4.1. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder time series yang merupakan data tahunan dari tahun 1975 sampai dengan tahun 2004. Data sekunder tersebut berasal dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Dalam penelitian ini data sekunder yang digunakan adalah data pertumbuhan ekonomi Indonesia, pengeluaran rutin pemerintah, pengeluaran pembangunan pemerintah, investasi swasta, pekerja, dan inflasi.
4.2. Metode Analisis Data
Metode analisis yang digunakan untuk mengetahui hubungan dari variabel-variabel dalam penelitian ini adalah estimasi jangka panjang dengan uji kointegrasi Engel-Granger dan estimasi jangka pendek dengan Error Correction Model (ECM) atau model koreksi kesalahan. Adapun syarat untuk menggunakan ECM adalah jika terdapat minimal satu variabel tidak stasioner. Namun jika seluruh data yang digunakan ternyata stasioner, maka persamaan tersebut tidak dapat dianalisa dengan menggunakan ECM.
4.3. Uji Akar-Akar Unit (Unit Root Test)
Sebelum melakukan serangkaian proses terhadap model sangat penting untuk melakukan uji akar-akar unit atau uji stasioneritas. Uji ini dimaksudkan untuk mengetahui sifat dan kecenderungan data yang dianalisis, apakah data tersebut stasioner atau non stasioner.
26
Metode yang digunakan untuk menguji kestasioneran data time series
dalam penelitian ini adalah Augmented Dickey Fuller (ADF) Test. Hipotesis yang diuji dalam uji ADF adalah:
Ho : Data tidak stasioner (mengandung unit root)
H1 : Data stasioner (tidak mengandung unit root)
Penolakan atas hipotesis nol menunjukkan bahwa data yang dianalisis adalah stasioner. Jika terdapat hubungan antara variabel tersebut dengan waktu atau trend
maka dikatakan bahwa variabel tersebut tidak stasioner.
Pengujian unit root dilakukan untuk menghindari masalah regresi lancung (spurious regression). Ciri dari regresi lancung biasanya memiliki R-Squared
yang tinggi dan t-statistik yang nampak signifikan namun tidak mempunyai arti dalam ilmu ekonomi atau tidak sesuai dengan teori ekonomi yang ada.
Uji derajat integrasi merupakan kelanjutan dari uji akar-akar unit. Uji ini merupakan konsekuensi dari tidak terpenuhinya asumsi stasioneritas data pada derajat nol atau I(0). Pada uji ini data yang diamati di-difference pada derajat tertentu, sehingga semua data stasioner pada derajat yang sama. Suatu data dikatakan stasioner pada tingkat ke-d atau I(d)jika setelah di-difference sebanyak d kali nilai ADF test-nya secara relatif lebih kecil dari nilai kritis Mackinnon.
4.4. Uji Kointegrasi
Setelah diperoleh hasil pengujian akar-akar unit, langkah selanjutnya adalah melakukan uji kointegrasi untuk melihat konsistensi jangka panjang dari model yang dianalisis. Kointegrasi merupakan hubungan jangka panjang antara
27
variabel-variabel yang tidak stasioner. Uji kointegrasi yang digunakan dalam penelitian ini adalah uji kointegrasi Engel-Granger, hal tersebut dikarenakan persamaan yang digunakan dalam penelitian ini adalah persamaan tunggal.
Metode kointegrasi Engel-Granger sebenarnya menggunakan metode ADF yang terdiri dari dua tahap. Tahap pertama yaitu meregresi persamaan Ordinary Least Square (OLS) kemudian mendapatkan residual (u) dari persamaan tersebut. Tahap kedua adalah dengan menggunakan metode ADF tes diuji akar unit terhadap u dengan hipotesis yang sama dengan hipotesis uji akar unit ADF variabel-variabel sebelumnya (Pasaribu, 2003).
Jika hipotesis nol ditolak maka variabel u adalah stasioner atau dalam hal ini kombinasi linear antar variabel adalah stasioner. Artinya meskipun variabel- variabel yang digunakan tidak stasioner, namun dalam jangka panjang variabel- variabel tersebut cenderung menuju pada keseimbangan. Oleh karena itu, kombinasi linear dari variabel-variabel tersebut disebut regresi kointegrasi. Parameter-parameter yang dihasilkan dari kombinasi tersebut dapat disebut sebagai koefisien-koefisien jangka panjang atau co-integrated parameters.
