BAB II TINJAUAN PUSTAKA DAN PENGEMBANGAN HIPOTESIS
C. Teknik Pengumpulan Data
B. Jenis Data
Jenis data dalam penelitian ini adalah data sekunder yaitu berupa kumpulan angka-angka dari PDRB, jumlah penduduk dan PAD.
C. Teknik Pengumpulan Data
Teknik pengumpulan data menggunakan metode dokumentasi yaitu teknik pengumpulan data dengan melihat laporan-laporan, jurnal-jurnal atau buku-buku. Dalam penelitian ini data diperoleh dari BPS Yogyakarta atau melalui www.bps.go.id.
D. Definisi Operasional Variabel Penelitian 1. Variabel dependen
Variabel dependen dalam penelitian ini adalah PAD, yaitu hak pemerintah daerah yang diakui sebagai penambahan nilai kekayaan yang bersih, diukur dalam satuan Rupiah.
2. Variabel independen
a. PDRB adalah total nilai barang dan jasa yang diproduksi di wilayah tertentu dalam waktu tertentu, diukur dalam satuan Rupiah.
b. Jumlah Penduduk yaitu jumlah manusia yang bertempat tinggal/berdomisili pada suatu wilayah atau daerah dan memiliki mata pencaharian tetap di daerah itu serta tercatat secara sah berdasarkan peraturan yang berlaku di daerah tersebut, diukur dalam satuan jiwa.
E. Uji Asumsi Klasik 1. Heteroskedastisitas
Menurut Ghozali (2011), uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk menguji heteroskedastisitas dalam penelitian ini menggunakan uji White. Kriteria pengujiannya adalah nilai
signifikansi dari variabel independen lebih besar dari 0,05. Apabila nilai signifikansi kurang dari 0,05 maka terjadi heteroskedastisitas dalam model regresi.
2. Multikolinieritas
Multikolinieritas merupakan masalah yang terdapat pada variabel bebas yang memiliki ikatan yang erat atau hubungan yang saling berpengaruh dalam model regresi. Suatu model persamaan regresi diindikasikan mengandung masalah multikolinieritas bila R nya tinggi. Pengujian multikolinieritas dalam penelitian ini menggunakan uji korelasi parsial. Ketentuannya apabila nilai korelasi antar variabel bebasnya lebih dari 0,8 maka terjadi multikolinieritas (Gujarati, 2003).
F. Teknik Analisis Data
1. Analisis Regresi Data Panel
Teknik analisis data dalam penelitian ini menggunakan analisis panel data sebagai alat pengolahan data dengan menggunakan software Eviews 7. Analisis dengan menggunakan panel data adalah kombinasi dari data time series dan cross section. Dengan mengakomodasi model memberikan informasi yang baik terkait variabel-variabel cross section maupun time series, data panel secara substansial mampu menurunkan masalah omitted variable, model yang mengabaikan variabel yang relevan. Persamaan model dengan menggunakan data cross section dapat ditulis sebagai berikut:
Yi = β0 + β1 Xi + εi ; I = 1,2,…,N
Dimana N adalah banyaknya data cross-section. Sedangkan persaman model dengan time series adalah :
Yt = β0 + β1 Xt + εt ; t = 1, 2, …, T Dimana T adalah banyaknya data time series
Mengingat data panel merupakan gabungan dari time series dan cross section maka model dapat ditulis dengan:
Yit = β0 + β1 Xit + εit; I = 1, 2, …, N ; t = 1, 2, …, T Dimana :
N = banyaknya observasi T = banyaknya waktu
N x T = banyaknya data panel
Secara umum dengan menggunakan data panel akan menghasilkan intersep dan slope koefisien yang berbeda-beda pada setiap individu dan setiap periode waktu. Oleh karena itu, di dalam mengestimasi persaman akan sangat tergantung dari asumsi tentang intersep, koefisien slope dan variabel gangguannya. Ada beberapa kemungkinan yang akan muncul, yaitu:
a. Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan individu dan perbedaan intersep dan slope dijelaskan oleh variabel gangguan.
c. Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu.
d. Diasumsikan intersep dan slope berbeda antar individu
e. Diasumsikan intersep dan slope berbeda antar waktu dan antar individu.
