PMA Berdasarkan Lapangan Usaha dan PDB Yang Tercakup Dalam Penelitian
Tabel 2. PMA Berdasarkan Lapangan Usaha dan PDB Yang Tercakup Dalam Penelitian
ID
No. Sektor
No.
Subsektor
1. Sektor Primer
1. Tanaman Pangan & Perkebunan
2. Sektor Sekunder
5. Industri Makanan
_FOOD
6. Industri Tekstil, Barang Dari Kulit & Alas Kaki
_TEXLTR
7. Industri Kayu
_WOOD
8. Ind. Kertas dan Percetakan
_PAPER
9. Ind. Kimia dan Farmasi, Karet dan Plastik
_CHEMIRUB
10. Ind. Mineral Non Logam
_NONMTL
11. Ind. Logam, Mesin & Elektronik, Kendaraan
_MTLELECTRANS
Bermotor & Alat Transportasi Lain
12. Industri Lainnya
_OTRIND
3. Sektor Tersier
13. Konstruksi
_KONS
14. Perdagangan & Reparasi, Hotel & Restoran
_HOTL
15. Transportasi, Gudang & Komunikasi
_TRANSP
16. Perumahan, Kawasan Ind & Perkantoran
_ESTAT
_OTRSER Sumber: Badan Koordinasi Penanaman Modal and Badan Pusat Statistik.
17. Jasa Lainnya
lembaga keuangan non bank, asuransi, sewa guna Uji Hausman. Ketiga, melakukan analisis hasil regresi usaha, investasi yang perizinannya dikeluarkan oleh
metode terpilih yang investasi porto folio (pasar modal) dan investasi
dengan
menggunakan
menunjukkan performance yang lebih baik dalam rumah tangga.
menjelaskan data. Keempat, melakukan analisis atas Subsektor yang menjadi sampel untuk analisis
regresi data panel per sektor.
data panel terdapat pada Tabel 2. Dalam tabel tersebut subsektor dibagi menjadi tiga kelompok sektor, yaitu
4. HASIL DAN PEMBAHASAN
sektor primer, sektor sekunder, dan sektor tersier. Bagian empiris dalam makalah ini akan Variabel PMA diukur berdasarkan realisasi PMA,
mengestimasi model data panel, menguji model dan pertumbuhan ekonomi diukur dengan PDB. Kedua
analisis yang memberikan performance yang paling variabel dalam mata uang Rupiah dan harga konstan
baik mengenai dampak PMA terhadap pertumbuhan 2000.Data realisasi PMA dikonversi ke dalam satuan
ekonomi, dan selanjutnya akan mengidentifikasi mata uang Rupiah dengan menggunakan official
dampak signifikan dari PMA terhadap pertumbuhan exchange rates (LCU per US$, periode rata-rata). Dalam
ekonomi menggunakan model terpilih. melakukan estimasi, logaritma natural digunakan
Untuk menguji pengaruh signifikan dari PMA terhadap variabel PMA dan PDB.
terhadap pertumbuhan ekonomi tersebut, diterapkan tiga model analisis, yaitu, pooled least squared (PLS),
3.3. Metode Analisis dan Model Penelitian
FEM, dan REM.
Dalam penelitian ini, seluruh pengolahan data Selanjutnya, untuk menguji model mana yang yaitu estimasi model data panel, pemilihan model
memberikan performance paling baik maka digunakan
estimasi data panel, dan regresi data panel per sektor Uji Chow atau Uji Likelihood Ratio dan Uji Hausman. menggunakan perangkat lunak EViews versi 8.
Makalah ini dilakukan melalui langkah-langkah
4.1. Estimasi Model Data Panel
berikut. Pertama, melakukan estimasi model data Pengujian signifikansi dari PMA terhadap panel menggunakan pendekatan PLS, FEM dan REM.
pertumbuhan ekonomi di Indonesia diterapkan Kedua, melakukan pemilihan model estimasi data
melalui tiga model pendekatan, yaitu, PLS, FEM, dan panel antara pendekatan PLS, FEM dan REM dengan
REM sebagai berikut:
menggunakan Uji Chow atau Uji Likelihood Ratio dan
142 Jurnal BPPK, Volume 7 Nomor 2, 2014
Tabel 3. Hasil Estimasi Regresi dengan Metode PLS
dan koefisien slope dianggap konstan baik antar waktu
(Common Effect)
maupun antar individu. Hal ini akan menyebabkan estimasi dari variabel menjadi bias.
