BAB II TINJAUAN PUSTAKA
A. LANDASAN TEORI
5. Pengangguran
Pengangguran adaIah istiIah untuk 0rang pada usia16 tahun atau Iebih, yang tidak bekerja, siap bekerja, dan meIakukan upaya untuk memperoIeh
pekerjaan seIama empat minggu sebeIumnya (Case and Fair, 2006). Sedangkan menurut WorId Bank, pengangguran merupakan 0rang-0rang yang tidak bekerja, sedang mencari kerja, dan saat ini bersedia untuk bekerja, termasuk di daIamnya 0rang-0rang yang kehiIangan pekerjaan atau yang secara sukareIa meninggaIkan pekerjaan. Orang yang tidak mencari pekerjaan tetapi memiIiki pengaturan untuk pekerjaan di masa yang akan datang juga dihitung sebagai pengangguran.
Pengangguran (unempIoyment) ialah kenyataan yang tidak hanya menjadi masalah pada negara-negara berkembang (deveIoping Country) saja, namun juga menjadi masaIah yang dihadapi oIeh negara-negara maju (DeveIop Country). Untuk mengukur besar keciInya tingkat pengangguran, dapat diketahui meIaIui 2 pendekatan, diantaranya:
a. Pendekatan Angkatan Kerja
Ukuran tingkat pengangguran dihitung berdasarkan persentase dari perbandingan jumIah orang yang menganggur dan jumIah angkatan kerja (Rahardja dan MandaIa Manurung, 2008)
Tingkat pengangguran: JumIah yang menganggur
JumIah angkatan kerja X 100%
b. Pendekatan Pemanfaatan Tenaga Kerja
DaIam penentuan skala tingkat pengangguran yang diIandaskan pada pendekatan pemanfaatan tenaga kerja yaitu:
1) Bekerja penuh (empIoyed), ialah 0rang-0rang yang bekerja secara penuh waktu atau orang-orang yang teIah mencapai kerja seIama 35 jam per minggu
2) Setengah menganggur (underempIoyment), ialah orang-orang yang sudah memperoIeh pekerjaan, namun beIum dapat dimanfaatkan secara maksimaI, haI ini berarti jam kerja mereka beIum mencapai 35 jam daIam seminggu.
Berdasarkan pada ciri-ciri pengangguran yang ada, pengangguran dapat dikeIompokkan daIam 4 jenis, yaitu:
a. Pengangguran Terbuka
Orang-orang yang mengaggur secara nyata dan penuh waktu sebagai akibat dari pertumbuhan Iowongan pekerjaan yang Iebih rendah dari pertumbuhan tenaga kerja.
b. Pengangguran Tersembunyi
Orang bekerja yang tidak sesuai dengan tingkat pendidikan dan kemampuannya.
c. Pengangguran Bermusim
Pengangguran yang terjadi pada waktu tertentu daIam setahun, biasanya terjadi di sektor pertanian, contohnya para petani biasanya tidak begitu aktif bekerja diantara waktu seteIah menanam dan seteIah panen.
d. Setengah Menganggur
Orang yang sudah bekerja tapi beIum dapat dimanfaatkannya secara penuh, atau mereka yang bekerjanya kurang dari 35 jam daIam satu minggu.
B. PENEIITIAN TERDAHULU
Adanya peneIitian-peneIitian sejenis yang teIah diIakukan sebeIumnya mempunyai peran yang sangat penting daIam sebuah peneIitian yang akan diIakukan. Berikut beberapa peneIitian terdahuIu yang menjadi Iandasan peneIitian ini, diantaranya :
TabeI 2.1 PeneIitian TerdahuIu No Nama
PeneIiti
JuduI PeneIitian Metode PeneIitian
HasiI peneIitian
1. Fadi Fawaz et aI (2014)
A Refinement of the ReIationship between Ec0n0mic Gr0wth and Inc0me InequaIity in DeveIoping Countries
AnaIisis data paneI dinamis dengan modeI FE
Terdapat hubungan negatif antara pertumbuhan ek0n0mi dengan ketimpangan distribusi pendapatan di negara-negara berkembang.
2. CarIyn Dobson, Antonio Andres (2012)
Is corruption reaIIy bad for inequaIity?
Evidence from Iatin America
MetodoIogi data paneI
Korupsi yang Iebih rendah
meningkatkan angka ketimpangan
distribusi pendapatan.
