analis punca kekurangan tenaga buruh di malaysia

60
1.0 PENGENALAN Kekurangan tenaga buruh sepanjang tempoh Rancangan Malaysia Ketujuh (RMK7) telah menyebabkan ekonomi mengalami pasaran tenaga buruh yang ketat dan tekanan terhadap upah. Walau bagaimanapun, penggunaan teknologi baru telah meningkatkan produktiviti buruh yang seterusnya mengurangkan kos buruh seunit dan meningkatkan tahap daya saing Negara.Namun begitu, Ekonomi Malaysia akan terus berkembang jika ia di bawah keadaan guna tenaga penuh berikutan pertumbuhan permintaan buruh yang mengatasi penawaran. Apabila sesuatu sektor itu mencatatkan pertumbuhan positif, maka dengan secara langsng akan meningkatkan permintaan buruh dan guna tenaga dalam sektor tersebt. Menurut Laporan Pasaran Buruh 2010, “Guna tenaga mencatatkan pertumbuhan 11.9 juta orang berbanding dengan tahun 2009. Pada tahun 2010, kadar pengangguran menuruh dari 3.6 peratus berbanding 3.8 peratus pada tahun sebelumnya. Secara keseluruhannya, kadar penyertaan tenaga buruh pada tahun 2010 menunjukkan sedikit 1

Upload: diya-ixora

Post on 27-Oct-2015

164 views

Category:

Documents


6 download

TRANSCRIPT

Page 1: Analis Punca Kekurangan Tenaga Buruh di Malaysia

1.0 PENGENALAN

Kekurangan tenaga buruh sepanjang tempoh Rancangan Malaysia Ketujuh

(RMK7) telah menyebabkan ekonomi mengalami pasaran tenaga buruh yang ketat

dan tekanan terhadap upah. Walau bagaimanapun, penggunaan teknologi baru telah

meningkatkan produktiviti buruh yang seterusnya mengurangkan kos buruh seunit

dan meningkatkan tahap daya saing Negara.Namun begitu, Ekonomi Malaysia akan

terus berkembang jika ia di bawah keadaan guna tenaga penuh berikutan pertumbuhan

permintaan buruh yang mengatasi penawaran.

Apabila sesuatu sektor itu mencatatkan pertumbuhan positif, maka dengan

secara langsng akan meningkatkan permintaan buruh dan guna tenaga dalam sektor

tersebt. Menurut Laporan Pasaran Buruh 2010, “Guna tenaga mencatatkan

pertumbuhan 11.9 juta orang berbanding dengan tahun 2009. Pada tahun 2010, kadar

pengangguran menuruh dari 3.6 peratus berbanding 3.8 peratus pada tahun

sebelumnya. Secara keseluruhannya, kadar penyertaan tenaga buruh pada tahun 2010

menunjukkan sedikit peningkatan berbanding tahun 2009 iaitu daripada 63.1 peratus

kepada 63.8 peratus”.

Pembangunan sumber manusia amat penting dalam proses pertumbuhan dan

pembangunan sesebuah negara. Menurut Rahmah Ismail (2000), kepentingan

pembangunan sumber manusia di Malaysia boleh dibahagikan kepada tiga elemen

penting iaitu meningkatkan produktiviti buruh, menyesuaikan kemahiran buruh dan

menyusun semula masyarakat. Bagi memenuhi objektif kajian, elemen yang kedua,

iaitu menyesuaikan kemahiran buruh diambil bagi mengukuhkan lagi isu permintaan

tenaga kerja mahir dalam sektor-sektor yang terlibat. Dalam sektor perkilangan,

keperluan tenaga mahir dan separuh mahir amat diperlukan bagi memenuhi

permintaan tenaga kerja semasa. Penawaran tenaga kerja perlu disesuaikan dengan

1

Page 2: Analis Punca Kekurangan Tenaga Buruh di Malaysia

struktur permintaan guna tenaga kerana ini adalah perlu untuk mengelakkan masalah

ketidaksepadanan kemahiran dan masalah pengangguran. Begitu juga dengan sektor

perkhidmatan yang memerlukan tenaga kerja yang berkemahiran bagi memastikan

kelancaran dalam sistem kehidupan masyarakat ini adalah kerana sektor perkhidmatan

merupakan sektor yang memainkan peranan penting yang memenuhi keperluan

kehidupan masyarakat di Malaysia. Sektor pembinaan pula sebagai sektor pelengkap

kepada keperluan tenaga kerja berkemahiran di Malaysia.

Secara umum, permintaan merupakan keinginan untuk memiliki atau

menggnakan sesuatu dengan diiringi oleh kuasa beli. Oleh yang demikian, dalam

pasaran buruh, permintaan terhadap buruh adalah sama dengan konsep tersebut. Ini

menjelaskan hubungan songsang antara harga buruh, iaitu kadar upah dengan

bilangan buruh atau pekerja yang diminta oleh majikan. Majikan dalam konteks ini

boleh merupakan sebuah firma atau sebuah organisani yang lebih besar termasuk

kerajaan.

Pada amnya, permintaan buruh menggambarkan suatu konsep yang serajam,

iaitu jumlah buruh yang diambil bekerja, namun corak penggunaan bburuh adalah

berbeza. Corak penggunaan buruh ini dalam sesebah firma dapat dilihat berdasarkan

struktur guna tenaga. Jumlah guna tenaga telah meningkat pada setiap tahun yang

mungkin disebabkan oleh wujudnya peluang pekerjaan baru yang begitu banyak

terutama dalam sektor pembuatan.

Permintaan terhadap buruh merupakan satu konsep yang agak kompleks. Hal

ini kerana buruh merupakan factor pengeluaran yang aktif dalam pasaran. Permintaan

terhadap buruh bukan sahaja melibatkan aspek ekonomi seperti upah dan masa

bekerja, tetapi social dan politik juga turut memainkan peranan utama dalam sebarang

aspek penggunaan buruh.

2

Page 3: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Terdapat dua jenis permintaan terhadap perkhidmatan buruh iaitu permintaan

langsung dan permintaan tidak langsung. Permintaan langsung merupakan permintaan

terhadap buruh semata-mata untuk mendapatkan utiliti daripada perkhidmatan yang

diberikan secara langsung. Dengan maksuk lain permintaan terhadap perkhidmatan

buruh untuk digunakan secara terus bagi satu-satu tujuan tertentu. Manakala

permintaan tidak langsung atau lebih dikenali sebagai permintaan berkait merupakan

permintaan terhadap buruh untuk tujan mengeluarkan sesuatu barang lain.

Tenaga buruh merujuk kepada penduduk dalam lingkungan umur bekerja 15-

64 tahun (Jabatan Perangkaan, 1971:6). Bagaimanapun had umur guna tenaga adalah

berbeza mengikut negara. Tenaga buruh terdiri daripada mereka yang bekerja iaitu

guna tenaga dan mereka yang menganggur.

Guna tenaga merujuk kepada golongan bekerja yang terdiridaripada tenaga

buruh yang bekerja untuk mendapatkan gaji atau upah (Chamhuri Siwar, et.al).

Golongan penganggur pula merujuk kepada tenaga buruh yang sedang

mencari dan mahu bekerja untuk mendapatkan tingkat gaji atau upah tertentu. Ia juga

terdiri daripada tenaga buruh yang tidak mencari pekerjaan tetapi sedia bekerja jika

ditawarkan pekerjaan pada tingkat upah tertentu.

Terdapat juga tenaga buruh yang sanggup bekerja pada kadar upah yang lebih

rendah daripada yang sepatutnya diterima berdasarkan kelayakan dan kemahiran.

Golongan ini dikatakan underemployed. Selain itu, terdapat tenaga buruh yang

bekerja kurang daripada tempoh masa normal yang ditetapkan oleh Jabatan Tenaga

Buruh sesebuah negara. Misalnya, buruh yang bekerja tiga jam sehari atau tiga hari

seminggu.

Guna tenaga penuh secara teori dicapai apabila semua tenaga buruh dalam

pasaran mendapat pekerjaan. Walau bagaimanapun, ahli ekonomi mendapati keadaan

3

Page 4: Analis Punca Kekurangan Tenaga Buruh di Malaysia

ini sukar dicapai. Oleh itu, mereka mendefinisikan guna tenaga penuh sebagai suatu

keadaan apabila kadar pengangguran kurang daripada 4 peratus. Kadar pengangguran

yang menyamai 4 peratus dikenali sebagai tingkat pengangguran semula jadi.

Mereka yang berada di luar tenaga buruh pula merujuk kepada mereka yang

berada dalam umur bekerja (15-64 tahun) tetapi tidak bekerja dan tidak pula

menganggur. Mereka yang dikelompokkan dalam kumpulan ini adalah:

1. Mereka yang terus-menerus cacat anggota dan mental yang tidak berkebolehan

untuk bekerja

2. Mereka yang telah bersara atau merasakan sudah terlalu tua untuk bekerja atau

sengaja tidak mahu bekerja

3. Mereka yang tidak berminat mencari dan menerima pekerjaan, dikenali sebagai

penganggur sukarela (tetapi bukan merupakan sejenis pengangguran), dan

4. Mereka yang terlibat dengan kerja rumah sendiri, contohnya suri rumah sepenuh

masa

1.1 Objektif Kajian

Terdapat beberapa objektif kajian terhadap topik Guna Tenaga di Malaysia. Antaranya

adalah:

1. Untuk mengetahui dengan lebih terperinci trend guna tenaga di Malaysia sepanjang

tempoh kajian.

2. Membuat jangkaan guna tenaga untuk masa akan dating.

3. Memperoleh serta memahami factor-faktor yang mempengaruhi jumlah guna tenaga

di Malaysia.

1.2 Skop Kajian

Kajian ini meliputi jangka masa yang bermula dari tahun 1980 hingga tahun

2010, iaitu sebanyak 30 tahun. Jangka masa yang panjang ini telah dipilih kerana terdapat

perubahan ekonomi yang turun naik dengan pesat pada tempoh tersebut seperti pertumbuhan

4

Page 5: Analis Punca Kekurangan Tenaga Buruh di Malaysia

ekonomi yang pesat bermula dari tahun 1980 sehingga mengalami kemelesetan ekonomi

pada tahun 1997 yang berturutan hingga tahun 2000. Semua data adalah diperolehi melalui

cara sekunder. Data-data diperolehi melalui laman web dari Jabatan Perangkaan Malaysia,

Jabatan Pertanian Malaysia, Kementerian Kewangan Malaysia dan Buku Laporan Ekonomi.

Model ini dikaji bertujuan untuk menunjukkan hubungan antara pembolehubah

bersandar iaitu Guna Tenaga dengan pembolehubah tidak bersandar iaitu Tenaga Buruh,

Pelaburan, Pengangguran, Pendapatan Negara Perkapita dan Kadar Pengangguran.

5

Page 6: Analis Punca Kekurangan Tenaga Buruh di Malaysia

2.0 SOROTAN KARYA

Lau, et al (1993) yang melihat kepentingan modal, buruh, modal manusia dan

technical progress sebagai sumber pertumbuhan output telah menjalankan ujian di Brazil

berdasarkan data tahun 1970 dan 1980. Mereka mendapati pertambahan satu tahun dalam

pendidikan setiap penduduk akan meningkatkan output benar sebanyak lebih kurang 20%.

Daripada keempat-empat sumber pertumbuhan tersebut, technical progress memainkan

peranan utama dengan sumbangan sebanyak 40%, diikuti oleh modal manusia (25%) dan

bakinya adalah sumbangan daripada buruh dan modal.

Buruh dan sumber manusia yang mempunyai kemahiran dan penngetahuan

merupakan factor pengeluaran yang sangat penting dalam semua aktiviti ekonomi. The World

Competitiveness Report (1995) menggariskan kualiti sumber manusia sebagai salah satu

daripada lapan faktor utama yang boleh mempenngaruhi daya saing sesuat kawasan atau

Negara.

Menurut Abu Sulaiman (1960), buruh bukan faktor pengeluaran kerana buruh dicipta

untuk memanfaatkan faktor pengeluaran. Dengan meletakkan buruh sebagai faktor

pengeluaran manusia akan tunduk kepada manusia lain.