Dependent Variable: LGDP Method: Panel Least Squares
4.1.2. Model Efek Tetap (Fixed Effects/FEM)
Date: 08/12/14 Time: 12:28 Model Efek Tetap berasumsi bahwa intersep Sample: 1994 2013
berbeda untuk setiap individu atau sektor namun Periods included: 20
koefisien slope dari seluruh sektor adalah sama. Cross-sections included: 17
Hasil dari estimasi pada Tabel 4 menunjukkan Total panel (balanced) observations: 340
bahwa LFDI mempunyai pengaruh positif dan signifikan terhadap LGDP pada tingkat signifikan 5%.
Variable Coefficient Std. Error
Selanjutnya pada Tabel 5 menunjukkan bahwa C 9.064745 0.211830
t-Statistic
Prob.
setiap individu atau sektor memiliki intersep yang LFDI
berbeda namun tetap dengan koefisien slope yang
sama.
R-squared 0.195538 Mean dependent var
Adjusted R-squared 0.193157 S.D. dependent var
Tabel 5. Individual efek dari Metode FEM
S.E. of regression 0.993145 Akaike info criterion
(Cross-section fixed)
Sum squared resid 333.3822 Schwarz criterion
No.
Log likelihood -479.0975 Hannan-Quinn criter.
1.094539 Prob(F-statistic)
1. _CROPLAN
F-statistic 82.15634 Durbin-Watson stat
-0.265522 Sumber: Hasil Olahan Eviews 8 (2014)
4.1.1. Model Kuadrat Terkecil (Pooled Least
6. _TEXLTR
-0.869776 Tabel 3 menunjukkan bahwa variabel LFDI
Squared/PLS)
7. _WOOD
-0.917657 mempunyai pengaruh yang signifikan terhadap
8. _PAPER
-0.140453 variabel LGDP untuk seluruh sektor yaitu sebanyak 17
9. _CHEMIRUB
-1.361919 sektor, terlihat dari nilai p-value lebih kecil dari 5%.
10. _NONMTL
0.751109 Hasil estimasi ini menggunakan spesifikasi cross
11. _MTLELECTRANS
-2.725304 section-nya adalah none dan period-nya adalah none.
Tabel 4. Hasil Estimasi Regresi dengan Metode FEM
14. _HOTL
0.589357 Dependent Variable: LGDP
(Cross-section fixed)
15. _TRANSP
0.294507 Method: Panel Least Squares
16. _ESTAT
1.042064 Date: 08/12/14 Time: 12:29
17. _OTRSER
Sumber: Hasil Olahan Eviews 8 (2014) Sample: 1994 2013 Periods included: 20
diperoleh tersebut Cross-sections included: 17
menggunakan spesifikasi cross section-nya adalah fixed Total panel (balanced) observations: 340
dan period-nya adalah none.
Variable Coefficient Std. Error
t-Statistic
Prob.
4.1.3. Model Efek Acak (Random Effects/REM)
Model Efek Acak menyatakan bahwa seluruh LFDI
sektor secara umum mempunyai intersep yang sama,
Effects Specification namun terdapat perbedaan individu yang terdapat
Cross-section fixed (dummy variables) pada random error term. Random error term adalah suatu variabel yang tidak terobservasi dan tidak
regressor. Gujarati (2004) Adjusted R-squared
R-squared 0.936285 Mean dependent var 10.92167
berkorelasi
dengan
menyatakan bahwa terdapat autokorelasi antara S.E. of regression
0.932921 S.D. dependent var
0.286359 Akaike info criterion 0.388348 random error term dari satu sektor ke sektor lainnya. Sum squared resid
Dengan demikian, estimasi dengan PLS dimana Log likelihood
26.40450 Schwarz criterion
-48.01921 Hannan-Quinn criter. 0.469119 terdapat keberadaan autokorelasi akan menyebabkan F-statistic
estimasi yang tidak efisien. Untuk mendapatkan Prob(F-statistic)
278.3387 Durbin-Watson stat
0.000000 estimator yang efisien maka REM menggunakan Sumber: Hasil Olahan Eviews 8 (2014)
Generalized Least Square (GLS). Hasil dari estimasi dengan Pendekatan Efek Acak Namun
pada Tabel 6 menunjukkan variabel LFDI berpengaruh memperlihatkan nilai yang hampir mendekati nilai nol
secara signifikan terhadap variabel LGDP di tingkat yang dapat berarti bahwa terdapat keberadaan
signifikan 5%.
autocorrelation. Model ini berasumsi bahwa intersep
Jurnal BPPK, Volume 7 Nomor 2, 2014 143
Tabel 6. Hasil Estimasi Regresi dengan Metode REM
diperoleh tersebut
menggunakan spesifikasi cross section-nya adalah Dependent Variable: LGDP
(Cross-section random)
random dan period-nya adalah none. Method: Panel EGLS (Cross-section random effects)
Date: 08/12/14 Time: 12:37
4.2. Pemilihan Model Estimasi Data Panel
model pendekatan yang Periods included: 20
memberikan performance paling baik antara PLS, FEM Cross-sections included: 17 Total panel (balanced) observations: 340
dan REM, digunakan Uji Chow atau Uji Likelihood Ratio Swamy and Arora estimator of component variances
dan Uji Hausman.
