35
buku, artikel, skripsi, internet dan lain-lain yang berhubungan dengan topik yang diteliti.
3.5. Pengolahan Data
Penulis menggunakan program komputer E-Views 5.0 untuk mengolah data dalam skripsi.
3.6. Populasi dan Sampel Penelitian
Populasi yang di pilih oleh penulis yaitu di Provinsi Sumatera Utara dan menurut data BPS 2013 jumlah kabupatenkota di Provinsi Sumatera Utara
adalah 33 kabupatenkota.
3.7. Metode Analisis Data
Metode yang digunakan dalam penelitian ini adalah menggunakan pendekatan Granger Causality Test. Digunakan metode ini adalah untuk melihat
hubungan kausalitas antar ketimpangan daerah dan tingkat kemiskinandi Sumatera Utara.Dalam kaitannya dengan hal tersebut, pengujian terhadap perilaku
data runtun waktu time series dan integrasinya dapat dipandang sebagai uji prasyarat bagi digunakan metode Granger Causality Test.
Sebelum dilakukan estimasi terhadap metode Granger Causality Test diatas, maka terlebih dahulu dilakukan langkah-langkah sebagai berikut:
1. Uji akar unit Unit roots test
Sebelum melakukan uji kointegrasi dan uji granger causality dengan menggunakan data time series, maka perlu dilakukan uji stasioner terhadap
seluruh variable yang ada dalam penelitian. Pengertian stasioner terkait erat dengan konsistensi pergerakan data time series. Data time series dikatakan
36
stasioner jika data tersebut tidak mengandung akar-akar unit unit root. Secara sederhana suatu data stasioner akan bergerak stabil dan konvergen disekitar nilai
rata-rata dengan kisaran tertentu deviasi yang kecil tanpa pergerakan tren positif maupun negatif. Apabali data time series tidak stasioner maka model yang tepat
bagi data time series tersebut adalah model regresi kesalahan atau ECM Error Correction Model.
Pengujian ini dilakukan dengan menggunakan uji akar-akar unit unit roots test yang bertujuan untuk mengetahui apakah data tersebut mengandung unit
roots atau tidak. Jika variabel tersebut mengandung unit roots, maka data tersebut dikatakan data yang tidak stasioner.
Terdapat beberapa metode pengujian untuk uji akar unit dan diantarannya adalah Augmented Dickey Fuller ADF dan Phillips Perron PP, adapun model
dari uji Augmented Dickey Fuller ADF dengan intercept β1 dapat dinyatakan
sebagai berikut:
m ∆Y
t
= β
1
+ δY
t-1
+ α
1
∑ ∆Y
t-1
+ ε
t
…………………………… 1 i=1
Sedangkan model untuk uji Phillips Perron PP dengan intercept β1 adalah:
∆Y
t
= β1 + λY
t-1 +
ε
t
…………………………………………. 2
Kedua uji dilakukan dengan hipotesis null δ = 0 untuk ADF dan λ = 1 untuk PP. Stasioner tidaknya data didasarkan pada perbandingan nilai statistik ADF dan
PP yang diperoleh da ri nilai t statistik δ dan λ dengan nilai kritis statistik dari Mac
Kinnon. Jika nilai absolute statistik ADF dan PP lebih besar dari nilai kritis Mac Kinnon maka data stasioner dan jika sebaliknya maka data tidak stasioner.
37
2. Uji Kointegrasi Cointegrasi test
Uji kointegarsi bertujuan untuk melihat hubungan jangka panjang antara 2 variabel atau lebih.Maka uji kointegrasi ini bertujuan untuk mengetahui
ketimpangan daerah dengan tingkat kemiskinan memiliki hubungan keseimbangan jangka panjang atau tidak dengan menggunakan Johansen
test.Johansen dapat digunakan untuk menentukan kointegrasi sejumlah variabel, maka Johansen menyarankan untuk melakukan 2 uji statistik.
Uji statistik pertama adalah uji trace trace test, λ
trace
yaitu menguji Ho yang mengsyaratkan bahwa jumlah dari arah kointegrasi adalah kurang dari atau sama
dengan pdan uji ini dapat dilakukan sebagai berikut:
p λ
trace
r = T ∑ in 1-λi ……………………………………… 3
i=r+i
dimana λ
r+1,
…….. λn adalah nilai eigenvectors terkecil p – r. Null hypothesis yang disepakati adalah jumlah dari arah kointegrasi sama dengan banyaknya r.
dengan kata lain, jumlah vektor kointegrasi lebih kecil atau sama dengan ≤ r,
dimana r = 0,1,2 dan seterusnya. Uji statistik yang keduaadalah uji maksimum eigenvalue
λ
max
yang dilakukan dengan formula sebagai berikut:
λ
max
r, r + 1 = T in 1- λ
Kategori