DAFTAR LAMPIRAN
D. Metode Analisis Data
Metode analisis yang digunakan dalam penelitian ini adalah menggunakan analisis data panel dengan menggunakan Software yaitu Microsoft Ecxel 2010 dan kemudian diolah menggunakan E-Views 6. Ada 3 teknik pendekatan mendasar yang digunakan dalam mengestimasi model regresi dengan data panel, yaitu:
1. PendekatanPooled Least Square
Metode pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar daerah sama dalam berbagai kurun waktu (Widarjono, 2009). Model ini hanya menggabungkan kedua data tersebut tanpa melihat perbedaan antar waktu dan individu sehingga dapat dikatakan bahwa model ini sama halnya dengan metode OLS (Ordinary Least Square) karena menggunakan kuadrat kecil biasa. Pada beberapa penelitian data panel, model ini seringkali tidak pernah digunakan sebagai estimasi utama karena sifat dari model ini yang tidak
Analisis data menggunakan model regresi berganda yang digunakan untuk
mengetahui pengaruh Belanja Modal (BM), Belanja Operasi (BO) terhadap Tingkat Produk Domestik Regional Bruto (PDRB) Daerah Provinsi di Sumatera dengan menggunakan metode OLS (Ordinary Least Square).
PDRBit= β0i+β1BMit+ β2BOit+ εit. (3.1) Keterangan:
PDRBit= PDRB Provinsi, dinyatakan dalam rupiah
BMit= Total Belanja Modal Pemerintah Provinsi, dinyatakan dalam juta rupiah BOit= Total Belanja Operasi Pemerintah Provinsi, dinyatakan dalam juta rupiah β0i= Intersep
β1= Koefisien variabel bebas i = Provinsi-provinsi di Sumatera t = Data time series
εit= Variabel gangguan
3. PendekatanFixed Effect
Teknik modelFixed Effectadalah teknik mengestimasi data panel dengan
41
mengatasi hal tersebut, yang dilakukan dalam data panel adalah dengan memasukkan
Dummy Variabeluntuk mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas unitcross sectionmaupun antar waktu (time-series). Pendekatan dengan memasukkan dummy variabel ini dikenal dengan sebutan model efek tetap (fixed effect) atauLeast Square Dummy Variabel(LSDV).
Secara umum, pendekatan fixed effect dapat dituliskan sebagai berikut:
PDRBit= α0+α01D1i+α02D2i+α3D3i+α4D4i+α5D5i+α6D6i+α7D7i+α8D8i+α9D9i+
β1lnBMit+β2lnBOit+εit (3.2)
Variabel di D1i= 1 untuk objek pertama dan 0 untuk objek lainnya. Variabel D2i= 1 untuk objek kedua dan 0 untuk objek lainnya. Variabel semu D3i= 1 untuk objek ketiga dan 0 untuk objek lainnya dan seterusnya. Dengan menggunakan pendekatan ini, akan terjadidegree of freedomsebesar NT - N - K. Keputusan memasukkan variabel boneka ini harus didasarkan pada pertimbangan statistik. Hal tersebut disebabkan, dengan melakukan penambahan variabel boneka akan dapat mengurangi jumlahdegree of freedomyang pada akhirnya akan mempengaruhi koefisien dari parameter yang diestimasi.
3. PendekatanRandom Effect
Dimasukkannya variabel dummy didalam modelFixed Effectbertujuan untuk mewakili ketidaktahuan kita tentang model sebenarnya. Namun, ini juga membawa konsekuensi berkurangnya derajat kebebasan (Degree Of Freedom) yang pada
persamaan:
PDRBit=βoi+β1BMit+β2BOit+uit
Disiniβoitidak diperlakukan sebagaifixed, kita mengasumsikan bahwa konstanta adalah variabel acak dengan nilai rata-rataβ0. Dan nilai intersep untuk masing-masing unit cross-section dapat dituliskan sebagai:
βoi=βi +εi = 1, 2, ..., N
Dimanaεi adalahrandom error termdengan nilai rata-rata adalah nol dan variasi adalah α2ε. Secara esensial, kita ingin mengatakan bahwa semua individu yang masuk ke dalam sampel diambil dari populasi yang lebih besar dan mereka memiliki nilai rata-rata yang sama untuk intercept (βi) dan perbedaan individual dalam nilai intercept setiap individu akan direfleksikan dalamerror term(ui). Dengan demikian persamaan REM awal dapat dituliskan kembali menjadi:
PDRBit=βo+β1BMit+β2BOit+εi+ uit PDRBit=βo+β1BMit+β2BOit+ wit (3.3) Dimana
43
Error termkini adalah wityang terdiri dariεidan uit.εiadalahcross-section (random) error component, sedangkan uitadalahcombined error component. Untuk alasan inilah, REM sering juga disebuterror components model(ECM).
Beberapa pertimbangan yang dapat dijadikan acuan untuk memilih antarafixed effect
ataurandom effectadalah (Gujarati, 2010):
a) Bila T (banyaknyaunit time series) besar sedangkan N (jumlahunit cross section) kecil, maka hasilfixed effectdanrandom effecttidak jauh berbeda, sehingga dapat dipilih pendekatan yang lebih mudah untuk dihitung, yaitu fixed effect model.
b) Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan akan berbeda jauh. Apabila diyakini bahwa unitcross sectionyang dipilih dalam penelitian diambil secara acak, makarandom effectharus digunakan. Sebaliknya apabila diyakini bahwaunit cross sectionyang dipilih dalam penelitian tidak diambil secara acak, maka harus menggunakanfixed effect.
c) Apabila komponenerror individual(εi) berkolerasi dengan variabel bebas X, maka parameter yang diperoleh denganrandom effectakan bias sementara parameter yang diperoleh denganfixed effecttidak bias.
d) Apabila N besar dan T kecil, kemudian apabila asumsi yang mendasarirandom effectdapat terpenuhi, makarandom effectlebih efisien dibandingkanfixed effect
panel, maka terdapat beberapa pengujian yang dapat dilakukan, antara lain:
1.Chow Testadalah pengujian untuk memilih apakah model yang digunakanPooled Least Square ModelatauFixed Effect Model. Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut:
- H0:Pooled Least Square Model
- H1:Fixed Effect Model
Dasar penolakan terhadap hipotesis nol tersebut adalah dengan menggunakan F Statistik seperti yang dirumuskan oleh Chow:
=( )/ ( 1)
/( ) ( 1, )
Dimana pengujian ini mengikuti distribusi F yaitu F K (N–1, NT–N–K). Jika nilai
CHOW Statistics(F Statistic) hasil pengujian lebih besar dari F Tabel, maka melakukan penolakan terhadap H0, begitu juga sebaliknya.
b)Hausman Testadalah pengujian statistik sebagai dasar pertimbangan dalam memilih apakah menggunakanFixed Effect ModelatauRandom Effect Model. Pengujian ini dilakukan dengan hipotesis sebagai berikut:
- H0:Random Effects Model
- H1:Fixed Effects Model
45
Sebagai dasar penolakan H0maka digunakan statistik Hausman dan
membandingkannya denganChi square. Statistik Hausman dirumuskan dengan: Jika nilai H hasil pengujian lebih besar dari A2(k), maka cukup bukti untuk melakukan penolakan terhadap H0sehingga model yang digunakan adalahFixed Effect Model, begitu juga sebaliknya.