50
C. Metode Pengumpulan Data
1. Sumber Data Data yang digunakan dalam penelitian ini adalah data yang bersumber dari
Kementian Koperasi dan UKM di Indonesia. a.
Field Research
Penulis melakukan penelitian ketempat yang menyediakan data-data sekunder yang diperlukan sebagai bahan referensi seperti Kementrian
Koperasi dan UKM. b.
Library Reasearch
Landasan dan teori yang kuat sangat dibutuhkan dalam pemecahan masalah, sehingga penulis melakukan penelitian kepustakaan dengan
menggunakan buku-buku, artikel-artikel ilmiah, jurnal, majalah, data- data dari internet, dan sumber-sumber dokumentasi lainnya yang
berhubungan dengan penelitian. 2. Data Sekunder
Data yang digunakan dalam penelitian ini menggunakan data indikator makro UKM yang terdiri dari tenaga kerja UKM, ekspor UKM,
jumlah unit UKM, investasi pada sektor UKM, dan PDB UKM dari tahun 2000 sampai 2009 yang diperoleh dari Kementrian Koperasi dan UKM.
51
Selain itu data-data untuk penelitian ini diperoleh dari berbagai bahan-bahan tertulis, baik berupa literatur-literatur ilmiah yang digunakan
untuk meletakan dasar-dasar teoritis, maupun dari majalah, surat kabar, laporan penelitian, jurnal ilmiah, serta tulisan-tulisan lainnya yang
menunjang dan berkaitan dengan penelitian ini.
D. Metode Analisis
1. Metode Analisis Data Panel Data Panel adalah gabungan antara data silang cross section
dengan data runtut waktu time series. Data panel diperkenalkan oleh Howles pada tahun 1950. Data runtun waktu biasanya meliputi satu objek
misalnya harga saham, kurs mata uang, atau tingkat inflasi, tetapi meliputi bebrapa periode bisa harian, bulanan, kuartalan, tahunan, dan
sebagainya. Data silang terdiri atas beberapa atau banyak objek, sering disebut responden, misalnya perusahaan dengan beberapa jenis data
misalnya laba, biaya iklan , laba ditahan, dan tingkat investasi. Wing Wahyo Winarno, 2007
Banyak alasan mengapa data panel lebih baik digunakan dalam model-model regresi dibandingkan data time series ataupun cross section,
diantaranya menurut Baltagi 1995 adalah: a. Bila data panel berhubungan dengan individu, perusahaan, negara,
daerah, dan lain-lain pada waktu tertentu, maka data tersebut adalah
52
heterogen. Teknik penaksiran data panel yang heterogen secara eksplisit dapat dipertimbangkan dalam perhitungan.
b. Kombinasi data time series dan cross section akan memberikan informasi yang lebih lengkap, lebih beragam, kurang berkorelasi antara
variabel, derajat bebas lebih besar dan lebih efisien. c. Studi data panel lebih memuaskan untuk menentukan perubahan
dinamis dibandingkan studi berulang-ulang dari cross section. d. Data panel lebih baik mendeteksi dan mengukur efek yang secara
sederhana tidak dapat diukut oleh data time series atau cross section, misalnya efek dari upah minimum regional.
e. Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks, misalnya fenomena skala ekonomi dan perubahan teknologi.
f. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak.
Diantara sekian banyak kegunaan dari data panel, salah satu manfaat yang paling dirasakan oleh para ahli ekonomi adalah
penggunaan data panel mengatasi masalah kekurangan data yang tidak dapat dipenuhi oleh data time series.
Penyelesaian model-model panel data bila dilihat dari kesalahan pengganggunya dapat dipecahkan dengan fixed effect method FEM
atau random effect method REM. Kedua metode ini menghasilkan
53
koefisien yang sangat berbeda antara satu sama lainnya. Perbedaan itu disebabkan karena asumsi yang digunakan diantara kedua metode
tersebut tidak sama. Pada FEM, varians error dari observasi satu dengan observasi lainnya dianggap konstan. Sementara dalam REM, varians
error diasumsikan tidak sama. Akibat ketidaksamaan dua asumsi tersebut bias saja terjadi perbedaan keputusan dalam melihat
signifikansi dari variabel-variabel independent yang disertakan dalam model.
