Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Seluruh data adalah data panel dengan periode 2000-2010 dan cross section sepuluh negara ASEAN+3. Negara ASEAN+3 yang masuk dalam analisis penelitian ini adalah Indonesia, Malaysia, Filipina, Singapura, Thailand, Vietnam, Kamboja, Cina, Jepang, Korea Selatan. Adapun Myanmar, Laos, Brunei Darussalam tidak diikutsertakan dalam analisis karena alasan ketidaklengkapan data yang dibutuhkan dalam analisis. Tahun yang dijadikan basis analisis adalah 2000-2010 karena ditahun tersebut data yang dibutuhkan tersedia lengkap untuk sepuluh negara ASEAN+3.
Data yang diperlukan dalam penelitian ini sesuai dengan teori perluasan model pertumbuhan Solow dan tinjauan pustaka. Data-data yang diperlukan dalam permodelan meliputi GDP perkapita, dimana GDP perkapita dibanyak penelitian sebagai indikator pertumbuhan ekonomi. Data berikutnya yang diperlukan adalah investasi/pembentukan modal tetap bruto. Dalam penelitian ini, investasi menunjukkan pembentukan modal fisik pada perluasan pertumbuhan model Solow. Pembelanjaan pemerintah sebagai peran sektor publik atau pemerintah dalam perekonomian. Pembelanjaan pemerintah terdiri dari biaya pemerintah kontemporer untuk membeli barang dan jasa termasuk gaji karyawan. Selanjutnya, pengeluaran pada pendidikan menunjukkan pembentukan modal manusia (human capital) melalui peningkatan kualitas pendidikan.
Data-data yang diperlukan lainnya adalah total faktor produktivitas (TFP), tingkat depresiasi, dan tingkat pertumbuhan populasi. Data ini diperlukan untuk menunjukkan investasi-pulang pokok pada model pertumbuhan Solow. Mankiw, Romel, dan Weil (1992) menjelaskan bahwa pada model pertumbuhan Solow, depresiasi, populasi, teknologi merupakan penentu suatu negara mencapai steady state. Mankiw, Romel, dan Weil (1992) menjelaskan juga tingkat depresiasi konstan di seluruh negara dikarenakan tidak ada alasan yang kuat untuk mengetahui tingkat depresiasi, dan tidak ada data pasti yang memperkirakan tingkat depresiasi. Tingkat depresiasi dalam penelitian ini sebesar 6 persen. Untuk sepuluh negara ASEAN+3, tingkat depresiasi ini berdasarkan penelitian McQuinn dan Whelan (2007) bahwa dikawasan Asia mereka mengasumsikan tingkat depresiasi sebesar 6 persen. Data korupsi merupakan indeks korupsi dengan skala 0-10, dimana “0” menunjukkan korupsi yang tertinggi dan “10” menunjukkan terbebas dari korupsi. Data korupsi berdasarkan data tahunan yang dikeluarkan oleh Transparency Internasional.
Tabel 4 Data dan Sumber Data yang Digunakan Dalam Penelitian
No Data yang digunakan Sumber
1 GDP perkapita sepuluh negara ASEAN+3 tahun 2000-2010 (konstan 2000 US $)
World Development Indicator 2012 (World Bank) 2 Total faktor produktivitas (persen) The Conference Board 2013
3 Tingkat Pertumbuhan Populasi (persen) World Development Indicator 2012 (World Bank) 4 Investasi/pembentukan modal tetap
bruto (konstan tahun 2000 US $)
World Development Indicator 2012 (World Bank) 5 Pembelanjaan pemerintah (konstan
tahun 2000 US$)
World Development Indicator 2012 (World Bank) 6 Pengeluaran pendidikan (persen GDP) World Development Indicator
2012 (World Bank) 7 Indeks Persepsi Korupsi (Corruption
Perception Index) skala 0-10
Skala 0 (tinggi korupsi) skala 10 (rendah korupsi)1
Transparency International.
Keterangan: 1) Transformasi Indeks Persepsi Korupsi dengan CORit=(1-θ/10),dengan indeks 0 “bersih” dan 1 “terkorupsi”. Transformasi ini dilakukan agar interpretasi searah, sederhana, dan intuitif.
Metode dan Pengolahan Data
Metode yang digunakan adalah metode deskriptif dan kuantitatif. Metode deskriptif digunakan dengan mengkaji dinamika pertumbuhan ekonomi dan tingkat korupsi di sepuluh negara ASEAN+3. Metode ini juga digunakan pada hasil yang diperoleh dari analisis data kuantitatif, sehingga diharapkan dapat menggambarkan dampak korupsi pada pertumbuhan ekonomi di sepuluh negara ASEAN+3.
