49
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Melihat luasnya pembahasan mengenai pertumbuhan ekonomi di Indonesia, dalam penelitian ini penulis memfokuskan variabel dependennya
adalah pertumbuhan ekonomi dengan menggunakan data PDB. Sedangkan variabel independennya adalah konsumsi, investasi dan kredit perbankan.
Penelitian ini merupakan penelitian kuantitatif yang menggunakan data runtut waktu time series dengan periode penelitian tahun 1980-2010. Data yang
digunakan adalah data tahunan yang dikeluarkan oleh Badan Pusat Statistik BPS.
B. Metode Penentuan Sampel
Teknik pengambilan sampel dalam penelitian ini adalah purposive sample yaitu cara pengambilan sampel didasarkan atas tujuan tertentu. Sampel
dalam penelitian ini adalah konsumsi, investasi, kredit perbankan dan PDB atas dasar harga konstan periode tahun 1980 sampai dengan tahun 2010.
C. Metode Pengumpulan Data
Dalam penelitian ini penulis menggunakan metode kepustakaan library research untuk mendapat data sekunder. Penelitian kepustakaan
meliputi kegiatan pencarian, pengumpulan dan pengkajian data dari sumber
49
50 relevan dan dapat mendukung dalam penulisan skripsi ini seperti literatur
beberapa buku, artikel, jurnal ekonomi, dan bahan lain seperti surat kabar, internet, dan media massa lain yang mempunyai relevansi dengan
permasalahan yang dibahas khususnya berkaitan dengan penelitian skripsi ini dan mempelajari dokumen, laporan dan informasi lainnya yang berkaitan
dengan penulisan skripsi ini.
D. Metode Analisis 1. Uji Asumsi Klasik
Sebelum dilakukan regresi, terlebih dahulu dilakukan uji asumsi klasik untuk melihat apakah data terbebas dari masalah multikolinieritas,
heteroskedastisitas, dan autokorelasi. Uji asumsi klasik penting dilakukan untuk menghasilkan estimator yang linier tidak bias dengan varian yang
minimum Best Linier Unbiased Estimator = BLUE, yang berarti model regresi tidak mengandung masalah. Untuk itu perlu dibuktikan lebih lanjut
apakah model regresi yang digunakan sudah memenuhi asumsi tersebut.
a. Uji Normalitas
Uji ini bertujuan untuk menguji apakah variabel pengganggu memiliki distribusi normal atau tidak. Uji normalitas
yang digunakan pada penelitian ini menggunakan uji Jarque-Bera atau J-B test dengan membandingkan nilai J-B hitung yang
diperoleh dari perangkat lunak Eviews 6.0 dengan nilai X
2
tabel. Apabila nilai J-B hitung nilai X
2
tabel maka residual tidak
51 berdistribusi normal. Sebaliknya bila nilai J-B hitung nilai X
2
tabel maka residual berdistribusi normal. Atau jika probabilitas 0,05 maka data yang digunakan tidak berdistribusi normal dan
sebaliknya bila probablitas 0,05 maka data yang digunakan berdistribusi normal Wing Wahyu Winarno, 2007: 5.37.
b. Multikolinearitas
Multikolinieritas adalah situasi di mana terdapat korelasi variabel-variabel bebas diantara satu dengan lainnya. Hubungan
linier antara variabel independen dapat terjadi dalam bentuk hubungan linier yang sempurna dan hubungan linier yang kurang
sempurna Nachrowi D. Nachrowi dan Hardius Usman, 2006. Salah satu cara mendeteksi ada atau tidaknya multikolinieritas
adalah dengan uji korelasi. Pada uji korelasi, kita menguji multikolinieritas hanya dengan melihat hubungan secara individual
antara satu variabel independen dengan satu variabel independen yang lain. Tetapi multikolinieritas bisa juga muncul karena satu
atau lebih variabel independen merupakan kombinasi linier dengan variabel independen lain.
Dalam penelitian ini penulis akan melihat multikolienieritas dengan menguji koefisien korelasi r antar variabel independen.
