FAKULTI PERNIAGAAN EKONOMI DAN PEMBANGUNAN SOSIAL

SARJANA MUDA EKONOMI (SUMBER ALAM) DENGAN KEPUJIAN

EKONOMETRIK I

SEMESTER I SESI 2022/2023

NAMA PENSYARAH: DR MUHAMMAD

TAJUK: KESAN TAK LANGSUNG PENYAKIT COVID-19 TERHADAP SOSIAL DAN

EKONOMI

DISEDIAKAN OLEH;

NAMA PELAJAR NOMBOR MATRIK

SITI S61

NUR S62

MOHAMMAD S64
 KANDUNGAN

BIL. PERKARA MUKA SURAT

1.0 PENGENALAN

2.0 KAJIAN LEPAS

3.0 METODOLOGI KAJIAN

3.1 Model empirikal (matematik dan ekonometrik)
3.2 Sumber Data
3.3 Kaedah Analisis
3.3.1 Deskriptif statistik
3.3.2 Korelasi
3.3.3 Ordinary Least Square (OLS)
3.3.4 Diagnostik Checking
3.3.4.1 Multikollineariti
3.3.4.2 Heteroskedastisiti
3.3.4.3 Autokorelisasi

4.0 ANALISIS HASIL PENGANGGARAN

4.1 Deskriptif statistik
4.2 Graf
4.3 Ordinary Least Square Regression (OLS)
4.4 Diagnostic checking

5.0 KESIMPULAN DAN CADANGAN

6.0 RUJUKAN
1.0 PENGENALAN

Pembangunan struktur ekonomi merujuk kepada gabungan pelbagai sektor ekonomi yang
menyumbang kepada pendapatan negara dan guna tenaga negara. Sektor ekonomi Malaysia
terbahagi kepada tiga sektor utama iaitu sektor utama, sektor kedua, dan sektor ketiga. Sektor
utama terdiri daripada pertanian, perikanan, penternakan, perhutanan dan perlombongan. Sektor
kedua di Malaysia pula terdiri daripada pembinaan dan pembuatan yang melibatkan aktiviti
pemprosesan bahan mentah daripada sektor utama. Bagi sektor ketiga pula melibatkan sektor
perkhidmatan. Memberi sokongan supaya aktiviti ekonomi berjalan lancar. Menurut laporan
Tinjauan Ekonomi 2020, sektor ekonomi memainkan peranan penting dalam memacu
pertumbuhan ekonomi negara. Contohnya, sektor pembuatan merupakan tunjang kepada
pertumbuhan ekonomi negara. Sektor pembuatan khususnya industri pengeluaran berkapasiti
tinggi dan pintar perlu diutamakan bagi meningkatkan rantaian nilai di samping mengukuhkan
daya saing di peringkat antarabangsa.

Dalam tempoh Rancangan Malaysia Ke-12 (RMK-12), kerajaan telah merangka beberapa
strategi ketika negara berdepan cabaran akibat Covid-19. Strategi dirangka mengambil kira
setiap harapan dan keperluan setiap rakyat dalam Keluarga Malaysia. Matlamat Keluarga
Malaysia yang makmur, inklusif dan mampan bagi bertujuan membolehkan setiap ahli Keluarga
Malaysia tanpa mengira agama, bangsa dan kaum dapat meningkatkan kesejahteraan dan
menikmati taraf hidup yang lebih. Antara tumpuan utama RMK-12 adalah merancakkan
pertumbuhan ekonomi, memperkukuh pemangkin pertumbuhan, meningkatkan kesejahteraan
Keluarga Malaysia dan membasmi kemiskinan tegar. Tumpuan turut diberi untuk merapatkan
jurang pendapatan serta pembangunan antara wilayah, negeri serta antara luar bandar dan bandar.

Menurut Bank Dunia, (2017), Malaysia ialah sebuah negara yang mempunyai struktur
ekonomi yang pelbagai, sistem kewangan yang kukuh, tindak balas kesihatan awam yang
berkesan serta dasar makroekonomi proaktif yang membantu dalam memupuk pertumbuhan dan
pembangunan ekonomi negara. Dengan semua sifat ini, pada tahun 2009 Malaysia melaksanakan
program yang dikenali sebagai “Pemantau Ekonomi Malaysia (MEM)”, yang tujuannya adalah
untuk mencapai analisis dasar yang lebih bermaklumat dan juga membahaskan isu-isu yang
dianggap sebagai cabaran utama ekonomi Malaysia. Pengalaman dengan usahanya untuk
memenuhi pertumbuhan ekonomi yang pesat, mampan dan inklusif.

Tambahan pula, kepentingan kajian ini terletak pada andaian ramai penggubal dasar
ekonomi di Malaysia mempersoalkan kesan sebenar pandemik Covid-19 ke atas ekonomi
Malaysia, cenderung memberi tumpuan kepada pengeluaran, eksport dan import akibat PKP,
gagal memahami bahawa peningkatan kadar kematian yang disebabkan oleh COVID-19 boleh
menyebabkan lebih banyak kemudaratan ekonomi walaupun apabila PKP ditarik balik. Kajian
hasil penyelidikan ini akan memberi cadangan yang akan membantu kerajaan mengurus dan
merombak ekonomi Malaysia bagi memupuk pertumbuhan ekonomi pada era ini serta
mengekalkan kehidupan sihat untuk rakyat walaupun menghadapi cabaran berterusan yang
ditimbulkan oleh Covid-19. wabak pertumbuhan ekonomi Malaysia.

