BAB III METODE PENELITIAN
3.1. Jenis dan Sumber Data
Penelitian ini menggunakan data panel, yang merupakan kombinasi antara data time-series dan cross-section. Jumlah individu yang digunakan yaitu 6
kabupatenkota yang ada di Provinsi Banten dan dalam kurun waktu 8 tahun 2001 - 2008, sehingga jumlah observasi 48 buah. Data diperoleh dari BPS
Provinsi Banten. Adapun rincian data yang digunakan dalam kajian yaitu: 1. Data Produk Domestik Regional Bruto PDRB ADHK 2000 seluruh
kabupatenkota di Provinsi Banten, yang dirinci menurut lapangan usaha sektor tahun 2001 - 2008, yang dipublikasikan oleh BPS Provinsi Banten.
2. Data Produk Domestik Regional Bruto PDRB ADHB 2000 seluruh kabupatenkota di Provinsi Banten, yang dirinci menurut lapangan usaha
sektor tahun 2001 - 2008, yang dipublikasikan oleh BPS Provinsi Banten. 3. Data kependudukan masing-masing kabupatenkota di Provinsi Banten yang
didapatkan dari hasil Sensus Penduduk dan Susenas serta Sakernas tahun 2001-2008 yang diambil dari Daerah Dalam Angka dan Pengolahan oleh BPS
Provinsi Banten. 4. Data APBD di masing-masing kabupatenkota se Provinsi Banten dari tahun
2001 - 2008, yang diambil dari publikasi Statistik keuangan BPS.
3.2. Metode Analisis Data
3.2.1. Analisis Deskriptif
Analisis deskriptif merupakan bentuk analisis sederhana yang bertujuan mendeskripsikan dan mempermudah penafsiran yang dilakukan dengan
memberikan pemaparan dalam bentuk tabel, grafik, dan diagram. Analisis deskriptif digunakan untuk memberikan suatu gambaran secara umum mengenai
kondisi dari Provinsi Banten dan kondisi variabel-variabel pembangunan ekonomi di Provinsi Banten dari tahun 2001 sampai 2008. Variabel-variabel pembangunan
ekonomi yang ingin dijelaskan dalam penelitian ini adalah mengenai pertumbuhan ekonomi. Selain itu analisis ini digunakan untuk memberikan gambaran angkatan
kerja, belanja modal dan angka melek huruf di Provinsi Banten.
3.2.2. Analisis Ketimpangan Indeks Williamson
Williamson dalam Sjafrizal 2008 meneliti hubungan antara disparitas regional dengan tingkat pembangunan ekonomi. Penelitiannya menggunakan data
ekonomi negara yang sudah maju dan negara berkembang. Ternyata ditemukan bahwa selama tahap awal pembangunan, disparitas regional menjadi semakin
lebar dan pembangunan terkonsentrasi di daerah-daerah tertentu. Indeks ketimpangan regional untuk menggambarkan ketimpangan kabupatenkota di
Provinsi Banten dapat dihitung dengan formulasi sebagai berikut:
I
W
= Indeks Williamson y
n f
y y
I
i i
i W
∑
× −
=
2
y
i
= PDRB per kapita di kabupatenkota i = PDRB per kapita rata-rata di Provinsi Banten
f
i
= Jumlah penduduk di kabupatenkota i n = Jumlah penduduk di Provinsi Banten
Indeks williamson besarnya antara nol dan satu. Semakin kecil angka yang dihasilkan menunjukkan ketimpangan yang semakin kecil pula atau dapat
dikatakan makin merata. Tetapi jika angka yang didapat mendekati satu maka ketimpangan semakin lebar.
3.2.3. Klassen Typologi
Analisis ini digunakan untuk menggambarkan kesenjangan klasifikasi tiap kabupatenkota di Provinsi Banten. Menurut Sjafrizal 1997 Analisis ini
didasarkan pada dua indikator utama yaitu rata-rata pertumbuhan ekonomi dan rata-rata pendapatan per kapita di suatu daerah. Analisis ini membagi empat
klasifikasi daerah yang masing-masing memiliki karakteristik yang berbeda yaitu: a. Kuadran I yaitu daerah maju dan cepat tumbuh high growth and high income
merupakan daerah yang memiliki tingkat pertumbuhan ekonomi dan pendapatan per kapita yang lebih tinggi dibanding rata-rata provinsi.
b. Kuadran II yaitu daerah maju tapi tertekan low growth but high income merupakan daerah yang memiliki pertumbuhan ekonominya lebih rendah tapi
pendapatan per kapita lebih tinggi dibanding rata-rata provinsi. c. Kuadran III yaitu daerah berkembang cepat high growth but low income
merupakan daerah dengan pertumbuhan ekonomi yang lebih tinggi tapi pendapatan per kapitanya lebih rendah dibanding rata-rata provinsi.
d. Kuadran IV yaitu daerah relatif tertinggal low growth and low income merupakan daerah yang pertumbuhan ekonomi maupun pendapatan per
kapitanya lebih rendah dibanding provinsi.
