memudahkan pembaca dalam menafsirkan hasil observasi. Salah satu analisis deskriptif yang digunakan adalah teknik analisis kuadran.
Analisis kuadran digunakan untuk melihat hubungan dan dinamika pertumbuhan ekonomi dengan ketimpangan serta pertumbuhan ekonomi dan
kemiskinan kabupaten tertinggal, pada dua periode waktu, yaitu 2005 dan 2009. Pemilihan Tahun 2005 sebagai tahun awal dimana program P2IPDT belum
diimplementasikan, dan Tahun 2009 di pilih untuk melihat kondisi terkini di kabupaten tertinggal. Dua periode waktu tersebut diharapkan dapat memberikan
gambaran dinamika pertumbuhan, ketimpangan dan kemiskinan kabupaten tertinggal.
3.2.2. Analisis Pengaruh Bantuan Stimulus Infrastruktur terhadap Perekonomian, Ketimpangan dan Penurunan Kemiskinan
Studi mengenai peranan program P2IDT dalam mendorong kinerja perekonomian, menurunkan ketimpangan dan kemiskinan ini dilakukan dengan
menggunakan metode analisis regresi. Analisis regresi dilakukan dengan tujuan utama adalah untuk memperkirakan nilai dari variabel tak bebas pada nilai
variabel bebas tertentu Supranto, 2000. Berdasarkan pemikiran tersebut penulis menggunakan metode ini untuk menjelaskan pengaruh program P2IDT dalam
meningkatkan perekonomian, menurunkan ketimpangan dan kemiskinan. Pada penelitian ini analisis regresi yang digunakan adalah analisis regresi data panel.
3.2.2.1. Analisis Data Panel
Analisis data panel adalah bentuk analisis data longitudinal yang cukup populer di kalangan peneliti bidang ilmu sosial dan ilmu perilaku. Data panel
adalah data silang dari sekumpulan variabel yang di survei secara periodik. Penggunaan analisis panel data dalam estimasi ekonometrika memiliki beberapa
kelebihan dan kelemahan. Baltagi 2005 menyatakan bahwa panel data memiliki kelebihan antara lain:
1. Dapat mengontrol heterogenitas individu 2. Panel data memberikan data yang lebih lengkap dengan kolinieritas yang
rendah dan derajat bebas yang lebih besar serta lebih efisien
39 3. Panel data baik digunakan untuk mengkaji mengenai penyesuaian dinamis
dynamic of adjustment 4. Panel data lebih handal dalam mengidentifikasi dan mengukur efek
individu maupun efek waktu yang tidak dapat dilakukan dalam teknik analisis deret waktu time series maupun analisis antar individu cross
section 5. Panel data dapat digunakan untuk membangun dan menguji model dengan
perilaku yang kompleks. Namun demikian, analisis panel data memiliki beberapa kelemahan, antara lain:
1. Masalah dalam desain dan pengumpulan data, termasuk masalah cakupan dan kelengkapan data
2. Gangguan yang timbul akibat kesalahan pengukuran measurement errors 3. Mengatasi data deret waktu yang pendek
4. Terdapat hubungan antar individu
Analisis Data Panel Statis
Analisis data panel statis merupakan analisis data longitudnal yang tidak melibatkan variabel lag dependent dalam model. Terdapat beberapa tipe model
analisis data panel statis, antara lain: 1. Constant coefficient model Pooled OLS adalah salah satu tipe model data
panel yang memiliki koefisien yang konstan untuk intersep dan slope. Untuk model data panel ini dapat menggunakan metode ordinary least squares
regression model .
2. Tipe model data panel lainnya adalah fixed effect model FEM, dimana model ini memiliki konstan slope namun memiliki intersep yang bergantung pada
data panel dari serangkaian grup observasi. Model ini dikenal juga sebagai Least Squares Dummy Variable Model
, karena sebanyak i-1 variabel dummy digunakan dalam model ini. Persamaan model ini adalah sebagai berikut:
y
it
= α
i
+ x’
it
+ u
it
dimana u ; i=1,….,N; t=1…..,T
3.1
it
=
i
+ v
it
, untuk one way error component dan u
it
=
i
+
t
+ v
it
untuk two way error component.
3. Random Effect Model REM, dalam model ini terdapat perbedaan intersep untuk setiap individu dan intersep tersebut merupakan variabel random atau
stokastik. Sehingga dalam model random effects terdapat dua komponen residual, yakni residual secara menyeluruh
it
3.2 dan residual secara individu.
Persamaan model random effects dapat ditulis sebagai berikut:
Metode estimasi yang digunakan pada model analisis regresi data panel statis, didasarkan pada asumsi struktur matriks varians dan covarians residualnya,
yang terdiri dari 3 metode, yaitu: 1. Ordinary Least Square OLSLSDV, jika struktur matriks varians-covarians
residualnya diasumsikan bersifat homokedastik dan tidak ada cross sectional correlation,
2. Generalized Least Square GLSWeighted Least Square WLS: Cross Sectional Weight
, jika struktur matriks varians-covarians residualnya diasumsikan bersifat heterokedastik dan tidak ada cross sectional correlation,
3. Feasible Generalized Least Square FGLSSeemingly Uncorrelated Regression
SUR, jika struktur matriks varians-covarians residualnya diasumsikan bersifat heterokedastik dan ada cross sectional correlation.
Analisis Data Panel Dinamis
Baltagi 2005 menyatakan bahwa hubungan di antara variabel-variabel ekonomi pada kenyataan banyak yang bersifat dinamis. Analisis data panel
dinamis dapat digunakan pada model yang bersifat dinamis yang melibatkan variabel lag dependen sebagai variabel regresor di dalam model. Keuntungan
penggunaan panel data dinamis adalah bahwa panel data dinamis dapat mengkaji mengenai analisis penyesuaian dinamis dynamic of adjustment. Sebagai ilustrasi,
model data panel dinamis adalah sebagai berikut: y
it
= y
i,t-1
+ u
it
dengan menyatakan suatu skalar, x’
; i=1,….,N; t=1…..,T 3.3
it
menyatakan matriks berukuran 1xK dan matriks berukuran Kx1. Pada model ini,
u
it
diasumsikan mengikuti model one way
error component sebagai berikut:
