METODOLOGI PENELITIAN
HASIL DAN PEMBAHASAN
B. Hasil dan Pembahasan 1.Analisa Deskriptif
2. Hasil Estimasi Model Data Panel
Pada penelitian ini, penelitian menggunakan regresi data panel sebagai alat estimasi, dalam pengujian pada regresi data panel, terdapat tiga pemodelan yang dapat digunakan, tentunya disesuaikan dengan
ketentuan-111 ketentuan yang sesuai dengan sifat masing-masing model, yaitu pooled, fixed effect, dan random effect. Untuk mengetahui model yang manakah yang paling tepat digunakan dari ketiga model tersebut, adalah dengan melakukan beberapa pengujian. Hal pertama yang dilakukan adalah dengan mengestimasi model kedalam tiga permodelan, yaitu PLS, FEM dan REM. Adapun hasil regresi terhadap model estimasi dari ketiga model, dapat dilihat pada table 4.1 sebagai berikut :
Tabel 4.1 Hasil Analisis Terhadap Model Estimasi
Variabel terikat : Pertumbuhan ekonomi regional LOG(PDRB?), untuk periode 1994-2008 Metode PLS Metode FEM Metode REM Variabel Coefficient prob. Coefficient prob. Coefficient prob.
C LOG(KF?) LOG(IS?) TPAK? OTDA? 15.29861 0.0000 0.232613 0.0000* -0.004143 0.6191 0.004040 0.0812*** -0.239699 0.0000 * 14.84397 0.0000 0.272743 0.0000* -0.003905 0.6744 0.002942 0.1990 -0.305320 0.0000* 0.973699 0.0000* 0.122741 0.0482** 0.065020 0.0000* -1.860404 0.0000* R-Squared F-statistic Prob (F-statistic) 0.726436 0.996342 2246.952 0.000000 0.678302 36.89880 0.000000 Keterangan : * Signifikan pada α = 1% ** Signifikan pada α = 5% *** Signifikan pada α = 10%
Sumber : Lampiran 2, 3 dan 5, diolah.
Berdasarkan hasil estimasi pada tabel 4.1 diatas, metode dengan menggunakan Fixed Effect Model (FEM) menunjukkan hasil yang paling baik dibandingkan dengan Pooled Least Square ataupun Random Effect Model. Hal tersebut dapat dilihat dari nilai koefisien regresi masing-masing variabel bebasnya dan secara statistik berpengaruh signifikan terhadap dependen variabel. Selain itu, nilai R-Square terlihat lebih baik pada FEM.
112 Untuk lebih memastikan model mana yang paling tepat pada model penelitian, akan dilakukan beberapa uji, yaitu Uji Chow dan Uji Hausman (Modul Data Panel Laboraturium FE UI, 2006: 9-12). Kedua Uji tersebut dapat diestimasi dengan menggunakan Eviews. Hasil pengujian sebagai berikut :
a. Uji Chow
Untuk menentukan model manakah yang paling tepat diantara
pooled Least Squre atau fixed effect Model maka dilakukan uji chow. Uji Chow akan memberikan penilaian dengan menggunakan F statistik dan membandingkannya dengan F tabel. Hasil uji Chow dapat dilihat pada tabel 4.2 berikut ini.
Tabel 4.2 Hasil Uji Chow
Redundant Fixed Effect Test Test cross-section fixed effects
Effects Effect Statistic d.f Prob. Cross-section F Cross-section Chi-square 789.998894 291.700661 (4,66) 4 0.0000 0.0000
Sumber : Lampiran 4, data diolah.
Berdasarkan hasil uji Chow diperoleh nilai F statistik sebesar 789.998894 dengan d.f (4,66), menggunakan F tabel α = 5%, diperoleh nilai sebesar 2.51, yang berarti menolak hipotesis untuk menggunakan
Pooled Least Squared dan menerima hipotesis untuk menerima fixed effect Model.
