42
Tabel: 4.2. Operasionalisasi Variabel
Nama
Variabel
Defenisi Variabel Parameter
Skala
Variabel Independen
Belanja Pegawai
X
1
Total realiasasi
anggaran belanja
pegawai yang bersumber dari APBD kelompok belanja langsung dan belanja
tidak langsung. Realisasi
anggaran belanja pegawai
TA 2008 – 2011 Rasio
Belanja Barang
X
2
Total realisasi anggaran belanja barang dan jasa, belanja pemeliharaan dan
belanja perjalanan Realisasi
anggaran belanja
barang TA 2008 – 2011
Rasio
Belanja Modal
X
3
Total realisasi anggaran belanja yang
diinvestasikan kedalam asset tetap,
belanja pemeliharaan yang dikapitali- sasi dan belanja asset tetap lainnya yang
bersumber dari belanja langsung Realisasi
anggaran belanja
modal TA 2008 - 2011
Rasio
Jumlah Penduduk
X
4
Jumlah semua orang yang berdomisili di wilayah
geografis Sumatera
Utara selama enam bulan atau lebih dan atau
mereka yang berdomisili kurang dari enam bulan tetapi bertujuan menetap.
Jumlah Penduduk dari
tahun 2008 -
2011 Rasio
Variabel Dependen
Pertumbuhan Ekonomi
Daerah Y
Ukuran kuantitatif yang menggambar- kan perkembangan perekonomian suatu
daerah dalam satu tahun tertentu dibandingkan dengan tahun sebelumnya
yang dinyatakan dengan persentase dan diproxy ke PDRB dalam satuan rupiah.
PDRB berdasarkan
harga konstan
2000 dari tahun 2008 – 2011
Rasio
4.6. Metode Analisis Data
Dalam penelitian ini model analisis yang digunakan adalah regresi data panel dengan menggunakan perangkat lunak program Eviews dan Microsoft Excel
2007 sebagai alat bantu dalam mengolah data. Data dianalisis dengan
menggunakan model panel data program Eviews 5.1. Eviews merupakan
Universitas Sumatera Utara
43
program yang disajikan untuk analisis statistika dan ekonometrika. Eviews menyajikan perangkat analisis data, regresi dan peramalan.”
4.6.1 Metode Analisis Data Panel
Untuk menganalisis pengaruh belanja pegawai, belanja barang, belanja modal dan jumlah penduduk terhadap pertumbuhan ekonomi daerah di
KabupatenKota di Sumatera Utara maka digunakan model data panel. Di dalam ekonometrika, data panel adalah hasil gabungan dari data deret waktu time
series dan data silang cross section, maka modelnya dapat ditulis sebagai berikut:
Y
it
= +
X
it
+
it
Dimana: i = 1, 2, …, N dan t = 1, 2, …, T
N = banyaknya observasi T = banyaknya waktu
N x T = banyaknya data panel. Data deret waktu adalah data yang dihimpun dari beberapa periode.
Dalam penelitian ini data yang dihimpun adalah dari tahun 2008 sampai dengan 2011. Data silang adalah data yang dihimpun dari satu periode atas beberapa
objek atau individu yang dalam penelitian ini adalah 17 KabupatenKota di Sumatera Utara. Dengan data panel, jumlah observasi sebanyak 68 pengamatan
yaitu 4 tahun amatan dikalikan 17 sampel Kabupatenkota dan jumlah data panel menjadi lebih banyak yaitu 272 data yaitu jumlah observasi 68 dikali 4 variabel
independen.
Universitas Sumatera Utara
44
Karena merupakan hasil gabungan dari data deret waktu dan data silang maka panel data ini memiliki beberapa keunggulan, antara lain Gujarati, 2004 :
1. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diatasi dalam data cross section murni atau data time series murni.
