: Fixed Effect Model (Unrestricted)

H 1 : Fixed Effect Model (Unrestricted)

Adapun formulasi Restricted F Test adalah sebagai berikut:

Dimana

2 R UR = koefisien determinasi dari model regresi unrestricted

2 R R = koefisien determinasi dari model regresi restricted

UR

UR R

commit to user

m = Jumlah koefisien pada model regresi restricted n

= Jumlah seluruh observasi

= jumlah koefisien pada model regresi unrestricted Hasilnya apabila nilai F hitung lebih besar dari F tabel maka dianggap sifnifikan,

berarti estimasi dengan Fixed Effect Model lebih baik dibandingkan estimasi dengan Pooled Least Square.

2) Pemilihan antara Fixed Effect Model atau Random Effect Model Untuk memilih antara Fixed Effect Model (FEM) atau Random Effect Model (REM) akan dilihat pada hasil uji formal statistik dan pemilihan berdasarkan model mana yang paling baik nilai statistiknya (Nachrowi, 2007). Dimana model yang paling

baik adalah model yang memiliki nilai R 2 yang terbesar dan standart eror yang terkecil. Adapun model persamaan umum yang akan digunakan dalam penelitian ini adalah:

Y= α 0 + α 1 D 1 + α 2 D 2 +… α 14 D 14 + β 15 TK+ β 16 I+ β 17 JUu+ µ it ……….(5)

Dimana: Y

: PDB dari UMKM

D1-D14

: Dummy

TK

: Tenaga Kerja

I : Investasi

JUu

: Jumlah Unit Usaha UMKM

µ it

: variabel penganggu

a. Uji Statistik

Untuk memperoleh regresi yang terbaik secara statistik disebut BLUE (Best Linier Unbiased Estimator ) beberapa kriteria untuk memenuhi kriteria BLUE adalah 1) Uji F,

2) Uji T, 3) Uji R 2 (Gujarati, 2003). Kriteria digunakan untuk menguji hipotesis secara

commit to user

statika didalam analisis regresi sederhana dan regresi berganda dilakukan melalui pendekatan uji signifikan (test significant). Uji signifikan secara umum merupakan prosedur untuk mengetahui seberapa besar signifikansi kebenaran suatu hipotesis nol

(H 0 ) atau untuk menentukan apakah sample yang diamati berbeda secara nyata dari hasil- hasil yang diharapkan. Perhitungan statistik dikatakan signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana H 0 ditolak). Sebaliknya disebut tidak signifikan apabila nilai uji statistiknya berada dalam daerah dimana H 0 diterima. Dalam pengujian hipotesis ini dapat dilakukan dengan cara-cara berikut ini:

1) Uji t

Dilakukan untuk melihat signifikasi dari pengaruh variabel independen secara individu terhadap variabel dependen. Uji t dilakukan dengan langkah-langkah sebagai berikut:

a) Menentukan hipotesis

H 0 = β 1 = 0 (variabel independen secara individu tidak berpengaruh terhadap variabel dependen)

H 0 ≠β 1 ≠ 0 (variabel independen secara individu berpengaruh terhadap variabel dependen)

b) Menentukan nilai α

c) Melakukan perhitungan nilai t seperti berikut:

Dimana: α = derajat signifikansi

N = banyaknya data yang digunakan

K=banyaknya parameter regresi plus konstanta

commit to user

Dimana: β 1 = koefisien regresi variabel ke-1 S e = standar eror

Ho ditolak Ho ditolak

Ho diterima

- t tabel

t tabel

Gambar 3.1 Daerah Kritis Uji t Sumber: Gujarati (2003)

d) Kriteria Pengujian

H 0 diterima apabila - tα/2 ≤ t ≤ tα/2

H 0 ditolak apabila t < -t α/2 atau t > α/2

e) Kesimpulan Jika t hitung < t tabel, maka H 0 diterima Ha ditolak. Artinya koefisien regresi variabel independen tidak mempengaruhi variabel dependen secara signifikan. Jika t hitung > t tabel, maka H 0 ditolak Ha diterima. Artinya koefisien regresi

variabel independen mempengaruhi variabel dependen secara signifikan.

2) Uji F

Uji ini dimaksudkan untuk mengetahui apakah variabel independen yang ada secara bersama-sama mempengaruhi variabel dependennya. Langkah-langkah dalam melakukan uji F ini adalah:

a) Menentukan hipotesis

H 0 =β 1 =β 2 = β 3 = 0 (variabel independen secara bersama-sama tidak berpengaruh

terhadap variabel dependen)

commit to user

H a ≠ β 1 ≠ β 2 ≠ β 3 ≠ 0 (variabel independen secara bersama-sama berpengaruh

terhadap variabel dependen)

b) Menentukan nilai α

c) Melakukan perhitungan nilai t seperti berikut:

Dimana: α = derajat signifikansi N = banyaknya data yang digunakan

K =banyaknya parameter atau koefisien regresi plus konstanta

Dimana: R 2 = koefisien determinan berganda K = banyaknya parameter total yang dipakai

N = banyaknya observasi

0 H ditolak

0 H diterima

F tabel

Gambar 3.2 Daerah Kritis Uji F Sumber: Gujarati (2003)

d) Kriteria Pengujian

H 0 diterima apabila F hitung ≤ F tabel

H 0 ditolak apabila F hitung > F tabel

commit to user

e) Kesimpulan Jika F hitung < F tabel, maka H 0 diterima Ha ditolak. Artinya koefisien regresi variabel independen secara bersama-sama tidak mempengaruhi variabel dependen secara signifikan.

Jika F hitung > F tabel, maka H 0 ditolak Ha diterima. Artinya koefisien regresi variabel independen secara bersama-sama mempengaruhi variabel dependen secara signifikan.