Gujarati (2003) menyebutkan keunggulan penggunaan data panel diantaranya adalah:
a. Data panel mampu menyediakan data yang lebih banyak, sehingga dapat memberikan informasi yang lebih lengkap, sehingga diperoleh degree of freedom (df) yang lebih besar sehingga estimasi yang dihasilkan lebih baik.
b. Dengan menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul karena ada masalah penghilangan variabel.
c. Data panel mampu mengurangi kolinearitas antar variabel.
d. Data panel lebih baik dalam mendeteksi dan mengukur efek yang secara sederhana tidak mampu dilakukan oleh data time series murni dan cross section murni.
e. Dapat menguji dan membangun model perilaku yang lebih kompleks. Sebagai contoh, fenomena seperti skala ekonomi dan perubahan teknologi.
f. Data panel dapat meminimalkan bias yang dihasilkan oleh agregat individu, karena data yang diobservasi lebih banyak.
Rohmana (2010) menyebutkan bahwa pembahasan teknik estimasi model regresi data panel ada 3 teknik yang dapat digunakan yaitu:
a. Model dengan metode OLS (common effect model)
Model Common Effect merupakan model sederhana yaitu menggabungkan seluruh data time series dengan cross section, selanjutnya dilakukan estimasi model dengan menggunakan OLS (Ordinary Least Square). Model ini menganggap bahwa intersep dan slop dari setiap variabel sama untuk setiap obyek observasi. Dengan kata lain, hasil regresi ini dianggap berlaku untuk semua kabupaten/kota pada semua waktu. Kelemahan model ini adalah ketidaksesuaian model dengan keadaan sebenarnya. Kondisi tiap obyek dapat berbeda-beda dan kondisi suatu obyek satu waktu dengan waktu yang lain dapat berbeda. Model common effect dapat diformulasikan sebagai berikut:
yit= α + βj xjit+ εit
Dimana:
yit = variabel dependen di waktu t untuk unit cross section i α = intersep
βj = parameter untuk variabel ke-j
xjit = variabel bebas j di waktu t untuk unit cross section i εit = komponen error di waktu t untuk unit cross section i i = urutan kota/kabupaten yang di observasi
t = time series (urutan waktu) j = urutan waktu
b. Model Fixed Effect
Salah satu kesulitan prosedur panel data adalah bahwa asumsi intersep dan slope yang konsisten sulit terpenuhi. Untuk mengatasi hal tersebut, yang dilakukan dalam panel data adalah dengan memasukkan variabel boneka (dummy variabel) untuk mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas unit maupun antar waktu. Jadi, pada pendekatan ini meskipun intersep αi berbeda antar individu namun intersep sama antar waktu. Pendekatan dengan memasukkan variabel boneka ini dikenal dengan sebutan model efek tetap atau least square dummy variabel.
yit= α + βj xjit +
n i iDi it
2
dimana:
yit = variabel dependen di waktu t untuk unit cross section i α = intersep yang berubah-ubah antar cross section
βj = parameter untuk variabel ke-j
xjit = variabel bebas j di waktu t untuk unit cross section i εit = komponen error di waktu t untuk unit cross section Di = dummy variable
c. Model Random Effect
Model ini digunakan untuk mengatasi kelemahan model efek tetap yang menggunakan variabel dummy, sehingga model mengalami ketidak pastian. Penggunaan variabel dummy akan mengurangi derajat bebas yang pada akhirnya akan mengurangi efisiensi dari parameter
yang diestimasi. Model ini menggunakan residual yang diduga memiliki hubungan antar waktu dan antar individu, sehingga model ini mengasumsikan bahwa setiap individu memiliki perbedaan intersep yang merupakan variabel random. Model REM secara umum dituliskan sebagai berikut:
it y ^ = α + βj xjit+ εit εit = ui + vt + wit Dimana:
ui ~ N (0,u2) = merupakan komponen cross section error
vi ~ N (0,v2) = merupakan komponen time series error
wi ~ N (0,w2) = merupakan time series dan cross section error 2. Metode Pemilihan Data
Pertama yang harus dilakukan adalah melakukan uji F untuk memilih model mana yang terbaik diantara ketiga model tersebut, dilakukan dengan uji Chow dan uji Hausman. Uji Chow dilakukan untuk menguji antara model common effect dan fixed effect, sedangkan uji
Hausman dilakukan untuk menguji apakah data dianalisis dengan
menggunakan fixed effect atau random effect. Pengujian tersebut dilakukan dengan Eviews 7. Dalam melakukan uji Chow, data diregresikan dengan menggunakan model common effect dan fixed effect terlebih dahulu kemudian dibuat hipotesis untuk diuji, hipotesis tersebut adalah:
Ho : maka digunakan model common effect
Ha : maka digunakan model fixed effects dan lanjut uji Hausman Pedoman yang akan digunakan dalam pengambilan kesimpulan uji Chow adalah:
a. Jika nilai probabilitas F ≥ 0,05 artinya Ho diterima, maka model common effect.
