Prosedur Analisis METODE PENELITIAN

dan sebagainya. Dalam penelitian ini digunakan jumlah pasokan listrik sebagai proksi ketersediaan infrastruktur.

7. Modal manusia human capital adalah sumberdaya yang melekat pada diri

manusia seperti penguasaan ilmu dan pengetahuan, keterampilan, pengalaman, dan lainnya. Dalam penelitian ini digunakan jumlah mahasiswa perguruan tinggi sebagai proksi investasi modal manusia.

8. Jumlah pekerja adalah banyaknya penduduk berumur 15 tahun ke atas yang

melakukan aktivitas ekonomi bekerja selama periode waktu tertentu.

3.5 Prosedur Analisis

Parameter model data panel statis pada Persamaan 3.63 akan diestimasi dengan menggunakan model pooled least square PLS, fixed effect model FEM dan random effect model REM. Tahap pertama adalah uji Chow untuk pemilihan model terbaik antara PLS dan FEM. Uji dilakukan dengan membandingkan nilai F-hitung dan F-statistik. Hipotesis yang digunakan adalah: H : 1 = 2 = … = i memiliki nilai intercept sama H 1 : sekurang-kurangnya ada 1satu intercept yang berbeda Kesimpulan yang dapat diambil dari hasil uji, dengan melihat kondisi sebagai berikut:  Jika F- hitung ≤ F-tabel maka dikatakan terima H tidak signifikan, artinya model PLS lebih baik daripada FEM.  Jika F-hitung F-tabel maka dikatakan tolak H signifikan, artinya FEM lebih baik daripada PLS. Tahap Kedua adalah uji Hausman untuk menentukan model yang lebih baik antara FEM dan REM. Uji dilakukan dengan menggunakan hipotesa sebagai berikut: H0: E i | xit = 0 atau REM adalah model yang tepat H1: E i | xit ≠ 0 atau FEM adalah model yang tepat Sebagai dasar penolakan H digunakan statistik Hausman dan membandingkannya dengan Chi square 2 . Jika nilai 2 hitung hasil pengujian lebih besar dari 2 tabel, maka cukup bukti untuk melakukan penolakan terhadap H sehingga pendekatan yang digunakan adalah FEM, begitu juga sebaliknya. Menurut Hsiao 2003 ketika uji pemilihan FEM atau REM tidak dapat ditentukan secara teoritis maka sebaiknya ditentukan berdasarkan keadaan datanya, apakah berupa data sampel atau populasi. Metode REM digunakan jika data diambil dari sampel individu atau beberapa individu yang dipilih secara acak untuk menarik kesimpulan tentang populasinya. Namun jika evaluasi meliputi seluruh individu dalam populasi atau hanya meliputi beberapa individu dengan penekanan pada individu-individu tersebut maka lebih baik menggunakan metode FEM. Tahap ketiga, jika model yang terpilih setelah dilakukan uji Chow dan uji Hausman adalah REM maka model diasumsikan best linier unbiased estimator BLUE dan tidak perlu dilakukan pengujian terhadap tiga asumsi utama model BLUE non-multicolinierity, homoskedasticity, dan non-autocorelation. Hal ini dikarenakan dua alasan, yaitu: i sifat data panel adalah bebas dari gejala multikolinieritas; dan ii REM adalah model generalized least square GLS, dan estimasi dengan menggunakan GLS secara otomatis sudah terbebas dari gejala autokorelasi, bahkan terbebas dari gejala heteroskedastisitas yang disebabkan variansi sisaannya konstan Gujarati, 2004. Namun, jika model yang terpilih dalam uji Chow dan uji Hausman tersebut adalah FEM maka dilakukan beberapa uji asumsi sebagai berikut: i. Uji Homoskedastisitas Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE maka varian u i harus sama dengan σ 2 konstan, atau semua residual atau error memiliki varian yang sama. Kondisi itu disebut dengan homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode GLS cross section weights, yakni membandingkan jumlah kuadrat residual sum square residual antara weighted statistics dengan unweighted statistics. Jika jumlah kuadrat residual pada weighted statistics ternyata lebih kecil maka dapat dinsimpulkan terjadi heteroskedastisitas pada model. ii. Uji Autokorelasi Autokorelasi adalah korelasi yang terjadi antarobservasi dalam satu peubah atau korelasi antara error masa yang lalu dengan error saat ini. Uji autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat memengaruhi efisiensi dari penduganya. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson DW. Untuk mengetahui ada atau tidaknya autokorelasi dilakukan dengan membandingkan nilai DW-hitung dan DW-tabel. Adapun kerangka identifikasi autokorelasi terangkum dalam Tabel 3. Korelasi serial ditemukan jika error dari periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola error acak dari hasil regresi. Tabel 3 Kerangka identifikasi autokorelasi Nilai DW Hasil 4 – d L DW 4 Terdapat korelasi serial negatif 4 – d U DW 4- d L Hasil tidak dapat ditentukan 2 DW 4 – d U Tidak ada korelasi serial d U DW 2 Tidak ada korelasi serial d L DW d U Hasil tidak dapat ditentukan 0 DW d L Terdapat korelasi serial positif Sumber: Gujarati 2004 Sementara itu, untuk menduga parameter pada model data panel dinamis akan digunakan metode first differences-generalized method of moments FD- GMM dan system-generalized method of moments Sys-GMM. Pertama, estimasi dilakukan dengan metode FD-GMM, kemudian dilakukan uji validitas dan konsistensi instrumen yang digunakan. Apabila hasil uji tidak memperoleh instrumen yang valid dan sekaligus konsisten pada metode ini, maka akan dilanjutkan dengan penggunaan metode Sys-GMM. Uji validitas dan konsistensi juga dilakukan pada metode Sys-GMM. Untuk menguji validitas instrumen digunakan uji Sargan. Uji Sargan untuk overidentifying restriction merupakan suatu pendekatan untuk mendeteksi apakah ada masalah dengan validitas instrumen. Hipotesis nol untuk uji ini menyatakan bahwa tidak ada masalah dengan validitas instrumen instrumen valid dalam artian bahwa instrumen tersebut tidak berkorelasi dengan error pada model. Hasil uji yang diharapkan adalah terima H pada taraf nyata 5 persen. Sementara itu, untuk melihat konsistensi hasil estimasi yang dihasilkan model dapat dilakukan dengan uji autokorelasi menggunakan statistik Arrellano- Bond m 1 dan m 2 . Konsistensi hasil estimasi model ditunjukkan oleh nilai statistik m 1 yang signifikan dan nilai statistik m 2 yang tidak signifikan. Setelah diperoleh model terbaik di antara ketiga pendekatan dalam model data panel statis, selanjutnya akan dikomparasikan dengan hasil estimasi pada model data panel dinamis untuk kemudian ditelaah dan dianalisis lebih lanjut. Selain itu, akan diuji juga tingkat signifikansi dan tanda dari setiap koefisien estimasi yang diperoleh. Tanda koefisien estimasi ini kemudian dianalisis apakah sesuai atau relevan dengan harapan teoritis. Dari hasil estimasi kedua pendekatan tersebut selanjutnya akan dilakukan telaah dan analisis untuk menjawab tujuan dan hipotesis penelitian. Seluruh pengolahan data, baik pada model data panel statis maupun dinamis, akan dilakukan dengan bantuan program komputer STATA v10.0 dan Eviews 6.0. Pemilihan program ini dikarenakan ketersedian tools untuk pengolahan data sekaligus pengujian berbagai asumsi yang disyaratkan. IV. GAMBARAN UMUM PEREKONOMIAN ASEAN+3 4.1 Kerjasama Regional ASEAN+3 Pembentukan kawasan perdagangan bebas ASEAN ASEAN Free Trade Area, AFTA disepakati oleh para pemimpin pemerintahan negara-negara Asia Tenggara pada Konferensi Tingkat Tinggi KTT ASEAN IV di Singapura tahun 1992. Selanjutnya pada KTT ASEAN VI di Hanoi tahun 1998 diputuskan untuk mempercepat pelaksanaan AFTA secara penuh dari semula tahun 2008 menjadi Januari 2002 untuk negara ASEAN-6 Brunei Darussalam, Indonesia, Malaysia, Philipina, Singapura, dan Thailand, sedangkan untuk Vietnam pada tahun 2006, Laos dan Myanmar pada tahun 2008, serta Kamboja pada tahun 2010. Pembentukan AFTA bertujuan untuk mempercepat integrasi ekonomi ASEAN ke dalam basis produksi tunggal dan menciptakan pasar regional bagi lebih dari 500 juta penduduknya. AFTA diimplementasikan melalui skema Common Effective Preferential Tariffs CEPT-AFTA, yaitu berisi kesepakatan untuk menurunkan tingkat tarif perdagangan intra-ASEAN menjadi 0-5 persen, mengurangi pembatasan kuantitatif quota, serta menghapuskan hambatan-hambatan perdagangan lainnya. Negara ASEAN-6 menyetujui untuk menghilangkan tarif pada tahun 2010, sedangkan negara ASEAN lainnya diharapkan terlaksana mulai tahun 2015. Kemudian, pada KTT ASEAN IX di Bali tahun 2003 dideklarasikan pembentukan Masyarakat Ekonomi ASEAN ASEAN Economic Community, AEC pada tahun 2020, yang merupakan satu dari tiga pilar pembentukan Masyarakat ASEAN ASEAN Comunity. Dua pilar lainnya adalah ASEAN Security Community ASC dan ASEAN Socio-Cultural Community ASCC. Percepatan integrasi ekonomi diprioritaskan pada 11 sektor, yaitu: i produk- produk berbasis pertanian; ii penerbangan; iii otomotif; iv e-ASEAN; v elektronik; vi perikanan; vii produk kesehatan; viii produk-produk berbasis karet; ix tekstil; x pariwisata; dan xi produk-produk berbasis kayu yang ditargetkan mencapai integrasi pada tahun 2010. Pada tahun 2005 ditambah satu lagi sektor prioritas, yaitu jasa logistik. KTT ASEAN selanjutnya pada bulan Januari 2007 telah menyepakati untuk mempercepat pembentukan AEC dari tahun