1
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel atau variabel-variabel
yang lain. Variabel “penyebab” disebut dengan bermacam-macam istilah seperti variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas
dinamakan dengan variabel karena seringkali digambarkan dalam grafik
sebagai absis, atau sumbu . Variabel terkena akibat dikenal sebagai variabel
yang dipengaruhi, dependen, variabel terikat, atau variabel . Kedua variabel ini
dapat merupakan variabel acak random, namun variabel yang dipengaruhi harus selalu variabel acak.
Regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886 Mudrajat Kuncoro, 2001: 91. Analisis regresi adalah salah satu analisis yang
paling popular dan luas pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan. Analisis ini juga digunakan untuk memahami
variabel bebas mana saja yang berhubungan dengan variabel terikat dan untuk mengetahui bentuk-bentuk hubungan tersebut.
Data panel adalah gabungan antara data runtun waktu time series dan data silang cross section. Data runtun waktu biasanya meliputi satu objek tetapi
meliputi beberapa periode bisa harian, bulanan, kuartalan, atau tahunan. Data silang terdiri dari atas beberapa atau banyak objek, sering disebut responden
misalnya perusahaan dengan beberapa jenis data misalnya laba, biaya iklan, laba ditahan, dan tingkat investasi dalam suatu periode waktu tertentu.
Karena data panel merupakan gabungan dari data cross section dan data time series maka tentunya akan mempunyai observasi lebih banyak dibanding data
cross section atau time series saja. Akibatnya, ketika digabungkan menjadi pool data, guna membuat regresi maka hasilnya cenderung akan lebih baik dibanding
regresi yang hanya menggunakan data cross section atau time series saja Nachrowi Usman, 2006. Analisis regresi data panel adalah analisis regresi
dengan struktur data merupakan data panel. Umumnya pendugaan parameter dalam analisis regresi dengan data cross section dilakukan dengan pendugaan
Metode Kuadrat Terkecil MKT. metode ini akan memberikan hasil pendugaan yang bersifat Best Linear Unbiased Estimator BLUE jika semua asumsi Gauss
Markov terpenuhi diantaranya adalah non-autocorrelation. Kondisi terakhir ini tentunya sulit terpenuhi pada saat kita berhadapan dengan data panel. Sehingga
pendugaan parameter tidak lagi bersifat BLUE. Jika data panel dianalisis dengan pendekatan model-model time series seperti fungsi transfer, maka ada informasi
keragaman dari unit cross section yang diabaikan dalam pemodelan. Salah satu keuntungan dari analisis regresi data panel adalah mempertimbangkan keragaman
yang terjadi dalam unit cross section Jaya Sunengsih, 2009. Dalam suatu penelitian ada kalanya seorang peneliti tidak dapat melakukan
analisis hanya dengan menggunakan data time series maupun data cross section. Misalnya seorang peneliti hendak membuat model tentang keuntungan suatu
perusahaan dalam suatu industri yang ditinjau melalui: banyaknya modal fisik,
banyaknya pekerja, dan total penjualan. Kalau peneliti hanya menggunakan data cross section yang diamati hanya pada suatu saat misalnya satu tahun, maka
peneliti tersebut tidak dapat melihat bagaimana pertumbuhan keuntungan perusahaan tersebut dari waktu ke waktu pada suatu periode tertentu katakanlah
dalam kurun waktu 10 tahun. Padahal sangat mungkin kondisi antara suatu tahun dengan tahun lainnya berbeda. Dengan menggunakan data panel, maka peneliti
dapat melihat fluktuasi keuntungan satu perusahaan pada periode waktu tertentu dan perbedaan keuntungan beberapa perusahaan pada suatu waktu Nachrowi
Usman, 2006. Menurut Hsiao 1992, keuntungan-keuntungan menggunakan analisis regresi
data panel adalah memperoleh hasil estimasi yang lebih baik karena seiring dengan peningkatan jumlah observasi yang otomatis berimplikasi pada
peningkatan derajat kebebasan degree of freedom dan menghindari kesalahan penghilangan variabel omitted variable problem.
