Data yang digunakan dalam penelitian ini adalah data panel yang merupakan gabungan antara data runtun waktu (times series) dan data silang daerah (cross-section) (Gujarati & Porter, 2012). Data times series dalam penelitian ini adalah tahun 2010, 2012, 2014, 2016, dan 2018. Sedangkan data cross-section dalam penelitian ini terdiri dari negara Filipina, Indonesia, Kamboja, Malaysia, Myanmar, Thailand, Timor Leste, dan Vietnam. Dalam penelitian ini, menggunakan program Eviews 9.0 dan Excel 2007 untuk mencari hasil estimasi terbaik. Sesuai dengan data yang telah diambil, maka pendekatan yang dipakai adalah pendekatan kuantitatif dimana pendekatan ini menekankan pada angka dalam penelitian.
41 Dengan mengkombinasikan data time series dan cross-section maka data panel ini memiliki keunggulan sebagai berikut (Gujarati & Porter, 2012).
a) Kombinasi observasi time series dan cross section membuat data panel memberikan data yang lebih informatif, bervariasi, dan kolinearitas lebih kecil antara variabel – variabel serta lebih efisien.
b) Dampak yang secara sederhana tidak dapat dilihat pada data cross section murni maupun time series murni, namun bisa dideteksi dengan data panel.
c) Mampu mengendalikan heterogenitas”individu.
d) Memberikan data yang informatif dan meminimalisir kolinearitas antar variabel,,,serta meningkatkan derajat kebebasan (Degree of Freedom) sehingga data menjadi lebih”efisien.
e) Data panel lebih baik digunakan untuk mempelajari dinamika perubahan karena terkait dengan observasi pada cross-section yang sama secara berulang.
f) Mampu menganalisis, menguji, dan,,mengembangkan model perilaku yang lebih kompleks.
Model analisis yang digunakan dalam penelitian ini adalah analisis regresi linear berganda. Model ini digunakan untuk mengetahui pengaruh dari variabel independen Keterbukaan Perdagangan, E – Government, dan Kualitas Regulasi terhadap variabel Indeks Persepsi Korupsi. Model persamaan yang akan diestimasi dalam penelitian ini adalah sebagai berikut.
𝒀 = 𝜷𝟎+ 𝜷𝟏𝑿𝟏𝒊𝒕+ 𝜷𝟐𝑿𝟐𝒊𝒕+ 𝜷𝟑𝑿𝟑𝒊𝒕+ 𝝐𝒊𝒕
42 Dimana :
𝒀 = Indeks Persepsi Korupsi (IPK)
𝜷𝟎 = Konstanta
𝜷𝟏, 𝜷𝟐, 𝜷𝟑 = Koefisien Regresi
𝑿𝟏𝒊𝒕 = Keterbukaan Perdagangan di negara i pada periode t 𝑿𝟐𝒊𝒕 = E – Government di negara i pada periode t
𝑿𝟑𝒊𝒕 = Kualitas Regulasi di negara i pada periode t 𝝐𝒊𝒕 = Error term di negara i pada periode t
Dalam mengestimasi data panel dalam penelitian ini dapat dilakukan dengan tiga model regresi yaitu :
1. Pooled Least Square (PLS)
Merupakan pendekatan model data panel yang paling sederhana karena hanya dengan mengkombinasikan data time series dan cross-section dalam bentuk pool, dan menggunakan teknik kuadrat terkecil atau least square untuk mengestimasi koefisiennya. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data antar negara tidak berbeda dalam berbagai rentang waktu. Asumsi ini kurang tepat untuk digunakan karena sangat jauh dari realita, karena setiap negara memiliki perbedaannya masing – masing.