113 b.Uji Hausman
Setelah melakukan Pengujian model dengan Uji Chow dan diperoleh hasil bahwa model yang paling tepat digunakan adalah FEM dibandingkan dengan PLS. Model diuji kembali dengan Uji Hausman, Pengujian kali ini adalah untuk menentukan model paling tepat digunakan diantara FEM dengan REM. Uji Hausman memberikan penilaian dengan menggunakan Chi-Square statistic sehingga keputusan pemilihan model dapat ditentukan dengan tepat. Hasil pengolahan dengan uji hausman dapat dilihat pada tabel 4.3 berikut :
Tabel 4.3 Hasil Uji Hausman Correlated Random Effects-Hausman Test
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f Prob.
Cross-section random 60.711664 4 0.0000
Sumber : Lampiran 6, data diolah.
Berdasarkan Uji hausman yang dilakukan, didapatkan Chi-Sq Statistik sebesar 60.711664 dengan probabilitas 0.001 dan d.f 4 (18.46683). Dikarenakan chi-hitung lebih besar daripada chi-tabel maka Ho ditolak. Dapat disimpulkan bahwa model terbaik yang dapat digunakan untuk model penelitian adalah Fixed Effect Model.
114 3. Analisis Estimasi
a. Uji Kesesuaian Model
1)Koefisien Determinasi (R-Square)
Koefisien determinasi dari model penelitian ini adalah sebesar 0.9998 atau 99,98%. Hal ini menunjukkan bahwa variabel independen kapasitas fiskal, investasi swasta, tingkat partisipasi angkatan kerja dan dummy otonomi daerah mampu menjelaskan terhadap variabel dependen yaitu PDRB yang merupakan indikator dari pertumbuhan ekonomi regional sebesar 99,98%. Sedangkan sisanya yaitu 0,02% dijelaskan oleh variabel lain yang tidak disebutkan dalam model estimasi.
2)Uji t-Statistik (Uji Parsial)
Pengujian model dengan uji t-Statistik adalah untuk mengetahui apakah variabel-variabel independen individu berpengaruh signifikan terhadap variabel dependen. Dengan hipotesis sebagai berikut:
Ho : βi = 0 adalah tidak berpengaruh signifikan Ha : βi ≠ 0 adalah berpengatruh signifikan
Dari hasil analisis diperoleh nilai t-hitung adalah 3.013997 untuk kapasitas fiskal; 2.167737 untuk investasi swasta; -3.237221 pada TPAK dan t-hitung otonomi daerah adalah 1.410225. Jika nilai t-hitung pada variabel independen dibandingkan dengan t-tabel 0.05 (±1.99394), Hasilnya dapat dilihat pada gambar 4.5.
115
Ha diterima Ha diterima
Ho diterima
-3.23(TPAK) -1.99 1.41(OTDA) 1.99 2.16(IS) 3.01(KF)
Gambar 4.5 Uji t-statistik
Dapat dilihat pada Gambar 4.5, bahwa nilai t-hitung variabel kapasitas fiskal, investasi swasta dan TPAK berada dilingkungan Ha, yang berarti variabel-variabel tersebut mampu menjelaskan secara parsial terhadap variabel dependennya. Sedangkan variabel TPAK berada didalam lingkungan Ho diterima, yang berarti bahwa TPAK tidak mampu menjelaskan secara parsial hubungannya terhadap PDRB.
3)Uji F-Statistik (Uji Simultan)
Uji F-Statistik berguna untuk pengujian signifikansi seberapa besar pengaruh variabel independen (KF, IS, TPAK, dan OTDA) secara simultan atau bersama-sama terhadap variabel dependen (PDRB). Dengan kriteria pengambilan keputusan :
Ho : β1, β2, β3, β4 = 0 Ho diterima (Prob F-statistic signifikan pada α = 5%), artinya variabel independen secara bersama-sama tidak berpengaruh nyata terhadap variabel dependen.
