Jenis dan Sumber Data
Data yang digunakan dalam data penelitian kali ini menggunakan data sekunder time series tahunan periode 1990-2011. Data yang digunakan dalam penelitian ini mencakup data Pendapatan Domestik Regional Bruto (PDRB) provinsi Jawa Barat, Panjang Jalan (Km), investasi yang diteliti adalah dalam bentuk penanaman modal yaitu Perkembangan Realisasi Penanaman Modal Asing (PMA), Perkembangan Realisasi Penanaman Modal dalam Negeri (PMDN), tenaga kerja, (AK) dan Pengeluaran Pemerintah dalam bentuk belanja modal (EXPD). Sumber-sumber tersebut diperoleh dari Badan Pusat Statistik (BPS), Badan Koordinasi Penanaman Modal (BKPM), selain itu sumber data dan literatur yang digunakan berasal dari penelusuran internet dan literatur terkait.
Metode Analisis dan Pengolahan Data
Metode analisis yang digunakan dalam penelitian ini adalah metode analisis regresi berganda. Teknik estimasi variabel dependen yang digunakan adalah Ordinary Least Square (OLS), diharapkan dengan menggunakan metode ini dapat diketahui pengaruh dari investasi, tenaga kerja, dan infrastruktur terhadap pertumbuhan ekonomi di provinsi Jawa Barat. Pengolahan data dilakukan dengan bantuan Microsoft Excel 2007, Minitab 16, dan Eviews 6.
Analisis regresi berganda pada dasarnya adalah studi ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata-rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati 2003).
Model Penelitian
Model yang digunakan dalam penelitian mengacu pada teori pendekatan Neo-Klasik Solow-Swan didasarkan pada fungsi produksi yang sudah dikenal, yang menyatakan bahwa output bergantung pada persediaan modal dan angkatan kerja yang dituliskan pada persamaan berikut:
dimana:
Y : Produk Domestik Regional Bruto (PDRB) K : Pembentukan Modal
L : Tenaga Kerja
Berdasarkan penelitian Guseh (1997), Alexiou (2009), Cooray (2009), dan Sahoo, et al. (2010) pengeluaran pemerintah dalam bentuk belanja modal (G) dapat dimasukkan sebagai variabel independen dan dirumuskan sebagai:
Perumusan model yang digunakan berdasarkan pada model umum pertumbuhan ekonomi dengan elaborasi yang mengacu pada model dalam penelitian Alexiou (2009), Candra (2012), Rustiono (2008), dan Sahoo, et al. (2010). Model yang digunakan untuk menganalisis pengaruh investasi, tenaga kerja, pengeluaran pemerintah, dan infrastruktur di provinsi Jawa Barat adalah:
PDRBt =f(AKt, EXPDt, PMAt, PMDNt, RDt)
Dalam penelitian ini, model pertumbuhan ekonomi Provinsi Jawa Barat dirumuskan sebagai berikut:
Dimana:
: Logaritma Natural untuk Produk Domestik Regional Bruto Atas Dasar Harga Konstan (persen)
: Logaritma Natural untuk Jumlah Angkatan Kerja yang Bekerja (persen)
: Logaritma Natural untuk Pengeluaran Pemerintah dalam bentuk Belanja Modal (persen)
: Logaritma Natural untuk Realisasi Penanaman Modal Asing (persen)
: Logaritma Natural untuk Realisasi Penanaman Modal Dalam Negeri (persen)
: Logaritma Natural untuk Panjang Jalan (persen)
: Nilai Koefisien regresi dari masing-masing variabel bebas : Konstanta
: Kesalahan Pengganggu (error)
Definisi Operasional Variabel
Analisis regresi berganda pada dasarnya adalah studi ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata-rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati 2003). Adapun variabel memiliki definisi operasional variabel sebagai berikut:
1. Produk Domestik Regional Bruto (PDRB) adalah jumlah nilai barang dan jasa akhir yang dihasilkan oleh berbagai unit produksi di suatu daerah tertentu dan dalam jangka waktu tertentu. PDRB atas dasar harga konstan sangat penting untuk melihat perkembangan Riil dari tahun ke tahun berbagai agregat ekonomi yang diamati, dan benar-benar menggambarkan kenaikan pendapatan yang riil tanpa pengaruh kenaikan harga. Data PDRB
dapat diperoleh dari Badan Pusat Statistik provinsi Jawa Barat. Satuan harga yang digunakan adalah jutaan rupiah.