2. Mampu mengontrol heterogenitas individu atau unit cross section. 3. Memberikan data yang informatif, mengurangi kolinearitas antar peubah serta
meningkatkan derajat kebebasan sehingga data menjadi lebih efisien. 4. Data panel lebih baik digunakan untuk studi dynamics of adjusment karena
terkait dengan observasi pada cross section yang sama secara berulang. 5. Mampu menguji dan mengembangkan model perilaku yang lebih kompleks.
Estimasi model dengan menggunakan data panel dapat dilakukan dengan tiga metode, yaitu metode kuadrat terkecil pooled least square, metode efek tetap
fixed effect, dan metode efek random random effect.
4.6.1.1 Metode kuadrat terkecil Pooled Least Square Metode kuadrat terkecil yaitu mengestimasi data panel dengan metode
ordinary least square OLS. Metode ini merupakan metode yang paling sederhana dalam pengolahan data panel yaitu dengan menggabungkan seluruh data time series
dan data silang. Dengan N sebagai jumlah unit cross section individu dan T adalah jumlah periode waktunya. Dengan mengansumsi komponen error dalam pengolahan
kuadrat terkecil biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross section.
Bila kita berasumsi bahwa dan
akan sama konstan untuk setiap data time series dan cross section, maka
dan dapat diestimasi
dengan menggunakan N x T pengamatan maka bentuk modelnya adalah:
Universitas Sumatera Utara
45
Y
it
= +
X
it
+
it
Dengan asumsi bahwa dan
konstan akan jauh dari kenyataan sebenarnya.
4.6.1.2 Metode efek tetap Fixed Effect Kesulitan terbesar dalam pendekatan metode kuadrat terkecil adalah
adanya asumsi intersep dan slope dari persamaan regresi yang dianggap konstan, baik antar daerah maupun antar waktu yang kurang sesuai dengan tujuan
penggunaan data panel. Untuk mengatasi hal ini dapat digunakan pendekatan model efek tetap fixed effect yaitu dengan menambahkan model dummy pada
data panel. Metode efek tetap memper-hitungkan kemungkinan bahwa peneliti menghadapi masalah omitted variables, yang mungkin membawa perubahan pada
intercept time series atau cross-section Model efek tetap atau Least Square Dummy Variable atau disebut juga
Covarians Model adalah model yang dapat digunakan dengan mempertimbangkan bahwa perubah-perubah yang dihilangkan dapat mengakibatkan perubahan dalam
intersep-intersep cross section dan time series. Untuk memungkinkan perubahan- perubahan intersep ini, dapat ditambahkan variabel dummy ke dalam model yang
selanjutnya akan diduga dengan model OLS Ordinary Least Square. Pada metode efek tetap estimasi dapat dilakukan dengan tanpa pembobot
no weighted atau Least Square Dummy LSDV dan dengan pembobot cross section weight atau General Least Square GLS. Tujuan dilakukan pembobotan
ini adalah untuk mengurangi heterogenitas antar unit cross section Gujarati, 2003.
Universitas Sumatera Utara
46
4.6.1.3 Metode efek acak Random Effect Pendekatan Metode efek acak memperbaiki efisiensi proses least square
dengan memperhitungkan error dan cross-section dan time series. Model efek acak adalah variasi dari estimasi generalized least square GLS.
Keputusan untuk memasukkan variabel dummy ke dalam model akan mengakibatkan berkurangnya jumlah derajat kebebasan yang pada akhirnya akan
mengurangi efisiensi dari parameter yang diestimasi. Pendekatan yang digunakan untuk mengatasi hal ini adalah model efek acak. Model efek acak disebut juga
sebagai error component model karena dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error.
Asumsi yang digunakan dalam model ini adalah error secara individual tidak saling berkorelasi, begitu pula dengan error kombinasinya. Penggunaan
model efek acak dapat menghemat derajat kebebasan dan tidak mengurangi jumlahnya seperti pada model fixed effect. Hal ini berimplikasi kepada parameter
hasil estimasi akan menjadi efisien. Semakin efisien maka model yang akan didapat semakin baik. Dengan demikian adanya gangguan asumsi klasik dalam
model ini telah terdistribusi secara normal sehingga tidak diperlukan lagi treatmen terhadap model bagi pelanggaran asumsi klasik yaitu asumsi adanya autokorelasi,
multikoliniearitas dan heterokedastisitas.
4.6.2 Pengujian Model Data Panel
Model mana yang akan dipilih dari 3 pendekatan model yang ada maka perlu dilakukan analisis terlebih dahulu agar diperoleh pendekatan model yang
Universitas Sumatera Utara
47
paling sesuai terhadap hasil penelitian ini. Ada tiga pengujian statistik yang digunakan dalam data panel yaitu:
1. Uji Langrange Multiplier LM test Uji ini digunakan untuk memilih antara Ordinary Least Square OLS tanpa
variabel dummy atau model efek random. 2. Uji Chow Chow test
Uji Chow atau yang sering juga disebut dengan uji F statistik merupakan pengujian statistik yang digunakan untuk memilih apakah lebih baik
menggunakan model Kuadrat Terkecil atau Efek Tetap. Uji F digunakan untuk mengetahui apakah teknik regresi data panel dengan model Efek Tetap lebih
baik dari teknik regresi data panel tanpa variabel dummy dengan melihat residual sum of squares RSS. Dalam pengujian ini dilakukan dengan
hipotesa berikut : H
: Model Kuadrat Terkecil H
a
: Model Efek Tetap Dasar penolakan terhadap hipotesis nol adalah dengan menggunakan F
statistik atau Uji Chow yang dirumuskan dalam bentuk persamaan berikut ini: RSS
1
-RSS
2
N – 1 F =
RSS
2
NT – N – K Dimana:
RSS
1
= residual sum square hasil pendugaan model Efek Tetap RSS
2
= residual sum square hasil pendugaan model PLS
Universitas Sumatera Utara
48
N = jumlah data cross section T = jumlah data time series
K = jumlah variabel bebas Jika nilai chow statistics F-stat hasil pengujian lebih besar dari F-tabel, maka
cukup bukti untuk melakukan penolakan terhadap H sehingga model yang
digunakan adalah Model Efek Tetap dan sebaliknya. 3. Uji Hausman
Uji Hausman adalah pengujian statistik sebagai dasar pertimbangan dalam memilih apakah menggunakan model Efek Tetap atau menggunakan model
Efek Random. Jika nilai probabilitas lebih kecil dari nilai = 5 maka H
o
ditolak dan model yang dipilih adalah Fixed Effect. Menurut beberapa ahli ekonometri yang telah membuktikan secara
matematis dikatakan bahwa untuk memilih apakah model Efek Tetap atau Model Efek Random yang digunakan dapat dilakukan dengan melihat:
¯ Jika data panel yang dimiliki mempunyai jumlah waktu T lebih besar
dibandingkan dengan jumlah individu N maka disarankan menggunakan model efek tetap. T N maka digunakan model effek tetap.
¯ Jika data panel yang dimiliki mempunyai jumlah waktu T lebih kecil
dibandingkan dengan jumlah individu N maka disarankan untuk
Universitas Sumatera Utara
49
menggunakan model efek random. T N maka digunakan model efek random Nachrowi, 2006:318.
4.6.3 Pengujian Hipotesis
Penelitian ini menggunakan metode analisis data panel dengan model regresi berganda multiple regression analysis, karena terdiri dari satu
variabel dependen dan empat variabel independen. Model persamaan regresi dirumuskan sebagai berikut:
Y = β + β
it
X
1
+ β
it
X
2
+ β
it
X
3
+ β
it
X
4
+ є
it
Dimana : Y = Pertumbuhan ekonomi daerah
X
1
= Belanja pegawai X
2
= Belanja barang X
3
= Belanja modal X
4
= Jumlah penduduk β
= Konstanta β
it,
β
it,
β
it
dan β
it
= Koefisien variabel = Error Term
i = 1, 2, …, N banyaknya sampel dan t = 1, 2, …, T banyaknya waktu
4.6.4. Kriteria Pengujian
Setelah mendapatkan paramater estimasi yang dianggap sesuai maka langkah selanjutnya adalah melakukan pengujian
terhadap parameter estimasi tersebut. Pengujian dilakukan untuk menentukan baik tidaknya sebuah model yang telah
dipilih.
Universitas Sumatera Utara
50
4.6.4.1 Uji signifikansi simultan uji - F Uji ini dilakukan untuk mengetahui apakah variabel-variabel independen
secara bersama-sama secara serentak simultan mempengaruhi variabel
dependen. Caranya adalah dengan membandingkan F-
hitung
dan F-
tabel
. Jika F-
hitung
F-
tabel
maka dapat dikatakan bahwa belanja pegawai, belanja barang, belanja modal dan jumlah penduduk secara simultan berpengaruh positif dan signifikan
terhadap pertumbuhan ekonomi daerah. Kriteria pengujiannya adalah seperti berikut ini :
H : β
1
= β
2
= ... = β
t
= 0, artinya belanja pegawai, belanja barang, belanja modal dan jumlah penduduk secara simultan tidak berpengaruh positif dan signifikan
terhadap pertumbuhan ekonomi daerah. H
a
: β
t
≠ 0, artinya belanja pegawai, belanja barang, belanja modal dan jumlah penduduk
secara simultan berpengaruh
positif dan signifikan terhadap
pertumbuhan ekonomi daerah. Pengujian tersebut juga dapat dilakukan dengan membandingkan nilai
probabilitas F-Statistics dengan nilai signifikansi . Jika nilai probabilitas F- Statistics lebih kecil dari nilai
yang dipilih maka H ditolak atau menerima H
a
. 4.6.4.2 Uji signifikansi parsial uji - t
Uji t merupakan pengujian yang dilakukan terhadap variabel bebas. Uji ini digunakan untuk mengetahui apakah variabel bebas secara individual
mempengaruhi variabel terikat dengan asumsi variabel independen lainnya konstan.
Jika t-
hitung
t-
tabel
maka dapat disimpulkan bahwa artinya belanja
Universitas Sumatera Utara
51
pegawai atau belanja barang atau belanja modal atau jumlah penduduk secara parsial berpengaruh terhadap pertumbuhan ekonomi daerah.
Cara pengujian lain adalah dengan membandingkan nilai probabilitas p dengan nilai signifikansi . Jika nilai probabilitas p lebih kecil dari nilai
yang dipilih maka H
ditolak atau menerima H
a
. Kriteria pengujiannya adalah seperti berikut ini.
H : b = 0 artinya belanja pegawai, belanja barang, belanja modal atau jumlah
penduduk secara parsial tidak berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi daerah Kabupatenkota di Sumatera Utara.
H
a
: b ≠ 0 artinya belanja pegawai, belanja barang, belanja modal atau jumlah penduduk secara parsial berpengaruh positif dan signifikan terhadap pertumbuhan
ekonomi daerah KabupatenKota di Sumatera Utara. 4.6.4.3 Koefisien determinasi R
2
Pengujian Koefisien determinasi R
2
atau adjusted R
2
ini untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel
independen. Tingkat ketepatan regresi dinyatakan dalam koefisien determinasi majemuk R
2
yang nilainya antara 0 sampai dengan 1, semakin dekat nilainya ke angka 1 semakin baik hasil penelitian tersebut. Jika nilai R
2
atau adjusted R
2
= 90 berarti bahwa artinya belanja pegawai, belanja barang, belanja modal dan
jumlah penduduk dapat memberikan informasi atau menjawab persoalan sebesar 90 tingkat pertumbuhan ekonomi daerah dan selebihnya 10 dapat dijelaskan
dari variabel lain di luar model.
Universitas Sumatera Utara
52
BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1. Deskripsi Data Penelitian