III. METODE PENELITIAN A.
Jenis dan Sumber Data
Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang diperoleh dari Laporan Bank Indonesia Statistik Ekonomi dan Keuangan
Indonesia, serta laporan rutin lainnya yang dipublikasikan secara resmi oleh Bank Indonesia dan sumber lainnya yang relevan. Data yang digunakan adalah jenis
data rangkai waktu time series yang disusun kedalam bentuk data triwulanan dalam periode 2001.I hingga 2008.IV. Selain itu juga digunakan buku-buku
bacaan referensi yang dapat menunjang penulisan skripsi ini.
B. Batasan Peubah
Peubah-peubah yang digunakan dalam penelitian ini adalah sebagai berikut : 1. EG adalah pertumbuhan ekonomi suatu negara secara keseluruhan yang
dinyatakan dalam persen. 2. FDI Foreign Direct Investment adalah penanaman modal asing yang masuk
ke suatu negara yang dinyatakan dalam juta US dollar. 3. Foreign Debt adalah bantuan luar negeri terhadap suatu negara dalam bentuk
hutang yang dinyatakan dalam juta US dollar. 4. Net Export adalah selisih dari ekspor dan impor barang dan jasa suatu negara
yang dinyatakan dalam juta US dollar.
C. Alat Analisis.
Alat analisis yang digunakan adalah analisis regresi linier berganda dengan menggunakan bantuan program Eviews 4.1.
Untuk melihat keberartian parsial peubah bebas terhadap peubah terikat dengan model fumgsional sebagai berikut :
Y = f x
1
,x
2
,x
3
,x
4,X5
Selanjutnya bentuk fungsi tersebut dirumuskan sebagai berikut: EG = f FDI, FD, NE
Dari persamaan di atas dapat dibuat model regresi linier berganda sebagai berikut:
EG = α
+ β
FDI + β
2
FD + β
3
NE + t Dimana :
EG = Pertumbuhan ekonomi
FDI = Foreign Direct Investment.
FD = Foreign Debt.
NE = Net Export.
α = Konstanta.
β
1
, β
2
,... βn
= Koefisien regresi.. = Gallat Error Term.
D. Uji Stasioneritas
Dalam berbagai studi ekonometrika, data time series sangat banyak digunakan. Namun dibalik pentingnya data tersebut, ternyata data times series
‘menyimpan’ berbagai permasalahan. Salah satunya mengenai stasioneritas, yaitu tentang
konstannya rata-rata dan varian observasi. Sekumpulan data dinyatakan stasioner jika nilai rata-rata dan varian dari data time series tersebut tidak mengalami
perubahan secara sistematik sepanjang waktu konstan. Stasioneritas menjadi masalah penting dalam analisis data time series untuk menghindari kurang baiknya
model yang diestimasi dan adanya Spurious Regression Regresi Palsu atau regresi nonsensetak bermakna Nachrowi dan Usman, 2006: 339-340.
Salah satu cara yang dapat dilakukan untuk melihat stasioneritas data adalah dengan menggunakan uji formal yang dikenal dengan sebutan
‘Uji Unit Root’. Uji ini merupakan uji yang sangat populer dan dikenalkan oleh David Dickey dan
Wayne Fuller. Seiring perkembangannya, Dickey Fuller mengembangkan pengujian tersebut dengan sebutan uji ADF Augmented Dickey-Fuller.
Formulasinya adalah sebagai berikut:
t m
t m
t t
t t
Y Y
Y Y
t Y
...
2 1
1 2
1
atau dapat ditulis dengan:
t m
i t
i t
t
Y Y
t Y
1
1 1
2 1
m adalah panjangnya lag yang digunakan. Berdasarkan model tersebut kita dapat memilih tiga model yang akan digunakan
untuk melakukan Uji ADF, yaitu: Model dengan intercept
β
1
dan trend β
2
, sebagaimana model di atas. 1. Model yang hanya intercept saja
β
1
, yaitu:
t m
i t
i t
t
Y Y
Y
1
1 1
1
2. Model tanpa intercep dan trend slope, yaitu:
t m
i t
i t
t
Y Y
Y
1
1 1
Nachrowi dan Usman, 2006: 339-340. Pada umumnya data ekonomi time series seringkali tidak stasioner pada level
series. Jika hal ini terjadi, maka kondisi stasioner dapat tercapai dengan melakukan transformasi atau pembedahan difference satu kali atau lebih.
Apabila data telah stasioner pada level series, maka data tersebut adalah integreted of order zero atau I0. Apabila data stasioner pada first-difference
level maka data tersebut adalah adalah integreted of order one atau I1. Adapun Rumusan hipotesis yang digunakan adalah sebagai berikut :
Ho : = 0; data tidak stasioner Ha :
≠ 0; data stasioner
Kriteria pengujiannya adalah: 1. Ho ditolak dan Ha diterima, jika nilai ADF nilai kritis 5
2. Ho diterima dan Ha ditolak, jika nilai ADF nilai kritis 5 Jika Ho ditolak, berarti data stasioner. Jika Ho diterima berarti data tidak
stasioner Nachrowi dan Usman, 2006: 339-340.
E. Uji Asumsi Klasik. 1.
Kategori