BAB III METODE PENELITIAN
3.4. Metode Analisis Data
Metode analisis yang digunakan dalam penelitian ini adalah dengan menggunakan pendekatan Granger Causality Test yang bertujuan untuk melihat hubungan timbal balik antara Foreign Direct Investment (FDI) dengan pertumbuhan ekonomi di ASEAN. Apabila semua variabel tidak mengandung akar unit pada derajat level, maka digunakan model VAR biasa, tetapi apabila variabel mengandung akar unit, maka variabel tersebut harus didiferensiasi dan dilakukan uji kointegrasi. Jika variabel hasil diferensi tidak menganduung akar unit dan terjadi kointegrasi, maka model yang digunakan adalah Vector Error Correction Model (VECM). Apabila variabel dalam keadaan tidak mengandung akar unit dan tidak berkointegrasi satu sama lain, maka model yang digunakan adalah Vector Auto Regression (VAR) bentuk differensiasi.
Data Time Series
Uji Stasioneritas Data
Stasioner dan Terkointegrasi Tidak Stasioner
VAR Bentuk Level Stasioner Dideferensi Data
VAR Bentuk Diferensi Terjadi Kointegrasi
VECM
Sumber: Agus Widarjono (2013)
Tahapan Pembentukan Model VAR
3.4.1. Uji Akar Unit (Testing for Unit Root)
Validitas hipotesis kausalitas FDI dan pertumbuhan ekonomi dapat dilakukan dengan cara melakukan pengujian stasioneritas terhadap masing-masing variabel yang akan dianalisis dengan uji akar unit (Unit Root Test). Pengujian dilakukan untuk mengamati apakah koefisien tertentu dari model autoregresif yang ditaksir memiliki nilai satu atau tidak. Model autoregresif tidak memiliki distribusi yang baku, maka untuk mengujinya digunakan metode yang dikembangkan oleh Dickey dan Fuller (Gujarati,1998).
Pengujian Dickey-Fuller hanya terbatas pada first-order autoregressive process atau AR(1). Asumsi white noise error tidak berlaku jika data time series berkorelasi pada lag yang lebih tinggi. Untuk pengujian akar unit dengan tingkat yang lebih tinggi dapat dilakukan dengan menggunakan Augmented Dickey Fuller (ADF).
Adapun formula dari Augmented Dickey Fuller dapat dinyatakan sebagai berikut: t= β1 + β2t + Yt-1+αt t-1 + t ……...……….. (3.1) Nilai DF atau ADF yang dihasilkan dapat dibandingkan dengan nilai kritisya. Jika hasil perhitungan DF atau ADF nilainya lebih besar dibandingkan nilai kritisnya, maka Ho yang menyatakan bahwa tidak ada akar unit dapat ditolak. Dengan kata lain bahwa variabel yang diamati telah stasioner.
3.4.2. Penentuan Lag Lenght
Salah satu masalah yang terdapat dalam model ekonomietrik adalah penentuan panjang kelambanan (lag lenght). Apabila lag yang digunakan terlalu
sedikit, maka residual dalam regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual error secara tepat. Sedangkan apabila lag yang digunakan terlalu banyak justru sapat mengurangi kemampuan menolah H0 karena penambahan parameteryang terlalu banyak akan mengurangi derajat bebas.
Panjang lag optimal dapat menggunakan beberapa kriteria seperti Akaike Information Criteria (AIC), Hannan Quinn Criteria (HQC) dan Schward Bayesian Criteria (SBC) yang dirumuskan sebagai berikut:
... (3.2) ... (3.3) ... (3.4) Keterangan: T = Ukuran sampel k = Jumlah variabel
p = Nilai p yang meminimumkan kriteria informasi dalam interval 1,..,pmax yang diamati
Panjang kelambanan optimal dapat terjadi jika nilai-nilai kriteria tersebut mempunyai nilai absolut yang paling kecil.
3.4.3. Uji Kointegrasi (Cointegration Test)
Setelah mengetahui bahwa data FDI dan pertumbuhan ekonomi stasioner, maka selanjutnya dilakukan uji kointegrasi yang bertujuan untuk mengetahui apakah ada hubungan keseimbangan jangka panjang antara dua variabel tersebut. Hubungan keseimbangan jangka panjang antara variabel FDI dan pertumbuhan ekonomi dapat diuji dengan menggunakan Johansen Test. Johansen menyarankan
melakukan dua uji statistik untuk menentukan jumlah dari arah kointegrasi tersebut. Pertama, uji trace (trace test, λtrace) yaitu menguji hipotesis nol (null
hypothesis) dengan syarat bahwa jumlah arah kointegrasi adalah kurang dari atau sama dengan p. Uji ini dapat dilakukan dengan persamaan:
... (3.5) Dimana λr+1, … , λn adalah nilai eigen vector terkecil (p – r). Null hypothesis yang telah disepakati merupakan jumlah dari kointegrasi sama banyaknya dengan r. Dengan kata lain, jumlah vektor kointegrasi lebih kecil atau sama dengan r, dimana r = 0, 1, 2 dan seterusnya.
Kedua, uji maksimum eigen value (λmax) dengan menggunakan persamaan: ... (3.6) Uji ini berkaitan dengan uji null hypothesis bahwa dimana terdapat r dari vektor kointegrasi. Hubungan kointegrasi dilihat dari besarnya nilai trace statistik dan maximum Eigen statistik yang dibandingkan dengan critical value pada tingkat kesalahan 1%, 5%, ataupun 10%.
3.4.4. Granger Causality Test
Pengujian dengan menggunakan metode Granger Causality Test
digunakan untuk melihat hubungan timbal balik antara FDI dan pertumbuhan ekonomi di ASEAN. Dengan demikian, dapat diketahui apakah kedua variabel tersebut mempunyai hubungan dua arah atau hanya satu arah saja (tidak saling mempengaruhi). Berikut ini model Granger Causality Test :
FDIt = i FDIt-i + j GDPt-j + μt ………... (3.3) GDPt = i GDPt-i + j FDIt-j + μ2t ………... (3.4)
Dimana:
GDP = Pertumbuhan Ekonomi di ASEAN FDI = Foreign Direct Investment μ = Error Terms
Berdasarkan hasil regresi dari kedua bentuk model regresi linear diatas akan dihasilkan empat kemungkinan keadaan hubungan, yaitu:
• Jika i
≠0 dan
j= 0,
maka terdapat kausalitas searah antara GDP ke FDI.
• Jika
j≠0 dan
i= 0 ,
maka terdapat kausalitas searah antara FDI ke GDP.
• Jika
i≠0 dan
j≠ 0 ,
maka terdapat kausalitas bilateral (dua arah) antara FDI dan GDP
.
• Jika
i=0 dan
j= 0,
maka FDI maupun GDP tidak saling berhubungan (independen).
Untuk memperkuat indikasi keberadaan berbagai bentuk kausalitas diatas maka dapat dilakukan F-Test untuk masing-masing regresi.
3.4.5. Model Vector Auto Regression (VAR)
VAR digunakan sebagai sistem untuk meramal variabel time series yang saling berhubungan dan menganalisis dampak dinamis dari gangguan yang bersifat random. VAR tidak perlu membedakan variabel eksogen dan variabel endogen, namun diperlukan kelambanan variabel untuk melihat hubungan antara variabel. Model VAR yang digunakan dalam model VAR adalah:
... (3.8) Dengan menggunakan model VAR, maka dapat diamati pergerakan atau tren data – data yang diamati sehingga dapat dilakukan peramalan. Peramalan ini merupakan sebuah eksrapolasi nilai saat ini dan dimasa depan dengan menggunakan informasi dimasa lalu.
3.4.6. Vector Error Correction Model (VECM)
Engel dan Granger menunjukkan bahwa meskipun data time series sering tidak stasioner pada tingkat level, tetapi kombinasi linier antara dua atau lebih data yang tidak stasioner dapat diubah menjadi stasioner. Model VECM digunakan dalam model VAR non structural apabila data time series tidak stasioner pada data diferensi dan terkointegrasi, sehingga menunjukkan hubungan teoritis antar variabel.
Spesifikasi VECM meretriksi hubungan jangka panjang antara variabel agar kovergen dalam hubugan kointegrasi, namun tetap membiarkan perubahan dinamis dalam jangka pendek. Model VECM terdiri atas dua persamaan, yaitu:
... (3.9)
... (3.10) Dalam model VECM terdapat et-1 yang merupakan koreksi kesalahan dalam