III. METODE PENELITIAN
3.3. Metode Analisis Data
3.3.1. Metode Analisis Regresi dan Panel Data
3.3.1.1. Analisis Konvergensi
Konvergensi absolut diperoleh dari data regional sebagai variabel tak bebas dan PDRB per kapita awal (initial level of per capita income) sebagai variabel bebas maka dapat digunakan regresi sederhana sedangkan untuk mengetahui konvergensi kondisional maka digunakan regresi berganda dengan tambahan variabel tak bebas data-data komponen-komponen signifikan
Untuk melihat konsep konvergensi absolut tersebut, dapat menggunakan persamaan sebagai berikut (Sari, 2007) :
Ln 1 , , t i t i y y = a + b Ln
yi,t1 + eit ...(14) Keterangan : Ln 1 , , t i t i yy = pendapatan per kapita per tahun pada tahun akhir t
yi,t = PDRB per kapita tahun akhir t daerah ke i (Rupiah) a = Konstanta
b = Koefisien regresi
eit = error term
Untuk melihat konsep konvergensi kondisional tersebut, dapat menggunakan persamaan sebagai berikut (Fitria, 2007) :
Ln )1 (t i it y y = a + b 0Ln
yi(t1)
+ b1Ln BKit+ eit ...(15) Keterangan : Ln )1 (t i it yy = pendapatan per kapita per tahun pada tahun akhir t
yi(t1)
= PDRB per kapita awal (Rupiah)yi = PDRB per kapita tahun akhir t (Rupiah)
BKit = Variabel Jumlah Penduduk usia 10 tahun ke atas yang bekerja a = Kosntanta
b = Koefisien regresi eit = error term
3.3.1.2 Analisis Faktor-Faktor yang Mempengaruhi Laju PDRB
Untuk menduga pengaruh faktor-faktor yang berpengaruh terhadap PDRB di propinsi Jawa Barat maka digunakan variabel-variabel jumlah penduduk, Pendapatan Asli Daerah, PDRB Per Pekerja, penduduk usia 10 tahun ke atas yang bekerja, pengeluaran pembangunan pemerintah kabupaten/kota, pangsa sektor
48
pertanian terhadap PDRB, pangsa sektor industri terhadap PDRB, pangsa sektor perdagangan, hotel dan restoran.
Yt = f (Kt.,Lt ) Y = C + I + G Lit= f (PDDKit, BKit, SMAit) Kit = f (PDRBLit) Cit = f ( PDRBit) Git = f (PADit, PPEMBit) ln Got= α0+ δ0 ln PDRB + ε ln PDRBt = β0 + β1 ln PRTNNit+ β2ln INDSTRit+ β3ln PDGNGit + ε
Dari uraian sumber teori di atas maka diperoleh persamaan sebagai berikut:
Ln PDRBit = β0 + β1ln PADit + β2 ln PDRBLit+ β3ln PPEMBit + β4ln PDDKit + β5ln BKit+ β6 + β7 ln PRTNNit+ ln β8 ln INDSTRit+ β9 ln
PDGNGit + εit... (16) keterangan:
PDRBit = Poduk Domestik Regional Bruto PDDKit = Jumlah Penduduk
BK = Penduduk Usia 10 Tahun ke Atas yang Bekerja PADit = Pendapatan Asli Daerah
PPEMBit = Pengeluaran Pembangunan Pemerintah Kabupaten/Kota PDRBLit = PDRB per Pekerja
PRTNNit = Pangsa Sektor Pertanian terhadap PDRB INDSTRit = Pangsa Sektor Industri terhadap PDRB PDGNGit = Pangsa Sektor Perdagangan terhadap PDRB
3.3.2 Pengujian Model
Setelah mendapatkan parameter estimasi, langkah selanjutnya adalah melakukan berbagai macam pengujian terhadap parameter estimasi tersebut, seperti pengujian ekonometrik, statistik, dan ekonomi. Pengujian ekonometrik yang dimaksud adalah untuk mengestimasi parameter regresi dengan menggunakan OLS panel. Sedangkan pengujian statistik meliputi uji R2 ,uji F, uji t, dan evaluasi model dengan memilih Pendekatan-pendekatan analisis model data panel serta mendeteksi adanya gejala gangguan seperti heteroskedastisitas dan multikolinearitas.
