EKONOMETRIKA UNTUK DATA PANEL (APLIKASI EVIEWS DAN STATA)
|
|
- Farida Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MODUL I EKONOMETRIKA UNTUK DATA PANEL (APLIKASI EVIEWS DAN STATA) MUHAMMAD FIRDAUS TONY IRAWAN Universitas Brawijaya, 10 Agustus 2009
2 TEORI MODEL DATA PANEL Kelemahan dalam pendekatan cross section telah memotivasi penggunaan model time series. Sebagai contoh analisis pertumbuhan ekonomi suatu wilayah yang dilihat dari pertumbuhan PDRB, tingkat investasi dan tingkat konsumsi. Jika hanya menggunakan data cross section, yang diamati hanya pada satu titik waktu, maka perkembangan ekonomi wilayah-wilayah tersebut antar waktu tidak dapat dilihat. Di sisi lain, penggunaan model time series juga menimbulkan persoalan tersendiri melalui peubah-peubah yang diobservasi secara agregat dari satu unit individu sehingga mungkin memberikan hasil estimasi yang bias. Berdasarkan latar belakang tersebut, dewasa ini muncul perhatian dalam penggunaan pendekatan data panel, yaitu menggunakan informasi dari gabungan kedua pendekatan tersebut (cross section dan time series). Terdapat dua keuntungan penggunaan model data panel dibandingkan data time series dan cross section saja (Verbeek, 2004). Pertama, dengan mengkombinasikan data time series dan cross section dalam data panel membuat jumlah observasi menjadi lebih besar. Dengan menggunakan model data panel marginal effect dari peubah penjelas dilihat dari dua dimensi (individu dan waktu) sehingga paramater yang diestimasi akan lebih akurat dibandingkan dengan model lain. Secara teknis menurut Hsiao (2004), data panel dapat memberikan data yang informatif, mengurangi kolinearitas antar peubah serta meningkatkan derajat kebebasan yang artinya meningkatkan efisiensi. Kedua, keuntungan yang lebih penting dari penggunaan data panel adalah mengurangi masalah identifikasi. Data panel lebih baik dalam mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diatasi dalam data cross section saja atau data time series saja. Data panel mampu mengontrol heterogenitas individu. Dengan metode ini estimasi yang dilakukan dapat secara eksplisit memasukkan unsur heterogenitas individu. Data panel juga lebih baik untuk studi dynamics of adjustment. Hal ini berkaitan dengan observasi pada cross section yang sama secara berulang, sehingga data panel lebih baik dalam mempelajari perubahan dinamis. Terdapat dua pendekatan yang umum diaplikasikan data panel, yaitu Fixed Effect Model (FEM) dan Random effects Model (REM). Keduanya dibedakan berdasarkan pada asusmsi atau tidaknya korelasi antara komponen error dengan peubah bebas (regresor). Misalkan: y it = α i + X it β + ε it Pada one way error components model, komponen error dispesifikasikan dalam bentuk: ε it = λ i + u it Untuk two way error components model, komponen error dispesifikasi dalam bentuk: it i t uit Pada pendekatan one way, error term hanya memasukkan komponen error yang merupakan efek dari individu (λ i ). Pada two way dimasukkan efek dari waktu (μ t ) ke
3 dalam komponen error. Jadi perbedaan antara FEM dan REM terletak pada ada atau tidaknya korelasi antara λ i dan μ t dengan X it Fixed Effect Model (FEM) FEM muncul ketika antara efek individu dan peubah penjelas memiliki korelasi dengan X it atau memiliki pola yang sifatnya tidak acak. Asumsi ini membuat komponen error dari efek individu dan waktu dapat menjadi bagian dari intersep, yaitu: Untuk one way komponen error: y it = α i + λ i + X it β + u it Untuk two way error component: y it = α i + λ i + μ t + X it β + u it Penduga pada FEM dapat dihitung dengan beberapa teknik sebagai berikut: Pendekatan Pooled Least Square (PLS) Pada prinsipnya, pendekatan ini adalah menggunakan gabungan dari seluruh data (pooled), sehingga terdapat N x T observasi, dimana N menunjukkan jumlah unit cross section dan T menunjukkan jumlah series yang digunakan, yang diregresikan dengan model: y it = α i + X it β + u it dimana α i bersifat konstan untuk semua observasi, atau α i = α. Formula perhitungan adalah: dimana dan Dengan mengkombinasikan atau mengumpulkan semua data cross section dan data time series, dapat meningkatkan derajat kebebasan sehingga dapat memberikan hasil estimasi yang lebih efisien, sehingga: Pendekatan ini memiliki kelemahan yaitu dugaan parameter β akan bias. Hal ini ditunjukkan dari arah kemiringan PLS yang tidak sejajar dengan garis regresi dari masing-masing individu (Gambar 1.1).
4 Slop yang bias ketika fixed effect diabaikan Gambar 1.1. Estimasi dengan Pendekatan Pooled Least Square Parameter yang bias ini disebabkan karena PLS tidak dapat membedakan observasi yang berbeda pada periode yang sama, atau tidak dapat membedakan observasi yang sama pada periode yang berbeda Pendekatan Within Group (WG) Pendekatan ini digunakan untuk mengatasi masalah bias pada PLS. Teknik yang digunakan adalah dengan menggunakan data deviasi dari rata-rata individu dimana: Dalam hal ini dan Jika y it = α i + x it β + u it, maka diperoleh: atau
5 sehingga, Berdasarkan persamaan tersebut terlihat bahwa FEM dengan pendekatan WG tidak memiliki intersep. Untuk mengilustrasikan bagaimana pendekatan ini bekerja dapat dilihat pada Gambar 1.2. Gambar 1.2. Estimasi dengan Pendekatan Within Group Kelebihan dari WG ini adalah dapat menghasilkan parameter β yang tidak bias, tetapi kelemahannya adalah nilai var (β WG ) cenderung lebih besar dari var (β PLS ) sehingga dugaan WG menjadi relatif lebih tidak efisien. Untuk melihat hal ini dapat dibuktikan dengan: pertama, didefinisikan: sehingga dapat dilihat bahwa:
6 diketahui bahwa sehingga, varians dari penduga β dengan pendekatan WG adalah: = = Dari persamaan tersebut dapat dilihat bahwa var(β) pada WG lebih besar dari var(β) pada PLS. Kelemahan lain dari WG adalah tidak dapat mengakomodir karakteristik timeinvariant pada FEM, seperti terlihat dari tidak dimasukkannya intersep ke dalam model Pendekatan Least Square Dummy Variable (LSDV) Metode ini bertujuan untuk dapat merepresentasikan perbedaan intersep, yaitu dengan dummy variable. Untuk mengilustrasikan pendekatan ini misalkan persamaan awal seperti pada persamaan PLS dan kelompok dummy variable d git = 1 (g = i). dengan memasukkan sejumlah d git = 1 (g = i), persamaan awal menjadi: yit persamaan ini dapat diestimasi dengan pendekatan OLS sehingga diperoleh parameter β LSDV. Kelebihan pendekatan ini (LSDV) adalah dapat menghasilkan dugaan parameter β yang tidak bias dan efisien. Tetapi kelemahannya jika jumlah unit observasinya besar maka terlihat cumbersome. Untuk menguji apakah intersep memang signifikan atau tidak dapat menggunkan f-test dengan hipotesis sebagai berikut: H 0 : α 1 = α 2 = α 3 =... = α N dan H 1 : satu dari α ada yang tidak sama uit