Metode kuantitatif yang digunakan dalam penelitian ini adalah metode panel statis. Metode ini digunakan untuk menganalisis faktor-faktor yang memengaruhi pertumbuhan ekonomi dan dampak korupsi terhadap pertumbuhan ekonomi. Data sekunder dari sepuluh negara ASEAN+3 dioperasikan dengan menggunakan program komputer Microsoft Exel dan Eviews 6 yang kemudian hasil outputnya akan diintepretasikan.
Analisis Model dengan Data Panel
Menurut Nachrowi (2006) model data panel (pooled data) ialah suatu model ekonometrika yang mengkombinasikan data time series dengan data cross section. Implikasi yang diperoleh dari kombinasi tersebut adalah hasil estimasi dari model data panel lebih efisien karena jumlah observasi lebih banyak. Selain itu, penggunaan model data panel juga dapat mengurangi efek bias seiring dengan meningkatnya derajat kebebasan (degree of freedom).
Kelebihan yang diperoleh dari penggunaan data panel adalah:
2. Dapat memberikan informasi yang lebih luas, mengurangi kolinearitas diantara variabel, memperbesar derajat bebas dan lebih efisien.
3. Dapat diandalkan untuk mengidentifikasi dan mengukur efek yang tidak dapat dideteksi dalam model data cross section maupun time series.
4. Lebih sesuai untuk mempelajari dan menguji model perilaku (behavioral models) yang kompleks dibandingkan dengan data cross section maupun time series.
5. Dapat diandalkan untuk studi dynamic of adjustment.
Dalam analisis data panel terdapat tiga macam pendekatan yang terdiri dari pendekatan kuadrat terkecil (pooled least square), model efek tetap (fixed effect) dan model efek acak (random effect).
Pemilihan Model dalam Pengolahan Data Panel
Pemilihan model yang digunakan dalam sebuah penelitian perlu dilakukan berdasarkan pertimbangan secara statistik dan prosedur. Hal ini bertujuan untuk memeroleh dugaan model yang efisien. Diagram pengujian statistik untuk memilih model yang digunakan dapat dijelaskan pada gambar berikut ini:
Gambar 7 Pengujian Pemilihan Model dalam Pengolahan Data Panel
1. Chow Test
Chow Test atau pengujian F statistik adalah pengujian untuk memilih model yang akan digunakan antara model Pooled Least Square atau Fixed Effect. Dalam pengujian ini hipotesis yang digunakan sebagai berikut:
H0 : Model Pooled Least Square
H1 : Model Fixed Effect
Dasar penolakan terhadap hipotesa nol (H0) adalah dengan menggunakan F-
Statistik seperti yang dirumuskan oleh Chow:
FN-1,NT-N-K= (ESS1- ESS2 N-1 ) (ESS2/(NT-N-K) (24) Dimana :
ESS1 = Residual Sum Square hasil pendugaan model Pooled Least Square
ESS2 = Residual Sum Square hasil pendugaan model Fixed Effect
N = Jumlah data cross section
K = Jumlah variabel penjelas
Statistik Chow Test mengikuti distribusi F-statistik dengan derajat bebas (N-1,NT-N-K). jika nilai statistik Chow (F-Stat) hasil pengujian lebih besar dari F-tabel maka cukup bukti untuk melakukan penolakan hipotesa nol sehingga model yang digunakan adalah model fixed effect, dan begitu juga sebaliknya. 2. Haussman Test
Haussman Test adalah pengujian statistik sebagai dasar pertimbangan untuk memilih model terbaik antara model fixef effect atau model random effect. Seperti yang telah diketahui bahwa penggunaan model fixed effect mengandung suatu unsur trade off yaitu hilangnya derajat bebas dengan memasukan variabel dummy.
Namun, penggunaan metode random effect juga harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat.
Haussman Test dilakukan dengan hipotesa sebagai berikut: H0 : Model Random Effect
H1 : Model Fixed Effect
Sebagai dasar penolakan H0, maka digunakan statistic Haussman dan
membandingkan dengan Chi-Square. Statistik Haussman dirumuskan dengan: m=m= -b (Mo-M1)-1 -b ~χ2(K) (25)
Dimana β adalah vektor untuk variabel fixed effect, b adalah vektor statistik variabel random effect, M0 adalah matriks kovarians untuk dugaan random effect
model. Jika nilai m hasil pengujian lebih besar dari χ2 –Tabel, maka sudah cukup bukti untuk melakukan penolakan terhadap hipotesa nol sehingga model yang digunakan adalah model fixed effect, dan begitu juga sebaliknya.
