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
Ruang lingkup penelitian ini dilakukan di sumut, yaitu dengan mengamati dampak shock moneter terhadap perekonomian sumatera utara. Variable yang
dijadikan sebagai shock moneter adalah suku bunga SBI, inflasi, dan nilai tukar.
3.2 Jenis dan sumber data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat kuantitatif. Data yang digunakan dalam penelitian ini kurun waktu per
kwartal periode tahun 2005-2012. Sumber data dalam penelitian ini diperoleh dari Perpustakaan Bank
Indonesia dan Badan Pusat Statistik BPS, dan beberapa sumber bacaan lainnya seperti media internet.
3.3 Metode dan Teknik Pengumpulan Data
Teknik pengumpulan data yang dilakukan adalah dengan melakukan pencatatan langsung dari sumber informasi yang berkaitan dengan penelitian ini.
3.4 Pengolahan Data
Dalam pengelolaan data , penulis menggunakan program Eviews 6.0.
Universitas Sumatera Utara
3.5 Proses Pembentukan Model VAR
Proses pembentukan model VAR diawali dengan uji stsionaritas, apabila data stasioner pada tingkat level maka model VAR yang akan dibangun adalah
model VAR biasa unrestricted VAR, sedangkan apabila data stasioner pada proses diferensi maka selanjutnya pengujian dilakukan dengan menguji apakah
data yang kita punya mempunyai hubungan dalam jangka panjang atau tidak. Apabila data yang kita gunakan mempunyai hubungan jangka panjang maka
model Var yang kita bangun selanjutnya menjadi model Vektor Error Corection Model VECM, namun apabila data yang digunakan tidak mempunyai hubungan
jangka panjang, maka model VAR tersebut disebut VAR in difference. Widarjono 2007 menggambarkan proses pembentukan VAR sebagai berikut.
Data Times Series
Stasioner Uji
stasionaritasData
VAR bentuk level
Tidak Stasioner
Terjadi Kointegrasi
VECM Stasioner
di Deferensi
Data
VAR Bentuk
Universitas Sumatera Utara
Gambar 3.1 Proses Pembentukan Model VAR
3.5.1 Uji stasionaritas
Untuk menguji stasionaritas data, maka kita akan melakukan uji akar unit. Dalam penelitian ini kita akan menggunakan uji akar unit Augmenented Dickey
Fuller, formulasinya dapat dituliskan sebagai berikut :
Δ
Δ
Δ
Dimana: Y
= variable yang diamati = Y
t
– Y
t-1
T = tren waktu
Untuk melihat apakah data stasiner atau tidak kita dapat membandingkan antara nilai stasistik ADF dengan nilai kritis statistic Mackinnon. Nilai statistic
ADF dapat kita lihat dari nilai t koefisien dari ketiga persamaan diatas. Jika
nilai absolute statistic ADF lebih besar dari nilai kritis diatas. Jika nilai absolute statistic ADF lebih besar dari nilai kritis statistic MacKinon maka data yang kita
punya stasioner dan begitulah sebaliknya.
Universitas Sumatera Utara
3.5.2 Uji Kointegrasi
Kointegrasi merupakan
kombinasi hubungan linear dari variabel-variabel
yang nonstasioner dan semua variabel tersebut harus terintegraksi pada orde atau derajat yang sama. Variabel-variabel yang terintegrasi akan menunjukkan bahwa
variabel tersebut mempunyai trend stokhastik yang sama dan selanjutnya mempunyai arah pergerakan yang sama dalam jangka panjang.
Uji kointegrasi merupakan kelanjutan dari uji akar-akar unit dan uji drajat integrasi. Untuk melakukan uji kointegrasi, pertama-tama peneliti perlu
mengamati perilaku data ekonomi runtun waktu yang akan digunakan. Ini berarti pengamat harus yakin terlebih dahulu apakah data yang akan digunakan stasioner
atau tidak, yang antara lain dapat dilakukan dengan uji akar-akar unit dan uji integrasi. Apabila terjadi satu atau lebih variabel mempunyai derajat integrasi
yang berbeda, maka variabel tersebut tidak dapat berkointegrasi Engle dan Granger dalam Tim BPPM dan LK, 2008.
Menurut Widarjono 2007, data yang tidak stasioner memunculkan adanya kemungkinan hubungan jangka panjang didalam system persamaan VAR.
untuk melihat hubungan jangka panjang ini kita bias melakukan Uji Johansen dengan formula sebagai berikut:
Y
t
= A
1
Y
t-1
+…+ A
p
Y
t-p
+ B X
t
+ ε
t
Universitas Sumatera Utara
Y
t
adalah vector k dari variable I1 non stasioner, X
t
adalah vector d dari variable deterministic dan e
t
merupakan vector inovasi. Persamaan diatas dapat ditulis kembali :
ΔY
t
= Σ Г
i
Δ Y
t-1
+ ΠY
t-k
+ BX
t
+ ε
t
Dimana:
I an Г Aj
Hubungan jangka panjang kointegrasi dijelaskan dalam matrik dari sejumlah p variable. Ketika 0 rank = r p maka
Π terdiri dari matrik Q dan R dengan dimensi p x r sehingga
Π = QR. Matrik R terdiri dari r, 0 r p vector kointegrasi sedangkan Q merupakan matrik vector parameter error correction.