7 Hipotesis ini dapat secara langsung digunakan untuk menguji apakah lebih baik menggunakan PLS ataulah LSDV. Dasar penolakan terhadap H 0 adalah dengan menggunakan F-statistik yaotu dimana: k = koefisien determinasi LSDV = koefisien determinasi Pooled Least Square = banyaknya peubah Jika nilai F-Stat hasil pengujian lebih besar dari F-tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesis nol sehingga dugaan bahwa α adalah sama untuk semua individu dapat ditolak Two Way Error Components Fixed Effect Model Model ini disusun berdasarkan fakta bahwa terkadang fixed effects tidak hanya berasal dari variasi antar individu (time invariants) tetapi juga berasal dari variasi antar waktu atau time effect, sehingga model dasar yang digunakan adalah: dimana merepresentasikan time effect. Jika masing-masing pengaruh individu (α i ) dan time-effect (γ t ) diasumsikan berbeda, sehingga dengan menambahkan sejumlah z sit = 1 (s = t) peubah dummy akan diperoleh persamaan: Penambahan sejumlah dummy variable ke dalam persamaan menyebabkan masalah pada penggunaan two way fixed effect yaitu berkurangnya derajat kebebasan, yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. 1.2.Random effects Model (REM) REM muncul ketika antara efek individu dan regresor tidak ada korelasi. Asumsi ini membuat komponen error dari efek individu dan waktu dimasukkan ke dalam error, dimana: Untuk one way error component: y it = α i + X it β + u it + λ i Untuk two way error component: y it = α i + X it β + u it + λ i + μ t Beberapa asumsi yang biasa digunakan dalam REM, yaitu:
8 untuk i = j dan t = s untuk i = j dimana: Utuk one way error component, η i = λ i Untuk two way error component, η i = λ i + μ i Dari semua asumsi di atas, yang paling penting dikaitkan dengan REM adalah asumsi bahwa nilai harapan dari x it untuk setiap η i adalah 0, atau E(η i x it ) = 0. Terdapat dua jenis pendekatan yang digunakan untuk menghitung estimator REM, yaitu between estimator dan Generalized Least Square (GLS) Pendekatan Between Estimator Pendekatan ini berkaitan dengan dimensi antar data (differences between individual), yang ditentukan sebagaimana OLS estimator pada sebuah regresi dari ratarata individu y dalam nilai x secara individu. Between estimator konsisten untuk N tak hingga, dengan asumsi bahwa peubah bebas dengan error tidak saling berkorelasi atau E (x it, ε i = 0) begitu juga dengan nilai rata-rata error E (x it, ε i = 0) Pendekatan Generalized Least Square (GLS) Pendekatan GLS mengkombinasikan informasi dari dimensi antar dan dalam (between dan within) data secara efisien. GLS dapat dipandang sebagai rata-rata yang dibobotkan dari estimasi between dan within dalam sebuah regresi. Bila bobot yang dihitung tersebut tetap, maka estimator yang diperoleh disebut random effectss estimator. Dalam bentuk persamaan hal ini dapat dinyatakan sebagai berikut: 1.3. Hausman Test RE = Between + (I k - ) Within Dalam memilih apakah fixed atau random effectss yang lebih baik, dilakukan pengujian terhadap asumsi ada tidaknya korelasi antara regresor dan efek individu. Untuk menguji asumsi ini dapat digunakan Hausman Test. Dalam uji ini dirumuskan hipotesis sebagai berikut:
9 H 0 : E(τ i x it ) = 0 atau REM adalah model yang tepat H 1 : E(τ i x it ) = 0 atau FEM adalah model yang tepat Sebagai dasar penolakan H 0 maka digunakan statistik Hausman dan membandingkannya dengan Chi square. Statistik Hausman dirumuskan dengan: H = (β REM β fem ) (M FEM M REM ) -1 (β REM β fem ) ~ χ 2 (k) dimana: M adalah matriks kovarians untuk parameter β k adalah degrees of freedom Jika nilai H hasil pengujian lebih besar dari χ 2 tabel, maka cukup bukti untuk melakukan penolakan terhadap H 0 sehingga model yang digunakan adalah model fixed effects, begitu juga sebaliknya.
10 APLIKASI EVIEWS 5.1 UNTUK DATA PANEL 2.1. Data Panel Sebelum memulai penggunaan data panel dengan eviews 5.1 terlebih dahulu pastikan sumber data penelitian sudah dalam bentuk seperti terlihat pada Gambar 2.1 yang berada dalam format microsoft excel. Pada kolom A menunjukan unit-unit cross section yang digunakan, pada kolom B menunjukan periode waktu penelitian, masingmasing unit cross section memiliki tiga titik waktu pengamatan. Kolom C menunjukkan peubah terikat, serta kolom D, E, F, G, H, I, J, K dan L menunjukkan peubah penjelas. Pada Eviews, bentuk data seperti ini juga dikenal dengan nama stacked data. Gambar 2.1. Data Panel dalam Format Microsoft Excel
11 2.2. Membuat Workfile Data Panel Setelah kita berada pada window eviews, maka terlebih dahulu kita harus membuat workfile. Prosedur membuat workfile adalah sebagai berikut: 1. Klik File dan New, yang dilanjutkan dengan memilih opsi Workfile ; seperti yang terlihat dalam Gambar 2.2. Gambar 2.2 Membuat Workfile 2. Akan muncul sebuah window (diiustrasikan dengan Gambar 2.3) yang mengandung beberapa pertanyaan mengenai tipe data yang digunakan, yaitu terdiri dari: 1. Unstructured/undated untuk data cross section 2. Dated-regular frequency untuk data time series 3. Balanced panel untuk data panel Dalam hal ini, pilihlah Balanced panel dengan mengklik 1 kali, kemudian akan muncul panel specification yang berisi: 1. frequency, berhubungan dengan frekuensi data yang digunakan. Pilih annual untuk data tahunan, monthly untuk data bulanan, semi-annual untuk data semesteran, quarterly untuk data 4 bulanan, weekly untuk data mingguan, dll. Dalam pelatihan ini, data yang digunakan merupakan data yang berjenis tahunan (annual), oleh karena itu pilihlah Annual. 2. Start date berhubungan dengan waktu dimulainya penelitian. Dalam pelatihan ini tahun awal penelitian adalah tahun End date berhubungan dengan periode akhir penelitian, yaitu tahun number of cross section berhubungan dengan banyaknya observasi (unit cross section) yang digunakan. Dalam penelitian ini yaitu sebanyak 23 individu. setelah selesai klik OK.