2. Fixed Effects Model
Asumsi pembuatan model yang menghasilkan intersep konstan untuk setiap individu (i) dan waktu (t) dianggap kurang realistis sehingga dibutuhkan model
43 yang lebih dapat menangkap perbedaan tersebut. Model Fixed Effects mengasumsikan bahwa koefisien regresi tetap antar negara dan waktu namun intersepnya berbeda antar negara namun sama antar waktu. Untuk mengestimasi model Fixed Effects dengan intersep berbeda antar individu, maka digunakan teknik variabel dummy. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
3. Random Effects Model
Di dalam mengestimasi data panel dengan model Fixed Effects melalui teknik LSDV menunjukkan ketidakpastian model yang digunakan. Untuk mengatasi masalah ini kita bisa menggunakan variabel residual yang dikenal sebagai model Random Effects. Model ini mampu mengestimasi data panel yang memiliki permasalahan pada variabelnya yang mungkin saling berhubungan antar time series dan cross-section. Pada mode ini perbedaan intersep diakomodasi oleh error terms oleh masing – masing individu.
Sedangkan untuk menentukan metode mana yang lebih sesuai dengan penelitian ini maka diperlukan uji spesifikasi model sebagai berikut.
1. Uji Chow
Uji Chow digunakan untuk menentukan apakah model yang dipilih Pooled Least Square atau model Fixed Effect merupakan model yang paling tepat untuk digunakan dalam mengestimasi data panel. Hipotesis yang digunakan dalam Uji Chow adalah :
H0 : Pooled Least Square H1 : Fixed Effect Model
44 Apabila nilai probabilitas < (0.05) maka H0 ditolak dan terima H1, yang berarti model yang paling tepat untuk digunakan dalam mengestimasi data panel adalah model Fixed Effect. Namun apabila nilai probabilitasnya > (0.05) maka H0 diterima dan H1 ditolak, sehingga model yang tepat untuk digunakan dalam mengestimasi data panel adalah Pooled Least Square.
2. Uji Hausman
Uji hausman dilakukan untuk menguji model terbaik yang paling tepat untuk digunakan dalam penelitian ini antara model Fixed Effect dan model Random Effect. Hipotesis yang digunakan dalam uji hausman ini adalah :
H0 : Random Effect Model H1 : Fixed Effect Model
Apabila nilai probabilitas < (0.05) maka H0 ditolak dan terima H1, yang berarti model yang paling tepat untuk digunakan dalam mengestimasi data panel adalah model Fixed Effect. Namun apabila nilai probabilitasnya > (0.05) maka H0 diterima dan H1 ditolak, sehingga model yang tepat untuk digunakan dalam mengestimasi data panel adalah model Random Effect.
3. Uji Lagrange Multiplier (LM)
Uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model random effect atau Pooled Least Square yang paling tepat digunakan. Hipotesis yang digunakan dalam uji lagrange multiplier ini adalah :
H0 : Pooled Least Square H1 : Random Effect Model
45 Apabila nilai probabilitas < (0.05) maka H0 ditolak dan terima H1, yang berarti model yang paling tepat untuk digunakan dalam mengestimasi data panel adalah model Random Effect. Namun apabila nilai probabilitasnya > (0.05) maka H0 diterima dan H1 ditolak, sehingga model yang tepat untuk digunakan dalam mengestimasi data panel adalah Pooled Least Square.
1. Uji Asumsi Klasik
Pengujian ini diperlukan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Uji – uji yang digunakan dalam penelitian ini adalah sebagai,,berikut.
a) Uji Normalitas
Uji normalitas adalah pengujian yang dilakukan untuk melihat apakah data berdistribusi normal atau tidak normal dalam sebuah penelitian (Ghozali, 2012).