3) Koefisien Determinasi R 2

Uji ini digunakkan untuk mengetahui seberapa jauh variasi dari variabel, bebas dapat menerangkan dengan baik variasi dari variabel terikat. Jika R 2 mendekati nol, maka

variabel bebas tidak menerangkan dengan baik variasi dari variabel terikatnya.

Dimana = R 2 adalah 0 ≤R 2 ≤1 Jika R 2 = 1, berarti ada kecocokan yang sempurna

Jika R 2 = 0,berarti

variabel dependen

dengan variabel independen Jika R 2 = ~,berarti bahwa variabel independen hubungannya semakin dekat dengan variabel dependen atau dapat dikatakan bahwa model tersebut baik.

4) Koefisien Korelasi (r)

Untuk mengetahui keeratan dependen (kuat lemahnya) hubungan antara variabel dependen dengan variabel independen.

a) Jika 0,7 £ r £ 1, maka hubungan antara variabel X dan Y adalah kuat (khusus untuk 0,9 £ r £ 1 hubungan tersebut sangat kuat)

b) Jika 0,5 £ r £ 0,7, maka hubungan antara variabel X dan Y dapat dikatakan sedang

commit to user

c) Jika 0,1 £ r £ 0,5, maka hubungan antara variabel X dan Y dapat dikatakan lemah.

b. Uji Asumsi Klasik

1) Uji Multikolinieritas

Multikolinieritas adalah masalah yang timbul berkaitan dengan adanya hubungan linier diantara variabel-variabel penjelas. Uji multikolinieritas digunakan untuk mengetahui terjadi tidaknya korelasi diantara variabel independen. Untuk menguji bermasalah atau tidaknya multikolinieritas dilakukan pengujian dengan pendekatan Koutsoyiannis, yaitu dengan cara coba-coba memasukkan variabel bebas. Dari hasil tersebut variabel dibedakan menjadi tiga macam, yaitu variabel berguna, variabel tidak

berguna dan variabel merusak (Siti Aisyah, 2007). Apabila nilai R 2 regresi setiap variabel bebas lebih besar dibandingkan nilai R 2 regresi utama, maka dapat disimpulkan bahwa dalam persamaan tersebut terjadi multikolinearitas.

2) Uji Heteroskedastisitas

Heteroskedastisitas adalah kondisi dimana sebaran atau varian faktor penganggu tidak konstan sepanjang observasi. Heteroskedastisitas terjadi jika muncul gangguan dalam fungsi regresi yang tidak sama sehingga penaksir OLS tidak efisien baik dalam sampel kecil ataupun besar (tetapi masih tetap tidak bias dan konsisten).

Salah satu cara untuk mendeteksi Heteroskedastisitas adalah dengan Uji LM ARCH. Jika regresi tersebut menghasilkan probabilitas diatas 0,05 maka variabel bebas tersebut tidak signifikan pada tingkat a = 5%. Dari hasil tersebut dapat dikatakan bahwa pada tingkat a = 5% semua koefisien regresi tidak signifikan yang berarti tidak terdapat masalah heteroskedastisitas. Metode White mengembangkan sebuah metode yang tidak memerlukan asumsi tentang adanya normalitas pada variabel gangguan.

commit to user

Uji White didasarkan pada membandingkan nilai OBS*R 2 dengan X 2 tabel dengan jumlah regresornya dan pada α =5%. Jika nilai chi-squares hitung OBS*R 2 lebih besar dari nilai X 2 tabel, maka berarti terdapat masalah heteroskedastisitas. Tapi jika sebaliknya nilai OBS*R 2 lebih kecil dari nilai X 2 tabel, maka berarti tidak terdapat masalah heteroskedastisitas. Salah satu cara mengatasi heteroskedastisitas adalah dengan menggunakan Metode Generalized Least Squarees (GLS).

3) Uji Autokorelasi

Autokorelasi adalah keadaan dimana terdapat trend di dalam variabel yang diteliti sehingga mengakibatkan e juga mengandung trend. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Autokorelasi terjadi karena adanya korelasi yang kuat antara e t dengan series e t-1 . Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Analisis ini menggunakan Uji Durbin-watson.

Autokorel asi positif

Daerah keragu- raguan

Daerah Keragu- raguan

Autokorelasi negatif

Gambar 3.3 DW-test, (Aisyah,2007:102)

0<d<dL

: menolak hipotesis nol, ada autokorelasi positif

commit to user

dL ≤d≤dU : daerah keragu-raguan, tidak ada keputusan dU ≤d≤4-dU : menerima hipotesis nol, tidak ada autokorelasi 4-dU ≤d≤4-dL : daerah keragu-raguan, tidak ada keputusan 4-dL ≤d≤4 : menolak hipotesis nol, ada autokorelasi negatif

commit to user

BAB IV ANALISIS DATA DAN PEMBAHASAN

A. Gambaran wilayah Indonesia Secara umum luas wilayah Indonesia adalah 9,8 juta km 2 dengan luas lautan 7,9 juta km 2 (81% luas Indonesia) dan luas daratan 1,9 juta km 2 . Indonesia terdiri dari 13667 pulau, 7623 buah (56%) belum mempunyai nama hanya 931 buah (7%) yang dihuni manusia, sisanya 12736 buah tanpa dihuni. Secara astronomis Indonesia terletak antara

6 o LU – 11 o LS dan 95 o BT – 141 o BT, sehingga Indonesia dilalui garis katulistiwa dan mempunyai lintang 170 o dan panjang bujur 46 o akibatnya Indonesia beriklim panas (tropis). Batas-batas wilayah Indonesia adalah:

Batas Utara : Selat Malaka, laut China Selatan, Malaysia (Malaysia Timur, di sebelah utara Kalimantan), Laut Sulawesi (antara Sulawesi Utara dengan Philipina) dan Samudra Pasifik.