b. Jika nilai probabilitas < 0,05 artinya Ho ditolak, maka model fixed effect, dan dilanjutkan dengan uji Hausman untuk memilih apakah menggunakan model fixed effect atau metode random effect.
Selanjutnya untuk menguji Hausman Test data juga diregresikan dengan model random Effect, kemudian dibandingkan antara fixed effect dan random effect dengan membuat hipotesis:
Ho : Model random effect Ha : Model fixed effect
Pedoman yang akan digunakan dalam pengambilan kesimpulan uji Hausman adalah sebagai berikut:
a. Jika nilai probabilitas Chi-Square ≥ 0,05 maka Ho diterima yang artinya model random effect.
b. Jika nilai probabilitas Chi-Square < 0,05 maka Ho ditolak yang artinya model fixed effect.
3. Rancangan Pengujian Hipotesis
Uji hipotesis dimaksudkan untuk melihat bagaimana hubungan kedua variabel, dimana hipotesis non (Ho) umumnya diformulasikan
untuk ditolak, sedangkan hipotesis alternative (Ha) merupakan hipotesis yang diajukan dalam penelitian ini. Hipotesis dalam bentuk kalimat adalah sebagai berikut:
Ho1 : tidak terdapat pengaruh positif antara PDRB terhadap PAD Ha1 : terdapat pengaruh positif signifikan antara PDRB terhadap PAD Ho2 : tidak terdapat pengaruh positif antara jumlah penduduk terhadap
PAD
Ha2 : terdapat pengaruh positif signifikan antara jumlah penduduk terhadap PAD
4. Menghitung Koefisien Determinasi dan Pengujian Kriteria
Setelah menghitung koefisien korelasi maka selanjutnya dilakukan pengujian kriteria. Kriteria pengujian yang dipakai dalam penelitian ini berpedoman pada ketentuan pemberian interpretasi terhadap koefisien korelasi berikut ini.
Tabel 4
Pedoman Interpretasi Koefisien Korelasi
Interval Koefisien Tingkat Hubungan
0,00 – 0,199 0,20 – 0,399 0,40 – 0,599 0,60 – 0,799 0,80 – 1,000 sangat rendah rendah sedang kuat sangat kuat Sumber: Sugiyono (2012)
Setelah diketahui nilai koefisien korelasi ( r ) yang memperlihatkan derajat atau kekuatan korelasi antara variabel maka akan dihitung
koefisien determinasi (kd) yang dapat memperlihatkan berapa persen variasi variabel X akan mempengaruhi variabel Y dengan rumus Sudjana (2004):
Kd = r2 x 100% Keterangan:
Kd = koefisien determinasi R = nilai koefisien korelasi Nilai Kd berada antara 0 sampai 1
a. Jika nilai Kd = 0 berarti tidak ada pengaruh variabel X terhadap variabel Y
b. Jika nilai Kd = 1 berarti variasi (naik turunnya) variabel dependen Y adalah 100% dipengaruhi oleh variabel independen (variabel X).
39
GAMBARAN UMUM OBYEK PENELITIAN
A. Aspek Geografi dan Demografi 1. Karakteristik Wilayah
Secara administrative, DIY terdiri atas empat Kabupaten dan satu Kota dengan 78 kecamatan dan 438 desa/kelurahan. Rinciannya adalah sebagai berikut.