Dalam kajian ini, pengkaji menggariskan dua objektif yang boleh dijadikan landasan dan
panduan semasa menjalankan kajian ini. Objektif pertama adalah untuk menganalisis kesan tidak
langsung pandemik COVID-19 terhadap pertumbuhan ekonomi Malaysia. Objektif kedua adalah
untuk mengkaji kesan tidak langsung pandemik COVID-19 terhadap pertumbuhan sosial
Malaysia.
2.0 SOROTAN KAJIAN LEPAS

Bahagian ini akan membincangkan beberapa sastera berkenaan dengan penyakit

Coronavirus (COVID-19) terhadap ekonomi dan negara. Kajian ini akan mempertimbangkan
teori sains biologi, dan menerima pakai teori penyakit Antoni Van Leeuwenhoek (1677), yang
menjelaskan bagaimana penyakit Coronavirus (COVID-19) berjangkit dan memberi kesan
kepada manusia, secara langsung dan tidak langsung memberi kesan kepada perkembangan
ekonomi. Teori kuman penyakit ini menjelaskan bahawa mikroorganisma wujud dalam udara
yang kita sedut, serta makanan dan air yang kita makan. Mikroorganisma ini dikenali sebagai
kuman atau patogen, dan ia memasuki tubuh manusia melalui makanan dan air yang kita makan.
Penyakit ini disebabkan oleh pertumbuhan dan pembiakan kuman ini dalam perumah.

Peningkatan keupayaan kuman dalam perumah untuk membiak menyebabkan

penyebaran jangkitan tersebut berlaku dengan cepat dari seorang kepada yang lain yang dapat
memberi kesan negatif kepada individu tersebut. Penyakit berjangkit disebabkan oleh kehadiran
mikroorganisma ini dalam persekitaran di mana manusia hidup Louis Pasteur (1860). Pada akhir
tahun 2019, sejenis virus iaitu Novel coronavirus SARS-CoV-2 telah menyebabkan penularan
wabak baharu yang dikenali sebagai coronavirus disease-2019 (dan kemudiannya dikenali
sebagai COVID-19) yang telah merebak secara pesat di seluruh dunia. Pada 11 Mac 2020, wabak
COVID-19 telah diisytiharkan oleh Pertubuhan Kesihatan Sedunia (WHO) sebagai pandemik
(Jabil et al., 2020). Pandemik COVID-19 ini telah melanda Malaysia dengan kes pertama
direkodkan adalah pada 11 Mac 2020 (Arumugam, 2020) manakala kes pertama di Sabah telah
direkodkan di Tawau pada 12 Mac 2020 (Alen Kee, 2020). Kesan Tidak Langsung Penyakit
Coronavirus (COVID-19) di Malaysia kini mengakibatkan pandemik pengangguran dan
pertumbuhan ekonomi.

Pekerjaan merupakan medium utama untuk memperoleh ganjaran kepada manusia bagi
meneruskan kehidupan. Dalam bentuk hubungan timbal balas, tenaga kerja pula menjadi nadi
yang menggerakkan sumber dan mengoperasikan sistem dalam sebuah organisasi. Sumber
manusia dilihat sebagai aset terpenting dalam meningkatkan kualiti perkhidmatan, produktiviti
dan mutu kerja. Pengangguran didefinisikan sebagai suatu keadaan di mana individu yang
tergolong dalam kumpulan tenaga kerja dan ingin mendapatkan pekerjaan tetapi belum
memperolehnya (Bradley, 2003). Pengangguran dikaitkan dengan ketidakseimbangan antara
penawaran tenaga kerja dengan permintaan tenaga kerja. Sebahagian individu yang berjaya
mendapatkan pekerjaan tergolong dalam kumpulan individu yang bekerja, manakala selebihnya
digolongkan sebagai penganggur bagi individu yang tidak berjaya mendapatkan pekerjaan.

Wabak COVID-19 telah mempengaruhi dan memberi impak kepada seluruh dunia secara
mendadak. Robert et al. (2020) menyatakan bahawa untuk melambatkan proses penularan wabak
ini, negara seperti Amerika Syarikat juga telah melaksanakan polisi penjarakan sosial dan
kawalan pergerakan yang ketat di mana polisi ini telah menyebabkan banyak rakyatnya terpaksa
menutup perniagaan dan diberhentikan kerja terutamanya dalam industri yang dianggap bukan
permintaan. Ia telah memberi kesan terhadap ekonomi yang dapat dilihat melalui pergolakan
dalam pasaran saham, lonjakan tuntutan insuran yang disebabkan oleh pengangguran dan
penutupan pelbagai jenis perniagaan di seluruh negara (Robert et al., 2020). Perkara yang sama
turut dinyatakan oleh Pertubuhan Buruh Antarabangsa (International Labor Organization, 2020)
di mana pandemik COVID-19 ini telah menyebabkan pengenalan langkah-langkah sekatan yang
ketat yang memberi kesan terhadap ekonomi global, termasuklah peningkatan kadar
pengangguran di seluruh dunia. Walaupun kawalan pergerakan diperketatkan dan banyak
individu terpaksa tinggal di rumah dan tidak boleh keluar bekerja, namun kajian dari Dingel dan
Neiman (2020) dengan menggunakan data dari maklumbalas terhadap dua tinjauan Jaringan
Maklumat Pekerjaan mendapati bahawa sekitar 37 peratus daripada pekerjaan dapat dilakukan
dari rumah.

Pandemik Covid-19 yang menular ke seluruh pelosok dunia telahpun mengakibatkan

banyak sektor ekonomi dan pekerjaan terjejas. Menurut Alzahrin Alias (2020) lebih 190,000
usahawan wanita yang kebanyakannya terbabit dalam perniagaan mikro dan sektor perkhidmatan
turut terjejas disebabkan pandemik COVID-19. Malah, semasa wabak ini mula menular terdapat
syarikat yang berdepan tempoh sukar sehingga menjejaskan pembayaran gaji dan perkara yang
lebih menakutkan membuatkan ramai pekerja diberhentikan khidmat serta-merta. Di Malaysia,
penularan wabak pandemik ini menjejaskan bukan sahaja terhadap aspek kesihatan bahkan turut
memberikan impak dalam aspek lain termasuk ekonomi, sosial dan kesejahteraan hidup.
Tinjauan literatur oleh Siti Aidah et al. (2020) tentang kesan yang dihadapi oleh usahawan kraf
tradisional skala kecil dalam pelancongan domestik sepanjang tempoh PKP bersetuju bahawa
meskipun penularan wabak COVID-19 masih baharu, namun perancangan dan persediaan yang
lebih proaktif bagi menghadapi wabak dalam industri pelancongan wajar diberikan tumpuan.
Usaha untuk meyakinkan semula masyarakat tentang keselamatan daripada ancaman wabak
COVID-19 amat perlu kerana aspek kebimbangan pelancong terhadap isu jaminan dan
keselamatan di destinasi pelancongan merupakan cabaran utama dalam memulihkan sektor
pelancongan domestik.

