131
BAB III METODE PENELITIAN
3.1. Ruang Lingkup Penelitian
Penelitian ini memfokuskan mengenai pertumbuhan ekonomi KabupatenKota di Sumatera Utara. Di mana variabel bebasnya adalah konsumsi masyarakat,
tabungan masyarakat, pengeluaran pemerintah, pendapatan asli daerah dan angkatan kerja. Sedangkan PDRB atas harga konstan tahun 2000 sebagai variabel terikatnya.
Penulis melakukan penelitian terhadap 19 KabupatenKota di Provinsi Sumatera Utara, untuk menggambarkan pengaruh indikator makro terhadap pertumbuhan
ekonomi KabupatenKota di Sumatera Utara. Pemilihan 19 KabupatenKota tersebut berdasarkan pertimbangan ketersediaan data, tahun penelitian dan juga adanya
wilayah pemekaran.
3.2. Jenis dan Sumber Data Penelitian
Data yang digunakan adalah data sekunder dengan jenis data panel tahunan selama kurun waktu 2002-2009 dengan 19 KabupatenKota Provinsi Sumatera Utara
yang bersumber dari BPS, Bank Indonesia dan data pendukung lainnya yang diperoleh dari jurnal, buku dan penelitian sebelumnya.
3.3. Pengolahan Data
Penulis menggunakan program komputer Eviews 6 dalam mengolah dan menganalisis data penelitian di dalam tesis ini.
3.4. Model Analisis
31
Universitas Sumatera Utara
132 Model yang digunakan untuk menganalisis pengaruh indikator makro
terhadap pertumbuhan ekonomi KabupatenKota di Sumatera Utara adalah dengan menggunakan model ekonometrika. Sedangkan teknik analisisnya akan menggunakan
regresi data panel. Adapun model persamaannya difungsikan sebagai berikut:
Y = f Konsumsi, Tabungan, Pemerintah, PAD, Angkatan Kerja ……………… 3.1
3.4.1. Analisis Data Panel
Untuk melihat besarnya pengaruh indikator makro terhadap pertumbuhan ekonomi KabupatenKota di Sumatera Utara selama kurun waktu 2002-2009, maka
analisis yang digunakan adalah analisis Data Panel. Dalam penelitian dengan data panel ini, model analisisnya yaitu:
Y
it
= ȕ
+ ȕ
1
K
it
+ ȕ
2
S
it
+ ȕ
3
G
it
+ ȕ
4
PAD
it
+ ȕ
5
L
it
+ İ
it
……………………………
3.2
Di mana: Y = PDRB harga konstan tahun 2000 KabupatenKota di Sumatera Utara
K = Jumlah konsumsi masyarakat KabupatenKota di Sumatera Utara S = Jumlah simpanan masyarakat KabupatenKota di Sumatera Utara
G = Jumlah pengeluaran pemerintah KabupatenKota di Sumatera Utara
PAD = Jumlah pendapatan asli daerah KabupatenKota di Sumatera Utara L
= Jumlah angkatan kerja KabupatenKota di Sumatera Utara i
= KabupatenKota 1, 2, …, 19 t
= Tahun 2002, 2003, ..., 2009 ȕ
= Konstanta
Universitas Sumatera Utara
133 ȕ
1-5
= Koefisien Regresi İ
= Term Error Pada penelitian ini digunakan teknik pengolahan data dengan menggunakan
panel data regression model model regresi panel data. Karena data-data yang akan diolah merupakan penggabungan cross sections observations dan time series
observations yang diperoleh dan diteliti sejalan dengan perjalanan waktu. Metode panel data ini mempunyai ruang dan dimensi waktu, sehingga estimasi variabel dan
hasil perhitungan akan memberikan analisa empiris yang lebih luas. Batalgi Manurung, 2005 menyusun keutungan data panel dibandingkan
dengan data runtun waktu dan data seksi silang, yaitu: 1.
Bila data panel berhubungan dengan individu, perusahaan, negara, daerah dan lain-lain pada waktu tertentu, maka data tersebut adalah heterogen. Teknik
penaksiran data panel yang heterogen secara eksplisit dapat dipertimbangkan dalam perhitungan.
2. Kombinasi data runtun waktu dan data seksi silang akan memberikan informasi
yang lebih lengkap, lebih beragam, kurang berkorelasi antar variabel, derajat bebas lebih besar dan lebih efisien.
3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis
dibandingkan dengan studi berulang dari data seksi silang. 4.
Data panel lebih baik mendeteksi dan mengukur efek yang secara sederhana tidak dapat diukur oleh data runtun waktu atau data seksi silang, misalnya efek dari
upah minimum.
Universitas Sumatera Utara
134 5.
Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks, misalnya fenomena skala ekonomi dan perubahan teknologi.
6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau
perusahaan karena unit data lebih banyak.
3.4.2. Metode Panel Least Square PLS
Model ini sama seperti model regresi sederhana biasa. Di mana data cross section dan time series digabungkan dalam bentuk data panel dan kemudian data
tersebut diregresikan dengan menggunakan metode OLS. Walaupun penggabungan ini akan menghasilkan data pengamatan yang lebih banyak sehingga hasil regresi
cenderung akan lebih baik dibandingkan regresi yang hanya menggunakan data cross section atau time series saja. Akan tetapi, dengan menggabungkan data, maka kita
tidak dapat melihat perbedaan baik antar individu maupun antar waktu. Hal ini tentunya kurang sesuai dengan tujuan digunakannya data panel. Di samping itu,
berdasarkan persamaan di bawah terlihat bahwa intercept maupun slope tidak berubah baik antar individu maupun antar waktu. Secara sistematis model PLS
dinyatakan sebagai berikut: Y
it
= ȕ
+ ȕ
1
X
1it
+ ȕ
2
X
2 it
+ ... + İ
it
............................................................. 3.3 Untuk mengatasi permasalahan tersebut, ada dua buah teknik yang biasanya
digunakan untuk membuat model dari data panel, yaitu model efek tetap the fixed effect model dan model efek random the random effect model.
3.4.3. Metode Efek Tetap The Fixed Effect Model
Telah dinyatakan di atas bahwa asumsi pembuatan model yang menghasilkan α konstan untuk setiap individu i dan waktu t kurang realistis. Dalam metode efek
Universitas Sumatera Utara
135 tetap FEM kita dapat mengatasi hal tersebut, karena metode ini memungkinkan
adanya perubahan α pada setiap i dan t.
Secara sistematis model FEM dinyatakan sebagai berikut: Y
it
= ȕ
+ ȕ
1
X
i
+ Ȗ
2
W
2t
+ Ȗ
3
W
3t
+ . + Ȗ
N
W
Nt
+ į
2
Z
i2
+ į
3
Z
i3
+ . + į
T
Z
iT
+ İ
it
. 3.4 Di mana:
Y
it
= Variabel terikat untuk individu ke-i dan waktu ke-t X
it
= Variabel bebas untuk individu ke-i dan waktu ke-t W
it
dan Z
it
merupakan variabel dummy yang dapat didefinisikan sebagai berikut: W
it
= 1 ; untuk individu i ; i = 1, 2, ..., N W
it
= 0 ; lainnya. Z
it
= 1 ; untuk periode t ; t = 1, 2, ..., T Z
it
= 0 ; lainnya. Dari model di atas terlihat bahwa sesungguhnya FEM adalah sama dengan
regresi yang menggunakan Dummy Variable sebagai variabel bebas, sehingga dapat diestimasi dengan Ordinary Least Square OLS. Dengan estimasi tersebut, maka
akan diperoleh estimator yang tidak bias dan konsisten. Bila kita memperhatikan model 4 di atas, maka kita akan mempunyai parameter untuk N individu dan T waktu
sebanyak: 1.
N-1 buah parameter 2.
T-1 buah parameter 3.
Sebuah parameter α dan
3.4.4. Metode Efek Random The Random Effect Model
Universitas Sumatera Utara
136 Sebagaimana telah kita ketahui bahwa pada metode efek tetap, perbedaan
karakteristik individu dan waktu diakomodasikan pada intercept sehingga interceptnya berubah antar individu dan antar waktu. Sementara metode efek random
REM perbedaan karakteristik individu dan waktu diakomodasikan pada error dari model. Mengingat ada dua komponen yang mempunyai kontribusi pada pembentukan
error, yaitu individu dan waktu, maka random error pada REM juga perlu diurai menjadi error untuk komponen individu, error komponen waktu dan error gabungan
Secara sistematis model REM dinyatakan sebagai berikut: Y
it
= ȕ
+ ȕ
1
X
it
+ İ
it
; İ
it
= u
i
+ v
t
+ w
it
………3.5 Di mana:
u
i
= Komponen error cross section
v
t
= Komponen error time series
w
it
= Komponen error gabungan Adapun asumsi yang digunakan untuk komponen error tersebut adalah:
u
i
~ N 0, σ
u 2
; v
i
~ N 0, σ
v 2
; w
it
~ N 0, σ
w 2
; Melihat persamaan di atas, maka dapat dinyatakan bahwa REM menganggap
efek rata-rata dari data cross section dan time series direpresentasikan dalam intercept. Sedangkan deviasi efek secara random untuk data time series
direpresentasikan dalam v
t
dan deviasi untuk data cross section dinyatakan dalam u
i
.