Uji Chow atau Uji Likelihood Ratio digunakan untuk menguji pemilihan antara FEM atau PLS, C 10.55798 0.251058
Variable Coefficient Std. Error
t-Statistic
Prob.
sedangkan Uji Hausman digunakan untuk menentukan LFDI
model yang terbaik antara FEM dan REM. Effects Specification
4.2.1. Model Fixed Effects Atau PLS
Cross-section random 0.954505 0.9174 Untuk melakukan uji terhadap model yang Idiosyncratic random
memberikan performance lebih baik antara FEM dan
Weighted Statistics PLS dalammenjelaskan data digunakan Uji Chow atau R-squared 0.040397 Mean dependent var 0.731024 Uji Likelihood Ratio dengan hipotesis sebagai berikut:
Ho : Intersep sama untuk semua sektor S.E. of regression
Ha : Terdapat paling tidak 2 sektor yang mempunyai F-statistic
Adjusted R-squared 0.037558 S.D. dependent var
0.287909 Sum squared resid
14.22890 Durbin-Watson stat
intersep berbeda
Prob(F-statistic) 0.000191 Tabel 8 (lihat Lampiran) menunjukkan bahwa Uji
F dan Uji Chi-Square adalah signifikan dilevel 5% R-squared 0.069093 Mean dependent var dimana p-value lebih kecil dari 5%. Sehingga terdapat 10.92167
Unweighted Statistics
alasan untuk menolak null hipotesis, atau dengan kata lain bahwa hipotesis alternatif diterima.
Sum squared resid 385.7827 Durbin-Watson stat
Sumber: Hasil Olahan Eviews 8 (2014) Penggunaan Model Efek Tetap meningkatkan kualitas regresi. Terlihat bahwa variabel LFDI
Pada Tabel 7 menunjukkan random error term, mengalami peningkatan dampak pengaruh dan yang apabila dijumlahkan maka nilainya menjadi nol. signifikansi statistik. Kelaikan sesuai model juga Nilai intersep (C) sebesar 10.55798 menunjukkan nilai meningkat yang dapat dilihat dari R-squared dimana rata-rata dari komponen kesalahan random untuk sebelumnya dalam PLS sebesar 0,195538 menjadi seluruh sektor. Nilai random effect untuk masing-
sebesar 0,936285.
masing sektor sebagaimana terlihat pada Tabel 7 Hasil dari Uji Chow pada Tabel 8 (lihat Lampiran) tersebut menunjukkan besarnya perbedaan komponen tersebut diperoleh dengan menggunakan beberapa kesalahan random masing-masing sektor terhadap spesifikasi yang berbeda. Pertama, hasil estimasi nilai rata-rata seluruh sektor. menggunakan spesifikasi dengan cross section-nya
Tabel 7. Individual efek dari Metode REM (Cross-
adalah fixed dan period-nya adalah none. Estimasi ini
section random)
menghasilkan Cross-section F dan Cross-section Chi-
square dengan p-value sebesar 0.0000 atau lebih kecil
No. Sektor
Effect
dari 5%. Kedua, dengan menggunakan spesifikasi cross section-nya adalah none dan period-nya adalah fixed.
3. Estimasi ini menghasilkan Period F dan Period Chi-
4. _MNG square dengan p-value lebih besar dari 5%. Ketiga,
_FISH
5. _FOOD dengan menggunakan spesifikasi cross section-nya
adalah fixed dan period-nya adalah fixed. Estimasi ini
6. _TEXLTR
7. menghasilkan Cross-section F, Cross-section Chi-square
8. _PAPER , Period F dan Period Chi-square dengan p-value
sebesar 0.0000 atau lebih kecil dari 5%. Berdasarkan hasil Uji Chow tersebut khususnya
11. dengan menggunakan efek spesifikasi cross-section
_MTLELECTRANS
Fixed Effect dan Cross-section dan Period Fixed Effect
12. _OTRIND
maka dapat dikatakan bahwa pendekatan FEM
13. _KONS
menunjukkan performance yang lebih baik dalam
14. _HOTL
15. menjelaskan data dibanding dengan pendekatan PLS.