Bukan itu sahaja, apabila menyentuh bidang perniagaan dan keusahawanan, peniaga kecil
merupakan salah satu kumpulan yang turut terkesan akibat pandemik COVID-19, lebih-lebih lagi
apabila PKP dilaksanakan. Hujah ini disokong oleh Azman (2020) yang menegaskan di
Malaysia, sektor perniagaan kecil adalah salah satu sektor yang paling terkesan secara langsung
disebabkan oleh perintah kawalan pergerakan. Kajian yang dilakukan oleh Siti Masayu Rosliah
dan Fatimah (2020) mendapati berikutan tindakan arahan penutupan bagi sektor sokongan
seperti peruncitan dan pengangkutan menyebabkan kebanyakan peniaga kecil tidak dapat
beroperasi dan sekaligus menyebabkan mereka hilang punca pendapatan.Menurut Dzulkifli dan
Aling, para usahawan terutamanya usahawan tani telah mengalami ketiadaaan pendapatan harian
akibat rantaian pengagihan yang terjejas disebabkan oleh penutupan operasi sektor sokongan,
ketiadaan pekerja, dan rizab tunai yang merosot (Dzulkifli, 2020; Aling, 2020). Perintah
Kawalan Pergerakan yang dijalankan bukan sahaja memberi kesan kepada pelakuan dan
psikologi manusia seperti kemurungan, gemuruh dan stress (Ghani, 2020), malah turut memberi
impak kepada aktiviti ekonomi lantaran penutupan premis peruncitan dan gangguan rantaian
penghantaran produk dan seterusnya memberi impak kepada para pengusaha industri kecil dan
sederhana di negara kita (Karabag, 2020).

Semakan Bukti Hasanat et al. (2020), dalam kajian mereka bertajuk "The Impact of
Coronavirus (Covid-19) on E-Business in Malaysia," merumuskan bahawa Covid-19 telah
merendahkan pertumbuhan ekonomi di Malaysia dan, akibat daripada penutupan (PKP), import.
dan eksport telah menurun. Di samping itu, Tong dan Gong (2020) menjelaskan, menggunakan
analisis data sekunder, bahawa dalam tempoh seminggu penutupan, 70% daripada PKS
melaporkan penurunan 50% dalam perniagaan mereka dan peningkatan 20% pada perbadanan
ekonomi digital Malaysia.Kajian itu merumuskan bahawa penyertaan dalam ekonomi digital
adalah penting bagi PKS jika mereka ingin terus hidup dan berkembang maju dalam dunia pasca
COVID. Omar et al. (2020) menyiasat "Kesan Perintah Kawalan Pergerakan Covid-19 ke atas
perniagaan PKS dan strategi kelangsungan hidup" menggunakan pendekatan kualitatif yang
dijalankan melalui temu bual berasaskan panggilan telefon dengan 6 pemilik PKS dan mendapati
bahawa perintah kawalan itu mempunyai kesan yang belum ditemui pada PKS di Malaysia.

Selain itu, Hamdan et al. (2021), dalam kajian mereka bertajuk "Krisis pandemik covid-
19 ke atas usahawan mikro di Malaysia: pendekatan impak dan mitigasi," menggunakan analisis
data primer, mencadangkan bahawa wabak COVID-19 memberi kesan negatif kepada usahawan
mikro Malaysia sebagai akibat daripada pelbagai isu kewangan dan gangguan operasi yang
berkaitan dengan penutupan yang bertujuan untuk mengawal kelaziman COVID-19. Kajian itu
mencadangkan strategi pengurangan masalah. Adnan dan Nordin (2021) dalam kajian mereka
yang dikenali sebagai “Bagaimana COVID 19 memberi kesan kepada industri padi Malaysia?
Penggunaan baja hijau merupakan penyelesaian yang berpotensi”, mengeluh bahawa di
Malaysia, pandemik COVID-19 telah menyebabkan daya tahan dalam sektor pertanian dan
Malaysia bergantung kepada 30% import makanan semasa era pandemik yang telah
menyebabkan peningkatan tiga kali ganda makanan seperti beras di Malaysia dan menegaskan
bahawa kerajaan Malaysia harus mengamalkan dasar untuk meningkatkan kemampanan
pengeluaran.
3.0 METODOLOGI

Metodologi adalah analisis teori dan kaedah sistematik yang digunakan untuk suatu
kajian. Ianya meliputi cara, kaedah dan pendekatan yang digunakan untuk mencapai objektif dan
matlamat sesuatu kajian yang dilakukan. Kaedah yang digunakan iaitu deskriptif statistic,
regrasi, korelasi, OLS (ordinary least square regression) dan Diagnostik Checking
(heteroscedasticity, autokorelasi dan multikolineariti).

3.1 Model Empirical (model matematik dan ekonometrik)

Dalam kajian yang dijalankan ini, penggunaan empirical model adalah bertujuan untuk
menafsirkan hubungan yang wujud di antara indeks pengeluaran industri atau industrial
production index (IPI) sebagai pembolehubah bersandar (DV), kadar pengangguran (UR), kes
baru Covid-19 (CI) dan jumlah kematian akibat Covid-19 (CD) sebagai pembolehubah tidak
bersandar (IV). Model untuk IPI dan pembolehubah bebasnya diambil daripada teori fungsi
pengeluaran yang menjelaskan bagaimana output ditentukan sebagai fungsi faktor pengeluaran
yang secara amnya menjelaskan hubungan antara output fizikal proses pengeluaran dan input
(faktor pengeluaran).