Tabel 5
Pembagian Wilayah DIY Menurut Kabupaten/Kota
Kabupaten/Kota IbuKota Kecamatan Kelurahan/Desa Luas wilayah
Kulonprogo Wates 12 88 586,3 km2 Bantul Bantul 17 75 508,1 km2 Gunungkidul Wonosari 18 144 1.485 km2 Sleman Sleman 17 86 574,82 km2 Kota Yogyakarta Yogyakarta 14 45 32,5 km2 Sumber: RKPD DIY 2016
DIY tidak memiliki kawasan pedalaman maupun kawasan terpencil. Menurut kondisi geografis, desa-desa di DIY terletak di daerah pesisir, lereng/punggung bukit, dan daerah dataran.
a. Kabupaten Kulonprogo
Kabupaten Kulonprogo dengan ibuKota Wates memiliki 12 kecamatan dan 88 kelurahan/desa. Batas wilayah Kabupaten Kulonprogo sebagai berikut:
Barat : Kabupaten purworejo, Jawa Tengah Timur : Kabupaten Sleman dan Bantul DIY Utara : Kabupaten Magelang, Jawa Tengan Selatan : samudera hindia
Kabupaten Kulonprogo memiliki topografi yang bervariasi dengan ketinggian antara 0-1000 m di atas permukaan laut, yang terbagi menjadi 3 wilayah meliputi:
1) Bagian utara, merupakan dataran tinggi/perbukitan. Wilayah ini penggunaan tanah diperuntukkan sebagai kawasan budidaya konservasi dan merupakan kawasan rawan bencana tanah longsor. 2) Bagian tengah, merupakan daerah peralihan dataran rendah dan
perbukitan
3) Bagian selatan merupakan dataran rendah, yang rawan banjir apabila musim hujan.
b. Kabupaten Bantul
Kabupaten Bantul dengan ibuKota Bantul memiliki 17 kecamatan dan 75 kelurahan/desa. Batas wilayah Kabupaten Bantul sebagai berikut:
Barat : Kabupaten Kulonprogo, DIY
Timur : Kabupaten Gunungkidul dan Sleman DIY Utara : Kota Yogyakarta dan Kabupaten Sleman, DIY Selatan : samudera hindia
Kabupaten Bantul terletak antara 07° 44 04 – 08° 00 27 Lintang Selatan dan 110° 12 34 – 110° 31 08 Bujur Timur. Luas wilayah Kabupaten Bantul 508,85 Km2 (15,90 5 dari Luas wilayah Provinsi DIY) dengan topografi sebagai dataran rendah 140% dan lebih dari separonya (60%) daerah perbukitan yang kurang subur, secara garis besar terdiri dari :
1) Bagian Barat, adalah daerah landai yang kurang serta perbukitan yang membujur dari Utara ke Selatan seluas 89,86 km2 (17,73 % dari seluruh wilayah).
2) Bagian Tengah, adalah daerah datar dan landai merupakan daerah pertanian yang subur seluas 210.94 km2 (41,62 %).
3) Bagian Timur, adalah daerah yang landai, miring dan terjal yang keadaannya masih lebih baik dari daerah bagian Barat, seluas 206,05 km2 (40,65%).
4) Bagian Selatan, adalah sebenarnya merupakan bagian dari daerah bagian Tengah dengan keadaan alamnya yang berpasir dan sedikit berlaguna, terbentang di Pantai Selatan dari Kecamatan Srandakan, Sanden dan Kretek.
c. Kabupaten Gunungkidul
Kabupaten Gunungkidul memiliki 18 kecamatan dan 144 kelurahan/desa. Batas wilayah Kabupaten Gunungkidul sebagai berikut:
Barat : Kabupaten Bantul, DIY
Timur : Kabupaten Wonogiri, Jawa Tengah
Utara : Kabupaten Klaten, Sukoharjo, Jawa Tengah dan Sleman, DIY
Selatan : samudera hindia
Kabupaten Gunungkidul adalah salah satu Kabupaten yang ada di Daerah Istimewa Yogyakarta, dengan IbuKotanya Wonosari. Luas wilayah Kabupaten Gunungkidul 1.485,36 km2 atau sekitar 46,63 % dari luas wilayah Daerah Istimewa Yogyakarta.
