BAB III METODE PENELITIAN

perpustakaan.uns.ac.id

digilib.uns.ac.id

BAB III METODE PENELITIAN

A. Ruang Lingkup Penelitian Penelitian ini merupakan penelitian kuantitatif yang menganalisis data sekunder dalam menguji hipotesis yang dipaparkan. Ada dua ruang lingkup yang digunakan dalam penelitian ini yaitu kajian ekonomi makro dan kajian ekonomi internasional. Penelitian ini dilakukan dengan menganalisis pengaruh penanaman modal asing terhadap kemakmuran negara investasi yang diukur dari indikator kemakmuran yaitu produk domestik bruto per kapita. Dalam penelitian ini juga dilakukan pembandingan antara 4 negara ASEAN yaitu Indonesia, Thailand, Malaysia, dan Filipina. B. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah jenis data sekunder yang bersifat time series (runtut waktu) dan berbentuk tahunan. Data sekunder merupakan data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data (hanke & reitsch 1998: bab 3 dalam buku kuncoro 2009). Data sekunder dalam penelitian ini adalah data representasi dari berbagai Variabel foreign direct investment sebagai faktor penentu produk domestik bruto di negara Indonesia, Thailand, Malaysia, dan Filipina tahun 2000 – 2012. commit to user 28


digilib.uns.ac.id29

Data dalam penelitian ini diperoleh dari hasil publikasi lembaga keuangan dan lembaga statistik baik nasional maupun internasional. Secara detail, data yang digunakan dalam penelitian ini dijelaskan pada tabel berikut ini : Tabel detail data penelitian No 1.

Variabel

Data

Produk Domestik Bruto GDP per capita

Satuan

Sumber

USD

World Bank

per kapita 2.

FDI

FDI net inflow

USD

World Bank

3.

Labour

Labour Force

Orang

World Bank

4.

Interest Rate

Real Interest Rate

%

World Bank

Sumber : World Bank C. Definisi Operasional Variabel 1. Variabel dependen (Variabel terkait) Variabel dependen identik dengan variabel terikat yang dijelaskan atau dependent variable (Kuncoro, M. 2009). Lebih jelasnya, variabel dependen merupakan variabel yang dipengaruhi oleh variabel-variabel independennya. Untuk variabel dependen dalam penelitian ini adalah produk domestik bruto per kapita yang merupakan interpretasi dari kemakmuran suatu bangsa. Definisi produk domestik bruto per kapita menurut world bank adalah produk domestik bruto dibagi dengan jumlah penduduk pada pertengahan commit to user


digilib.uns.ac.id30

tahun. Dalam sebuah perekonomian yang paling diperhatikan adalah produk domestik bruto per kapita karena dianggap sebagai tolak ukur terbaik untuk kesejahteraan masyarakat. Alasan kenapa produk domestik bruto per kapita lebih baik dari pada produk domestik bruto karena dalam produk domestik bruto terdapat banyak hal yang tidak diikut sertakan dalam perhitungan pendapatan dan pengeluaran seperti nilai dari semua kegiatan yang terjadi di luar pasar, kualitas lingkungan dan distribusi pendapatan. Lain halnya dengan perhitungan produk domestik bruto per kapita dimana merupakan produk domestik bruto yang dibagi (dibandingkan) dengan jumlah penduduk di suatu negara. Oleh sebab itu, produk domestik bruto per kapita merupakan alat yang lebih baik dari pada produk domestik bruto dalam hal interpretasi kondisi yang terjadi pada rata-rata penduduk, standar hidup masyarakat (Mankiw : 2006) 2. Variabel independen (Variabel bebas) Variabel independen identik dengan Variabel bebas, variabel penjelas atau independent atau explanatory variable. Variabel ini biasanya dianggap sebagai variabel predictor atau penyebab karena memprediksi atau menyebabkan Variabel dependen (Kuncoro, M. 2009). Dalam bahasa, sederhana variabel independen merupakan variabel yang mempengaruhi variabel dependen. Dalam penelitian ini, ada 3 (tiga) variabel independen