Baqir-al-Sadr (1968) juga mempersoalkan buruh sebagai faktor pengeluaran tetapi

dengan alasan bahawa buruh bukanlah harta yang boleh dimiliki.

Hujah bahawa kepadatan penduduk, malah kepesatan pertambahan penduduk

bukanlah syarat cukup untuk kewujudan masalah lebihan penduduk memang diterima umum,

baik di kalangan ahli ekonomi konvensional. Ini kerana penduduk yang ramai atau

pertambahan penduduk juga merupakan tambahan sumber-sumber produktif. Teori

perangkap penduduk Malthus abad ke-19 memang disangkal oleh ahli ekonomi kini kerana

tidak disokong oleh bukti sejarah dan mempunyai kelemahan tidak mengambilkira

perkembangan teknologi dan proses transisi demografi dalam pertumbuhan penduduk

dinamik (Todaro 1997: Bab 6). Walaupun begitu, agak sukar untuk menidakkan peranan

kepadatan dan pertumbuhan penduduk dalam mewujudkan masalah-masalah yang berkait

dengan lebihan penduduk. Penduduk yang besar dan berkembang pesat meningkatkan nisbah

kebergantungan, mengenakan tekanan terhadap ekonomi dalam menyediakan kemudahan

asas serta menimbulkan tekanan terhadap alam sekitar dan persekitaran sosial.

6

Page 7: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Seperti yang telah dijelaskan oleh Kwaku A tenah (1985), produktiviti secara teorinya

adalah satu nisbah antara ‘output’ dan ‘input’. Menurutnya berdasarkan laporan Biro Statistik

Buruh Amerika Syarikat, cara mengukur produktiviti buruh adalah lebih spesifik jika ia dapat

menunjukkan jumlah sebenar bahan dan penggunaan yang dihubungkan dengan kemajuan

fizikal atau kuantiti sebenar input.

Dalam pasaran buruh, permintaan terhadap buruh adalah sama seperti konsep

permintaan barang. Konsep ini menjelaskan perhubuungan songsang antara harga buruh iaitu,

kadar upah dengan bilangan buruh atau pekerja (Zulkifly Osman, 1989)

Antara factor yang membawa kepada permintaan tinggi terhadap guna tenaga di

pelbagai peringkat kemahiran dan sector adalah globalisasi, peningkatan ekonomi,

modenisasi, pertumbuhan sector industry dan pembinaan (Ahm Zahedul, 1999)

7

Page 8: Analis Punca Kekurangan Tenaga Buruh di Malaysia

3.0 METODOLOGI

Metodologi kajian ini merupakan satu garis panduan untuk memastikan kajian ini

dapat dijalankan dengan sistematik dan berkesan. Skop kajian yang dipilih untuk

menjalankan ujian hipotesis ialah kadar pertukaran asing Ringgit Malaysia (RM) berbanding

US Dolar (USD). Satu model ekonomi telah dibentuk berdasarkan teori ekonometrik.

MODEL EKONOMI

EMP = f (L, I, UNEMP, GNIP, UNEMRATE )

MODEL EKONOMETRIK

EMP = 0 + 1 L + 2 I + 3 UNEMP + 4 GNIP + 5 UNEMRATE+ i

Dalam projek ini, teori ekonomi dan teori ekonometrik dibinakan untuk melanjutkan

analisis bagi menentukan perhubungan antara pembolehubah bersandar dengan

pembolehubah tak bersandar.Pembolehubah-pembolehubah tak bersandar yang dipilih ialah

Labour, Investment, Pengangguran, KDNK perkapita dan Kadar Pengangguran.

Dalam model ekonometrik ini mengandungi ralat rawak (εi) dengan tujuan untuk menganggar

atau mengira faktor lain yang mungkin mempengaruhi pembolehubah bersandar iaitu Guna Tenaga.

Dimana :

Pembolehubah bersandar : EMP

EMP = Guna Tenaga (‘000 orang)

Pembolehubah takbersandar : L, I, UNEMP, GDPC, UNEMRATE

EMP = Guna Tenaga (‘000 orang)

L = Tenaga Buruh (‘000 orang)

I = Pelaburan (RM Juta)

UNEMP = Pengangguran (‘000 orang)

GNIC = Pendapatan Negara Perkapita (RM Juta)

UNEMRATE = Kadar Pengangguran (%)

i = Ralat rawak

Hipotesis yang dibentuk ialah:

8

Page 9: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Bagi pembolehubah Pendapatan Negara Per Kapita:

Pertumbuhan ekonomi dalam negara akan meninggikan pendapatan negara perkapita..

Kesannya, jumlah gna tenaga akan meningkat. (berkadar langsung)

H0 : β1=0 H1 : β1<0

Bagi pembolehubah Tenaga Buruh :

Jika jumlah tenaga buruh meningkat, ini juga akan meningkatkan jumlah guna tenaga.

(berkadar langsung)

H0 : β1=0 H1 : β1<0

Bagi pembolehubah Pelaburan:

Semakin banyak pelaburan dalam negara dilakukan, semakin tinggi jumlah guna tenaga yang

diperlukan. (berkadar langsung)

H0 : β2=0 H1 : β2>0

Bagi pembolehubah Pengangguran :

Semakin banyak penganggran dalam negara, semakin kurang jumlah guna tenaga yang

diperlukan. (berkadar songsang)

H0 : β1=0 H1 : β1<0

Bagi pembolehubah kadar pengangguran:

Jika Malaysia mengalami kadar pengangguran yang tinggi, maka keperluan guna tenaga akan

berkurangan. (berkadar songsang)

H0 : β1=0 H1 : β1<0

9

Page 10: Analis Punca Kekurangan Tenaga Buruh di Malaysia

4.0 SUMBER DATA

Data-data bagi pembolehubah-pembolehubah berkenaan merupakan data siri masa bercorak

tahunan dari tahun 1980 sehingga tahun 2010. Cadangan adalah data tahunan selama 30 tahun. Saya

telah mengumpul data-data sekunder tersebut daripada Laporan Ekonomi Malaysia serta dari laman

web Bank Negara Malaysia, Unit Perancang Ekonomi dan Jabatan Statistik Malaysia.

4.1 Statistik Deskriptif

Statistik deskriptif adalah digunakan untuk menggambarkan ciri-ciri asas data dalam kajian.

Mereka menyediakan rumusan-rumusan mudah kira-kira sampel dan langkah-langkah itu. Ia

memberi nilai-nilai bagi makna, garis median, varians, sisihan piawai, skewness, kurtosis danbanyak

lagi.

4.1.1 Mean

Terdapat dua jenis bermakna, yakni min sampel dan min populasi. Parameter adalah ciri-ciri

berangka bagi populasi. Apabila sesuatu populasi tertentu adalah besar, parameter adalah biasanya

tidak dikenali dan mesti dianggarkan dengan mengira satu ciri serupa satu sampel. Sampel-sampel

tersebut dikenali sebagai statistik.

Min sampel boleh dilambangkan seperti berikut :-

X=∑i=1

n

X i

n

Di mana makna satu n ukuran sampel X1,Xx2, X3…Xn adalah dilambangkan oleh X .

Min populasi boleh dilambangkan seperti berikut :-

μ=∑i=1

N

X i

N

Di mana makna satu n ukuran sampel X1, X2, X3…XN adalah dilambangkan oleh μ .

4.1.2 Sisihan piawai

Sisihan piawai satu taburan kebarangkalian adalah satu langkah penyerakannya yang statistik,

yang menunjukkan bagaimana nilai-nilainya menyebarkan nilai dijangka. Jika sisihan piawai itu

adalah besar, data kembang. Penyerakan terdekat untuk makna adalah genting sambil ia adalah lebih

konsisten dan pekat di makna. Sisihan piawai sampel dan sisihan piawai populasi adalah diberi seperti

yang berikut :-

10

Page 11: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Sisihan piawai bagi sampel Sisihan piawai bagi populasi

s=√∑i=1

n

( X i−X )2

n−1 σ=√∑i=1

N

( X i−μ )2

N

Jika sisihan piawai antara dua dua sampel adalah hampir sama, ia dapat diandaikan bahawa sampel

kedua-dua berkongsi taburan yang sama.

4.1.3 Statistic Jarque-Bera

Statistik Jarque-Bera adalah satu ujian untuk menghitung kenormalan satu pembolehubah

tertentu. Ujian itu mengira skewness pekali bagi menentukan jika taburan adalah simetri dan langkah-

langkah kurtosis taburan. Statistik Jarque-Bera memberi satu hasil lebih tepat kira-kira kenormalan

data. Statistik ujian adalah dikira menggunakan formula seperti berikut:

JB=( n6 )( S2+ ( K−3 )2

4 )Dimana S dan K merupakan skewness dan kurtosis statistics bagi taburan tersebut.

Ujian Jarque-Bera menilai hipotesis nol itu begitu satu data tertentu mempunyai satu taburan

normal dengan makna tidak ditentukan dan varians manakala hipotesis alternatif itu menyatakan

begitu satu data tertentu tidak mempunyai satu taburan normal.

H0 : Satu data tertentu mengikuti satu taburan normal.

H1 : Satu data tertentu tidak mengikuti satu taburan normal.

Statistik Jarque-Bera mengikuti satu taburan khi kuasa dua dengan 2 darjah kebebasan dan

biasanya diuji pada 5% paras keertian. Hipotesis nol kenormalan itu adalah ditolak jika p nilai bagi

statistik Jarque-Bera adalah kurang daripada paras keertian. Ini bermaksud yang taburan data bukan

normal. Saiz sampel mesti agak besar dan tidak sepatutnya ada sebarang nilai-nilai yang hilang

apabila ujian ini diusahakan.

4.1.4 Pekali bagi Skewness dan Kurtosis

Sukatan skewness dan kurtosis adalah biasa bagi mengenal pasti taburan data, yang boleh jadi

yang mana-mana beratur atau terpencong. Darjah simetri satu pembahagian adalah dirujuk sebagai

kepencongan. Taburan leptokurtosis adalah taburan yang adalah tinggi dan nipis manakala

platikurtosis taburan adalah taburan iaitu rata dan kembang.

11

Page 12: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Jika data adalah tertabur secara normal dan bebas dengan makna pemalar dan varians, pekali

skewness, dan kurtosis, telah asimptotikal, Taburan tersebut ialah :-

,

di mana adalah dianggar dari sisihan piawai sampel, s siri-siri itu.

4.2 Korelasi

Dalam teori kebarangkalian dan statistik, korelasi, juga disebut koefisien korelasi, adalah nilai

yang menunjukkan kekuatan dan arah hubungan linear antara dua pembolehubah rawak (random

variable).

Koefisien korelasi

Korelas

i tinggi

Tingg

i

Renda

h

Renda

h

Tanpa

korelas

i

Tak

ada

korelas

i

Tanpa

korelas

i

Renda

h

Renda

h

Tingg

i

Korelas

i tinggi

−1<

−0.9> −0.9 < −0.4 > −0.4 0 < +0.4 > +0.4 < +0.9

>

+0.9+1

Salah satu jenis korelasi yang paling populer adalah koefisien korelasi momen-produk

Pearson, yang diperoleh dengan membagi kovarians kedua variabel dengan perkalian simpangan

bakunya. Meski memiliki nama Pearson, metode ini pertama kali diperkenalkan oleh Francis Galton.

Dalam pembuktian ketidaksamaan Cauchy-Schwarz, koefisien korelasi tak akan melebihi dari 1

dalam nilai absolut. Korelasi bernilai 1 jika terdapat hubungan linear yang positif, bernilai -1 jika

terdapat hubungan linear yang negatif, dan antara -1 dan +1 yang menunjukkan tingkat bersandar

linear antara dua pemboleh ubah. Semakin dekat dengan -1 atau +1, semakin kuat korelasi antara

kedua variabel tersebut. Jika variabel-variabel tersebut saling bebas, nilai korelasi sama dengan 0.

Namun tidak demikian untuk kebalikannya kerana koefisien korelasi hanya mengesan ketergantungan

linear antara kedua variabel. Misalnya, pembolehubah rawak X bertaburan normal pada interval

antara -1 dan +1.