d. Kabupaten Sleman
Kabupaten Sleman dengan ibuKota Sleman memiliki 17 kecamatan dan 86 kelurahan/desa. Batas wilayah Kabupaten Sleman sebagai berikut:
Barat : Kabupaten Kulonprogo dan Kabupaten Magelang Timur : Kabupaten Klaten dan Boyolali, Jawa Tengah Utara : Kabupaten Magelang, Jawa Tengah
Selatan : Kota Yogyakarta dan Kabupaten Bantul
Bagian utara Kabupaten ini merupakan pegunungan, dengan puncaknya Gunung Merapi di perbatasan dengan Jawa Tengah, salah satu gunung berapi aktif yang paling berbahaya di Pulau Jawa. Sedangkan di bagian selatan merupakan dataran rendah yang subur. Di antara sungai-sungai besar yang melintasi Kabupaten ini adalah Kali
Progo (membatasi Kabupaten Sleman dengan Kabupaten Kulon Progo), kali Code, kali Kuning, kali Opak dan Kali Tapus.
e. Kota Yogyakarta
Kota Yogyakarta dengan ibuKota Yogyakarta memiliki 14 kecamatan dan 45 kelurahan/desa. Batas wilayah Kabupaten Sleman sebagai berikut:
Barat : Kabupaten Sleman Timur : Kabupaten Sleman Utara : Kabupaten Sleman Selatan : Kabupaten Bantul
Kota Yogyakarta terletak di lembah tiga sungai, yaitu Sungai Winongo, Sungai Code (yang membelah Kota dan kebudayaan menjadi dua), dan Sungai Gajahwong. Kota ini terletak pada jarak 600 KM dari Jakarta, 116 KM dari Semarang, dan 65 KM dari Surakarta, pada jalur persimpangan Bandung - Semarang - Surabaya - Pacitan. Kota ini memiliki ketinggian sekitar 112 m dpl.
2. Demografi
Demografi meliputi ukuran, struktur, dan distribusi penduduk serta bagaimana jumlah penduduk berubah setiap waktu akibat kelahiran, kematian, migrasi serta penuaan. Pertumbuhan penduduk di DIY secara umum dipengaruhi oleh kelahiran, kematian dan migrasi. Menurut hasil sensus penduduk yang dilakukan oleh BPS selama tahun 1971 sampai
tahun 2010 jumlah penduduk DIY terus mengalami peningkatan. Berikut ini jumlah penduduk tiap Kabupaten/Kota selama tahun 2008-2013.
Tabel 6
Jumlah Penduduk Menurut Kabupaten/Kota di DIY tahun 2008-2013
Tahun/Lokasi Kabupaten/Kota DIY
Kulonprogo Bantul Gunungkidul Sleman Yogya
2008 385.937 886.061 675.471 1.054.751 390.783 3.393.003 2009 387.493 899.312 675.474 1.074.673 389.685 3.426.637 2010 388.869 911.503 675.382 1.093.110 338.627 3.457.491 2011 390.207 921.263 677.998 1.107.304 390.553 3.487.325 2012 393.221 927.958 684.740 1.114.833 394.012 3.514.762 2013 403.203 947.066 700.192 1.141.684 402.709 3.594854 Jumlah 1.186.631 2.796.287 2.062.930 3.363.821 1.187.274 Sumber: RKPD DIY, 2016
Tabel 6 menunjukkan bahwa setiap tahun terjadi jumlah penduduk di masing-masing Kabupaten/Kota di DIY terus mengalami kenaikkan. Kabupaten dengan jumlah penduduk terbanyak adalah Kabupaten Sleman dan yang jumlah penduduknya paling sedikit adalah Kota Yogyakarta.
B. Aspek Kesejahteraan Masyarakat 1. Penduduk Miskin
Garis kemiskinan DIY selama periode 2009-2014 mengalami peningkatan. Pada September 2013 garis kemiskian DIY tercatat sebesar Rp 303.843 per kapita per bulan, sedangkan kondisi bulan September tahun 2014 tercatat garis kemiskinan meningkat menjadi Rp 321.056 per kapita per bulan. Kenaikan tersebut dimungkinkan karena terjadinya inflasi. Jumlah penduduk miskin DIY pada periode 2009 – 2014 cenderung mengalami penurunan dari 585,78 ribu orang pada Maret 2009 menjadi 532,59 ribu orang pada September 2014.
2. Pendapatan Perkapita
Kinerja ekonomi DIY selama kurun waktu 2010-2014 menunjukkan peningkatan dengan indikasi meningkatnya nilai nominal Produk Domestik Regional Bruto (PDRB) dari tahun ke tahun. Berikut ini pertumbuhan PDRB per kapitan atas dasar harga Konstan (%).