Model Fixed Effects Atau Random Effects
Untuk melakukan uji terhadap model yang Sumber: Hasil Olahan Eviews 8 (2014)
17. _OTRSER
memberikan performance lebih baik antara FEM dan
144 Jurnal BPPK, Volume 7 Nomor 2, 2014
Tabel 8. Hasil Uji Chow cross-section FE
Period FE
Cross-section & period FE
No. Effect test
stat prob
1 Cross-section F
2 Cross-section Chi-square
3 Period F
4 Period Chi-square
355.768054 0.0000 Cross-Section/ Period Chi-
5 Cross-Section/Period F
1271.578433 0.0000 square
Sumber: Hasil Olahan Eviews 8 (2014)
REM dalam menjelaskan data digunakan Uji Hausman, berarti bahwa FEM lebih baik dari PLS. Selanjutnya, dengan hipotesis sebagai berikut:
apabila efek spesifikasi dari cross section adalah random dan period adalah none maka dengan
Ho : GLS dan OLS adalah konsisten tetapi OLS tidak menggunakan Correlated Random effect-Hausman test efisien (REM)
menunjukkan signifikan berarti bahwa FEM lebih baik dari REM. Dengan kata lain, Model Efek Tetap dengan
Ha : OLS adalah konsisten tetapi GLS tidak konsisten efek spesifikasi cross-section Fixed Effect dan Cross- (FEM)
section dan period Fixed Effect merupakan pendekatan Tabel 9 (lihat Lampiran) menunjukkan bahwa p-
paling baik dalam menjelaskan data panel. value dengan nilai sebesar 0,0307 lebih kecil dari 5%. Sehingga terdapat alasan untuk menolak null hipotesis,
4.3. Analisis Hasil Regresi
atau dengan kata lain hipotesis alternatif diterima.
estimasi mengenai Hasil dari Uji Hausman pada Tabel 9 (lihat
Sebelum
melakukan
hubungan antara PMA dan pertumbuhan ekonomi Lampiran) tersebut diperoleh dengan menggunakan
maka perlu dilakukan pemilihan tentang model atau beberapa spesifikasi yang berbeda. Pertama, hasil
pendekatan mana yang akan digunakan dalam estimasi estimasi menggunakan spesifikasi dengan cross
tersebut.
section-nya adalah random dan period-nya adalah none. Berdasarkan hasil pemilihan model estimasi data Estimasi ini menghasilkan Cross-section Random Chi-
panel yang telah dilakukan sebelumnya dengan square dengan p-value sebesar 0.0307 atau lebih kecil
menggunakan Uji Chow atau Uji Likelihood Ratio dan dari 5%. Kedua, dengan menggunakan spesifikasi cross
Uji Hausman, maka dapat ditarik kesimpulan bahwa section-nya adalah none dan period-nya adalah random.
yang memberikan Estimasi ini menghasilkan Period Random Chi-square
performance lebih baik antara PLS, FEM dan REM dengan p-value lebih besar dari 5%. Ketiga, dengan
adalah pendekatan FEM dengan efek spesifikasi cross- menggunakan spesifikasi cross section-nya adalah
section Fixed Effect dan Cross-section dan period Fixed random dan period-nya adalah fixed. Estimasi ini
Effect. Selanjutnya, berdasarkan hasil tersebut, berikut menghasilkan
ini akan dijelaskan analisa hasil estimasi regresi dengan p-value sebesar 0.0184 atau lebih kecil dari
dengan menggunakan pendekatan FEM. 5%. Berdasarkan
4.3.1. Analisis dengan Model Efek Tetap seluruh
khususnya dengan menggunakan efek spesifikasi
Sektor
cross-section Random Effect dan Cross-section Random Sebagaimana telah dijelaskan sebelumnya, dalam Effect dan period Fixed Effect maka dapat dikatakan
Tabel 4 (lihat Lampiran) dapat dilihat bahwa hasil dari bahwa pendekatan FEM menunjukkan performance
bahwa variabel LFDI yang lebih baik dalam menjelaskan data dibanding
estimasi
menunjukkan
mempunyai pengaruh positif dan signifikan terhadap dengan pendekatan REM.