commit to user


digilib.uns.ac.id31

yang akan dianalisis. Ketiga variabel independen tersebut adalah sebagai berikut : a. Foreign Direct Invesment Pengertian Investasi asing langsung menurut bank dunia adalah arus masuk bersih investasi untuk mengakuisisi manajemen abadi (10 persen atau lebih dari saham voting) dalam suatu perusahaan yang beroperasi dalam perekonomian selain dari investor. Ini adalah jumlah modal, reinvestasi pendapatan, modal jangka panjang lainnya, dan modal jangka pendek seperti yang ditunjukkan dalam neraca pembayaran. Seri ini menunjukkan arus masuk bersih (arus masuk investasi baru kurang disinvestasi) dalam perekonomian melaporkan dari investor asing. Foreign direct investment ini ditandai dengan adanya arus modal intenasional dimana perusahaan dari suatu negara mendirikan atau memperluas bisnisnya dengan mendirikan perusahaan di negara lain, dimana tidak hanya

memindahkan seumber daya tetapi juga

pemberlakuan pengendalian dan kontrol. Foreign direct investment yang digunakan dalam penelitian ini adalah foreign direct investment yang bersumber dari website World Bank dimana satuan yang digunakan berdasarkan USD (Dollar Amerika). Dalam penelitian ini, variabel foreign direct investment disimbolkan dengan FDI. commit to user


digilib.uns.ac.id32

b. Labour Labour (tenaga kerja) dapat didefinisikan sebagai total tenaga manusia yang terdiri dari orang-orang berusia 15 tahun dan atau lebih dari 15 tahun yang memenuhi definisi international labour organization. Dalam konteks ini penduduk aktif secara ekonomi dimana semua orang yang memeasok tenaga kerja untuk memproduksi barang dan jasa selama jangka waktu tertentu. Dalam penelitian ini digunakan data total jumlah tenaga kerja (total labour force) yang didapat dari world bank. Menurut bank dunia, total jumlah tenaga kerja adalah jumlah angkatan kerja terdiri dari orang usia 15 atau lebih tua yang memenuhi definisi international labour organization (ILO) dari populasi yang aktif secara ekonomi yaitu semua orang yang memasok tenaga kerja untuk produksi barang dan jasa selama jangka waktu tertentu. Ini mencakup baik yang bekerja dan pengangguran. Sementara, praktik nasional bervariasi dalam pembagian kelompok-kelompok seperti angkatan bersenjata dan pekerja musiman atau paruh waktu, secara umum angkatan kerja termasuk angkatan bersenjata, pengangguran, dan pertama kali pencari kerja, tetapi tidak termasuk ibu rumah tangga dan pengasuh yang belum dibayar lainnya dan pekerja di sektor informal.

commit to user


digilib.uns.ac.id33

Satuan untuk variabel labour ini adalah orang dan untuk memudahkan dalam menganalisis data, variabel labour force ini disimbolkan dengan LABOUR c. Interest rate Data interest rate yang digunakan dalam penelitian ini adalah data tingkat bunga rill (real interest rate) yang diambil dari website bank dunia. Tingkat bunga riil adalah tingkat bunga pinjaman disesuaikan dengan inflasi yang diukur dengan GDP deflator (world bank). Biaya meminjam uang diukur dalam dolar per tahun per dolar yang dipinjam. Inflasi sangat berpengaruh terhadap penentuan tingkat bunga, seperti yang dijelaskan oleh Mankiw (2003) bahwa tingkat bunga nominal akan berubah dikarenakan dua alasan yaitu karena tingkat bunga rill berubah dan karena tingkat inflasi yang berubah. Jadi, besarnya tingkat bunga nominal adalah penjumlahan dari tingkat bunga rill dikurangi dengan tingkat inflasi. Dalam penelitian ini, satuan untuk variabel interest rate adalah % (persen) yang diperoleh dari data real interest rate di world bank. Untuk interest rate disimbolkan dengan INT. D. Metode Analisis 1. Metode analisis deskriptif

