Ruang Lingkup Penelitian Jenis Penelitian Jenis dan Sumber Data Teknik Pengumpulan Data Definisi Operasional

BAB III METODE PENELITIAN

1. Ruang Lingkup Penelitian

Penelitian ini mengkaji pengaruh Penanaman Modal Asing Langsung PMAL dan Pengeluaran Pemerintah PP terhadap Produk Domestik Bruto PDB Di Indonesia Pasca Krisis Ekonomi 1998.

2. Jenis Penelitian

Penelitian yang dilaksanakan adalah penelitian historis dan deskriptif, dimana penelitian historis meliputi kegiatan penyelidikan, pemahaman, dan penjelasan variabel Penanaman Modal Asing Langsung PMAL dan Pengeluaran Pemerintah PP lalu pengaruhnya terhadap Produk Domestik Bruto PDB Di Indonesia periode 1975-2010, yang terdiri dari periode 1975-1998 Orde baru dan periode 1999-2010 Pasca Krisis Ekonomi 1998. Sedangkan penelitian deskriptif meliputi pengumpulan data untuk diuji hipotesis lalu disajikan dalam bentuk tabel, diagram, grafik, maupun gambar Kuncoro, 2009.

3. Jenis dan Sumber Data

Penelitian ini menggunakan jenis data sekunder yang bersumber dari Asian Development Bank ADB – Key Indicators of Developing Asian and Pacific Countries, dan Badan Koordinasi Penanaman Modal BKPM Republik Indonesia yang telah dipublikasikan kepada masyarakat pengguna data, yaitu berupa data runtun waktu time series yang secara kronologis disusun menurut waktu pada suatu variabel tertentu selama tahun 1975 sampai dengan tahun 2010 36 tahun Kuncoro, 2009.

4. Teknik Pengumpulan Data

Pengumpulan data dilakukan melalui studi kepustakaan library research baik melalui buku-buku, tulisan-tulisan ilmiah, jurnal, artikel, dan laporan-laporan penelitian, serta pengumpulan data sekunder untuk diuji hipotesis Kuncoro, 2009.

5. Metode Analisis dan Pengolahan Data

5.1. Metode Analisis Data

Beberapa permasalahan ekonomi mempunyai aspek multidimensional sehingga investigasi dengan satu variabel univariate analysis atau dua variabel bivariate analysis tidak mampu menganalisis aspek tersebut. Oleh karena itu penelitian ini memanfaatkan analisis multivariat multivariate analysis untuk memecahkan masalah-masalah ekonomi multidimensional Kuncoro, 2009. Analisis multivariat merupakan analisis di mana masalah yang diteliti bersifat multidimensional dan menggunakan tiga atau lebih variabel. Metode ini mampu menganalisa pengaruh lebih dari satu variabel secara bersamaan. Penelitian ini menggunakan analisis multivariat regresi linier berganda multiple regression analysis melalui metode Ordinary Least Square OLS atau metode Kuadrat Terkecil Biasa, yang pertama sekali diperkenalkan oleh Carl Friedrich Gauss Jerman yang intinya adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut Kuncoro, 2009. Fungsi regresi Produk Domestik Bruto PDB di Indonesia dalam penelitian ini dibentuk dalam model logaritma logarithms Brooks, 2008: Log Y = b + Log b 1 X 1 + Log b 2 X 2 + e Dimana: • Y = Produk Domestik Bruto PDB • X 1 = Penanaman Modal Asing Langsung PMAL • X 2 = Pengeluaran Pemerintah PP • b = Konstanta intercept • b 1 , b 2 = Penaksirkoefisien regresi parsial • e = Faktor residu error term Hipotesis yang bisa diajukan berdasarkan teori ekonomi adalah: artinya, jika X 1 PMAL meningkat 1, maka Y PDB akan mengalami kenaikan 1, ceteris paribus. artinya, jika X 2 PP meningkat 1, maka Y Produk Domestik Bruto akan mengalami kenaikan 1, ceteris paribus.