Plot selerak (scatter plot) juga memanggil satu gambar rajah serakan, adalah satu alat grafik

yang asas yang menjelaskan hubungan antara dua pembolehubah-pembolehubah. Titik-titik pada plot

selerak itu mewakili perkara-perkara data. Sungguhpun satu plot selerak menggambarkan satu

12

Page 13: Analis Punca Kekurangan Tenaga Buruh di Malaysia

perhubungan antara pembolehubah-pembolehubah, ia tidak menunjukkan satu sebab dan memberi

kesan kepada perhubungan.

4.3 Multikolinearan

Peluang-peluang bagi kewujudan multikolinearan adalah lebih besar dalam suatu model

dengan beberapa pembolehubah dan oleh itu interpretasi keputusan itu bagi saya sangat sukar.

Multikolinearan mungkin mengakibatkan keremehan kebanyakan daripada pekali-pekali itu,

manakala seorang yang layak dengan seorang daripada mereka sahaja mungkin menghasilkan satu

pekali penting. Multikolinearan boleh juga dikesan dengan mengira Variance Inflation Factor (VIF)

dengan menggunakan formula:

VIF= 1

(1−R j2)

di mana R2j adalah tidak tersusun pekali penentuan. Untuk VIF lebih besar daripada 10, terdapat satu

petunjuk yang multikolinearan wujud. Mempersembahkan ujian t untuk pembolehubah-

pembolehubah individu memberitahu kami terus di mana pembolehubah adalah bebas.

4.4 Analisis regresi

Regresi adalah satu kaedah statistik sudah biasa menghuraikan sifat hubungan antara

pembolehubah-pembolehubah - yakni, positif atau negatif, linear atau tak linear. Dalam analisis

regresi, pembolehubah-pembolehubah itu adalah diklasifikasikan sebagai pembolehubah bebas, turut

dikenali sebagai pemboleh ubah penjelas dan pembolehubah bersandar, atau dengan kata lain,

pembolehubah sambutan. Objektif-objektif untuk menjalankan analisis regresi dalam konteks

mengkaji hubungan antara pembolehubah-pembolehubah itu adalah kerana mengikut:

• Meramal nilai-nilai bagi pembolehubah sambutan menurut satu atau pembolehubah-

pembolehubah lebih penjelasan.

• Bagi menentukan jika pembolehubah-pembolehubah X menyumbang dengan nyata untuk

pembolehubah Y.

• Mengkaji kesan pada pembolehubah sambutan kerana perubahan-perubahan dalam

pembolehubah-pembolehubah penjelasan itu nilai.

Terdapat dua jenis model-model pengunduran, yakni regresi mudah dan berbilang ganda.

Regresi mudah itu menghasilkan satu persamaan regresi yang menerangkan hubungan antara satu

pembolehubah sambutan dan satu pembolehubah bebas manakala untuk regresi berganda, terdapat

beberapa pembolehubah bebas dan satu pembolehubah bersandar dillibatkan, berkaitan oleh satu

persamaan regresi. Satu regresi berganda diperolehi daripada menambah pembolehubah-

pembolehubah penjelasan itu untuk satu model regresi mudah.

13

Page 14: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Dalam analisis multiregresi, pembolehubah bersandar adalah kadang-kadang dirujuk untuk

sebagai pembolehubah sambutan, yang menunjukkan yang pembolehubah bersandar itu bertindak

balas seperti satu reaksi untuk pembolehubah-pembolehubah mandiri. Dengan menggunakan regresi

berganda, kami boleh menganggar kesan pembolehubah-pembolehubah bebas pada pembolehubah

bersandar. Analisis itu melibatkan satu persamaan regresi yang termasuk pembolehubah bersandar

seperti satu kriteria, dan pembolehubah bebas dan orang tengah sebagai peramal-peramal. Seperkara

lagi, persamaan analisis regresi pelbagai termasuk seorang peramal ketiga mengandungi bagi waktu

berubah-ubah bebas orang tengah, yang bawa maklumat mengenai pembolehubah bebas oleh interaksi

sederhana (i.e, bersederhana kesan). Mengakibatkan perubahan R2 menunjukkan sama ada

bersederhana kesan dijelaskan varians dalam pembolehubah bersandar untuk model.

Dalam kajian ini, kami mentakrifkan model regresi berganda kerana satu model regresi linear

klasik seperti berikut:

Y t=c+β1 X1+β2 X2+. . .+ β6 X6+εt

Untuk model regresi linear klasik, andaian-andaian beberapa dibuat sebagai mengikuti:

• Didapati bahawa tidak termuncul perhubungan linear jelas dan tepat antara pembolehubah-

pembolehubah sendiri.

• Setiap pembolehubah tidak bersandar adalah bebas.

• Ralat min, adalah dilambangkan sebagai sifar, E (εi )=0

.

• Untuk setiap X i adalah tertabur secara normal, ε i ~ N (0,1 )

• Y i tertabur secara normal.

• Setiap Y i adalah bebas.

• Residual adalah rawak.

• Untuk sebarang taksiran tertentu pembolehubah bebas, nilai-nilai bagi pembolehubah-

pembolehubah X tertabur secara normal. (Ini adalah diketahui sebagai andaian kenormalan).

Untuk memeriksa hipotesis nol begitu semua pekali-pekali regresi sama dengan sifar, F-

statistic adalah digunakan. Hipotesis itu menguji boleh ditulis sebagai:

H0:β i=0 , for i = 1, 2, 3, 4, 5, 6

H1: sekurang-kurangnya satu β i≠0 , for i = 1, 2, 3, 4, 5, 6

14

Page 15: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Statistik F atau p nilai adalah digunakan menentukan penolakan hipotesis nol. Jika p nilai

ujian diaplikasikan, H0 adalah ditolak apabila p nilai lebih kecil daripada 0.05 atau 0.01 yang adalah

aras keertian. Statistik F boleh jadi dikira menggunakan rumus berikut:

F= SSR/kSSE /n−k−1

=MSRMSE

~ Fk , n−k−1

Jika hipotesis nol itu adalah ditolak yang menunjukkan yang sekurang-kurangnya satu

daripada pekali-pekali itu tidak sama dengan sifar, analisis lain itu hanya boleh menjadi mendahului.

Siasatan lanjut adalah menjalankan bagi menentukan yang pekali adalah signifikan. Ujian t atau nya p

nilai diusahakan untuk menguji hipotesis nol masing-masing pekali. Hipotesis diuji adalah dinyatakan

seperti berikut:

H0: i = 0 , for i = 1, 2, …, n

H1: i 0

or i > 0

or i < 0 , for i = 1, 2, …, n

Diberi t-statistik adalah:-

t=β̂i−β i

sβ̂ i

~ t (n−k−1 )

4.5 Ujian Durbin-Watson

Durbin-Watson (DW) ujian adalah satu daripada ujian-ujian paling biasa itu untuk korelasi bersiri

peringkat pertama. Statistik Durbin-Watson dengan julat itu dari 0 hingga 4 boleh dikira

menggunakan formula seperti berikut:

d=∑t=2

t=n

(u¿ t−u¿

t−1)2

∑t=1

t=n

u¿

t2

Pengujian hipotesis untuk ujian statistik ini boleh ditulis seperti berikut:

H0: ρ=0

H1: ρ>0 (for positive autocorrelation)

or ρ<0 (for negative autocorrelation)

Apabila 0, d adalah 2. Oleh itu statistik DW hampir 2 akan menunjukkan yang di sana adalah

tidak korelasi bersiri peringkat pertama. adakah hampir 1 menunjukkan seorang yang positif kukuh

15

Page 16: Analis Punca Kekurangan Tenaga Buruh di Malaysia

autokorelasi wujud dan nilai untuk d adalah jika dibandingkan dengan rendah, bergerak ke arah 0.

Serupa, menjadi hampir buah pertunjukan satu negatif kukuh autokorelasi dalam data. Kriteria

hipotesis nol itu penolakan digambarkan seperti berikut:-

Positive Autocorrelation Negative Autocorrelation

Reject H0 Inconclusive Accept H0 Inconclusive Reject H0

4.6 Ujian Wald-pekali terbatas

Ujian Wald kira statistik ujian itu dengan menganggarkan regresi tidak terbatas tanpa

mengenakan pekali sekatan ditentukan oleh hipotesis nol. Statistik Wald mengukur bagaimana hampir

anggaran-anggaran tidak terbatas itu sedar memuaskan sekatan di bawah hipotesis nol. Jika sekatan

adalah sebenarnya benar, ketika anggaran-anggaran tidak terbatas itu harus datang hampir

memuaskan sekatan. Hipotesis untuk pekali-pekali sendi menguji boleh dirumuskan seperti berikut:

H0: 1 = 2 = … = k = 0

H1: Sekurang-kurangnya satu j bukan sifar, j = 1, 2, …, k.

Statistik ujian itu digunakan bagi menguji hipotesis di atas adalah:

F=(ESSR−ESSU )÷(df R−df U )ESSU÷df U

¿(ESSR−ESSU )/ (k−m )ESSU /n−k−1

=( RU

2 −RR2 ) /( k−m )

(1−RU2 ) /n−k−1

4.7 Korelasi Bersiri Ujian LM

Ujian ini adalah satu alternatif untuk Q-statistics untuk korelasi bersiri ujian. Ujian itu

menjadi kepunyaan kelas asimptot (sampel besar) ujian-ujian tahu sebagai pendarab Lagrange (LM)

ujian. Berbeza statistik Durbin-Watson untuk AR(1) kesilapan-kesilapan, ujian LM mungkin

digunakan bagi menguji untuk peringkat lebih tinggi kesilapan-kesilapan ARMA, dan adalah boleh

digunakan sama ada atau bukan terdapat ketinggalan pembolehubah-pembolehubah bersandar. Oleh

itu, kami mencadangkan penggunaannya apabila anda dikhuatiri dengan kemungkinan bahawa

kesilapan-kesilapan anda mempamerkan autokorelasi. Hipotesis nol ujian LM adalah yang di sana

adalah tidak korelasi bersiri sehingga perintah kelewatan p, di mana p adalah satu integer telah

16

Page 17: Analis Punca Kekurangan Tenaga Buruh di Malaysia

ditentukan. Spesifikasi jeneral suatu model dengan syarat-syarat ralat autoregresif adalah seperti

berikut:

Y t=β0+β1 X1t+β2 X2 t+ .. .+βk Xkt +εt

ε t=ρ1ε t−1+ ρ2εt−2+. . .+ ρp εt−p+ut

Nol dan hipotesis alternatif diuji adalah kerana mengikut:

H0: 1 = 2 = … = p = 0

H1: At least one of i is non-zero, i = 1, 2, …, p.

4.8 Ujian White Heteroskedasticity

Hal Ini merupakan satu ujian untuk heteroskedasticity dalam baki daripada satu

regresi kuasa dua terkecil (White, 1980). Anggaran-anggaran kuasa dua terkecil biasa adalah

konsisten dalam kehadiran heteroskedasticity, tetapi konvensional mengira kesalahan lazim

adalah tidak lagi sahih. Jika bukti heteroskedasticity didapati, sama ada kesalahan lazim

teguh pilihan untuk membetulkan kesalahan lazim (melihat HAC) atau model

heteroskedasticity memperoleh anggaran-anggaran lebih efisien menggunakan kuasa dua

terkecil berat harus dipilih. Ujian White adalah satu ujian hipotesis nol tidak

heteroskedasticity pada heteroskedasticity sesetengah bentuk umum tidak dikenali.

Melaporkan dua EViews statistik ujian daripada regresi ujian. F-statistic adalah satu

meninggalkan ujian berubah-ubah untuk kepentingan sendi semua produk silang, tidak

termasuk pemalar. Ia dibentangkan untuk tujuan-tujuan perbandingan. Statistik ujian adalah

ketika berdasarkan auksiliari regresi kerana ditunjukkan seperti berikut:

et2 = 0 + 1X1t + 2X2t + 3X1t

2 + 4X2t2 + 5X1tX2t + ut

Di mana ut adalah sebutan ralat regresi auksiliari.