Untuk melihat data normalitas atau tidak biasanya digunakan uji normalitas yang dilihat dari sebuah probabilitas yang ada. Dalam penelitian ini menggunakan Jarque-Bera Test, apabila nilai Jarque-Bera lebih besar dari nilai (0.05) maka data tersebut berdistribusi normal begitupun sebaliknya.
b) Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah terdapat data yang berkaitan”atau”hubungan yang sempurna antar variabel – variabel independen. Jika di dalam pengujian ternyata”didapatkan sebuah kesimpulan bahwa antara variabel independen saling terikat maka model regresi yang digunakan tidak baik. Untuk menguji multikolinearitas peneliti menggunakan uji,,correlation. Jika nilai dari
46 variabel – variabel independen menunjukkan nilai < 0.8 maka data tersebut terbebas dari masalah multikolinearitas, dan sebaliknya jika////nilai menunjukkan > 0.8 maka data tersebut terdapat masalah multikolinearitas.
c) Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Untuk melihat apakah ada atau tidaknya heteroskedastisitas dalam model regresi dapat menggunakan uji Glejser. Jika nilai probabilitas dari hasil antara setiap variabel lebih besar dari (0.05) maka tidak terjadi heteroskedastisitas.
d) Uji Autokorelasi
Uji Autokorelasi adalah pengujian ada atau tidaknya korelasi antara error term pada suatu observasi dengan error term pada observasi lain, dengan kata lain munculnya suatu data”dipengaruhi”oleh data sebelumnya. Masalah autokorelasi lebih sering muncul pada data yang bersifat time series serta dapat terjadi baik pada regresi sederhana maupun regresi”berganda. Dalam penelitian ini menggunakan uji”Durbin Watson, dimana kita akan membandingkan nilai Durbin Watson dengan dua nilai Durbin Watson Tabel, yaitu Durbin Upper (DU) dan Durbin Lower (DL).
Jika nilai DW > DU dan (4-DW) > DU atau bisa dinotasikan juga sebagai berikut:
(4-DW) > DU < DW maka tidak terdapat”autokorelasi.
2. Uji Hipotesis
Uji hipotesis digunakan untuk menguji koefisien regresi hasilnya signifikan atau tidak. Terdapat uji hipotesis koefisien regresi yaitu :
47 a) Uji Koefisien Determinasi
Uji koefisien determinasi dilakukan untuk melihat seberapa besar hubungan antara variabel independen mampu memberi penjelasan terhadap variabel dependen dengan melihat nilai koefisien determinasi total (R2). Besarnya nilai koefisien determinasi antara 0 – 1, semakin mendekati angka 1 maka pengaruh antara dua variabel semakin baik atau semakin kuat model tersebut dalam menerangkan hubungan antara variabel independen dan dependen. Begitu pun sebaliknya, semakin menjauh dari angka 1 maka pengaruh antara dua variabel semakin buruk atau lemah mode tersebut dalam menerangkan hubungan antara variabel independen dan dependen.
Dalam penelitian ini, penulis juga akan menggunakan adjusted R2 dengan definisi koefisien..determinasi yang telah disesuaikan dengan jumlah variabel dan observasinya. Adjusted R2 lebih menggambarkan?kemampuan yang sebenarnya dari variabel independen guna menjelaskan variabel dependennya.
b) Uji F (Simultan)
Uji F digunakan untuk mengetahui apakah semua variabel independen yang digunakan”dalam penelitian mempunyai pengaruh yang sama terhadap variabel dependen. Keputusan didasarkan pada nilai probabilitas yang didapatkan dari hasil pengolahan data. Jika nilai probabilitas F hitung < (0.05) maka bisa dikatakan bahwa model regresi yang diestimasi layak, begitupun sebaliknya. Jika nilai probabilitas F hitung > (0.05) maka bisa dikatakan bahwa model regresi yang diestimasi tidak layak yang berarti tidak ada variabel independen yang mempengaruhi variabel dependennya.
48 c) Uji t (Parsial)
Uji t dilakukan untuk memastikan seberapa jauh pengaruh masing - masing variabel independen secara individual dalam menerangkan variabel dependen (Ghozali, 2012). Hal ini dapat dilihat dari nilai probabilitas t hitung. Jika nilai probabilitas t hitung dari variabel dependen < (0.05) maka variabel dependen berpengaruh signifikan terhadap variabel terikat pada = 5% (0.05). Model yang diduga akan semakin baik apabila semakin banyak variabel independen yang berpengaruh signifikan terhadap variabel dependen.
F. Operasional Variabel Penilitian