variabel LGDP pada tingkat signifikan 5%. Hal tersebut Dengan demikian, hasil uji perbandingan metode
terlihat dari koefisien slope yang bertanda positif yaitu estimasi tersebut di atas memperlihatkan bahwa
sebesar 0,051088 dan dengan nilai p-value sebesar apabila efek spesifikasi dari cross section adalah fixed
0,0004 atau lebih kecil dari 5%. Dengan kata lain, dan period adalah none maka dengan menggunakan
dengan tingkat keyakinan 95% data yang ada redundant fixed effect test menunjukkan signifikan
mendukung bahwa variabel LFDI memiliki pengaruh
Tabel 9. Hasil Uji Hausman cross-section RE
Period RE
cross-sectio RE&period FE
No. Effect test
stat prob Cross-section Random
Period Random Chi-
- - square
Sumber: Hasil Olahan Eviews 8 (2014)
Jurnal BPPK, Volume 7 Nomor 2, 2014 145 Jurnal BPPK, Volume 7 Nomor 2, 2014 145
11. Industri Logam, Mesin dan Elektronik, Kendaraan Dari Tabel 4 tersebut juga terlihat nilai R-squared
Bermotor dan Alat Transportasi Lain mempunyai sebesar 0,936285. Nilai R-Squared yang semakin
nilai intersep sebesar 11.326929 (10.57582 + mendekati satu berarti model semakin baik dalam
menjelaskan variasi yang terjadi pada variabel
12. Industri Lainnya. mempunyai nilai intersep dependen.
sebesar7.850516 (10.57582 -2.725304); Selanjutnya pada Tabel 5 (lihat Lampiran)
13. Konstruksi. mempunyai nilai intersep sebesar menunjukkan bahwa setiap individu atau sektor
11.227884 (10.57582 + 0.652064); memiliki intersep yang berbeda namun tetap dengan
14. Perdagangan dan Reparasi, serta Hotel dan koefisien slope yang sama. Hasil estimasi yang
Restoran mempunyai nilai intersep sebesar diperoleh tersebut menggunakan spesifikasi cross
12.182026 (10.57582 + 1.606206); section-nya adalah fixed dan period-nya adalah none.
dan Komunikasi. Sesuai dengan hasil regresi dengan spesifikasi
15. Transportasi,
Gudang
mempunyai nilai intersep sebesar11.165177 tersebut, maka dapat diketahui nilai intersep yang
berbeda untuk setiap subsetor sebagai berikut:
16. Perumahan, Kawasan Industri dan Perkantoran.
1. Tanaman Pangan dan Perkebunan mempunyai mempunyai nilai intersep sebesar 10.870327 nilai intersep sebesar 11.670359 (10.57582 +
17. Jasa Lainnya mempunyai nilai intersep sebesar
2. Peternakan mempunyai nilai intersep sebesar 11.617884 (10.57582 + 1.042064). 10.126503 (10.57582 -0.449317);
Lebih lanjut, berdasarkan hasil Uji Chow dan Uji
3. Perikanan mempunyai nilai intersep sebesar Hausman diketahui bahwa Model Efek Tetap dengan 10.310298 (10.57582 -0.265522);
efek spesifikasi cross-section Fixed Effect dan Cross-
4. Pertambangan mempunyai nilai intersep sebesar section & period Fixed Effect merupakan pendekatan 10.691166 (10.57582 + 0.115346);
paling baik dalam menjelaskan data panel. Tabel 11
5. Industri Makanan mempunyai nilai intersep (lihat Lampiran) memperlihatkan Hasil Estimasi sebesar 11.308399 (10.57582 + 0.732579);
Regresi dengan Metode FEM (Cross-section fixed &
6. Industri Tekstil, Barang Dari Kulit dan Alas Kaki Period fixed). Dalam Tabel ini, penggunaan period fixed mempunyai nilai intersep sebesar 10.427995
mengontrol dampak dari (10.57582 -0.147825)
perekonomian Indonesia yang berfluktuasi khususnya
7. Industri Kayu
untuk mengakomodasi tahun 1998 dimana terjadi sebesar9.706044 (10.57582 -0.869776);
krisis ekonomi.
8. Industri Kertas dan Percetakan mempunyai nilai Dalam Tabel 11, dapat dilihat bahwa hasil dari intersep sebesar 9.658163 (10.57582 -0.917657);
estimasi
menunjukkan
bahwa variabel LFDI
9. Industri Kimia dan Farmasi, Karet dan Plastik mempunyai pengaruh positif dan signifikan terhadap mempunyai nilai intersep sebesar 10.435367
variabel LGDP pada tingkat signifikan 5%. Hal tersebut (10.57582 -0.140453);
terlihat dari koefisien slope yang bertanda positif yaitu
10. Industri Mineral Non Logam. mempunyai nilai sebesar 0.019384 dan dengan nilai p-value sebesar intersep sebesar 9.213901 (10.57582 -1.361919);
0.0288 atau lebih kecil dari 5%. Dengan kata lain,