116 Ha : β1, β2, β3, β4 ≠ 0 Ha diterima (Prob F-statistic tidak signifikan pada α = 5%), artinya variabel independen secara bersama-sama berpengaruh nyata terhadap variabel dependen. Prob F-statistic (lampiran 9) menunjukkan nilai 0.000000, yang signifikan pada α = 5%. Berdasarkan hal tersebut, maka dapat dinyatakan bahwa kapasitas fiskal, investasi swasta, TPAK dan dummy
otonomi daerah secara bersana-sama berpengaruh nyata terhadap PDRB.
b. Uji Asumsi Klasik
Menurut Gujarati (2006 :183), untuk memperoleh model yang baik, regresi harus memenuhi asumsi regresi klasik, yaitu harus terbebas dari masalah-masalah dalam regresi yaitu normalitas, multikolinearitas, heterokedastisitas, dan autokorelasi.
1)Normalitas
Pengujian Normalitas dalam penelitian ini dengan menggunakan
Jarque Bera Test. Uji Jarque Bera didistribusi dengan χ2
dengan derajat kebebasan (degree of freedom) sebesar 2, dimana χ2-hitung < χ2
-tabel menunjukkan data berdistribusi normal (Winarno, 2009: 5.37). Hasil Jarque-Bera test dapat dilihat pada tabel 4.4 berikut.
117 Tabel 4.4 Hasil Jarque Bera Test
DKI
Jakarta Jawa Barat
Jawa Tengah
DI
Yogyakarta Jawa Timur
JB Prob JB Prob JB Prob JB Prob JB Prob
LOG(PDRB) 1.10 0.57 1.14 0.56 1.13 0.56 0.92 0.63 1.90 0.38
LOG(KF) 1.64 0.43 1.70 0.42 1.66 0.43 1.71 0.42 1.72 0.42
LOG(IS) 0.48 0.78 1.12 0.56 0.15 0.92 5.02 0.08 1.60 0.44
TPAK 1.77 0.41 2.91 0.23 0.50 0.77 2.22 0.32 5.69 0.05
OTDA 2.50 0.28 2.50 0.28 2.50 0.28 2.50 0.28 2.50 0.28
Dapat dilihat bahwa seluruh data dianggap berdistribusi normal dengan asumsi JB hit < χ2 –tabel 5% pada df 2 (5,99) dan nilai
probabilitas berada diatas 5%. Maka dapat disimpulkan bahwa data dalam model ini terdistribusi normal.
2)Multikolinearitas
Untuk melihat ada atau tidak adanya gejala multikolinearitas, dapat dilihat dari nilai probabilitas t-statistik dan nilai probabilitas F-statistik. Dari hasil regresi awal, terdapat dua variabel bebas, yaitu KF, dummy OTDA yang berpengaruh secara signifikan terhadap PDRB pada tingkat α = 5% dan nilai probabilitas F-statistik senilai 0.000000, pada hasil regresi, minimal ada satu variabel bebas yang berpengaruh nyata terhadap variabel terikat sehingga asumsi adanya multikolinearitas boleh diabaikan.
3)Heterokedastisitas
Masalah heterokedastisitas pada data panel menggunakan perangkat lunak Eviews 6, dapat dilihat dengan terlebih dahulu mengestimasi model ke GLS (Cross section weight), kemudian membandingkan nilai Sum Squared Resid pada Weighted Statistic
118 dengan Sum Resid Unweighted Statistic. Jika Sum Resid pada
Weighted Statistic lebih kecil dari Sum Resid Unweighted Statistic, maka terjadi heterokedastisitas.
Pada hasil regresi (lampiran 8) didapatkan bahwa Sum Squared
Resid pada Weighted Statistic bernilai 0.331696 sama besar
dibandingkan dengan nilai Sum Resid pada Unweighted Statistic
yang berniai 0.331698. Maka dari itu, diduga regresi memiliki tidak masalah heterokedastisitas.