12 Gambar 2.3. Membuat Workfile Data panel Kemudian akan muncul window seperti terlihat pada Gambar Entry Data Gambar 2.4. Workfile Data panel Ada beberapa prosedur yang dapat dilakukan untuk menginput data yang akan digunakan. Pada contoh ini entry data dilakukan dengan meng-copy paste dari data yang telah disusun pada Gambar 2.1. Prosedurnya adalah sebagai berikut: 1. Buka data yang akan digunakan sebagai data penelitian yang masih dalam format microsoft excel. Blok kolom peubah terikat dan peubah bebas. klik kanan, lalu copy.
13 Gambar 2.5 Meng-copy Data dari Microsoft Excel 2. Masuk ke halaman workfile eviews. Klik quick lalu pilih empty group. Gambar 2.6. Prosedur Meng-entry Data
14 Kemudian akan muncul window group seperti yang terlihat pada Gambar 2.7. Gambar 2.7. Window Group 3. Pastikan kursor telah berada pada bagian ujung dari window group, kemudian paste data yang telah di-copy pada langkah sebelumnya. Maka akan tampak seperti pada Gambar 2.8. Gambar 2.8. Window Group Berisi Data Panel
15 2.4. Estimasi dengan Dua Pendekatan Analisis model data panel yang akan dibahas menggunakan dua pendekatan yaitu pendekatan fixed effects dan pendekatan random effects Pendekatan Fixed effects Masalah terbesar dalam pendekatan OLS adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar individu maupun antar waktu yang kurang sesuai dengan tujuan penggunaan data panel. Untuk mengatasi hal tersebut maka dapat digunakan pendekatan fixed effects. Model fixed effects yaitu model yang dapat digunakan dengan mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross section dan time series. Peubah dummy dapat ditambahkan ke dalam model untuk memungkinkan perubahan-perubahan intersep ini, lalu model diduga dengan OLS, yaitu: Y it = α i D i + β X it + ε it dimana: Y it = peubah terikat X it = peubah bebas α = intersep model yang berubah-ubah antar unit cross section β = slope D = peubah dummy i = individu ke-i ; dan t = periode waktu ke-t ε = error dari persamaan di atas, telah ditambahkan sebanyak N-1 peubah dummy ke dalam model, sehingga besarnya derajat kebebasan berkurang menjadi NT-N-K Pendekatan Random effects Keputusan untuk memasukkan peubah dummy dalam model fixed effects akan menimbulkan konsekuensi tersendiri yaitu dapat mengurangi banyaknya derajat kebebasan yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Untuk mengatasi masalah tersebut maka dapat digunakan model random effects. Dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error, karena hal inilah model ini sering juga disebut sebagai error component model. Bentuk model random effects dapat dijelaskan dengan persamaan berikut: Y it = α 0 + β X it + ε it ε it = u it + v it + w it dimana: 2 u it ~ N (0, δ U ) = error component cross section 2 v it ~ N (0,δ V ) = error component time series 2 w it ~ N (0,δ W ) = error component combinations Asumsi yang digunakan dalam model ini adalah error secara individual tidak saling berkolerasi, begitu pula dengan error kombinasinya.
16 Penggunaan pendekatan random effects dapat menghemat derajat kebebasan dan tidak mengurangi jumlahnya sepeti pada pendekatan fixed effects. Hal ini berimplikasi pada parameter hasil estimasi akan menjadi efisien. Semakin efisien maka model akan semakin baik. Penggunaan Eviews 5.1 untuk estimasi ketiga pendekatan tersebut relatif lebih mudah dibandingkan dengan versi sebelumnya. Setelah data di-entry, kita dapat melakukan estimasi dengan cara meng-klik Quick pada window eviews, lalu sorot estimate equation, maka akan muncul box seperti terlihat pada Gambar 2.9. Gambar 2.9. Prosedur Estimasi masukkan persamaan yang dimaksud dengan format: peubah terikat diikuti oleh peubahpeubah bebas yang masing-masing dipisahkan dengan satu spasi. Lalu klik OK. Gambar Box Equation Estimation
17 Maka akan muncul window hasil estimasi seperti terlihat pada Gambar Gambar Hasil Estimasi dengan Pendekatan Pooled Least Square Karena sebelumnya kita belum melakukan panel option maka output yang keluar adalah pendekatan Pooled Least Square. Kita dapat menyimpan hasil output ini dengan meng-klik name pada window equation. Pada pelatihan ini, diberi nama pooled, lalu klik OK. Gambar Menyimpan Hasil Estimasi
18 Kita dapat memilih pendekatan lain yang dapat digunakan pada model data panel. Dengan prosedur yang sama seperti sebelumnya, klik menu Quick lalu sorot estimate equation, kamudian muncul box seperti terlihat pada Gambar 4.2, Perbedaannya yaitu pada penggunaan panel option dari box Equation Estimation, maka akan muncul box seperti terlihat pada Gambar Terdapat pilihan effect specification yang terdiri dari cross section dan period. Masing-masing terdiri dari 3 pendekatan yaitu none untuk pendekatan pooled, Fixed untuk pendekatan fixed effectsdan Random untuk pendekatan random effects. Sementara ini abaikan pilihan-pilihan weigths dan coef covariance method. Gambar Prosedur Estimasi dengan Pendekatan Efek Tetap kita akan memilih effect specification dengan cross section fixed. Kemudian akan muncul output seperti terlihat pada Gambar 2.14.
19 Gambar Hasil Estimasi dengan Pendekatan Efek Tetap Dengan langkah yang sama kita dapat menyimpan output ini dengan mengklik name kemudian beri nama fixed. Selain pendekatan fixed effects kita juga dapat melakukan pendekatan random effects dengan cara yang sama, tapi pada effect specification cross section pilih random. Gambar Hasil Estimasi dengan Pendekatan Random effects
20 Dengan langkah yang sama pula kita dapat menyimpan output ini dengan mengklik name kemudian beri nama random Pemilihan Pendekatan: Uji Hausman Alur pengujian statistik untuk memilih pendekatan yang digunakan dapat diperlihatkan pada Gambar Penggunaan pendekatan Pooled Least Square dirasakan kurang sesuai dengan tujuan digunakannya data panel. Karena itu dalam pelatihan ini hanya mempertimbangkan penggunaan pendekatan fixed effectsdan random effects. Fixed Effect Hausman Test Chow Test Random Effect LM Test Gambar Pengujian Pemilihan Model dalam Pengolahan Data Panel Dengan menggunakan Hausman Test, pada Eviews 5.1 kita dapat langsung memilih pendekatan terbaik yang dapat digunakan, prosedurnya adalah sebagai berikut: 1. Pastikan kita berada pada window hasil estimasi dengan pendekatan random effects, kemudian klik View, pilih Fixed/Random effects testing Correlated Random effects-hausman Test, lalu klik.