Johansen menyarankanestimator maksimum likelihood untuk Q dan R dan uji statistika untuk menentukan vector kointegrasi r. ada tidaknya kointegrasi r. Ada
tidaknya kointegrasi didasarkan pada uji likelihood ratio LR. Jika nilai hitung LR lebih besar dari nilai kritisnya maka tidak ada kointegrasi.
Nilai kritis diperoleh dari table yang dikembangkan oleh johansen dan juselius. Nilai hitung LR diperoleh berdasarkan formula sebagai berikut:
Q log
λ
Untuk r = 0, 1,… K-1 dimana λ adalah nilai I eigenvalue yang paling besar.
Johansen juga menyediakan uji LR alternative yang dikenal maximum eigenvalue
Universitas Sumatera Utara
statistic. Maximum eigenvalue statistic dapat dihitung dari trace statistic sebagai berikut:
Q
max
= - T 1-
i+1
= Q
t
-Q
t+1
3.5.3 Model Analisis Data
Model analisis data yabg digunakan dalam penelitian ini adalah model ekonometrika Vector Auto Regression VAR. Model VAR merupakan model
non-struktural, hal ini disebabkan dalam model VAR persamaan yang dibangun tidak berdasarkan teori ekonomi yang ada, sedangkan model yang dibangun
berdasarkan teori disebut model structural. Model VAR sebenarnya merupakan hasil kritik atas model persamaan simultan yang terlalu kompleks. Model VAR
pertama kali diperkenalkan oleh Sims pada awal 1980-an dalam tulisannya yang berjudul macroeconomics and Reality. Didalam model VAR semua variable yang
dipercaya memiliki saling ketergantungan akan dimasukkan kedalam model sebagai variable endogen, hal ini berbeda dengan model simultan, dimana kita
harus mengidentifikasi setiapa variable kedalam dua kategori, yaitu variable endogen dan variable eksogen.
Model analisis data yang digunakan dalam penelitian ini menggunakan persamaan sebagai berikut :
Dengan spesifikasi model sebagai berikut:.
α α
α α
α
...1
Universitas Sumatera Utara
dimana : RER
t
: Nilai tukar rill pada periode t I
t
: Inflasi pada periode t R
t
: Bi rate pada periode t PDRB
t
: Pertumbuhan ekonomi PDRB pada periode t α
o
,
o
, θ
o
,
o
: Intersep α
k
.
k
, θ
k
,
o
: Koefisien parameter
,
U
1
,U
2
,U
3
,U
4
: Error term n I
: Panjang lag Sebagai model dinamis pada data time series, model VAR memuat
beberapa perangkat analisis, yaitu Impulse Response Function IFR, Forecast Error Varience Decomposition FEVD dan uji kausalitas.
3.5.4 Impulse Response
Didalam model VAR terdapat kesulitan dalam hal interpretasi koefisien, maka dikembangkanlah analisis impuls respons. Analisis impuls respons
berfungsi untuk menunjukkan efek inovasi pada variable, dengan kata lain analisis impulse resonse bias melacak respon dari variable endogen akibat adanya
...2
…3
..4
Universitas Sumatera Utara
guncangan shock didalam variabel gangguan. Perangkat analisis Impulse Response inilah yang menjadi bagian penting dalam analisis VAR sebagai alat
untuk mendeteksi pengaruh kejutan dari setiap variabel yang juga digunakan dalam penelitian ini. Nilai peramalan VAR dapat ditulis sebagai berikut:
= EY +
Σ θ
i
= EZ +
Σ θ
i
Dimana: EY dan EZ masing-masing nilai rata-rata dari Y dan Z
3.5.5 Forecast Error Varience Decomposition FEVD
Varience Decomposition merupakan analisis yang digunakan untuk melihat seberapa besar kontribusi setiap variabel karena adanya perubahan
variabel tertentu didalam system VAR. Darmanto 2007 : 55 menerangkan bahwa “dekompososisi varian ini menjelaskan proporsi pergerakan suatu series akibat
kejutan variabel itu sendiri dibandingkan dan kejutan variabel lain.” Rusiadi 2009 menuliskan persamaan FEDV dapat digambarkan dengan persamaan
berikut: ZtX
t+1
= A + A
1
X
1
Nilai A dan A
1
digunakan mengestimasi nilai masa depan X
t+1
E
t
X
t+n
= e
t+n
+ e
t+n-2
+……+ e
t+1
Universitas Sumatera Utara
Artinya nilai FEDW selalu 100 persen, nilai FEDV lebih tinggi menjelaskan
kontribusi varians satu variabel transmit lainnya lebih tinggi.