Sebagai aturan main rule of thumb, jika koefisien korelasi cukup tinggi katakanlah diatas 0,8 maka diduga ada multikolinieritas
52 dalam model. Sebaliknya jika koefisien korelasi relatif rendah
maka diduga model tidak mengandung multikolinieritas Agus Widarjono, 2005.
c. Heteroskedastisitas
Salah satu asumsi penting OLS adalah varian dari residual adalah konstan. Namun dalam kenyataannya seringkali varian
residual adalah
tidak konstan
atau disebut
dengan heteroskedastisitas. Heteroskedastisitas biasanya terdapat pada data
cross section. Sementara itu data time series jarang mengandung unsur heteroskedastisitas, dikarenakan ketika menganalisis perilaku
data yang sama dari waktu ke waktu fluktuasinya akan relatif lebih stabil Agus Widarjono, 2005. Untuk mendeteksi ada tidaknya
heteroskedastisitas, maka bisa menggunakan uji White, yang pada prinsipnya meregres residual yang dikuadratkan dengan variabel
bebas pada
model. Di
mana keputusan
ada tidaknya
heteroskedastisitas berdasarkan besar kecilnya Obs R square. Ho : tidak ada heteroskedastisitas
Ha : ada heteroskedastisitas Kriteria Uji White adalah jika:
Obs R square χ
2
tabel, tidak signifikan, Ho ditolak Obs R square
χ
2
tabel, signifikan, Ho diterima
53 Dengan tingkat signifikan α sebesar 5 bisa juga dengan
menggunakan probabilitas Probabilitas Chi-Square, maka : Prob Chi-Square 0,05, tidak signifikan, Ho ditolak
Prob Chi-Square 0,05, signifikan, Ho diterima
d. Autokorelasi
Secara harfiah autokorelasi berarti adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan
waktu. Dalam kaitannya dengan asumsi metode OLS, autokorelasi merupakan korelasi antara satu residual dengan residual yang
lainnya. Sedangkan salah satu asumsi penting metode OLS berkaitan dengan residual adalah tidak adanya hubungan antara
residual satu dengan residual yang lain Agus Widarjono, 2005. Dalam penelitian ini untuk melihat ada tidaknya
autokorelasi digunakan uji autokorelasi yang dikembangkan oleh Bruesch dan Godfrey yang lebih umum dan dikenal dangan uji
Lagrange Multiplier LM-test. Ho : tidak ada autokorelasi
Ha : ada autokorelasi Dengan tingkat signifikan α sebesar 5 dan
menggunakan distribusi Chi-Square, maka : Jika Prob Chi-Square 0,05, tidak signifikan, Ho ditolak
Jika Prob Chi-Square 0,05, signifikan, Ho diterima
54
2. Uji Stasioneritas
Proses yang bersifat random atau stokastik merupakan kumpulan dari variabel random dalam urutan waktu. Setiap data time series yang kita
punyai merupakan suatu data dari hasil proses stokastik. Suatu data hasil proses random dikatakan stasioner jika memenuhi kriteria, yaitu: jika rata-
rata dan varian konstan sepanjang waktu dan kovarian antara dua data runtun waktu hanya tergantung dari kelambanan antara dua periode waktu
tertentu Agus Widarjono, 2005. Salah satu persyaratan penting untuk mengaplikasikan model seri waktu yaitu dipenuhinya asumsi data yang
normal atau stabil stasioner dari variabel-variabel pembentuk persamaan regresi. Karena penggunaan data dalam penelitian ini dimungkinkan
adanya data yang tidak stasioner, maka dalam penelitian ini perlu digunakan beberapa uji stasioner. Dalam melakukan uji stasioneritas,
penulis akan melakukan proses analisis yang terdiri dari :
a. Uji Akar-Akar Unit
Uji akar-akar unit dapat dipandang sebagai uji stasioneritas, karena pada intinya uji tersebut mengamati apakah koefisien tertentu
dari model otoregresif yang ditaksir mempunyai nilai satu atau tidak. Langkah awal yang harus dilakukan pengujian ini adalah menaksir
model autoregresif dari masing-masing variabel yang akan digunakan dalam penelitian dengan OLS. Ada beberapa prosedur untuk
melakukan uji akar-akar unit namun yang banyak digunakan adalah uji Dickey-Fuller DF dan uji Philips Peron. Uji ADF adalah uji yang
55 dikembangkan oleh Dickey-Fuller untuk menyempurnakan uji DF
yang sudah ada sebelumnya. Dalam prakteknya uji ADF inilah yang seringkali digunakan untuk mendeteksi apakah data stasioner atau
tidak. Uji ADF ini dilakukan dengan memasukkan konstanta dan trend. Adapun formulasi uji ADF adalah sebagai berikut :
1 1
1 1
1
DY B
b a
a DY
k i
t
3.1
t k
i t
t
DY B
d BY
c T
c c
DY
1 1
1 2
1
3.2 Notasi:
DY
t
= Y
t
-Y
t-1
BY
t
= Y
t-1
T = Trend waktu
B = Operasi Kelambanan ke periode t
K = N
13
, dimana N adalah jumlah observasi sampel Langkah selanjutnya adalah membandingkan nilai t-
statistik ADFnya dengan nilai kritis statistik ADF tabel Agus Widarjono, 2005: 319. Nilai ADF ditunjukkan oleh nilai t pada
koefisien regresi BY
t
pada persamaan 3.1 dan 3.2. Bila data yang diamati pada uji akar unit ternyata tidak stasioner, maka
langkah selanjutnya adalah melakukan uji derajat integrasi.
