Pemilihan Pendekatan: Uji Haussman Definisi Operasional

33 Penggunaan data panel telah memberikan banyak keuntungan secara statistik maupun teori ekonomi. Manfaat penggunaan panel data adalah sebagai berikut: 1. Mampu mengontrol heterogenitas individu 2. Mengurangi kolinearitas antar variabel, meningkatnya degree of freedom, lebih bervariasi dan lebih efisien 3. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diperoleh dari data cross section murni atau time series murni Model analisa data panel memiliki tiga macam pendekatan, yaitu pendekatan kuadrat terkecil pooled least square, pendekatan efek tetap fixed effect , dan pendekatan efek acak random effect. Selain itu, di dalam melakukan pengolahan data panel terdapat juga kriteria pembobotan yang berbeda-beda yaitu No weighting semua observasi diberi bobot sama, cross section weight GLS dengan menggunakan estimasi varians residual cross section, apabila terdapat asumsi cross section heteroskedasticity, dan SUR GLS dengan menggunakan covariance matrix cross section . Metode ini mengoreksi baik heteroskedastisitas maupun autokorelasi antar unit cross section.

3.5. Pemilihan Pendekatan: Uji Haussman

Alur pengujian statistik untuk memilih pendekatan yang digunakan dapat diperlihatkan pada Gambar 3.1. Penggunaan pendekatan Pooled Least Square dirasakan kurang sesuai dengan tujuan digunakannya data panel maka dalam penelitian ini hanya mempertimbangkan pendekatan fixed effect dan random 34 effect . Dalam memilih apakah fixed atau random effect yang lebih baik, dilakukan pengujian terhadap asumsi ada tidaknya korelasi antara regresor dan efek individu. Untuk menguji asumsi ini dapat digunakan Haussman Test. Dalam uji ini dirumuskan hipotesis sebagai berikut: H : Model Random Effect H 1 : Model Fixed Effect Jika nilai H hasil pengujian lebih besar dari χ 2 tabel, maka cukup bukti untuk melakukan penolakan terhadap H sehingga model yang digunakan adalah model fixed effect, begitu juga sebaliknya. Sumber: Firdaus, 2012 Gambar 3.1. Pengujian Pemilihan Model dalam Pengolahan Data Panel

3.6. Pengujian Kriteria Ekonomi dan Statistik

Setelah mendapatkan parameter estimasi, langkah selanjutnya adalah melakukan berbagai macam pengujian terhadap parameter estimasi tersebut serta pengujian terkait model terbaik mana yang akan dipilih diantara fixed dan random. Pengujian tersebut bisa berupa pengujian ekonomi, statistik, dan ekonometrik. Fixed Effect Random Effect Pooled Least Chow Test Hausman Test 35 Pengujian dapat dilakukan dengan kriteria ekonomi dan statistik. Pengujian ekonomi dilakukan untuk melihat besaran dan tanda parameter yang akan diestimasi, apakah sesuai dengan teori atau tidak. Sedangkan uji kriteria statistik dilakukan dengan uji koefisien determinasi R 2

3.6.1. Uji Koefisien Regresi Secara Individual Uji t

Uji t–statistik dilakukan untuk menguji apakah variabel independen secara individu mempunyai pengaruh yang signifikan terhadap variabel dependennya. Pengujian ini dilakukan untuk mengetahui secara parsial variabel independen berpengaruh secara signifikan atau tidak terhadap variabel dependen. Dalam pengujian ini dilakukan uji dua arah dengan hipotesa : H : βi = 0 tidak ada pengaruh variabel independen terhadap variabel dependen H 1 : βi ≠ 0 ada pengaruh variabel independen terhadap variabel dependennya Kriteria pengujian : 1. Ho diterima dan Ha ditolak apabila t tabel t hitung t tabel, artinya variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen. 2. Ho ditolak dan Ha diterima apabila t tabel t hitung t tabel, artinya variabel independen berpengaruh secara signifikan terhadap variabel dependent Sedangkan nilai t hitung adalah : T hitung = βi Se βi 36

