46
Analisis Ekonometrika Regresi Data Panel
Analisis Tren Analisis Kuadran
Poverty Growth Curve PGC
Analisis Deskriptif
Rekomendasi Kebijakan Dinamika Pertumbuhan,
Pengangguran, Ketimpangan Pendapatan dan Kemiskinan
Determinan dan Keterkaitan Pertumbuhan, Pengangguran,
Ketimpangan dan Kemiskinan
1. Model Pertumbuhan 2. Model Pengangguran
3. Model Ketimpangan 4. Model Kemiskinan
Dinamika antar Waktu Dinamika antar Wilayah
Dalam Angka DDA kabupatenkota dan provinsi. Jenis dan sumber data untuk bahan kajian secara ringkas disajikan dalam Tabel 2.
Tabel 2 Jenis dan Sumber Data dalam Penelitian
Data Keterangan
Sumber
Kemiskinan Persentase Penduduk Miskin HCI
BPS Provinsi Jawa Tengah Ketimpangan
Gini rasio BPS Provinsi Jawa Tengah
Pertumbuhan Pertumbuhan PDRB perkapita
BPS Provinsi Jawa Tengah Pendidikan
Rata-rata Lama Sekolah Penduduk, Ketimpangan Pendidikan
BPS Provinsi Jawa Tengah, dihitung dari Susenas
Ketenagakerjaan Angkatan Kerja, Penduduk bekerja,
Pencari Kerja, TPAK dan TPT BPS Provinsi Jawa Tengah,
dihitung dari Susenas Penduduk
Jumlah Penduduk Hasil Rebasing SP’2010, BPS
Upah Upah Minimum KabupatenKota
Daerah Dalam Angka DDA, BPS Provinsi Jawa Tengah
Belanja Publik Belanja Publik Pemerintah KabKota
Kementerian Keuangan Inflasi
IHK, PDRB Deflator BPS Provinsi Jawa Tengah
Investasi PMTDB PDRB Penggunaan
BPS Provinsi Jawa Tengah Infrastruktur
Panjang Jalan dan Jumlah Listrik Terjual Dinas PU dan PT PLN
3.2 Metode Analisis
Metode analisis yang digunakan untuk menjawab tujuan penelitian terdiri dari analisis deskriptif dan regresi data panel. Analisis deskriptif digunakan untuk
mengkaji dinamika pertumbuhan, pengangguran, ketimpangan dan kemiskinan antar waktu dan antar wilayah. Analisis regresi data panel digunakan untuk
mengkaji keterkaitan antara variabel pertumbuhan, pengangguran, ketimpangan dan kemiskinan serta mengidentifikasi determinan dari setiap variabel. Prosedur
analisis secara ringkas disajikan dalam Gambar 13.
Gambar 13 Ringkasan Prosedur Analisis
47
3.2.1. Analisis Deskriptif
Analisis deskriptif merupakan suatu metode analisis yang digunakan untuk menggambarkan keadaan suatu hal atau fenomena secara umum. Tujuan dari
analisis deskriptif adalah untuk mempermudah penafsiran atau penjelasan. Dalam penelitian ini, analisis deskriptif digunakan mengkaji dinamika pertumbuhan,
ketimpangan dan kemiskinan antar waktu dan antar wilayah serta sebagai pendukung untuk mempertajam analisis regresi data panel. Beberapa teknik yang
digunakan berupa tabel, grafik dan analisis spasial berupa peta tematik disertai dengan interpretasi dan argumentasi terhadap data yang disajikan. Analisis
deskriptif dengan tabulasi maupun grafis merupakan metode yang paling sederhana tetapi memiliki kemampuan yang cukup kuat untuk menjelaskan
secara kualitatif hubungan antar peubah yang diamati. Selain itu, juga digunakan analisis tren, kuadran dan analisis Poverty
Growth Curve PGC. Tren perubahan variabel pertumbuhan, pengangguran,
ketimpangan dan kemiskinan dihitung dengan meregresikan perubahan setiap variabel terhadap waktu yang diformulasikan sebagai
�� �
�
= �
+ �
1
� atau
∆�
�
= �
+ �
1
�. Komponen tren merupakan koefisien dari variabel waktu �
1
. Analisis kuadran dengan metode scatterplot digunakan untuk mengkaji hubungan antara dua variabel berdasarkan data kabupatenkota dalam waktu yang
sama. Dalam penelitian ini analisis kuadran digunakan untuk mengkaji hubungan antara pertumbuhan pendapatan perkapita dengan levelnya, pertumbuhan dengan
ketimpangan, ketimpangan dengan kemiskinan, serta pertumbuhan dengan kemiskinan antar wilayah.
