BAB III METODE PENELITIAN
E. Metode Analisis Data
1. Metode Data Panel
Peneliti menggunakan metode analisis data pada penelitian ini yaitu metode analisis kuantitatif dengan menggunakan data panel. Menurut Hansen (2006)
45
menyebutkan data panel adalah sekumpulan pengamatan yang ditinjau pada individu yang kemudian dikumpulkan dari waktu ke waktu. Sedangkan dalam teori ekonometrika data panel adalah data yang digabungkan antara cross section dan time series. Dalam penelitian ini, peneliti mengkaji tujuh provinsi di Kawasan Timur Indonesia yaitu Provinsi Nusa Tenggara Timur, Nusa Tenggara Barat, Gorontalo, Maluku, Maluku Utara, Papua Barat dan Papua sebagai data cross section. Sedangkan, peneliti memilih tahun 2015 β 2018 sebagai data time series. Untuk pengolahan data peneliti menggunakan Eviews 9 sebagai media penghitungan pengaruh secara statistik, sedangkan software Microsoft excel sebagai alat bantu bagi peneliti dalam Menyusun data yang akan dikelola.
Satu variabel terikat yang dilakukan dalam penelitian ini berupa Kemiskinan sebagai (Y) sedangkan untuk variabel bebasnya peneliti menggunakan empat variabel yaitu Indeks Pembangunan Manusia, Jumlah Penduduk, Konsumsi dan Penanaman Modal Dalam Negeri yang terpilih dan memiliki data yang lengkap. Hal tersebut menjadi variabel bebas yaitu Indeks Pembangunan Manusia (X1),Jumlah Penduduk (X2) Konsumsi (X3) dan Penanaman Modal Dalam Negeri (PMDN) (X4). Yang kemudian data tersebut dibuat model persamaan yang diperkirakan dalam penelitian ini yaitu :
Keterangan : πβ ππ‘= π½0+ π½1πΌππππ‘+ π½2πβ πππ’ππ’π + π½3πΎπππ π’ππ πππ‘+ π½4πππ·πππ‘+ β ππ‘
46
πβ ππ‘ = Kemiskinan kabupaten atau kota (i) di provinsi Nusa Tenggara Timur periode t.
πΌππππ‘ = Indeks Pembangunan Manusia di tujuh provinsi (i) Kawasan Timur
Indonesia periode t.
πβ πππ’ππ’πππ‘ = Jumlah Penduduk di tujuh provinsi (i) Kawasan Timur Indonesia periode t.
πΎπππ π’ππ πππ‘ = Konsumsi di tujuh provinsi (i) Kawasan Timur Indonesia periode t.
πππ·πππ‘ = PMDN di tujuh provinsi (i) Kawasan Timur Indonesia periode t.
π½0 = Konstanta
π½1, π½2, π½3 , π½4 = Koefisien Regresi
β ππ‘ = error term di tujuh provinsi (i) Kawasan Timur Indonesia periode (t)
Menurut Suliyanto (2011) panel data memiliki keunggulan atau kelebihan daripada data time series maupun data cross section. Yaitu :
1) Dibandingkan dengan data cross section dan time series, tingkat heterogenitas yang tinggi diperoleh melalui panel data. Hal tersebut terjadi karena data yang diperoleh lebih banyak yaitu melalui beberapa waktu dengan melibatkan beberapa individu. Melalui heterogenitas dalam data panel yang kita pergunakan dapat memperkirakan karakteristik bagi setiap individu.
2) Meninjau kemampuan, panel data dapat memberikan data informasi yang lebih luas, bervariasi, dan rendahnya tingkat kolinearitas. Hal tersebut terjadi dikarenakan penggabungan antara data time series dan data cross section.
47
3) Karena data yang dimiliki cross section berulang β ulang (series), panel data sesuai dengan studi perubahan dinamis.
4) Selain itu, melalui panel data estimasi yang tidak dapat diprediksi oleh cross section dan time series, panel data dapat mendeteksi dan mengukurnya.
5) Kemampuan panel data dapat mempelajari perilaku yang lebih sulit. 2. Regresi Data Panel
Untuk melakukan estimasi model analisis regresi data panel dilakukan melalui tiga pendekatan yaitu menggunakan Common Effect Model, Fixed Effect Model dan yang terakhir menggunakan Random Effect Model.
a. Common Effect Model
Menurut Azizah & Kusuma (2018)Common Effect adalah data yang paling sederhana, mengasumsikan bahwa data gabungan yang menunjukkan kondisi sesungguhnya dimana nilai intersep dari masing-masing variabel adalah sama dan slope koefisien dari variabel-variabel yang digunakan identik untuk semua.