Fungsi matematik yang menerangkan hubungan di antara input dan output adalah :

Y = f (K, L, A)

Dimana Y adalah output, K adalah capital, L adalah Labor dan A adalah perubahan teknikal
ataupun penggunaan teknologi. Model matematik yang dinyatakan di atas adalah bertujuan
untuk mengaitkan kadar pengangguran (UR), jangkitan Covid-19 (CI) dan kematian akibat
Covid-19 (CD) sebagai input terhadap hasil yang diperoleh daripada indeks pengeluaran industri
(IPI) sebagai output. Tujuan model ini dibentuk adalah indeks pengeluaran industri amat
bergantung kepada peratusan pertumbuhan ekonomi, bilangan jangkitan dan juga kematian
akibat COVID-19 yang mana bersesuaian dengan penggunaan model matematik di atas
sepertimana dalam pembelajaran mikroekonomi dan makroekonomi.

IPI = f (UR, CI, CD, CI*UR)

Y = industrial production indeks (IPI); K = kadar pengangguran (UR); L = Covid-19 infectious
(CI); A = Covid-19 death (CD)

Mewujudkan model ekonometrik melalui model matematik diatas dimana ;

IPI ❑t= A+ β❑1 UR ❑t + β ❑2 CI ❑t + β ❑3 CD❑t + β❑4 CI∗UR ❑t + μ❑t

Bagi model ekonometrik ini, A = y-intercept, t = masa; ɛ = error term, IPI = Industrial
Production Index, UR= unemployment rate, CI = Covid-19 Infections, and CD = Covid-19
deaths. β1, β2 dan β3 adalah perimeter bagi mengukur kadar bulanan daripada insiden
pembolehubah tak bersandar (IV) tersebut dalam tempoh kajian ini dijalankan iaitu daripada
January 2020 sehingga Oktober 2022. CI*UR dalam fungsi diatas ialah istilah interaktif yang
menjadikan model ini sebagai model interaktif pendaraban (multiplicative interactive model).
Bagi keperluan dasar, kami menganggarkan kesan tidak langsung pandemik Covid-19,
khususnya jangkitannya yang menyebabkan kematian rakyat dalam masyarakat terhadap input
iaitu Indeks Pengeluaran Perindustrian (IPI) yang dijangka mempunyai kesan lebih besar atau
yang lebih rendah. Model interaktif adalah berbeza daripada model linear kerana kesan marginal
dan ralat piawai yang berkaitan dengan model.

3.2 Sumber Data

Sumber data adalah penting bagi setiap kajian dan data yang diperoleh menggunakan sumber
sekunder iaitu daripada beberapa laman sesawang rasmi. Kajian ini menggunakan data sekunder
daripada Jabatan Perangkaan Malaysia (DOSM) dan Our World in Data for Covid cases. Data
yang diperoleh adalah berbentuk siri masa bulanan bermula pada Januari tahun 2020 sehingga
Oktober 2022 dimana kajian dijalankan selama 34 bulan.

Pembolehubah Penerangan Sumber

IPI Indeks Pengeluaran Industri (indeks) Jabatan Perangkaan Malaysia

UR Kadar Pengangguran (%) Jabatan Perangkaan Malaysia

CI Jumlah kes baru Covid-19 (‘000 orang) Our world in data for covid
cases

CD Jumlah Kematian akibat Covid-19 (‘000 Our world in data for covid
 orang) cases

3.3 Kaedah analisis

3.3.1 Deskriptif Statistik

Deskriptif adalah salah satu daripada kaedah kuantitatif yang digunakan dalam penyelidikan
yang mempunyai objektif untuk menilai beberapa ciri populasi atau keadaan tertentu. Deskriptif
yang digunakan iaitu min, varians dan sisihan piawai.

DESKRIPTIF FORMULA

Min ΣX
X=
n
2
Varians 2 Σ ( x−x)
S =
n−1

√
Sisihan Piawai Σ(x −x)2
S=
n−1
Jadual 1 menunjukkan formula deskriptif :

3.3.2 Korelasi

Pengkaji telah menggunakan korelasi pearson dalam analisis kajian ini. Pekali korelasi pearson
ini adalah untuk mengukur kekuatan antara pemboleh ubah yang berbeza hubungannya iaitu
hubungan antara pembolehubah bebas dengan pemboleh ubah bersandar. Kaedah ini baik
dilakukan ketika membuat analisis kerana pengkaji dapat mengetahui seberapa kuatnya
hubungan antara kedua-dua pembolehubah ini. Kaedah ini digunakan untuk mengenal pasti
kesan tak langsung akibat daripada penyakit coronavirus terhadap sosial dan ekonomi.

Pekali korelasi Pearson adalah mempunyai nilai antara -1 dan 1. Antara ciri-ciri pekali korelasi
adalah seperti berikut:
 I. Sekiranya pekali korelasi adalah -1, ini menunjukkan hubungan negatif yang
kuat. Ini membayangkan hubungan negatif yang sempurna antara pemboleh
ubah.

II. Sekiranya pekali korelasi adalah 0, ini menunjukkan kedua-dua pembolehubah

adalah tidak berhubung.

III. Sekiranya pekali korelasi adalah 1, ini menunjukkan hubungan positif yang
kuat. Ini menunjukkan hubungan positif yang sempurna antara kedua-dua
pemboleh ubah.

3.3.3 Ordinary Least Square Regression (OLS)

OLS atau ordinary least square regression merupakan satu kaedah yang terdapat dalam regrasi
berganda dimana dapat menganggarkan hubungan di antara satu atau lebih pembolehubah tak
bersandar dengan pembolehubah bersandar. Kaedah ini digunakan untuk meminimumkan jumlah
kuadrat kesalahan dengan menganggar suatu garis regresi. Menurut teori Gauss Markov,
menyatakan bahawa jika model regresi linear memenuhi andaian klasik, maka OLS akan
menghasilkan anggaran tidak berat sebelah linear terbaik (BLUE) yang mempunyai varians
terkecil dari semua penganggar linear yang mungkin. BLUE yang bermaksud terbaik (best),
linear, tidak berat sebelah (unbiased) dan penganggar (estimator). Untuk kesahihan anggaran
OLS, terdapat andaian yang dibuat semasa menjalankan model regresi linear.