5.2. Pengolahan Data

Dalam penelitian ini peneliti menggunakan program komputer EViews 6 dalam meregresikan Produk Domestik Bruto PDB terhadap Penanaman Modal Asing Langsung PMAL dan Pengeluaran Pemerintah PP di Indonesia, dan juga dalam pengujian hipotesis hypothesis testing, ketepatan kriteria goodness of fit, serta pengujian asumsi klasik. Penulis juga menggunakan program Microsoft Word 2007 dalam penulisan skripsi, termasuk dalam pembuatan tabel dan grafik. t-statistik = b i – B i se b i

6. Pengujian Hipotesis Hypothesis Testing dan Ketepatan Kriteria

Goodness of Fit Suatu perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis daerah dimana Hipotesa Nol H ditolak, Hipotesa Alternatif H a diterima. Sebaliknya, disebut tidak signfikan bila nilai uji statistiknya berada dalam daerah dimana H diterima. Dalam analisa regresi terdapat 3 jenis kriteria ketepatan goodness of fit: 1 uji statistik t, 2 uji statistik F; dan 3 koefisien determinasi R 2 Kuncoro, 2009.

6.1. Uji Signifikansi Individual Uji Statistik t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat. Dalam hal ini digunakan hipotesis sebagai berikut Kuncoro, 2009: H : b i = 0, artinya suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. H a : b i ≠ 0, artinya suatu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen. Untuk menguji kedua hipotesis ini digunakan statistik t. Statistik t dihitung dari formula sebagai berikut: Dimana: • b i = penaksir koefisien regresi parsial • B i = Nilai yang dihipotesiskan • se b i = Kesalahan standar dari penaksirkoefisien regresi parsial F-statistik = R 2 k – 1 1 – R 2 n – k Kriteria yang digunakan dalam menentukan signifikan atau tidaknya suatu variabel independen dalam penelitian adalah sebagai berikut: - H diterima apabila t-statistik Nilai t-kritis α, maka variabel independen tidak signifikan mempengaruhi variabel dependen. - Ha diterima apabila t-statistik Nilai t-kritis α, maka variabel independen signifikan mempengaruhi variabel dependen. Dengan menggunakan Eviews 6 dapat juga ditentukan kriteria pengujian sebagai berikut: - H - H a diterima apabila Nilai Probabilitas α, maka variabel independen signifikan mempengaruhi variabel dependen. diterima apabila Nilai Probabilitas α, maka variabel independen tidak signifikan mempengaruhi variabel dependen.

6.2. Uji Signifikansi Simultan Uji Statistik F

Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama terhadap variabel dependen. Dalam hal ini digunakan hipotesis sebagai berikut Kuncoro, 2009 : H : b 1 = b 2 = 0, artinya suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. H a : b 1 ≠ b 2 ≠ 0, artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Untuk menguji kedua hipotesis ini digunakan statistik F. statistik F dihitung dari formula sebagai berikut: ∑ e 2 i R 2 = 1 – ∑ y 2 i Dimana: - R 2 = Koefisien determinasi coefficient of determination - 1 – R 2 = Koefisien pengasingan coefficient of alienation - k = Jumlah variabel bebas dan intercept - n = Jumlah observasi Kriteria yang digunakan dalam menentukan signifikan atau tidaknya suatu variabel independen dalam penelitian adalah sebagai berikut: - H diterima apabila F-statistik Nilai F- kritis α, maka semua variabel independen secara serentak tidak signifikan mempengaruhi variabel dependen. - Ha diterima apabila F-statistik Nilai F- kritis α, maka semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen. Dengan menggunakan Eviews 6 dapat juga ditentukan kriteria pengujian sebagai berikut: - H - H a diterima apabila Nilai Probabilitas F-statistik α, maka variabel independen signifikan mempengaruhi variabel dependen. diterima apabila Nilai Probabilitas F-statistik α, maka variabel independen tidak signifikan mempengaruhi variabel dependen.

6.3. Koefisien Determinasi Berganda R

2 Koefisien Determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Formula menghitung koefisien determinasi adalah Kuncoro, 2009: Dimana: R 2 = Koefisien determinasi coefficient of determination ∑ e 2 i = Jumlah kuadrat residu residual sum of squaresRSS ∑ y 2 i = Total jumlah kuadrat total sum of squaresRSS Nilai koefisien determinasi adalah di antara nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel-variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