Batas Timur : Samudra Pasifik dan Papua Nugini. Batas Selatan : Laut Arafuru dan Samudra Hindia. Batas Barat : Samudra Hindia.

B. Gambaran UMKM di Indonesia Telah diuraikan bahwa UMKM memiliki peran penting dan posisi strategis terutama dalam hal populasinya yang mendominasi total unit usaha, penyerapan tenaga kerja yang sangat banyak serta kontribusinya terhadap pembentukan PDB yang cukup signifikan. Di samping itu juga menunjukan ketahanannya ketika krisis ekonomi berlangsung di Indonesia. Peran dan posisi tersebut harus tetap dijaga, dipelihara bahkan sangat layak dikembangkan agar tingkat kesejahteraan dan kehidupan ekonomi bangsa Indonesia semakin meningkat dan semakin merata.

commit to user

UMKM di Indonesia bisa dibilang mempunyai struktur dualistis, sehingga tidak mudah untuk membedakannya. Namun jika diperhatikan, ada perbedaan-perbedaan lain selain dalam hal jumlah pekerja. Perbedaan-perbedaan tersebut terutama dalam aspek organisasi, manajemen, metode atu pola produksi, teknologi dan tenaga kerja, produk, dan lokasi usaha.

Pengalaman Indonesia selama tiga puluh tahun kebelakang terutama pada empat belas tahun terakhir, memberikan informasi dan sekaligus pelajaran berharga bagi kita, bahwa pada masa lalu perekonomian Indonesia hanya bertumpu pada beberapa usaha skala besar. Oleh karena itu, respon yang cepat dan tepat terutama oleh pihak pemerintah terhadap isu kritis yang selalu menghantui kegiatan perekonomian tersebut, akan sangat bermanfaat bagi kemungkinan ketahanan dan sekaligus keamanan perekonomian Indonesia di masa mendatang.

Menurut hasil Sensus Ekonomi yang dilakukan oleh Badan Pusat Statistik (BPS) pada tahun 2006, sebaran usaha terbanyak menurut kategori adalah di sektor perdagangan besar dan eceran sebanyak 45,42% dan yang paling sedikit adalah di sektor listrik dan air bersih sebanyak 0,05%.

Sedangkan sebaran usaha menurut pulau, yang terbanyak adalah di Pulau Jawa sebanyak 63,80% sedangkan yang paling sedikit yaitu di pulau Maluku dan Papua sebanyak 1,32%.

Dari peranan pengusaha, sebanyak 60,73% dikelola oleh pengusaha laki-laki, sedangkan sebanyak 39,27% dikelola oleh perempuan. Dari sisi tenaga kerja, rata-rata jumlah tenaga kerja adalah dua orang per usaha. Tertinggi di subsektor jasa pendidikan dengan rata-rata sebelas orang per usaha,

commit to user

sedangkan yang terendah di subsektor jasa perorangan yang hanya menyerap satu orang per usaha.

Untuk balas jasa tenaga kerja, rata-rata balas jasa pekerja adalah 7,24 juta per tahun. Tertinggi di subsektor jasa kesehatan yaitu 16,45 juta per tahun, sedangkan yang terendah adalah di subsektor perantara keuangan yaitu 3,68 juta per tahun. Bila dibandingkan menurut pulau, teringgi ada di pulau Sumatera dengan 7,85 juta per tahun, sedangkan yang terendah di Pulau Sulawesi dengan 4,20 juta per tahun.

Untuk sumber modal, sebanyak 84,45% berasal dari modal sendiri, dan 15,55% berasal pihak lain. Usaha dengan modal dari pihak lain ini dapat dirinci menurut asal sumber modal, yaitu dari:

1) Bank : 26,93%

2) Koperasi : 7,87%

3) Lembaga keuangan bukan bank : 6,31%

4) Modal ventura : 0,95%

5) Perorangan : 27,09%

6) Keluarga : 18,30%

7) Lainnya : 17,83% Asal sumber modal bisa lebih dari satu sumber. Sedangkan menurut kategori asal sumber modal dari:

1. Bank Tertinggi : usaha real estate, persewaan, dan jasa perusahaan sebesar 50,09% Terendah : usaha jasa pendidikan sebesar 3,31%

2. Koperasi Tertinggi : usaha perantara keuangan sebesar 17,42%

commit to user

Terendah : usaha jasa pendidikan sebesar 1,04% Dari hasil sensus tersebut juga diperoleh keterangan bahwa 52,29% usaha ada rencana

untuk mengembangkan usaha dan sebanyak 47,71% usaha tidak ada rencana mengembangkan usaha. Usaha-usaha yang tidak ada rencana mengembangkan usaha dengan alasan utama:

1. Kekurangan modal

2. Kesulitan pemasaran

3. Kurang keahlian

C. Pengembangan UMKM selama ini Di Indonesia, terdapat sejumlah departemen dan lembaga pemerintah non- departemen yang terlibat langsung maupun tidak langsung dalam perumusan kebijaksanaan pengembangan UKM dan implementasinya, yaitu: Kementerian koperasi dan UKM, Kementerian keuangan, Bappenas, Kementerian Perdagangan, dan Bank Indonesia.