b. Uji Derajat Integrasi Testing for Degree on Integration
Uji ini dilakukan untuk mengetahui pada derajat atau order
differensi ke berapa derajat data yang diteliti akan stasioner. Uji
56
derajat integrasi ini mirip dengan uji akar unit. Untuk melakukan uji tersebut juga dilakukan penaksiran model autoregresif dengan
OLS.
t k
i t
t
Y D
B f
BDY b
b Y
D
2 1
1 1
1 2
3.3
t k
i t
t
Y D
B h
BDY d
T d
d Y
D
2 1
1 1
2 1
2
3.4 Dimana D
2
Y
t
= DY
t
– DY
t-1
BDY
t
= DY
t-1
Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai ADF dengan nilai
kritis distribusi statistik MacKinnon. Jika nilai absolut statistik ADF lebih besar dari nilai kritisnya, maka data yang diamati
menunjukkan stasioner dan jika sebaliknya nilai absolut statistik ADF lebih kecil dari nilai kritisnya maka data tidak stasioner
Agus Widarjono, 2005: 320.
3. Uji Kointegrasi
Setelah dilakukan uji stasioneritas dan diyakini seluruh variabel yang diamati merupakan variabel yang sudah stasioner dan memiliki derajat yang
sama, maka langkah selanjutnya adalah pengujian kointegrasi untuk melihat jangka panjang dari model tersebut. Dalam melakukan uji kointegrasi harus
diyakini terlebih dahulu bahwa variabel-variabel terkait dalam pendekatan ini memiliki derajat integrasi yang sama atau tidak Insukindro, 1993: 132.
57 Berkaitan dengan itu, uji akar-akar unit dan uji derajat integrasi perlu
dilakukan terlebih dahulu. Untuk mendapatkan gambaran mengenai pendekatan kointegrasi, anggaplah memiliki satu himpunan variabel runtun
waktu X. Komponen X dikatakan berkointegrasi pada derajat d, h atau ditulis ~ d,h bila Jaka Sriyana, 2003 :
i. Setiap komponen dari X berkointegrasi pada derajat d atau I d ii. Terdapat suatu vektor
α yang tidak sama dengan nol α ≠‚ 0, sehingga Z
t
= α
1
X~1d,b, di mana b=0 dan α adalah vektor kointegrasi.