Analisis PGC digunakan untuk mengkaji keterkaitan antara pertumbuhan, ketimpangan pendapatan dan kemiskinan melalui pendekatan kurva. Secara
umum, analisis ini menggunakan data pendapatanpengeluaran perkapita setiap individu yang diperoleh dari survei pengeluaran rumah tangga dalam dua periode
berbeda. Tahapan dalam analisis ini adalah membagi populasi penduduk menjadi p
persentil berdasarkan pendapatanpengeluaran setiap individu seperti dalam kurva Lorenz. Tahap selanjutnya adalah menghitung rata-rata pendapatan dari
setiap persentil selama selang dua periode dan menghitung pertumbuhan pendapatan rata-rata dari setiap persentil. Plot pertumbuhan pendapatan dari
48
setiap persentil membentuk kurva PGC. Penentuan derajat pro poor dilakukan dengan membandingkan pertumbuhan di setiap kelompok persentil, pada bagian
mana yang lebih dominan atau melihat slope dari kurva. Pertumbuhan bersifat pro poor
jika penduduk pada kelompok pendapatan terbawah secara dominan menikmati hasil pertumbuhan dengan porsi yang lebih besar dibandingkan dengan
kelompok pendapatan yang lebih tinggi atau jika kurva memiliki slope menurun.
3.2.2 Analisis Regresi Data Panel
Analisis regresi data panel digunakan untuk mengkaji keterkaitan, mengidentifikasi determinan dan pengaruh dari variabel pertumbuhan pendapatan
perkapita, pengangguran, ketimpangan terhadap pengentasan kemiskinan. Data panel adalah data yang memiliki dimensi ruang dan waktu, yakni kombinasi
antara data cross section yang sama diobservasi menurut waktu atau time series Gujarati, 2004. Jika setiap unit cross section memiliki jumlah observasi time
series yang sama maka disebut sebagai balanced panel dan jika jumlah waktu
observasi berbeda untuk setiap unit cross section maka disebut unbalanced panel. Baltagi 2005 mengungkapkan beberapa keunggulan dalam penggunaan
metode data panel sebagai berikut: 1 Mampu mengontrol heterogenitas individu karena estimasi dapat dilakukan
secara eksplisit dengan memasukkan unsur heterogenitas individu. 2 Mampu memberikan data yang informatif, mengurangi kolinearitas antar
peubah, meningkatkan derajat bebas dan lebih efisien. 3 Sangat baik digunakan dalam studi yang bersifat dynamics of adjustment,
sehingga sangat sesuai untuk mengukur perubahan dinamis karena berkaitan dengan observasi cross section yang terjadi berulang.
4 Sangat baik dalam mengidentifikasi dan mengukur efek yang tidak mampu dideteksi dalam data cross section saja atau data time series saja.
5 Dapat digunakan untuk mengkonstruksi dan menguji model perilaku yang lebih kompleks dibandingkan dengan data cross section atau time series saja.
Penggunaan metode data panel juga memiliki beberapa keterbatasan terutama jika pengumpulan data menggunakan metode survei. Beberapa keterbatasannya
adalah:
49
1 Permasalahan dalam desain survei panel, pengumpulan dan manajemen data akibat besarnya unit observasi dalam data panel. Permasalahan tersebut
terkait dengan cakupan coverage, nonresponse, kemampuan daya ingat responden recall, frekuensi dan waktu wawancara.
2 Distorsi kesalahan dalam pengamatan measurement errors. Kesalahan dalam pengukuran umumnya terjadi karena respon yang tidak sesuai,
pertanyaan yang tidak jelas, ketidaktepatan informasi, dan sebagainya. 3 Permasalahan selektivitas selectivity yang mencakup:
a. Self-selectivity: permasalahan karena data yang dikumpulkan untuk penelitian tidak sepenuhnya dapat menangkap fenomena yang ada.
b. Non-response: permasalahan yang muncul dalam panel data ketika ada ketidaklengkapan jawaban yang diberikan oleh responden.
c. Attrition: jumlah responden yang cenderung berkurang pada putaran survei berikutnya akibat responden pindah, meninggal dunia atau biaya
menemukan responden yang terlalu tinggi 4 Dimensi waktu time series yang pendek. Jenis panel mikro biasanya
mencakup data tahunan yang relatif pendek untuk setiap individu. 5 Cross-section dependence. Fenomena ini dapat dijelaskan dengan contoh,
data panel yang sifatnya makro dengan unit observasi negara dan saling memiliki ketergantungan antara negara. Jika series mencakup waktu yang
panjang maka akan mengabaikan cross-country dependence sehingga menyebabkan penarikan kesimpulan yang salah misleading inference.