3.5.6 Uji Kausalitas Granger
Granger causality merupakan pendekatan yang lazim digunakan untuk mendeteksi hubungan atau arah pemegaruhan antara dua variabel. Adapun metode
regresi dari Granger causality sama dengan metode VAR, yaitu meregres dengan lag dari masing-masing variabel. Karena Granger Causality hanya melibatkan dua
variabel, maka pendekatan ini juga dikenal dengan bivariate VAR. Secara garis besar, persamaan dari Granger Causality test dapat dinotasikan sebagai berikut:
⋯ ⋯
⋯ ⋯
ѵ Dimana:
x, y : variabel yang dites hubungannya n:
: banyaknya lag yang diikutsertakan dalam regresi εν :
error term Dengan menggunakan lag dari variabel itu sendiri dan lag dari variabel
yang lainnya, model tersebut mencoba mengestimasi seberapa besar variabilitas dari variabel tersebut dapat dijelaskan yang kemudian diartikan dengan
‘dipengaruhi’. Terdapat empat kemungkinan hubungan pemengaruhan yang mungkin diperoleh dari hasil estimasi Granger causality tersebut, yaitu i
variabel x mempengaruhi y; atau ii variabel y mempengaruhi x; iii variabel x
Universitas Sumatera Utara
dan y saling mempengaruhi, atau iv variabel x dan y tidak berhubungan sama sekali.
Pendekatan ini akan digunakan untuk mengkonfirmasi hasil estimasi VAR sehingga dapat diyakini mengenai validitas arah hubungan dan siknifikan dari
variabel kebijakan moneter dan PDRB, pendekatan Granger Causality ini juga digunakan untuk mengkonfirmasi hubungan kuantitas antar variabel moneter.
Prastowo, 2007
3.6 Defensi Operasional
1. Pertumbuhan ekonomi merupakan persentase peningkatan PDRB Product
Domestic Regional Bruto dari tahun ke tahun dalam satu persen. 2.
Suku bunga SBI merupakan surat berharga atas unjuk dalam rupiah yang diterbitkan oleh BI sebagai pengakuan hutang berjangka waktu pendek
sistem diskonto dan lelang SBI dilakukan setiap awal bulan. 3.
Inflasi adalah kecendrungan naiknya harga-harga barang secara umum dan terus menerus dan diukur dalam persen
4. Nilai tukar rill dalam penghitungan ini menggunakan nilai tukar nominal
yang sudah dikoreksi dengan harga relative, yaitu harga di dalam negeri dibanding harga di luar negeri dalam satuan rupiah.
Universitas Sumatera Utara
BAB IV PEMBAHASAN DAN HASIL PENELITIAN
4.1 Gambaran Kondisi Ekonomi Sumut
Adanya Master Plan Pengembangan Percepatan dan Perluasan Ekonomi MP3I menjadi tonggak sejarah yang sangat penting bagi perekonomian sumut.
Hal ini menandakan dimulainya era pembangunan yang lebih berkelanjutan, dengan mempertimbangkan aspek potensi dari tiap daerah, dan tidak berhenti
sampai disitu pembangunan wilayah yang terjadi diharapkan akan menciptakan sinergi dan integrasi bagi kawasan pusat-pusat pertumbuhan ekonomi.
Pertumbuhan yang selama ini terpusat diwilayah Jawa dan Sumatera diharapkan akan menyebar juga ke wilayah lain di Indonesia, sehingga tercipta pemerataan
pembangunan. Berdasarkan data BPS pada 2013 struktur perekonomian Indonesia secara
spasial pada triwulan II-2013 masih didominasi oleh kelompok provinsi di Pulau Jawa yang memberikan kontribusi terhadap PDB sebesar 58,15 persen, kemudian
diikuti oleh Pulau Sumatera sebesar 23,90 persen, Pulau Kalimantan 8,73 persen, Pulau Sulawesi 4,81 persen, dan sisanya 4,41 persen di pulau-pulau lainnya
www.bps.go.id Sebenarnya konsep pembangunan yang berkelanjutan dan terintegrasi
antar pusat-pusat pertumbuhan bukanlah konsep yang baru bagi perekonomian Indonesia, kita mengenal konsep RPJP Rencana Pembangunan Jangka Panjang
pada era Orde Baru, hanya saja instabilitas politik dan kurangnya political will dari pemerintah sendiri justru menjadi hambatan bagi perekonomian Indonesia.
Universitas Sumatera Utara
Kategori