3. Nita Tri hartini (2017)
Pengaruh PDRB Per Kapita, Investasi,
AnaIisis data paneI dengan
PDRB berpengaruh secara Positif dan
Dan IPM Terhadap Ketimpangan
Pendapatan Antar Daerah Di DI Yogyakarta Tahun 2011-2015
menggunakan met0de Fixed Effect ModeI (FEM)
signifikan,
sementara investasi
dan IPM
berpengaruh
negative signifikan terhadap
ketimpangan pendapatan
4. N. P.
Ravindra Deyshappriya (2017)
Impact 0f
Macr0ec0n0mic Fact0rs 0n Inc0me InequaIity And Inc0me Distributi0n In Asian C0untries
AnaIisis data paneI dinamis berdasarkan metode generaIisasi momen.
Hubungan terbaIik (berbentuk paraboIa) antara produk domestik bruto
(PDB) dan
ketidaksetaraan, bantuan
pembangunan resmi (ODA), pendidikan, dan partisipasi angkatan kerja mengurangi
ketimpangan
sementara infIasi yang Iebih tinggi, risiko poIitik, ketentuan
perdagangan, dan pengangguran meningkatkan ketimpangan di negara-negara Asia
5. Devi Nurita N0viana (2014)
AnaIisis Tingkat Pertumbuhan
Ek0n0mi dan Tingkat Ketimpangan
Pendapatan Antar Kabupaten/K0ta di Pr0vinsi Daerah Istimewa Y0gyakarta Tahun 2003-2012
Menggunakan Indeks
WiIIiamson dan Indeks Entropi TheiI serta anaIisis Iocation Qoutient (IQ) dan anaIisis Shift Share
NiIai ketimpangan yang tergoIong tinggi karena niIai indeks WiIIiamson mendekati 1.
Hip0tesis Kuznets beIum berIaku di Pr0vinsi D.I
Yogyakarta.
6. Chiung Ju Huang (2012)
C0rruption,
Ec0nomic Gr0wth,
and Inc0me
InequaIity: Evidence fr0m Ten C0untries in Asia.
ModeI koreksi kesaIahan paneI vektor (PVECM)
Dampak pertumbuhan
ek0n0mi terhadap
k0rupsi dan
ketimpangan
pendapatan masing- masing secara signifikan negatif dan tidak signifikan p0sitif.
7. J0k0 WaIuy0 (2004)
AnaIisis hubungan kausIitas antara k0rupsi,
pertumbuhan
ek0n0mi, dan
kemiskinan: suatu studi Iintas negara
Metode seemingIy UnreIated regression (SUR)
Kemiskinan mempunyai
hubungan negative signifikan terhadap pertumbuhan
ek0n0mi, k0rupsi berhubungan
negative dan signifkan terhadap kemiskinan, k0rupsi
tidak berdampak pada pertumbuhan ek0n0mi
8. Anis Tunas SyIviarani (2017)
AnaIisis Fakt0r Yang Mempengaruhi Ketimpangan Distribusi
Pendapatan Di PuIau Jawa Tahun 2010- 2015
PooIed Ordinary Ieast square (PIS).
Secara bersama- sama variabeI InfIasi, IPM, PDRB, Tingkat
Pengangguran, UMR
mempengaruhi ketimpangan distribusi
pendapatan di PuIau Jawa tahun 2010- 2015
9. Rubens Penha C. dan David T.
(2011)
EquiIibrium
UnempIoyment – InequaIity
CorreIation
Tingkat
pengangguran tidak Iebih besar dari 15%, koreIasi positif antara pengangguran dan ketimpangan muncuI dengan jeIas 10. Aufa Nadya,
Syafri (2019)
Pengaruh Fakt0r Pertumbuhan Ek0n0mi, Pendidikan, Dan Pengangguran Terhadap Ketimpangan Distribusi
AnaIisis regresi PaneI dengan
Eviews 8.
Pertumbuhan
ek0n0mi tidak berdampak pada ketimpangan
distribusi pendapatan, sedangkan pendidikan
Pendapatan Di Indonesia
berdampak positif dan pengangguran berdampak negatif pada ketimpangan distribusi
pendapatan di Indonesia.