Salah satu metode ekonometrik yang lazim digunakan untuk menganalisis apakah lebih tepat FEM atau REM untuk memecahkan
system persamaan panel data adalah dengan Hausman-test. Selain itu, berdasarkan beberapa keunggulan dari masing-masing kedua model
tersebut, sebagaimana yang dijelaskan oleh Gujarati 2003, dapat juga dilihat secara apriori model manakah yang lebih tepat. Keunggulan
yang dimaksud adalah sebagai berikut. Arief Dariyanto dan Yundy Hafizrianda, 2010
a. Jika jumlah data time-series T besar dan jumlah unit cross-section N kecil, maka ada sedikit perbedaan nilai parameter hasil estimasi
dengan FEM dan REM. Berarti pilihan berdasarkan pada layaknya perhitungan mungkin FEM lebih dipilih.
b. Bila T kecil dan N besar, estimasi yang diperoleh dari kedua model tersebut sangat berbeda sekali. Jika individu atau unit-unit cross
54
section bersifat tidak random, maka FEM yang tepat. Namun, bila unit analisis bersifat random maka REM lebih tepat.
c. Jika error component individu dan satu atau lebih variabel independent berkorelasi, maka estimasi dengan REM akan bias,
sementara hasil dari estimasi FEM unbiased. d. Jika T kecil dan N besar, dan asumsi yang digunakan adalah REM,
maka estimasi REM lebih efisien dibanding FEM. 2. Estimasi Model Data Panel
Untuk mengestimasi parameter model dengan data panel, terdapat beberapa teknik yang ditawarkan, yaitu:
a. Ordinary Least Square
Teknik ini tidak ubahnya dengan membuat regresi dengan data cross section atau time series sebagaimana telah dipelajari sebelumnya.
Akan tetapi, untuk data panel, sebelum membuat regresi kita harus menggabungkan data cross-section dengan time-series pool data.
Kemudian data gabungan ini diperlakukan sebagai satu kesatuan pengamatan yang digunakan untuk mengestimasi model dengan metode
OLS. Bila kita punya asumsi bahwa
α dan β akan sama konstan untuk setiap data time series dan cross section, maka
α dan β dapat di estimasi dengan model berikut dengan mengguanakan NxT pengamatan.
Yit = α + βXit+ εit; i=1,2,....N; t = 1,2,....,T
55
Pertanyaannya apakah asumsi bahwa α dan β konstan realistis? Dalam penelitian ini penulis mengamati pengaruh perkembangan UKM
terhadap pertumbuhan ekonomi pada 3 sektor UKM. Apakah realistis jika dibuat suatu model, di mana sektor pertambangan dan penggalian
mempunyai intercept yang sama dengan sektor industri pengolahan? Untuk mengatasi permasalahan tersebut, ada dua buah teknik
yang biasanya digunakan untuk membuat model dari data panel, yaitu Metode Efek Tetap Fixed Effect Method dan Metode Efek Random
Random Effect Method. b. Model Efek Tetap Fixed Effect
Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept ini mungkin
berubah untuk setiap individu dan waktu. Pemikiran inilah yang menjadi dasar pemikiran pembentukan model tersebut.
Asumsi pembuatan model yang menghasilkan α konstan untuk
setiap individu i dan waktu t kurang realistis. Dalam Efek Tetap Fixed Effet Model atau disingkat FEM kita dapat mengatasi hal
tersebut, karena metode ini memungkinkan adanya perubahan α pada setiap i dan t.
Secara matematis model FEM dinyatakan sebagai berikut: Y
it
= α + X
it
+
2
W
2t
+
3
W
3t
+ ...+
N
W
Nt
+
2
Z
i2
+
3
Z
i3
+ ... +
T
Z
iT
+ it
56
Dimana: Y
it
=Variabel terikat untuk individu ke-i dan waktu ke-t X
it
= Variabel bebas untuk individu ke-i dan waktu ke-t W
it
dan Z
it
variabel dummy yang didefinisikan sebagai berikut: W
it
=1 ; untuk individu i;i = 1,2,..., N = 0 ; lainnya.
Z
it
=1; untuk periode t; t=1,2,...,T = 0 ; lainnya
Dari model diatas terlihat bahwa sesungguhnya FEM adalah sama dengan regresi yang menggunakan Dummy Variabel sebagai variabel
bebas, sehingga dapat diestimasi dengan Ordinary Least Square OLS. Dengan diestimasinya tersebut mengguanakn OLS, maka akan
memperoleh estimator yang tidak bias dan konsisten. c. Model Efek Random Random Effect
Bila pada Model Efek Tetap, perbedaan antarindividu dan atau waktu dicerminkan lewat intercept, maka pada Model Efek Random,
perbedaan tersebut diakomodasi lewat error. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time
series dan cross section. Pada FEM perbedaan karekteristik individu dan waktu
diakomodasikan pada intercept-nya berubah antar individu dan antar waktu. Sementara Model Efek Random atau Random Efect Model
REM perbedaan karakteristik individu dan waktu diakomodasikan
57
pada eror dari model. Mengingat ada dua komponen yang mempunyai kontribusi pada pembentukan error, yaitu individu dan waktu, maka
random error untuk komponen individu, error komponen waktu dan error gabungan.