commit to user


digilib.uns.ac.id34

Metode analisis deskriptif adalah metode analisis data yang dilakukan dengan cara menggambarkan atau mendeskripsikan data yang sudah dikumpulkan dengan tujuan agar mudah diinterprestasikan dan dipahami. Dalam penelitian ini, metode analisis deskriptif digunakan untuk memberikan gambaran umum mengenai kondisi perkembangan variabel-variabel penelitian di 4 (empat) negara ASEAN yaitu Indonesia, Malaysia, Thailand, dan Filipina. Variabel yang digunakan ada dalam penelitian ini meliputi gross dometic product per capita (produk domestik bruto per kapita), foreign direct investment (investasi asing langsung), labour (tenaga kerja), dan interest rate (tingkat suku bunga). 2. Metode analisis kuantitatif Metode analisis kuantitatif merupakan metode analisis data dengan menggunakan perhitungan secara matematik. Dalam penelitian ini, metode analisis kuantitatif yang dilakukan adalah pendekatan ekonometrika dengan menggunakan analisis data panel. Penggunaan analisis data panel dalam penelitian ini dijelaskan sebagai berikut : a. Konsep dan Pengertian Analisis Data Panel Penggunaan data panel dalam mengestimasi data didukung atas permasalahan dalam penelitian dimana terkait dengagn ketersediaan data untuk mewakili variabel yang digunakan. Terdakang dalam sebuah penelitian, ditemukan bentuk data berbentuk series yang pendek sehingga commit to user


digilib.uns.ac.id35

proses pengolahan data dalam bentuk time series tidak dapat dilakukan karena berkaitan dengan syarat jumlah minimum data untuk diolah. Terkadang juga ditemukan bentuk data dengan jumlah cross section yang terbatas, sehingga menyulitkan ketika dilakukan proses pengolahan data cross section untuk mendapatkan informasi dari model yang diteliti. Dalam teori ekonometrika, salah satu dari kedua permasalahan tersebut dapat diselesaikan dengan menggunakan analisis data panel. Dengan menggunakan data panel, dapat diperoleh hasil estimasi yang lebih baik dengan terjadinya peningkatan jumlah observasi yang berimplikasi terhadap peningkatan derajat kebebasan (degres of freedom). Menurut Baltagi (1995) dalam modul laboratorium ekonometrika oleh siti Aisyah (2007) disebutkan beberapa kelebihan yang dimiliki estimasi data panel yaitu : 

Estimasi data panel dapat menunjukkan adanya heterogenitas dalam setiap unit.



Dengan menggunakan estimasi data panel, data lebih informative, mengurangi kolinearitas antara variabel, meningkatkan derajat kebebasan dan lebih efisien.



Estimasi data panel cocok digunakan untuk menggambarkan adanya dinamika perubahan. commit to user


digilib.uns.ac.id36



Estimasi data panel lebih mampu memdeteksi dan mengukur dampak.



Estimasi data panel dapat digunakan untuk studi dengan model yang lebih lengkap.



Estimasi data panel dapat meminimalisir bias yang mungkin dihasilkan dalam agregasi.

b. Estimasi Model Data panel Dengan

menggunakan

data

panel,

secara

umum

akan

menghasilkan intesep dan slope koefisien yang berbeda pada setiap variabel dan setiap periode waktu. Oleh karena itu, dalam mengestimasi persamaan akan sangat tergantung dari asumsi yang dibuat mengenai intersep, koefisien slope dan variabel gangguannya. Ada beberapa kemungkinan yang akan muncul dalam proses estimasi yaitu : 

Diasumsikan, intersep dan slope adalah tetap sepanjang waktu. Untuk individu (negara), perbedaan intersep dan slope dijelaskan oleh variabel gangguan.



Diasumsikan slope adalah tetap, akan tetapi intersep berbeda antar individu (negara).



Diasumsikan slope adalah tetap, akan tetapi intersep berbeda baik antar waktu maupun antar individu (negara).



Diasumsikan intersep dan slope berbeda antar individu (negara).