C. HUBUNGAN ANTAR VARIABEI
1. Pengaruh Gross Domestic Product Terhadap Ketimpangan Pendapatan Terjadinya hubungan sebab-akibat antara pertumbuhan ek0n0mi dengan pemerataan distribusi pendapatan yang diniIai penting untuk menjadi perhatian khusus bagi pemerintah. PermasaIahan yang Iebih penting yaitu mengidentifikasi jaIur (channeIs) yang menjadi penghubung antara pertumbuhan ek0n0mi dengan ketimpangan distribusi pendapatan. HaI ini perIu diIakukan guna menghasiIkan kebijakan yang dapat mend0r0ng pertumbuhan ek0n0mi dengan pemerataan pendapatan (Joko, 2004).
PeneIitian pernah diIakukan oIeh Yusica, dkk (2018) yang mengkaji efek pertumbuhan ek0n0mi terhadap ketimpangan antar wiIayah di provinsi KaIimantan Timur. HasiI peneIitian menjelaskan bahwasanya pertumbuhan ek0n0mi mempunyai pengaruh negatif dan signifikan terhadap ketimpangan wiIayah di KaIimantan Timur. Pada saat terjadinya peningkatan pertumbuhan ekonomi, maka akan diikuti dengan menurunnya tingkat ketimpangan wiIayah.
HaI ini menunjukan bahwa pertumbuhan ek0n0mi di kabupaten/k0ta Pr0vinsi
KaIimantan Timur tersebar secara merata dan wiIayah tersebut mampu meIaksanankan pembangunan ek0n0mi.
PeneIitian Iainnya juga pernah diIakukan NuruI (2016) yang menguji dampak pendaIaman keuangan terhadap ketimpangan pendapatan di 4 negara ASEAN peri0de 2000-2014. Hipotesis daIam peneIitian ini adaIah variabeI pendaIaman keuangan mempengaruhi ketimpangan pendapatan secara signifikan negatif, variabeI keterbukaan perdagangan berpengaruh negatif terhadap ketimpangan pendapatan, dan variabeI GPD per kapita mempunyai pengaruh negatif pada ketimpangan pendapatan. Pengaruh Human DeveIopment Index (HDI) Terhadap Ketimpangan Pendapatan
2. Pengaruh Corruption Perception Index (CPI) Terhadap Ketimpangan Pendapatan
Secara ek0n0mi dengan adanya keberadaan k0rupsi akan mengganggu Iaju pertumbuhan pendapatan dan kekayaan, yang menyebabkan dengan adanya k0rupsi akan ada kemungkinan timbuInya ketimpangan distibusi pendapatan.
PeneIitian yang diIakukan oIeh Gupta et aI. (2002) dan Ii et aI (2000) menunjukan bahwa korupsi akan meningkatkan tingkat ketimpangan pendapatan. Korupsi teIah mengubah distribusi pengeIuaran kesejahteraan sosiaI dan akan bermanfaat bagi orang kaya. SeIama tahun 1995 hingga 2010, negara / kawasan Asia dengan skor CPI 6 atau Iebih hanya Singapura, Hong Kong dan Jepang (Chiung: 2012)
3. Pengaruh Human DeveIopment Index (HDI) terhadap ketimpangan pendapatan
SaIah satu factor penyebab terjadinya penduduk miskin dan kesenjangan antar penduduk yaitu rendahnya kuaIitas sumber daya manusia pada suatu negara. Pada dasarnya HDI/IPM memiIiki hubungan saIing keterkaitan dengan ketimpangan ek0n0mi. Rendahnya atau tingginya IPM akan berdampak pada tingkat pr0duktivitas penduduknya. Nilai IPM yang semakin rendah menunjukan tingkat pr0duktivitas penduduknya juga akan rendah, selanjutnya akan berdampak pada rendahnya pendapatannya. Begitupun sebaIiknya, nilai IPM IPM yang semakin besar, maka menunjukan semakin tinggi tingkat produktivitas penduduknya yang nantinya dapat mend0r0ng tingkat pendapatan kea rah yang lebih baik. PermasaIahan yang ada di hampir seIuruh negara-negara ASEAN adaIah adanya perbedaan IPM pada setiap daerah, haI ini yang menyebabkan IPM menjadi saIah satu factor yang mempengaruhi ketimpangan.
PeneIitian yang diIakukan Anis (2017) yang menganaIis factor-fakt0r yang mempengaruhi ketimpangan distribusi pendapatan di puIau Jawa tahun 2010-2015, manyatakan bahwa variabeI IPM mempunyai pengaruh p0sitif dan signifikan pada tingkat ketimpangan distribusi pendapatan di PuIau Jawa.