1. Uji Koefisien Determinasi (R2 )
Uji ini untuk mengukur sejauh mana besar keragaman yang dapat diterangkan oleh variabel bebas terhadap terhadap variabel tak bebas. R2 memiliki dua sifat (Gujarati,2003), diantaranya: Pertama, R2 merupakan besaran non negatif dan kedua, besarnya adalah 0 < R2 < 1. Jika R2bernilai 1 berarti kecocoan sempurna, sedangkan R2 yang bernilai nol berarti tidak ada hubungan antara variabel tak bebas dan variabel yang menjelaskan.
2. Uji-F
Uji-F digunakan untuk menguji bagaimanakah pengaruh variabel bebas terhadap variabel tak bebas secara keseluruhan. Hipotesis yang diuji dari
50
pendugaan persamaan di atas adalah variabel bebas tidak berpengaruh nyata teradap variabel tak bebas. Hipotesis ini disebut hipotesis nol. Mekanisme yang digunakan untuk menguji hipotesis dari parameter dugaan secara serentak (uji-F statitik):
Hipotesis : H0: β1 = β2 = ...= 0
H1 : minimal ada satu parameter dugaan (βi) yang tidak sama dengan nol (paling sedikit ada satu variabel bebas yang berpengaruh nyata terhadap variabel tak bebas).
Pengujian ini dapat dilihat dari nilai probablitas F-statistiknya. Dengan melihat nilai probabilitas F-statistik akan diketahui apakah suatu persamaan akan lulus uji F atau tidak. Jika P-value menunjukkan besaran yang kurang dari taraf nyata yang digunakan (α), dapat disimpulkan tolak Ho, yang artiya minimal ada satu parameter dugaan (βi) yang tidak sama dengan nnol (paling sedikit ada satu variabel bebas yang berpengaruh nyata terhadap variabel tak bebas).
3. Uji-t
Dipergunakan unutk menguji secara statistik apakah koefisien regresi dari masing-masing variabel bebas yang dipakai secara terpisah berpengaruh nyata atau tidak terhadap variabel tak bebas
Hipotesis : Ho : βj = 0
H1: βj ≠ 0 = 1,2,....,k
Pengujian parsial ini (uji-t) dapat dilihat dari nilai probabilitas t-statistiknya. Di mana, jika probabilitas t-statistik menunjukkan nilai yang kurang dari derajat kepercayaan yang digunakan (α), maka dapat dikatatakan tolak Ho
yang berarti variabel bebas berengaruh nyata terhadap variabel tidak bebas dalam model. Begitu sebaliknya, jika Ho diterima maka variabel bebas tidak berpengaruh nyata terhadap variabel tidak bebas pada tingkat signifikansi tertentu.
5. Uji Hausman
Untuk menentukan secara tepat spesisifasi model yang akan digunakan apakah model pendekatan efek tetap atau pendekatan efek acak maka dilakukan uji Hausman untuk menguji model yang paling baik yang digunakan dalam mengestimasi ekonomi regional. Uji Hausman akan memberikan penilaian dengan menggunakan Chi-square statistics sehingga keputusan pemilihan model dapat ditentukan secara benar.
Dalam random effect diasumsikan bahwa komponen error individual tidak berkorelasi satu sama lain dan tidak ada otokorelasi baik cross section maupun time series (Pindyck dan Rubenfield, 1998). Kedua variabel random tersebut yaitu variabel cross section dan variabel time series diasumsikan berdistribusi normal dengan derajad bebas yang tidak berkurang. Model
random effect dapat diestimasi sebagai regresi GLS (Generalized Least-Square)
yang akan menghasilkan penduga yang memenuhi sifat Best Linier Unbiased
Estimation (BLUE). Dengan demikian adanya gangguan asumsi klasik dalam
model ini telah terdistribusi secara normal, sehingga tidak diperlukan lagi treatment terhadap model bagi pelanggaran asumsi klasik, yaitu asumsi adanya autokorelasi, multikolinearitas dan heterokedastisitas.