7. Pengujian Penyimpangan Asumsi Klasik

7.1. Normalitas Normality

Asumsi normalitas residual e t penting sekali mengingat uji validitas pengaruh variabel independen baik secara simultan uji F maupun individual uji t dan estimasi nilai variabel dependen mensyaratkan hal ini. Apabila asumsi ini tidak terpenuhi maka kedua uji ini dan estimasi nilai variabel dependen adalah tidak valid untuk sampel kecil atau tertentu. Pengujian terbaik yang dilakukan untuk menguji apakah normal atau tidaknya faktor pengganggu adalah melalui Uji Jarque–Bera JB yang diperkenalkan oleh C.M. Jarque dan A.K. Bera pada tahun 1981. Tahapan formulasi Uji Jarque–Bera JB dengan menggunakan Eviews 6 adalah sebagai berikut Brooks, 2008 : 1. Formulasi hipotesa. - H : ρ = 0, faktor residu berdistribusi normal. - H a : ρ ≠ 0, faktor residu berdistribusi tidak normal. 2. Menentukan tingkat signifikansi α, misalnya digunakan α = 0,05. 3. Menentukan kriteria pengujian. - H - H diterima apabila Nilai Probabilitas α. a 4. Kesimpulan. diterima apabila Nilai Probabilitas ≤ α.

7.2. Kolinearitas Ganda Multicollinearity

Istilah kolinearitas ganda multicollinearity diperkenalkan pertama sekali oleh peraih Nobel Ekonomi pertama tahun 1969, Ragnar Frisch Norwegia. Aslinya istilah itu berarti adanya hubungan linear yang sempurna atau eksak perfect or exact di antara variabel-variabel independen dalam model regresi. Pada kasus terdapat multikolinieritas serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel independen Supranto, 1984. Pengujian terbaik yang dilakukan mengetahui ada tidaknya kolinearitas ganda adalah melalui Uji Klein yang diperkenalkan oleh peraih Nobel Ekonomi tahun 1980, Lawrence R. Klein Amerika Serikat, yaitu dengan membuat regresi setiap variabel independen X i terhadap variabel independen lainnya auxiliary regression dan menghitung R 2 x i 1. Regres model lengkap, misalnya: . Uji Klein meliputi langkah langkah-langkah sebagai berikut Koutsoyiannis, 1977 : Log Y = b + Log b 1 X 1 + Log b 2 X 2 + e 2. Regres masing-masing variabel independen terhadap seluruh variabel independen lainnya, dapatkan nilai R 2 x i - Log X 1 = b + Log b 1 X 2 + e; R 2 x 1 . x 2 . Regresi ini disebut auxiliary regression, yang pada penelitian ini meliputi: - Log X 2 = b + Log b 1 X 1 + e; R 2 x 2 . x 1 3. Apabila diperoleh R 2 x i R 2

7.3. Heteroskedastisitas Heteroscedasticity

, berarti terdapat masalah kolinearitas ganda. Heteroskedastisitas terjadi apabila variasi residual e i atau e t tidak konstan atau berubah-ubah seiring dengan berubahnya nilai variabel independen. Konsekuensi dari keberadaan heteroskedastisitas adalah metode regresi OLS akan menghasilkan estimator yang bias untuk nilai variasi residual dan dengan demikian variasi dari koefisien regresi. Akibatnya uji t, uji F dan estimasi nilai variabel dependen menjadi tidak valid Supranto, 1984. Pengujian terbaik yang dilakukan mengetahui ada tidaknya masalah heteroskedastisitas adalah melalui Uji White yang diperkenalkan oleh H. White pada tahun 1980. Tahapan formulasi Uji White dengan menggunakan Eviews 6 adalah sebagai berikut Brooks, 2008 : 1. Formulasi hipotesa. - H : ρ = 0, tidak terdapat masalah heteroskedastisitas dalam model. - H a : ρ ≠ 0, terdapat masalah heteroskedastisitas dalam model. 3. Menentukan tingkat signifikansi α, misalnya digunakan α = 0,05. 4. Menentukan kriteria pengujian. - H - H diterima apabila Nilai Probabil itas χ2 α. a 5. Kesimpulan. diterima apabila Nilai Probabilitas χ2 ≤ α.