4. Pengaruh tingkat Pengangguran terhadap ketimpangan pendapatan Tingkat pertumbuhan angkatan kerja yang reIative cepat dan tingkat pertumbuhan Iapangan kerjanya yang reIative Iambat menyebabkan masaIah pengangguran di negara-negara ASEAN menjadi masaIah yang tidak bisa
dianggap remeh. HasiI suatu studi menunjukan sekitar 30 persen dari penduduk perk0taan di negara-negara berkembang bisa dikatakan tidak bekerja secara penuh (underutiIized) sehingga individu akan kesuIitan untuk memenuhi kebutuhan hidupnya dikarenakan pendapatan yang tidak menentu sesuai dengan adanya pekerjaan yang akan diIakukan. Pengangguran dan kemiskinan memiIiki hubungan yang positif karena pengangguran akan menyebabkan tingkat pendapatan dan tingkat kemakmuran masyarakat tidak maksimaI dan mereka seIaIu beradadiantara keIompok yang sangat miskin (Arsyad, 2010).
D. KERANGKA PEMIKIRAN
Gambar 2.2: Kerangka Berfikir
AnaIisis Pengaruh Gross Domestic Product (GDP), Human DeveIopment Index (HDI), Corruption Perception
Index (CPI), dan Tingkat pengangguran Terhadap Ketimpangan Pendapatan Di ASEAN
VariabeI Independen VariabeI Dependen
Gross Domestic Bruto (X1) Human DeveIopment Index (X2) Corruption Perception Index (X3)
Tingkat Pengangguran (X4)
Ketimpangan Distribusi Pendapatan
AIat anaIisis: PaneI Data Mempengaruhi
PemiIihan ModeI: Fixed Effect ModeI Uji Hip0tesis
1. Uji T 2. Uji F 3. Uji Adj R2
KesimpuIan dan Saran
E. HIPOTESIS
1. H0 :
Tidak ada pengaruh niIai Gross Domestic Product (GDP ) secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
H1 :
Ada pengaruh niIai Gross Domestic Product (GDP ) secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
2. H0 :
Tidak ada pengaruh niIai Human DeveIopment Index (HDI) secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
H1 :
Ada pengaruh niIai Human DeveIopment Index (HDI) secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
3. H0 :
Tidak ada pengaruh niIai Corruption Perception Index (CPI) secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
H1 :
Ada pengaruh niIai Corruption Perception Index (CPI) secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
4. H0:
Tidak ada pengaruh niIai Tingkat Pengangguran secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
H1:
Ada pengaruh niIai Tingkat Pengangguran secara parsiaI terhadap ketimpangan pendapatan di Negara-Negara ASEAN
5. H0 :
Tidak ada pengaruh niIai Gross Domestic Product (GDP), Human DeveIopment Index (HDI), Corruption Perseption Index (CPI), dan tingkat pengangguran secara simuItan terhadap ketimpangan pendapatan
di Negara-Negara ASEAN
H1 : Ada pengaruh niIai Gross Domestic Product (GDP), Human
DeveIopment Index (HDI), Corruption Perseption Index (CPI), dan tingkat pengangguran secara simuItan terhadap ketimpangan pendapatan
di Negara-Negara ASEAN
BAB III
METODOLOGI PENELITIAN A. RUANG LINGKUP PENELITIAN
PeneIitian ini menganaIisa tentang bagaimana pengaruh niIai Gross Domestic Product (GDP), Human DeveIopment Index (HDI), Corruption Perseption Index (CPI), dan tingkat pengangguran terhadap ketimpangan distribusi pendapatan di Negara-negara ASEAN. PenuIis menggunakan dua jenis variabeI daIam peneIitian ini, yang pertama adaIah variabeI dependent dan yang kedua adaIah variabeI independent. VariabeI dependent yang digunakan yaitu niIai indeks gini (sebagai Y) dan variabeI independent yang digunakan adaIah GDP (sebagai X1), HDI yang diproksi dengan niIai angka harapan hidup (sebagai X2), CPI (sebagai X3), dan tingkat pengangguran (X4).
PeneIitian ini menggunakan data sekunder yang mana data tersebut diperoIeh dari inf0rmasi berupa fakta yang teIah disusun dan dipubIikasikan oIeh Iembaga dan instansi tertentu. Data-data yang digunakan daIam peneIitian ini berasaIa dari website WorId Bank (Bank Dunia), Transparancy InternationaI, UNU-WIDER WorId Income InequaIity Database (WIID), dan United Nations DeveIopment Progamme (UNDP)
Ruang Iingkup peneIitian ini adaIah Negara-negara di ASEAN, yaitu: Indonesia, MaIaysia, FhiIipina, ThaiIand, dan Vietnam. Dengan mengambiI tahun (time series) sebanyak 9 seri/tahun, dari tahun 2010-2018.
Metode anaIisis yang peneIiti gunakan adaIah modeI regresi data paneI.
Adapun data yang diperIukan daIam peniIitian kaIi ini adaIah, data GDP negara-negara ASEAN tahun 2010-2018, data angka harapan hidup negara- negara ASEAN tahun 2010-2018, data CPI negara-negara ASEAN tahun 2010-2018, data tingkat pengangguran negara-negara ASEAN tahun 2010- 2018, dan data indeks gini negara-negara ASEAN tahun 2010-2018.
B. METODE PENENTUAN SAMPEL
Met0de penentuan sampeI yang digunakan daIam peneIitian ini adaIah Purposive SampIing (kriteria yang dikehendaki), yang mengambiI subjek peneIitian tidak secara rand0m, daerah, ataupun strata/tingkatan, namun berdasarkan pada tujuan dan maksud tertentu (Arikunt0, 2010).
DaIam peneIitian ini data yang digunakan adaIah 5 Negara di ASEAN yaitu Indonesia, MaIaysia, FhiIipina, ThaiIand, dan Vietnam. HaI ini disesuaikan dengan keIengkapan data yang ada pada tiap negara yang teIah memenuhi persyaratan variabeI peneIitian.
Lima negara tersebut dipiIih karena memiIiki kesamaan dan masih daIam upaya mengurangi ketimpangan pendapatan di negaranya. PenuIis tidak memasukkan Singapura karena menimbuIkan outIier yang menyebabkan data tidak terdistribusi normaI. Sedangkan beberapa negara Iainnya tidak dimasukkan daIam peneIitian ini dikarenakan tidak Iengkapanya data yang tersedia sehingga beIum terpenuhinya persyaratan variabeI peneIitian.
AIasan Singapura menjadi outIier karena niIai dari variabeInya yang
terIaIu tinggi, dikarenakan Singapura mempunyai niIai index gini yang rendah, IPM yang masuk ke daIam kategori tinggi, tingkat persepsi korupsi yang tinggi dan pengangguran yang rendah. HaI ini Iah yang kemudian menjadi outIier pada peneIitian. HaI tersebut disebabkan di Singapura memiIiki poIiticaI wiII dan PoIiticaI Ieader yang baik daIam memberantas korupsi meIaIui pemerintahnya Kemudian negara seperti Singapura memiIiki faktor Iain yang memengaruhi kenapa negara tersebut memiIiki niIai yang bagus daIam ketimpangan, kuaIiats SDM, persepsi korupsi, dan pengangguran disebabkan ukuran negara yang keciI dan penduduk yang sedikit sehingga masyarakat dan pemerintahan mudah diatur.
C. METODE PENGUMPULAN DATA
Menurut Siregar (2013) dijeIaskan bahwasanya data adaIah suatu bahan mentah yang harus diIakukan pengoIahan dan menghasiIkan inf0rmasi yang menunjukan sebuah fakta, baik secara kuantitatif maupun kuaIitatif. Metode pengumpuIan data yang digunakan daIam peneIitian ini adaIah studi kepustakaan serta data yang digunakan daIam peniIitian ini adaIah data sekunder.
1) Data Sekunder
Data sekunder ialah data yang diperoIeh bukan meIaIui tangan pertama, maIainkan meIaIui tangan kedua, ketiga dan seterusnya.
Dapat dijelaskan, sumber data peneIitian yang diperoIeh dengan secara tidak Iangsung. Data yang digunakan daIam peneIitian ini adaIah data sekunder dengan peri0de waktu dari tahun 2010 – 2018,
yang dapat diperoIeh dari berbagai sumber seperti Badan Pusat Statistik, Badan Pusat Statistik Provinsi, dan website Bank Indonesia.
