4.6.1 Model Analisis Ekonometrika
Dengan menggunakan model Ekonometrika maka model ini dapat difungsikan sebagai berikut:
Fungsi persamaan Y= fPAD, DAU, DAK ditransformasikan ke dalam model ekonometrika sebagai berikut :
Y
it
= α
+ β
1
PAD
it
+ β
2
DAU
it
+ β
3
DAK
3it
+ e
it
Dalam menganalisis data pada tesis ini, penulis menggunakan metode analisis data panel. Dimana data panel merupakan data campuran cross section dan time
series. Penggunaan data panel didasarkan pada kenyataan bahwa data yang tersedia, seriesnya tidak mencukupi untuk dilakukan analisis.
Dimana : t
= Tahun i =
Kabupatenkota Y
= Indeks
Pembangunan Manusia
= Interceptkonstanta
3 2
1
, ,
= Koefisien regresi
PAD = Pendapatan Asli Daerah DAU = Dana Alokasi Umum
DAK = Dana Alokasi Khusus
= Error Term
Universitas Sumatera Utara
Secara matematis bentuk hipotesisnya adalah:
1
X Y
, artinya pendapatan asli daerah di kabupaten kota di Sumatera Utara
mengalami kenaikan, maka IPM Y akan mengalami kenaikan, ceteris paribus.
2
X Y
, artinya dana alokasi umum di kabupaten kota di Sumatera Utara
mengalami kenaikan, maka IPM Y akan mengalami kenaikan, ceteris paribus.
3
X Y
, artinya dana alokasi khusus mengalami kenaikan, maka IPM Y
akan mengalami kenaikan, ceteris paribus.
4.6.2 Metode Analisis
Menurut Gujarati 2003, yang menemukan bahwa mengestimasi jenis data panel dengan metode OLS tidak konsisten dan efisien inefisiensi, sehingga
disarankan untuk menggunakan metode Generalized Least Square GLS. Dimana dalam metode ini dapat dianalisis dengan dua model pendekatan, yaitu fixed effects
model FEM dan random effects model REM. Kemudian dari kedua model tersebut
Universitas Sumatera Utara
dapat ditentukan model yang terbaik untuk digunakan dalam model persamaan ekonometrika.
Dengan data panel, jumlah pengamatan menjadi banyak. Dengan analisis data regresi panel, dapat menangkap dinamika yang lebih baik dari hubungan antara
indeks pembangunan manusia dengan faktor-faktor yang mempengaruhinya. Dalam random effect diasumsikan bahwa komponen error individual tidak berkorelasi satu
sama lain dan tidak ada otokorelasi baik cross section maupun time series. Kedua variabel random tersebut yaitu variabel cross section dan variabel time series
diasumsikan berdistribusi normal dengan derajat bebas yang tidak berkurang. Model random effect dapat diestimasi sebagai regresi Generalized Least-Square GLS
yang akan menghasilkan penduga yang memenuhi sifat Best Linier Unbiased Estimation BLUE. Dengan demikian adanya gangguan asumsi klasik dalam model
ini telah terdistribusi secara normal, sehingga tidak diperlukan lagi treatment terhadap model bagi pelanggaran asumsi klasik, yaitu asumsi adanya autokorelasi,
multikolinearitas dan heterokedastik. Untuk menentukan model mana yang terbaik dalam metode GLS tersebut
maka dapat dilakukan dengan Uji Hausman, 1978 Gujarati, 2003.
Universitas Sumatera Utara
4.6.3. Pendekatan Pooled Least Square PLS