Universitas Sumatera Utara
137 Kita telah mengetahui bahwa
it
= u
i
+ v
t
= w
it
. Dengan demikian varians dari error tersebut dapat dituliskan dengan:
Var
it
= σ
u 2
+ σ
v 2
+ σ
w 2
………3.6 Hal ini tentunya berbeda dengan model OLS yang diterapkan pada data panel,
di mana model OLS mempunyai varian error sebesar: Var
it
= σ
w 2
………3.7 Dengan demikian, REM bisa diestimasi dengan OLS bila
σ
u 2
= σ
v 2
= 0. Kalau tidak demikian, REM perlu diestimasi dengan metode lain. Adapun metode estimasi
yang digunakan adalah Generalized Least Square GLS.
3.4.5. Pemilihan Model Data Panel
Pertimbangan bahwa REM mempunyai parameter lebih sedikit yang mengakibatkan derajat bebasnya lebih besar dibandingkan FEM yang mempunyai
parameter lebih sedikit sehingga derajat bebasnya lebih kecil. Akan tetapi FEM juga mempunyai beberapa kelebihan, seperti: FEM dapat membedakan efek individual dan
efek waktu dan FEM juga tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas yang mungkin sulit dipenuhi.
Pemilihan antara REM atau FEM juga dapat dilakukan dengan pertimbangan tujuan analisis atau dapat pula kemungkinan data yang digunakan sebagai dasar
pembuatan model, hanya dapat diolah oleh salah satu metode saja akibat berbagai persoalan teknis matematis yang melandasi perhitungan. Beberapa pakar
ekonometrika membuat pembuktian untuk menentukan model apa yang paling sesuai
Universitas Sumatera Utara
138 untuk digunakan dalam data panel. Adapun kesimpulan dari pembuktian tersebut
adalah: 1.
Jika pada data panel jumlah data time series lebih besar dibandingkan jumlah data cross section, maka disarankan untuk menggunakan model Metode Efek Tetap
FEM. 2.
Jika pada data panel jumlah data time series lebih sedikit dibandingkan jumlah data cross section, maka disarankan untuk menggunakan model Metode Efek
Random REM. Hal ini sejalan dengan yang disampaikan oleh Judge. Menurut Judge
Manurung, 2005 ada empat pertimbangan pokok untuk memilih FEM dan REM, yaitu:
1. Jika jumlah runtun waktu [t] besar dan jumlah seksi silang [i] kecil maka nilai taksiran parameter berbeda kecil, sehingga pilihan didasarkan pada kemudahan
perhitungan, yaitu FEM. 2. Bila jumlah seksi silang [i] besar dan jumlah runtun waktu [t] kecil penaksiran
dengan FEM dan REM menghasilkan perbedaan yang signifikan. Pada REM diketahui bahwa
β
0i
= β
+ ε
i
, di mana ε
i
adalah komponen acak seksi silang, pada FEM diperlakukan
β adalah tetap atau tidak acak. Bila diyakini bahwa individu
atau seksi silang tidak acak maka FEM lebih tepat, sebaliknya jika seksi silang acak maka REM lebih tepat.
3. Jika komponen kejutan acak [ ε
i
] individu berkorelasi maka penaksir REM adalah bias dan penaksir FEM tidak bias.
Universitas Sumatera Utara
139 4. Jika jumlah seksi silang [i] besar dan jumlah runtun waktu [t] kecil serta asumsi
REM dipenuhi maka penaksir REM lebih efisien dari penaksir FEM.
3.4.6. Uji Chow Chow Test
Untuk mengetahui model Pooled Least Square PLS atau Metode Efek Tetap FEM yang akan dipilih untuk estimasi data dapat dilakukan dengan uji F-test atau
uji Chow Test. PLS adalah restricted model di mana ia menerapkan intercept yang sama untuk seluruh individu. Seperti yang telah ketahui, terkadang asumsi bahwa
setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat dimungkinkan saja setiap unit cross section memiliki perilaku yang
berbeda. Untuk itu dipergunakan Chow Test. Dasar penolakan terhadap hipotesa nol tersebut adalah dengan menggunakan F Statistik seperti yang dirumuskan oleh Chow
sebagai berikut:
⎭ ⎬
⎫ ⎩
⎨ ⎧
− −
− ×
⎭ ⎬
⎫ ⎩
⎨ ⎧
− =
1 N
K N
NT RSS
RSS RSS
Chow
FEM FEM
OLS
……………………………….. 3.8
Di mana: RSS
OLS
= Restricted Residual Sum Square merupakan Sum of Square Residual yang diperoleh dari estimasi data panel dengan metode ordinary least
squarecommon intercept RSS
FEM
= Unrestricted Residual Sum Square merupakan Sum of Square Residual yang diperoleh dari estimasi data panel dengan metode efek
tetap FEM N
= Jumlah data cross section
Universitas Sumatera Utara
140 T
= Jumlah data time series K
= Jumlah variabel bebas Nilai tersebut dibandingkan dengan tabel F, jika nilai hasil penghitungan lebih
besar dibandingkan F tabel, maka kita dapat menolak hipotesis, yang berarti α tidak
konstan pada setiap i dan t, atau dengan kata lain metode efek tetap FEM lebih baik.