21 Gambar Prosedur Uji Hausman Window hasil estimasi dengan pendekatan random effects akan berubah menjadi correlated random effects, seperti terlihat pada Gambar Gambar Hasil Uji Hausman
22 Nilai statistik Hausman test menunjukkan angka sebesar , lebih kecil dari nilai Chi-Square yang berarti hipotesis untuk menggunakan random effects ditolak, sehingga disimpulkan pendekatan fixed effectslebih baik digunakan pada penelitian ini. Keputusan menggunakan Fixed effects secara mudahnya dapat dilihat dari nilai probabilitas Chi-Square, berdasarkan hasil estimasi diperoleh nilai probabilitas sebesar yang berarti tolak H 0.
23 APLIKASI STATA 9 UNTUK DATA PANEL 3.1 Data Panel Seperti apa yang dibutuhkan pada Eviews 5.1 terlebih dahulu kita harus memastikan sumber data penelitian sudah dalam bentuk seperti terlihat pada Gambar 3.1 yang berada dalam format microsoft excel. Pada kolom A menunjukan unit-unit cross section yang digunakan, pada kolom B menunjukan periode waktu penelitian, masingmasing unit cross section memiliki tiga titik waktu pengamatan. Kolom C menunjukkan peubah terikat, serta kolom D, E, F, G, H, I, J, K dan L menunjukkan peubah penjelas. Pada STATA, bentuk data seperti ini dikenal dengan nama long format Entry Data Gambar 3.1. Data Panel dalam Format Microsoft Excel Berbeda dengan Eviews, pada Stata kita dapat langsung melakukan entry data dan selanjutnya didefinisikan jenis data yang kita gunakan. Jika tidak didefinisikan maka program STATA akan membacanya sebagai data cross section. Ada beberapa prosedur yang dapat dilakukan untuk menginput data yang akan digunakan. Pada contoh ini entry data dilakukan dengan meng-copy paste dari data yang telah disusun pada Gambar 3.1. Prosedurnya adalah sebagai berikut: 1. Buka data yang akan digunakan sebagai data penelitian yang masih dalam format microsoft excel. Blok seluruh kolom yang digunakan, klik kanan, lalu copy.
24 Gambar 3.2 Meng-copy Data dari Microsoft Excel 2. Buka STATA. Klik Data lalu pilih Data editor. Gambar 3.3. Prosedur Meng-entry Data Kemudian akan muncul window Data editor seperti yang terlihat pada Gambar 3.4.
25 Gambar 3.4. Window Data Editor 3. Pastikan kursor telah berada pada bagian ujung dari window Data editor, kemudian paste data yang telah di-copy pada langkah sebelumnya. Maka akan tampak seperti pada Gambar 3.5. Gambar 3.5. Window Data editor Berisi Data Panel
26 3.3. Pendefinisian Jenis Data Langkah selanjutnya adalah mendefinisikan jenis data yang kita entry kedalam sistem STATA. Untuk data panel kita definisikan sebagai berikut: Dikarenakan observasi yang diinput termasuk variable jenis string maka kita rubah terlebih dahulu agar menjadi numeric dengan mengisi kolom command dengan perintah sebagai berikut: egen prov = group(provinsi) Gambar 3.6. Merubah Variable String Menjadi Numeric Terdapat berbagai cara untuk mendefinisikan bahwa data yang kita entry merupakan panel data, salah satunya adalah sebagai berikut: sort prov tahun tsset prov tahun
27 Maka pada window STATA akan kita dapatkan sebagai berikut: 3.4. Estimasi dengan Dua Pendekatan Gambar 3.7. Pendefinisian Jenis Data Seperti yang kita lakukan pada bagian aplikasi Eviews 5.1 untuk data panel, berikut akan dilakukan analisa model data panel dengan dua pendekatan yaitu pendekatan fixed effects dan pendekatan random effects. Model yang kita gunakan disini sama persis dengan apa yang digunakan pada bagian Eviews. Pada dasarnya ada 2 cara yang dapat dilakukan untuk melakukan estimasi model data panel pada STATA, yakni dengan memanfaatkan kolom command atau dengan menggunakan fasilitas short cut yang telah disediakan pada property STATA 9. Secara umum, pengolahan data pada STATA akan lebih mudah dilakukan bila kita memanfaatkan kolom command yang ada pada bagian bawah window STATA. Khusus untuk panel data, command sebagian besar diawali dengan xt. Berikut secara berturut-turut akan dicontohkan prosedur pengolahan panel data dengan metode pooled least square, fixed effects dan random effects dengan menggunakan kedua cara yang dipaparkan sebelumnya, yakni dengan command dan short cut. Untuk pooled least square, maka kita ketik pada kolom command sebagai berikut: reg (variabel dependent) (variabel independent) reg lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg
28 Maka akan muncul window hasil estimasi seperti terlihat pada Gambar 3.8. Gambar 3.8. Hasil Estimasi dengan Pendekatan Pooled Least Square dengan Memanfaatkan command Jika kita hanya menggunakan command reg (sama seperti command untuk regresi berganda) maka hasil regresi yang kita dapatkan adalah pendekatan Pooled Least Square. Hasil yang sama juga dapat kita dapatkan dengan mengklik Statistic Linear models and related linear regression seperti yang ditunjukkan pada gambar berikut: Gambar 3.9. Prosedur Estimasi Pooled Least Square (1)
29 Selanjutnya akan muncul box seperti Gambar Gambar Prosedur Estimasi Pooled Least Square (2) Selanjutnya isilah kolom-kolom yang kosong dengan model yang akan diestimasi. Gambar Prosedur Estimasi Pooled Least Square (3)
30 Berikutnya kita akan dapatkan hasil seperti yang ditunjukkan pada Gambar Gambar Hasil Estimasi Pooled Least Square Untuk mengestimasi dengan menggunakan metode fixed effects maka command yang kita gunakan akan berbeda dengan pendekatan sebelumnya. Command yang kita gunakan untuk pendekatan fixed effects adalah dengan mengetik perintah sebagai berikut pada kolom command. xtreg (variabel dependent) (variabel independent), fe xtreg lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, fe Maka akan muncul window hasil estimasi seperti terlihat pada Gambar 3.13.
31 Gambar Hasil Estimasi dengan Pendekatan Fixed Effects Hasil yang sama juga kita dapatkan jika kita menggunakan property dari STATA 9 dengan mengklik Statistics Longitudinal/Panel Data Linear Model Linear Regression (FE, PE, RA, BE), seperti di bawah ini. Gambar Prosedur Pendekatan Fixed Effects
32 Selanjutnya akan diberikan kolom kosong yang harus kita isi sesuai dengan model yang kita gunakan dan pilih model type Fixed-effects, seperti contoh berikut: Gambar Prosedur Pendekatan Fixed effects (2) Maka hasil estimasinya akan sama persis dengan Gambar Dengan langkah yang mirip kita dapat mengestimasi random effects (random effects). Command yang kita gunakan untuk pendekatan random effects adalah dengan mengetik perintah sebagai berikut pada kolom command. xtreg (variabel dependent) (variabel independent), re xtreg lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, re Maka akan muncul window hasil estimasi seperti terlihat pada Gambar 3.16.
