Ruang Lingkup Penelitian Jenis dan Sumber Data Pengolahan Data Metode Analisis

Mariani Pelly : Analisis Kausalitas Dan Kointegrasi Pertumbuhan Ekonomi Dengan Ekspor Indonesia, 2010. BAB III METODE PENELITIAN Metode penelitian merupakan 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 hubungan kausalitas dan kointegrasi antara pertumbuhan ekonomi dan ekspor Indonesia selama kurun waktu 1970 – 2008 dan keterbukaan ekonomi Indonesia share net export terhadap PDB.

3.2 Jenis dan Sumber Data

Mariani Pelly : Analisis Kausalitas Dan Kointegrasi Pertumbuhan Ekonomi Dengan Ekspor Indonesia, 2010. Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan jenis data runtun waktu time series selama kurun waktu 1970 – 2008. Sumber data berasal dari Badan Pusat Statistik BPS dan sumber-sumber lainnya yang terkait dengan penelitian ini.

3.3 Pengolahan Data

Pengolahan data yang digunakan dalam skripsi ini adalah menggunakan program Eviews 5.

3.4 Metode Analisis

Metode analisis dalam penelitian ini adalah Cointegration test dan Granger Causality test. Analisis Cointegration test Johansen test bertujuan untuk melihat hubungan pertumbuhan ekonomi dan ekspor dalam jangka panjang. Sedangkan analisis Granger Causality test adalah untuk melihat hubungan timbal balik causal antara pertumbuhan ekonomi dan ekspor Indonesia. 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 dilakukan estimasi terhadap kedua metode tersebut, maka terlebih dahulu dilakukan langkah-langkah sebagai berikut: 1. Uji Akar Unit Unit Root Test Mariani Pelly : Analisis Kausalitas Dan Kointegrasi Pertumbuhan Ekonomi Dengan Ekspor Indonesia, 2010. Uji akar unit dari Dickey Fuller maupun Phillips-Perron adalah untuk melihat stasionaritass data time series yang diteliti dengan mengunakan Eviews versi 5. Adapun formula dari uji Augmented Dickey Fuller ADF dapat dinyatakan sebagai berikut: DY t = a + Y t-1 + i DY t-1+1 + t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Sedangkan untuk uji Phillip-Perron PP adalah: DY t = a + Y t-1 + t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Dimana : D = Perbedaan atau differensi. Y = Variabel yang diamati pada tingkat periode tertentu. = Operasi kelambanan waktu backward lag operator. Kedua uji dilak ukan dengan hipotesis null = 0 untuk ADF dan = 1 untuk PP. Stasioner tidaknya data didasarkan pada perbandingan nilai statistik ADF dan PP yang diperoleh dari nilai t hitung koefisien dan dengan nilai kritis statistik dari Mackinnon maka data stasioner dan sebaliknya maka data tidak stasioner. 2. Uji Kointegrasi Cointegration Test Uji kointegrasi bertujuan untuk mengetahui hubungan keseimbangan dalam jangka panjang antara ekspor dan pertumbuhan ekonomi dengan menggunakan Johansen test. Untuk menentukan jumlah arah kointegrasi tersebut maka Johansen menyarankan untuk melakukan dua uji statistik. Mariani Pelly : Analisis Kausalitas Dan Kointegrasi Pertumbuhan Ekonomi Dengan Ekspor Indonesia, 2010. Uji statistik pertama adalah uji trace Trace test, 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: trace r = - T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 di mana r+1 , . . . , n adalah nilai eigenvectors terkecil p – r. Null hypothesis 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 = 0,1,2 dan seterusnya. Untuk uji statistik yang kedua adalah uji maksimum eigenvalue max yang dilakukan dengan formula sebagai berikut: max r, r + 1 = - T in 1 – r+1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Uji berdasarkan pada uji null hypothesis bahwa terdapat r dari vector kointegrasi yang berlawanan r + 1 dengan vector kointegrasi. Untuk melihat hubungan kointegrasi tersebut maka dapat dilihat dari besarnya nilai Trace statistik dan Max-Eigen statistik dibangdingkan dengan nilai critical value pada tingkat kepercayaan 5 persen. 3. Uji Granger Causality Pengujian ini untuk melihat hubungan kausalitas antara pertumbuhan ekonomi dan ekspor sehingga dapat diketahui kedua variabel tersebut secara statistik saling mempengaruhi hubungan dua arah, memiliki hubungan searah atau sama sekali Mariani Pelly : Analisis Kausalitas Dan Kointegrasi Pertumbuhan Ekonomi Dengan Ekspor Indonesia, 2010. tidak ada hubungan tidak saling mempengaruhi. Berikut ini metode Granger Causality Test seperti berikut ini: Xt = a i X t-i + b j Y t-j + t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Y t = c i X t-i + d j Y t-j + v t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Dimana : Y = Pertumbuhan ekonomi di IndonesiaPDB Milyar. X = Ekspor di Indonesia Juta US . , v = Error of Term. Di mana t dan Vt adalah error terms yang diasumsikan tidak mengandung korelasi serial dan m = n = r = s. Berdasarkan hasil regresi linear di atas akan menghasilkan empat kemungkinan mengenai nilai koefisien-koefisien regresi dari persamaan 12 dan 13 adalah sebagai berikut : 1 Jika b j ≠ 0 dan d j = 0, Maka terdapat kausalitas satu arah dari Y ke X. 2 Jika b j = 0 dan d j ≠ 0, Maka terdapat kausalitas satu arah dari X ke Y. 3 Jika b j = 0 dan d j = 0, Maka X dan Y bebas antara satu dengan yang lainnya. 4 Jika b j ≠ 0 dan d j ≠ 0, Maka terdapat kausalitas dua arah antara Y dan X. Mariani Pelly : Analisis Kausalitas Dan Kointegrasi Pertumbuhan Ekonomi Dengan Ekspor Indonesia, 2010. Untuk memperkuat indikasi keberadaan berbagai bentuk kausalitas seperti yang disebutkan di atas maka dilakukan F-test untuk masing-masing regresi.

3.5 Defenisi Operasional