52
3.3.4.2 Evaluasi model 1. Heterokedastisitas
Adanya masalah heteroskedastisitas dalam model menyebabkan model menjadi tidak efisien meskipun tidak bias dan konsisten. Untuk mendeteksi adanya pelanggaran asumsi heteroskedastisitas digunakan uji White
Heteroscedasticity yang diperoleh dari program E-Views.
Data panel dalam Eviews 6 yang menggunakan metode General Least
Square (Cross Section Weights) maka untuk mendeteksi adanya
heteroskedastisitas adalah dengan membandingkan Sum Square Residual pada Weighted staitistics dengan Sum Square Residual pada Unweighted staitistics, Jika Sum Square Resid Weighted staitistics < Sum Square Resid Unweighted
staitistics maka terjadi heteroskedastisitas. Untuk mengatasi pelanggaran tersebut, bisa mengestimasi GLS dengan White Heteroscedasticity (Pyndick,1991).
2. Multikolinearitas
Multikolinearitas adalah hubungan linear yang kuat antara variabel-variabel independen dalam persamaan regresi regresi berganda. Jika nilai R2 yag diperoleh tinggi (antara 0,7-1) tetapi tdak terdapat atau sedikit sekali koefisien dugaan yang nyata pada taraf uji tertentu dan tanda koefisien regresi dugaan tidak sesuai teori maka model yang digunakan berhubungan dengan multikoliniearitas. Multikolinearitas dapat diatasi dengan memberi perlakuan cross section weights, sehingga parameter dugaan pada taraf uji tertentu (t statistik maupun f hitung) menjadi signifikan.
Provinsi Jawa Barat merupakan provinsi pertama yang dibentuk di wilayah Indonesia (Staatblad Nomor: 378). Provinsi Jawa Barat dibentuk berdasarkan Undang-Undang Nomor 11 tahun 1950, tentang pembentukan Provinsi Jawa Barat. Pada kurun waktu 1994-1999, secara kuantitatif jumlah wilayah pembantu gubernur tetap lima wilayah dengan terdiri dari : 20 kabupaten dan lima kota, dan tahun 2009 jumlah kota bertambah menjadi delapan kota. Kota administratif berkurang dari enam daerah menjadi empat karena kota Depok pada tahun 1999 berubah menjadi kota otonom. Dengan lahirnya UU No 23 tahun 2000 tentang Provinsi Banten, maka wilayah administrsi pembantu gubernur wilayah I Banten resmi ditetapkan menjadi provisi Banten dengan daerah meliputi: Kabupaten Serang, Kabupaten Pandeglang, Kabupaten Lebak, dan Kabupaten/Kota Tangerang serta Kota Cilegon.
Adanya perubahan tersebut, maka saat ini Provinsi Jawa Barat terdiri dari 16 kabupaten yang terdiri dari Bogor, Sukabumi, Cianjur, Bandung, Garut, Tasikmalaya, Ciamis, Kuningan, Majalengka, Sumedang, Indramayu, Subang, Purwakarta, Karawang, dan Bekasi serta 9 kota yang terdiri dari Bogor, Sukabumi, Bandung, Cirebon, Depok, Bekasi, Tasikmalaya, Cimahi, dan Banjar. Daerah kabupaten dan kota di Jawa Barat tersebut membawahi 592 kecamatan, 1.799 kelurahan dan 4.006 desa (BPS Jawa Barat, 2005).
Dengan luasan wilayah administratif yang berkurang pasca lepasnya Provinsi Banten yang berdiri secara otonom, berdampak pada tingkat
54
pertumbuhan ekonomi dan pembangunan secara keseluruhan di Provinsi Jawa Barat.