Bank Indonesia (BI) adalah salah satu pihak yang fokus terhadap pengembangan UMKM. Sejak diberlakukannya UU No.3 Tahun 2004, menggantikan UU No.23 tahun 1999, kebijakan Bank Indonesia dalam mendorong pengembangan UMKM mengalami perubahan yang mendasar. Bank Indonesia tidak lagi dapat memberikan bantuan permodalan untuk usaha kecil. Bukan berarti pembiayaan usaha kecil menjadi tidak penting, melainkan ada pembagian tugas dan wewenang yang lebih tegas antara Bank Indonesia dengan pemerintah. Menurut UU yang baru tersebut, tujuan dan misi BI lebih difokuskan pada pencapaian dan pemeliharaan kestabilan nilai rupiah, yakni ditunjukan oleh laju inflasi yang rendah dan kurs Rupiah yang stabil.

commit to user

Dengan berbagai pengalaman yang dimiliki oleh Bank Indonesia dalam mendukung pemerintah mengembangkan UMKM, maka Bank Indonesia telah belajar bahwa dalam pengembangan UMKM, terdapat lima stakeholders yang saling bekerjasama satu sama lain dan menjalankan perannya masing - masing. Kelima stakeholders tersebut yakni:

Pertama, peran dari perbankan. Perbankan memiliki peran yang sangat vital mengingat fungsi bank adalah sebagai lembaga intermediasi yang mengumpulkan dana masyarakat untuk disalurkan dalam bentuk kredit kepada masyarakat. Bank berperan penting dalam meningkatkan kegiatan usaha masyarakat dan menjaga berputarnya roda perekonomian. Namun demikian, dalam menyalurkan kredit, bank juga dituntut untuk selalu berhati – hati.

Kedua, peran pemerintah. Diharapkan pemerintah, yang disini juga termasuk Bank Indonesia, dapat meningkatkan kapasitas UMKM sehingga mampu untuk lebih berkembang.

Ketiga, peran lembaga Penjamin kredit. Di Indonesia, peran ini belum terlalu optimal, namun selalu untuk diupayakan untuk mengoptimalkan fungsi dan peran lembaga tersebut.

Keempat, peran dari lembaga pendamping UMKM. Lembaga ini bisa berasal dari pemerintah maupun swasta seperti LSM. Selain itu, Bank Indonesia juga bekerjasama dengan pemerintah melalui konsultan Keuangan Mitra Bank (KKMB) yang fungsinya menjembatani akses kredit UMKM kepada perbankan. Pendamping – pendamping tersebut diharapkan bukan saja membantu UMKM dalam mengakses kredit, tetapi juga harus mampu memberikan bantuan teknis kepada UMKM.

commit to user

Kelima, yaitu keberadaan UMKM itu sendiri.UMKM harus mampu mencari peluang – peluang untuk pengembangan usaha. Sehingga mereka harus selalu aktif dan kreatif untuk berupaya sendiri.

D. Hasil Analisis

1. Pemilihan Model Estimasi

Permodelan dalam menggunakan teknik regresi data panel dapat dilakukan dengan menggunakan tiga pendekatan alternatif metode dalam pengolahannya. Pendekatan-pendekatan tersebut yaitu (1) Metode Ordinary Least Square (The Pooled OLS Method ), (2) Metode Fixed Effect (FEM), (3) dan terakhir metode Random Effect (REM).

1.1 Metode Ordinary Least Square (OLS) vs Metode Fixed Effect (FEM)

Metode Ordinary Least Square (OLS) merupakan metode pengolahan data cross section dan time series dan kemudian data gabungan ini diperlakukan sebagai satu kesatuan pengamatan yang digunakan untuk mengestimasi model dengan metode OLS. Metode ini mengasumsikan slope dan intercept koefisien konstan.

commit to user

Tabel 4.1

Hasil Estimasi Data Panel dengan Pooled OLS

Dependent Variable: PDB? Method: Pooled Least Squares Date: 03/03/11 Time: 13:28 Sample: 2006 2009 Included observations: 4 Total panel observations 60

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C -1.640908

0.900714 Mean dependent var

4.564795

Adjusted R-squared

0.895395 S.D. dependent var

0.602896

S.E. of regression

0.194993 Sum squared resid

2.129251

F-statistic

169.3417 Durbin-Watson stat

0.027394

Prob(F-statistic)

0.000000

Sumber: Data diolah dengan Eviews 3.0 Berdasarkan hasil estimasi dengan menggunakan metode OLS pada Tabel 4.1 dapat terlihat bahwa nilai R 2 sebesar 0,900714 atau sebesar 90,07%, atau hampir mendekati 100%. Tingginya nilai R 2 menunjukkan bahwa variabel independen yang diuji cukup baik dalam menjelaskan variabel dependennya. Dengan nilai DW-statistik sebesar 0,027394 yang rendah (jauh dari range angka 2) yang mengindikasikan adanya autokorelasi positif. Pada metode OLS ternyata variabel independen tenaga kerja, investasi dan jumlah industri signifikan pada tingkat α = 5 %, artinya variabel independen tenaga kerja, investasi dan jumlah industri mempunyai pengaruh yang signifikan terhadap variabel tingkat Produk Domestik Bruto (PDB) di Indonesia.

Metode ini mengasumsikan bahwa nilai intersep antar individual dianggap sama yang mana merupakan asumsi yang sangat membatasi (restricted) (Gujarati, 2006). Sehingga metode ini tidak dapat menangkap gambaran yang sebenarnya atas hubungan yang terjadi

commit to user

antara variable bebas dengan variable terikatnya, begitu pula hubungan diantara masing- masing individual cross section.

Begitu pula seperti yang dijabarkan pada metode pemilihan secara teoritis yang mengatakan bahwa metode OLS terlalu sederhana untuk mendeskripsikan fenomena yang ada. Sehingga yang perlu dilakukan adalah menemukan nature yang spesifik atas hubungan yang terjadi diantara masing-masing individu pada data cross section. Maka dapat dilihat dengan menggunakan metode fixed effect.

commit to user

Tabel 4.2

Hasil estimasi data panel dengan Fixed Effect Model

Dependent Variable: PDB? Method: GLS (Cross Section Weights) Date: 03/03/11 Time: 13:55 Sample: 2006 2009 Included observations: 4 Total panel observations 60 White Heteroskedasticity-Consistent Standard Errors & Covariance

Variable

Coefficient

Std. Error

Fixed Effects _MI_TANI--C

1.125804

_MI_INDUSTRI--C

0.872135

_MI_PHR--C

1.146073

_MI_KEU--C

0.784500

_MI_JASA--C

0.775946

_K_TANI--C

-0.152424

_K_INDUSTRI--C

0.787398

_K_PHR--C

1.119590

_K_KEU--C

0.777862

_K_JASA--C

0.536536

_ME_TANI--C

0.582634

_ME_INDUSTRI--C

0.783708

_ME_PHR--C

0.981618

_ME_KEU--C

1.227279

_ME_JASA--C

0.387352

Weighted Statistics

R-squared

0.999996 Mean dependent var

9.214795

Adjusted R-squared

0.999994 S.D. dependent var

7.652817

S.E. of regression

0.018158 Sum squared resid

0.013847

F-statistic

5240138. Durbin-Watson stat

1.948206

Prob(F-statistic)

0.000000

Unweighted Statistics

R-squared

0.999221 Mean dependent var

4.564795

Adjusted R-squared

0.998905 S.D. dependent var

0.602896

S.E. of regression

0.019949 Sum squared resid

0.016714

Durbin-Watson stat

1.236847

Sumber: Data diolah dengan Eviews 3.0 Dari hasil estimasi, terlihat bahwa nilai R 2 sebesar 0,999996 atau 99,99%. Nilai intersep untuk setiap skala usaha per sektor berbeda yaitu 1.125804 untuk Usaha Mikro Tani,

commit to user

0.872135 untuk Usaha Mikro Industri Pengolahan, 1.146073 untuk Usaha Mikro Perdagangan Hotel dan Restoran, 0.784500 untuk Usaha Mikro Keuangan, 0.775946 untuk Usaha Mikro Jasa, -0.152424 untuk Usaha kecil Tani, 0.787398 untuk Usaha kecil Industri pengolahan, 1.119590 untuk Usaha Kecil Perdagangan Hotel dan Restoran, 0.777862 untuk Usaha Kecil Keuangan, 0.536536 untuk Usaha Kecil Jasa, 0.582634 untuk Usaha Menengah Tani, 0.7873708 untuk Usaha Menengah Industri Pengolahan, 0.981618 untuk Usaha Menengah Perdagangan Hotel dan Restoran , 1.227279 untuk Usaha Menengah Keuangan, 0.387352 untuk Usaha Menengah Jasa, Perbedaan ini mencerminkan terdapat faktor-faktor tertentu yang berbeda dalam mempengaruhi proses urbanisasi pada tiap individu. Dalam menentukan pendekatan mana yang dipilih antara metode OLS atau Fixed effect dalam estimasi data panel maka digunakan Restricted F test, dimana hipotesisnya:

Ho: Metode OLS Ha: Metode Fixed effect

UR

UR R

F = (0,999996- 0,900714)/4

(1-0,999996)/ (60-18)

F hit = 260615,3

Dengan F-tabel (5%) = 2,000 Maka F-hit > F-tabel 260615,3 > 2,000 ; Tolak Ho.

Nilai F hitung signifikan (F hitung > F tabel), maka estimasi dengan metode fixed effect lebih baik dibanding dengan metode OLS.

commit to user

Bagaimanapun, hasil tersebut belum dapat memberikan akhir atas metode pengolahan data. Maka perlu dilihat hasil yang ada dari metode lain yaitu pengujian antara fixed effect dan random effect.

1.2 Metode Fixed Effect (FEM) vs Metode Random Effect (REM) Metode Random Effect disebut juga dengan pendekatan regresi data panel dengan pendekatan autokorelasi dengan mengasumsikan terdapat korelasi antar observasi baik runtun waktu maupun lintas sektoral.

Menurut Judge (1985), ada beberapa hal yang harus diperhatikan untuk mementukan pendekatan mana yang dipilih (FEM atau ECM) dalam estimasi data panel:

1) Jika i e dan X berkorelasi lebih baik digunakan FEM, dan jika i e dan X tidak berkorelasi digunakan ECM.

2) Jika T (jumlah series) besar dan N (jumlah unit) kecil, perbedaan antara keduanya relatif kecil. Tetapi FEM lebih disukai.

3) Jika N besar dan T kecil, digunakan FEM jika unit tidak random dari sampel yang besar dan digunakan ECM jika unit diambil secara random.

4) Jika N besar dan T kecil dan jika asumsi ECM terpenuhi, estimator ECM lebih efisien dibanding FEM.

Berikut merupakan hasil dari estimasi dengan menggunakan metode Random Effect.

commit to user

Tabel 4.3

Hasil Estimasi Data Panel Dengan Menggunakan Metode Random Effect

Sumber: Data diolah dengan Eviews 3.0

Dependent Variable: PDB? Method: GLS (Variance Components) Date: 03/03/11 Time: 13:30 Sample: 2006 2009 Included observations: 4 Total panel observations 60

Variable

Coefficient

Std. Error

0.4590 Random Effects _MI_TANI--C

0.201593

_MI_INDUSTRI--C

0.033821

_MI_PHR--C

0.226272

_MI_KEU--C

-0.058882

_MI_JASA--C

-0.102537

_K_TANI--C

-0.660597

_KL_INDUSTRI--C

0.017679

_K_PHR--C

0.200485

_K_KEU--C

-0.032207

_K_JASA--C

-0.267403

_ME_TANI--C

-0.019893

_ME_INDUSTRI--C

0.098009

_ME_PHR--C

0.203690

_ME_KEU--C

0.468030

_ME_JASA--C

-0.308062

GLS Transformed Regression

R-squared

0.998811 Mean dependent var

4.564795 Adjusted R-squared

0.998747 S.D. dependent var

0.602896 S.E. of regression

0.021339 Sum squared resid

0.025499 Durbin-Watson stat

1.066375

Unweighted Statistics including Random Effects

R-squared

0.999186 Mean dependent var

4.564795 Adjusted R-squared

0.999143 S.D. dependent var

0.602896 S.E. of regression

0.017651 Sum squared resid

0.017447 Durbin-Watson stat

1.558544

commit to user

Dari hasil estimasi diatas nilai R 2 memperlihatkan angka 0.998811 lebih rendah dari hasil fixed effect yaitu 0.999996, dan nilai DW-statistik sebesar 1.066375 memberikan angka yang jauh dari kisaran range angka 2. Hal ini membuktikan bahwa model fixed effet lebih tepat dibandingkan dengan random effect.