2. Tenaga kerja merupakan tenaga kerja di provinsi Jawa Barat. Satuan yang digunakan menggunakan satuan jiwa.
3. Pengeluaran Pemerintah adalah pengeluaran pemerintah yang dilakukan guna meningkatkan pendapatan daerah tersebut. Pengeluaran pemerintah yang diambil merupakan pengeluaran pemerintah dalam bentuk belanja modal karena pengeluaran tersebut merupakan salah satu proxy dari kapital. Satuan yang digunakan dalam pengeluaran pemerintah untuk belanja modal adalah jutaan rupiah.
4. Penanaman Modal Asing(PMA) merupakan salah satu proxy dari kapital, sehingga digunakan dalam penelitian kali ini. Diduga semakin tinggi tingkat PMA di provinsi Jawa Barat akan meningkatkan pertumbuhan ekonomi. Variabel yang digunakan dalam PMA ini menggunakan realisasi nilai penanaman modal asing. Satuan harga yang digunakan adalah jutaan rupiah.
5. Penanaman Modal Dalam Negeri (PMDN) merupakan salah satu proxy
dari kapital, sehingga digunakan dalam penelitian kali ini. Penanaman modal dalam negeri yang semakin tinggi diharapkan mampu meningkatkan pertumbuhan ekonomi dan meningkatkan nilai kekayaan di daerah tersebut. Variabel yang digunakan dalam penelitian kali ini merupakan realisasi nilai penanaman modal dalam negeri. Satuan harga yang digunakan adalah jutaan rupiah.
6. Panjang Jalan merupakan salah satu proxy dari infrastruktur. Infrastruktur itu sendiri terbagi atas infrastruktur ekonomi dan sosial yang terbagi kembali atas panjang jalan dan listrik atas infrastruktur ekonomi dan kesehatan serta pendidikan untuk infrastruktur sosial. Pada penelitian kali ini peneliti tidak memasukkan infrastruktur sosial dikarenakan bukan satuan yang dapat dihitung. Sehingga penelitian kali ini membahas infrastruktur dalam proxy panjang jalan yang diduga dengan meningkatnya infrastruktur fisik dalam bentuk panjang jalan dapat meningkatkan perekonomian. Satuan yang dipakai dalam panjang jalan merupakan satuan jarak Km.
Pengujian Asumsi Klasik
Istilah regresi dikemukakan untuk pertama kali oleh Francis Galton mengatakan bahwa analisis regresi diartikan sebagai suatu analisis tentang ketergantungan suatu variabel terhadap variabel lain (yaitu variabel bebas) dalam rangka membuat estimasi atau prediksi dari nilai rata-rata variabel tergantung dengan diketahuinya nilai variabel bebas (Lains 2003).
Metode OLS paling sering digunakan bukan hanya karena mudah melainkan juga karena memiliki beberapa sifat teoritis yang yang kokoh. Menurut teorema Gauss-Markov berdasarkan asumsi-asumsi dari model regresi linear klasik, penaksir OLS memiliki varians terendah di antara penaksir-penaksir linear lainnya; dalam hal ini, penaksir OLS disebut sebagai penaksir tak bias linear
terbaik (best linear unbiased estimators atau BLUE). Penaksir OLS mempunyai sifat:
1. dan merupakan penaksir linear; dalam hal ini kedua penaksir tersebut merupakan fungsi linear dari variabel acak .
2. Kedua penaksir tersebut tidak bias; dalam hal ini, dan . Oleh karena itu, dalam penerapan yang dilakukan secara berulang-ulang, secara rata-rata dan akan tepatsama dengan masing-masing nilai dan .
3. ̂ ; dalam hal ini, varians kesalahan dari penaksir OLS tidak bias. Dalam penerapan yang dilakukan secara berulang-ulang, secara nilai taksiran dari varians kesalahan akan tepat sama dengan nilai varians yang sebenarnya.
4. merupakan penaksir yang efisien; dalam hal ini, lebih kecil daripada varians penaksir tak bias linear lainnya untuk , dan lebih kecil daripada varians penaksir tak bias linear lainnya untuk . Oleh karena itu, kita akan mampu menaksir dan yang sebenarnya secara lebih tepat jika kita menggunakan OLS ketimbang metode lainnya yang juga memberikan penaksir tak bias linear dari parameter yang sebenarnya.
Pengujian Statistik Analisis Regresi
Uji Koefisien Determinan ( )
Koefisien determinasi ( ) dapat mengukur ukuran kesesuaian (goodness of fit) secara keseluruhan dari suatu model, yang menunjukkan seberapa cocok garis regresi yang ditaksir terhadap nilai Y yang sebenarnya (Gujarati 2007). dihitung untuk menjelaskan berapa persen keragaman Y dapat dijelaskan oleh model tersebut. Nilai berkisar dari nol sampai satu ( 0 ≤ ≤ 1 ). Sehingga garis regresi yang mendekati satu dapat meramalkan Y mendekati sempurna. Sedangkan jika bernilai berarti tidak ada hubungan antara X dan Y atau model yang terbentuk tidak tepat untuk meramalkan Y.
Uji F-statistik
Uji F digunakan untuk menguji hipotesis koefisien (slope) regresi secara bersama-sama. Jika model signifikan dapat menjelaskan atau memprediksi keragaman variabel dependent (Y). Pengujian ini menggunakan hipotesa sebagai berikut:
H0 : b1=b2=....=bn=0
H1: minimal ada b yang ≠ 0 (ada pengaruh)
Untuk H0=0 berarti tidak memiliki pengaruh, sedangkan H1 memiliki pengaruh. Tolak H0 jika Fhit> Fα (k,n-k-1) dengan kata lain paling tidak terdapat satu variabel bebas yang signifikan dan berpengaruh terhadap variabel tak bebas secara statistik. Terima H0 jika Fhit< Fα (k,n-k-1) dengan kata lain tidak ada satu pun
variabel bebas yang signifikan dan berpengaruh nyata terhadap variabel tidak bebas.
Uji t-statistik
Hartawatie (2012) mengemukakan bahwa jika dalam uji-F disimpulkan bahwa suatu model signifikan dapat menjelaskan keragaman Y maka akan dilanjutkan dengan uji-t. Uji-t atau uji parsial berguna untuk mengidentifikasi faktor-faktor mana saja yang dapat menjelaskan atau berpengaruh nyata terhadap Y. Uji-t berkaitan dengan masing-masing koefisien model regresi.
Terima H0, jika | thitung | < ttabel, artinya secara statistik belum dapat dibuktikan bahwa faktor ke-n berpengaruh nyata terhadap Y. Terima H1 (tolak H0), jika | thitung | > ttabel, artinya secara statistik dapat dibuktikan bahwa faktor ke-n berpengaruh nyata terhadap Y.
Uji Ekonometrik
Multikolinieritas
Multikolinieritas atau kolinearitas ganda menunjukan adanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua varibael yang menjelaskan dari model regresi. (Kusumaningrum 2007) mengemukakan adanya indikasi adanya multikolinieritas adalah sebagai berikut:
1. Tanda tidak sesuai dengan yang diharapkan.
2. R-squared-nya tinggi tetapi uji individu tidak banyak bahkan tidak ada yang nyata.
3. Korelasi sederhana antara variabel individu tinggi (rij tinggi).
4. R2 lebih kecil dari rij2 menunjukkan adanya masalah multikolinieritas.
Autokorelasi
Autokorelasi didefinisikan sebagai korelasi di antara anggota observasi yang diurut berdasarkan waktu (time series) atau ruang (cross section). Dapat dikatakatan pula korelasi yang terjadi antar observasi dalam satu variabel atau korelasi error masa yang lalu dan error masa sekarang. Uji autokorelasi yang dilakukan di software Eviews 6 dapat dilihat dari nilai Durbin Watson (Uji-DW) untuk mengetahui ada atau tidaknya autokorelasi, maka dilakukan dengan membandingkan DW-statistiknya dengan DW-tabelnya.
Heteroskedastisitas
Heteroskedastisitas terjadi jika asumsi dasar metode OLS berbentuk ( ) untuk i = j tidak dipenuhi. Dengan dilanggarnya asumsi homoskedastisitas berarti variabel disturbansi tidak lagi mempunyai varian yang kosntan untuk setiap observasi. Varian tersebut mungkin naik atau turun dengan
berubahnya nilai variabel bebas. Variabel disturbansi dapat pula menjadi nonrandom jika kita gagal menspesifikasikan model yang benar sehingga beberapa variabel tergantung terabaikan dan tidak masuk ke dalam model (Lains 2003).
Uji Normalitas
Uji normalitas bertujuan untuk melihat error term berdistribusi normal atau tidak. Uji normalitas ini dapat dilihat melalui Jarque-Bera Test (J-B)atau melihat plot sisaan yang pengujiannya pada error term yang harus terdistribusi secara normal. Kriteria uji yang digunakan adalah:
a. Jika nilai probabilitas pada (J-B) > taraf nyata α, maka error term dalam model yang digunakan berdistribusi secara normal.
b. Jika nilai probabilitas pada (J-B) < taraf nyata α, maka error term dalam model yang digunakan tidak terdistribusi secara normal.