3.6.2. Uji Signifikansi Simultan Uji f

Uji-F statistik digunakan untuk menguji apakah keseluruhan variabel independen secara simultan berpengaruh terhadap variabel dependen. Pengujian ini dilakukan dengan hipotesa : H = β1 = β2 = β3 = β4 = 0 variabel independen secara bersama – sama tidak berpengaruh secara signifikan terhadap variabel dependen. H 1 ≠ β1 ≠ β2 ≠ β3 ≠ β4 ≠ 0 variabel independen secara bersama – sama berpengaruh secara signifikan terhadap variabel dependen. Dengan kata lain, dalam penelitian ini bila hasil F hitung menunjukkan hasil yang signifikan berarti variabel pertumbuhan ekonomi, aglomerasi dan variabel moderat secara bersama – sama berpengaruh terhadap kualitas lingkungan Untuk menghitung F hitung digunakan rumus Gujarati, 1995 F hitung = R 2 k-1 1 – R 2 n-k Dimana : R 2 = koefisien determinasi n = jumlah observasi k = jumlah variabel independen termasuk konstanta 37 Kriteria Pengujian: 1. H diterima dan H 1 ditolak apabila F hitung F tabel, artinya variabel independen secara bersama – sama tidak berpengaruh secara signifikan terhadap variabel dependen. 2. H ditolak dan H 1 diterima apabila F hitung F tabel, artinya variabel independen secara bersama – sama berpengaruh secara signifikan terhadap variabel dependen.

3.6.3. Uji Koefisien Determinasi R

2 Koefisien determinasi R 2 digunakan untuk mengetahui besarnya daya menerangkan dari variabel independen terhadap variabel dependen pada model tersebut. Nilai R 2 berkisar antara 0 R 2 1 sehingga kesimpulan yang diambil adalah: 1. Nilai R 2 yang kecil atau mendekati nol, berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel-variabel tak bebas sangat terbatas. 2. Nilai R 2 mendekati satu, berarti variabel-variabel bebas memberikan hampir semua informasi untuk memprediksi variasi variabel tak bebas. Dalam penelitian ini berarti, bila nilai R 2 memberikan hasil yang mendekati angka 1, artinya kualitas lingkungan yang ditinjau dari tingkat emisi CO 2 , CH 4 , dan N 2 O dapat dijelaskan dengan baik oleh variasi variabel independen GDP, GDP 2 , GDP 3 , dan atau TDR Sedangkan sisanya 100 - nilai R 2 dijelaskan oleh sebab-sebab lain di luar model. 38

3.6.4. Uji Autokorelasi

Istilah autokorelasi bisa didefinisikan sebagai korelasi di antara anggota observasi yang diurut menurut waktu seperti data deret berkala atau ruang seperti data lintas sektoral. Uji yang paling dikenal untuk pendeteksian autokorelasi adalah statistik d Durbin-Watson DW Test. Pengujian dengan DW Test hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag diantar variabel independen. Hipotesis yang akan diuji adalah: H : tidak ada autokorelasi r = 0 H 1 : ada autokorelasi r ≠ 0 Tabel 3.2 Uji d Durbin-Watson: Aturan Keputusan Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif Tidak ada autokorelasi positif atau negative Tolak Tidak ada keputusan Tolak Tidak ada keputusan Tidak ditolak 0 d d L d L ≤ d ≤ d U 4 - d L d 4 4 - d U ≤ d ≤ 4 - d L d U d 4 - d U Sumber: Gujarati, 2003

3.6.5. Uji Heterokedastisitas

Suatu asumsi kritis dari model regresi linear klasik adalah bahwa gangguan u i semuanya mempunyai varians yang sama. Jika asumsi ini tidak dipenuhi, maka mempunyai heteroskedasitas. Heteroskedasitas tidak merusak sifat ketidakbiasan dan konsistensi dari penaksir OLS. Tetapi penaksir ini tidak lagi mempunyai varians minimum atau efisien . Dengan perkataan lain, sehingga tidak lagi memenuhi asumsi BLUE. 39 Untuk mendeteksi ada tidaknya pelanggaran ini dengan menggunakan White Heterocdasticity Test Gujarati, 1995. Nilai probabilitas ObsR-squared dijadikan sebagai acuan untuk menolak atau menerima H . Hipotesis yang akan diuji: H : homoskedastisitas H 1 : heteroskedastisitas Kriteria pengujiannya adalah: 1. Probabilitas ObsR-squared taraf nyata , maka tolak H 2. Probabilitas ObsR-squared taraf nyata , maka terima H

