Data yang Digunakan Untuk Menghitung GIC
negara . Jadi, data panel terdiri dari beberapa atau banyak objek yang meliputi beberapa periode. Nama lain data panel antara lain: Panel Pooled data,
combination of time series and cross section data, longitudinal data, pooled-time
series data . Jika setiap unit cross section memiliki jumlah observasi time series
yang sama maka disebut sebagai balanced panel. Sebaliknya, jika unit-unit cross section
memiliki jumlah observasi time series yang berbeda maka disebut unbalanced panel
. Regresi dengan menggunakan data panel disebut dengan model regresi
data panel. Penggunaan model regresi data panel memungkinkan untuk menangkap karakteristik antar individu dan antar waktu. Selain itu, data panel
digunakan apabila observasi dari cross section saja atau data time series saja tidak cukup untuk dilakukan analisis, karena dengan data panel observasinya akan lebih
banyak. Hsiao 1990 menyatakan bahwa model regresi data panel memiliki beberapa keuntungan, antara lain:
1. Data panel mampu menyediakan data yang lebih banyak dan informasi yang
lebih lengkap, karena merupakan gabungan antara data cross section dan data time series
, sehingga model regresi data panel akan menghasilkan degree of freedom
df yang lebih besar yang selanjutnya akan meningkatkan presisi dari estimasi regresi;
2. Penggabungan informasi dari data time series dan data cross section, dapat
mengatasi masalah yang timbul akibat penghilangan variabel ommited variable
; 3.
Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit data lebih banyak;
4. Data panel mampu mengindikasikan dan mengukur efek yang secara
sederhana tidak dapat diperoleh dengan data cross section murni atau time series
murni; 5.
Data panel mampu mengurangi kolinieritas antar variabel; 6.
Suatu hal yang penting dalam data panel yang diabaikan dalam penggunaan OLS adalah heterogenitas antara unit-unit cross section. Asumsi yang
mendasari OLS tersebut sangat jarang berlaku dalam kenyataan sehari-hari.
Heterogenitas dapat terjadi pada intercept, slope, atau keduanya. Perbedaan antar individu tersebut dapat diperoleh dengan menggunakan data panel.
Kelebihan analisis regresi data panel yang fundamental ditambahkan oleh Greene 2005 yaitu adanya fleksibilitas yang lebih besar bagi peneliti dalam
memodelkan perbedaan perilaku diantara individu-individu. Didalam model regresi klasik, gangguan errortermsdisturbanced selalu dinyatakan bersifat
homoskedastik dan serial uncorrelated. Dalam kondisi tersebut, penggunaan metode OLS akan menghasilkan estimator yang memiliki sifat Best Linear
Unbiased Estimator BLUE. Sedangkan dalam metode regresi data panel, yang
merupakan gabungan data beberapa individu dalam beberapa periode, asumsi model regresi klasik tersebut tidak dapat diterapkan. Hal ini terjadi karena dalam
data panel terdapat tiga macam gangguan, yaitu: gangguan antar waktu time series related disturbances
, gangguan antar individu cross section disturbance, serta gangguan antar waktu dan antar individu.
Pengujian dalam analisis regresi data panel berbeda dengan pengujian dalam persamaan tunggal. Dalam analisis persamaan tunggal, pengujian dilakukan
untuk mengetahui apakah terjadi gejala homoskedastik, heteroskedastik, atau autokorelasi untuk satu individu. Perbaikan remidial model dilakukan jika
berdasarkan hasil pengujian terdapat asumsi regresi linier klasik yang terlanggar, sehingga diperoleh hasil estimasi yang bersifat BLUE. Kemudian pengujian
dalam analisis data panel dilakukan untuk menentukan estimator yang lebih baik, disesuaikan dengan kondisi matriks varians-covarians residual Ekananda, 2006.
Dalam penelitian ini, penulis membatasi pembahasan pada data panel yang bersifat balanced panel, yang mana tiap-tiap individu kabupatenkota memiliki
jumlah observasi time series yang sama. Jadi, total observasi adalah N jumlah cross section
x T jumlah time series