Perumusan Model Penelitian
Pada penelitian ini, penulis akan meneliti mengenai dampak korupsi dan faktor ekonomi lainnya terhadap pertumbuhan ekonomi ASEAN+3. Model dalam penelitian ini mengikuti penelitian Pulok (2010) yang dibangun berdasarkan tinjauan pustaka dan perluasan model pertumbuhan Solow, namun dalam penelitian ini model diestimasi menggunakan metode panel data. Model dalam penelitian ini dapat dijabarkan sebagai berikut:
lnYit = α+ 1 lnINVit+ 2 lnGVXit+ 3lnEDXit+ 4lnBEIit+ 5lnCORit+ it (26)
Dimana, BEIit=ln ( it+δ+nit
Keterangan:
Yit = Pendapatan perkapita (konstan tahun 2000 US$)
INVit = Pembentukan Modal Bruto/ Investasi (konstan tahun 2000 US$)
GVXit = Pembelanjaan pemerintah (konstan tahun 2000 US$)
EDXit = Pengeluaran pendidikan (persen GDP)
it = Total faktor produktivitas (persen)
nit = Pertumbuhan populasi (persen)
δ = Depresiasi konstan pada 6 persen CORit = Indeks korupsi (skala “0” sampai “10”)
Uji Hipotesis
Uji hipotesis berguna untuk memeriksa atau menguji apakah variabel- variabel yang digunakan dalam regresi signifikan atau tidak. Maksud dari signifikan ini adalah suatu nilai parameter regresi yang secara statistik tidak sama dengan nol. Ada dua jenis uji hipotesis yang dapat dilakukan terhadap variabel regresi. Uji tersebut adalah Uji-F dan Uji-t.
Uji-F
Uji ini dilakukan untuk mengetahui apakah variabel independen di dalam model secara bersama-sama berpengaruh terhadap variabel dependen yang digunakan. Perumusan hipotesis pada Uji-F:
H0 : β1 = β2 = β3 = βk = 0
H1 : Minimal ada satu nilai β yang tidak sama dengan nol
Kriteria ujinya adalah jika Fhitung > Ftabel,α,(k-1)(n-k) maka tolak H0, dimana k
adalah jumlah variabel (dengan intercept) dan jumlah observasi yang dilambangkan dengan huruf n. Selain itu, jika probabilitas (p-value) < taraf nyata maka sudah cukup bukti untuk menolak H0. Jika tolak H0 berarti secara bersama-
sama variabel bebas dalam model berpengaruh nyata terhadap variabel tidak bebas pada taraf nyata α persen, demikian pula sebaliknya.
Uji-t
Pengujian ini dilakukan untuk mengetahui apakah variabel independen secara individu (masing-masing) berpengaruh signifikan atau tidak terhadap variabel independen. Hipotesis yang digunakan adalah sebagai berikut:
H0 : βk = 0
H1 : βk≠ 0
Kriteria uji yang digunakan adalah jika │thitung│> tα/2,(n-k), dimana jumlah
observasi dilambangkan dengan huruf n, dan huruf k melambangkan jumlah variabel (termasuk intercept). Selain itu, jika probabilitas (p-value) lebih kecil dari taraf nyata maka dapat digunakan juga untuk menolak H0. Jika tolak H0 berarti
variabel bebas dalam model berpengaruh nyata terhadap variabel tidak bebas pada taraf nyata α persen, demikian pula sebaliknya.
Koefisien Determinasi
Koefisien diterminasi berfungsi untuk menunjukkan seberapa baik model yang diperoleh sesuai dengan data aktual (goodness of fit), mengukur berapa persentase variasi dalam peubah terikat mampu dijelaskan oleh informasi peubah bebas. Kisaran nilai koefisien determinasi adalah 0≤ R2≤1. Model dikatakan
semakin baik apabila nilai R2 mendekati 1 atau 100 persen.
Uji Asumsi
Untuk mendapatkan hasil model yang efisien dan konsisten, maka diperlukan pengujian terhadap pelanggaran asumsi-asumsi klasik seperti normalitas, heteroskedastisitas, multikolinieritas, dan autokorelasi.
Uji Normalitas
Pengujian asumsi normalitas dilakukan untuk melihat apakah error term
mengikuti distribusi normal atau tidak. Jika asumsi normalitas ini tidak dipenuhi maka prosedur pengujian dengan menggunakan uji t-statistic menjadi tidak sah. Pengujian asumsi normalitas dilakukan dengan Jarque Bera Test atau dengan melihat plot dari sisaan. Hipotesis dalam pengujian normalitas adalah:
H0 : Residual berdistribusi Normal
H1 : Residual tidak berdistribusi Normal
Dasar penolakan H0 dilakukan dengan membandingkan nilai Jarque Bera
dengan taraf nyata α sebesar 0.05, dimana jika nilai Jarque Bera Test lebih besar dari taraf nyata α 0.05 menandakan H0 tidak ditolak dan residual bersitribusi
normal.