4)Autokorelasi
Kemudian untuk masalah Autokorelasi dapat dilihat nilai Durbin-Watson statistik yaitu sebesar 0.942923, dimana DW (0.932923) < dL (1.5151) yang berarti menolak Ho, dan data berkorelasi serial positif, sehingga model ini memiliki autokorelasi. Untuk menanggulanginya adalah dengan mengestimasi model dengan cross-section SUR.
Dalam penelitian ini, untuk mendapatkan hasil regresi yang stabil, penulis melakukan iterasi terhadap model regresi. Metode iterasi menduga nilai koefisien regresi dengan mencoba-coba berbagai kemungkinan koefisien regresi (trial and error method) hingga ditemukan yang memberikan kuadrat error sum of square sekecil mungkin (Modul Data Panel Laboraturium FE UI, 2006: 12).
Sehingga hasil estimasi terakhir dari model dengan menggunakan metode Fixed Effect Model (FEM) dapat dilihat pada tabel 4.5.
119 Tabel 4.5 Hasil Estimasi Perbaikan
Variabel terikat : Pertumbuhan ekonomi regional LOG(PDRB?), untuk periode 1994-2008
Metode : Pooled EGLS (Cross-section SUR) model FEM Variable Coefficient Prob
C LOG(KF?) LOG(IS?) TPAK? OTDA? 17.93939 0.051747 0.003354 -0.002071 0.056108 0.0000 0.0037** 0.0338** 0.0019** 0.1632 R-Square F Statistic Prob (F statistic) 0.999837 50636.06 0.000000 Keterangan *signifikan pada α = 1% **signifikan pada α = 5% ***signifikan pada α = 10%
Sumber : Lampiran 9, data diolah.
Hasil estimasi terakhir, setelah mengatasi penyakit pada heterokedastis dan autokorelasi, maka didapatkan hasil yang signifikan pada tiga variabel independen pada tingkat signifikansi α = 5%, yaitu KF, IS dan TPAK. Sedangkan untuk variabel dummy OTDA tidak signifikan.
Dari hasil analisis dengan model FEM pada metode GLS, maka diperoleh nilai koefisien determinasi R2 adalah sebesar 0.999837, mengartikan bahwa secara keseluruhan variabel bebas (KF, IS, TPAK dan variabel dummy OTDA) dapat menjelaskan variabel terikat (PDRB) sebanyak 99,98% dan sisanya yaitu 0,02% dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model persamaan atau dijelaskan oleh
error term (µ).
Hasil estimasi ini diperkuat dengan nilai probabilitas F-Statistik yang signifikan pada tingkat kepercayaan 99 persen dengan tingkat α = 1 persen yaitu sebesar 0.000000, yang berarti minimal ada satu variabel bebas yang
120 berpengaruh nyata terhadap variabel terikat sehingga model penduga sudah layak untuk menduga parameter yang ada dalam fungsi.
Pada variabel-variabel penelitian memiliki besaran pengaruh yang berbeda-beda untuk tiap masing-masing daerahnya, dapat kita lihat pada tabel 4.6 berikut.
Tabel 4.6 Koefisien Fixed Effet Model (Cross)
Fixed effect (Cross) Coefficient
C 17.93939 _DKI--C 0.676747 _JABAR--C 0.615691 _JATENG--C 0.066681 _DIY--C -1.976168 _JATIM--C 0.617048 Sumber : Lampiran 9, data diolah.
Pada tabel 4.6, dapat kita lihat bahwa pada masing-masing daerah memiliki koefisien fixed effect Model yang berbeda-beda, yang berarti bahwa untuk setiap daerah memiliki kenaikan PDRB yang berbeda-beda pula untuk setiap perubahan tingkat daripada kapasitas fiskal, investasi swasta, TPAK dan fenomena otonomi daerah.