Implikasi penting dari ilustrasi dan definisi di atas adalah bahwa jika dua variabel atau lebih mempunyai derajat integrasi yang berbeda,
katakanlah X = I 1 dan Y = I 2, maka kedua variabel tersebut tidak dapat berkointegrasi Insukindro, 1993. Uji ini dilakukan setelah uji stasioneritas
melalui uji akar-akar unit dan derajat integrasi terpenuhi. Uji kointegrasi digunakan untuk mengetahui kemungkinan terjadinya keseimbangan atau
kestabilan jangka panjang diantara variabel-variabel yang diamati. Setelah prasyarat dari uji kointegrasi dilakukan, maka dapat diketahui data yang
diamati tersebut stasioner pada derajat keberapa. Hal ini perlu diketengahkan mengingat adanya syarat dari uji kointegrasi yaitu bahwa
dalam melakukan uji kointegrasi data yang digunakan harus berintegrasi pada derajat yang sama. Selanjutnya bersamaan dengan uji kointegrasi,
Engle dan Granger 1987 berpendapat bahwa dari tujuh uji statistik yang diketengahkan untuk menguji hipotesa nol tidak adanya kointegrasi, ternyata
uji CRDW Cointegration-Regression Durbin-Watson, DF Dickey-Fuller,
58 dan ADF Augmented Dickey-Fuller merupakan uji statistik yang paling
disukai. Untuk menghitung statistik CRDW, DF, dan ADF ditaksir dengan regresi kointegrasi berikut ini dengan metode kuadrat terkecil OLS
Insukindro,1993: 132. Y
t
= m + m
1
X
1t
+ m
2
X
2t
+ E
t
3.5 Dimana Y
= Variabel dependen X
1
,X
2
= Variabel independen E
= Nilai residual Kemudian regresi berikut ini ditaksir dengan OLS:
1 1
t t
E p
DE 3.6
1 1
1 1
1 1
t p
i t
t
DE w
E q
DE 3.7
Di mana: DE
t
= E
t
– E
t-1
Nilai statistik CRDW ditunjukan oleh nilai statistik DW Durbin Watson pada regresi persamaan 3.5 dan nilai statistik DF dan ADF
ditunjukan oleh nisbah pada koefisien E
t-1
pada persamaan 3.6 dan 3.7. Nilai kritis untuk ketiga uji tersebut dapat dilihat pada Engle dan Yoo
1987. Sebagaimana telah disinggung di atas, tujuan utama dari uji kointegrasi adalah untuk mengkaji apakah residual regresi kointegrasi
stasioner atau tidak. Pengujian ini sangat penting bila ingin dikembangkan suatu model dinamis, khususnya model koreksi kesalahan ECM, yang
mencakup variabel-variabel kunci pada regresi kointegrasi terkait.
59 Pada prinsipnya, model koreksi kesalahan terdapat keseimbangan
yang tetap dalam jangka panjang antara variabel-variabel ekonomi. Bila dalam jangka pendek terdapat ketidakseimbangan dalam satu periode, maka
model koreksi kesalahan akan mengoreksinya pada periode berikutnya Engle dan Granger, 1987: 256-270. Mekanisme koreksi kesalahan ini
dapat diartikan sebagai penyelaras perilaku jangka pendek dan jangka panjang. Dengan mekanisme ini pula, masalah regresi yang semrawut dapat
dihindarkan melalui penggunaan variabel perbedaan yang tetap di dalam model, namun tanpa menghilangkan informasi jangka panjang yang
diakibatkan oleh penggunaan data perbedaan semata. Dengan demikian, dapat dikatakan bahwa model koreksi kesalahan dengan konsep kointegrasi
atau dikenal dengan Granger Representation Theorem Jaka Sriyana, 2003.
4. Pendekatan Error Correction Model ECM
Untuk menguji pengaruh konsumsi, investasi dan kredit perbankan terhadap pertumbuhan ekonomi Indonesia digunakan analisis Error
Correction Model ECM. Pendekatan yang digunakan untuk menganalisis hubungan antara variabel dalam penelitian ini berupa pendekatan teori
ekonomi, teori statistik dan teori ekonometrika dengan lebih menekankan pada pendekatan model analisis seri waktu time series analysis. Model
umum yang dipakai dalam penelitian ini adalah regresi linier berganda. Salah satu prasyarat penting untuk mengaplikasikan model seri waktu yaitu
dipenuhinya asumsi data yang normal atau stabil stasioner dari variabel-
60 variabel pembentuk persamaan regresi. Karena penggunaan data dalam
penelitian ini dimungkinkan adanya data yang tidak stasioner, maka penelitian ini digunakan teknik kointegrasi Cointegration Tecnique dan
model koreksi kesalahan atau ECM Error Correction Model. Digunakannya
ECM karena
mekanisme ECM
memiliki keunggulan baik dari segi nilainya dalam menghasilkan persamaan yang
diestimasi dengan properti statistik yang diinginkan maupun dari kemudahan persamaan tersebut untuk diinterprestasi Insukindro, 1993.