Uji Heteroskedastisitas
Heteroskedastisitas berarti bahwa variasi residual tidak sama untuk semua pengamatan. Heteroskedastisitas bertentangan dengan salah satu asumsi dasar regresi homoskedastisitas yaitu variasi residual sama untuk semua pengamatan.
Untuk mendeteksi adanya heteroskedastisitas dalam model dilakukan menggunakan metode General Least Square (Cross section Weights) yaitu dengan membandingkan sum square resid pada Weighted Statistics dengan sum square resid unweighted statistics. Jika sum square resid pada Weighted Statistics lebih kecil dari sum square Resid unweighted statistics, maka terjadi heteroskedastisitas. Untuk mengatasi masalah Heteroskedastisitas, dilakukan dengan mengestimasi GLSmenggunakan white-heteroscedasticity.
Uji Moltikolinearitas
Multikolinearitas adalah hubungan linear yang kuat antara variabel-variabel bebas dalam persamaan regresi berganda. Gejala multikolinearitas ini dapat dideteksi dari nilai R2 tinggi tetapi tidak terdapat atau sedikit sekali koefisien dugaan yang berpengaruh nyata dan tanda koefisien regresi tidak sesuai dengan teori (Gujarati, 2004). Multikolineritas dalam pooled data dapat di atasi dengan pemberian pembobotan (cross section weight) atau GLS, sehingga parameter dugaan pada taraf uji tertentu (t–statistik maupun F-hitung) menjadi signifikan.
Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu variabel atau korelasi antar error masa yang lalu dengan error masa sekarang. Juanda (2009) menjelaskan akibat adanya autokorelasi dalam model yang diestimasi yaitu pendugaan parameter masih tetap tidak bias dan konsisten namun penduga ini memiliki standar error yang bisa ke bawah, atau lebih kecil dari nilai yang sebenarnya sehingga nilai statistik uji-t tinggi (overestimate). Salah satu cara untuk mengatasi masalah ini adalah dengan menggunakan metode General Least Square dalam estimasi model (Gujarati, 2004).
Untuk mendeteksi ada tidaknya autokorelasi dapat dilakukan uji Durbin Watson (DW), yaitu dengan membandingkan nilai Durbin Watson dari model dengan DW-tabel.
Tabel 5 Ketentuan Nilai Durbin-Watson
Definisi Operasional
Berikut ini definisi beberapa variabel yang digunakan dalam penelitian:
1. GDP perkapita merupakan nilai semua barang dan jasa yang diproduksi dalam wilayah geografis suatu negara selama periode satu tahun dibagi dengan jumlah penduduk. Dalam penelitian ini GDP perkapita merupakan indikator pertumbuhan ekonomi.
2. Investasi/pembentukan modal tetap bruto meliputi perbaikan lahan, pembelian pabrik, mesin, peralatan, pembangunan jalan, kereta api, tempat tinggal perumahan swasta, dan industri bangunan. Dalam penelitian ini sebagai indikator untuk mengukur investasi modal fisik atau pembentukan modal fisik (physical capital formation).
3. Pembelanjaan pemerintah merupakan pengeluaran pemerintah untuk semua barang dan jasa termasuk gaji karyawan. Dalam penelitian ini pembelanjaan pemerintah sebagai indikator peran sektor publik atau pemerintah.
4. Pengeluaran pendidikan adalah total pengeluaran publik untuk pendidikan meliputi pengeluaran pemerintah dan lembaga-lembaga pendidikan (baik negeri maupun swasta), administrasi pendidikan, dan transfer/subsidi untuk entitas swasta (siswa/rumah tangga dan entitas swasta lainnya). 5. Pertumbuhan Total Faktor Produktivitas (TFP) mengukur perubahan
dalam output tidak diproduksi oleh perubahan input. Total faktor produktivitas merupakan pengukur perkembangan teknologi.
6. Pertumbuhan populasi merupakan tingkat perubahan jumlah penduduk dari tahun sebelumnya hingga tahun selanjutnya dalam persen.
7. Indeks Persepsi Korupsi merupakan skala 0-10, dimana “0” menunjukkan tingkat korupsi yang tertinggi dan “10” menunjukkan tingkat korupsi yang rendah. Data korupsi berdasarkan data tahunan yang dikeluarkan oleh Transparency Internasional.
Nilai DW Hasil
0 < DW < dl Tolak H0,ada autokorelasi positif
dl ≤ DW ≤ du Daerah ragu-ragu,tidak ada
keputusan
du < DW < 4-du Terima H0, tidak ada autokorelasi
4-du≤ DW ≤ 4-dl Daerah ragu-ragu,tidak ada
keputusan
4-dl < DW < 4 Tolak H0,ada korelasi negatif