4.9 Ujian Chow

Idea titik putus ujian Chow adalah untuk menyesuaikan persamaan berasingan bagi

setiap subsampel dan untuk melihat sama ada terdapat perbezaan-perbezaan yang nyata

dalam anggarkan persamaan-persamaan. Satu perbezaan penting menunjukkan satu

perubahan struktur dalam hubungan. Ujian itu boleh digunakan dengan kuasa dua terkecil

dan kuasa dua terkecil dua tahap mundur. Untuk menjalankan ujian, kami memetakkan data

kepada dua atau lebih bawah contoh-contoh. Setiap subsampel mesti mengandungi lebih

banyak pemerhatian-pemerhatian daripada jumlah pekali-pekali dalam persamaan supaya

persamaan itu dapat dianggarkan menggunakan setiap subsampel.

17

Page 18: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Titik putus Chow ujian adalah diasaskan satu perbandingan jumlah selaras baki diperolehi

oleh satu persamaan tunggal sesuai untuk sampel keseluruhan dengan jumlah selaras baki

memperolehi apabila persamaan-persamaan berasingan adalah sesuai untuk setiap subsampel

data. Melaporkan dua EViews statistik ujian untuk titik putus Chow ujian. F-statistic adalah

diasaskan perbandingan jumlah terhad dan tidak terbatas selaras baki dan dalam kes paling

mudah melibatkan satu titik putus perseorangan, adalah dikira sebagai:

F=(ESSR−ESS1−ESS2 )/ (k+1 )

(ESS1+ESS2 )/ (n−2k−2 )~ Fk+1 , n−2 k−2

4.10 Plot Residual

Y i

¿̂

¿ (nilai bersesuaian) tidak selalu dengan tepat menandingi nilai sebagai nilai sebenar

dalam satu data. Oleh itu, di sana akan wujud perbezaan antara dua nilai-nilai, dan ini adalah

diketahui sebagai ralat atau sisa, . Formula sisa mungkin dilambangkan sebagai mengikut:

e i=Y i−Y i

¿̂

¿

Plot sisa adalah satu plot siri masa yang khusus, atau satu graf anggarkan baki et pada masa t.

18

Page 19: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.0 KEPUTUSAN EMPIRIKAL DAN ANALISIS

5.1 Keputusan Statistik Deskriptif (model 1)

Jadual 1

Date: 12/25/11 Time: 00:09

Sample: 1980 2010

LOG(EMP) LOG(GNIC)LOG(INVESTM

ENT) LOG(LABOUR) LOG(UNEMP)LOG(UNEMRA

TE)

 Mean  8.949103  9.191078  9.620486  9.020385  5.767241  1.385745 Median  8.941807  9.265680  9.744199  9.080687  5.835980  1.280934 Maximum  9.390660  10.20777  12.65229  9.410567  6.173369  2.001480 Minimum  8.535819  8.253488  5.618225  8.590444  5.199049  0.916291 Std. Dev.  0.261255  0.629221  2.216958  0.266939  0.260267  0.289437 Skewness -0.111787  0.035591 -0.327887 -0.214669 -0.623230  0.718045 Kurtosis  1.672779  1.675740  2.113095  1.645080  2.737798  2.774326

 Jarque-Bera  2.339854  2.271693  1.571492  2.609345  2.095614  2.729660 Probability  0.310390  0.321150  0.455780  0.271261  0.350706  0.255424

 Sum  277.4222  284.9234  298.2351  279.6319  178.7845  42.95811 Sum Sq. Dev.  2.047633  11.87757  147.4470  2.137691  2.032161  2.513218

 Observations  31  31  31  31  31  31

Dengan sejumlah 31 pemerhatian-pemerhatian yang dianggap satu sampel yang tidak begitu

besar , ujian kenormalan Jarque-Bera menunjukkan yang kesemua pembolehubah-pembolehubah

makroekonomi digunakan dalam projek ini adalah satu taburan hampir normal. Ia bukanlah normal.

(Rujuk Jadual Normaliti) Ia boleh dikenal pasti daripada p-nilai bagi statistik Jacque-Bera yang

tidak bersignifikasi pada aras keertian, α = 5% namun menghampiri α = 10%, nilai skewness bagi

pembolehubah-pembolehubah yang digunakan juga mempunyai jurang yang besar walaupun ada

sebilangan yang berhampiri sifar. Oleh sebab itu, dapat disimpulkan bahawa wujud taburan normal

hampir normal antara kadar pertukaran asing dengan pelbagai pembolehubah makroekonomi.

19

Page 20: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.2 ANALISIS REGRESI UNTUK MODEL TIDAK TERBATAS

Jadual 2: Perangkaan-perangkaan untuk model tidak terbatas, data asal

(model 1)

Dependent Variable: LOG(EMP)Method: Least SquaresDate: 12/24/11 Time: 01:49Sample: 1980 2010Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.  

C 2.616439 0.592591 4.415257 0.0002LOG(GNIC) 0.139636 0.036440 3.831984 0.0008

LOG(INVESTMENT) 0.009418 0.005301 1.776765 0.0878LOG(LABOUR) 0.529715 0.097932 5.408980 0.0000LOG(UNEMP) 0.041960 0.022528 1.862601 0.0743

LOG(UNEMRATE) -0.044428 0.026005 -1.708472 0.0999

R-squared 0.995751    Mean dependent var 8.949103Adjusted R-squared 0.994902    S.D. dependent var 0.261255S.E. of regression 0.018654    Akaike info criterion -4.953496Sum squared resid 0.008700    Schwarz criterion -4.675950Log likelihood 82.77919    Hannan-Quinn criter. -4.863023F-statistic 1171.860    Durbin-Watson stat 1.636853Prob(F-statistic) 0.000000

Anggaran

Estimation Command:=========================LS LOG(EMP) C LOG(GNIC) LOG(INVESTMENT) LOG(LABOUR) LOG(UNEMP) LOG(UNEMRATE)

Estimation Equation:=========================LOG(EMP) = C(1) + C(2)*LOG(GNIC) + C(3)*LOG(INVESTMENT) + C(4)*LOG(LABOUR) + C(5)*LOG(UNEMP) + C(6)*LOG(UNEMRATE)

Substituted Coefficients:=========================LOG(EMP) = 2.61643944714 + 0.139635749331*LOG(GNIC) + 0.00941779606067*LOG(INVESTMENT) + 0.529714692176*LOG(LABOUR) + 0.0419598575304*LOG(UNEMP) - 0.0444281155463*LOG(UNEMRATE)

20

Page 21: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.2.2 Ujian Hipotesis Tentang Pekali Penentuan Berganda

Koefisien penentuan Berganda R2 digunakan untuk menentukan peratusan ubahan dalam

pembolehubah bersandar yang dijelaskan oleh ubahan dalam semua pembolehubah tak bersandar

dalam model regresi. R2 juga digunakan untuk mengukur kebagusan suaian dua persamaan yang

dianggarkan mengandungi bilangan pembolehubah penjelas yang berbeza.

R2 = Ubahan dalam lLog(EMP) yang dijelaskan oleh Log(LABOUR), Log(INVESTMENT),

Log(UNEMP), Log(GNIC), Log(UNEMP)

Jumlah ubahan dalam lLog(EMP)

= SSR

SST

Oleh kerana SST = SSR + SSE

R2 = 1− SSE

SST

Daripada Jadual 5.2.1, R2 = 0.995751

Nilai R2 ini bererti bahawa sebanyak 99.5751% daripada jumlah variasi dalam

pembolehubah bersandar (EMP) dapat dijelaskan oleh pembolehubah tak bersandar (LABOUR,

INVESTMENT, UNEMP, GNIC, UNEMP) dan baki 0.4249% daripada variasi dalam pembolehubah

bersandar tidak dapat dijelaskan oleh model regresi. Nilai R2 yang tinggi ini menunjukkan nilai pekali

suaian model yang tinggi kepada data.

5.2.3 Ujian Hipotesis Tentang Pekali Penentuan Terlaras

Pekali penentuan terlaras, R2 merupakan satu ukuran yang lebik baik bagi

kebagusansuaian model regresi berganda. Ia mengukur peratusan ubahan dalam

pembolehubah bersandar yang boleh dijelaskan oleh model regresi bersandar, dilaraskan

terhadap bilangan peramal dan saiz sampel. R2 digunakan untuk membandingkan dua atau

lebih model regresi yang meramalkan pembolehubah bersandar yang sama tetapi mempunyai

pembolehubah penjelas yang berbeza.

Daripada Jadual Jadual (2), R2 = 0.995751

21

Page 22: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Nilai R2 ini bermakna bahawa 99.5751% daripada ubahan dalam pembolehubah

bersandar (EMP)dapat dijelaskan oleh pembolehubah tak bersandar selepas mengambilkira

darjah kebebasan. Nilai ini mendekati R2 juga menunjukkan bahawa kebanyakan

pembolehubah yang dikaji adalah pembolehubah yang sesuai dan berkesan.

5.2.4 Ujian Hipotesis Tentang Keertian Keseluruhan Model Regresi

Ujian hipotesis dengan menggunakan teknik ANOVA dijalankan untuk menilaikan

sama ada model regresi yang disuaikan itu sesuai atau tidak secara keseluruhan. Prosedur

ANOVA menguji sama ada terdapat sekurang-kurangnya satu pembolehubah tak bersandar

yang mempunyai hubungan linear dengan pembolehubah bersandar. Sekiranya sesuatu

pembolehubah tak bersandar tiada hubungan dengan pembolehubah bersandar, pekali regresi

βj seharusnya sifar.

Hipotesis nol (H0) menyatakan bahawa semua nilai βj adalah sifar iaitu tiada

hubungan bererti di antara pembolehubah bersandar dan pembolehubah tak bersandar dengan

melawan hipotesis alternatif (H1) yang menyatakan bahawa sekurang-kurangnya terdapat satu

βj bukan sifar iaitu mempunyai hubungan bererti di antara pembolehubah bersandar dan

pembolehubah tak bersandar.

Hipotesis diuji pada aras keertian 5%

Langkah 1: Nyatakan hipotesis nol dan hipotesis alternatif

H0 : β1 = β2 = β3 = β4 = β5 = 0 menentang

H1 : Tidak semua βj = 0 bagi j = 1, 2, 3, 4, 5

Langkah 2: Nyatakan aras keertian

Aras keertian, α = 0.05

Langkah 3: Pilih statistik ujian yang sesuai digunakan

Statistik ujian yang sesuai digunakan untuk menguji hipotesis di atas ialah

F =

SSR/kSSE /n−k−1 =

R2 /k(1−R2 )/ (n−k−1 )

22

Page 23: Analis Punca Kekurangan Tenaga Buruh di Malaysia

bertaburan F dengan darjah kebebasan V1= k dan V2= n-k-1.

Di mana

k = jumlah pembolehubah tak bersandar dalam model (k = 5)

n = tempoh tahun yang diuji (n = 30)

Langkah 4: Tentukan nilai genting

V1 = k = 5 V2 = n-k-1 = 31-5-1=25

Nilai genting: Fα, k, n-k-1 = F 0.05, 5, 25

Dari sifir F, nilai genting = 2.60

Langkah 5: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 2.60

Langkah 6: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar,

Dari Jadual 2, F = 1171.860

Langkah 7: Membuat keputusan statistik

Keputusan : Oleh kerana F = 1171.860 > 2.60, maka Ho ditolak pada aras keertian 5%.

Langkah 8: Membuat kesimpulan

Kesimpulan : Kita mempunyai 95% keyakinan bahawa sekurang-kurangnya satu

pembolehubah penjelas (iaitu LABOUR,INVESTMENT,UNEMP,GNIC,UNEMP)

mempunyai hubungan dengan pembolehubah bersandar (EMP).

5.2.5 Unit Root Test

Unit Root Test adalah bertujuan untuk melihat aras kepegunan data. Ia dapat

dipastikan dengan menguji semua pembolehubah tak bersandar dan melihat nilai

Augmented Dickey-Fuller test statistic bagi t- Statistic yang didapati daripada data.

Nilai ini dibandingkan dengan aras keertian 1%, 5% dan 10%. Setiap pembolehubah diuji

pada aras dan pada pembezaan peringkat pertama bagi kedua dua bentuk intercept dan

Trend dan intercept. Sekiranya nilai yang didapati adalah signifikan, maka kita

mengetahui bahawa pembolehubuh itu mempunyai aras kepegunan pembolehubah.

