Metode Pengumpulan Data Operasional Variabel Penelitian

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.