Ruang Lingkup Penelitian Jenis dan Sumber Data Metode Analisis dan Pengolahan Data

BAB III METODE PENELITIAN

3.1 Ruang Lingkup Penelitian

Penelitian ini dibatasi dengan menganalisis data sekunder kuantitatif tahunan pada rentang waktu antara tahun 1988-2007 dengan pertimbangan 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 hubungan kausalitas dan kointegrasi antara investasi dan pertumbuhan ekonomi di Kota Medan.

3.2 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan jenis data time series kurun waktu selama kurun waktu 1988-2007 yaitu 20 tahun. Sumber data yang diperoleh berasal dari berbagai sumber seperti Badan Pusat Statistik BPS. Di samping itu, penulis juga melakukan studi literatur 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 Johansen Test bertujuan Universitas Sumatera Utara untuk melihat hubungan investasi dengan pertumbuhan ekonomi di Kota Medan dalam jangka panjang. Sedangkan analisis Granger Causality Test adalah untuk melihat hubungan timbal balik kausal antara investasi dan pertumbuhan ekonomi di Kota Medan. Dalam kaitannya dengan metode tersebut maka pengujian terhadap perilaku data runtun waktu time series dan integrasinya dapat dipandang sebagai uji prasyarat bagi digunakannya metode Cointegration Test dan Granger Causality Test. Sebelum dilakukannya estimasi terhadap kedua metode tersebut, maka terlebih dahulu dilakukan langkah-langkah sebagai berikut : 1. Uji Stasioneritas Uji Akar Unit Unit Root Test Validitas hipotesis kausalitas investasi dan pertumbuhan ekonomi dapat dibuktikan dengan cara melakukan pengujian stasioneritas terhadap masing- masing variabel yang akan dianalisis dengan uji akar unit Unit Root Test 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 .Uji Akar Unit dari Dickey Fuller maupun Phillips-Perron adalah untuk melihat stasionaritas data time series yang diteliti dengan program Eviews versi 5. Adapun formula dari Uji Augmented Dickey Fuller ADF dapat dinyatakan sebagai berikut : P DY t = a + γY t-1 + ∑ β i DY t-1+1 + ε t …………. 1 i = 1 Universitas Sumatera Utara Sedangkan untuk Uji Phillip Perron PP adalah : DY t = a + λY t-1 + ε t …………… 2 Di mana: D = Perbedaan atau differensi Y = Variabel yang diamati pada tingkat periode tertentu Β = Operasi kelambanan waktu backward lag operator Kedua uji dilakukan dengan hipotesis null γ = 0 untuk ADF dan λ = 1 untuk PP. Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistik ADF dan PP yang diperoleh dari nilai t hitung koefisien γ dan λ dengan nilai kritis distribusi MacKinnon. Jika nilai absolut statistik ADF dan PP lebih besar dari nilai kritis Mackinnon maka data stasioner dan sebaliknya jika nilai absolut statistik ADF dan PP lebih kecil dari nilai kritis Mackinnon maka data tidak stasioner. Hal penting dalam uji ADF adalah menentukan panjangnya kelambanan. Panjangnya kelambanan bisa ditentukan berdasarkan criteria AIC ataupun SIC. Nilai terkecil dari AIC dan SIC digunakan untuk menentukan panjangnya kelambanan yang optimal. 