Tabel 3.1. Klasifikasi Kabupatenkota menurut Klassen Typologi
j ij
Y Y
j ij
Y Y
j ij
R R
Kuadran I Daerah maju dan tumbuh cepat
Kuadran III Daerah berkembang cepat
j ij
R R
Kuadran II Daerah maju tapi tertekan
Kuadran IV Daerah relatif tertinggal
Keterangan: Rij adalah laju pertumbuhan PDRB ADHK tiap kabupatenkota di Provinsi.
Rj adalah rata-rata laju pertumbuhan PDRB ADHK Provinsi Banten. Yij adalah pendapatan per kapita tiap kabupatenkota di Provinsi.
Yj adalah rata-rata pendapatan per kapita Provinsi Banten.
3.2.4 Analisis Data Panel
Terdapat tiga metode pada teknik estimasi model menggunakan data panel, yaitu pooled Ordinary Least Square OLS, fixed effect, dan random effect.
Dari ketiga metode tersebut akan dipilih model terbaik yang menggunakan Chow test
.
3.2.4.1 Metode Pooled OLS
Metode pooled OLS merupakan suatu metode pengkombinasian sederhana antara data time-series dan cross-section, selanjutnya dilakukan estimasi model
R
yang mendasar menggunakan OLS. Metode pooled OLS dapat dispesifikasikan ke dalam model berikut:
it it
X Y
β α +
=
∧
dimana i menunjukkan urutan kabupatenkota yang diobservasi pada data cross- section
, sedangkan t menunjukkan periode pada data time-series. Namun, pada metode ini asumsi yang digunakan menjadi terbatas karena model tersebut
mengasumsikan bahwa intersep dan koefisien dari setiap variabel sama untuk setiap kabuaptenkota yang diobservasi. Hal ini menyebabkan variabel-variabel
yang diabaikan akan membawa perubahan pada intersep time-series dan cross- section
.
3.2.4.2 Metode Fixed Effect
Masalah yang timbul pada penggunaan metode pooled OLS yaitu adanya asumsi bahwa intersep dan koefisien dari setiap variabel sama pada setiap
KabupatenKota yang diobservasi. Untuk memperhitungkan individualitas dari setiap unit cross-section dapat dilakukan dengan cara menjadikan intersep
berbeda pada tiap kabupatenkota. Pada metode fixed effect ditambahkan variabel dummy
untuk mengubah intersep, tetapi koefisien-koefisien lainnya tetap sama bagi setiap kabupatenkota yang diobservasi. Metode ini dapat dispesifikasikan ke
dalam model berikut:
it it
T i
i NT
N t
t it
i it
Z Z
Z W
W W
X Y
ε δ
δ δ
γ γ
γ β
α +
+ +
+ +
+ +
+ +
+ =
∧
... ...
3 3
2 2
3 3
2 2
dimana W
it
= 1 untuk kabupatenkota ke-i, i = 2,…, N 0 untuk lainnya
Z
it
= 1 untuk kabupatenkota ke-t, t = 2,…, T 0 untuk lainnya
Variabel dummy N-1 + T-1 ditambahkan ke dalam model dan penambahan tersebut menghasilkan kolienaritas yang sempurna di antara variabel-variabel
penjelas. Koefisien dari variabel dummy akan mengukur perubahan intersep cross- section
dan time-series.
3.2.4.3. Metode Random Effect
Pada metode
random effect dimasukkan komponen galat error term ke
dalam model untuk menjelaskan variabel prediktor explanatory variable yang tidak dimasukkan ke dalam model, komponen nonlinearitas hubungan variabel
bebas dan variabel tak bebas, kesalahan ukur saat observasi dilakukan, serta kejadian yang sifatnya acak.
Metode random effect
dapat dispesifikasikan ke dalam model berikut:
it it
it
X Y
ε β
α +
+ =
∧
it t
i it
w v
u +
+ =
ε dimana u
i
~ N0,
2 u
σ = komponen galat cross-section v
t
~ N0,
2 v
σ = komponen galat time-series w
t
~ N0,
2 w
σ = komponen galat time-series dan cross-section i menunjukkan urutan kabupatenkota yang diobservasi pada data cross-section,
sedangkan t menunjukkan periode pada data time-series. Formulasi dari metode random effect diperoleh dari model fixed effect dengan mngasumsikan bahwa efek
rata-rata dari variabel-variabel time-series dan cross-section yang acak termasuk
dalam intersep, dan deviasi acak dari rata-rata tersebut sama dengan komponen galat, u
i
dan v
t
.
