x : Jumlah nilai variabel x
y : Jumlah nilai variabel y
x
2
: Jumlah pangkat dua nilai variabel x y
2
: Jumlah pangkat dua nilai variabel y N
: Banyaknya sampel Jika r
hitung
≥ r
tabel
, maka kesimpulannya H ditolak.Dengan demikian
terdapat korelasi antara variabel x tata kelola pemerintahan dan variabel y realisasi PMAPMDN.
3.3.1.3.2. Uji Korelasi Spearman
Korelasi Spearman dan Kendall digunakan untuk data dalam jumlah sedikit dan sebarannya tidak normal. Dalam penelitian ini, uji korelasi Spearman
dilakukan untuk melihat korelasi statistik non parametrik, yaitu korelasi pertanyaan survei yang jawabannya berskala ordinal dengan realisasi investasi.
Hipotesis korelasi Spearman adalah : H
μ ρ
1
= 0 H
1
μ ρ
1
≠ 0 Korelasi rank Spearman dapat dihitung dengan rumus sebagai berikut:
r
s
= 1 –
6
��²
2
−1
………………………..γ.3
dimana d
i 2
= [RX
i
– RY]
2
= Jumlah kuadrat selisih variabel X dan Y Jika r
s
≥ r
tabel,
maka maka kesimpulannya H ditolak.Dengan demikian
terdapat korelasi antara variabel x tata kelola pemerintahan dan variabel y realisasi PMAPMDN.
3.3.2.Analisis Regresi Data Panel Statis
Regresi data panel statis digunakan untuk menganalisis pengaruh tata kelola pemerintahan daerah terhadap realisasi investasi PMA dan PMDN. Data
runtut waktu yang digunakan meliputi 2 periode yaitu 2005-2007 dan 2008-2010, sedangkan individunya meliputi 38 kabupatenkota di provinsi Jawa Timur.
Seperti yang telah kita ketahui bersama, pendekatan cross section yang memiliki kelemahan telah memotivasi penggunaan model time series. Akan tetapi
pendekatan time series ternyata juga memiliki kelemahan sehingga muncul perhatian akan penggunaan data panel yaitu menggunakan informasi gabungan
kedua pendekatan tersebut yaitu cross section dan time series. Menurut Baltagi 2006,penggunaan data panel akan memberikan banyak
keuntungan yaitu: 1. Kombinasi data cross section dan time series dalam data panel akan
membuat jumlah observasi menjadi lebih besar. 2. Dapat menunjukkan adanya individual heterogeneity.
3. Dapat memberikan data yang lebih informatif, mengurangi kolinearitas antar peubah, meningkatkan derajat bebas dan lebih efisien.
4. Lebih baik untuk studi dynamics of adjustment. Berkaitan dengan observasi cross section yang berulang maka data panel lebih baik
dalam mempelajari perubahan dinamis. 5. Data panel lebih baik dalam mengidentifikasi dan mengukur efek yang
secara sederhana tidak dapat diatasi dengan data cross section ataupun time series
saja. Selain manfaat tersebut di atas, data panel juga memiliki keterbatasan
yaitu Baltagi, 2006: 1. Masalah desain dan pengumpulan data
Dalam mendesain dan mengumpulkan data panel, seringkali peneliti mengalami masalah dengan ruang lingkup populasi, ketiadaan respon,
responden yang tidak mampu mengingat secara tepat, frekuensi wawancara, jeda wawancara, periode referensi, penggunaan bounding dan
time in sample bias.
2. Distorsi dari kesalahan pengukuran Kesalahan pengukuran dapat timbul karena respon yang disebabkan
pertanyaan yang kurang jelas, kesalahan mengingat, respon gangguan yang tidak disengaja, informan yang tidak sesuai, ketidaktepatan
pencatatan respondan efek pewawancara.Tingkat kesalahan yang dapat ditolerir berbeda-beda, tergantung jenis variabelnya.
3. Masalah selektivitas a. Selektivitas individu
Orang biasanya memilih untuk tidak bekerja karena upah yang didapat saat tidak bekerja misalnya tunjangan pengangguran lebih besar
daripada gaji pekerjaan yang ditawarkan.Dalam kasus ini, kita mengamati karakteristik individunya, dan bukan gajinya. Karena
gajinya tidak diamati,sampel ini menjadi tidak sah. Tetapi, jika kita tidak mengamati seluruh data dari orang-orang ini, sampelnya akan
menjadi sampel terputus. b. Ketiadaan respon
Survei yang menyangkut panel data sering menghadapi masalah ketiadaan respon, baik karena menolak untuk menolak untuk ikut serta
dalam survei, tidak ada orang di rumah, sampel unit yang tidak dapat dilacak. Ketiadaan respon yang bersifat parsial terjadi ketika ada satu
atau beberapa pertanyaan dalam survei tidak terjawab.Sedangkan ketiadaan respon yang bersifat menyeluruh terjadi ketika tidak ada
informasi yang tersedia dari rumah tangga yang dijadikan sampel. Di samping kehilangan efisiensi karena ada data yang tidak lengkap,
ketiadaan respon ini akan dapat memacu masalah identifikasi yang serius dalam parameter populasi. Makin besar tingkat ketiadaan
respon, makin seriuslah masalah identifikasi parameternya. c.
Attrition Ketiadaan respon yang muncul di cross section data,juga menjadi
masalah yang serius di panel data karena beberapa kelompok individu masih tetap tidak ada responnya. Para responden yang diharapkan
mungkin meninggal, pindah domisili atau menganggap biayanya sangat tinggi untuk merespon survei tersebut.
4. Dimensi time series yang pendek Biasanya data panel mikro mencakup data yang rentangnya pendek untuk
setiap individu. 5. Ketergantungan data cross section
Data panel makro untuk negara atau daerah dengan time series yang panjang yang tidak memperhatikan ketergantungan antar daerah akan
menjadi referensi penarikan kesimpulan yang menyesatkan. Oleh karena itu, memperhitungkan ketergantungan data cross section ini harus
dipertimbangkan dengan mencari test akar unit alternatif. Secara umum dengan menggunakan data panel akan menghasilkan
intersep dan slope koefisien yang berbeda pada setiap observasi dan pada setiap periode waktu, sehingga dalam mengestimasi akan muncul beberapa
kemungkinan tentang asumsi intersep dan slope koefisien yaitu: 1. Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan
individu. Perbedaan intersep dijelaskan oleh variabel gangguan. 2. Diasumsikan slope adalah tetap tetapi intersep berbeda antar individu.
3. Diasumsikan slope tetap tapi intersep berbeda baik antar waktu maupun antar individu.
4. Diasumsikan intersep dan slope berbeda antar individu. 5. Diasumsikan intersep dan slope berbeda antar waktu dan antar
individu.
Secara umum terdapat dua pendekatan dalam metode data panel yaitu Fixed Effects Model FEM
dan Random Effects Model REM. Perbedaan keduanya adalah berdasarkan ada atau tidaknya korelasi antar komponen error
dengan peubah bebas. Misalkan persamaan regresi data panel sebagai berikut
………………..γ.4 dimana y
it
: nilai dependent variable untuk setiap unit individu i pada periode t αi μ unobserved heterogeneity