Diasumsikan intersep dan slope berbeda antar waktu dan individu (negara). commit to user


digilib.uns.ac.id37

3. Data Panel Untuk mengestimasi parameter model dengan menggunakan data panel terdapat beberapa teknik, antara lain : a. Pooled Least Square (pendekatan kuadrat terkecil) Pooled Least Square merupakan pendekatan paling sederhana yang digunakan untuk mengestimasi data panel. Pendekatan ini hanya mengkombinasikan data cross section dan data time series dengan menggunakan metode ordinal least square yang juga dikenal sebagai estimasi common effect. Dalam pendekatan ini, dimensi individu maupun waktu tidak diperhatikan dan diasumsikan bahwa perilaku data antar variabel sama dalam berbagai kurun waktu. Υit = α + β1Χ1it + β2Χ2it + …. + βkΧkit + εit Dimana i = 1,2,…..N dan t = 1,2,…..T i adalah cross section identifier t adalah time series identifier b. Fixed effect Method (Pendekatan Efek Tetap) Permasalahan yang dihadapi ketika menggunakan analisis polled least square adalah asumsi intersep dan slope dari persamaan regresi dimana hal tersebut dianggap konstan baik antar daerah maupun waktu. Dari permasalahan seperti itu, asumsi tersebut dianggap kurang realistis dan tidak beralasan. Sebagai contoh, apabila kita akan mengamati pengaruh iklan terhadap omset pada 20 perusahaan yang bergerak di commit to user


digilib.uns.ac.id38

bidang yang berbeda, maka akan menjadi tidak realistis jika hasil yang diperoleh menunjukkan bahwa perusahaan yang bergerak di bidang jasa memiliki intercept dan slope yang sama dengan perusahaan yang bergerak di bidang makanan. Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan cara mengasumsikan bahwa perbedaan antar individu dapat diakomodasi melalui perbedaan intersepnya. Setiap αi akan diperlakukan sebagai parameter yang tidak diketahui dan juga akan diestimasi. Meskipun intersep antar individu berbeda, namun setiap intersep individunya tidak bervariasi antar waktu atau time invariant. Oleh sebab itu, model ini dinamakan sebagai fixed effects method (FEM) yang secara umum persamaan modelnya dapat dituliskan sebagai berikut : Υit = α + β1Χ1it + β2Χ2it + …. + βkΧkit + εit Cara untuk membuat supaya intercept pada model fixed effects bervariasi antar individu dapat dilakukan dengan memasukkan variabel dummy ke dalam model, sehingga model menjadi seperti berikut : Υit = α + α2D2i + … + α(n-1)D(n-1)I + β1Χ1it + β2Χ2it + …. + βkΧkit + εit Dimana i = 1,2,….,N dan t = 1,2,….,T D2i = 1 untuk individu kedua dan 0 untuk individu lainnya. D(n-1) = 1 untuk individu ke (n-1) dan 0 untuk individu lainnya. commit to user


digilib.uns.ac.id39

Karena menggunakan dummy variabel dalam mengestimasi fixed effect maka model persamaan diatas disebut least square dummy variable (LSDV) dimana intersep untuk masing-masing cross sectional unit berbeda. Namun, pengunaan model LSDV dapat digunakan jika persamaan regresi memiliki sedikit unit cross section. Jika terdapat banyak unit cross section yang akan dianalisis, maka penggunaan LSDV dapat mengurangi derajat kebebasan yang akan berdampak pada berkurangnya efisiensi dari parameter yang diestimasi. Untuk fixed effect walaupun intercept mungkin berbeda antar individu, namun intercept setiap cross section tersebut tidak bervariasi sepanjang waktu dengan kata lain time invariant. Sehingga untuk model data panel dengan jumlah cross section yang lebih banyak, lebih baik menggunakan metode FEM dalam estimasi model penelitian. c. Random Effect Method (Pendekatan Efek Acak) Pendekatan analisis data panel dengan menggunakan fixed effect melalui variabel dummy atau LSDV masih mengandung sedikit permasalahan yaitu adanya ketidakpastian model yang kita gunakan. Untuk mengatasi hal tersebut dapat dilakukan dengan menggunakan variabel residual yang dikenal dengan model random effect. Dalam model random effect kita akan memilih estimasi data panel diman residual mungkin saling berhubungan antar waktu dan antar individu. commit to user