23

Page 24: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Jadual 3

Kesemua nilai data telah dimasukkan kedalam jadual seperti yang berikut.

* mewakili 1%

** mewakili 5%

*** mewakili 10%

Kesemua pembolehubah tak bersandar didapati dapat mempengaruhi pembolehubah

bersandar pada aras pembezaan peringkat pertama bagi bentuk intercept juga bagi Trend and

Intercept.

5.2.6 Pendekatan Nilai-p

Menurut Mohd Anuar Hj Md Amin (1986), multikolinearan adalah satu keadaan di

mana terdapat hubungan rapat di antara pembolehubah-pembolehubah tidak bersandar dan

biasanya disebabkan oleh perubahan struktur ekonomi melalui masa. Oleh kerana wujud

masalah multikolinearan, nilai anggaran setiap parameter telah menjadi kurang signifikan dan

ada juga yang berubah menjadi hubungan negatif berlawanan dengan hubungan positif

seperti mana dalam teori ekonomi. Jadi, pendekatan nilai-p digunakan untuk menguji

24

Variable

Level First Difference

InterceptTrend and

InterceptIntercept

Trend and

Intercept

Log (EMP) 1.530155 -2.515092 -4.027345 -4.569272*

Log

(INVESTMEN

T)

1.760353 -0.516805 -4.685949* -4.569272*

Log (LABOUR) 0.880443 -2.744556 -5.684911* -5.701462*

Log (UNEMP) -1.794904 -1.906904 -4.594745* -4.515475*

Log

(UNEMRATE)-3.670170 -1.879326 -3.752077* -3.678124**

Log (GNIC) 2.334058 -1.750821 -3.679322* -7.405114*

Page 25: Analis Punca Kekurangan Tenaga Buruh di Malaysia

keputusan dalam ujian hipotesis khas bagi parameter-parameter ini untuk mengenalpasti

keertiannya dalam model pengeluaran ini.

i. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Pendapatan Negara

Perkapita (GNIC), β1

H0 : β1 = 0

H1 : β1 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 2 : Nilai – p = 0.0000

Keputusan berstatistik : Oleh kerana nilai – p = 0.0008 < α = 0.05, maka H0 dapat ditolak

pada paras keertian α = 5%

Kesimpulan : Jumlah pendapatan perkapita (GNIC) dianggar mempunyai kesan yang bererti

terhadap jumlah guna tenaga (EMP).

ii. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Pelaburan

(INVESTMENT), β2

H0 : β2 = 0

H1 : β2 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 2 : Nilai – p = 0.0274

Keputusan berstatistik : Oleh kerana nilai – p = 0.0870 > α = 0.05, maka H0 tidak dapat

ditolak pada paras keertian α = 5%

Kesimpulan : Jumlah pelaburan (INVESTMENT) tidak dapat mempengaruhi jumlah guna

tenaga (EMP) secara bererti.

25

Page 26: Analis Punca Kekurangan Tenaga Buruh di Malaysia

iii. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Tenaga Buruh

(LABOUR), β3

H0 : β3 = 0

H1 : β3 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 2 : Nilai – p = 0.0000

Keputusan berstatistik : Oleh kerana nilai – p = 0.0000 < α = 0.05, maka H0 dapat ditolak

pada paras keertian α = 5%

Kesimpulan : Jumlah tenaga buruh (LABOUR) dapat mempengaruhi jumlah guna tenaga

(EMP)msecara bererti.

iv. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Pengangguran

(UNEMP), β4

H0 : β4 = 0

H1 : β4 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 2 : Nilai – p = 0.0743

Keputusan berstatistik : Oleh kerana nilai – p = 0.0743 > α = 0.05, maka H0 tidak dapat

ditolak pada paras keertian α = 5%

Kesimpulan : Jumlah pengangguran (UNEMP) dianggarkan tidak dapat mempengaruhi

jumlah guna tenaga (EMP) secara bererti dalam persamaan regresi ini.

v. Ujian Hipotesis Tentang Keertian Koefisien Kadar Pengangguran

(UNEMRATE), β5

26

Page 27: Analis Punca Kekurangan Tenaga Buruh di Malaysia

H0 : β5 = 0

H1 : β5 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 2 : Nilai – p = 0.0999

Keputusan berstatistik : Oleh kerana nilai – p = 0.0999 > α = 0.05, maka H0 tidak dapat

ditolak pada paras keertian α = 5%

Kesimpulan : Kadar Pengangguran (UNEMRATE) dianggar tidak dapat mempengaruhi

jumlah guna tenaga (EMP) secara bererti.

5.2.7 Ujian Autokorelasi

Ujian yang paling biasa digunakan untuk menguji kewujudan autokorelasi peringkat

pertama di antara gangguan-gangguan ialah ujian Durbin-Watson.

Ujian Hipotesis Tentang Statistik Durbin-Watson

Ujian Durbin-Watson bertujuan mengesan sama ada nilai pembolehubah rawak ε pada

suatu siri masa bergantung kepada nilai ε pada masa-masa lepas iaitu masalah autokolerasi

berlaku. Untuk menguji sama ada wujud autokolerasi positif peringkat pertama pada aras

keertian 5%, hipotesis yang dibentuk ialah :

H0 : ρ = 0 (ralat-ralat tiada autokolerasi)

H1 : ρ > 0 (ralat-ralat berautokolerasi positif)

α = 0.05

Statistik ujian yang digunakan ialah Statistik Durbin-Watson,

n

Σ (e t – e t-1)2

t = 2

DW = n

Σ e t 2

t = 1

27

Page 28: Analis Punca Kekurangan Tenaga Buruh di Malaysia

dengan e t = reja pada masa ke-t dan

e t-1 = reja pada masa t-1

Dari sifir Durbin-Watson, pada α = 0.05, n = 31, k = 5,

kita dapat dL = 1.090 dan dU = 1.825

Aturan keputusan :

Terima H0 jika DW > dU = 1.825

Tolak H0 jika DW < dL = 1.090

Tiada keputusan jika dL ≤ DW ≤ dU

Daripada Jadual 2, DW = 1.636853

Keputusan : Oleh kerana DW = 1.636853 < 1.825 maka kita tidak dapat menerima menerima

H0 pada aras keertian 5%.

Kesimpulan : Terdapat bukti yang kukuh menunjukkan bahawa wujud autokolerasi positif

peringkat pertama dalam data.

5.2.8 Ujian LM untuk menguji autokolerasi peringkat pertama.

1.Ujian LM peringkat pertama

DARIPADA JADUAL 3,: Nilai probability = 0.9378

Oleh sebab nilai probability = 0.9378 > 0.05, maka ini menunjukkann tiada autokorelasi

berlaku pada peringkat pertama.

2.Ujian LM peringkat kedua

DARIPADA JADUAL 3, : Nilai probability = 0.6657. Oleh sebab nilai probability =

0.6657 > 0.05, maka ini menunjukkan tiada masalah autokorelasi timbul pada peringkat

kedua.

28

Page 29: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.2.9 NEWEY WEST

Bagi mengatasi Masalah Autokolerasi, kita perlu melakukan Newey West test.

Pembolehubah tak bersandar t-Statistic (ORIGINAL)t-statistik (Newey West

Test)

C 4.415257 5.503579

Log(GNIC) 3.831984 3.127225

Log(INVESTMENT) 1.776765 4.100462

Log(LABOUR) 5.408980 5.156111

Log(UNEMP) 1.862601 1.500184

Log(UNEMRATE) -1.708472 -1.853340

Jadual menunjukkan perubahan yang berlak kepada t-statistik asal selepas Newey West Test

dilakukan. Semua pemboleh ubah tak bersandar menunjukkan penurunan dalam nilai statistik

t kecuali pemboleh ubah tak bersandar INVESTMENT yang menunjukkan peningkatan.

5.2.10 Ujian Heteroskedastisiti (White Test)

R2 = 0.700032 dan n = 31, Ujian Heteroskedastisiti pada aras 5%

H0 : λ1 = λ2 = λ3 = λ4 = λ5= λ6= λ7 = λ8 = λ9= λ10= λ11= λ12 = λ13 = λ14 = λ15

= λ10= λ11= λ12= λ13

= λ14 = λ15 = λ16= λ17= λ18= λ19 =λ20 = 0 (ralat homoskedastik)

H1 : Ralat Heterokedastik

Di bawah hipotesis nol bahawa tiada heteroskedastisiti, nilai statistik Ujian White mengikut

taburan Khi-kuasa dua dengan darjah kebebasan 5% adalah:

Nilai genting : X2v, α = X2

5 , 0.05 = 11.070

Aturan keputusan : Tolak H0 jika nR2 > X2 5, 0.05

Di bawah H0 benar;

nR2 = 31 (0.995751) = 30.868281

Keputusan : Oleh kerana nR2 = 30.868281 >11.071 , maka H0 dapat ditolak pada aras

keertian 5%

Kesimpulan : Wujud masalah heteroskedastisiti wujud dalam model ini

29

Page 30: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Untuk mengatasi masalah heteroskedastisiti, kita akan melakukan ujian White

Heteroskedastisiti Jadual 5 seterusnya membandingkan nilai statistik – t yang asal dengan

nilai statistik t yang telah melalui ujian ini

Pembolehubah tak bersandar t-Statistic (ORIGINAL)t-statistik (Newey West

Test)

C 4.415257 6.416939

Log(GNIC) 3.831984 3.055894

Log(INVESTMENT) 1.776765 3.116398

Log(LABOUR) 5.408980 6.001851

Log(UNEMP) 1.862601 1.624176

Log(UNEMRATE) -1.708472 -1.548073

Jadual menunjukkan perubahan yang berlaku kepada statistik t asal selepas White

Heteroskedasticity test dilakukan. INVESTMENT, LABOUR, UNEMRATE menunjukkan

peningkatan dalam nilai statistik t manakala GNIC, UNEMP menunjukkan penurunan nilai

statistik t.

5.2.11 Ujian Multikolinearan

Multikolinearan ialah suatu masalah darjah korelasi. Jika darjah korelasi rendah, maka tidak

wujud masalah multikolinearan. Sebaliknya jika darjah korelasi tinggi (≥0.8) maka akan wujud

multikolinearan.

Multikolinearan adalah satu kaedah apabila terdapat hubungan yang linear (ataupun hampir

linear) antara pembolehubah bersandar. Jika sesuatu pembolehubah peramal mempunyai hubungan

yang tepat dengan pembolehubah peramal yang lain yang pekali korelasinya adalah 1, maka kita tidak

dapat menentukan parameter yang sehubungan dengannya. Oleh itu, kaedah kuasa dua terkecil gagal

untuk mendapat nilai parameter tadi.

Regresikan setiap pembolehubah tidak bersandar β j ( j= 1,2,3,4....,k) atau pembolehubah

tidak bersandar yang disyaki mempunyai hubungan linear yang kukuh dengan pembolehubah tidak

30

Page 31: Analis Punca Kekurangan Tenaga Buruh di Malaysia

bersandar yang lain dalam model dan hitung pekali penentuannya R j

2

. Kemudian uji hipotesis H 0 :

R j

2

= 0. dengan ujian F.

Statistik ujian F ialah F =

R2

/k

(1−R2

)−(n−k−1) dengan n = bilangan cerapan dan k =

bilangan pembolehubah tidak bersandar dalam model. Jika keputusan ujian F signifikan, maka

pembolehubah β j itu mempunyai korelasi yang tinggi dengan pembolehubah tidak bersandar yang

lain.

Cara mengesahkan Multikolinearan :

1. NILAI VIF

Untuk mengesahkan mewujudan masalah multikolinearan, nilai VIF dihitung dan dianalisis.

Semua nilai R squared diringkaskan dan dimasukkan kedalam jadual dibawah.

Pembolehubah tak

bersandar

R Squared = (1) 1 - (1)= (2) 1/(2)

Log(GNIC) 0.977936 0.022064 45.3227

Log(INVESTMENT) 0.915999 0.084001 11.9046

Log(LABOUR) 0.983027 0.016973 58.9171

Log(UNEMP) 0.662580 0.33742 2.9637

Log(UNEMRATE) 0.795249 0.204751 4..8840

Sila rujuk Jadual 6

2. Colleration Test

Kesemua pembolehubah tak bersandar mempunyai nilai (≥0.8) kecuali bagi semua hubungan

bagi UNEMRATE dan UNEMP. Ini bermaksud GNIC, INVESTMENT, dan LABOUR mempunyai

masalah multikolinearan.

Keputusan : Kesemua ujian Colleration Test dan Nilai VIF menunjukkan semua mempunyai masalah

multikolineran kecuali UNEMP dan UNEMRATE.

Langkah-langkah Mengatasi Masalah Multikolinearan

1. Menggugurkan pembolehubah Xj yang menjadi punca multikolinearan dari model bukan

langkah yang bijak sekiranya pembolehubah tersebut adalah pembolehubah penjelas yang

penting bagi Y kerana ini boleh menyebabkan ralat spesifikasi dan parameter-parameter yang

dianggarkan dari model terturun akan menjadi pincang dan nilai R2 terlaras akan turun.

31

Page 32: Analis Punca Kekurangan Tenaga Buruh di Malaysia

2. Memperoleh data tambahan atau sampel baru. Masalah multikolinearan ini boleh dikurangkan

dengan cara tambahan data atau sampel baru.

3. Memikirkan semula model. Mungkin penyelidik tertinggal pembolehubah yang penting atau

mungkin tersalah pilih bentuk fungsian model.

4. Mentransformasi pembolehubah-pembolehubah asal dalam model kepada asas per kapita,

benar ataupun tukar kepada bentuk logaritma.

5.3 Analisis Model Terbatas

Untuk melihat sama ada pembolehubah patut digugurkan atau tidak, kita akan melihat nilai t

statistik (original). Jika dapat menolak H nol, maka pembolehubah tersebut adalah signifikan dan

tidak perlu digugurkan daripada model.

Pembolehubah tak

bersandarT statistik original Nilai F genting = 1.7081

Log(GNIC) 4.415257 Signifikan

Log(INVESTMENT) 3.831984 Tidak Signifikan

Log(LABOUR) 1.776765 Signifikan

Log(UNEMP) 5.408980 Tidak Signifikan

Log(UNEMRATE) 1.862601 Tidak Signifikan

Oleh itu, pemboleh ubah yang perlu digugurkan adalah INVESTMENT, UNEMP dan

UNEMRATE. Pemboleh ubah yang akan dimaskkan ke dalam model terbatas adalah GNIC

dan LABOUR.

5.3.1 Ujian Wald Test

Setelah menjalankan ujian ke atas 5 pemboleh ubah tak bersandar, faktor GNIC dan

LABOUR adalah signifikan dan mempunyai hubungan dengan jumlah guna tenaga. Namun

pemboleh ubah tak bersandar INVESTMENT, UNEMP dan UNEMRATE adalah tidak

signifikan dalam mempengaruhi pemboleh ubah bersandar. Oleh itu, untuk melihat sama ada

pemboleh ubah tak bersandar INVESTMENT, UNEMP dan UNEMRATE benar-benar dapat

digugurkan daripada model ini atau tidak, Ujian Wald (Ujian F) akan dijalankan ke atas

setiap pemboleh ubah tak bersandar tersebut :

Untuk menguji keertian pembolehubah INVESTMENT, kita membentuk hipotesis berikut :

32

Page 33: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Langkah 1: Nyatakan hipotesis nol dan hipotesis alternatif

Ho: β3 = 0

H1: β3 ≠ 0

Langkah 2: Nyatakan aras keertian

Aras keertian, α = 0.05

Langkah 3: Pilih statistik ujian yang sesuai digunakan

Statistik ujian yang sesuai digunakan untuk menguji hipotesis di atas ialah:

(R²U – R²R) / (k – m)

F = ~ F dengan darjah kebebasan (k – m) dan (n – k – 1)

(1 – R²U) / (n – k – 1)

di mana,

R²U = pekali penentuan dalam model regresi tak terbatas

R²R = pekali penentuan dalam model regresi terbatas

k – m = bilangan batasan / konstren yang dikenakan terhadap model regresi terbatas

n = bilangan cerapan

n – k – 1 = darjah kebebasan dalam model regresi tak terbatas

Langkah 4: Tentukan nilai genting

V1 = 5 – 3 = 2 V2 = n-k-1 = 31-5-1 = 25

Nilai genting: Fα, k-m, n-k-1 = F 0.05, 2, 25

33

Page 34: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Dari sifir F, nilai genting = 3.38

Langkah 5: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 3.38

Langkah 6: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar, dari Jadual 7, Ujian Wald, F = 3.156893

Langkah 7: Membuat keputusan statistik

Keputusan : Oleh kerana F = 3.156893 < 3.34, maka kita dapat menolak Ho pada aras

keertian 5%.

Langkah 8: Membuat kesimpulan

Kesimpulan: Ini menunjukkan bahawa pembolehubah tak bersandar INVESTMENT

mempunyai hubungan tidak langsung dengan pembolehubah bersandar EMP. Jadi,

INVESTMENT perlu digugurkan.

Untuk menguji keertian pembolehubah UNEMP, kita membentuk hipotesis berikut :

Langkah 1: Nyatakan hipotesis nol dan hipotesis alternatif

Ho: β3 = 0

H1: β3 ≠ 0

Langkah 2: Nyatakan aras keertian

Aras keertian, α = 0.05

Langkah 3: Pilih statistik ujian yang sesuai digunakan

Statistik ujian yang sesuai digunakan untuk menguji hipotesis di atas ialah:

(R²U – R²R) / (k – m)

F = ~ F dengan darjah kebebasan (k – m) dan (n – k – 1)

(1 – R²U) / (n – k – 1)

di mana,

R²U = pekali penentuan dalam model regresi tak terbatas

34

Page 35: Analis Punca Kekurangan Tenaga Buruh di Malaysia

R²R = pekali penentuan dalam model regresi terbatas

k – m = bilangan batasan / konstren yang dikenakan terhadap model regresi terbatas

n = bilangan cerapan

n – k – 1 = darjah kebebasan dalam model regresi tak terbatas

Langkah 4: Tentukan nilai genting

V1 = 5 – 3 = 2 V2 = n-k-1 = 31-5-1 = 25

Nilai genting: Fα, k-m, n-k-1 = F 0.05, 2, 25

Dari sifir F, nilai genting = 3.38

Langkah 5: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 3.38

Langkah 6: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar, dari Jadual 7, Ujian Wald, F = 3.469284

Langkah 7: Membuat keputusan statistik

Keputusan : Oleh kerana F = 3.469284 > 3.34, maka kita dapat menolak Ho pada aras

keertian 5%.

Langkah 8: Membuat kesimpulan

Kesimpulan: Ini menunjukkan bahawa pembolehubah tak bersandar UNEMP mempunyai

hubungan langsung dengan pembolehubah bersandar EMP. Jadi, UNEMP tidak

perlu digugurkan.

Untuk menguji keertian pembolehubah UNEMRATE, kita membentuk hipotesis

berikut :

Langkah 1: Nyatakan hipotesis nol dan hipotesis alternatif

Ho: β3 = 0

H1: β3 ≠ 0

Langkah 2: Nyatakan aras keertian

Aras keertian, α = 0.05

Langkah 3: Pilih statistik ujian yang sesuai digunakan

Statistik ujian yang sesuai digunakan untuk menguji hipotesis di atas ialah:

35

Page 36: Analis Punca Kekurangan Tenaga Buruh di Malaysia

(R²U – R²R) / (k – m)

F = ~ F dengan darjah kebebasan (k – m) dan (n – k – 1)

(1 – R²U) / (n – k – 1)

di mana,

R²U = pekali penentuan dalam model regresi tak terbatas

R²R = pekali penentuan dalam model regresi terbatas

k – m = bilangan batasan / konstren yang dikenakan terhadap model regresi terbatas

n = bilangan cerapan

n – k – 1 = darjah kebebasan dalam model regresi tak terbatas

Langkah 4: Tentukan nilai genting

V1 = 5 – 3 = 2 V2 = n-k-1 = 31-5-1 = 25

Nilai genting: Fα, k-m, n-k-1 = F 0.05, 2, 25

Dari sifir F, nilai genting = 3.38

Langkah 5: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 3.38

Langkah 6: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar, dari Jadual 7, Ujian Wald, F = 2.918877

Langkah 7: Membuat keputusan statistik

Keputusan : Oleh kerana F = 2.918877 < 3.34, maka kita dapat menolak Ho pada aras

keertian 5%.

Langkah 8: Membuat kesimpulan

Kesimpulan: Ini menunjukkan bahawa pembolehubah tak bersandar UNEMRATE tidak

mempunyai hubungan langsung dengan pembolehubah bersandar EMP. Jadi,

UNEMRATE perlu digugurkan.

36

Page 37: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.3.2 Model Terbatas

Keputusan Statistik Deskriptif (Model 2)

Date: 12/25/11 Time: 17:03

Sample: 1980 2010

LOG(EMP) LOG(GNIC) LOG(LABOUR) LOG(UNEMP)

 Mean  8.949103  9.191078  9.020385  5.767241 Median  8.941807  9.265680  9.080687  5.835980 Maximum  9.390660  10.20777  9.410567  6.173369 Minimum  8.535819  8.253488  8.590444  5.199049 Std. Dev.  0.261255  0.629221  0.266939  0.260267 Skewness -0.111787  0.035591 -0.214669 -0.623230 Kurtosis  1.672779  1.675740  1.645080  2.737798

 Jarque-Bera  2.339854  2.271693  2.609345  2.095614 Probability  0.310390  0.321150  0.271261  0.350706

 Sum  277.4222  284.9234  279.6319  178.7845 Sum Sq. Dev.  2.047633  11.87757  2.137691  2.032161

 Observations  31  31  31  31

Jadual (8) : Perangkaan-perangkaan untuk model terbatas (model 2)

Dependent Variable: LOG(EMP)Method: Least SquaresDate: 12/25/11 Time: 22:55Sample: 1980 2010Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.  

C 1.829037 0.447878 4.083788 0.0004LOG(GNIC) 0.147241 0.037107 3.967978 0.0005

LOG(LABOUR) 0.621328 0.088898 6.989218 0.0000LOG(UNEMP) 0.028114 0.015289 1.838844 0.0770

R-squared 0.994956    Mean dependent var 8.949103Adjusted R-squared 0.994396    S.D. dependent var 0.261255S.E. of regression 0.019558    Akaike info criterion -4.910958Sum squared resid 0.010328    Schwarz criterion -4.725927Log likelihood 80.11985    Hannan-Quinn criter. -4.850643F-statistic 1775.371    Durbin-Watson stat 1.641456Prob(F-statistic) 0.000000

37

Page 38: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Estimation Command:=========================LS(COV=WHITE) LOG(EMP) C LOG(GNIC) LOG(LABOUR) LOG(UNEMP)

Estimation Equation:=========================LOG(EMP) = C(1) + C(2)*LOG(GNIC) + C(3)*LOG(LABOUR) + C(4)*LOG(UNEMP)

Substituted Coefficients:=========================LOG(EMP) = 1.82903721054 + 0.147240943266*LOG(GNIC) + 0.62132833358*LOG(LABOUR) + 0.0281143670061*LOG(UNEMP)

5.3.3 Ujian Hipotesis Tentang Pekali Penentuan Berganda

Koefisien penentuan Berganda R2 digunakan untuk menentukan peratusan ubahan dalam

pembolehubah bersandar yang dijelaskan oleh ubahan dalam semua pembolehubah tak bersandar

dalam model regresi. R2 juga digunakan untuk mengukur kebagusan suaian dua persamaan yang

dianggarkan mengandungi bilangan pembolehubah penjelas yang berbeza.

R2 = Ubahan dalam lLog(EMP) yang dijelaskan oleh Log(LABOUR), Log(UNEMP), Log(GNIC),

Jumlah ubahan dalam lLog(EMP)

= SSR

SST

Oleh kerana SST = SSR + SSE

R2 = 1− SSE

SST

Daripada Jadual 8 , R2 = 0.994956

Nilai R2 ini bererti bahawa sebanyak 99.4956% daripada jumlah variasi dalam

pembolehubah bersandar (EMP) dapat dijelaskan oleh pembolehubah tak bersandar (LABOUR, ,

UNEMP, GNIC, ) dan baki 0.50445% daripada variasi dalam pembolehubah bersandar tidak dapat

dijelaskan oleh model regresi. Nilai R2 yang tinggi ini menunjukkan nilai pekali suaian model yang

tinggi kepada data.

38

Page 39: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.3.4 Ujian Hipotesis Tentang Pekali Penentuan Terlaras

Pekali penentuan terlaras, R2 merupakan satu ukuran yang lebik baik bagi

kebagusansuaian model regresi berganda. Ia mengukur peratusan ubahan dalam

pembolehubah bersandar yang boleh dijelaskan oleh model regresi bersandar, dilaraskan

terhadap bilangan peramal dan saiz sampel. R2 digunakan untuk membandingkan dua atau

lebih model regresi yang meramalkan pembolehubah bersandar yang sama tetapi mempunyai

pembolehubah penjelas yang berbeza.

Daripada Jadual 8, R2 terlaras = 0.994956

Nilai R2 ini bermakna bahawa 99.4956% daripada ubahan dalam pembolehubah

bersandar (EMP) dapat dijelaskan oleh pembolehubah tak bersandar selepas mengambilkira

darjah kebebasan.

5.3.5 Ujian Hipotesis Tentang Keertian Keseluruhan Model Regresi

Ujian hipotesis dengan menggunakan teknik ANOVA dijalankan untuk menilaikan

sama ada model regresi yang disuaikan itu sesuai atau tidak secara keseluruhan. Prosedur

ANOVA menguji sama ada terdapat sekurang-kurangnya satu pembolehubah tak bersandar

yang mempunyai hubungan linear dengan pembolehubah bersandar. Sekiranya sesuatu

pembolehubah tak bersandar tiada hubungan dengan pembolehubah bersandar, pekali regresi

βj seharusnya sifar.

Hipotesis nol (H0) menyatakan bahawa semua nilai βj adalah sifar iaitu tiada

hubungan bererti di antara pembolehubah bersandar dan pembolehubah tak bersandar dengan

melawan hipotesis alternatif (H1) yang menyatakan bahawa sekurang-kurangnya terdapat satu

βj bukan sifar iaitu mempunyai hubungan bererti di antara pembolehubah bersandar dan

pembolehubah tak bersandar.

Hipotesis diuji pada aras keertian 5%

Langkah 1: Nyatakan hipotesis nol dan hipotesis alternatif

H0 : β1 = β2 = β3 = β4 = β5 = 0 menentang

H1 : Tidak semua βj = 0 bagi j = 1, 2, 3, 4, 5

39

Page 40: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Langkah 2: Nyatakan aras keertian

Aras keertian, α = 0.05

Langkah 3: Pilih statistik ujian yang sesuai digunakan

Statistik ujian yang sesuai digunakan untuk menguji hipotesis di atas ialah

F =

SSR/kSSE /n−k−1 =

R2 /k(1−R2 )/ (n−k−1 )

bertaburan F dengan darjah kebebasan V1= k dan V2= n-k-1.

Di mana

k = jumlah pembolehubah tak bersandar dalam model (k = 4)

n = tempoh tahun yang diuji (n = 30)

Langkah 4: Tentukan nilai genting

V1 = k = 3 V2 = n-k-1 = 31-3-1=27

Nilai genting: Fα, k, n-k-1 = F 0.05, 4, 27

Dari sifir F, nilai genting = 2.73

Langkah 5: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 2.73

Langkah 6: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar,

Dari Jadual 8 , F = 1775.371

Langkah 7: Membuat keputusan statistik

Keputusan : Oleh kerana F = 1775.371 > 2.60, maka Ho ditolak pada aras keertian 5%.

Langkah 8: Membuat kesimpulan

Kesimpulan : Kita mempunyai 95% keyakinan bahawa sekurang-kurangnya satu

pembolehubah penjelas (iaitu LABOUR,UNEMP,GNIC) mempunyai hubungan dengan

pembolehubah bersandar (EMP).

40

Page 41: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.3.6 Ujian Hipotesis Tentang Pekali Regresi Individu

Pengujian hipotesis tentang koefisien regresi individu yang digun akan ialah ujian f.

Ujian f digunakan untuk mengkaji sama ada sesuatu faktor tertentu mempunyai hubungan

linear dengan pembolehubah bersandar atau tidak.

i. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Pendapatan Negara

Perkapita (GNIC), β1

H0 : β1 = 0

H1 : β1 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 8 : Nilai – p = 0.0005

Keputusan berstatistik : Oleh kerana nilai – p = 0.0005 < α = 0.05, maka H0 dapat ditolak pada paras

keertian α = 5%

Kesimpulan : Jumlah pendapatan perkapita (GNIC) dianggar mempunyai kesan yang bererti terhadap

jumlah guna tenaga (EMP).

ii. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Tenaga Buruh (LABOUR), β3

H0 : β3 = 0

H1 : β3 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 8 : Nilai – p = 0.0000

Keputusan berstatistik : Oleh kerana nilai – p = 0.0000 < α = 0.05, maka H0 dapat ditolak pada paras

keertian α = 5%

Kesimpulan : Jumlah tenaga buruh (LABOUR) dapat mempengaruhi jumlah guna tenaga

(EMP)msecara bererti.

iii. Ujian Hipotesis Tentang Keertian Koefisien Jumlah Pengangguran (UNEMP), β4

41

Page 42: Analis Punca Kekurangan Tenaga Buruh di Malaysia

H0 : β4 = 0

H1 : β4 ≠ 0

Paras keertian α = 0.05

Nilai – p = P (Z > |Z| )

Aturan keputusan : Tolak H0 jika nilai – p < α = 0.05

Terima H0 jika nilai – p ≥ α = 0.05

Daripada Jadual 8 : Nilai – p = 0.1076

Keputusan berstatistik : Oleh kerana nilai – p = 0.0770 > α = 0.05, maka H0 tidak dapat

ditolak pada paras keertian α = 5%

Kesimpulan : Jumlah pengangguran (UNEMP) dianggarkan tidak dapat mempengaruhi

jumlah guna tenaga (EMP) secara bererti dalam persamaan regresi ini.

5.3.7 Ujian Autokorelasi

Ujian yang paling biasa digunakan untuk menguji kewujudan autokorelasi peringkat pertama

di antara gangguan-gangguan ialah ujian Durbin-Watson.

5.3.8 Ujian Hipotesis Tentang Statistik Durbin-Watson

Ujian Durbin-Watson bertujuan mengesan sama ada nilai pembolehubah rawak ε pada suatu

siri masa bergantung kepada nilai ε pada masa-masa lepas iaitu masalah autokolerasi berlaku.

Untuk menguji sama ada wujud autokolerasi positif peringkat pertama pada aras keertian 5%,

hipotesis yang dibentuk ialah :

H0 : ρ = 0 (ralat-ralat tiada autokolerasi)

H1 : ρ > 0 (ralat-ralat berautokolerasi positif)

α = 0.05

Statistik ujian yang digunakan ialah Statistik Durbin-Watson

n

Σ (e t – e t-1)2

t = 2

DW = n

Σ e t 2

t = 1

dengan e t = reja pada masa ke-t dan

42

Page 43: Analis Punca Kekurangan Tenaga Buruh di Malaysia

e t-1 = reja pada masa t-1

Dari sifir Durbin-Watson, pada α = 0.05, n = 31, k = 3,

kita dapat dL = 1.650 dan dU = 1.229

Aturan keputusan :

Terima H0 jika DW > dU = 1.650

Tolak H0 jika DW < dL = 1.229

Tiada keputusan jika dL ≤ DW ≤ dU

Daripada Jadual 8, DW = 1.641465

Keputusan : Oleh kerana DW = 1.641465 < 1.650 maka kita menerima H0 pada aras keertian

5%.

Kesimpulan : Terdapat bukti yang kukuh menunjukkan bahawa wujud autokolerasi positif

peringkat pertama dalam data.

5.3.9 Ujian LM untuk menguji autokolerasi peringkat pertama.

1.Ujian LM peringkat pertama

DARIPADA JADUAL 9,: Nilai probability = 0.6511

Oleh sebab nilai probability = 0.6511 > 0.05, maka ini menunjukkann tiada autokorelasi

berlaku pada peringkat pertama.

43

Page 44: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.3.10 NEWEY WEST TEST

Pembolehubah tak bersandar t-Statistic (ORIGINAL)t-statistik (Newey West

Test)

C 4.083788 3.714423

Log(GNIC) 3.967978 3.176375

Log(LABOUR) 6.989218 5.602211

Log(UNEMP) 1.838844 1.462830

Jadual di atas menunjukkan perubahan yang berlaku kepada t-statistik asal selepas Newey

West Test dilakukan. Kesemua pemboleh ubah tak bersandar GNIC, LABOUR dan UNEMP

menunjukkan penuruhan dalam nilai statistik t.

5.3.11 Ujian Heteroskedastisiti (White Test)

R2 = 0.700032 dan n = 31, Ujian Heteroskedastisiti pada aras 5%

H0 : λ1 = λ2 = λ3 = λ4 = λ5= λ6= λ7 = λ8 = λ9= λ10= λ11= λ12 = λ13 = λ14 = λ15

= λ10= λ11= λ12= λ13 = λ14 = λ15 = λ16= λ17= λ18= λ19 =λ20 = 0 (ralat homoskedastik)

H1 : Ralat Heterokedastik

Di bawah hipotesis nol bahawa tiada heteroskedastisiti, nilai statistik Ujian White mengikut taburan

Khi-kuasa dua dengan darjah kebebasan 5% adalah:

Nilai genting : X2v, α = X2

3 , 0.05 = 7.815

Aturan keputusan : Tolak H0 jika nR2 > X2 5, 0.05

Di bawah H0 benar;

nR2 = 31 (0.994956) = 30.843636

Keputusan : Oleh kerana nR2 = 30.843636 >11.071 , maka H0 dapat ditolak pada aras keertian 5%

Kesimpulan : Wujud masalah heteroskedastisiti wujud dalam model ini

Untuk mengatasi masalah heteroskedastisiti, kita akan melakukan ujian White

Heteroskedastisiti (Jadual 10) seterusnya membandingkan nilai statistik – t yang asal dengan

nilai statistik t yang telah melalui ujian ini:

Pembolehubah tak bersandar t-Statistic (ORIGINAL) t-statistik (White

44

Page 45: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Heteroskedasticity Test)

C 4.083788 4.263905

Log(GNIC) 3.967978 3.570189

Log(LABOUR) 6.989218 6.432583

Log(UNEMP) 1.838844 1.664359

Jadual menunjukkan perubahan yang berlaku kepada statistik t asal selepas White

Heteroskedasticity test dilakukan. INVESTMENT menunjukkan peningkatan dalam nilai

statistik t manakala GNIC, LABOUR and UNEMP menunjukkan penurunan nilai statistik t.

5.3.12 Ujian Multikolinearan

Multikolinearan ialah suatu masalah darjah korelasi. Jika darjah korelasi rendah, maka

tidak wujud masalah multikolinearan. Sebaliknya jika darjah korelasi tinggi (≥0.8) maka akan

wujud multikolinearan.

Multikolinearan adalah satu kaedah apabila terdapat hubungan yang linear (ataupun

hampir linear) antara pembolehubah bersandar. Jika sesuatu pembolehubah peramal

mempunyai hubungan yang tepat dengan pembolehubah peramal yang lain yang pekali

korelasinya adalah 1, maka kita tidak dapat menentukan parameter yang sehubungan

dengannya. Oleh itu, kaedah kuasa dua terkecil gagal untuk mendapat nilai parameter tadi.

Regresikan setiap pembolehubah tidak bersandar β j ( j= 1,2,3,4....,k) atau

pembolehubah tidak bersandar yang disyaki mempunyai hubungan linear yang kukuh dengan

pembolehubah tidak bersandar yang lain dalam model dan hitung pekali penentuannya R j

2

.

Kemudian uji hipotesis H 0 : R j

2

= 0. dengan ujian F.

Statistik ujian F ialah F =

R2

/k

(1−R2

)−(n−k−1) dengan n = bilangan cerapan dan k =

bilangan pembolehubah tidak bersandar dalam model. Jika keputusan ujian F signifikan,

maka pembolehubah β j itu mempunyai korelasi yang tinggi dengan pembolehubah tidak

bersandar yang lain.

45

Page 46: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Cara mengesahkan Multikolinearan :

1. NILAI VIF

Untuk mengesahkan mewujudan masalah multikolinearan, nilai VIF dihitung dan

dianalisis. Semua nilai R squared diringkaskan dan dimasukkan kedalam jadual dibawah.

Pembolehubah tak

bersandar

R Squared = (1) 1 - (1)= (2) 1/(2)

Log(GNIC) 0.976612 0.023388 42.7569

Log(LABOUR) 0.977358 0.022642 44.1657

Log(UNEMP) 0.194769 0.805231 1.24187

Sila rujuk Jadual 11

2. Colleration Test

Kesemua pembolehubah tak bersandar mempunyai nilai (>10) kecuali bagi semua

hubungan bagi UNEMP. Ini bermaksud GNIC, dan LABOUR mempunyai masalah

multikolinearan.

Keputusan : Kesemua ujian Colleration Test dan Nilai VIF menunjukkan semua mempunyai

masalah multikolineran kecuali UNEMP.

Langkah-langkah Mengatasi Masalah Multikolinearan

1. Menggugurkan pembolehubah Xj yang menjadi punca multikolinearan dari model

bukan langkah yang bijak sekiranya pembolehubah tersebut adalah pembolehubah

penjelas yang penting bagi Y kerana ini boleh menyebabkan ralat spesifikasi dan

parameter-parameter yang dianggarkan dari model terturun akan menjadi pincang dan

nilai R2 terlaras akan turun.

2. Memperoleh data tambahan atau sampel baru. Masalah multikolinearan ini boleh

dikurangkan dengan cara tambahan data atau sampel baru.

3. Memikirkan semula model. Mungkin penyelidik tertinggal pembolehubah yang

penting atau mungkin tersalah pilih bentuk fungsian model.

4. Mentransformasi pembolehubah-pembolehubah asal dalam model kepada asas per

kapita, benar ataupun tukar kepada bentuk logaritma.

5. Memperolehi maklumat terlebih dahulu tentang parameter-parameter tertentu.

5.3.13 RAMSEY RESET Test (ujian ralat spesifikasi)

46

Page 47: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Langkah 1: Tentukan nilai genting

V1 = k = 4 V2 = n-k-1 = 31-4-1= 26

Nilai genting: Fα, k, n-k-1 = F 0.05, 3, 27

Dari sifir F, nilai genting = 2.96

Langkah 2: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 2.96

Langkah 3: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar,

Dari Jadual 12, F = 3.444906

Langkah 4: Membuat keputusan statistik

Keputusan : Oleh kerana F = 3.444906 < 2.74, maka Ho diterima pada aras keertian 5%.

Langkah 5: Membuat kesimpulan

Kesimpulan : Kita mempunyai 95% keyakinan bahawa sekurang-kurangnya satu

pembolehubah penjelas (iaitu GNIC,LABOUR dan UNEMP) mempunyai kesan hubungan

dengan pembolehubah bersandar (EMP).

5.3.14 Ujian Chow

Kita boleh menggunakan ujian F bagi menguji sama ada terdapat perubahan struktur dalam

model kita. Untuk menguji tentang perubahan berstruktur dalam parameter, tiga persamaan

regresi dianggarkan: persamaan regresi pertama bagi seluruh tempoh yang dikaji, persamaan

regresi kedua bagi tempoh yang pertama iaitu sebelum perubahan berstuktur berlaku dan

persamaan regresi yang ketiga bagi tempoh kedua iaitu selepas perubahan berstruktur

berlaku.

(SSER – SSE1 – SSE2) / (k + 1)

FC = ~ F dengan darjah kebebasan k + 1 dan n - 2k - 2

(SSE1 + SSE2) / (n – 2k – 2)

di mana,

47

Page 48: Analis Punca Kekurangan Tenaga Buruh di Malaysia

SSER = hasil tambah kuasa dua reja dalam model terbatas/tergembeling (iaitu model

yang dianggarkan menggunakan cerapan-cerapan bagi seluruh tempoh)

SSE1 = hasil tambah kuasa dua reja bagi model yang menggunakan cerapan-cerapan

dalam tempoh pertama sahaja)

SSE2= hasil tambah kuasa dua reja bagi model yang menggunakan cerapan-cerapan

dalam tempoh kedua sahaja.

k = bilangan pembolehubah tak bersandar dalam model

n1 = bilangan cerapan dalam tempoh pertama

n2 = bilangan cerapan dalam tempoh kedua

n = n1+ n2 = bilangan cerapan dalam kedua-dua tempoh

Model Terbatas

LOG(EMP) = 2.32456613983 + 0.152685903917*LOG(GNIC) +

0.00671110556083*LOG(INVESTMENT) + 0.56103309872*LOG(LABOUR) +

0.0166267486075*LOG(UNEMP) + €

Tahun 1970 hingga 1987 = Bilangan eksport koko sebelum perubahan berstruktur

Tahun 1988 hingga 2006 = Bilangan eksport koko selepas perubahan berstruktur

n = bilangan tahun dari tahun 1980 hingga tahun 1995

m = bilangan tahun dari tahun 1996 hingga tahun 2010

H0: α1 = β1, α2 = β2,

(Pekali-pekali regresi bagi kedua-dua tempoh 1980-1995 dan 1996-2010 adalah sama)

H1: α1 ≠ β1, α2 ≠ β2

(Pekali-pekali regresi bagi kedua-dua tempoh 1980-1995 dan 1996-2010 tidak sama)

α = 0.05

Langkah 1: Tentukan nilai genting

Nilai genting F 0.05, 4, 21 = 2.84

Langkah 2: Nyatakan aturan keputusan

Rantau Penolakan: Tolak Ho jika F > 2.84

48

Page 49: Analis Punca Kekurangan Tenaga Buruh di Malaysia

Langkah 3: Hitung nilai statistik ujian di bawah Ho

Di bawah Ho dengan andaian Ho benar,

Dari Jadual 13, F = 9.046448

Langkah 4: Membuat keputusan statistik

Keputusan : Oleh kerana F = 9.046448 > 2.84, maka Ho ditolak pada aras keertian 5%.

Langkah 5: Membuat kesimpulan

Kesimpulannya, ini bermaksud terdapat perubahan struktur antara tahun 1980 – 1995 dan

1996 – 2010.

5.3.15 Ujian Residual Graf

-.06

-.04

-.02

.00

.02

.04

.06

80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

LOG(EMP) Residuals

Bersadarkan graf di atas, kita mendapati bahawa pada tahun 1996-1997 telah menunjukkan

kejatuhan yang mendadak bagi jumlah guna tenaga. Hal ini mngkin disebabkan oleh kemelesetan

ekonomi di Asia Tenggara yang juga mempengaruhi jumlah guna tenaga di Malaysia.

Pada tahun 2008, suatu krisis ekonomi sedunia dikatakan terjadi melihat dari beberapa

peristiwa hingga berlakunya kegawatan ekonomi di seluruh dunia. Ini merangkumi harga minyak

tinggi yang menyebabkan harga makanan tinggi (akibat pergantungan penghasilan makanan pada

petroleum, di samping menggunakan hasil tanaman makanan seperti etanol dan biodiesel sebagai

49

Page 50: Analis Punca Kekurangan Tenaga Buruh di Malaysia

alternatif kepada petroleum) dan inflasi sedunia; krisis kredit teruk yang mengakibatkan lingkupnya

bank-bank pelaburan dan komersil yang besar dan ternama di merata dunia; pengangguran makin

menjadi-jadi; dan kemungkinan kemelesetan sejagat. Akibat daripada kesan kemelesetan dunia ini,

jumlah pengangguran pengangguran di Malaysia juga meningkat menyebabkan penurunan dalam

jumlah guna tenaga juga.

Selepas tahun 2008, jumlah guna tenaga mula meningkat apabila krisi ekonomi dunia kian

pulih. Bersadarkan graf kita dapat melihat peningkatan selepas tahun 2008.

5.3.16 CUSUM

-15

-10

-5

0

5

10

15

86 88 90 92 94 96 98 00 02 04 06 08 10

CUSUM 5% Significance

CUSUM digunakan untuk melihat kestabilan EMP. Merujuk graf, kita dapat melihat bahawa

Jumlah Guna Tenaga menjadi tidak stabil selepas kemelesetan pada tahun 1996-1997 serta pada tahun

2008.

50

Page 51: Analis Punca Kekurangan Tenaga Buruh di Malaysia

5.3.17 CUSUM of Squares

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

86 88 90 92 94 96 98 00 02 04 06 08 10

CUSUM of Squares 5% Significance

Ujian ini dijalankan untuk mengenal pasti sama ada pembolehubah dami perlu atau

tidak ditambah ke dalam model ini. Daripada graf CUSUM di atas, didapati graf terletak di

luar dua garisan selari, maka pembolehubah dami adalah diperlukan.

6.0 KESIMPULAN

Secara kesimpulan, pengetahuan tentang model makroekonomi amat diperlukan

semasa membuat sesuatu perancangan dasar sama ada pada peringkat firma atau peringkat

negara. Model yang dibentuk dalam penyelidikan ini adalah bertujuan untuk membentuk

dasar atau polisi-polisi yang berkesan untuk meningkatkan atau menstabilkan jumlah guna

tenaga di Malaysia.

Kajian ini merupakan analisis ekonometrik terhadap jumlah eksport koko di Malaysia.

Ekonometrik mempunyai kaitan dengan pengukuran hubungan dalam ekonomi dan

merupakan kombinasi teori ekonomi, matematik dan statistik. Berpandukan kepada teori

ekonomi, sesuatu fungsi ekonomi akan ditukarkan kepada bentuk matematik supaya senang

dianalisis. Kemudian, kaedah ekonometrik digunakan untuk mendapatkan anggaran pekali

hubungan ekonomi dengan data-data yang dikutip

Dalam kajian ini, dua kaedah digunakan untuk mendapatkan model yang terbaik.

Kaedah yang pertama ialah analisis secara statistik di mana model dibentuk dengan cara

51

Page 52: Analis Punca Kekurangan Tenaga Buruh di Malaysia

regresi mudah dan berganda. Kaedah kedua ialah ekonometrik yang berbeza dengan kaedah

regresi. Dalam kaedah ini, analisis bermula dengan membentuk model dan pelbagai ujian

(ujian Durbin-Watson, ujian Wald, ujian LM, ujian Heteroskedastisiti, ujian Breush-Godfrey

dan ujian Chow, dan ujian multikolinearan) dilakukan kemudian untuk menyemak masalah-

masalah yang tidak memenuhi andaian-andaian model.

Cadanga kajian masa hadapan :

1. Adalah baik jika kita membuat rujukan yang mencukupi sebelum

menjalankan penyelidikan bagi mengelakkan masalah ralat spesifikasi

dalam model yang dibentuk.

2. Saya mencadangkan agar kita menggunakan saiz sampel yang besar

supaya hasil kajian menjadi lebih tepat. Hal ini adalah kerana saiz sampel

yang lebih kecil boleh mempengaruhi nilai statistik kajian dan mungkin

tidak dapat mewakili populasi yang besar dengan pantas.

3. Mengumpulkan data dari pelbagai sumber yang berlainan supaya dapat

membuat perbandingan yang wajar dalam membuat keputusan untuk

memilih data secara berkesan dan tepat.

4. Memanjangkan tempoh kajian supaya dapat membuat satu penyelidikan

yang lebih sempurna tanpa tergesa-gesa.

5. Menambahkan lagi hasil kajian atau bahan penyelidikan yang berkaitan

dengan teori-teori sesuatu model supaya memudahkan kita membuat

rujukan.

Oleh itu, objektif kajian telah dicapai iaitu untuk mengkaji pengaruh-pengaruh

pembolehubah tidak bersandar seperti Pendapatan Negara Perkapita, Jumlah Tenaga Buruh,

Jumlah Pelaburan serta Jumlah Pengangguran ke atas Jumlah Guna Tenaga.

52