2. Uji Kointegrasi Cointegration Test Setelah diketahui bahwa baik data investasi dan pertumbuhan ekonomi keduanya stasioner, maka selanjutnya akan diuji kointegrasi. Uji kointegrasi bertujuan untuk mengetahui apakah ada hubungan keseimbangan jangka panjang antara dua variabel tersebut. Hubungan keseimbangan dalam jangka panjang antar investasi dan pertumbuhan ekonomi dengan dapat diuji menggunakan Johansen test. Hipotesis yang akan diuji adalah untuk menentukan jumlah dari arah kointegrasi tersebut maka Johansen menyarankan untuk melakukan dua uji Universitas Sumatera Utara statistik yaitu untuk menentukan banyaknya vektor kointegrasi. Dua uji tersebut adalah trace test dan maximum eigenvalue statistic. Uji statistic pertama adalah uji trace Trace test, λ trace 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 λ trace r = -T ∑ in 1-λi …………3 i = r + i di mana λ r+1,…… λ n adalah nilai eigenvektors terkecil p-r. Null hypotesis yang disepakati adalah jumlah dari arah kointegrasi sama dengan banyaknya r. Dengan kata lain, jumlah vector kointegrasi lebih kecil atau sama dengan ≤ r. Di mana r = 0,12 dan seterusnya. Johansen trace statistic atau juga dikenal sebagai test statistik LR Likelihood Ratio untuk menguji hipotesis Ho: r 1 terhadap Ha: r = 0, yang dirumuskan dalam persamaan : Trace test Qr = - nεln1-λi Untuk uji statistik yang kedua adalah uji maksimum eigenvalue λ max yang dilakukan dengan formula sebagi berikut : λ max r, r+1 = -T in 1- λ r-1 ………..4 Uji ini berdasarkan pada uji null hypothesis bahwa terdapat r dari vektor kointegrasi yang berlawanan r+1 dengan vektor kointegrasi. Untuk melihat hubungan kointegrasi tersebut maka dapat dilihat dari besarnya nilai trace statistic Universitas Sumatera Utara dan maximum 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 = -nln1 – λi = Qr – Qr+1 3. Uji Granger Causality Uji Granger Causality Test pada intinya dapat mengindikasikan apakah suatu variabel mempunyai hubungan dua arah atau hanya satu arah saja Pratomo, 2007:124. Pengujiaan ini digunakan untuk melihat hubungan kausalitas hubungan timbal balik antara variable-variabel yang diteliti yakni pajak dan investasi. Sehingga dapat diketahui kedua variabel tersebut secara statistik saling mempengaruhi hubungan dua arah, memiliki hubungan searah atau sama sekali tidak ada hubungan tidak saling mempengaruhi. Berikut ini metode Granger Causality Test seperti berikut ini : m n I t = ∑ a i I t-i + ∑ b j Y t-j + µ t ……….. 5 i=1 j=1 r s Y t = ∑ c i Y t-i + ∑ d j I t-j + V t ……… 6 i=1 j=1 Di mana : I = Total investasi di Kota Medan Y = Total pertumbuhan ekonomi di Kota Medan µt, Vt = Error Terms Universitas Sumatera Utara µt 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 : 1. Kausalitas searah antara I dan Y n s Jika ∑ b j ≠ 0 dan ∑ d j = 0 j=1 j=1 maka terdapat kausalitas satu arah dari I ke Y 2. Kausalitas searah antara Y dan I n s Jika ∑ b j = 0 dan ∑ d j ≠ 0 j=1 j=1 maka terdapat kausalitas satu arah dari Y ke I 3. Kausalitas bilateral dua arah antara I dan Y n s Jika ∑ b j = 0 dan ∑ d j = 0 j=1 j=1 maka I dan Y bebas ntara satu dengan yang lainnya. 4. Tidak saling berhubungan independent n s Jika ∑ b j ≠ 0 dan ∑ d j ≠0 j=1 j=1 maka I dan Y terdapat kausalitas dua arah antara Untuk memperkuat indikasi keberadaan berbagai bentuk kausalitas seperti yang disebutkan diatas maka dapat juga dilakukan F-Test untuk masing-masing Universitas Sumatera Utara regresi. Apabila nilai F-hitung F-tabel maka investasi mempengaruhi ekonomi . Dan sebaliknya apabila nilai F-hitung F-tabel maka investasi tidak mempengaruhi ekonomi. Dalam penulisan skripsi ini, data diolah dengan menggunakan program Eviews 5.

3.4 Definisi Operasional Variabel