Model efek random hanya dapat digunakan jika jumlah individu lebih besar dibandingkan jumlah koefisien termasuk intercept:

1) Apabila data individu lebih banyak dibandingkan data runtun waktu maka diasumsikan untuk memilih model Random Effect.

2) Apabila data runtun waktu lebih banyak dibandingkan data runtun waktu maka uji Fixed Effect yang lebih tepat digunakan.

Namun, saran-saran pemilihan metode fixed effect ataupun metode random effect secara teoritis dan berdasarkan sample bukanlah sesuatu yang mutlak. Akan lebih baik melihat pada uji formal statistik dan pemilihan berdasarkan model mana yang paling baik nilai statistiknya (Nachrowi, 2007).

SE untuk mengukur tingkat ketelitian pemerkira. Makin kecil SE of regression suatu pemerkira, maka makin teliti pemerkira tersebut makin dekat dengan parameter yang akan diperkirakan.

commit to user

Tabel 4.4 Perbandingan Hasil Estimasi

Ordinary Least Square

Fixed Effect

Random Effect Variabel

C -1.640908

0.998811 Sumber: Data diolah dengan Eviews 3.0 Yang harus diperhatikan jika menggunakan fixed effect model:

1) Penggunakan variabel dami akan menimbulkan masalah degree of freedom.

2) Kemungkinan terjadi multikolineritas.

3) Fixed Effect Model tidak bisa digunakan untuk mengetahui dampak variabel yang time invariant , misal jenis kelamin, ras, dll

4) Hati-hati dengan error term. Asumsi Klasik error term harus dimodifikasi. Berdasarkan hasil perhitungan dengan Fixed Effect Model, dapat diperoleh persamaan

regresi sebagai berikut: PDB = C + 0.410318 TK + 0.259581 I -0.085248 JI

Adjusted R-squared 0.999994

Prob(F-satistic)

0.000000

C tergantung dari nilai intersep masing-masing usaha pada tabel 4.2

commit to user

1. Uji Statistik

1) Uji t (t-test) Uji t merupakan pengujian variabel independen secara individual yang dilakukan untuk melihat apakah variabel independen secara individu berpengaruh secara signifikan terhadap variabel dependen. Apabila nilai t hitung yang diperoleh lebih kecil daripada nilai t tabel yang digunakan, maka Ho diterima yang berarti variabel independen tersebut secara signifikan tidak berbeda dengan nol. Atau sebaliknya jika nilai t hitung yang diperoleh lebih besar daripada nilai t tabel yang digunakan, maka Ho ditolak yang berarti variabel independen tersebut secara signifikan berbeda dengan nol. Cara lain yaitu dengan melihat tingkat signifikansi pada tabel hasil regresi, jika nilai signifikansinya < 0,05 berarti variabel tersebut signifikan pada taraf 5% dan sebaliknya jika nilai signifikansinya > 0,05 berarti variabel tersebut tidak signifikan pada taraf 5%.

Pengujian t-statistik dilakukan dengan cara membandingkan antara t-hitung dengan t- tabel. (Gujarati, 2003).

t-tabel = { α ; df ( n-k ) }

t- hitung =

(i Se (i

Keterangan : α = Level of significance, atau probabilitas menolak hipotesis yang benar.

n = Jumlah sampel yang diteliti. K = Jumlah variabel independen termasuk konstanta. Se = Standar error.

Kriteria pengujian: - Jika t hitung < t tabel, maka Ho diterima. Berarti variable independen secara

individu tidak berpengaruh secara signifikan terhadap variable dependen.

commit to user

- Jika t hitung > t tabel, maka Ho ditolak. Berarti variable independen secara individu

berpengaruh secara signifikan dan positif terhadap variabel dependen. Uji t statistik yang dilakukan menggunakan uji satu sisi (one tail test), dengan tingkat signifikansi α = 5%.

Uji t digunakan untuk menguji hipotesis pertama yang diajukan dalam penelitian ini. Berikut adalah hasil uji hipotesis tersebut:

a) Uji parameter terhadap Tenaga Kerja Hipotesis:

§ Ho: β 1 = 0, artinya variabel Tenaga kerja secara individu tidak berpengaruh signifikan terhadap variabel Tingkat Produk domestik Bruto (PDB) UMKM di

Indonesia. § Ha: β 1 ≠ 0, artinya variabel tenaga kerja secara individu berpengaruh signifikan

terhadap variabel Tingkat Produk domestic Bruto (PDB) UMKM di Indonesia. t tabel = ( α =0,05 : df=60) = 2,000 t hitung = 14,335

daerah diterima daerah diterima daerah ditolak

-2

Gambar 4.1 Daerah hasil uji t terhadap TK

commit to user

§ Koefisien regresi dari tenaga kerja mempunyai t hitung > t tabel, maka Ho ditolak dan Ha diterima. Dengan kata lain secara individu variabel tenaga kerja berpengaruh

positif dan signifikan terhadap Tingkat Produk domestik Bruto (PDB) UMKM di Indonesia

b) Uji parameter terhadap investasi Hipotesis:

§ Ho: β 2 = 0, artinya variabel investasi secara individu tidak berpengaruh signifikan terhadap variabel Tingkat Produk domestic Bruto (PDB) UMKM di Indonesia

§ Ha: β 2 ≠ 0, artinya variabel investasi secara individu berpengaruh signifikan terhadap variabel Tingkat Produk domestic Bruto (PDB) UMKM di Indonesia

t tabel = ( α =0,05 : df=60) = 1,656 t hitung = 17,12214

daerah diterima daerah diterima

daerah ditolak

-2 2

Gambar 4.2 Daerah hasil uji t terhadap investasi

Koefisien regresi dari variabel investasi (I) mempunyai t hitung > t tabel, maka Ho ditolak dan Ha diterima. Dengan kata lain secara individu variabel Pertumbuhan Penduduk berpengaruh positif dan signifikan terhadap tingkat Produk domestik Bruto (PDB) UMKM di Indonesia .

commit to user

c) Uji parameter terhadap variabel Jumlah Unit Usaha (JUu) Hipotesis:

§ Ho: β 3 = 0, artinya variabel Jumlah Unit Usaha (JUu) secara individu tidak berpengaruh signifikan terhadap variabel Tingkat Produk domestik Bruto (PDB) UMKM di Indonesia.

§ Ha: β 3 ≠ 0, artinya variabel Jumlah Unit Usaha (JUu) secara individu berpengaruh signifikan terhadap variabel Tingkat Produk domestik Bruto (PDB) UMKM di

Indonesia. t tabel = ( α =0,05 : df=60) = 2,000 t hitung = -2,194680

daerah diterima daerah diterima

daerah ditolak

-2

Gambar 4.3 Daerah hasil uji t terhadap jumlah unit usaha

Koefisien regresi dari variabel jumlah Unit Usaha (JUu) mempunyai t hitung < -t tabel, maka Ho ditolak dan Ha diterima. Dengan kata lain secara individu variabel Jumlah Unit Usaha berpengaruh signifikan terhadap Produk Domestik Bruto UMKM di Indonesia.

2) Uji F

Uji F adalah uji untuk mengetahui apakah variabel independen yang ada secara bersama-sama mempengaruhi variabel dependennya. Nilai F hitung yang diperoleh dari regresi model adalah sebesar 5240138 dengan nilai probabilitas sebesar 0.000000.

commit to user

Dengan menggunakan α= 5%, maka diperoleh F tabel sebesar 19,5 maka F hitung lebih besar dari F tabel, yaitu 1472,063 > 1,55, serta nilai probabilitasnya lebih kecil dari 0,05.

Ho ditolak Ho diterima

19,5

5240138

Gambar 4.4 Uji F

Hal ini berarti bahwa secara bersama-sama variabel tenaga kerja, investasi dan jumlah industri UMKM berpengaruh terhadap pembentukan Produk Domestic Bruto (PDB).

3) Uji R 2 (Koefisien Determinasi)

Uji R 2 dimaksudkan untuk menghitung seberapa besar variasi dari variabel dependen dapat dijelaskan oleh variasi variabel independen. Besarnya nilai statistik koefisien determinasi yang telah disesuaikan (Adjusted R Squared) yang diperoleh dari regresi data panel adalah sebesar 0,999996. Ini artinya bahwa sekitar 99,99 % variasi variabel dependen (produk domestik bruto) dapat dijelaskan oleh variasi independen yang dimasukan dalam model yaitu Tenaga Kerja, Investasi dan Jumlah Industri. Sisanya sebanyak 0,1% dijelaskan oleh variasi variabel lain yang tidak dimasukan dalam model.

4) Koefisien Korelasi

Uji ini digunakan untuk mengetahui keeratan (kuat lemahnya) hubungan antara variabel dependen dengan variabel independen. Dari hasil regresi model diperoleh (Adjusted R Squared ) sebesar 0,999996, berarti besarnya koefisien korelasi (r) adalah 0,999994. sehingga dapat disimpulkan hubungan antara variabel dependen dan variabel independen sangat kuat.

commit to user

2. Uji Asumsi Klasik

1) Uji Multikolinieritas

Multikolinieritas adalah suatu kondisi dimana terdapat korelasi atau hubungan antar variabel independen. Cara untuk mendeteksi ada tidaknya multikolineritas salah satunya dengan pendekatan Koutsoyiannis, yaitu dengan cara coba-coba memasukkan variabel bebas. Dari hasil coba-coba tersebut variabel dapat dibedakan menjadi tiga macam, yaitu

variabel berguna, variabel tidak berguna dan variabel merusak. Apabila nilai R 2 regresi setiap variabel bebas lebih besar dibandingkan nilai R 2 regresi utama, maka dapat disimpulkan bahwa dalam persamaan tersebut terjadi multikolinearitas.

Tabel 4.5 Hasil Uji Pendekatan Koutsoyiannis

Variabel

R 2 Keterangan

Tidak ada multikolinearitas

Tidak ada multikolinearitas

JI ƒ TK I

0.999980 0,999996

Tidak ada multikolinearitas

Sumber: Print out Komputer. (2011), data diolah

Berdasarkan tabel di atas, dapat dilihat bahwa nilai R 2 masing-masing variabel bebas tidak ada yang nilainya melebihi R 2 regresi awal, sehingga dapat disimpulkan bahwa model terbebas dari masalah multikolonieritas.

2) Uji Heterokedastisitas

Heterokedastisitas terjadi jika muncul dalam fungsi regresi yang mempunyai varian yang tidak sama sehingga penaksir OLS tidak efisien baik dalam sampel kecil maupun besar (tetapi masih tetap bias dan konsisten).

commit to user

Masalah besar yang dijumpai data panel adalah masalah heteroskedastisitas yang bersumber dari variasi data lintas sektoral yang digunakan. Pengujian heteroskedastisitas dilakukan dengan menggunakan fasilitas yang tersedia dari program eviews dengan menggunakan White Heteroskedasticity – Consistent Covariance. Dari hasil Uji White

dengan membandingkan nilai OBS*R 2 , diperoleh hasil bahwa X 2 ( α=5%)= 28,8693 > OBS*R 2 maka berarti dalam model ini tidak terdapat masalah heteroskedastisitas.