digilib.uns.ac.id40

Model random effect dapat dijelaskan dengan asumsi bahwa setiap variabel mempunyai perbedaan intersep. Intersep yang dimaksud disini diasumsikan sebagai variabel random atau stokastik. Model ini sangat beeguna jika individual yang kita ambil sebagai sampel dipilih secara acak (random) dan merupakan perwakilan dari populasi. Model random effect dapat dijelaskan dan ditulis sebagai berikut : Υit = β1i + β2Χ2it + β3Χ3it + µit Dengan asumsi bahwa variabel random dengan β1 (tidak ada subscript i) dan nilai intersep tiap individu adalah : β1i = β1 + εit dimana I = 1,2,3,….,N εit adalah random error term dengan nilai rata rata 0 (nol) dan varian dengan mensubtitusikan persamaan dibawah dengan diatas, maka akan didapatkan sebuah persamaan baru sebagai berikut : Υit = β1i + β2Χ2it + β3Χ3it + εit + µit = β1i + β2Χ2it + β3Χ3it + ωit Dimana ωit = εit + µit

commit to user


digilib.uns.ac.id41

Error ωit terdiri atas 2 (dua) komponen error yaitu εit yang merupakan error variasi unit dan µit yang merupakan error dari kombinasi runtun waktu dari lintas sector asumsi ECM (Error Corection Model) yaitu : εit ~ N (0,

)

µit ~ N (0,

)

Ε(εit, µit) = 0

Ε(εi, εj) = 0

Ε(µit µis) = Ε(µit µjt) = Ε(µit µjs) = 0

(i ≠ j) (i ≠ j ; t ≠ s)

Error komponen setiap unit tidak berkorelasi satu sama lain dan tidak berkorelasi, baik secara runtun waktu maupun lintas sektor.

Asumsi

persamaan : Ε(ωit) = 0 var(ωit) = Jika

+ = 0 , maka tidak ada perbedaan antara model (3.2) dan (3.3).

Dalam kasus ini dapat digunakan observasi pool sederhana (cross section dan time series) dan menggunakan regresi pooled seperti tertera pada persamaan (3.6). Dalam persamaan (3.8) ditunjukkan error term ωit homoskedastis. Dapat dilihat bahwa ωit dan ωis berkorelasi dimana korelasi koefisien corr (ωit, ωis) adalah sebagai berikut :

commit to user


digilib.uns.ac.id42

Corr (ωit, ωis) =

Jika korelasi ini tidak diperhitungkan dan diestimasi menggunakan OLS, maka estimatornya akan menjadi tidak efisien. Untuk itu, metode yang biasa dipakai adalah generalized least square (GLS). 4. Uji Pemilihan Model Data a. Common Effect atau Individual Effect Uji chow test atau sering disebut sebagai uji F statistik adalah pengujian yang dilakukan untuk memilih model manakah yang akan digunakan diantara common effect dan individual Effect. Berdasarkan penjelasan sebelumnya, dijelaskan bahwa terkadang asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis dan tidak beralasan. Mengingat ada kemungkinan bahwa setiap unit cross section memiliki perilaku yang berbeda. Oleh sebab itu, dalam pengujian ini dilakukan dengan hipotesa sebagai berikut : H0 : Model Common Effect (Restricted) H1 : Model Invidual Effect (Unrestricted) Dalam pengujian hipotesis tersebut digunakan persamaan F statistik seperti yang telah dirumuskan oleh Chow yang ditulis seperti berikut : commit to user


Dimana :

digilib.uns.ac.id43

adalah unrestricted

adalah restricted k adalah total jumlah koefisien regresi (termasuk konstanta) n adalah jumlah sampel Apabila hasil perhitungan uji F

hitung

≥ F tabel , hal ini menunjukkan

bahwa H0 ditolak. Hal ini menunjukkan bahwa model yang akan digunakan adalah Fixed Effect. Dengan kata lain, intersep untuk semua unit cross section tidak sama. Begitu pula sebaliknya ketika hasil perhitungan F

hitung

≤ F

tabel

, dimana hal ini menunjukkan bahwa H0

diterima, yang berarti model yang akan digunakan adalah pooled least square. Dengan kata lain, intersep untuk semua unit cross section adalah sama. b. FEM (Fixed Effect Model) atau REM (Random effect Model) Penggunaan model fixed effect mengandung suatu unsur trade off yaitu hilangnya derajat kebebasan dikarenakan adanya variabel dummy yang dimasukkan ke dalam model. Untuk menentukan penggunaan fixed effect model atau random effect model dalam sebuah model dapat commit to user