I. Model regresi linear ialah "linear dalam parameter."

II. Terdapat pensampelan pemerhatian rawak.
III. Min bersyarat mestilah sifar.
IV. Tiada multicollinearity (atau collinearity sempurna)
V. Kesalahan sfera: Terdapat homoscedasticity dan tiada korelasi automatik
VI. Andaian Pilihan: Terma ralat biasanya harus diedarkan.

Andaian ini sangat penting kerana pelanggaran mana-mana andaian ini akan membuat anggaran
OLS tidak boleh dipercayai dan tidak betul. Khususnya, pelanggaran akan mengakibatkan
penganggaran OLS yang salah, atau varians anggaran OLS tidak boleh dipercayai, yang
membawa kepada selang keyakinan (confidence intervals) yang terlalu luas atau terlalu sempit.
 3.3.4 Diagnostik check

Pengujian diagnostik ialah pengujian yang dilakukan untuk mengetahui kelemahan-kelemahan

model dan mengenalpasti punca dan faktor-faktor berlakunya isu terhadap sesuatu model. Ia
dapat dilakukan dengan menggunakan alat yang sesuai untuk menguji suatu model tersebut. Di
dalam kajian ini, pengkaji menggunakan kaedah autokorelasi, multikolineariti dan
heteroskedastisiti.

3.3.4.1 Multikollineariti

Multikolineariti adalah situasi yang menunjukkan korelasi atau hubungan yang kuat antara dua
atau lebih pembolehubah tidak bersandar dalam model regresi berganda. Multikolineariti
membawa kepada variasi pekali tinggi yang dapat mengurangkan ketepatan dan boleh
mengakibatkan pekali muncul dengan tanda anggaran yang salah. Oleh itu, multicollinearity
adalah masalah serius yang perlu dielakkan. Untuk pengujian multikollineariti, ianya dilihat
berdasarkan nilai Centered Variance Inflation Factor (VIF). Tujuan VIF adalah untuk mengukur
kesan kolineariti antara pembolehubah. Sekiranya nilai centered VIF melebihi 10, maka
pembolehubah tersebut mempunyai masalah multikolineariti. Model regresi yang dirujuk dalam
kes ini termasuk: regresi linear, regresi logistik, regresi data panel dan regresi cox.

Y ❑i=¿ β ❑1+ β ❑2 X ❑2 i+ β ❑3 X ❑3 i+ μ ❑i

3.3.4.2 Heteroskedastisiti

Heteroskedastisiti adalah corak sistematik dalam kesalahan di mana variasi kesalahan adalah
tidak tetap. Ordinary least squares menganggap bahawa semua pemerhatian dipercayai sama.
Selain itu juga, Hetero bermaksud ‘pelbagai’. Skedastisiti bermaksud ‘varians’ (serakan atau
taburan). Heteroskedastisiti bermaksud terdapat pelbagai varians (serakan atau taburan) dalam
sesuatu model ekonometrik sedangkan varians seharusnya tetap (tidak berubah). Jika varians
adalah tetap (tidak berubah) ia dipanggil sebagai homoskedastisiti, homo bermaksud ‘sama’.
Oleh itu, homoskedastisiti bermaksud ‘serakan varians adalah sama (tetap). Bagi pengujian
heteroskedastisiti, kita menggunakan kaedah Breusch-Pagan-Godfrey (BPG).

❑2 2 ❑2
Var (U ❑i )=σ ❑i atau E (U ❑i )=σ ❑i

Hipotesis bagi heteroskedastisiti ialah;

H 0 : Tiada masalah heteroskedastisiti

H 1 : Ada masalah heteroskedastisiti

Kebarangkalian < α (0.05) = H 0 ditolak, H 1 diterima

Kebarangkalian > α (0.05) = H 0 diterima, H 1 ditolak

3.3.4.3 Autokorelasi

Autokorelasi adalah corak sistematik dalam kesalahan yang boleh menarik autokorelasi menarik
positif atau menghalau negatif. Untuk kecekapan anggaran atau ramalan tepat, semua maklumat
sistematik perlu dimasukkan ke dalam model regresi. Selain itu, autokorelasi juga korelasi yang
terjadi antara pemerhatian dalam satu pembolehubah. Secara umumnya, banyak kes autokorelasi
berlaku dalam data siri masa, bermakna keadaan semasa dipengaruhi oleh masa lalu. Oleh itu,
dalam analisis data siri masa, isu autokorelasi menjadi pusat perhatian.

COV (Ui, Uj) ≠ 0

Or E (Ui, Uj) ≠ 0

Pengujian yang digunakan ialah pengujian Durbin-Watson.

Hipotesis:

H 0 : Tiada masalah autokorelasi

H 1 : Ada masalah autokorelasi

dL > d > dU = H 0 ditolak, H 1 diterima

dL < d < dU = H 0 diterima, H 1 diterima

4.0 HASIL KAJIAN DAN PERBINCANGAN

4.1 Deskriptif statistik

IPI UR CI CD CI*UR

Mean 3.883 4.338 144208.000 1073.176 623952.100

Median 3.250 4.500 62703.000 176.500 259476.600

Maximum 50.100 5.300 759183.000 9671.000 3112650.000

Minimum -32.000 3.200 8.000 0.000 25.600

Standard 12.601 0.526 195978.800 2143.400 848799.600

Deviation

Skewness 0.732 -0.439 1.837 2.895 1.780

Kurtosis 8.574 2.249 5.428 10.967 5.091

Jadual di atas adalah berkenaan dengan nilai min, median, nilai maksimum dan
minimum, sisihan piawai, kecondongan serta kurtosis bagi pemboleh ubah bersandar iaitu
Indeks Pengeluaran Perindustrian (IPI) dan bagi pemboleh ubah tidak bersandar iaitu kadar
pengangguran (UR), kes baru Covid-19 (CI), jumlah kematian akibat Covid-19 (CD), dan
pembolehubah bersyarat iaitu jumlah pendaraban antara CI dengan UR di Malaysia berdasarkan
data daripada Januari 2020 hingga Oktober 2022. Daripada hasil yang diperoleh, min dan median
bagi pembolehubah CI adalah lebih besar berbanding pembolehubah lain, IPI,UR, dan CD iaitu
dicatatkan sebanyak 144208.000 dan 62703.000 dan juga mempunyai nilai sisihan piawai
terbesar sebanyak 195978.800 . Didapati bagi pembolehubah UR, nilai min adalah lebih kecil
berbanding nilai median yang menyebabkan nilai kecondongan yang diperoleh adalah bernilai
negatif iaitu sebanyak -0.439 berbanding pembolehubah yang lain yang mana mempunyai nilai
kecondongan positif disebabkan nilai min adalah melebihi nilai median. Sisihan piawai bagi UR
dicatatkan sebanyak 0.526.
4.2 Graf