33 Gambar Hasil Estimasi dengan Pendekatan Random Effects Hasil yang sama juga kita dapatkan jika kita menggunakan property dari STATA 9 dengan mengklik Statistics Longitudinal/Panel Data Linear Model Linear Regression (FE, PE, RA, BE), seperti Gambar Selanjutnya, kita hanya tinggal merubah model type-nya, dari fixed effects menjadi GLS random effects. Pada box terdapat 5 macam pendekatan yang dapat kita gunakan, namun sesuai dengan apa yang kita lakukan pada Eviews 5.1, pendekatan yang kita lakukan disini adalah random effects dengan pendekatan GLS.
34 Gambar Hasil Estimasi dengan Pendekatan Random effects Pemilihan Pendekatan: Uji Hausman Seperti yang dilakukan pada Eviews 5.1, salah satu metode uji yang dapat kita gunakan untuk memutuskan apakah akan menggunkan fixed effects atau random effects adalah dengan menggunakan uji Hausman. Hausman test pada STATA 9 dilakukan dengan hipotesis yang sama dengan Eviews 5.1, yakni: H 0 : model random effects H 1 : model fixed effects Sebagai dasar penolakan H 0 maka digunakan statistik hausman dan membandingkannya dengan Chi square. Jika nilai χ 2 statistik hasil pengujian lebih besar dari χ 2 tabel, maka cukup bukti untuk melakukan penolakan terhadap H 0 sehingga pendekatan yang digunakan adalah fixed effects, begitu juga sebaliknya. Pada STATA 9, untuk melakukan uji hausman maka terlebih dahulu kita harus memiliki hasil estimasi baik fixed effects maupun random effects. Prosedur yang harus kita lakukan adalah: 1. Estimasi dengan menggunakan fixed effects 2. Simpan (save) dan beri nama hasil estimasi 3. Estimasi dengan menggunakan random effects 4. Uji hausman dengan menggunakan H 0 : random effects Secara keseluruhan yang harus kita ketik pada kolom command secara berurutan adalah sebagai berikut: xtreg lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, fe estimates store fixed xtreg lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg,re hausman fixed
35 Window hasil estimasi dengan pendekatan random effects akan terlihat seperti pada Gambar 5.1. Gambar Hasil Uji Hausman Nilai statistik Hausman test menunjukkan angka sebesar yang berarti hipotesis untuk menggunakan random effects ditolak, sehingga disimpulkan pendekatan fixed effectslebih baik digunakan pada penelitian ini. Keputusan menggunakan Fixed effects secara mudahnya dapat dilihat dari nilai probabilitas Chi-Square, berdasarkan hasil estimasi diperoleh nilai probabilitas sebesar yang berarti tolak H Uji Asumsi Heteroskedastisitas Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE (Best Linier Unbiased Estimate) maka var (u i ) harus sama dengan ζ 2 (konstan), atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas maka kita harus melakukan beberapa prosedur, yakni dengan membandingkan hasil dengan menggunakan Generalized Least Square (GLS) yang memasukkan option heteroskedasticity dan yang tanpa menggunakan option heteroskedasticity. Selanjutnya digunakan lrtest untuk membandingkan kedua model tersebut.
36 xtgls lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, igls panels(heteroskedastic) estimates store hetero xtgls lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg local df = e(n_g) - 1 lrtest hetero, df(`df') Setelah semua command dijalankan maka kita akan dapatkan hasil sebagai berikut. Hipotesis nol pada tes ini adalah bahwa model bersifat homoskedastik. Pada hasil tes ini dapat kita lihat bahwa probability dari chi square adalah yang mengartikan bahwa kita harus menolak hipotesis nol, atau dengan kata lain model yang digunakan melanggar asumsi homoskedastisitas.. Gambar Hasil Uji Heteroskedastisitas Selain cara di atas, terdapat command lain yang dapat kita gunakan untuk melakukan uji heteroskedastisitas, yakni dengan menggunakan command xttest3. Langkah pertama yang harus kita lakukan adalah menginstall ado file terlebih dahulu dengan mengetik perintah berikut pada kolom command (computer harus terkoneksi dengan internet terlebih dahulu): ssc install xttest3 Selanjutnya dapat dengan mudah kita ketik perintah berikut: xtreg lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, fe xttest3
37 Hipotesis nol yang digunakan disini adalah homoskedastisitas, sehingga jika kita tolak hipotesis nol maka model memiliki masalah heteroskedastisitas. Output yang akan kita dapatkan adalah: 6.2. Uji Autokorelasi Gambar Hasil Uji Heteroskedastisitas dengan xttest3 Untuk melakukan uji autokorelasi pada STATA, kita dapat menggunakan ado file tambahan xtserial atau Wooldridge test yang dikembangkan oleh David Drukker dengan mengetik perintah pada kolom command sebagai berikut: findit xtserial net sj 3-2 st0039 net install st0039 (or click on st0039) (or click on click here to install) Setelah itu maka secara otomatis, uji autokorelasi dengan menggunakan xtserial langsung terinstall dalam program. Uji autokorelasi dapat dengan mudah kita lakukan dengan mengetik perintah berikut ke dalam kolom command: xtserial (variabel dependent) (variabel independent) xtserial lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, output Ketika kita menjalankan perintah ini, STATA 9 akan merespon no observation. Hal ini terjadi karena tahun yang kita masukkan adalah 1995, 2000 dan Akibatnya ketika kita melakukan uji autokorelasi program tidak mampu mencari periode t-1. Oleh karena itu, hal pertama yang kita lakukan adalah sedikit menipu program dengan cara merubah tahunnya menjadi berurutan seperti 1995, 1996 dan Di dalam STATA hal ini dapat dengan mudah dilakukan dengan cara menggunakan command replace. replace tahun =1996 if tahun==2000 replace tahun =1997 if tahun==2005
38 Lalu kita lakukan tsset lagi, karena format tahun sudah berubah. Hal ini dapat dilakukan dengan menggunakan command: tsset prov tahun Sehingga kita akan mendapatkan output sebagai berikut: Gambar Melakukan tsset setelah Merubah Format Tahun Setelah itu dapat kita lakukan uji autokorelasi dengan menggunakan command: xtserial (variabel dependent) (variabel independent) xtserial lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, output Pada STATA, H 0 dari uji autokorelasi ini adalah tidak ada korelasi. Artinya, jika kita memiliki hasil yang signifikan, berarti kita tolak H 0, atau dengan kata lain, model yang kita uji memiliki masalah autokorelasi.