Tabel 7
Pertumbuhan PDRB Per Kapita Atas Dasar Harga Konstan (%)
Uraian 2010 2011 2012 2013 2014 PDRB adh konstan 2000 (juta rupiah 21.044.042 22.131.774 23.309.218 24.567.400 25.824.099 Penduduk pertengahan tahun (orang) 3.457.769 3.487.325 3.514.762 3.594.854 3.637.116
PDRB per kapita adh konstan 2000 (rupiah)
6.086.017 6.346.347 6.631.806 6.834.068 7.100.158
pertumbuhan PDRB
perkapita adh konstan (%)
3,94 4,28 4,50 3,05 3,88
Sumber: RKPD DIY, 2016
Tabel di atas menunjukkan bahwa pertumbuhan PDRB di provinsi DIY cenderung mengalami kenaikan tiap tahunnya, kecuali pada tahun 2013 mengalami penurunan menjadi 3,05% dari tahun sebelumnya yaitu sebesar 4,50%. Namun pada tahun 2014 naik kembali menjadi 3,88%. 3. Pendapatan Asli Daerah
Realisasi Pendapatan Asli Daerah Kabupaten/Kota di provinsi Yogyakarta dapat dilihat pada tabel berikut ini.
Tabel 8
Realisasi PAD Kabupaten/Kota di D.I Yogyakarta Tahun 2010-2014 (dalam Ribu Rupiah)
Kabupaten/Kota 2010 2011 2012 2013 2014 Sleman Bantul Kulon Progo Gunung Kidul Yogyakarta 163.056.459 81.637.099 48.280.641 42.542.032 179.423.640 226.686.250 128.896.456 53.752.294 54.462.419 228.870.562 301.069.540 166.597.780 74.028.660 67.050.780 338.839.610 449.270.306 224.197.864 95.991.513 83.427.448 383.052.140 573.337.599 357.411.063 158.800.564 159.304.338 470.634.760
Sumber: BPS D.I Yogyakarta tahun 2015
Berdasarkan tabel di atas, terlihat bahwa Kabupaten Sleman merupakan Kabupaten terkaya, dengan jumlah PAD Rp 573.337.599 pada tahun 2014, sedangkan Kabupaten Kulonprogo merupakan Kabupaten dengan PAD terendah yaitu Rp 158.800.564 (tahun 2014).
47 BAB V
ANALISIS DATA DAN PEMBAHASAN
A. Analisis Data
1. Analisis Model Regresi dengan Variabel Dependen PAD a. Pemilihan Metode Estimasi untuk Variabel Dependen PAD
Pemilihan model estimasi bertujuan untuk memilih model mana yang terbaik diantara model common effect, fixed effect atau model random effect. Untuk memilih model tersebut digunakan uji chow dan uji Hausman. Uji Chow dilakukan untuk menguji antara model common effect dan fixed effect. Berikut ini hasil pengujian dengan uji Chow.
Tabel 9
Hasil Uji Model Menggunakan Uji Chow
Effect Test Statistic d.f Prob.
Cross-section F Cross-section Chi-square 18,571381 55,374604 (4,68) 4 0,0000 0,0000 Sumber: data sekunder diolah
Pada hasil perhitungan di atas, dapat dilihat bahwa nilai probabilitas F kurang dari 0,05 atau 0,000 < 0,05 yang berarti signifikan dengan tingkat signifikansi 95% (α = 5%). Keputusan yang diambil pada pengujian dengan uji Chow ini yaitu tolak Ho (p-value < 0,05) dengan hipotesis:
Ho : maka digunakan model common effect
Berdasarkan hasil dari uji Chow, maka model yang tepat adalah model fixed effect, dan dilanjutkan dengan uji Hausman untuk memilih apakah menggunakan model fixed effect atau metode random effect.
Hasil pengujian dengan uji Hausman dapat dilihat pada tabel di bawah ini.
Tabel 10
Hasil Uji Model Menggunakan Uji Hausman
Test Summary Chi-Sq. Statistik Chi-Sq.d.f Prob.