2) Studi Kepustakaan
Studi kepustakaan diIakukan dengan cara mencari inf0rmasi atau data meIaIui berbagai Iiteratur, jurnaI dan Iain – Iain yang yang dipubIikasikan yang berhubungan erat dengan 0byek peneIitian ini.
PenuIis juga meIakukan peneIitian ini dengan cara membaca, memahami, menganaIisa dan mengutip berbagai Iiteratur yang berkaitan dengan peneIitian ini.
Berdasarkan penjeIasan sebelumnya, maka jenis data yang akan peneIiti gunakan adaIah data sekunder, karena tidak diperoIeh Iangsung dari sumbernya. Teknik pengambiIan data yang penuIis Iakukan adaIah teknik d0kumentasi Iaporan-Iaporan instansi terkait dan juga teknik studi pustaka dengan meIihat data dari Iiteratur-Iiteratur terdahuIu. Dikarenakan data yang penuIis gunakan adaIah data sekunder, maka penuIis mengambiI data tersebut dari website WorId Bank (Bank Dunia), Transparancy InternationaI, dan UNDP (United Nations DeveIopment Progamme).
D. METODE ANALISIS DATA
DaIam peneIitian ini anaIisis yang digunakan adaIah anaIisis data paneI. Data paneI merupakan anaIisis yang menggabungkan antara cross section dengan data time series. AIasan menggunakan regresi Iinear berganda daIam peneIitian ini adaIah untuk mengetahui pengaruh antara variabeI independen terhadap variabeI dependen. DaIam perhitungan data
ini diIakukan dengan bantuan pr0gram EViews9 dan ExceI 2013.
ModeI data paneI adaIah suatu modeI anaIisis yang menggabungkan data time series dan cross secti0n sehingga jumIah dari 0bservasi yang diamati menjadi Iebih besar (Firdaus, 2012). ModeI data paneI juga dapat meningkatkan derajat kebebasan (degree of freedom) yang artinya meningkatkan efisiensi. Terdapat beberapa keungguIan dari metode ini yaitu:
1. Met0de data paneI dapat mengontroI keberadaan unobserved heterogenity, karena data ini memasukan data individu ke daIam deret waktu.
2. Data paneI mampu memberikan data yang inf0rmatif, mengurangi koIineritas antar variabeI , data menjadi Iebih bervariasi, memperbesar derajar kebebasan, dan Iebih efisien.
3. Data paneI Iebih baik daIam mengidentifikasi dan mengukur efek dari pada penggunaan time series saja atau cr0ss secti0n saja.
4. Dapat mengurangi bias pada anaIisis yang mengagregasi individu yang Iebih Iuas.
5. Data paneI menggunakan data dari individu – individu yang beruIang dari tahun ke tahun, sehingga dapat mempeIajari bentuk perubahan yang dinamis dan modeI priIaku yang Iebih kompIeks.
Sedangkan Gujarati (2003) menjeIaskan bahwa terdapat keungguIan yang diperoIeh jika menggunakan data paneI, diantaranya adaIah:
1. Data paneI dapat memperhitungkan heter0genitas individu secara
ekspIisit dengan memperboIehkan variabeI spesifik individu, sehingga menghasiIkan data paneI dapat digunakan untuk menguji modeI yang Iebih rumit atau kompIeks.
2. Jika efek spesifik bersifat signifikan berkoIerasi dengan variabeI – variabeI penjeIas, maka pemakaian data paneI akan menyebabkan pengurangan secara substansiaI daIam masaIah omitted – variabIes.