Adapun persamaan jangka panjang yang diestimasi dalam penelitian ini adalah (dalam logaritma):
Yt = α0 + α1LNRUTINt + α2LNPEMB t + α3LNINVESTt + α4LNLABORt +
α5INFt + εt (4.1)
28
dimana:
α1 = intersep,
αn = parameter yang diduga, dimana (n = 1,2,..5) dan menggambarkan
hubungan jangka panjang antar variabel independent dengan variabel dependent,
Yt = pertumbuhan ekonomi pada periode t,
LNRUTINt = pengeluaran rutin pemerintah riil pada periode t,
LNPEMB t = pengeluaran pembangunan pemerintah riil pada periode t,
LNINVESTt = investasi swasta riil pada periode t,
LNLABORt = jumlah pekerja riil pada periode t, INFt = laju inflasi pada periode t,
εt = error term.
4.5. Pendekatan Koreksi Kesalahan 4.5.1. Uji Kebaikan Model ECM
Uji kebaikan model sangat penting peranannya untuk mengetahui ada tidaknya masalah-masalah pelanggaran asumsi OLS yang muncul pada estimasi model jangka pendek pertumbuhan ekonomi di Indonesia. Uji kebaikan model yang digunakan dalam penelitian ini yaitu:
1. Uji Autokorelasi
Kondisi yang menunjukkan adanya autokorelasi yaitu jika nilai error tidak bersifat bebas antara yang satu dengan yang lainnya, dengan kata lain terjadi
29
korelasi antar error sehingga model yang baik menghasilkan error yang acak dan tidak berpola. Kondisi ini menyebabkan varians yang diperoleh underestimate.
Untuk mendeteksi autokorelasi digunakan uji Breusch-Godfrey Serial Correlation LM Test. Hipotesis yang digunakan adalah (1) H0: tidak terdapat
autokorelasi, (2) H1: terdapat autokorelasi.
Kriteria uji:
Probability Obs*R-Squared < α (taraf nyata yang digunakan), maka tolak H0. Probability Obs*R-Squared > α (taraf nyata yang digunakan), maka terima H0.
Artinya, jika menolak H0 maka menunjukkan terdapat masalah autokorelasi
dalam model. Namun sebaliknya, jika menerima H0 maka menunjukkan tidak
terdapat masalah autokorelasi dalam model. 2. Uji Heteroskedastisitas
Kondisi dimana nilai varian dari variabel independen tidak memiliki nilai yang sama disebut heteroskedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas yaitu dengan menggunakan Autoregressif Conditional Heteroskedasticity (ARCH) Test dan White Heteroskedasticity Test.
Hipotesis:
H0 : tidak terdapat heteroskedastisitas(homoskedastisitas),
H1 : terdapat heteroskedastisitas.
Kriteria uji:
Probability Obs*R-Squared < α (taraf nyata yang digunakan), maka tolak H0. Probability Obs*R-Squared > α (taraf nyata yang digunakan), maka terima H0.
30
Artinya, jika menolak H0 maka menunjukkan terdapat masalah heteroskedastisitas
dalam model, dan sebaliknya jika menerima H0 maka menunjukkan tidak terdapat
masalah heteroskedastisitas dalam model. 3. Uji Normalitas
Normalitas merupakan salah satu asumsi statistik dimana error term
terdistribusi normal. Untuk mengetahuinya digunakan Jarque-Bera, dimana hipotesisnya adalah H0 : terdistribusi normal dan H1 : tidak terdistribusi normal.
Bila nilai probabilitas lebih besar dari taraf nyata (α) yang digunakan maka persamaan tidak mempunyai masalah normalitas atau error term terdistribusi normal.