digilib.uns.ac.id44

dilakukan dengan cara hausman test. Dalam pengujian ini, hipotesis yang digunakan adalah sebagai berikut : H0 : Model Random effect (REM) H1 : Model Fixed Effect (FEM) Sebagai dasar penolakan H0 adalah dengan menggunakan statistik hausman dan membandingkannya dengan Chi Square. Statistik hausman dapat dirumuskan sebagai berikut : W = (βfem – βrem)’ (Vfem – Vrem)-1(βfem – βrem)’ ~ χ2 (k) Dimana : βfem merupakan koefisien hasil estimasi model FEM. βrem adalah koefisien hasil estimasi model REM. V adalah matriks kovarians untuk parameter β k adalah derajat kebebasan (df) yang merupakan jumlah variabel independen Jika nilai chi square (χ 2) hitung dalam hasil pengujian hasusman lebih besar daripada nilai chi square χ2 (k) tabel maka H0 ditolak. Hal ini berarti estimasi yang tepat untuk model regresi data panel adalah dengan menggunakan pendekatan Fixed Effect. Begitu pula sebaliknya jika nilai chi square (χ 2) hitung dalam hasil pengujian hasusman lebih kecil daripada nilai chi square χ2 (k) tabel maka H0 diterima. Yang berarti commit to user


digilib.uns.ac.id45

estimasi yang tepat dalam model regresi data panel adalah dengan menggunakan Random effect. Cara lain untuk melakukan pengujian ini adalah dengan membandingkan nilai probabilitass hasil dari hausman statistic dengan α. Jika hasil hausman test signifikan (probabilitas dari hausman < α ) maka, H0 ditolak, yang berarti model yang akan digunakan adalah model fixed effect. Begitu pula sebaliknya, jika hasil hausman test tidak signifikan (probabilitass dari hausman > α ) maka, H0 diterima yang berarti model yang akan digunakan adalah model random effect. 5. Uji Statistik a. Uji t statistik ( uji parsial) Uji ini dilakukan untuk rangka menguji kemampuan dari masingmasing variabel independen secara sendiri-sendiri. Tahap-tahap pengujian uji t statistik dapat dijelaskan seperti berikut : 

Menentukan H0 (Hipotesis nol) dan Ha (Hipotesis alternatif) H0 : β1 = 0, hal ini menunjukkan tidak ada pengaruh signifikan

variabel independen terhadap variabel dependen. Ha : β1 ≠ 0, hal ini menunjukan adanya pengaruh signifikan veriabel independen terhadap variabel dependen. 

Menentukan besarnya level of significance (α) untuk mengetahui tingkat signifikasi dari hasil pengolahan data berdasarkan nilai probabilitas dua commit to user


digilib.uns.ac.id46

sisi (uji dua sisi). Besarnya α yang digunakan dalam penelitian ini adalah 5%. 

kriteria pengujian

gambar 3.1 Daerah kritis uji t keterangan : H0 diterima jika –t (α/2, n-k) ≤ t hitung ≤ t (α/2, n-k) H0 ditolak jika t hitung < –t (α/2, n-k) atau t hitung > –t (α/2, n-k) Dari sampel random yang diambil, kemudian dihitung nilai t dengan rumus :

t hitung tabel = t (α/2, n-k) dimana : β adalah koefisien regresi SE adalah Standar error commit to user


digilib.uns.ac.id47

n adalah jumlah observasi k adalah jumlah variabel Kesimpulannya adalah apabila t hitung > t tabel atau t hitung < - t tabel, berarti H0 ditolak dimana variabel independen mempunyai pengaruh signifikan terhadap variabel independen. Namun, apabila - t tabel ≤ t hitung ≤ t tabel, maka H0 diterima dimana tidak ada pengaruh yang signifikan antara variabel independen terhadap variabel dependen. b. Uji F statistik Uji ini dilakukan dengan maksud untuk mengetahui pengaruh variabel independen terhadap variabel dependen secara bersama-sama. Tahap-tahap pengujian uji F statistik dijelaskan sebagai berikut : 

Fromula Hipotesis H0 = β1 = β2 = 0, hal ini berarti tidak ada pengaruh signifikan antara variabel independen terhadap variabel dependen secara bersama-sama. Ha ≠ β1 ≠ β2 ≠ 0, hal ini berarti terdapat pengaruh signifikan antara variabel independen terhadap variabel dependen secara bersama-sama.



