Selasa, 12 Maret 2019

EKONOMI POSITIF, EKONOMI NORMATIF dan ASUMSI - ASUMSI EKONOMI MIKRO


1.   Jelaskan apa yang dimaksud dengan ekonomi positif (positive economics) dan ekonomi normatif (normative economics)
·  Ekonomi Positif dapat berupa pernyataan atau analisis positif. Ekonomi positif menjelaskan tentang hal-hal yang sesuai dengan fakta dan situasi dalam dunia ekonomi yang sedang terjadi dan yang akan terjadi. Jadi pendekatan positif berkaitan dengan penjelasan aktual dan ramalan. Maka hal ini mengarah pada analisis dan bukti empiris, karena kebenaran dalam sebuah pernyataan positif dapat langsung dilihat atau dibuktikan melalui peristiwa yang sebenarnya terjadi. Ekonomi positif disebut juga sebagai ekonomi hubungan sebab akibat.
·   Ekonomi Normatif artinya menitikberatkan pada norma, aturan atau ketentuan yang berlaku. Ekonomi normatif dapat berupa pernyataan dan analisis normatif. Ekonomi normatif memaparkan tentang hal-hal yang berkaitan erat dengan norma, etika dan aturan keadilan. Dalam lingkup ini tidak mengedepankan fakta, namun mengedepankan apa yang seharusnya dilakukan agar menjadi kebaikan dan kesejahteraan bagi masyarakat luas. Karena dalam sebuah pengambilan keputusan baik oleh pemerintah maupun swasta sebagai pelaku ekonomi, tidak cukup dengan penjelasan atas fakta dan data empiris yang relevan sekali pun. Ekonomi normatif biasanya menyelesaikan permasalahan yang muncul dengan debat ideal dan atau keputusan politis. Yakni dengan menggabungkan antara studi empiris dengan prediksi ekonomi positif tanpa mengesampingkan nilai gagasan ideal tentang kondisi masyarakat guna memperoleh rekomendasi kebijakan terbaik. Dalam pendekatan normatif, tidak jarang dilengkapi dengan value judgement, yaitu pertimbangan nilai efisiensi ekonomi. Fungsinya adalah untuk membantu mempertajam analisis dalam debat politis terkait pengambilan keputusan atas kebijakan yang akan dilakukan.

2.    Jelaskan asumsi-asumsi yang dipakai dalam teori ekonomi mikro (umum dan khusus)
1.        Asumsi Umum
a.         Asumsi Rasionalitas.
Asumsi ini berlaku untuk semua teori ekonomi. Pelaku ekonomi yang diasumsikan bersikap rasional biasa disebut juga homo ekonomikus atau economic man. Penggunaan asumsi pada teori konsumen terwujud dalam bentuk asumsi bahwa rumah tangga keluarga senantiasa berusaha memaksimumkan kepuasan; yaitu yang dalam literatur terbiasa dengan sebutan utility maximization assump tion. Sebaliknya dalam teori rumah tangga perusahaan, asumsi yang sama terjelma dalam bentuk asumsi bahwa rumah tangga perusahaan senantiasa berusaha inemperoleh keuntungan sebesar-besarnya. Asumsi ini dalani literatur dikenal sebagai profit maximization assumption.
b.        Asumsi Ceteris Paribus.
Sebutan lain untuk asumsi ini ialah asumsi other things being equal atau lain-lain hal tetap sama atau lain-lain hal tidak berubah. Yang dikehendaki oleh asumsi mi ialah bahwa yang mengalami perubahan hanyalah variabel yang secara eksplisit dinyatakan berubah, sedangkan variabel-variabel lain yang tidak disebutkan berubah, sepanjang dalam model analisa tidak diasumsikan sebagai variabel yang nilainya ditentukan oleh variabel lain harus dianggap tidak berubah.
c.         Asumsi Penyederhanaan.
Meskipun abstraksi sudah banyak sekali mengurangi kompleksnya permasalahan, agar supaya permasalahan nya lebih mudah dianalisa dan difahami, sering-sering kita perlu menyederhanakan persoalan lebih lanjut. Misalnya saja menurut kenyataan jumlah macam barang dan jasa yang clihadapi rumah tangga keluarga tidak terhitung banyaknya. Akan tetapi, nanti akan kita saksikan misalnya pada Bab X, penggunaan analisa indiferen un tuk menerangkan teori permintaan, jumlah macam barang yang bisa termuat dalam grafik paling banyak hanya dua. mi memaksa kita menggunakan asumsi bahwa konsumen hanya menghadapi dua macam barang atau jasa.