DKI Jakarta
Nilai koefisien Fixed Effect pada propinsi DKI Jakarta adalah 0.676747sedangkan C adalah 17.93939, ini mengartikan bahwa, bila terdapat perubahan pada tingkat kapasitas fiskal, investasi swasta, TPAK dan fenomena otonomi daerah maupun waktu, maka daerah DKI Jakarta akan mendapatkan pengaruh individu terhadap PDRB sebesar 18.616137%.
121 Jawa Barat
Nilai koefisien Fixed Effect pada propinsi Jawa barat adalah 0.615691 sedangkan C adalah 17.93939, ini mengartikan bahwa, bila terdapat perubahan pada tingkat kapasitas fiskal, investasi swasta, TPAK dan fenomena otonomi daerah maupun waktu, maka daerah DKI Jakarta akan mendapatkan pengaruh individu terhadap PDRB sebesar 18.555081%.
Jawa Tengah
Nilai koefisien Fixed Effect pada propinsi Jawa tengah adalah 0.066681 sedangkan C adalah 17.93939, ini mengartikan bahwa, bila terdapat perubahan pada tingkat kapasitas fiskal, investasi swasta, TPAK dan fenomena otonomi daerah maupun waktu, maka daerah DKI Jakarta akan mendapatkan pengaruh individu terhadap PDRB sebesar 18.006071%.
DI Yogyakarta
Nilai koefisien Fixed Effect pada propinsi Jawa barat adalah
-1.976168 sedangkan C adalah 17.93939, ini mengartikan bahwa, bila terdapat perubahan pada tingkat kapasitas fiskal, investasi swasta, TPAK dan fenomena otonomi daerah maupun waktu, maka daerah DKI Jakarta akan mendapatkan pengaruh individu terhadap PDRB sebesar 15.963222%.
122 Jawa Timur
Nilai koefisien Fixed Effect pada propinsi Jawa barat adalah 0.617048 sedangkan C adalah 17.93939, ini mengartikan bahwa, bila terdapat perubahan pada tingkat kapasitas fiskal, investasi swasta, TPAK dan fenomena otonomi daerah maupun waktu, maka daerah DKI Jakarta akan mendapatkan pengaruh individu terhadap PDRB sebesar 18.556438%.
Dalam hasil regresi perbaikan akhir pada tabel 4.4, terdapat tiga variabel independen yang berpengaruh terhadap PDRB, yaitu KF, IS dan TPAK, sedangkan OTDA tidak berpengaruh secara signifikan terhadap PDRB dalam tingkat kepercayaan 95%.
Dapat kita lihat bahwa setiap propinsi memiliki nilai individual effect
yang berbeda-beda, hal ini dikarenakan setiap propinsi memiliki keunggulan serta keadaan perekonomian yang berbeda-beda, dan setiap variabel independen memiliki besaran pengaruh yang berbeda-beda pula terhadap PDRB nya pada setiap propinsi. Perbandingan besarnya pengaruh tiap variabel independen yang signifikan dalam penelitian ini yaitu KF, IS dan TPAK terhadap dependennya (PDRB) pada tiap propinsi tersebut disajikan dalam tabel 4.7berikut.
123 Tabel 4.7 Koefisien variabel independen (KF, IS dan TPAK) terhadap
PDRB Pada tiap Cross-section
variabel x Wilayah KF IS TPAK DKI Jakarta 0,72849 0,68010 0,67468 Jawa Barat 0,66744 0,61905 0,61362 Jawa Tengah 0,11843 0,07004 0,06461 DI Yogyakarta -1,92442 -1,97281 -1,97824 Jawa Timur 0,66880 0,62040 0,61498
Lampiran 9, data diolah
Dapat kita lihat pada tabel, terdapat perbedaan besaran pengaruh antar variabel independen (KF, IS dan TPAK) terhadap variabel dependen (PDRB) pada masing-masing wilayahnya.