Dengan demikian, persamaan REM diformulasikan sebagai berikut: Y
it
= α + βX
it
+ε
it
;
ε
it
= u
i
+ v
t
+ w
it
Dimana: u
i
: komponen error cross-section v
t
: Komponen error time-series w
it
: Komponen error gabungan Adapun asumsi yang digunakan untuk komponen error tersebut adalah:
u
i
~ N 0, σ
u 2
; v
t
~ N 0, σ
u 2
; w
it
~ N 0, σ
w 2
; Melihat persamaan di atas, maka dapat dinyatakan bahwa REM
menganggap efek rata-rata dari data cross-setion dan time series direpresentasikan dalam intercept. Sedangkan deviasi efek secara
random untuk data time series direpresentasikan dalam v
t
dan deviasi untuk data cross-section dinyatakan dalam u
i..
Kita telah mengetahui bahwa:
it
= u
i
+ v
t
+ w
it
. Dengan demikian varians dari error tersebut dapat dituliskan dengan:
Var
it
=
u 2
+
v 2
+
w 2
58
3. Pemilihan Metode Estimasi dalam Data Panel Ada 2 tahapan dalam memilih metode estimasi data panel.
Pertama-tama kita akan membandingkan PLS dengan FEM terlebih dahulu. Kemudian dilakukan uji F-test. Jika hasil menunjukan model
PLS yang diterima, maka model PLS-lah yang akan dianalisa. Tapi jika model FEM yang diterima, maka tahap kedua dijalankan yakni
melakukan perbandingan lagi dengan model REM. Setelah itu dilakukan pengujian dengan Hausman test untuk menentukan model
mana yang akan dipakai, apakah FEM atau REM.
a. PLS vs FEM
Relatif terhadap Fixed Effet Model, Pooled Least Square adalah restricted model dimana ia menerapkan intercept yang sama
untuk seluruh individu. Padahal asumsi bahwa setiap unit cross setion memiliki perilaku yang sama cenderung tidak realistis
mengingat dimungkinkan saja setiap unit tersebut memiliki perilaku yang berbeda. Untuk mengujianya dapat digunakan restricted F-test,
dengan hipotesis sebagai berikut: H
: Model PLS Restricted H
1
: Model Fixed Effect Unrestricted Dimana restricted F-test dirumuskan sebagai berikut:
F = R
2 UR
– R
2 R
m 1
– R
2 UR
df
59
Dimana: R
2 UR
= unrestricted R
2
; m = df for numerator N-1
R
2 R
= restricted R
2
; df = df for denominator NT-N-k N = Jumlah data cross section
T = Jumlah data time series K = Jumlah Koefisien Variabel
Jika nilai F-hitung F-tabel maka H ditolak, artinya model
panel yang baik untuk digunakan adalah Fixed Effect Model, dan sebaliknya. Jika H
diterima, berarti model PLS yang dipakai dan dianalisis. Namun jika H
ditolak, maka model FEM harus diuji kembali untuk memilih apakah akan memakai model FEM atau
REM kemudian dianalisis.
b. FEM vs REM
Ada beberapa pertimbangan teknis-empiris yang dapat digunakan sebagai panduan untukl memilih antara fixed effect atau
random effect ToT untuk pengajar Ekonomi FEUI, 2006 yaitu: 1. Bila T jumlah unit time series besar sedangkan N jumlah unit
cross setion kecil, maka hasil FEM dan REM tidak jauh berbeda. Dalam hal ini pilihan umumnya akan didasarkan pada
kenyamanan perhitungan, yaitu FEM. 2. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan
dapat berbeda secara signifikan. Jadi, apabila kita meyakini bahwa unit cross section yang kita pilih dalam penelitian diambil
60
secara acak random maka REM harus digunakan. Sebaliknya, apabila kita meyakini bahwa unit cross section yang kita pilih
dalam penelitian tidak diambil secara acak maka kita menggunakan FEM.
3. Apabila cross-section error component ε
i
berkorelasi dengan variabel bebas X maka parameter yang diperoleh dengan REM
akan bias sementara parameter yang diperoleh dengan FEM tidak bias.
4. Apabila N besar dan T kecil, maka apabila asumsi yang mendasari REM dapat terpenuhi, maka REM lebih efisien
dibandingkan FEM. Keputusan penggunaan FEM dan REm dapat pula ditentukan
dengan menggunakan spesifikasi yang dikembangkan oleh Hausmann. Spesifikasi ini akan memberikan penilaian denagn
menggunakan Chi-square statistics sehingga keputusan pemilihan model akan dapat ditentukan secara statistik. Pengujian ini dilakukan
dengan hipotesa sebagai berikut: H
: Random Effect Model H
1
: Fixed Effect Model Setelah dilakukan pengujian ini, hasil dari Hausman test
dibandingkan dengan Chi-square statistics dengan df=k, dimana k adalah jumlah koefisien variabel yang diestimasi. Jika hasil dari
61
Haussman test signifikan, maka H ditolak, yang berarti FEM
digunakan. Pengujian asumsi klasik tidak dilakukan karena penelitian ini
menggunakan jenis data panel yang membolehkan identifikasi parameter tertentu tanpa perlu membuat asumsi yang ketata atau
tidak mengharuskan terpenuhinya semua asumsi klasik regresi linear pada Ordinary Least Squar. Verbeek, 2000 dalam Yuanita Handoko
2010 4. Model Empiris
Untuk mengetahui pengaruh variabel dependen terhadap variabel independen, maka digunakan model regresi data panel
dengan persamaan sebagai berikut : Y
t
= β + β
1
TK
it
+ β
2
EX
it
+ β
3
JU
it
+ β
4
IU
it
+ ε
it
Keterangan : Y
= PDB TK
= tenaga kerja UKM terhadap PDB EX
= ekspor UKM terhadap PDB JU
= jumlah unit UKM terhadap PDB IU
= Investasi UKM terhadap PDB i
= 1,2,....N untuk individu t
= 1,2,....,T untuk waktu
62
Perhitungan dan pengolahan data dalam penelitian ini menggunakan alat bantu melalui software statistik dan ekonometrik
dalam komputer yang sesuai, yaitu E-Views 7.
E. Operasional Variabel Penelitian
Tabel 3.1 Operasional Variabel Penelitian
Jenis Variabel
Indikator Definisi variabel
Terikat Pertumbuhan
Ekonomi PDB
Y Pertumbuhan ekonomi menggambarkan
perkembangan perekonomian
suatu negara dalam suatu tahun tertentu yang
dibandingkan dengan tahun sebelumnya dalam bentuk persentase perubahan
pendapatan nasional. Data perumbuhan PDB diperoleh dari nilai PDB Indonesia
tahun 2005-2009
Bebas Tenaga kerja UKM
TK Tenaga
kerja manpower
adalah seluruh penduduk dalam usia kerja yang
potensial dapat memproduksi barang dan jasaindikator ini digunakan untuk
mengetahui berapa banyak tenaga kerja atau penduduk usia kerja potensial yang
dapat memproduksi barang dan jasa. Dalam hal ini tenaga kerja yang diserap
oleh sektor UKM.
Bebas Ekspor
UKM ET Ekspor UKM adalah total produk UKM
yang diperdagangan dengan cara mengeluarkan barang dari dalam ke luar
wilayah pabean suatu negara ke negara lain
dengan memenuhi
ketentuan berlaku.
Bebas Jumlah Unit UKM
JU Jumlah Unit UKM adalah keseluruhan
jumlah unit usaha yang termasuk dalam kriteria usaha kecil dan usaha menengah
Bebas Investasi UKM IU
Investasi UKM adalah penanaman modal pada sektor UKM untuk satu atau
lebih aktiva yang dimiliki biasanya berjangka panjang dengan harapan
mendapatkan keuntungan di masa yang akan datang
63
Variabel terikat dependent variabel dalam penelitian adalah pertumbuhan ekonomi Y dan variabel bebas independent variabel adalah
variabel independen tenaga kerja UKM X
1
, total ekspor UKM X
2
, jumlah unit UKM X
3
, dan investasi UKM X
4
.
1. Uji Statistik
Selanjutnya untuk mengetahui keakuratan data maka perlu dilakukan beberapa pengujian Gujarati, 2003:
a. Uji t-Statistik
Uji t-statistik melihat hubungan atau pengaruh antara variabel independen secara individual terhadap variabel dependen.
Hipotesis yang digunakan : 1 Jika Hipotesis positif
Ho : βi = 0 Ha : βi ≠ 0
2 Pengujian satu sisi Jika t tabel ≥ t hitung, Ho diterima berarti variabel independen secara
individual tidak berpengaruh terhadap variabel dependen. Jika t tabel t hitung, Ho ditolak berarti variabel independen secara individu berpengaruh
terhadap variabel dependen.