Memilih level of significance tertentu. Besar α yang digunakan adalah 5% (α = 0,05)



Kriteria pengujian commit to user


digilib.uns.ac.id48

Gambar 3.2 Daerah kritis Uji F Keterangan : H0 diterima atau Ha ditolak, jika F hitung < F (α, k – 1, n – k) H0 ditolak atau Ha diterima, jika F hitung > F (α, k – 1, n – k) 

Perhitungan nilai F F tabel = F (α, k – 1, n – k)

F hitung =

– –

dimana R2 adalah koefisien determinasi 

kesimpulan Apabila F hitung > F tabel, maka H0 ditolak yang artinya secara bersama-sama

variabel berpengaruh signifikan terhadap variabel dependen. Namun, apabila F hitung

< F

tabel,

maka H0 diterima yang berarti secara bersama-sama variabel

independen tidak mempunyai pengaruh signifikan terhadap variabel dependen. c. Uji R2 (Koefisien Determinasi)

commit to user


digilib.uns.ac.id49

Uji ini dilakukan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen dimana tingkat ketepatan regresi ditentukan oleh besarnya adjusted R2. Nilai R2 berada diantara 0 < R2 < 1. Jika R2 =1, maka pengaruh variabelvariabel independen terhadap variabel dependen semakin besar. Jika R2 = 0, maka variabel-variabel independen tidak berpengaruh terhadap variabel dependen. d. Uji heterokedastisitas Uji heterokedastisitas merupakan pengujian terhadap ada atau tidaknya masalah heterokedastisitas dalam model empirik. Heterokedastisitas terjadi ketika varians pengganggu berbeda antar observasi, sehingga masing-masing observasi memiliki nilai reliabilitas yang berbeda. Metode estimasi OLS memberikan angka penimbang yang lebih besar pada observasi yang memiliki nilai yang lebih besar dengan tujuan meminimalkan jumlah kuadrat dari galat. Uji heterokedastisitas menimbulkan dampak terhadap tidak efisiennya proses estimasi, namun hasil estimasi yang dihasilkan tetap konsisten dan tidak bias. Ada beberapa metode yang dapat menguji heterokedastisitas antara lain : uji park, uji glejser, uji spearman’s rank correlation, uji Goldfeld-Quandt, Uji Breusch-Pagan-Godfrey, uji white, uji koenker-basset dan lainnya. e. Metode Generalized Least Square (GLS)

commit to user


digilib.uns.ac.id50

Singkatnya, generalized least square adalah OLS pada variabel-variabel yang telah ditransformasikan dan memenuhi asumsi-asumsi standar kuadrat sederhana terkecil (Gujarati : 2010). f. Spesifikasi Model Penelitian Dengan Data Panel Model yang digunakan dalam melakukan estimasi terhadap kemakmuran di Negara Indonesia, Malaysia, Thailand, Vietnam dan Filipina adalah model yang diadopsi dari penelitian Tambang Vu (2007) yang dijelaskan sebagai berikut : GDP = f [(Labour)it, (Foreign Direct Investment)it (Interest Rate)it] Untuk memudahkan analisis data, dalam penelitian ini digunakan beberapa indikator (proxy) yang mewakili variabel-variabel antara lain produk domestik bruto per kapita sebagai indikator dari kemakmuran diberi simbol GDP, Labour force sebagai indikator dari tenaga kerja diberi simbol LAB, FDI net inflows sebagai indikator dari foreign direct investment diberi simbol FDI, dan data real interest rate sebagai indikator dari tingkat suku bunga diberi simbol INT. sehingga model yang didapat adalah sebagai berikut : GDP it = β1 + β2LABit + β6FDIit + β7INTt + vi + wit

commit to user

BAB III METODE PENELITIAN

Recommend Documents