23
BAB III METODE PENELITIAN
Metode penelitian adalah langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan
menguji hipotesis penelitian.
3.1. Ruang Lingkup Penelitian
Penelitian ini mengkaji tentang derajat otonomi fiskal KabupatenKota di Sumatera Utara era otonomi daerah. Selain itu, fokus kajian juga pada pengaruh
Dana Perimbangan dan Pendapatan Asli Daerah PAD terhadap pertumbuhan ekonomi, serta pengaruh Jumlah Penduduk sebagai cerminan dari sumber daya yang
dimiliki Daerah terhadap pertumbuhan ekonomi yang dihitung berdasarkan PDRB atas dasar harga berlaku pada 25 KabupatenKota di Sumatera Utara era otonomi
daerah.
3.2. Jenis dan Sumber Data
Adapun data yang digunakan adalah data sekunder dengan jenis Data Panel, yaitu data gabungan dari time series dan cross section, selama kurun waktu
2001-2005 5 tahun untuk 25 KabupatenKota di Sumatera Utara. Data diperoleh dari Badan Pusat Statistik BPS Provinsi Sumatera Utara.
3.3. Pengolahan Data
Penulis menggunakan program komputer Eviews 4.1 dalam mengolah data skripsi ini.
Universitas Sumatera Utara
24
3.4. Model Analisis Data 3.4.1. Derajat Otonomi Fiskal
Untuk melihat kapasitas derajat otonomi fiskal KabupatenKota di Sumatera Utara, maka ukuran yang digunakan adalah administrative independency ratio, yaitu
rasio antara Pendapatan Asli Daerah PAD dengan total penerimaan daerah APBD
DOF = PAD
t
TPD
t
× 100 Di mana:
DOF = Derajat Otonomi Fiskal PAD
t
= Total realisasi Pendapatan Asli Daerah tahun t TPD
t
= Total Penerimaan Daerah tahun t
3.4.2. Analisis Data Panel
Untuk melihat besarnya pengaruh dana perimbangan, Pendapatan Asli Daerah PAD, dan jumlah penduduk terhadap pertumbuhan KabupatenKota di
Sumatera Utara selama kurun waktu 2001-2005, maka analisis yang digunakan adalah analisis Data Panel.
Dalam penelitian dengan data panel ini, model analisisnya yaitu: Y
it
= α + X
1it
+ X
2 it
+ X
3 it
+
it
Di mana: i
= KabupatenKota 1,2,…,25 t
= Tahun 2001,2002,…,2005 Y = Produk Domestik Regional Bruto Milyar Rupiah
α = Konstanta
= Koefisien Regresi
Universitas Sumatera Utara
25 X
I
= Dana Perimbangan Milyar Rupiah X
2
= Pendapatan Asli Daerah Milyar Rupiah X
3
= Jumlah Penduduk Jiwa
= Term Error
3.4.1. Uji Ordinary Least Square OLS
Model ini sama seperti model regresi. Data cross section dan time series digabungkan dalam bentuk pool data dan kemudian data tersebut diregresikan
dengan metode OLS. Menurut Pratomo dan Hidayat 2007, penggunaan estimasi dengan model ini tidak realistis. Dengan menggunakan OLS akan diperoleh nilai
intercept dan koefisien parameter yang konstan untuk seluruh individu. Secara sistematis model OLS dinyatakan sebagai berikut:
Y
it
= α + X
1it
+ X
2 it
+ X
3 it
+
it
3.4.2. Uji Fixed Effect Model FEM
Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu data cross section. Sementara itu, slope koefisien
dari regresi tidak berbeda pada setiap individu dan waktu. Model FEM digunakan apabila data time series lebih besar dari data cross section.
Secara sistematis 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
Di mana: Y
it
= Variabel terikat untuk KabupatenKota ke-i dan waktu ke-t X
it
= Variabel bebas untuk KabupatenKota ke-i dan waktu ke-t
Universitas Sumatera Utara
26
3.4.3. Uji Random Effect Model REM
Pada model ini, perbedaan antar individu terdapat di error term dari persamaan. Model ini memperhitungkan bahwa error term mungkin berkorelasi
sepanjang time series dan cross section. Model REM digunakan apabila data time series lebih kecil dari data cross section.
Secara sistematis model REM dinyatakan sebagai berikut: Y
it
= α + X
it
+
it
;
it
= u
i
+ v
t
+ w
it
Di mana: u
i
= Komponen error cross section
v
t
= Komponen error time series
w
it
= Komponen error gabungan Beberapa pakar ekonometrika membuat pembuktian untuk menentukan
model apa yang paling sesuai untuk digunakan dalam data panel. Adapun kesimpulan dari pembuktian tersebut adalah:
1. Jika pada data panel jumlah data time series labih besar dibandingkan
jumlah data cross section, maka disarankan untuk menggunakan model Fixed Effect Model FEM.
2. Jika pada data panel jumlah data time series lebih sedikit dibandingkan
jumlah data cross section, maka disarankan untuk menggunakan model Random Effect Model REM.
Universitas Sumatera Utara
27
3.5. Definisi Operasional