Menurut Faurana, Metode ini tidak jauh berbeda dengan membuat regresi menggunakan data cross section ataupun time series. Hal yang perlu dilakukan melalui data panel maka dibutuhkan penggabungan antara cross
section dan time series. Selanjutnya pengolahan data dilakukan dalam bentuk
kesatuan pengamatan yang bertujuan untuk mengestimasi model melalui metode ordinary least square (OLS) .
48
Model Common Effects merupakan satu dari pilihan model yang mudah dan paling sederhana dari estimasi data panel daripada Model Fixed Effects dan Model Random Effects. Dimana model tersebut merupakan penggabungan antara data cross section dan data time series melalui data tersebut dapat mengubahnya menjadi data panel yang kemudian kita dapat meregresikannya menggunakan metode Ordinary Least Square (OLS). Untuk menjadikan konstanta (intersep) dan koefisien regresi parsial (slope) dalam setiap individu maupun waktu bersifat tetap yaitu dengan mengabaikan dimensi individu maupun waktu pada model.
b. Fixed Effect Model
Model ini bertujuan untuk melihat perbedaan intersep yang digunakan dalam mengestimasikan ketidaksamaan antar individu. Melalui Teknik variabel dummy, model ini memanfaatkannya untuk mengulas perbedaan intersep secara individu, diana perbedaan tersebut berasal dari akibat terdapatnya perbedaan karakteristik antar individu. Akan tetapi walaupun seperti itu, slope yang dimiliki tiap individu tidak memiliki perbedaan (sama).
Model ini adalah untuk melihat perbedaan intersep yang digunakan dalam mengestimasikan ketidaksamaan antar individu.
Melalui teknik variabel dummy, model ini memanfaatkannya untuk mengulas perbedaan intersep secara individu, dimana perbedaan tersebut berasal dari akibat terdapatnya perbedaan karakteristik antar individu. Akan tetapi
49
walaupun seperti itu, slope yang dimiliki tiap individu tidak memiliki perbedaan yang berarti sama.
c. Random Effect Model
Asumsi yang dimiliki oleh model ini adalah antara konstanta dan koefisien regresi (slope) memiliki perbedaan, dimana perbedaan tersebut diakibatkan oleh residual/error yang mengakibatkan terjadinya perbedaan yang dimiliki antar objek dan antar periode waktu. Square (GLS) adalah suatu metode yang dipilih lalu disesuaikan dalam model ini.
3. Penentuan Model Regresi Data Panel
Model regresi data panel yang paling baik ditentukan melalui tiga uji, dimana uji tersebut dapat menjelaskan perilaku data hasil observasi, uji tersebut adalah uji Chow, uji Hausman dan uji Lagrange Multiplier.
1. Uji Chow
Uji Chow dilakukan untuk perbandingan dan pemilihan model yang terbaik antara common effect dengan fixed effect. Adapun hipotesis dalam menentukan model uji Chow yang terbaik yaitu H0 yang mengukur jika model common effect adalah model terbaik, sedangkan H1 yang memiliki tolak ukur jika model fixed effect merupakan model yang terbaik.
50 2. Uji Hausman
Uji Hausman dilakukan untuk perbandingan dan pemilihan model yang terbaik antara fixed effect dengan random effect. Adapun hipotesis dalam menentukan model uji Hausman yang terbaik yaitu H0 yang mengukur jika model fixed effect adalah model terbaik, sedangkan H1 yang memiliki tolak ukur jika model random effect merupakan model yang terbaik.
3. Uji Lagrange Multiplier (Uji LM)
Uji LM dilakukan untuk perbandingan dan pemilihan model yang terbaik antara common effect dengan random effect. Dalam melakukan uji LM biasanya menggunakan metode Breusch Pagan. Adapun formula untuk menghitung nilai statistik LM sebagai berikut :
Yaitu :
n = jumlah individu T = jumlah periode waktu
e = residual metode common effect
Adapun hipotesis dalam menentukan model uji lagrange multiplier yang terbaik yaitu H0 yang mengukur jika model common effect adalah model terbaik, sedangkan H1 yang memiliki tolak ukur jika model random effect merupakan model yang terbaik.
51
Melalui distribusi chi-square dengan degree of freedom sebesar jumlah variabel independen didapatkan uji LM. Jika nilai kritis statistic chi-square lebih kecil daripada nilai LM statistik maka hipotesis satu diterima, sehingga estimasi yang sesuai dalam regresi data panel adalah model random effect. Sedangkan jika nilai kritis statistic chi-square lebih besar daripada nilai LM statistic maka hipotesis nol diterima, sehingga estimasi yang sesuai dalam regresi data panel adalah model common effect.
Variabel dependen yang digunakan dalam penelitian ini adalah Kemiskinan, sedangkan variabel independen yang digunakan dalam penelitian ini adalah : Indeks Pembangunan Manusia, Jumlah Penduduk, Konsumsi dan Penanaman Modal Dalam Negeri (PMDN) yang dihitung berdasarkan Badan Pusat Statistik (BPS).