3.4.7. Uji Hausman
Pada dasarnya uji Hausman ini digunakan untuk melihat konsistensi pendugaan dengan OLS. Mengingat REM diduga dengan menggunakan metode
tersebut, maka dalam permodelan data panel, uji tersebut dapat digunakan untuk melihat kelayakan penggunaan model panel. Pengujian ini dilakukan untuk
menentukan apakah metode efek tetap FEM atau metode efek random REM yang dipilih. Pengujian ini dilakukan dengan hipotesa sebagai berikut:
H = 0 menggunakan metode efek randomREM
H
1
≠ 0 menggunakan metode efek tetapFEM Dasar penolakan H
adalah dengan menggunakan pertimbangan statistik Chi Square. Jika Chi Square statistik Chi Square table maka H
ditolak Model yang digunakan adalah metode efek tetapFEM, dan sebaliknya.
3.5. Definisi Operasional
1. Pertumbuhan ekonomi dalam penelitian ini akan diproxy dengan PDRB atas harga konstan setiap KabupatenKota di Sumatera Utara, dalam satuan milyar
rupiah.
Universitas Sumatera Utara
141 2. Konsumsi masyarakat merupakan total pengeluaran yang dilakukan rumah
tangga untuk membeli barang dan jasa, dalam satuan milyar rupiah. 3. Simpanan masyarakat merupakan jumlah dana pihak ketiga berupa tabungan,
deposito dan giro masyarakat yang berhasil dihimpun oleh perbankan setiap KabupatenKota di Sumatera Utara, dalam satuan milyar rupiah.
4. Pengeluaran pemerintah merupakan realisasi pengeluaran pembangunan dan rutin setiap pemerintah daerah KabupatenKota di Sumatera Utara, dalam
satuan milyar rupiah. 5. Pendapatan asli daerah merupakan realisasi berbagai pendapatan daerah baik
berupa pajak, retribusi, laba perusahaan daerah maupun pendapatan lainnya yang berhasil dikumpulkan setiap daerah KabupatenKota di Sumatera Utara,
dalam satuan milyar rupiah. 6. Angkatan kerja merupakan jumlah angkatan kerja yang telah bekerja pada
setiap daerah KabupatenKota di Sumatera Utara, dalam satuan jiwa.
Universitas Sumatera Utara
142
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Gambaran Umum Variabel-variabel Penelitian 4.1.1. Produk Domestik Regional Bruto
Produk domestik regional bruto atas harga konstan 2000 di 19 KabupatenKota Sumatera Utara sangat bervariasi di mana pada suatu periode
mengalami pertumbuhan yang sangat tinggi tapi di periode yang lain malah mengalami penurunan yang cukup tinggi. Dari data di bawah dapat dilihat bahwa
KabupatenKota dengan jumlah PDRB harga konstan tertinggi terdapat pada Kota Medan dari tahun ke tahun. Hal ini bisa dimaklumi karena Kota Medan merupakan
ibukota Provinsi Sumatera Utara, sehingga seluruh kegiatan perekonomian maupun pemerintahan terpusat di kota tersebut. Walaupun tidak mengalami pertumbuhan
yang cukup tinggi, namun Kota Medan mempunyai tingkat pertumbuhan yang sangat stabil sehingga membuat wilayah ini semakin dilirik oleh para pelaku ekonomi
sehingga perkembangan wilayah tersebut sangat pesat. Sedangkan Kota Sibolga merupakan daerah KabupatenKota yang memiliki
jumlah PDRB harga konstan yang terendah dari tahun ke tahun kecuali pada tahun 2009 pada Kabupaten Nias. Hal ini diakibatkan oleh masih rendahnya perputaran
roda perekonomian di Kota Sibolga yang masih mengandalkan kegiatan dari sektor perikanan. Kemudian pada tahun 2009, untuk Kabupaten Nias mengalami penurunan
jumlah PDRB harga konstan akibat adanya pemekaran wilayah di Kabupaten tersebut sehingga jumlah PDRB harga konstan ikut terkoreksi secara tajam.
42
Universitas Sumatera Utara
Kategori