39 Gambar Hasil Uji Autokorelasi dengan Menggunakan Wooldridge Test Berdasarkan hasil uji heteroskedastisitas dan uji autokorelasi, model yang digunakan memiliki masalah heteroskedastisitas dan autokorelasi. Oleh karena itu, agar model menjadi BLUE, terlebih dahulu harus dilakukan modifikasi model. Pada Eviews 5.1 kita melakukan pendekatan fixed effectsdengan pembobotan White cross-section untuk mengatasi kedua pelanggaran asumsi tersebut. Pada STATA, kita dapat melakukan modifikasi lainnya yakni dengan menggunakan pendekatan Panel-Corrected Standard Errors, dimana metode ini akan mengatasi masalah heteroskedasticity dan autokorelasi. Command yang dapat kita gunakan adalah: xtpcse lpe roadens lurban loc lspec rpak gdrpcap public adm lopenreg, correlation(ar1) Berdasarkan model ini berarti kita melakukan koreksi kepada permasalahan heteroskedastisitas, contemporaneously correlated across panel, dan first order autokorelasi (ar1). Hasil dari model ini akan ditunjukkan pada gambar di bawah ini.
40 Gambar Hasil Estimasi dengan Pendekatan Panel-Corrected Standard Errors
III. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh pertumbuhan
49 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh pertumbuhan ekonomi, inflasi dan kualitas sumber daya manusia terhadap tingkat pengangguran
Lebih terperinci3. METODE PENELITIAN 3.1 Jenis dan Sumber Data
3. METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS), Perusahaan Listrik Negara (PLN) dan Departemen Kesehatan. Data yang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Dalam penelitian ini, peneliti menggunakan data kuantitatif, sesuai dengan namanya, banyak dituntut menggunakan angka, mulai dari pengumpulan data,
Lebih terperinciBAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data
BAB III MODEL REGRESI DATA PANEL Pada bab ini akan dikemukakan dua pendekatan dari model regresi data panel, yaitu pendekatan fixed effect dan pendekatan random effect yang merupakan ide pokok dari tugas
Lebih terperinciIII. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan
29 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : (1)
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini merupakan data sekunder yang dikumpulkan dari berbagai instansi pemerintah terutama Badan Pusat Statistik (BPS)
Lebih terperinciBAB III METODE PENELITIAN. Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan
BAB III METODE PENELITIAN A. Obejek Penelitian Obyek kajian pada penelitian ini adalah realisasi PAD (Pendapatan Asli Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan yang terdiri dari
Lebih terperinciIII. METODE PENELITIAN. topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode
III. METODE PENELITIAN Metode penelitian merupakan pendekatan umum untuk membangun topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode penelitian merupakan sistem atas peraturan-peraturan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian Variabel penelitian merupakan atribut atau perlengkapan yang digunakan untuk mempermudah suatu penelitian dan sebagai sara untuk pengukuran serta memberikan
Lebih terperinciBAB III METODE PENELITIAN
28 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data sekunder, yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk
Lebih terperinciMETODE PENELITIAN. 3.1 Jenis dan Sumber Data. Jenis data yang digunakan dalam penelitian ini berupa data sekunder. Data
37 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data sekunder. Data sekunder merupakan data yang dikumpulkan secara tidak langsung oleh peneliti
Lebih terperinciIII. METODE PENELITIAN. berupa data panel terdiri dari dua bagian yaitu : (1) time series dan (2) cross
36 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data panel terdiri dari dua bagian yaitu : (1) time series dan (2) cross
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa
BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data panel (pooled data) yang merupakan gabungan data silang (cross section)
Lebih terperinciIV. METODOLOGI PENELITIAN. investasi yang dilakukan oleh pihak korporasi (perusahaan).
91 IV. METODOLOGI PENELITIAN 4.1. Kerangka Analisis 4.1.1. Pilihan Alat Analisis Tujuan dari penelitian ini adalah untuk menganalisis fenomena ekonomi makro seperti liberalisasi keuangan dan kebijakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang terdiri atas Indeks Pembangunan Manusia (IPM), sektor perekonomian yang
Lebih terperinciOperasionalisasi Regresi Data Panel (dengan Eviews 8)
Operasionalisasi Regresi Data Panel (dengan Eviews 8) Pada bagian ini akan dijelakan secara rinci tentang penggunaan software Eviews 8 untuk metode regresi data panel. Secara umum, kami membagi menjadi
Lebih terperinciBAB III METODE PENELITIAN. PAD dari masing-masing kabupaten/kota di D.I Yogyakarta tahun
BAB III METODE PENELITIAN A. Objek Penelitian Objek dalam penelitian ini adalah data PDRB, jumlah penduduk dan PAD dari masing-masing kabupaten/kota di D.I Yogyakarta tahun 2000-2014 yang meliputi kabupaten
Lebih terperinciBAB III METODELOGI PENELTIAN. Riau, DKI Jakarta, Jawa Barat, Jawa Tengah, DI. Yogyakarta, Jawa Timur,
BAB III METODELOGI PENELTIAN A. Obyek/Subyek Penelitian Obyek dalam penelitian ini meliputi seluruh wilayah atau 33 provinsi yang ada di Indonesia, meliputi : Aceh, Sumatera Utara, Sumatera Barat, Riau,
Lebih terperinci1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.
LAMPIRAN Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2)
Lebih terperinciBAB III METODE PENELITIAN. tahun mencakup wilayah kabupaten dan kota di Provinsi Jawa Timur.
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder periode tahun 2001-2010 mencakup wilayah kabupaten dan kota di Provinsi Jawa Timur. Kabupaten
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi Penelitian Penelitian ini dilakukan di Indonesia dengan menggunakan data Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia (IPM), Upah Minimum dan Jumlah Penduduk
Lebih terperinciBAB III METODE PENELITIAN. mengetahui pengaruh belanja daerah, tenaga kerja, dan indeks pembangunan
BAB III METODE PENELITIAN A. Objek Penelitian Penelitian ini merupakan penelitian empiris yang dilakukan untuk mengetahui pengaruh belanja daerah, tenaga kerja, dan indeks pembangunan manusia terhadap
Lebih terperinciBAB III METODE PENELITIAN. minimum sebagai variabel independen (X), dan indeks pembangunan manusia
BAB III METODE PENELITIAN A. Objek Penelitian Objek dari penelitian ini adalah kemiskinan, rasio gini dan upah minimum sebagai variabel independen (X), dan indeks pembangunan manusia (IPM) sebagai variabel
Lebih terperinciIII. METODE PENELITIAN. data sudah dikompilasi ke dalam bentuk digital file, publikasi, buku, laporan dan
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berupa data sekunder, dimana data sudah dikompilasi ke dalam bentuk digital file, publikasi, buku, laporan dan
Lebih terperinciIII METODE PENELITIAN. Didalam penelitian ini penulis menggunakan metode deskriptif kuantitatif
III METODE PENELITIAN A. Jenis dan Sumber Data Didalam penelitian ini penulis menggunakan metode deskriptif kuantitatif yaitu menjelaskan kedudukan variabel-variabel penelitian yang diteliti serta pengaruh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek penelitian Penelitian yang digunakan ini mengunakan obyek penelitian dari seluruh kabupaten dan kota yang berada di Provinsi Jawa Timur yang totalnya ada 38 Kabupaten
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data panel (pooled data) yang merupakan gabungan data silang (cross section)
Lebih terperinciBAB III METODE PENELITIAN. yang diperoleh dari Badan Pusat Statistik (BPS) dan Kementrian Keuangan. Data
BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini merupakan data sekunder yang diambil dari publikasi resmi pemerintah. Data yang digunakan adalah data panel
Lebih terperinciPANEL DATA WITH EVIEWS
PANEL DATA WITH EVIEWS Dr. Werner R. Murhadi www.wernermurhadi.wordpress.com Data Panel merupakan kombinasi Time series dan cross section Data panel mampu menurunkan masalah omitted variables (model yang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subyek/Obyek Penelitian Penelitian ini dilakukan pada kota/kabupaten yang termasuk dalam Provinsi Daerah Istimewa Yogyakarta. B. Jenis Data Jenis data yang digunakan dalam
Lebih terperinci3. METODE. Kerangka Pemikiran
25 3. METODE 3.1. Kerangka Pemikiran Berdasarkan hasil-hasil penelitian terdahulu serta mengacu kepada latar belakang penelitian, rumusan masalah, dan tujuan penelitian maka dapat dibuat suatu bentuk kerangka
Lebih terperinciIII. METODOLOGI PENELITIAN. Data yang digunakan dalam penulisan ini adalah data sekunder berupa data
III. METODOLOGI PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penulisan ini adalah data sekunder berupa data tahunan dari periode 2003 2012 yang diperoleh dari publikasi data dari Biro
Lebih terperinciBAB III METODOLOGI PENELITIAN. 1. Apakah investasi mempengaruhi kesempatan kerja pada sektor Industri alat
43 BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan masalah-masalah yang telah peneliti rumuskan, maka tujuan penelitian ini adalah untuk mengetahui: 1. Apakah investasi mempengaruhi kesempatan
Lebih terperinciBAB III METODE PENELITIAN. Jawa Tengah, Jawa Barat, DI.Yogyakarta, Banten dan DKI Jakarta).
