Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah jenis data yang diambil dari pihak (seseorang atau lembaga) lain yang telah dipublikasi (Widarjono 2009). Semua data yang diambil dalam penelitian adalah data cross section dan time series. Data time series ini meliputi data tahunan dari tahun 2005 hingga 2012. Sedangkan untuk data cross section meliputi negara-negara ASEAN yang terdiri dari Brunei, Indonesia, Kamboja, Laos, Malaysia, Myanmar, Philiphina, Singapura, Thailand, dan Vietnam dan 6 negara mitra ASEAN yang terdiri dari China, Jepang, Korea Selatan, dan India.
Selanjutnya, data sekunder pada penelitian ini diperoleh dari beberapa lembaga. Data pengeluaran wisatawan mancanegara, pengeluaran wisatawan domestik, investasi sektor pariwisata, pengeluaran pemerintah di sektor pariwisata diperoleh dari lembaga World Travel and Tourism Council (WTTC). Kemdian untuk data jumlah kedatangan wisatawan internasional, produk domestik bruto rill, total konsumsi pemerintah, harga (official exchange rate dan purchasing power parity), harapan hidup, dan total perdagangan diperoleh World
Development Indicators (WDI) yang dirilis oleh World Bank. Selain itu, penelitian ini juga menggunakan data index pelayanan publik yang diperoleh dari lembaga Fund for Peace dan index persepsi korupsi dari Transparency Internasional.
Metode dan Pengolahan Data
Metode yang digunakan dalam penelitian ini adalah analisis deskriptif kualitatif dan kuantitatif. Metode deskriptif kualitatif digunakan untuk menggambarkan dan menganalisis kondisi umum pariwisata di Negara-negara ASEAN+4 melalui data sekunder yang diperoleh dari beberapa lembaga. Selanjutnya, metode kuantitatif dalam penelitian ini menggunakan metode data panel statis untuk melihat pengaruh pariwisata terhadap pertumbuhan ekonomi dan menganalisis faktor-faktora yang mempengaruhi kedatangan wisatawan. Data tersebut dianalisis menggunakan program Eviews 6 yang kemudian hasilnya akan diinterpretasikan. Interpretasi hasil tersebut dilakukan dengan cara melihat kesesuaian hasil yang diperoleh dengan beberapa tinjauan ekonomi.
Analisis Data Panel Statis
Model data panel adalah suatu model analisis yang mengkombinasikan data time series dan cross section sehingga jumlah observasi yang diamati menjadi lebih besar Firdaus 2011). Selain itu, model ini dapat meningkatkan derajat kebebasan (degree of freedom) yang artinya meningkatkan efisiensi. Menurut Baltagi (2005), ada beberapa keunggulan dari penggunaan metode data panel diantaranya, yaitu:
1. Metode daata panel dapat mengontrol keberadaan unobserved heterogeneity, karena data ini memasukkan data individu ke dalam deret waktu .
2. Data panel mampu memberikan data yang informatif, mengurangi kolinieritas antarpeubah, lebih bervariasi, memperbesar derajat kebebasan, dan lebih efisien.
3. Data panel lebih baik dalam mengidentifikasi dan mengukur efek dari pada penggunaan data time series saja atau cross section saja.
4. Dapat mengurangi bias pada analisis yang mengagregasi individu yang lebih luas
5. Data panel menggunakan data dari individu-individu yang berulang dari tahun ke tahun, maka dapat dipelajari suatu bentuk peubah yang dinamis dan dapat mempelajari model prilaku yang lebih kompleks. Pemilihan Metode Estimasi
Terdapat tiga pendekatan dalam pemilihan model estimasi regresi data panel, yaitu Pooled Least Square (PLS), Fixed Effect atau Least Square Dependent Variable (LSDV), dan Random Effect (Gujarati 2006). Adapun penjelasan dari masing-masing pendekatan sebagai berikut:
1. Pendekatan Pooled Least Square (PLS)
Pada prinsipnya, pendekatan PLS merupakan pendekatan yang paling sederhana dalam pengelolahan data panel. Pendekatan ini menggunakan gabungan dari seluruh data (pouled), sehingga terdapat N x T observasi, dimana N
merupakan jumlah cross sectio dan T menunjukkan jumlah time series yang digunakan dalam analisis. Model yang digunakan dalam pendekatan ini yaitu:
YIt = ai + ßXit + uit Keterangan : Yit = variabel dependen
Xit = variabel independen a = intersep
ß = slope uit = error
Terbatasnya asumsi yang digunakan dalam metode ini karena model mengasumsikan bahwa intersep dan koefisien dari setiap variabel individu dianggap sama.oleh karena itu, model ini kurang sesuai untuk data panel. Selain itu penggunaan parameter akan bias karena metode ini tidak dapat membedakan observasi yang berbeda pada periode yang sama ataupun tidak dapat membedakan observasi yang sama pada periode yang berbeda (Firdaus, 2011).
2. Pendekatan Fixed Effect
Pendekatan Fixed Effect merupakan metode yang digunakan ketika antara efek individu dan variabel penjelas memiliki hubungan dengan variabel Xit atau memiliki pola yang sifatnya tidak acak. Asumsi tersebut membuat komponen eror dari efek individu dan waktu dimasukkan sebagai bagian dari intersep (Firdaus,2011). Dalam model ini dimungkinkan untuk memasukan variabel dummy (D) untuk memudahkan adanya peubah intersep. Model yang digunakan dalam pendekatan ini yaitu:
Yit = Σ αiDi + βXit + uit
Pada pendekatan Fixed Effect dapat dilakukan pembobotan (no wiighted) atau dengan pembobotan (cross section weight) atau yang sering disebut General Least Square (GLS). Pembobotan yang dilakukan pada model ini bertujuan untuk mengurangi heterogenitas antara unit Cross section.
3. Pendekatan Random Effect
Pendekatan Random Effect digunakan ketika tidak adanya korelasi antara efek individu dan regresor. Hal tersebut menunjukkan bahwa komponen eror dari efek individu dan waktu dimasukan ke dalam erorr (Firdaus, 2011). Model yang digunakan dalam pendekatan ini yaitu:
Yit = αi + βXit + ε εit = uit+ Vit + Wit Keterangan: uit = komponen cross section eror
Vi = komponen time series eror Wit t = komponen combinations eror
Dalam menentukan model pendekatan terbaik pada metode data panel statis perlu dikakukan pengujian secara statistik. Pengujian tersebut meliputi uji Chow, uji Hausman, dan uji LM (Breush-Pagan). Adapun tahapan dalam pengujian ini yaitu:
1. Uji Chow
Uji Chow adalah pengujian statistik sebagai dasar pemilihan model PLS atau model Fixed Efect yang akan digunakan. Hipotesis yang digunakan pada pengujian ini adalah sebagai berikut:
: menggunakan PLS
: menggunakan Fixed Efecct Model
Nilai F-statistik digunakan sebagai dasar penolakan hipotesis nol. Penolakan dilakukan ketika nilai F-statistik dalam pengujian lebih besar daripada F-statistik, sehingga model yang digunakan yaitu fixed effect, dan begitu pula sebaliknya. Nilai F-statistik dapat diperoleh berdasarkan persamaan berikut:
⁄ ⁄ Keterangan: RRSS = hasil pendugaan model PLS
URSS = hasil pendugaan model fixed effect N = jumlah data cross section
K = jumlah data time series T = jumlah variabel penjelas 2. Uji Housman
Uji Housman merupakan pengujian yang dapat dijadikan dasar sebagai penentu pemilihan model fixed effect atau model random effect yang akan digunakan. Hipotesis yang digunakan pada uji ini adalah sebagai berikut:
: menggunakan Random Efecct Model : menggunakan Fixed Efecct Model
Membandingkan nilai statistik Housmann dengan Chi-Square digunakan sebagai dasar penolakan hipotesis nol. Penolakan dilakukan ketika nilai statistik-H dalam pengujian lebih besar daripada (k) , sehingga model yang digunakan yaitu fixed effect, dan begitu pula sebaliknya. Nilai F-statistik dapat diperoleh berdasarkan persamaan berikut :
Keterangan : = vektor statistik variabel random effect
= vektor statistik variabel fixed effect
= matriks kovarians untuk dugaan model fixed effect = matriks kovarians untuk dugaan model random effect K = derajat bebas
3. Uji LM (Breusch-Pagan)
Uji LM (Breush-Pagan) adalah pengujian statistik sebagai dasar pemilihan model random effect atau model Pooled Least Square. yang akan digunakan. Hipotesis yang digunakan pada pengujian ini adalah sebagai berikut:
: menggunakan Pooled Least Square. : menggunakan Random Effect Model
Membandingkan nilai statistik LM dengan Chi-Square digunakan sebagai dasar penolakan hipotesis nol. Penolakan dilakukan ketika nilai statistik LM dalam pengujian lebih besar daripada tabel , sehingga model yang digunakan yaitu random effect, dan begitu pula sebaliknya.
Perumusan Model Penelitian
Peneliti menggunakan dua model yang digunakan untuk menganalisis pengarhu pariwisata terhadap perekonomian dan faktor-faktor yang mempengaruhi kedatangan wisatawan di wilayah ASEAN+4. Model pada penelitian yang dilakukan oleh Eugenio-Martin, et al (2004) dan Makochekanwa (2013). Kemudian, model kedua mengacu pada penelitian Eugenio-Martin, et al (2004). Adapun model tersebut sebagai berikut :
Model pertama :
Keterangan :
= produk domestik bruto per kapita rill (konstan tahun 2005 US$)
= tingkat pengeluaran wisatawan (domestik dan mancanegara) (US$)
= investasi modal sektor pariwisata (US$) = total pengeluaran pemerintah (US$)
= Index Persepsi Korupsi (index skala 0 sampai10)
α = intersep, β = slope, = error Model kedua :
Keterangan :
= kedatangan wisatawan perkapita
= harga (rasio antara nilai tukar dengan faktor konversi PPP)
= index pelayanan publik (index skala 0 sampai10) = total perdagangan (US$)
= harapan hidup ketika lahir (tahun)
= produk domestik bruto per kapita rill (konstan tahun 2005 US$)
α = intersep, β = slope, = error
Uji Hipotesis
Uji hipotesis digunakan untuk menganalisis apakah variabel-variabel yang digunakan pada model regresi signifikan atau tidak. Terdapat tiga jenis uji hipotesis yang dapat dilakukan pada model regresi. Uji tersebut adalah uji-F, uji- T, dan koefisien determinasi.
Uji-F
Uji-F merupakan uji yang digunakan untuk mengetahui apakah variabel- variabel bebas yang digunakan secara bersama-sama berpengaruh terhadap variabel terikat.Hipotesis pengujian yang digunakan adalah:
: : minimal terdapat satu 0
Jika F-statistic > F a(k-1,NT-N-K) atau Prob(F-statistic) < taraf nyata (a), maka tolak , yang berarti dengan tingkat kepercayaan 1-a dapat disimpulkan bahwa variabel bebas yang digunakan di dalam model secara bersama-sama signifikan mempengaruhi variabel terikat, begitu pula sebaliknya.
Uji-t
Uji-t merupakan pengujian yang digunakan untuk mengetahui apakah variabel-variabel bebas secara parsial berpengaruh signifikan terhadap variabel terikat. Hipotesis pengujian yang digunakan adalah:
: 0 : 0
Jika diperoleh nilai t-statistic lebih besar dari t a/2(NT-K-1), maka keputusan yang diambil adalah tolak dan dapat disimpulkan bahwa variabel bebas ke-k secara parsial mempengaruhi variabel terikat dengan tingkat kepercayaan 1- , begitu pula sebaliknya.
Koefisien Determinasi
Koefisien diterminasi digunakan untuk mengetahui seberapa baik model yang diperoleh sesuai dengan data yang digunakan, mengukur besarnya persentase variasi dalam peubah terikat yang mampu dijelaskan oleh peubah
bebas. Nilai koefisien determinasi yaitu 0≤ . Model dikatakan baik apabila nilai koefisien ini mendekati semakin mendekati satu.
Uji Asumsi
Uji asumsi dilakukan untuk mendapatkan hasil model yang efisien dan konsisten. Sehingga uji ini perlu dilakukan untuk mengetahui ada tidaknya pelanggaran asumsi klasik seperti normalitas, heteroskedastisitas, multikolinearitas, dan autokorelasi.
Uji Normalitas
Uji asumsi normalitas dilakukan untuk melihat apakah residual (error term) terdistribusi normal atau tidak. Adapun hipotesis yang digunakan dalam uji ini sebagai berikut:
: 0 (residual terdistribusi nomal)
: α ≠ 0 (residual tidak terdistribusi nomal)
Jika nilai Jarque Bera Test lebih besar dari taraf nyata ( ) menandakan atau dengan kata lain residual bersitribusi normal.
Uji Heteroskedastisitas
Heteroskedastisitas merupakan variasi residual yang tidak sama untuk semua pengamatan. Sedangkan Homokedastisitas merupakan variasi residual yang sama untuk semua pengamatan.
Pengujian dapat dilakukan untuk melihat hasil estimasi yang terbebas dari masalah heterokedastisitas. Pengujian tersebut dapat dilakukan dengan cara melihat sum square resid pada Weighted Statistics yang mana hasilnya lebih kecil dari sum square resid pada Unweighted Statistics.
Uji Moltikolinearitas
Uji multikolinearita digunakan untuk mengetahui ada tidaknya hubungan linier antara variabel bebas. Indikasi terdapatnya multikolinearitas pada hasil estimasi adalah jika koefisien parameter dari t-statistik banyak yang tidak signifikan sementara f –statistiknya signifikan. permasalahan multikolieraritas dapat diatasi dengan beberapa cara, diantaranya menghilangkan variabel yang tidak signifikan, menambah variabel, dan pembobotan (cross section weight) atau GLS.
Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengidentifikasi ada tidaknya korelasi antar error pada periode waktu yang berbeda. Pengujian ini dilakukan dengan cara membandingkan nilai Durbin Watson (DW) hasil estimasi model dengan DW-tabel. Gujarati (2004) Permasalahan autokorelasi ini dapat diatasi dengan penggunaan model General Least Square. Perhitungan selang nilai statistik DW dan keputusan keberadaan autokorelasi adalah sebagai beikut:
0 dL dU 2 4-dU 4-dL 4 Autokorelasi positif Tidak ada keputusan Tidak ada autokorelasi Tidak ada keputusan Autokorelasi negatif Uji Ekonomi
Pengujian ini dilakukan dengan cara melihat kesesuaian tanda dan besaran dari hasil analisis model dengan teori ekonomi yang ada. Model yang memiliki variabel-variabel hasil estimasi yang sesuai dengan teori, dapat dikatakan sebagai model yang baik karena model tersebut sudah dapat menjelaskan kejadian yang terjadi berdasarkan teori yang ada.