42
analisis statistika dan ekonometrika. Eviews menyajikan perangkat analisis data, regresi dan peramalan.
3.7.1 Metode Analisis Data Panel
Untuk menganalisis pengaruh pendapatan asli daerah, dana alokasi umum, dana alokasi khusus, dan jumlah penduduk terhadap anggaran belanja
daerah di KabupatenKota di Sumatera Utara maka digunakan model data panel. Di dalam ekonometrika, data panel adalah hasil gabungan dari data deret waktu
time series dan data silang cross section, maka modelnya dapat ditulis sebagai berikut:
Yit = α + β Xit + єit Dimana:
i = 1, 2, …, N dan t = 1, 2, …, T N = banyaknya observasi
T = banyaknya waktu N x T = banyaknya data panel.
Data deret waktu adalah data yang dihimpun dari beberapa periode. Dalam penelitian ini data yang dihimpun adalah dari tahun 2009 sampai
dengan 2012 untunk variabel independent dan 2010-2013 utnuk variabel dependent. Data silang adalah data yang dihimpun dari satu periode atas
beberapa objek atau individu yang dalam penelitian ini adalah 24 KabupatenKota di Sumatera Utara. Dengan data panel, jumlah observasi
sebanyak 96 pengamatan yaitu 4 tahun amatan dikalikan 24 sampel Kabupatenkota dan jumlah data panel menjadi lebih banyak yaitu 384 data yaitu
jumlah observasi 96 dikali 4 variabel independen.
43
Karena merupakan hasil gabungan dari data deret waktu dan data silang maka panel data ini memiliki beberapa keunggulan, antara lain Gujarati
2003:637 : 1. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak
dapat diatasi dalam data cross section murni atau data time series murni. 2. Mampu mengontrol heterogenitas individu atau unit cross section.
3. Memberikan data yang informatif, mengurangi kolinearitas antar peubah serta meningkatkan derajat kebebasan sehingga data menjadi lebih efisien.
4. Data panel lebih baik digunakan untuk studi dynamics of adjusment karena terkait dengan observasi pada cross section yang sama secara berulang.
5. Mampu menguji dan mengembangkan model perilaku yang lebih kompleks. Estimasi model dengan menggunakan data panel dapat dilakukan dengan tiga
metode, yaitu metode kuadrat terkecil pooled least square, metode efek tetap fixed effect, dan metode efek random random effect.
3.7.1.1 Metode kuadrat terkecil Pooled Least Square Metode kuadrat terkecil yaitu mengestimasi data panel dengan
Metode ordinary least square OLS. Metode ini merupakan metode yang paling sederhana dalam pengolahan data panel yaitu dengan menggabungkan seluruh
data time series dan data silang. Dengan N sebagai jumlah unit cross section individu dan T adalah jumlah periode waktunya. Dengan mengansumsi
komponen error dalam pengolahan kuadrat terkecil biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross section. Bila kita
berasumsi bahwa α dan β akan sama konstan untuk setiap data time series dan
44
cross section, maka α dan β dapat diestimasi dengan menggunakan N x T pengamatan maka bentuk modelnya adalah:
Yit = α + β Xit + єit Dengan asumsi bahwa α dan β konstan akan jauh dari kenyataan sebenarnya.
3.7.1.2 Metode efek tetap Fixed Effect Kesulitan terbesar dalam pendekatan metode kuadrat terkecil
adalah adanya asumsi intersep dan slope dari persamaan regresi yang dianggap konstan, baik antar daerah maupun antar waktu yang kurang sesuai dengan
tujuan penggunaan data panel. Untuk mengatasi hal ini dapat digunakan pendekatan model efek tetap fixed effect yaitu dengan menambahkan model
dummy pada data panel. Metode efek tetap memper-hitungkan kemungkinan bahwa peneliti menghadapi masalah omitted variables, yang mungkin membawa
perubahan pada intercept time series atau cross-section .Model efek tetap atau Least Square Dummy Variable atau disebut juga Covarians Model adalah model
yang dapat digunakan dengan mempertimbangkan bahwa perubah-perubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross
section dan time series. Untuk memungkinkan perubahan perubahan intersep ini, dapat ditambahkan variabel dummy ke dalam model yang selanjutnya akan
diduga dengan model OLS Ordinary Least Square. Pada metode efek tetap estimasi dapat dilakukan dengan tanpa
pembobot no weighted atau Least Square Dummy LSDV dan dengan pembobot cross section weight atau General Least Square GLS. Tujuan
dilakukan pembobotan ini adalah untuk mengurangi heterogenitas antar unit cross section Gujarati 2003:639.
45
3.7.1.3 Metode efek acak Random Effect Pendekatan Metode efek acak memperbaiki efisiensi proses least
square dengan memperhitungkan error dan cross-section dan time series. Model efek acak adalah variasi dari estimasi generalized least square GLS. Keputusan
untuk memasukkan variabel dummy ke dalam model akan mengakibatkan berkurangnya jumlah derajat kebebasan yang pada akhirnya akan mengurangi
efisiensi dari parameter yang diestimasi. Pendekatan yang digunakan untuk mengatasi hal ini adalah model efek acak. Model efek acak disebut juga sebagai
error component model karena dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error.
Asumsi yang digunakan dalam model ini adalah error secara individual tidak saling berkorelasi, begitu pula dengan error kombinasinya. Penggunaan
model efek acak dapat menghemat derajat kebebasan dan tidak mengurangi jumlahnya seperti pada model fixed effect. Hal ini berimplikasi kepada
parameter hasil estimasi akan menjadi efisien. Semakin efisien maka model yang akan didapat semakin baik. Dengan demikian adanya gangguan asumsi
klasik dalam model ini telah terdistribusi secara normal sehingga tidak diperlukan lagi treatmen terhadap model bagi pelanggaran asumsi klasik yaitu
asumsi adanya autokorelasi, multikoliniearitas dan heterokedastisitas.
3.7.2 Pengujian Model Data Panel
Kategori