BAB III METODE PENELITIAN Metode penelitian merupakan suatu cara kerja atau prosedur mengenai bagaimana kegiatan yang akan dilakukan untuk mengumpulkan dan memahami objek-objek yang menjadi sasaran dari
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini bersumber dari data sekunder mulai dari tahun 2005 sampai dengan tahun 2010. Data tersebut didapat dari beberapa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian Penelitian dilakukan di kabupaten/kota di Provinsi Jawa Timur. Dengan pertimbangan di setiap wilayah mempunyai sumber daya dan potensi dalam peningkatan pertumbuhan
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
46 III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) dalam periode tahunan dan data antar ruang (cross section). Data sekunder
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari Badan Pusat Statistik (BPS) Jakarta, BPS Provinsi di Indonesia,
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, karena efektif atau tidaknya suatu keputusan umumnya bergantung pada beberapa
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciBAB III METODE PENELITIAN. Utara. Series data yang digunakan dari tahun
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari Badan Pusat Statistik Republik Indonesia dan BPS Provinsi Maluku Utara.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Dalam penelitian ini, peneliti menggunakan data kuantitatif, sesuai dengan namanya, banyak dituntut menggunakan angka, mulai dari pengumpulan data,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari berbagai sumber. Data-data yang akan digunakan diperoleh dari Badan Pusat
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Metodelogi Penelitian 1. Jenis Metode Penelitian Jenis penelitian yang penulis gunakan yaitu jenis penelitian kuantitatif. Penelitian kuantitatif merupakan metode untuk
Lebih terperinciLampiran 1. Metodologi Penelitian. Regresi Panel Data Bentuk umum data panel, baik yang pooling atau kombinasi, adalah :
58 Lampiran 1. Metodologi Penelitian Regresi Panel Data Bentuk umum data panel, baik yang pooling atau kombinasi, adalah : Y it = α + β 1 X 1 it + β 2 X 2 it + ε it di mana: i menyatakan individual ke
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) dalam periode tahunan dan data antar ruang (cross section). Data sekunder
Lebih terperinciBAB III METODE PENELITIAN. penelitian dalam penelitian ini adalah Kontribusi Usaha Kecil Menengah (UKM)
45 BAB III METODE PENELITIAN A. Objek Penelitian Obyek penelitian merupakan sasaran untuk mendapatkan suatu data. Obyek penelitian dalam penelitian ini adalah Kontribusi Usaha Kecil Menengah (UKM) yang
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian deskriptif dengan pendekatan kuantitatif. Menurut Sugiyono (2012: 13), penelitian deskriptif
Lebih terperinciBAB III METODE PENELITIAN. untuk menganalisis pengaruh PMDN dan Tenaga Kerja terhadap Produk
BAB III METODE PENELITIAN A. Lokasi Penelitian Dalam penelitian ini, Indonesia dijadikan sebagai objek penelitian untuk menganalisis pengaruh PMDN dan Tenaga Kerja terhadap Produk Domestik Regional Bruto
Lebih terperinciPENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1
PENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1 1. Menjalankan program Eviews: Hidupkan komputer sehingga akan muncul menu utama window. Kemudian kita arahkan mouse pada menu Program dan setelah itu kita
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi
III. METODE PENELITIAN A.Ruang Lingkup Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi penyerapan tenaga kerja pada industri tempe di Tulang Bawang. Ada beberapa faktor yang
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan dengan menggunakan data laporan keuangan dan laporan tahunan perusahaan-perusahaan lembaga pembiayaan yang terdaftar
Lebih terperinciBAB III METODE PENELITIAN
A. Obyek Penelitian BAB III METODE PENELITIAN Pada penelitian ini menggunakan Obyek penelitian dari seluruh kabupaten dan kota yang ada di Daerah Istimewa Yogyakarta yaitu, Satu kota madya kota Yogyakarta,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian dan Subyek Penelitian Obyek dalam penelitian ini adalah tentang hubungan atau pengaruh variabel pilihan terhadap tingkat kemiskinan dengan daerah penelitian
Lebih terperinciBAB III METODE PENELITIAN. ASEAN. Pengambilan data penelitian ini dilakukan di 7 (tujuh) Negara ASEAN yaitu
BAB III METODE PENELITIAN A. Objek/Subjek Penelitian Dalam penelitian ini penulis melakukan penelitian yang dilakukan di Negara ASEAN. Pengambilan data penelitian ini dilakukan di 7 (tujuh) Negara ASEAN
Lebih terperinciBAB III METODOLOGI PENELITIAN. dibandingkan dengan produksi sub-sektor perikanan tangkap.
BAB III METODOLOGI PENELITIAN A. Lokasi Penelitian Adapun lokasi penelitian dalam menyusun penelitian ini adalah pada 29 kabupaten dan 9 kota di Provinsi Jawa Timur, dengan pertimbangan bahwa Provinsi
Lebih terperinciBAB III METODE PENELITIAN. kabupaten/kota di provinsi Jawa Tengah yang terdiri dari : 1. Kab. Banjarnegara 13. Kab. Demak 25. Kab.