Graf di atas adalah berkenaan dengan pembolehubah-pembolehubah yang terdapat dalam

model ekonometrik kajian ini. Pembolehubah yang terlibat adalah Indeks Pengeluaran
Perindustrian (IPI), kadar pengangguran (UR), kes baru Covid-19 (CI), dan jumlah kematian
akibat Covid-19 (CD). Graf bagi IPI menunjukkan trend peningkatan dan penurunan yang
mendadak dari bulan Mac ke bulan April dan penurunan mendadak dari April hingga Jun. Trend
bagi pembolehubah UR pula menunjukkan penurunan berterusan bermula dari bulan Julai 2021
hingga Oktober 2022. Selain itu, bagi pembolehubah CI pula, graf menunjukkan trend turun naik
yang agak ketara bermula dari bulan Ogos 2021 hingga bulan April 2022. Seterusnya ialah
mengenai pembolehubah CD yang mana ianya menunjukkan trend stabil pada awalnya sebelum
mengalami peningkatan yang mendadak pada bulan Ogos 2022.

4.3 Ordinary Least Square Regression (OLS)

Variable Coefficient Standard error t-statistic probability

UR -8.177 4.952 -1.651 0.110

CI -7.73E-05 0.000233 -0.332 0.742

CD -0.000893 0.002327 -0.384 0.704

CI*UR 2.02E-05 5.69E-05 0.355 0.725

C 38.864 21.616 1.798 0.0826

R-squared 0.105

Nilai 0 hingga 0.01 adalah signifikan pada 1% ***

Nilai 0.01 hingga 0.05 adalah signifikan pada 5% **
Nilai 0.05 hingga 0.10 signifikan pada 10% *
Nilai melebihi 0.10 tidak signifikan

Berdasarkan jadual di atas, persamaan regresi yang digunakan adalah IPI = A + β1URt +
β2CIt + β3CDt + β4CI*UR + ɛt. Pembolehubah bersandar adalah pembolehubah yang
bergantung pada pembolehubah tidak bersandar. Melalui penilaian yang diperoleh ini, pemboleh
ubah bagi UR dan CI menunjukkan hubungan negatif dengan pembolehubah bersandar, IPI dan
hubungan tersebut adalah tidak signifikan kerana kebarangkalian yang diperoleh bagi kedua-dua
pembolehubah adalah melebihi 0.10. Bagi pembolehubah CD atau kematian Covid-19,
berhubungan secara positif dengan IPI tetapi masih tidak signifikan disebabkan nilai
kebarangkalian yang diperoleh melebihi 0.10. Tetapi bagi pembolehubah constant ( C )
berhubungan secara positif dengan IPI dan mempunyai kebarangkalian yang signifikan pada
10%. Manakala bagi pembolehubah interaktif seperti CI*UR adalah berhubungan secara positif
dengan IPI tetapi mempunyai nilai kebarangkalian yang tidak signifikan kerana nilai yang
diperoleh adalah melebihi 0.10.

R2 ialah pekali penentuan yang memberitahu kita bahawa berapa peratus variasi
pembolehubah bersandar boleh dijelaskan oleh pembolehubah bebas. Melalui jadual di atas,
10.50 % variasi dalam Y iaitu IPI dapat diterangkan oleh pembolehubah tidak bersandar iaitu
C,UR,CI, CD dan CI*UR.

4.4. Diagnostik check

4.4.1 Multikolineariti

Variable Centered VIF

UR 1.386

CI 423.989

CD 5.078

CI*UR 476.270

C NA

Multikolineariti adalah situasi yang menunjukkan korelasi atau hubungan yang kuat
antara dua atau lebih pembolehubah tidak bersandar dalam model regresi berganda.
Multikolineariti membawa kepada variasi pekali tinggi yang dapat mengurangkan ketepatan dan
boleh mengakibatkan pekali muncul dengan tanda anggaran yang salah. Untuk pengujian
multikollineariti, ianya dilihat berdasarkan nilai Centered Variance Inflation Factor (VIF).
Tujuan VIF adalah untuk mengukur kesan kolineariti antara pembolehubah. Sekiranya nilai
centered VIF melebihi 10, maka pembolehubah tersebut mempunyai masalah multikolineariti.

Berdasarkan keputusan data di atas, didapati bahawa hanya pemboleh ubah UR dan CD
sahaja yang tidak mempunyai masalah multikolineariti. Ini kerana, jumlah centered VIF bagi UR
bernilai kurang daripada 10 iaitu sebanyak 1.386 dan CD sebanyak 5.078. Pembolehubah lain
pula kesemuanya mempunyai masalah multikolineariti di mana bagi pembolehubah CI
mempunyai nilai centered VIF sebanyak 423.989 manakala bagi pembolehubah CI*UR, nilai
centered VIF berjumlah 476.270 .

Untuk mengatasi masalah multikollineariti ini, terdapat dua pilihan penyelesaian. Yang
pertama ialah dengan tidak melakukan apa-apa, kerana tidak mempunyai kawalan ke atas data
yang digunakan. Yang kedua adalah melalui takrifkan semula model dengan mengecualikan
pembolehubah boleh mengurangkan masalah dengan syarat tidak mengecualikan pembolehubah
yang berkaitan.

4.4.2 Heteroskedastisiti

Heteroscedasticity test: Breusch-Pagan-Godfrey

F-statistic 0.401

Prob. F(5,28) 0.807

Jadual di atas adalah berkaitan dengan pengujian heteroskedastisiti. Heteroskedastisiti

adalah corak sistematik dalam kesalahan di mana variasi kesalahan adalah tidak tetap. Ordinary
least squares menganggap bahawa semua pemerhatian dipercayai sama. Bagi pengujian
heteroskedastisiti, kita mennggunakan kaedah Breusch-Pagan-Godfrey (BPG).