Selain itu, keunggulan regresi data panel menurut Wibisono 2005 antara lain :
1 Data Panel mampu memperhitungkan heterogenitas individu secara ekspilisit dengan mengizinkan variabel spesifik individu;
2 Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih
kompleks;
3 Data panel mendasarkan diri pada observasi cross-section yang berulang- ulang time series, sehingga metode data panel cocok digunakan sebagai
study of dynamic adjustment; 4 Tingginya jumlah observasi memiliki implikasi pada data yang lebih
informative, lebih variatif, dan kolinearitas multiko antara data semakin berkurang, dan derajat kebebasan degree of freedom df lebih tinggi
sehingga dapat diperoleh hasil estimasi yang lebih efisien; 5 Data panel dapat digunakan untuk mempelajari model-model perilaku yang
kompleks; dan 6 Data panel dapat digunakan untuk meminimalkan bias yang mungkin
ditimbulkan oleh agregasi data individu. Beberapa penelitian yang telah dilakukan menggunakan data panel
Chadidjah Elfiyan, 2009 antara lain 1 penelitian yang dilakukan oleh Pujiati 2007 mengenai analisis pertumbuhan ekonomi di Karesidenan Semarang Era
Kebijakan Fiskal yaitu 6 kabupatenkota di wilayah Karesidenan Semarang dari tahun 2002-2006. Dalam analisisnya menggunakan pooled model, fixed effect
model, dan random effect model. Hasilnya bahwa fixed effect model lebih baik sehingga efek dari perbedaan wilayah berarti, akan tetapi dalam pemilihan model
terbaik antara fixed effect model, dan random effect model hanya menggunakan perbandingan nilai goodness of fit tanpa pengujian; 2 penelitian yang dilakukan
oleh Sugiharso dan Ester 2007 mengenai determinan investasi portofolio internasional negara-negara ASEAN, Amerika Serikat dan Jepang menggunakan
data panel. Penelitian ini mencoba mengkaji lebih jauh determinan-determinan
yang menentukan aliran investasi portofolio internasional dan bagaimana investor masing-masing negara-negara anggota ASEAN yaitu Filipina, Malaysia,
singapura, dan Thailand, Amerika Serikat dan Jepang melakukan pilihan dalam Internasional Portfolio Holding dengan menggunakan Gravity Model. Data yang
digunakan adalah data sekunder tahun 1992-2005. Penelitian ini menggunakan pooled model yang mempunyai asumsi intercept dan slope dari persamaan regresi
dianggap konstan untuk daerah dan antar waktu. Padahal pada kenyataannya, kondisi ini kurang bias mencerminkan keadaan sebenarnya dimana masing-
masing Negara mempunyai kondisi yang berbeda secara ekonomi maupun geografis.
Beberapa penelitian lain antara lain penelitian oleh Rafael E. De Hoyos dan Vasilis Sarafidis 2006, menjelaskan bahwa perintah xtcsd pada software Stata
digunakan untuk menguji adanya ketergantungan cross-sectional cross-sectional dependence dalam model data panel dengan menggunakan Fixed Effect Model
FEM dan Random Effect Model REM dengan banyak unit cross sectional dan beberapa pengamatan time series. Xtcsd dapat menjelaskan tiga prosedur uji
berbeda, yaitu Friedman’s test statistic, the statistic proposed by Frees, dan the
cross-sectional dependence CD test of Pesaran dengan menggunakan berbagai macam contoh empiris.
Penelitian oleh David M. Drukker 2003, menjelaskan bahwa adanya korelasi serial pada model data panel linear bias terhadap standard errors dan
menyebabkan hasil menjadi kurang efisien. Uji untuk mengidentifikasi adanya korelasi serial pada random atau fixed effect one way model oleh Wooldridge
2002 dapat diterapkan dalam kondisi umum dan mudah untuk diterapkan. Penelitian didukung dengan menggunakan program Stata.
Manusia adalah kekayaan bangsa yang sesungguhnya. Tujuan utama pembangunan adalah menciptakan lingkungan yang memungkinkan rakyat
menikmati umur panjang, sehat, dan menjalankan kehidupan yang produktif. Hal ini nampaknya sederhana. Tetapi seringkali terlupakan oleh kesibukan jangka
pendek untuk mengumpulkan harta dan uang. UNDP: Humant Development Report, 2000: 16.
Untuk melihat
sejauh mana
keberhasilan pembangunan
dan kesejahteraan manusia, UNDP telah menerbitkan suatu indikator yaitu Indeks
Pembangunan Manusia IPM untuk mengukur kesuksesan pembangunan dan kesejahteraan suatu negara. IPM adalah suatu tolak ukur angka kesejahteraan
suatu daerah atau negara yang dilihat berdasarkan tiga dimensi yaitu: angka harapan hidup pada waktu lahir life expectancy at birth, angka melek huruf
literacy rate dan rata-rata lama sekolah mean years of schooling, dan kemampuan daya beli purchasing power parity. Indikator angka harapan hidup
mengukur kesehatan, indikator angka melek huruf penduduk dewasa dan rata-rata lama sekolah mengukur pendidikan dan terakhir indikator daya beli mengukur
standar hidup. Ketiga indikator tersebut saling mempengaruhi satu sama lain, selain itu dapat dipengaruhi oleh faktor-faktor lain seperti ketersediaan
kesempatan kerja yang ditentukan oleh pertumbuhan ekonomi, infrastruktur, dan kebijakan pemerintah sehingga IPM akan meningkat apabila ketiga unsur tersebut
dapat ditingkatkan dan nilai IPM yang tinggi menandakan keberhasilan
pembangunan ekonomi suatu negara. United Nation Development Programme,
UNDP, 1990. Dengan kata lain Indeks Pembangunan Manusia dapat dipengaruhi oleh
beberapa faktor antara lain angka melek huruf, rata-rata lama sekolah dan pengeluaran riil per kapita disesuaikan yang dapat digunakan sebagai contoh
penerapan dalam analisis regresi data panel.
1.2 Batasan Masalah