DKI Jakarta
Nilai koefisien kapasitas fiskal, Investasi swasta dan TPAK berturut-turut pada DKI Jakarta adalah 0,72849; 0,68010; 0,67468. Hal tersebut menunjukkan bahwa bila terdapat perubahan pada tingkat kapasitas fiskal, Investasi swasta dan TPAK berturut-turut antar waktu, maka DKI Jakarta akan mendapatkan pengaruh individu terhadap PDRB dari masing-masing variabel sebesar 0,72849%; 0,68010% dan 0,67468%. Sehingga dapat disimpulkan, variabel independen yang paling berpengaruh terhadap PDRB DKI Jakarta adalah kapasitas fiskal dengan nilai koefisien tertinggi, yaitu 0,72849 atau 0,73%
Jawa Barat
Nilai koefisien kapasitas fiskal, Investasi swasta dan TPAK berturut-turut pada Jawa Barat adalah 0,66744; 0,61905 dan 0,61362. Hal tersebut menunjukkan bahwa bila terdapat perubahan pada tingkat kapasitas
124 fiskal, Investasi swasta dan TPAK berturut-turut antar waktu, maka Jawa barat akan mendapatkan pengaruh individu terhadap PDRB dari masing-masing variabel sebesar 0,66744%; 0,61905% dan 0,61362%. Sehingga dapat disimpulkan, variabel independen yang paling berpengaruh terhadap PDRB Jawa Barat adalah kapasitas fiskal dengan nilai koefisien tertinggi, yaitu 0,66744 atau 0,67%
Jawa Tengah
Nilai koefisien kapasitas fiskal, Investasi swasta dan TPAK berturut-turut pada Jawa Tengah adalah 0,11842; 0,07003 dan 0,06461. Hal tersebut menunjukkan bahwa bila terdapat perubahan pada tingkat kapasitas fiskal, Investasi swasta dan TPAK berturut-turut antar waktu, maka Jawa Tengah akan mendapatkan pengaruh individu terhadap PDRB dari masing-masing variabel sebesar 0,11842%; 0,07003% dan 0,06461%. Sehingga dapat disimpulkan, variabel independen yang paling berpengaruh terhadap PDRB Jawa Tengah adalah kapasitas fiskal dengan nilai koefisien tertinggi, yaitu 0,11842 atau 0,12%
DI Yogyakarta
Nilai koefisien kapasitas fiskal, Investasi swasta dan TPAK berturut-turut pada DI Yogyakarta adalah -1,924421; -1,972814 dan -1,978239. Hal tersebut menunjukkan bahwa bila terdapat perubahan pada tingkat kapasitas fiskal, Investasi swasta dan TPAK berturut-turut antar waktu, maka DI Yogyakarta akan mendapatkan pengaruh individu terhadap PDRB dari masingmasing variabel sebesar 1,92442%; 1,97281% dan
-125 1,97823%. Sehingga dapat disimpulkan, variabel independen yang paling berpengaruh terhadap PDRB DI Yogyakarta adalah kapasitas fiskal dengan nilai koefisien tertinggi, yaitu -1,92442 atau -1,92%
Jawa Timur
Nilai koefisien kapasitas fiskal, Investasi swasta dan TPAK berturut-turut pada Jawa Timur adalah 0,62040; 0,66879 dan 0,614977. Hal tersebut menunjukkan bahwa bila terdapat perubahan pada tingkat kapasitas fiskal, Investasi swasta dan TPAK berturut-turut antar waktu, maka Jawa Timur akan mendapatkan pengaruh individu terhadap PDRB dari masing-masing variabel sebesar 0,66879%; 0,62040% dan 0,614977%. Sehingga dapat disimpulkan, variabel independen yang paling berpengaruh terhadap PDRB Jawa Barat adalah kapasitas fiskal dengan nilai koefisien tertinggi, yaitu 0,66789 atau 0,67%