BAB III METODE PENELITIAN
3.1 Ruang Lingkup Penelitian
Penelitian ini dibatasi dengan menganalisis data sekunder kuantitatif tahunan pada rentang waktu antara 1975-2008 dengan pertimbagan ketersediaan data. Data
sekunder digunakan karena penelitian yang dilakukan meliputi objek yang bersifat makro dan mudah didapat dan data tersebut diolah kembali oleh penulis sesuai
dengan kebutuhan model yang digunakan. Di dalam penelitian ini dikaji
Universitas Sumatera Utara
hubungan kausalitas dan kointegrasi antara pertumbuhan ekonomi dan ekspor di Sumatera Utara selama kurun waktu 1975-2008.
3.2 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan jenis data time series selama kurun waktu 1975-2008.
Sumber data yang diperoleh berasal dari berbagai sumber seperti Badan Pusat Statistik BPS dan dari situs Bank Indonesia. Di samping itu, penulis juga
melakukan studi literature untuk mendapatkan teori yang mendukung penelitian yang diperoleh dari jurnal dan sebagainya.
3.3 Metode Analisis dan Pengolahan Data
Metode analisis dalam penelitian ini adalah Cointegration Test dan Granger Causality Test.
Analisis Cointegration Test Test Johansen bertujuan untuk melihat hubungan pertumbuhan ekonomi dengan ekspor di Sumatera Utara dalam
jangka panjang. Sedangkan analisis Granger Causality Test adalah untuk melihat hubungan timbal balik kausal antara pertumbuhan ekonomi dengan ekspor di
Sumatera Utara. Dalam kaitanya dengan metode tersebut maka pengujian terhadap perilaku data runtun waktu time series dan integrasinya dapat
dipandang sebagai uji prasyarat bagi digunakanya metode Cointegration Test dan Granger Causality Test
. Sebelum dilakukanya estimasi terhadap kedua metode tersebut, maka terlebih
dahulu dilakukan langkah-langkah sebagai berikut :
1. Uji Akar Unit Unit Root Test
Universitas Sumatera Utara
Validitas hipotesis kausalitas pertumbuhan ekonomi dan ekspor dapat dibuktikan dengan cara melakukan pengujian stasioneritas terhadap masing-
masing variable yang akan dianalisis dengan Uji akar unit Unit Root Tes yang merupakan bagian dari uji stasioneritas. Uji akar unit guna membentuk model
dinamis dari semua variable dimana terlebih dahulu di uji stasionaritasnya melalui prosedur Augmented Dickey Fuller ADF Unit Root Test dari Dickey Fuller
maupun Phillips-Perron. Tujuanya adalah untuk melihat stasionaritas data time series
yang diteliti dengan program Eviews 5.1. Adapun formula dari uji Augmented Dickey Fuller
ADF dapat dinyatakan sebagai berikut : P
D = +
+
……………….1
i = 1
Sedangkan untuk uji Phillip Perron PP adalah:
D = + +
…………………………….........2
Dimana D adalah perbedaan atau differensi. Kedua uji dilakukan dengan hipotesis null = 0 untuk ADF dan = 1 untuk
PP. Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistic ADF dan PP yang diperoleh dari nilai t
hitung koefisien dan dengan nilai kritis distribusi MacKinnon.
Universitas Sumatera Utara
Jika nilai absolute statistic ADF dan PP lebih besar dari nilai kritis Mackinnon maka data stasioner dan sebaliknya jika nilai absolute statistic ADF dan PP lebih
kecil dari nilai kritis Mackinnon maka data tidak stasioner. Hal penting dalam uji ADF adalah menentukan panjangnya kelambanan. Panjangnya kelambanan bias
ditentukan berdasarkan kriteria AIC ataupun SIC. Nilai terkecil dari AIC dan SIC digunakan untuk panjangnya kelambanan yang optimal.