3.3. Metode Pemilihan Model
3.3.1. Chow Test
Gujarati dalam Hartati 2008 menjelaskan bahwa Chow test digunakan untuk menentukan model yang akan digunakan, apakah lebih tepat dijelaskan oleh
model Pooled OLS atau model Fixed Effect. Seperti yang telah dijelaskan sebelumnya bahwa asumsi konstan slope dan intersep pada model Pooled OLS
pada kenyataannya tidak cukup realistis. Pengujian ini dilakukan dengan hipotesis sebagai berikut:
H : Model adalah model Pooled Least Square
H
1
: Model adalah model Fixed Effect Dasar penolakan terhadap H
adalah dengan menggunakan F-statistic seperti yang dirumuskan oleh Chow:
1
2 2
1
K N
NT ESS
N ESS
ESS CHOW
− −
− −
=
dimana:
1
ESS = Residual Sum Square hasil pendugaan model pooled least square
2
ESS = Residual Sum Square hasil pendugaan model fixed effect
N = Jumlah data cross section
T = Jumlah data time series
K = Jumlah variabel penjelas
Statistik Chow test mengikuti distribusi F-statistic dengan derajat bebas N-1,NT-N-K, jika nilai CHOW statistic F-stat hasil pengujian lebih besar dari
F-tabel, maka cukup bukti untuk melakukan penolakan terhadap H sehingga
model yang digunakan adalah fixed effect, dan begitu juga sebaliknya.
3.3.2. Haussman Test
Gujarati dalam Hartati 2008 menjelaskan bahwa pengujian yang dilakukan setelah Chow Test adalah Haussman Test, yang digunakan untuk
menentukan apakah model lebih tepat dijelaskan dengan model fixed effect atau model random effect. Hausman test dilakukan dengan hipotesis sebagai berikut:
H : Model adalah model Random Effect
H
1
: Model adalah model Fixed Effect Dasar penolakan H
dengan membandingkan Statistik Hausman dengan Chi-Square. Statistik Hausman dirumuskan dengan:
1 1
b M
M b
m −
− −
=
−
β β
2
χ ≈
Dimana β adalah vektor untuk statistik variabel fixed effect, b adalah vektor
statistik variabel random effect, M
adalah matriks kovarians untuk dugaan fixed effect model
, dan
1
M adalah matriks kovarians untuk dugaan random effect
model . H
ditolak jika nilai m hasil pengujian lebih besar dari
2
χ -tabel, sehingga model yang digunakan adalah model fixed effect, dan begitu pula sebaliknya.
3.4. Model Penelitian
Persamaan yang memperlihatkan sejauh mana variabel-variabel belanja modal pemerintah, angkatan kerja dan angka melek huruf mempengaruhi
pertumbuhan ekonomi di Provinsi Banten. Secara
matematis, hubungan
antar variabel-variabel yang mempengaruhi
pertumbuhan ekonomi digambarkan dalam fungsi double log sebagai berikut :
Ln
it it
it it
it
LnAMH LnAK
LnBM PDRB
μ α
α α
α
+ +
+ +
=
3 2
1
Keterangan : PDRB
it
= Nilai PDRB ADHK 2000 per kapita pada kabupatenkota i dan tahun t juta rupiah
α =
intercept α
1
- α
3
= Parameter belanja modal, angkatan kerja dan angka melek huruf μ
it
= error term
BM
it
= Belanja modal pemerintah di kabupatenkota i dan tahun t Juta Rupiah AK
it
= Angkatan kerja di kabupatenkota i dan tahun t Orang AMH
it
= Angka melek huruf di kabupatenkota i dan tahun t
3.5. Software Analisis Data
Dalam menyelesaikan penelitian ini, penulis menggunakan bantuan beberapa software untuk melakukan analisis data. Software tersebut adalah
sebagai berikut:
1. Microsoft excel 2007
Ms Excel merupakan perangkat lunak buatan Microsoft Corp. Software ini digunakan dalam pembuatan tabel dan grafik serta beberapa pengolahan data.
2. EViews 5.1
EViews adalah program komputer yang digunakan untuk mengolah data statistik dan data ekonometri. Program EViews dibuat oleh QMS
Quantitative Micro Software yang berkedudukan di California AS. Software ini digunakan dalam pengolahan persamaan model panel data.
3.6. Evaluasi Model