Keputusan pengujian menggunakan pengujian Breusch-Pagan-Godfrey (BPG)

menunjukkan nilai kebarangkalian F-statistik lebih besar daripada nilai aras keertian 0.05 dengan
nilai 0.807. Ini menunjukkan ianya tidak significant pada aras keertian 0.05 dan penguji
membuat keputusan untuk menerima hipotesis null dan menolak hipotesis alternate sekali gus
menunjukkan tiada masalah heteroskedastisiti.
4.4.3 Autokorelasi

Durbin-Watson stat 0.852

Jadual di atas menunjukkan pengujian untuk menguji masalah autokorelasi. Autokorelasi

adalah salah satu ujian yang digunakan untuk menentukan penyimpangan daripada andaian, iaitu
korelasi yang berpunca daripada pembolehubah dalam satu pemerhatian dengan pemerhatian
yang lain. Syarat yang harus dipatuhi adalah ketiadaan autokorelasi. Pengujian yang digunakan
ialah pengujian Durbin-Watson.

Berdasarkan keputusan data di atas, dengan menggunakan kaedah Durbin-Watson, untuk

menolak mahupun menerima hipotesis null, penguji melihat kepada nilai upper dan lower pada
jadual Durbin-Watson dan membandingkannya dengan nilai statistik Durbin-Watson.
Berdasarkan jadual keputusan di atas, nilai statistik Durbin-Watson ialah 0.852. Untuk
mengetahui nilai dL dan dU, ianya berdasarkan bilangan pembolehubah tidak bersandar, k ialah
empat iaitu UR, CI, CD,CI*UR dan juga bilangan sampel iaitu sebanyak 34 di mana data yang
digunakan ialah daripada Januari 2020 sehingga Oktober 2022. Berikut merupakan nilai yang
diperolehi daripada jadual Durbin-Watson pada aras keertian 0.05 dimana nilai dL ialah 1.208
dan nilai dU ialah 1.728.

Bilangan sample (n) Bilangan pembolehubah tidak bersandar (k) =4

(Durbin-Watson statistik)

dL dU

33 1.193 1.730

34 1.208 1.728

35 1.222 1.726

Berdasarkan jadual berikut, didapati bahawa nilai statistik Durbin-Watson, 0.852 berada
di antara nilai 1 dengan nilai dL iaitu 1.208. Ini sekaligus menunjukkan terdapatnya masalah
positif autokorelasi dan penguji membuat keputusan untuk menolak hipotesis null. Untuk
mengatasi masalah autokorelasi ini adalah dengan mengkaji pembuangan pembolehubah yang
utama. Cara yang kedua ialah sekiranya tiada lagi pembolehubah yang boleh ditambah, kita
boleh masukkan ARI model iaitu U t + U t −1.
5.0 KESIMPULAN DAN CADANGAN

Kesimpulannya, kajian ini telah meneliti tentang penyakit Coronavirus (COVID-19)

terhadap ekonomi dan negara. Dalam kajian ini pengkaji menggunakan data yang melibatkan
indeks pengeluaran industri (IPI), kadar pengangguran (UR), kes jangkitan Covid-19 (CI) dan
jumlah kematian akibat Covid-19 (CD) untuk menganalisis pengaruh Covid-19 terhadap
ekonomi di Malaysia. Bagi menyelesaikan kajian ini, pengkaji telah menggunakan beberapa
kaedah untuk menjayakan tugasan ini seperti kaedah deskriptif statistic, kaedah graf, ordinary
least square regression (OLS) dan diagnostic check.

Sebagai tambahan, diagnostic checking adalah untuk pengujian yang dilakukan untuk
mengetahui kelemahan-kelemahan model dan mengenalpasti punca berlakunya isu terhadap
model ekonometrik. Di dalam diagnostic check, pengkaji telah menguji masalah multikolineariti,
heteroskedastisiti dan autokorelasi. Multikolineariti merupakan situasi yang menunjukkan
hubungan yang kuat antara dua atau lebih pembolehubah tidak bersandar dalam model regresi
berganda. Heteroskedastisiti adalah corak sistematik dalam kesalahan di mana variasi kesalahan
adalah tetap. Autokorelasi pulak adalah corak sistematik dalam kesalahan yang boleh menarik
autokorelasi menarik positif atau menghalau negative. Hasil kajian multikolineariti menunjukkan
terdapat masalah multikolineariti dalam model ekonometrik ini iaitu CI, CD dan CI*UR
manakalah UR tiada masalah multikolineariti. Seterusnya, hasil kajian heteroskedastisiti
menunjukkan tiada masalah heteroskedastisiti kerana nilai kebarangkalian F-statistik lebih besar
daripada nilai aras keertian dengan nilai 0.807 lebih besar daripada 0.05 dan menyebabkan
pengkaji menerima hipotesis null dan menolak hipotesis alternate. Hasil kajian autokorelasi
menunjukkan terdapat masalah positif autokollineariti kerana nilai statistik Durbin-Watson,
0.852 berada di antara nilai 1 dengan nilai dL iaitu 1.208.