2.        Asumsi Khusus
a.         Asumsi ekuilibrium parsial.
Untuk sebagian besar model-model analisa ekonomi mikro, seperti juga halnya dengan seluruh isi buku ini, didasarkan kepada asumsi berlakunya ekuilibrium parsial, yang mengasumsikan tidak adanya hubungan timbal-balik antara perbuatan-perbuatan ekonomi yang dilakukan oleh pelaku-pelaku ekonomi dengan perekonomian di mana pelaku-pelaku ekonomi tersebut berada. Misalnya saja, sebagai akibat berubahnya cita rasa, para konsumen tiba-tiba mengurangi pengeluaran konsumsinya. Kalau tidak dipergunakan asumsi ekuilibrium parsial, maka dalam kita membuat analisa kita harus memperhitungkan pengaruh penurunan pengeluaran konsumsi tersebut terhadap pendapatan nasional, yang seterusnya juga terhadap pendapatan mereka, dan yang selanjutnya akan berpengaruh juga terhadap pola pengeluaran para konsumen tersebut. Dengan menggunakan asumsi ekuilibrium parsial unsur pemantulan semacam itu tidak kita perhatikan.
b.        Asumsi tidak adanya hambatan atas proses penyesuaian.
Kelak kita akan menyaksikan misalnya, apabila harga suatu barang mengalami perubahan, maka berapapun kecilnya perubahan tersebut, selalu diasumsikan bahwa konsumen melaksanakan penyesuaian atau adjustment. Menurut kenyataan banyak hambatan-hambatan yang menyulitkan pelaksanaan penyesuaian tersebut. Faktor-faktor, seperti misalnya faktor psikologi, sosiologi, politik dan sebagainya, dapat merupakan penghambat terhadap penyesuaian tersebut. Misalnya, meskipun kita tahu bahwa dengan menurunnya harga barang Z, tingkat kepuasan akan meningkat dengan cara mengurangi kortsumsi barang Y dan meningkatkan konsumsi barang Z, namun tidak dapat dijamin bahwa kita akan melaksanakan penyesuaian tersebut. Misalnya saja dikarenakan toko langganan kita tidak menjual barang Z, mungkin kita enggan untuk mengadakan penyesuaian tersebut. Dalam teori ekonomi mikro kita mengasumsikan bahwa hambatan hambatan terhadap penyesuaian tersebut tidak ada ilmu ekonomi.

Jumat, 14 Desember 2018

DISTRIBUSI SAMPLING RATA - RATA DAN PROPORSI


DISTRIBUSI SAMPLING RATA - RATA DAN PROPORSI
Distribusi sampling rata – rata adalah kumpulan dari bilangan - bilangan yang masing - masing merupakan rata - rata hitung dari samplenya. Sudjana (2001 : 87)

Rumus Distribusi Sampling Rata - Rata :

Distribusi Sampling Proporsi adalah kumpulan atau distribusi semua perbandingan sampelnya untuk suatu peristiwa. (Sudjana, 2001 : 95).
Rumus Distribusi Sampling Proporsi :


DISTRIBUSI SAMPLING SELISIH RATA - RATA DAN PROPORSI
Distribusi Sampling Selisih Rata - Rata
Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat terjadi dari selisih rata - rata dua sampel yang berbeda berdasarkan pada dua sampel tertentu dari ukuran parameter dua populasinya.

Distribusi Sampling Selisih Proporsi
Distribusi sampling selisih proporsi adalah distribusi probabilitas yang dapat terjadi dari selisih proporsi dua sampel yang berbeda berdasarkan pada dua sampel tertentu dari ukuran parameter dua populasinya, adapun rumus distribusi sampling selisih proporsi
dinyatakan dalam :