3.6.6. Uji Normalitas

Uji normalitas digunakan untuk mengetahui apakah data terdistribusi normal atau tidak. Dalam penelitian ini menggunakan Jarque-Bera test J-B test untuk melihat apakah data terdistribusi normal atau tidak. Uji ini menggunakan hasil residual dan chi-square probability distribution. hipotesis yang akan diuji adalah: H : Sampel berasal dari populasi yang berdistribusi normal H 1 : Sampel berasal dari populasi yang tidak berdistribusi normal Kriteria pengujian adalah: 1. Bila nilai JB hitung nilai X 2 tabel, maka H yang menyatakan residual, ut adalah berdistribusi normal ditolak. 2. Bila nilai JB hitung nilai X 2 tabel, maka H yang menyatakan residual, ut adalah berdistribusi normal diterima. 40

3.7. Definisi Operasional

Penelitian ini menggunakan CO 2 carbon dioksida, CH 4 metana, dan N 2 O nitrogen oksida sebagai indikator pencemaran lingkungan karena ketiganya merupakan gas rumah kaca yang berperan aktif dalam meningkatkan suhu bumi melalui efek rumah kaca yang ditimbukan gas buangan tersebut. Gas-gas buangan tersebut ketika dilepaskan di atmosfer akan membentuk lapisan yang menahan pantulan panas matahari yang menyinari bumi seperti prinsip rumah kaca. 1. Emisi Karbondioksida CO 2 Variabel ini diperoleh dari emisi karbondioksida CO 2 yang dinyatakan dalam kilotonne . Karbondioksida adalah gas rumah kaca yang penting karena ia menyerap gelombang inframerah dengan kuat. Karbondioksida dihasilkan oleh semua makhluk hidup pada proses respirasi dan digunakan oleh tumbuhan pada proses fotosintesis. Karbondioksida juga dihasilkan dari hasil samping pembakaran bahan bakar fosil. 2. Emisi Metana CH 4 Variabel ini diperoleh dari emisi metana CH 4 yang dinyatakan dalam kilotonne . Metana merupakan komponen utama gas alam yang termasuk gas rumah kaca. Ia merupakan insulator yang efektif, mampu menangkap panas 20 kali lebih banyak bila dibandingkan karbondioksida. Metana dilepaskan selama produksi dan transportasi batu bara, gas alam, dan minyak bumi. Metana juga dihasilkan dari pembusukan limbah organik di tempat pembuangan sampah landfill, bahkan dapat keluarkan oleh hewan-hewan tertentu, terutama sapi, sebagai produk samping dari pencernaan. 41 3. Emisi Nitrogen Oksida N 2 O Variabel ini diperoleh dari emisi nitrogen oksida N 2 O yang dinyatakan dalam kilotonne. Nitrogen oksida adalah gas insulator panas yang sangat kuat. Ia dihasilkan terutama dari pembakaran bahan bakar fosil dan oleh lahan pertanian. Nitrogen oksida dapat menangkap panas 300 kali lebih besar dari karbondioksida. 4. GDP per kapita merupakan GDP yang telah dibagi dengan jumlah penduduk dalam suatu negara sehingga GDP per kapita dirasa efektif dalam menggambarkan tingkat pendapatan suatu negara. Penggunaan GPD perkapita dilakukan sebagai pendekatan pertumbuhan ekonomi. 5. Volume perdagangan merupakan penjumlahan dari persentase ekspor terhadap GDP dan persentase impor terhadap GDP yang digunakan untuk mendekati keterbukaan ekonomi. 42

BAB IV GAMBARAN UMUM

4.1. Laju Pertumbuhan GDP per Kapita Negara

High Income 1981-2008 Kelompok negara high income merupakan kelompok negara yang telah melewati tahapan pertumbuhan ekonomi hingga pada akhirnya mencapai kondisi mapan. Secara keseluruhan negara high income memiliki laju pertumbuhan GDP per kapita bernilai positif meskipun terdapat fluktuas dalam data tahunan. Hal tersebut menunjukan bahwa setiap tahunnya terjadi fluktuasi pendapatan namun secara keseluruhan untuk jangka waktu tahun 1981-2008 pendapatan negara high income mengalami peningkatan. Sumber: World Development Indicator, diolah Gambar 4.1. Laju Pertumbuhan Ekonomi Negara High Income, 1981-2008 Berdasarkan Gambar 4.1, rata-rata keseluruhan negara high income memiliki pertumbuhan ekonomi konstan dengan pertumbuhan GDP per kapita rata-rata per tahun sebesar 1,8 persen. Negara-negara high income memiliki 5000 10000 15000 20000 25000 30000 35000 40000 45000 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 GDP per kapita US Inggris Amerika Serikat Jepang Italia Perancis