Secara garis besar, pendekatan dalam analisis data panel dibedakan menjadi dua, yaitu panel statis dan panel dinamis. Analisis data panel dinamis
dicirikan oleh regressor yang mengandung lag dari variabel tak bebas. Pemilihan metode statis maupun dinamis sangat tergantung pada jenis variabel yang
digunakan dan pertimbangan hubungan secara ekonomi. Data panel memiliki karakteristik jumlah unit cross section lebih dari 1
N1 dan unit time series lebih dari satu T1. Jika unit cross section sama dengan satu N=1 dan unit time series banyak T1 maka dikenal data time
series murni atau sebaliknya jika unit cross section banyak N1 dan unit time
series sama dengan satu T=1 maka dikenal dengan struktur data cross section
50
murni. Pengamatan dengan analisis data cross section hanya dilakukan pada satu titik waktu saja, sehingga perkembangan setiap unit individu tidak dapat diamati.
Sebaliknya, model time series menggunakan satu unit individu yang diamati sepanjang waktu t sehingga menimbulkan permasalahan jika peubah yang
diobservasi merupakan data hasil agregasi karena memiliki kemungkinan untuk menghasilkan estimasi yang bias. Analisis data panel mampu menggabungkan
keduanya untuk mereduksi kekurangan dari kedua jenis data. Notasi yang digunakan dalam data panel terdiri dari dua subscript pada
setiap peubahnya. Misalkan �
��
merupakan nilai peubah tak bebas dependent variable
, maka � menyatakan unit cross section yang dapat berupa individu,
rumah tangga, perusahaan, wilayah, negara atau yang lainnya � = 1,2, … , � dan
� menyatakan unit waktu dalam bulan, triwulan, tahun atau yang lainnya � = 1,2, … ,
�. Jika � menyatakan jumlah peubah bebas yang masing-masing diberi indeks antara 1, 2,…, K maka notasi
�
�� ′
menyatakan nilai variabel penjelas ke-j, unit individu ke-i pada waktu ke-t. Untuk mempermudah dalam mengorganisir
data panel maka dapat dituliskan ke dalam bentuk matriks sebagai berikut:
�
�
= �
�
�1
�
�2
⋮ �
��
� ; �
�
= ⎣
⎢ ⎢
⎡�
�1 1
�
�1 2
… �
�1 �
�
�2 1
�
�2 2
… �
�2 �
⋮ ⋮
⋱ ⋮
�
�� 1
�
�� 2
… �
�� �
⎦ ⎥
⎥ ⎤
; �
�
= �
�
�1
�
�2
⋮ �
��
� 3.1
�
�
menyatakan nilai peubah tak bebas ke-i pada period ke-t; �
�
menyatakan nilai peubah bebas ke-i pada period ke-t;
�
�
menyatakan gangguan acak unit ke- � pada
waktu ke- �. Struktur data panel dengan jumlah peubah bebas sebanyak K adalah:
⎣ ⎢
⎢ ⎢
⎢ ⎢
⎢ ⎢
⎢ ⎢
⎢ ⎢
⎡ �
111
�
211
… �
�11
�
112
�
212
… �
�12
⋮ ⋮
⋱ ⋮
�
11�
�
21�
… �
�1�
�
121
�
221
… �
�21
�
122
�
222
… �
�22
⋮ ⋮
⋱ ⋮
�
12�
�
22�
… �
�2�
⋮ ⋮
⋮ ⋮
�
1�1
�
2�1
… �
��1
�
1�2
�
2�2
… �
��2
⋮ ⋮
⋱ ⋮
�
1��
�
2��
… �
���
⎦ ⎥
⎥ ⎥
⎥ ⎥
⎥ ⎥
⎥ ⎥
⎥ ⎥
⎤
Individu ke-1
Individu ke-2
Individu ke-N Periode ke-1
Periode ke-2 Periode ke-T
Variabel ke-1 Variabel ke-K