Akhir sekali, walaupun UR, CD dan CI tidak mempunyai hubungan kepada IPI cadangan ini
boleh digunakan untuk memulihkan ekonomi Malaysia. Cadangan dasar yang dapat dilakukan
bagi memulihkan ekonomi Malaysia daripada kesan negatif Covid-19 ialah, kerajaan Malaysia
harus memberi sokongan kewangan yang baik kepada Perusahaan Kecil dan Sederhana (PKS)
untuk merangsang mereka meneruskan operasi perniagaan di negara ini. Ini akan membantu
meningkatkan pekerjaan di Malaysia, justeru sokongan kewangan akan membantu memulihkan
perniagaan yang terpuruk akibat wabak itu. Wang atau insentif yang kerajaan berikan kepada
rakyat harus dihentikan atau dikurangkan, sebaliknya wang itu boleh disalurkan bagi tujuan
sokongan kewangan untuk PKS. Kerajaan mesti melibatkan secara aktif sistem penjagaan
kesihatan swasta di seluruh negara untuk penubuhan atau pemulihan hasil kesihatan yang baik
dengan memberikan mereka lesen untuk menyertai vaksinasi Covid-19 yang sedang dijalankan
di negara ini. Ini akan membantu mempercepatkan proses untuk membawa kembali keadaan
normal pada kadar yang lebih cepat ke seluruh negara dan juga ekonomi. Kerajaan harus
melaksanakan pelan vaksinasi yang cepat dan wajib kepada rakyat dan membenarkan orang
ramai menjalankan perniagaan dan aktiviti harian mereka seperti sediakala. Berada di dalam
rumah untuk tempoh masa yang lama adalah tidak sesuai untuk kesihatan mental rakyat yang
mana ianya boleh membawa kematian kepada rakyat. Selain itu, penvaksinan tidak seharusnya
terhad kepada rakyat Malaysia sahaja tetapi kepada semua penduduk (sama ada pendatang sah
dan tanpa izin) di Malaysia. Kerajaan juga seharusnya menyediakan sistem vaksinasi mudah alih
untuk membantu mereka yang sukar bergerak ke pusat vaksinasi terutamanya bagi golongan tua
untuk merancakkan lagi kadar vaksinasi di negara kita.
RUJUKAN
1. Alen Kee. (2020). First sporadic Covid-19 Case in Sabah , from

https://www.theborneopost.com/2020/03/12/sabah-records-first-covid-19-case-in-tawau

2. Alzahrin Alias. ( 6 April 2020). Covid-19: Lebih 190,000 Usahawan Wanita Terjejas.

Berita Harian

https://www.bharian.com.my/bisnes/lain-lain/2020/04/673623/covid-19-lebih-190000-

usahawan-wanita-terjejas

3. Aling, Y. D. (2020). Bantu kami – Penjaja, MyMetro, 18 Mac 2020, retrieved from

https://www.hmetro.com.my/mutakhir/2020/03/555848/bantu-kami-penjaja

4. Arumugam, T. (12 Mac 2020). First sporadic Covid-19 case in Malaysia , from

https://www.nst.com.my/news/nation/2020/03/573951/first-sporadic-covid-19-case-

malaysia

5. Azman, F. (4 April 2020). Adakah peniaga IKS Malaysia bersedia memasuki ekonomi

digital? Astro Awani. https://www.astroawani.com/berita-malaysia/adakah-peniaga-iks-

malaysia-bersedia-memasuki-ekonomi-digital-236786

6. Bank Dunia dan IMF iktiraf Malaysia. (2017). https://www.bharian.com.my

7. Department of Statistics Malaysia Official Portal. (n.d.). Www.dosm.gov.my. Retrieved

January 5, 2023, from

https://www.dosm.gov.my/v1/index.php?r=column/csearch&search_keyword=industrial

%20production%20index

8. Department of Statistics Malaysia Official Portal. (n.d.). Www.dosm.gov.my.

https://www.dosm.gov.my/v1/index.php?r=column/cthemeByCat&cat=124&bul_id=Y2t

SelYzSFh6Ti9hVGtXM3lwd3kyQT09&menu_id=Tm8zcnRjdVRNWWlpWjRlbmtlaDk

1UT09
9. Dingel, J.I., Neiman, B. (2020). How Many Jobs Can be Done at Home?. Unpublished

manuscript. Etuknwa A, Daniels K, Eib C. (2019). Sustainable return to work: a

systematic review focusing on personal and social factors. J Occup Rehabil, 29(4),679–

700.

10. Dzulkifli, I. (2020). PKP: Peniaga kecil rayu bantuan kerajaan, Daily Express, 23 Mac

2020, retrieved from https://www.dailyexpress.com.my/news/149339/pkp-peniaga-

kecilrayubantuan-kerajaan

11. Firdaus Azil. (2021). RMK-12: Ekonomi negara dijangka berkembang antara 4.5 hingga

5.5 peratus. https://www.astroawani.com

12. Hafizah, N., Ridhwan, M., & Abstrak, S. (n.d.). Malaysian’s Reactions on Movement

Control Order (MCO) during the Covid-19 Pandemic. Akademika, 91(2), 69–78.

https://doi.org/10.17576/akad-2021-9102-06

13. Our World in Data. (2022). Coronavirus (COVID-19) Cases - Statistics and Research.

Our World in Data. https://ourworldindata.org/covid-cases

14. Jabil Mapjabil, Nor-ina Kanyo, Rosazman Hussin, Badariah Ab. Rahman, Abentin

Estim, Datu Razali Datu Eranza, Abdul Hamid Abdul Rahim & Mohd. Halipah Jetendra.

(2020). Implikasi perintah kawalan pergerakan kesan penularan pandemik COVID-19

terhadap kesejahteraan komuniti pulau: Suatu tinjauan literatur. Journal of Islamic,

Social, Economics and Development (JISED),Vol. 5 (32), October 2020, 108-120.

15. Our World in Data. (2022). Coronavirus (COVID-19) Cases - Statistics and Research.

Our World in Data. https://ourworldindata.org/covid-cases

16. Robert, W. F., Kenneth, C., Huanan, Xu. (2020). The Impacts of COVID-19 on Minority

Unemployment: First Evidence from April 2020 CPS Microdata. Unpublished raw data
17. Siti Aidah Lukin @ Lokin, Jabil Mapjabil, Zuraidah Jamrin, Halina Sendera Mohd.

Yakin & Suraya Sintang. (2020). Tinjauan literatur kesan pandemik COVID-19 terhadap

kelangsungan keusahawanan kraf tradisional skala kecil dalam pelancongan domestik di

Sabah. Journal of Islamic, Social, Economics and Development (JISED),Vol. 5 (32),

October 2020, 62-73.

18. Siti Masayu Rosliah Abdul Rashid & Fatimah Hassan. (2020). Amalan dan penglibatan

peniaga kecil melalui perniagaan digital semasa pandemik COVID-19 di Malaysia.

Geografi, Vol.8(2), 1-20.