Penelitian ini menggunakan jenis data panel yaitu gabungan antara data time series selama 9 tahun yakni 2004-2012 dan data cross section untuk provinsi-
provinsi sebanyak 33 provinsi, sehingga membentuk data yang diobservasi sebanyak 297 data 33 provinsi selama 9 tahun, data panel digunakan agar dapat
diperoleh hasil estimasi yang lebih baik karena terjadi peningkatan observasi. Dalam proses pengolahan data, penelitian ini menggunakan software berupa E-
views dan Microsoft Excel.
3.3 Metode Analisis
Metode analisis dalam penelitian ini adalah menggunakan analisis kuantitatif denagn menggunakan data panel dan Tipologi Klassen Klassen
Typology. Tipologi Klassen digunakan untuk melihat pola hubungan indeks pembangunan manusia IPM dan tingkat kemiskinan provinsi-provinsi di
Indonesia. Selain itu uji kointegrasi Cointegration test juga dilakukan dalam penelitian ini, uji ini dilakukan untuk melihat hubungan keseimbangan jangka
panjang antara IPM dan kemiskinan. Pengujina kointegrasi dilakukan untuk mengetahui apakah antar variabel dependen dan variabel independen terdapat
hubungan atau keterkaitan sehingga dapat digunakan sebagai estimasi jangka panjang.
3.3.1 Tipologi Klassen
Tipologi klassen digunakan untuk mengidentifikasi sektor subsektor atau unggulan suatu daerah, dan melihat kemajuan suatu daerah. dalam hal ini tipologi
kalssen dilakukan untuk membandingkan kemiskinan daerah dengan kemiskinan
Universitas Sumatera Utara
yang menjadi acuan atau kemiskinan nasional. Analisis tipologi kalssen dapat dilihat melalui tabel berikut ini:
Tabel 3.1 Klasifikasi Pola IPM Dan Kemiskinan Menurut Tipologi Klassen
Sumber: Arsyad 2010
Keterangan:
rdi = jumlah penduduk miskin per Propinsi
rni = Jumlah penduduk Miskin Nasional
ydi = IPM per Propinsi
yni = IPM Nasional
Melalui analisis Tipologi Klassen diperoleh empat karakteristik pola dan struktur pertumbuhan ekonomi yang berbeda, yaitu: daerah cepat maju dan cepat
tumbuh high growth and high income, daerah maju tetapi tertekan High Income but low growth, daerah berkembang cepat high growth but income, dan
daerah relatif tertinggal low growth and low income. Kemiskinan
IPM ydi yni +
tinggi ydi yni -
Rendah
rdi rni - Rendah
rdi rni - Rendah
Tipe I Daerah Cepat Maju
dan Cepat Tumbuh
Tipe III Daerah maju Tetapi
Tertekan Tipe II
Daerah Berkembang Cepat
Tipe IV Daerah Relatif
tertinggal
Universitas Sumatera Utara
f=1 it
3.3.2 Uji Akar Unit Unit Root Test. Uji akar unit Unit Root test digunkan untuk mengetahui apakah data panel
yang digunakan stasioner atau tidak stasioner, salah satu cara yang dapat digunakan adalah dengan menggunakan uji akar unit unit root test. Uji stasioner
juga perlu dilakukan pada panel data, karena panel data merupakan gabungan dari data cross section dan data time series. Uji stasioner pada data time series berbeda
dengan uji stasioner pada data panel, hal ini dikarenakan adanya pengaruh waktu dan individual. Uji akar unit pada data panel adalah pengembangan dari uji akar
unit pada time series, yang dapat dijelaskan dalam model:
X
it
= ρt x + y
it
δ
it
+ ε
it
.......................................................3.1
i = 1,2,...................,N jumlah individu t = 1,2,...................,T jumlah periode individu
jika diasumsikan α = ρ-1 dengn lag ρ
i
dan bervariasi antara cross section maka uji hipotesisinya:
H : α = 0 mempunyai akar unit
H
1 :
α 0 tidak mempuyai akar unit Ide dasar uji akar unit untuk mengetahui apakah data stasiner atau tidak
adalah jika nilai ρ
t
= 1 maka dikatakan bahwa variabel random X memunyai akar unit unit root. Jika data panel memiliki akar unit maka dapat dkatakan bahwa
data tersebut tidak stasioner karena bergerak secara random random walk. Sehinnga jika kita melakukan regresi X
it
pada lag X
it-1
dan memperoleh nilai ρ
t
= 1 maka data dikatakan tidak stasioner. Formula uji akar unit dengan dasar ADF
Augmented Dickey-Fuller adalah:
Δ Xit = α X
it-1
+ ∑
Fi
β
tf
Δ X
it-f
+ Y
1
+ δ + ε
it
.....................3.2
Universitas Sumatera Utara
Jika diasumsikan α = ρ-1 dengan lag p
i
dan bervariasi antar cross section, maka uji hipostesisnya adalah:
H : α = 0 mempunyai akar unit
H
1
: α 0 tidak mempnyai akar unit Untuk menetukan apakah data stasioner atau tidak stasioner adalah dengan
cara membandingkan nilai stasistik dengan nilai kritisnya. Jika nilai kritisnya lebih besar daripada nilai statistik maka data tidak stasioner,dan sebaliknya jika
data statistik leih besar dari nilai kritis maka data yang diamati menunjukkan adanya stasioner.
3.3.3 Uji Kointegrasi Cointegration Test