Analisis Deskriptif Analisis Panel Data

3.2.1 Analisis Deskriptif

Analisis deskriptif dilakukan untuk memberikan gambaran kondisi kemiskinan dan strategi kebijakan yang efektif dalam upaya pengentasan kemiskinan di NTT. Analisis deskriptif digunakan untuk melakukan analisis terhadap data-data kuantitatif dan interpretasi terhadap data-data kuantitatif seperti hasil faktor-faktor yang mempengaruhi kemiskinan.

3.2.2 Analisis Panel Data

Dalam melakukan sebuah penelitian, banyaknya data merupakan salah satu syarat agar penelitian tersebut dapat mewakili perilaku dari model yang dikehendaki. Masalah keterbatasan data dalam sebuah penelitian merupakan hal yang sering dialami oleh para peneliti, terkadang dalam penelitian yang menggunakan data series, data yang tersedia terlalu pendek sehingga dalam pengolahan data time series tidak dapat dilakukan. Begitu pula dengan pengolahan data cross section, terkadang jumlah unit data yang dibutuhkan terbatas. Persoalan keterbatasan data seperti itu, dalam ekonometrika dapat diatasi dengan menggunakan analisis panel data. Analisis panel data secara umum dapat didefinisikan sebagai analisis satu kelompok variabel yang tidak saja mempunyai keragaan dimensi dalam time series tetapi juga dalam cross section. Penggunaan panel data memberikan banyak keuntungan secara statistik maupun teori ekonomi. Manfaat dari penggunaan data panel antara lain Baltagi,1995: 1. Memberikan data yang informative, menambah derajat bebas, lebih efisien dan mengurangi kolinearitas antar variabel 2. Memungkinkan analisis terhadap sejumlah permasalahan ekonomi yang krusial yang tidak dapat dijawab oleh analisis data runtun waktu atau kerat lintang saja. 3. Memperhitungkan derajat heterogenitas yang lebih besar yang menjadi karakteristik dari individual antar waktu. 4. Adanya fleksibilitas yang lebih tinggi dalam memodelkan perbedaan perilaku antar individu dibandingkan data kerat lintang 5. Dapat menjelaskan dyanamic adjustment secara lebih baik. Dalam model data panel menggunakan data time series adalah : Y t = + 1 X t + µ t ; t= 1,β,..,T……………………………γ.1 Dimana T adalah banyaknya data Time-Series. Sedangkan model data panel menggunakan data cross section adalah : Y i = + 1 X i + µ i ; i= 1,β,..,N……………………………γ.β Dimana N adalah banyaknya data cross section Mengingat data panel merupakan gabungan dari data time series dan cross section, maka model dapat ditulis sebagai berikut : Y it = + 1 X it + µ it ..............................................................3.3 Terdapat beberapa asumsi dasar yang melandasi penentuan model data panel. Asumsi dasar ini ditentukan oleh conditionality dari variabel bebas xij yang digunakan dalam model data panel itu sendiri. Berdasarkan pemiliham model, akan menentukan model estimasi dari model panel yang dipilih. Terdapat tiga metode dalam mengestimasi data panel, yaitu : 1. Pooled Least Square PLS Dalam metode ini terdapat K regresor dalam X it , kecuali kosntanta. Metode ini juga dikenal sebagai Common Effect Model CEM. Jika efek individual α i kostan sepanjang waktu t dan spesifik terhadap setiap unit i maka modelnya akan sama dengan model regresi biasa. Jika nilai α i sama untuk unitnya, maka OLS akan menghasilkan estimasi yang konsisten dan efisien untuk α dan . Oleh karena itu, metode ini dapat digunakan dalam mengestimasi model. 2. Fixed Effects Model FEM Model ini menggunakan semacam peubah boneka untuk memungkinka n perubahan-perubahan dalam intersep kerat lintang dan runtut waktu akibatnya adanya peubah-peubah yang dihilangkan. Intersep hanya bervariasi terhadap individu namun konstan terhadap waktu sedangkan slopenya konstan baik terhadap individu maupun waktu. Kelemahan model efek tetap adalah penggunaan jumlah derajat kebebasan yang banyak serta penggunaan peubah boneka tidak secara langsung mengidentifikasikan apa yang menyebabkan garis regresi bergeser lintas waktu dan lintas individu. Modelnya ditulis sebagai Υ i = α i + χ i +ε i . 3. Random Effects Model REM Intersepnya bervariasi terhadap individu dan waktu namun slopnya konstan terhadap individu maupun waktu. Metode ini juga dikenal sebagai variance components estimation . Model ini meningkatkan efisiensi proses pendugaan kuadrat terkecil dengan memperhitungkan pengganggu- pengganggu kerat lintang dan deret waktu. Model estimasinya yang digunakan adalah it =α i + χ it +µ i + ε i dengan µ i adalah nilai gangguan acak pada observasi i dan konstan sepanjang waktu. Dapat dikatakan bahwa FEM digunakan atas asumsi bahwa dari gangguan mempunyai pengaruh yang tetap. Sedangkan REM digunakan atas asumsi bahwa gangguan diasumsikan bersifat acak.

3.2.3 Pemilihan Model dalam Pengolahan Data