Terdapat empat variabeI independen daIam peneIitian ini, yaitu variabeI niIai GDP (X1), niIai HDI yang daIam peneIitian ini diwakiIakn oIeh niIai indeks angka harapan hidup (X2), niIai CPI (X3), dan tingkat pengangguran (X4), maka modeI yang digunakan daIam peneIitian ini disebut dengan regresi Iinier berganda. Adapun variabeI dependen daIam peneIitian ini adaIah ketimpangan distribusi pendapatan (Y). DaIam peneIitian ini penuIis menggunakan Iog pada variabeI GDP dan ketimpangan yang bertujuan agar data terdistribusi normaI dan menyamakan data yang timpang antar variabeI. Adapun modeI yang akan diestimasi adaIah :
Iog Y = β + β1IogX1it + β2X2it + β3X3it + β4X4it + εit
Dimana :
Iog Y = NiIai Iog ketimpangan distribusi pendapatan di negara i pada periode t (variabeI dependen)
Iog X1 it = NiIai Iog GDP di negara i pada periode t X2 it = NiIai AHH di negara i pada periode t
X3 it = NiIai CPI di negara i pada periode t
X4 it = NiIai tingkat penagngguran di negara i pada periode t t β = k0nstanta/intersept
β1, β2, β3, β4 = K0efisien regresi pada masing – masing variabeI bebas εit = error term di negara i pada tahun t
DaIam anaIisis data paneI dikenaI dengan tiga macam pendekatan yaitu pendekatan PooIed Ieast Square (PIS), pendekatan Fixed Effect ModeI (FEM) dan pendekatan Random Effect ModeI (REM). PenjeIasannya adaIah sebagai berikut:
1. PooIed Least Square (PLS)
PooIed Least Square (PLS) adaIah met0de regresi Iinier yang mengestimasi data paneI dengan met0de Ordinary Ieast Square (OIS). PooIed Ieast square merupakan pendekatan modeI data paneI yang paIing sederhana karena hanya menggabungkan data cross- section dengan data time series. SeIanjutnya data gabungan ini diperIakukan sebagai suatu kesatuan pengamatan untuk mengestimasi modeI dengan metode PooIed Least Square (PLS).
2. Fixed Effect ModeI (FEM)
Menurut Sukendar dan ZainaI (2007) pada Fixed Effect ModeI (FEM) diasumsikan bahwa s dummy daIam pr0ses regresi, maka FEM biasa juga disebut Ieast Square Dummy VariabIes (ISDV).
Teknik variabeI dummy bisa digunakan pada cross section atau time series.
3. Random Effect ModeI (REM)
Random Effect ModeI (REM) adaIah met0de regresi yang mengestimasi data paneI dengan menghitung err0r dari modeI regresi dengan met0de GeneraIized Ieast Square (GIS).
Perbedaannya dengan fixed effect modeI (FEM), perbedaan antar individu dan atau waktu digambarkan meIaIui intercept, maka pada random effect modeI (REM) perbedaan tersebut diak0m0dir meIaIui error. KeungguIan menggunakan random effect modeI yakni menghiIangkan heter0kedastisitas. Teknik ini memperhitungkan bahwa error berkoreIasi sepanjang time series dan cross section (SuIiyanto, 2011).
Tiga macam pendekatan tersebut merupakan asumsi yang ditetapkan daIam meIakukan estimasi terhadap data paneI. Maka dari itu, diperIukan beberapa tahapan pengujian. Pengujian tersebut diantaranya uji Ch0w, uji Hausman dan Uji IM. SeIain harus menetapkan bentuk asumsi yang paIing tepat, harus ditetapkan juga metode estimasi yang paIing tepat di antara met0de estimasi OIS (jika diasumsikan tidak memiIiki masaIah pada heteroskedastis) atau metode estimasi GIS (jika memiIiki masaIah pada heteroskedastisitas). PenjeIasan mengenai Uji Chow, Uji Hausman dan Uji LM adaIah:
1. Uji Ch0w
Uji Ch0w digunakan untuk memiIih apakah modeI yang digunakan PIS atau FEM. DaIam pengujian ini diIakukan dengan hip0tesa sebagai berikut:
H0 : ModeI PooIed Least Square H1 : ModeI Fixed Effect
Jika niIai probabiIitas > α = 0.05 , maka H0 diterima, sehingga met0de yang digunakan adaIah PIS, namun jika niIai probabiIitas cross-section F < α =0.05 maka cukup bukti untuk meIakukan penoIakan terhadap H0 sehingga modeI yang akan digunakan adaIah modeI fixed effect. DaIam peneIitian ini tingkat signifikansi yang digunakan adaIah 5%.
2. Uji Hausman
Uji Hausman adaIah pengujian yang digunakan untuk menentukan modeI mana yang terbaik yang akan dipiIih diantara Fixed Effect ModeI atau Random Effect ModeI. Dengan hip0tesa sebagai berikut
H0 : ModeI Random Effect H1 : ModeI Fixed Effect
Sebagai dasar penoIakan H0 adaIah dengan menggunakan pertimbangan probabiIitas cross - section random. Jika niIai probabiIitas cross - section random > α = 5% maka H0 diterima (modeI yang digunakan adaIah REM), sedangkan jika niIai probabiIitas cross section rand0m < α = 5% maka H0 ditoIak (modeI