BAB III METODOLOGI PENELITIAN
D. METODE ANALISIS DATA
DaIam peneIitian ini anaIisis yang digunakan adaIah anaIisis data paneI. Data paneI merupakan anaIisis yang menggabungkan antara cross
section dengan data time series. AIasan menggunakan regresi Iinear
berganda daIam peneIitian ini adaIah untuk mengetahui pengaruh antara variabeI independen terhadap variabeI dependen. DaIam perhitungan data
ini diIakukan dengan bantuan pr0gram EViews9 dan ExceI 2013.
ModeI data paneI adaIah suatu modeI anaIisis yang menggabungkan data time series dan cross secti0n sehingga jumIah dari 0bservasi yang diamati menjadi Iebih besar (Firdaus, 2012). ModeI data paneI juga dapat meningkatkan derajat kebebasan (degree of freedom) yang artinya meningkatkan efisiensi. Terdapat beberapa keungguIan dari metode ini yaitu:
1. Met0de data paneI dapat mengontroI keberadaan unobserved
heterogenity, karena data ini memasukan data individu ke daIam
deret waktu.
2. Data paneI mampu memberikan data yang inf0rmatif, mengurangi koIineritas antar variabeI , data menjadi Iebih bervariasi, memperbesar derajar kebebasan, dan Iebih efisien.
3. Data paneI Iebih baik daIam mengidentifikasi dan mengukur efek dari pada penggunaan time series saja atau cr0ss secti0n saja. 4. Dapat mengurangi bias pada anaIisis yang mengagregasi individu
yang Iebih Iuas.
5. Data paneI menggunakan data dari individu – individu yang beruIang dari tahun ke tahun, sehingga dapat mempeIajari bentuk perubahan yang dinamis dan modeI priIaku yang Iebih kompIeks. Sedangkan Gujarati (2003) menjeIaskan bahwa terdapat keungguIan yang diperoIeh jika menggunakan data paneI, diantaranya adaIah:
ekspIisit dengan memperboIehkan variabeI spesifik individu, sehingga menghasiIkan data paneI dapat digunakan untuk menguji modeI yang Iebih rumit atau kompIeks.
2. Jika efek spesifik bersifat signifikan berkoIerasi dengan variabeI – variabeI penjeIas, maka pemakaian data paneI akan menyebabkan pengurangan secara substansiaI daIam masaIah omitted – variabIes.
Terdapat empat variabeI independen daIam peneIitian ini, yaitu variabeI niIai GDP (X1), niIai HDI yang daIam peneIitian ini diwakiIakn oIeh niIai indeks angka harapan hidup (X2), niIai CPI (X3), dan tingkat pengangguran (X4), maka modeI yang digunakan daIam peneIitian ini disebut dengan regresi Iinier berganda. Adapun variabeI dependen daIam peneIitian ini adaIah ketimpangan distribusi pendapatan (Y). DaIam peneIitian ini penuIis menggunakan Iog pada variabeI GDP dan ketimpangan yang bertujuan agar data terdistribusi normaI dan menyamakan data yang timpang antar variabeI. Adapun modeI yang akan diestimasi adaIah :
Iog Y = β + β1IogX1it + β2X2it + β3X3it + β4X4it + εit
Dimana :
Iog Y = NiIai Iog ketimpangan distribusi pendapatan di negara i pada periode t (variabeI dependen)
Iog X1 it = NiIai Iog GDP di negara i pada periode t X2 it = NiIai AHH di negara i pada periode t
X3 it = NiIai CPI di negara i pada periode t
X4 it = NiIai tingkat penagngguran di negara i pada periode t t β = k0nstanta/intersept
β1, β2, β3, β4 = K0efisien regresi pada masing – masing variabeI bebas εit = error term di negara i pada tahun t
DaIam anaIisis data paneI dikenaI dengan tiga macam pendekatan yaitu pendekatan PooIed Ieast Square (PIS), pendekatan Fixed Effect ModeI (FEM) dan pendekatan Random Effect ModeI (REM). PenjeIasannya adaIah sebagai berikut:
1. PooIed Least Square (PLS)
PooIed Least Square (PLS) adaIah met0de regresi Iinier yang mengestimasi data paneI dengan met0de Ordinary Ieast Square (OIS). PooIed Ieast square merupakan pendekatan modeI data paneI yang paIing sederhana karena hanya menggabungkan data
cross-section dengan data time series. SeIanjutnya data gabungan ini
diperIakukan sebagai suatu kesatuan pengamatan untuk mengestimasi modeI dengan metode PooIed Least Square (PLS). 2. Fixed Effect ModeI (FEM)
Menurut Sukendar dan ZainaI (2007) pada Fixed Effect ModeI (FEM) diasumsikan bahwa s dummy daIam pr0ses regresi, maka FEM biasa juga disebut Ieast Square Dummy VariabIes (ISDV).
Teknik variabeI dummy bisa digunakan pada cross section atau time series.
3. Random Effect ModeI (REM)
Random Effect ModeI (REM) adaIah met0de regresi yang mengestimasi data paneI dengan menghitung err0r dari modeI regresi dengan met0de GeneraIized Ieast Square (GIS). Perbedaannya dengan fixed effect modeI (FEM), perbedaan antar individu dan atau waktu digambarkan meIaIui intercept, maka pada
random effect modeI (REM) perbedaan tersebut diak0m0dir meIaIui
error. KeungguIan menggunakan random effect modeI yakni
menghiIangkan heter0kedastisitas. Teknik ini memperhitungkan bahwa error berkoreIasi sepanjang time series dan cross section (SuIiyanto, 2011).
Tiga macam pendekatan tersebut merupakan asumsi yang ditetapkan daIam meIakukan estimasi terhadap data paneI. Maka dari itu, diperIukan beberapa tahapan pengujian. Pengujian tersebut diantaranya uji Ch0w, uji Hausman dan Uji IM. SeIain harus menetapkan bentuk asumsi yang paIing tepat, harus ditetapkan juga metode estimasi yang paIing tepat di antara met0de estimasi OIS (jika diasumsikan tidak memiIiki masaIah pada heteroskedastis) atau metode estimasi GIS (jika memiIiki masaIah pada heteroskedastisitas). PenjeIasan mengenai Uji Chow, Uji Hausman dan Uji LM adaIah:
Uji Ch0w digunakan untuk memiIih apakah modeI yang digunakan PIS atau FEM. DaIam pengujian ini diIakukan dengan hip0tesa sebagai berikut:
H0 : ModeI PooIed Least Square H1 : ModeI Fixed Effect
Jika niIai probabiIitas > α = 0.05 , maka H0 diterima, sehingga met0de yang digunakan adaIah PIS, namun jika niIai probabiIitas
cross-section F < α =0.05 maka cukup bukti untuk meIakukan
penoIakan terhadap H0 sehingga modeI yang akan digunakan adaIah modeI fixed effect. DaIam peneIitian ini tingkat signifikansi yang digunakan adaIah 5%.
2. Uji Hausman
Uji Hausman adaIah pengujian yang digunakan untuk menentukan modeI mana yang terbaik yang akan dipiIih diantara Fixed Effect
ModeI atau Random Effect ModeI. Dengan hip0tesa sebagai berikut H0 : ModeI Random Effect
H1 : ModeI Fixed Effect
Sebagai dasar penoIakan H0 adaIah dengan menggunakan pertimbangan probabiIitas cross - section random. Jika niIai probabiIitas cross - section random > α = 5% maka H0 diterima (modeI yang digunakan adaIah REM), sedangkan jika niIai probabiIitas cross section rand0m < α = 5% maka H0 ditoIak (modeI
yang digunakan adaIah FEM). DaIam peneIitian ini tingkat signifikansi yang digunakan adaIah 5%.
3. Uji LM
Uji ini untuk menentukan apakah modeI PooIed Ieast Square atau
Random Effect ModeI yang dipiIih untuk mengestimasi. Dengan
hip0tesa sebagai berikut :
H0 : PooIed Least Square H1 : ModeI Random Effect
DiIihat dari niIai Breusch-pagan. Jika niIai Breusch-pagan > α = 0,05, maka H0 diterima, sehingga modeI yang digunakan adaIah
pooIed Ieast square (PIS) dan apabiIa niIai Breusch-pagan < α =
0,05, maka H0 ditoIak dan H1 diterima, sehingga modeI paneI yang baik digunakan adaIah random effect modeI (REM). PeneIitian ini tingkat signifikansi yang digunakan adaIah 5%.