Jumat, 07 Desember 2018

DISTRIBUSI SAMPLING


A. Pengertian
1.        Distribusi Sampling
Distribusi nilai statistik sampel-sampel. Jika statistik yang ditinjau adalah mean dari masingmasing sampel, maka distribusi yang terbentuk disebut distribusi mean-mean sampling. Masing-masing jenis distribusi sampling dapatdihitung ukuran-ukuran statistik deskriptifnya (mean, range, deviasi standard, da lain-lain).
Fungsi mempelajari distribusi sampling, yaitu :
·            untuk membantu memahami distribusi dari suatu karakteristik populasi yang tidak diketahui, ilmuwan dan insinyur sering menggunakan data sampel
·            teknik sampling berguna dalam penarikan kesimpulan (inference) yg valid dan dapat dipercaya
·            teknik pengambilan sampling yang baik dan benar dapat menghemat biaya dan waktu tanpamengurangi keakuratan hasil Adapun teori dalam ditribusi sampling, yaitu:
A. Mengadakan estimasi ( menaksir ) keadaan parameter dari statistic seperti yang baru dibicarakan.
B. Mengadakan penyelidikan adalah perbedaan – perbedaan yang diobservasi antara dua sample atau lebih merupakan perbedaan yang meyakinkan ataukah karena hanya factor kebetulan.
2.        Distribusi Proporsi Sampling
Distribusi proporsi-proporsi (rasio perbandingan) dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari sebuah populasi. Jika dalam sebiah populasi,
Ï€ : probabilitas terjadinya suatu peristiwa
Θ : probabilitas gagalnya = 1-π
Maka mean dan standard deviasi distribusi proporsi samplingnya adalah:
Jika sampling dilakukan dengan pergantian atau
populasinya tak terhingga
μp =π

Dimana:
μp : mean dari distribusi proporsi sampling
σp : deviasi standard dari distribusi proporsi sampling
N : ukuran populasi
n : ukuran sampel
Catatan:
Proporsi adalah variabel diskrit yg populasinya mengikuti distribusi binomial. Untuk n>30, distribusi proporsi sampling mendekati
suatu distribusi normal
3.        Distribusi mean-mean sampling
Distribusi mean-mean aritmetika dari seluruh sampel acak berukuran n yang mungkin, yang dipilih dari sebuah populasi yang dikaji.
Beberapa notasi :
n : ukuran sampel
N : ukuran populasi
x
: rata-rata sampel
μ : rata-rata populasi
s : standar deviasi sampel
σ : standar deviasi populasi
μx : rata-rata antar semua sampel
σx : standar deviasi antar semua sampel = standard error = galat baku
Distribusi Sampling Bagi Beda 2 Rata Rata

Contoh 4:
Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan ragam = 119 sedangkan rata-rata IQ mahasiswa Asia = 128 dengan ragam 181. diasumsikan kedua populasi berukuran besar
Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai sampel, berapa peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2?


P(z<-0.58) = 0.5 – 0.2190 = 0.2810
JADI peluang terdapat perbedaan IQ kedua kelompok akan kurang dari 2 adalah 28,1 %
4.        Distribusi Samoling tentang Median.
Jika suatu populasi yang berdistribusi normal diambil n sampel dari populasi tersebut. Dimana n besar (n > 30 ) maka median dari sampel akan mendekati distribusi normal  pula dan diperoleh.

Jumat, 30 November 2018

DISTRIBUSI PROBALITAS

A.   PENDAHULUAN
Distribusi Probabilitas adalah suatu distribusi yang mengambarkan peluang dari sekumnpulan variat sebagai pengganti frekuensinya. Probabilitas kumulatif adalah probalitas dari suatu variabel acak yang mempunyai nilai sama atau kurang dari suatu nilai tertentu. Fungsi distribusi peluang pada umumnya dibedakan atas distribusi peluang diskrit dan distribusi peluang kontinu.
Variabel random diskrit merupakan suatu variabel random yang hanya dapat memiliki harga - harga yang berbeda yang berhingga banyaknya (sama banyaknya dengan bilangan bulat).
Variabel random kontinu merupakan suatu variabel random yang dapat memiliki harga dalam suatu interval (tak berhingga banyaknya).

B.  DISTRIBUSI PROBALITAS DISKRIT
1.      Variabel Diskrit
Variabel  diskrit  merupakan  variable  yang  nilainya  dapat  diperoleh  dengan  cara  membilang ataupun  menghitung.  Variable  dari  sampel  yang  diambil  dari populasi  ini  bertujuan  untuk mempermudah pemahaman teori sampel dan pembahasan hipotesis pada pengujian selanjutnya.
Variabel diskrit X menentukan distribusi peluang apabila untuk nilai
X = X1,X2,X3,.....,Xn terdapat peluang p(xi) = P(X=xi) ditulis
2.     Distribusi Poisson
Algoritma
Hitung a, b =1 dan i =0 
Bangkitkan Ui+1= U(0,1)
Ganti b = bUi+1
Jika b<a maka dapatkan X = i dan jika tidak lanjutkan ke langkah 5
Ganti i = i+1 kembali ke langkah 2
Contoh:
Suatu kejadian berdistribusi poisson dengan rata-rata 3 kejadian perjam dan terjadi selama periode waktu 1,4 jam.
Tentukan bilangan acak dari distribusi poisson dengan a = 17 z0 = 12357 dan m = 1237
3.     Distribusi Binomial
Metode transformasi dari distribusi binomial
Dengan mempergunakan fungsi densitas binomial yang dinyatakan dengan : k = 0,1, 2 .. n        
Contoh :
Dari suatu distribusi binomial, diketahui p =0,5 dan n =2.
Tentukan bilangan acak dari distribusi binomial dengan a = 77 z0 = 12357 dan m = 127.
4.     Distribusi Geometri
Algoritma
Bangkitkan U(0,1)
Dapatkan X = ln(U)/ln(1-p)
Contoh :
Pada seleksi karyawan baru sebuah perusahaan terdapat 30 % pelamar yang sudah mempunyai keahlian komputer tingkat advance dalam pembuatan program. Para pelamar diinterview secara insentif dan diseleksi secara acak.
Tentukan bilangan acak dengan a = 43, m = 1237 dan z0 = 12357.
5.     Distribusi Kontinu
Distr probabilitas uniform kontinu
Algoritma
Bangkitkan U(0,1)
Dapatkan X = a+(b-a)*U
Contoh :
Pada suatu sentra telpon ternyata distribusi pelayanan telponnya berdistribusi uniform kontinu dengan minimal waktu 3 menit dan maksimal 5 menit. Tentukan bilangan dengan a = 173  z0 = 12357 dan m = 1237.
6.     Distribusi Eksponensial
Algoritma
Bangkitkan U(0,1)
Dapatkan X 
Dengan  rata-rata dengan nilai > 0
Contoh :
Pada suatu sentra telpon ternyata distribusi penerimaan telponnya berdistribusi eksponensial dengan mean = 0,1 menit. Tentukan bilangan 10 acak dengan a = 173  z0 = 12357 dan m = 1237.
7.     Distribusi Normal
Algoritma
Bangkitkan U1,U2= U(0,1)
Hitung V1= 2U1-1 dan V2= 2U2-1
Hitung W = V12 + V22
Jika W > 1 maka kembali ke langkah 1 dan jika tidak lanjutkan ke langkah 5
Contoh :
Sebuah rumah sakit berniat mempelajari penggunaan suatu alat pada ruang emergency. Jika diketahui bahwa lamanya seorang pasien yang di’treat’ menggunakan alat tsb berdistribusi normal dgn mean 0.8 jam dan standard deviasi 0.2 jam, tentukan bilangan acak yang mewakili lamanya penggunaan alat tersebut oleh 6 orang pasien.
8.     Distribusi Gamma
Algoritma
Bangkitkan U1 dan U2
X = -b ln (U1 * U2)
            di mana b adalah parameter
Contoh :
Mesin pada suatu pabrik perlu diperbaiki setiap saat ‘breakdown’ dengan biaya $100/hari. Jika lama perbaikan mesin berdistribusi gamma dengan parameter a = 2 dan b = 1/3, tentukan rata-rata biaya untuk 30 kali ‘breakdown’, jika diketahui mesin breakdown ke 29 kali mengalami lama perbaikan selama 0.38 hari dengan rata-rata lama perbaikan 0.68 hari dgn variansi S2 = 0.02.
Jawab:
U1 = 0.818
U2 = 0.322
X30  = -b ln (U1 * U2)
= - 1/3 ln (0.818 * 0.322)
= 0.445 hari
Jadi, Biaya untuk memperbaiki mesin yg breakdown ke 30 kali adalah
$100 x 0.445 hari = $ 44.5
                                                                           X30 - X29
            Rata-rata ke 30 kali = X30  = X29 +
                                                                                 30
                                                                           0.445 - 0.38
                                                            = 0.68 +
                                                                                 30
                                                            = 0.68 + 0.0022
                                                            = 0.6822