ECM juga bisa menghindari regresi lancung atau regresi semu yang menghasilkan kesimpulan yang menyesatkan. Proses analisis yang akan
dilakukan terdiri dari uji asumsi klasik, uji akar unit testing for unit root dan uji derajat integrasi testing for degree of integration, uji kointegrasi
Cointegration test, pendekatan ECM Error Correction Model, serta analisis ekonomi.
Hubungan konsumsi, investasi dan kredit perbankan dengan pertumbuhan ekonomi dapat diformulasikan sebagai berikut :
Y = f Konsumsi
t
, Investasi
t
, Kredit Perbankan
t
3.8 Dalam bentuk persamaan adalah sebagai berikut :
DPDB
t
= β + β
1
DKonsumsi
t
+ β
2
DInvestasi
t
+ β
3
DKredit
t
+ β
4
BKonsumsi
t-1
+ β
5
BInvestasi
t-1
+ β
6
BKredit
t-1
+ β
7
ECT 3.9
Dimana : DPDB
t
= Pertumbuhan ekonomi PDB pada periode t
61 β
= Konstanta DKonsumsi
t
= Konsumsi pada periode t DInvestasi
t
= Investasi pada periode t DKredit
t
= Kredit perbankan pada periode t BKonsumsi
t-1
= Konsumsi pada periode t-1 BInvestasi
t-1
= Investasi pada periode t-1 BKredit
t-1
= Kredit perbankan pada periode t-1 ECT
= RES -1 β
1
, β
2
, β
3
, β
4
, β
5
, β
6
= Koefisien regresi dari masing-masing variabel β
7
= Koefisien ECT error correction term
E. Operasional Variabel Penelitian
1. Variabel Dependen Y Pertumbuhan ekonomi adalah kenaikan output per kapita dalam
jangka panjang dan terlihat adanya aspek dinamis dalam suatu perekonomian. Data pertumbuhan ekonomi ini merupakan data Produk
Domestik Bruto PDB atas dasar harga konstan. Satuan pengukuran variabel pertumbuhan ekonomi ini adalah miliar rupiah.
2. Variabel Independen a. Konsumsi X
1
Pembelanjaan yang dilakukan oleh rumah tangga atas barang- barang akhir dan jasa-jasa dengan tujuan untuk memenuhi kebutuhan.
Satuan pengukuran variabel konsumsi ini adalah miliar rupiah.
62 b. Investasi X
2
Seluruh nilai realisasi investasi dalam bentuk PMA dan PMDN di Indonesia. Satuan pengukuran variabel pertumbuhan investasi ini
adalah miliar rupiah. c. Kredit Perbankan X
3
Besarnya jumlah kredit yang disalurkan perbankan kepada dunia usaha untuk membiayai sebagian kebutuhan pembiayaan dan atau
kepada individu untuk membiayai pembelian barang-barang konsumsi tahan lama secara langsung yang dinyatakan dalam milyar rupiah.
63
BAB IV ANALISIS DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian 1. Perkembangan Pertumbuhan Ekonomi Indonesia
Selama kurun waktu 1980 – pertengahan 1997, perkembangan
kondisi perekonomian Indonesia sangat baik. Pada awal 1980 sampai
pertengahan 1990-an perekonomian Indonesia, rata-rata berkisar antara 6- 7. Pertumbuhan yang terendah selama periode tersebut terjadi pada
tahun 1982 akibat adanya penurunan harga minyak dunia setelah adanya oil boom kedua pada tahun 1979-1980.
Pada tahun 1997 Indonesia terkena krisis ekonomi akibat nilai tukar rupiah yang sangat fluktuatif, sehingga perekonomian Indonesia
sempat mengalami pertumbuhan yang negatif. Hal itu dikarenakan nilai tukar rupiah yang anjlok dan kondisi politik yang buruk sehingga dunia
usaha pun menjadi lesu dan akibatnya perekonomian juga sulit tumbuh. Pertumbuhan ekonomi yang negatif tersebut terjadi pada tahun 1998 yaitu
–13,20. Namun setahun kemudian mulai ada pertumbuhan ekonomi yang positif walaupun kurang dari 1. Perekonomian tumbuh sebesar
0,78 dan tahun-tahun berikutnya perekonomian tumbuh positif rata-rata sebesar 4.
Memasuki tahun 2000, perekonomian Indonesia diwarnai oleh nuansa optimisme yang cukup tinggi yaitu sebesar 4,64 lebih tinggi dari
63