4.5.2. Model Koreksi Kesalahan (ECM)
Model ECM bertujuan untuk mengatasi permasalahan data runtun waktu
(time series) yang tidak stasioner dan regresi palsu. ECM lahir dan dikembangkan untuk mengatasi masalah perbedaan kekonsistenan hasil peramalan antara jangka pendek dan jangka panjang dengan cara proporsi disequilibrium pada satu periode dikoreksi pada periode selanjutnya sehingga tidak ada informasi yang dihilangkan hingga penggunaan untuk peramalan jangka panjang (Thomas dalam Muttaqin, 2006). Oleh karena pada jangka pendek akan dimasukkan variabel dummy, maka persamaan jangka pendek pertumbuhan ekonomi yang diestimasi dalam penelitian ini yaitu:
ΔYt = b0 + b1ΔLNRUTINt + b2ΔLNPEMBt + b3ΔLNINVESTt + b4ΔLNLABORt +
31
dimana :
ECM = εt-1 = Yt-1 – β0 – β1LNRUTINt-1 – β2LNPEMBt-1 - β3LNINVESTt-1 -
β4LNLABORt-1 - β5INFt-1 (4.3)
dengan b 1 > 0 atau<0, b2 >0, b3 >0, b4 >0 atau <0, dan b5 >0atau <0 dimana :
b0 , β0 : intersep,
bn , βn : parameter yang diduga, dimana (n = 1,2,..5 dan menggambarkan
hubungan jangka pendek antar variabel independent dengan variabel dependent,
λ : Error Correction Term,
Yt : pertumbuhan ekonomi pada periode t,
LNRUTINt : pengeluaran rutin pemerintah riil pada periode t,
LNPEMB t : pengeluaran pembangunan pemerintah riil pada periode t,
LNINVESTt : investasi swasta riil pada periode t,
LNLABORt : jumlah pekerja riil pada periode t,
INFt : laju inflasi pada periode t,
Yt-1 : lag pertumbuhan ekonomi pada periode sebelumnya,
LNRUTINt-1 : lag pengeluaran rutin pemerintah riil pada periode sebelumnya,
LNPEMB t-1 : lag pengeluaran pembangunan pemerintah riil pada periode
sebelumnya,
LNINVESTt-1 : lag investasi swasta riil pada periode sebelumnya,
LNLABORt-1 : lag jumlah pekerja riil pada periode sebelumnya,
32
Dummy : dummy krisis ekonomi,
0 = untuk sebelum dan sesudah krisis,
1 = untuk semasa krisis.
4.6. Definisi Operasional Variabel
Adapun definisi operasional dari variabel-variabel dalam penelitian ini adalah sebagai berikut:
1. Pertumbuhan Ekonomi
Data pertumbuhan ekonomi Indonesia yang digunakan dalam penelitian ini diperoleh dari data pertumbuhan ekonomi tujuh negara industri utama dan beberapa negara Asia. Pertumbuhan ekonomi tersebut dinyatakan dalam satuan persen.
2. Pengeluaran rutin pemerintah
Pengeluaran rutin pemerintah terdiri dari belanja pegawai, belanja barang, pembayaran bunga dan cicilan utang, subsidi, serta pengeluaran rutin lainnya. Data pengeluaran rutin pemerintah diperoleh dari laporan realisasi APBN yang dinyatakan dalam satuan milyar rupiah.
3. Pengeluaran pembangunan pemerintah
Pengeluaran pembangunan pemerintah merupakan jumlah realisasi pengeluaran untuk program pembangunan dan pengeluaran bantuan proyek. Seperti halnya pengeluaran rutin, data pengeluaran pembangunan pemerintah diperoleh dari laporan realisasi APBN yang dinyatakan dalam satuan milyar rupiah.
33
4. Investasi Swasta
Investasi merupakan pergerakan arus pengeluaran yang dapat menambah stok modal secara fisik. Investasi swasta yang digunakan dalam penelitian ini mencakup jumlah investasi yang dilakukan pihak swasta baik dari dalam negeri maupun luar negeri. Data investasi swasta dari dalam negeri diperoleh dari proyek-proyek penanaman modal dalam negeri (PMDN) yang disetujui pemerintah menurut sektor ekonomi. Sedangkan investasi swasta dari luar negeri diperoleh dari proyek-proyek penanaman modal luar negeri (PMLN) yang disetujui pemerintah menurut sektor ekonomi. Investasi swasta tersebut dinyatakan dalam satuan milyar rupiah .
5. Pekerja
Pekerja merupakan jumlah angkatan kerja yang berusia 15-65 tahun ke atas yang bekerja, dinyatakan dalam satuan orang. Data jumlah pekerja diperoleh dari data penduduk berumur 15 tahun ke atas menurut golongan umur dan kegiatan selama seminggu yang lalu, dinyatakan dalam satuan milyar pekerja. 6. Inflasi
Data inflasi yang digunakan dalam penelitian diperoleh dari data laju inflasi tujuh negara industri utama dan beberapa negara Asia. Inflasi tersebut dinyatakan dalam satuan persen.
7. Dummy
Variabel dummy yang digunakan dalam penelitian ini merupakan dummy
krisis ekonomi, dimana angka nol menyatakan waktu sebelum dan setelah krisis, serta angka satu menyatakan waktu pada saat terjadi krisis ekonomi.
V. PERKEMBANGAN PERTUMBUHAN EKONOMI, PENGELUARAN