Cross-section random 7.114994 2 0,0285
Sumber: data sekunder diolah
Pada perhitungan di atas, dapat dilihat bahwa nilai probability pada test cross section random effect memperlihatkan angka bernilai 0,0285 yang berarti signifikan dengan tingkat signifikansi 95% (α = 5%). Keputusan yang diambil pada pengujian Hausman test ini yaitu tolak Ho (p-value < 0,05) dengan hipotesis:
Ho : Model random effect Ha : Model fixed effect
Berdasarkan hasil dari pengujian Hausman Test, maka metode pilihan yang digunakan dalam penelitian ini yaitu metode fixed effect.
Penelitian ini tidak menggunakan pengujian Lagrance Multiplier (LM) dalam pemilihan model regresi data panel, karena karena pada uji Chow dan uji Hausman menunjukan model yang
paling tepat adalah Fixed Effct Model. Uji LM digunakan apabila pada uji Chow menunjukan model yang dipakai adalah Common Effect Model, sedangkan pada uji Hausman menunjukan model yang paling tepat adalah Random Effect Model. Oleh karena itu diperlukan uji LM sebagai tahap akhir untuk menentukan model Common Effect atau Random Effect yang paling tepat.
2. Pengujian Asumsi
Pengujian asumsi klasik dalam data panel, data perlua dilakukan proses stack (penggabungan) semua pool-nya, karena pada data panel, program Eviews tidak menyediakan menu untuk uji asumsi klasik (kecuali normalitas), maka dilakukan secara manual. Setelah dilakukan stack, kemudian baru diuji korelasi parsial antar variabel independennya. Hal ini untuk pengujian multikolinieritas. Untuk uji heteroskedastisitas, setelah dilakukan stack (gabung) kemudian diestimasi model terpilih (fixed effect) dan di save residualnya.
a. Uji Heteroskedastisitas
Untuk permasalahan heteroskedastisitas dapat diatasi dengan menggunakan metode GLS (Generalized Least Square). Metode GLS telah diberikan perlakuan “white heteroscedasticity-consistent
covariance” untuk mengantisipasi data yang tidak bersifat homokedastisitas. Hasil pengujiannya adalah sebagai berikut.
Tabel 11
Hasil Pengujian Heteroskedastisitas dengan Uji White
Variabel t-statistik Prob.
PDRB
Jumlah penduduk PDRB kuadrat
jumlah penduduk kuadrat PDRB*Penduduk -1,760101 0,883315 3,246875 -0,712781 -0,063676 0,0828 0,3801 0,0618 0,4784 0,9494
Sumber: data sekunder diolah
Berdasarkan tabel di atas terlihat bahwa p-value masing-masing variabel independen lebih besar dari 0,05. Hal ini berarti tidak terjadi heteroskedastisitas.
b. Uji Multikolinieritas
Permasalahan multikolinieritas telah dapat terselesaikan ketika menggunakan data panel atau dengan kata lain data panel menjadi solusi jika data mengalami multikolinieritas (Gujarati, 2003). Berikut ini hasil pengujian multikolinieritas dengan korelasi parsial.
Tabel 12
Hasil Pengujian Multikolinieritas
PDRB PENDUDUK
PDRB 1.000000 0.455847
PENDUDUK 0.455847 1.000000
Sumber: data sekunder diolah
Tabel di atas memperlihatkan bahwa tidak terdapat hubungan antara variabel bebas dengan nilai lebih dari 0,8. Data teridentifikasi multikolinieritas apabila koefisien korelasi antar variabel bebas lebih
dari satu atau sama dengan 0,8 (Gujarati, 2003). Dengan demikian data panel dalam penelitian ini telah terbebas dari masalah heteroskedastisitas dan multikolinieritas.
3. Persamaan Regresi Data Panel
Berdasarkan pengujian pada pemilihan metode estimasi dengan pengujian Hausman, diperoleh data bahwa metode yang tepat adalah metode fixed effect. Berikut ini hasil pengujian regresi data panel dengan fixed effect model.
Tabel 13
Hasil Pengujian Regresi Data Panel Fixed Effect Model Variabel Koefisien Std. Error Probabilitas Konstanta PDRB Jumlah penduduk 2183679 0,723035 0,010845 1002206 1,594920 0,001203 0,0328 0,6517*** 0,0000** Adjusted R square 0,876538 F-statistik 80,46309 Prob (F-statistik) 0,000000
Ket: *** = signifikan 1%; ** = signifikan 5%; * = signifikan 10% Variabel dependen = PAD
Berdasarkan Tabel 13 di atas diperoleh persamaan regresi data panel sebagai berikut: