS BESAR PROGRAM PENGAJARAN
II. Format Penilaian Kelompok
No Nama Aspek penilaianKekompakan Kesesuaian
materi Presentasi Kemampuan
menjawab pertanyaan
Ketepatan waktu
Kerapihan
1 XXXX2 XXXX3 XXXX
Keterangan: Cara penilaian:
Kekompakan: 70-100 Kesesuaian materi nilai: 60-100 Presentasi: 70-100 Kemampuan menjawab pertanyaan dalam diskusi : 70–100 Ketepatan waktu dalam menyelesaikan tugas: 70-100 Kerapihan mengerjakan tugas: 70-100 Nilai akhir kelompok: rata-rata dari masing-masing aspek penilaian.
III. Format Penilaian Individu
No Nama Aspek penilaian Nilai akhir
Rata-rata dari 3 aspekKeaktifan
dalam diskusi
(65-95)
Ketepatan dalam memberikan argumentasi
(70-100)
Personality(sopan santun, tatakrama, ex: apakah suka membuat
keributan di kelas?/mengganggu
teman saat jam pelajaran)(70-100)
1 XXXX2 XXXX3 XXXX
GARIS-GARIS BESAR PROGRAM PENGAJARAN
IV. UTS Ujian tertulis dalam bentuk essay berjumlah 7 soal yang meliputi semua topik selama UTS atau satu soal essay untuk satu kali pertemuan kuliah.
No Topik Pertemuan Soal essay Bobot Nilai
1 Pendahuluan 1 soal 10
2 Analisis Model Regresi Linear: sederhana 1 1 soal 15
3 Analisis Model Regresi Linear: sederhana 2 1 soal 15
4 Analisis Model Regresi Linear: sederhana 3 1 soal 15
5 Analisis Model Regresi Linear Berganda (Multiple Regression Model Analysis) 1
1 soal 15
6 Analisis Model Regresi Linear Berganda (Multiple Regression Model Analysis) 2
1 soal 15
7 Analisis Model Regresi Linear Berganda (Multiple Regression Model Analysis) 3
1 soal 15
8 Variasi model regresi peubah ganda 1
9 Variasi model regresi peubah ganda 2
GARIS-GARIS BESAR PROGRAM PENGAJARAN
V. UASUjian tertulis dalam bentuk essay berjumlah 7 soal yang meliputi semua topik selama UTS.
No Topik Pertemuan Soal Bobot Nilai
1 Kolinearitas ganda (multi-collinearity) 1 soal 15
2 Heteroskedastisitas (heteroscedasticity) 1 soal 15
3 Autokorelasi 1 soal 15
4 Model Pilihan Kualitatif 1 1 soal 15
5 Model Pilihan Kualitatif 2
6 Model Sebaran Beda Kala (Distributed Lags Model) 1 1 soal 15
7 Model Sebaran Beda Kala (Distributed Lags Model) 2
8 Peubah Instrumental dan Spesifikasi Model 1 soal 10
9 Model-model persamaan simultan: spesifikasi, identifikasi, dan pendugaan
1 soal 15