3) Uji Autokorelasi

Permodelan dengan panel data dengan menggunakan metode fixed effect adalah satu permodelan yang tidak membutuhkan pemodelan asumsi klasik terbebasnya model dari serial autokorelasi, maka uji asumsi klasik tentang autokorelasi dapat diabaikan (Nachrowi, 2006).

Dari hasil estimasi diperoleh DW statistik sebesar 1,94, dengan n = 60, k=3, level sign ifikan α=5% maka nilai dl = 1,48 dan du = 1,69 sehingga (4-dl) = 2,31 dan (4-du) = 2,32

Gambar 4.3 Statistik d Durbin Watson

Autokorel asi positif

Daerah keragu- raguan

Daerah Keragu- raguan

Autokorelasi negatif

0 1,48 1,69 2,31 2,32 4 Ternyata nilai Dw statistik sebesar 1,94 terletak di daerah penerimaan Ho. Hal ini berarti model yang diestimasi terbebas dari autokorelasi.

commit to user

2. Interpretasi Hasil Secara Ekonomi

Hasil dari pengujian hipotesis pertama menunjukkan bahwa semua variabel independen berpengaruh signifikan terhadap variabel dependen dengan me nggunakan α = 5%. Semua variabel memiliki tanda yang sesuai dengan teori dan hipotesis penelitian, kecuali variabel jumlah industri.

a. Pengaruh variabel tenaga kerja (TK) terhadap produk domestik bruto (PDB) UMKM

Dari hasil pengujian hipotesis pertama diperoleh hasil bahwa tenaga kerja mempunyai pengaruh positif dan signifikan terhadap PDB. Jadi setiap kenaikan satu unit tenaga kerja, akan menambah PDB sebesar 0,410318 miliar. Peningkatan tenaga kerja berarti akan meningkatkan produksi usaha, sehingga akan menaikkan PDB. Hal ini sesuai dengan teori, yaitu bahwa semakin sedikit jumlah pengangguran, berarti tingkat pertumbuhan ekonomi yang dilihat dari pembentukan PDB akan semakin meningkat.

b. Pengaruh variabel investasi (I) terhadap produk domestik bruto (PDB) UMKM

Dari hasil pengujian hipotesis kedua diperoleh hasil bahwa variabel investasi mempunyai pengaruh positif dan signifikan terhadap PDB. Jadi setiap kenaikan satu milyar investasi, akan meningkatkan PDB sebesar 0,259581 miliar. Apabila terjadi penambahan investasi dalam suatu usaha, maka produktifitas usaha tersebut akan meningkat pula, sehingga sumbangan ke PDB akan meningkat pula. Hal ini sesuai dengan teori akselerasi, bahwa dalam jangka panjang, apabila pendapatan nasional bertambah tinggi, maka investasi akan bertambah tinggi pula.

commit to user

c. Pengaruh variabel jumlah unit usaha (JUu) terhadap produk domestik bruto (PDB) UMKM

Dari hasil pengujian hipotesis ketiga diperoleh hasil bahwa variabel jumlah unit usaha mempunyai pengaruh negatif tetapi signifikan terhadap PDB UMKM. Ini berarti bahwa pertambahan satu unit jumlah unit usaha, malah akan mengurangi PDB sebesar 0,085248 miliar. Hal ini tidak sesuai dengan Teori Pertumbuhan Endogen Romer, yang menyatakan bahwa tingkat pertumbuhan ekonomi dipengaruhi oleh semakin banyaknya jumlah unit usaha. Dalam kasus ini, semakin banyak jumlah usaha yang bergerak di skala UMKM, berarti pemerintah akan semakin banyak memberikan subsidi kepada usaha-usaha tersebut, khususnya dalam hal subsidi bahan baku, bbm, listrik. Sedangkan usaha-usaha dalam skala UMKM tidak dipungut pajak oleh pemerintah, sehingga otomatis penerimaan pemerintah tidak bertambah melainkan malah berkurang akibat pemberian subsidi.

d. Nilai Intersep masing-masing usaha

Dari hasil regresi didapatkan nilai intersep setiap usaha yang beragam, hal ini menggambarkan adanya pengaruh dari perbedaan karakteristik setiap usaha terhadap PDB. Dari semua intersep, hanya ada satu yang bertanda negatif, yaitu usaha kecil sektor pertanian. Ini berarti semua usaha cenderung menambah PDB kecuali pada usaha kecil sector pertanian, bila variabel-variabel yang dimasukkan dalam model dianggap tidak berpengaruh secara signifikan.

Dari ke-15 usaha yang penulis teliti, usaha yang nilai intersepnya paling besar adalah usaha menengah sektor Keuangan, diikuti usaha mikro sektor sektor perdagangan, hotel dan restoran. Kemudian usaha mikro sektor pertanian. Hal ini menunjukan usaha-usaha apa saja yang sumbangan ke PDB nya paling besar. Dapat diketahui pula bahwa, ketiga usaha tersebut ternyata dari skala yang berbeda pula. Hal ini menunjukan bahwa skala usaha tidak

commit to user

mempengaruhi besarnya sumbangan ke PDB. Dari hasil ini, diketahui pula bahwa hipotesis ke-empat ditolak, karena ternyata bukan usaha menengah sektor industri pengolahan yang menyumbang PDB paling besar, melainkan dari usaha menengah sektor Keuangan.

commit to user

BAB V PENUTUP