7.4. Korelasi SerialOtokorelasi Serial CorrelationAutocorrelation

Istilah otokorelasi autocorrelation, menurut Maurice G. Kendall and William R. Buckland, A. Dictionary Statistical Terms: “Correlation between members of series of observations ordered in time as in time series data, or space as in cross sectional data.” Jadi, otokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu seperti data time series atau menurut urutan tempatruang seperti data cross section, atau korelasi pada dirinya sendiri Supranto, 1984. Otokorelasi terjadi apabila nilai variabel masa lalu memiliki pengaruh terhadap nilai variabel masa kini, atau masa datang. Konsekuensi dari keberadaan otokorelasi adalah metode regresi OLS akan menghasilkan estimasi yang terlalu rendah untuk nilai variasi e t dan karenanya menghasilkan estimasi yang terlalu tinggi untuk R 2 . Bahkan ketika estimasi nilai variasi e t tidak terlalu rendah, maka estimasi dari nilai variasi dari koefisien regresi mungkin akan terlalu rendah dan karenanya akan signifikansi dari uji t dan uji F tidak valid lagi atau menghasilkan konklusi atau kesimpulan yang menyesatkan Supranto, 1984. Pengujian terbaik yang dilakukan mengetahui ada tidaknya kolinearitas ganda adalah melalui Uji Breusch–Godfrey BG yang diperkenalkan oleh T.S. Breusch dan L.G. Godfrey pada tahun 1978, mengingat Uji Durbin–Watson DW merupakan uji yang paling lemah dikarenakan: 1 terdapat wilayah ragu-ragu, 2 tidak dapat dipakai untuk model yang mengandung lag variabel dependen, dan 3 hanya dapat digunakan untuk kasus otokorelasi t–1.Tahapan formulasi Uji Breusch-Godfrey BG dengan menggunakan Eviews 6 adalah sebagai berikut Brooks, 2008 : 1. Formulasi hipotesa. - H : ρ = 0, tidak terdapat masalah korelasi serialotokorelasi dalam model. - H a : ρ ≠ 0, terdapat masalah korelasi serialotokorelasi dalam model. 3. Menentukan tingkat signifikansi α, misalnya digunakan α = 0,05. 4. Menentukan kriteria pengujian. - H - H diterima apabila Nilai Probabilitas χ2 α. a 5. Kesimpulan. diterima apabila Nilai Probabilitas χ2 ≤ α.

9. Definisi Operasional

1. Produk Domestik Bruto PDB atau Gross Domestic Product GDP adalah indikator yang mengukur jumlah output final barang goods dan jasa services yang dihasilkan oleh perekonomian Indonesia, dalam wilayah Negara Kesatuan Republik Indonesia NKRI, baik oleh penduduk warga negara Indonesia sendiri maupun bukan penduduk misalnya, perusahaan asing, tanpa memandang apakah produksi output tersebut nantinya akan dialokasikan ke pasar domestik atau luar negeri. 2. Penanaman Modal Asing Langsung PMAL atau Foreign Direct Investment FDI adalah penanaman modal atau investasi di Indonesia yang berasal dari negara-negara lain melalui perusahaan multinasional yang dimiliki oleh pihak swasta. 3. Pengeluaran Pemerintah PP atau Government Expenditure adalah semua pengeluaran negara yang digunakan untuk membiayai belanja pemerintah pusat belanja pegawai, belanja barang, belanja modal, pembayaran bunga utang, subsidi, belanja hibah, bantuan sosial dan transfer ke daerah.

BAB IV GAMBARAN UMUM PEREKONOMIAN INDONESIA

1. Perkembangan Produk Domestik Bruto PDB Di Indonesia

1.1. Periode Pra Krisis Ekonomi 1997-1998

Selama 30 tahun terakhir, struktur perekonomian Indonesia telah mengalami transisi yang luar biasa. Pada tahun 1967, Indonesia berada dalam situasi yang sangat kacau. Pendapatan per kapita turun sampai tingkat di bawah yang telah dicapai lima tahun sebelumnya, perekonomian hancur oleh hiper- inflasi, sektor pertanian tidak dapat lagi menyediakan bahan pangan yang cukup untuk kebutuhan dalam negeri, dan kemiskinan menjadi nasib sebagian besar penduduk. Walaupun pemerintah Orde Baru bergerak cepat dan pasti untuk membangun sejumlah tujuan di bidang ekonomi, sampai tahun 1985 Indonesia hanya menunjukkan sedikit sekali jejak industrialisasi. Pada saat itu, ekspor Indonesia masih didominasi oleh minyak dan gas bumi serta beberapa produk utama lainnya. Sektor pertanian masih menyumbang sekitar 24 produk domestik bruto PDB, sementara industri non-migas menyumbang kurang dari 14 . Namun pada tahun 1994, PDB riil tumbuh sampai rata-rata 7,6 per tahun selama satu dekade dan industri non-migas tumbuh sampai 20 dari PDB. Kinerja perekonomian tersebut, menurut Bank Dunia, telah menjadikan Indonesia sebagai salah satu negara yang termasuk ke dalam The Asian Miracle atau Keajaiban Asia Timur Wardhana dikutip dalam Badan Kebijakan Fiskal BKF, 2009.