2. Uji Kointegrasi Cointegration Test
Setelah diketahui bahwa baik data pertumbuhan ekonomi dan ekspor Sumatera Utara keduanya stasioner, maka selanjutnya akan diuji kointegrasi. Uji
kointegrasi bertujuan untuk mengetahui apakah ada hubungan keseimbangan jangka panjang antara dua variable tersebut. Hubungan keseimbangan dalam
jangka panjang antar pertumbuhan ekonomi dan ekspor dapat diuji menggunakan Johansen test
. Hipotesis yang akan diuji adalah untuk menentukan jumlah dari arah kointegrasi tersebut maka johansen menyarankan untuk melakukan dua uji
statistic yaitu untuk menentukan banyaknya vektor kointegrasi. Dua uji tersebut adalah Trace test dan Maximum eigenvalue statistic.
Uji statistic pertama adalah uji trace Trace test , yaitu menguji
hipotesis nol null hypothesis yang mensyaratkan bahwa jumlah dari arah kointegrasi adalah kurang dari atau sama dengan p dan uji ini dapat dilakukan
sebagai berikut :
P
r= - T
….......3 i = r +i
Universitas Sumatera Utara
di mana ,….
adalah nilai eigenvektors terkecil p-r. Null hipotesis yang disepakati adalah jumlah dari arah kointegrasi sama dengan banyaknya r.
Dengan kata lain, jumlah vector kointegrasinya lebih kecil atau sama dengan ≤ r.
Johansen trace statistic atau juga dikenal sebagai test statistic LR Likelihood
Ratio untuk menguji hipotesis Ho : r 1 terhadap Ha : r = 0, yang dirumuskan
dalam persamaan: Trace test Qr = - n ln 1- i
Untuk uji statistic yang kedua adalah uji maksimum eigenvalue yang
dilakukan dengan formula sebagai berikut: r, r+1 = -T in 1-
………..4 Uji ini berdasarkan pada uji null hypothesis bahwa terdapat r dari vector
kointegrasi yang berlawanan r + 1 dengan vector kointegrasi. Untuk melihat hubungan kointegrasi tersebut maka dapat dilihat dari besarnya nilai trace statistic
dan max eigen statistic dibandingkan dengan nilai critical value pada tingkat kepercayaan 5.
Alternatif uji kointegrasi dari Johansen adalah dengan menggunakan maximum eigenvalue statistic
yang dapat dihitung dari trace statistic, yaitu : Qmax = -nln 1- i = Qr – Qr+1
3. Uji Granger Causality
Pengujian dengan metode Granger Causality Test digunakan untuk melihat hubungan kausalitas hubungan timbal balik antara variabel-variabel yang diteliti
yakni pertumbuhan ekonomi dan ekspor. Sehingga dapat diketahui kedua variabel tersebut secara statistik saling mempengaruhi hubungan dua arah, memiliki
Universitas Sumatera Utara
hubungan searah atau sama sekali tidak ada hubungan tidak saling mempengaruhi. Berikut ini metode Granger Causality Test seperti berikut ini :
r s
= +
x
t-i
+
……..5 i = 1 j = 1
m n
X
t =
+ +
............6
i = 1 j = i
Dimana: - Y
t
adalah pertumbuhan ekonomi - X
t
adalah ekspor dan Vt adalah error terms yang diasumsikan tidak mengandung korelasi serial
dan m = n = r = s. Berdasarkan hasil regresi dari kedua bentuk model regresi linear diatas akan menghasilkan empat kemungkinan mengenai nilai koefisien-
koefisien regresi dari persamaan 1,2 dan 1,3 adalah sebagai berikut :
n s
1. Jika 0 dan
= 0 J=
1
j=
1
Maka terdapat kausalitas satu arah dari Y ke X.
n s 2. Jika
0 dan J=1 j=1
Maka terdapat kausalitas satu arah dari X ke Y.
n s 3. Jika
0 dan J=
1
j=
1
Universitas Sumatera Utara
Maka Y dan X bebas antara satu dengan yang lainnya.
n s 4. Jika
≠ 0 dan J=
1
j=1 Maka terdapat kausalitas dua arah antara X dan Y.
Dalam penulisan skripsi ini, data diolah dengan menggunakan program Eviews 5.1
3.4 Defenisi Oprasional Variabel