BAB III METODE PENELITIAN A. Obyek dan Subyek Penelitian Dalam penelitian ini daerah yang digunakan adalah seluruh kabupaten/kota di provinsi Jawa Tengah yang terdiri dari : 1. Kab. Banjarnegara 13. Kab.
Lebih terperinciBAB III METODOLOGI. berasal dari Badan Pusat Statistik (BPS) dan kementrian terkait. Data yang
BAB III METODOLOGI 3.1. Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari Badan Pusat Statistik (BPS) dan kementrian terkait. Data yang bersumber dari BPS adalah
Lebih terperinciBAB III METODE PENELITIAN. Objek penelitian yang digunakan dalam penelitian ini adalah yang
BAB III METODE PENELITIAN A. Objek/Subjek Penelitian Objek penelitian yang digunakan dalam penelitian ini adalah yang menjadi penyebab dari produksi padi di Indonesia. Sedangkan yang subjek adalah luas
Lebih terperinciBAB III METODE PENELITIAN. digunakan dalam penelitian ini merupakan data sekunder yang diambil dari BPS dengan
BAB III METODE PENELITIAN 3.1. Variabel Penelitian dan Definisi Operasional 3.1.1.Variabel Penelitian Variabel dalam penelitian ini adalah Kemiskinan sebagai variabel dependen, sedangkan untuk variabel
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Sumber Data Data yang digunakan dalam penelitian ini merupakan data sekunder yang berasal dari berbagai lembaga pemerintah seperti Badan Pusat Statistik (BPS), Badan Koordinasi
Lebih terperinciBAB III OBYEK & METODE PENELITIAN. Dengan pengertian obyek penlitian yang dikemukakan oleh Sugiyono (2010:38)
BAB III OBYEK & METODE PENELITIAN 3.1. Obyek Penelitian Obyek penelitian merupakan sasaran untuk mendapatkan suatu data. Dengan pengertian obyek penlitian yang dikemukakan oleh Sugiyono (2010:38) bahwa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek Penelitian Dalam penelitian ini penulis melakukan penelitian yang dilakukan di Indonesia. Penelitian dalam pengambilan data dilakukan di Provinsi Daerah Istimewa Yogyakarta.
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Bandung. Periode penelitian dipilih dari tahun 2011 sampai 2015 dan meliputi 5
BAB III OBJEK DAN METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian yang dilakukan dalam penelitian ini adalah di Kota Bandung. Periode penelitian dipilih dari tahun 2011 sampai 2015 dan meliputi
Lebih terperinciLampiran 1 Hasil Estimasi Pengaruh Infrastruktur terhadap Pertumbuhan untuk Model di Jawa dengan Program STATA SE 10
Lampiran 1 Hasil Estimasi Pengaruh Infrastruktur terhadap Pertumbuhan untuk Model di Jawa dengan Program STATA SE 10 # Mendifinisikan data dalam format panel. xtset prop tahun, yearly panel variable: prop
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Metode Pengumpulan Data 4.1.1. Sumber Data Data yang digunakan dalam penelitian ini diperoleh dari sumber data sekunder, yaitu laporan keuangan tahunan perusahaan pertambangan
Lebih terperinciMETODE PENELITIAN. Perdagangan, Kementrian ESDM, Badan Pusat Statistika, serta penelusuran
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelian ini adalah data sekunder yang merupakan panel data dengan periode waktu 9 tahun dari tahun 2001 hingga tahun 2009. Data
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian tentang kemiskinan ini hanya terbatas pada kemiskinan di Provinsi Jawa Tengah tahun 2007-2011. Variabel yang digunakan dalam menganalisis
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah jenis penelitian kuantitatif.
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah jenis penelitian kuantitatif. Menurut Sugiyono (2003), penelitian kuantitatif adalah penelitian dengan memperoleh data
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek/Subyek Penelitian Penelitian ini merupakan penelitian empiris yang dilakukan untuk mengetahui pengaruh Infrastruktur terhadap Pertumbuhan Ekonomi di Indonesia yaitu provinsi
Lebih terperinciBAB III. Metode Penelitian
34 BAB III Metode Penelitian 3.1 Jenis dan Cara Pengumpulan Data Jenis penelitian ini menggunakan data yang bersifat kuantitatif. Data kuantitatif yaitu data yang berwujud dalam kumpulan angka-angka. Sedangkan
Lebih terperinciIII. METODELOGI PENELITIAN. A. Variabel Penelitian dan Definisi Operasional
III. METODELOGI PENELITIAN A. Variabel Penelitian dan Definisi Operasional Tujuan penelitian ini adalah untuk menganalisis faktor-faktor yang mempengarhi prosiklikalitas sektor perbankan di Indonesia.
Lebih terperinciMengenal E Views. Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window
Mengenal E Views Membuat workfile baru Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window Jika data Anda merupakan data tahunan,
Lebih terperinciBAB IV METODOLOGI PENELITIAN. mengetahui hubungan antara variabel bebas net profit margin, return on asset,
BAB IV METODOLOGI PENELITIAN 4.1. Metode Penelitian Metode penelitian yang digunakan adalah pendekatan deskriptif kuantitatif, berdasarkan permasalahan yang diteliti, penelitian ini digolongkan kepada
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian dan Subjek Penelitian 1. Objek Penelitian Penelitian ini dilakukan di Provinsi Jawa Tengah yang memiliki 29 kabupaten dan 6 kota. Dan dalam penelitian ini,
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1. Pendekatan/Desain Penelitian Penelitian ini untuk mengetahui ada tidaknya hubungan antara variabel yang akan diukur serta mengetahui sejauh mana variasi-variasi pada suatu
Lebih terperinciBAB III. Metodologi Penelitian
BAB III Metodologi Penelitian III.1. Metode pengumpulan Data III.1.1. Populasi dan Sampel Populasi pada penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada periode 2003-2006.
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di Provinsi Jawa Barat. Pemilihan Provinsi Jawa
BAB III METODE PENELITIAN A. Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Barat. Pemilihan Provinsi Jawa Barat ini didasarkan pada data realisai anggaran menunjukkan bahwa Anggaran Pendapatan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi Penelitian Dalam penelitian ini penulis mengambil lokasi penelitian pada Kabupaten/Kota di Provinsi Jawa Timur dimana peneliti mengambil di daerah tersebut karena peneliti
Lebih terperinciBAB III METODE PENELITIAN. wisata, jumlah wisatawan dan Produk Domestik Regional Bruto terhadap
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan analisis mengenai pengaruh jumlah obyek wisata, jumlah wisatawan dan Produk Domestik Regional Bruto terhadap retribusi daerah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini menggunakan penelitian kuantitatif yang menggunakan data numerik atau angka-angka. Metode deskriptif yaitu untuk menjawab pertanyaan-pertanyaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Tenggara Barat dengan menggunakan data variabel kemiskinan digunakan
BAB III METODOLOGI PENELITIAN A. Obyek / Subjek Penelitian Objek dalam penelitian ini adalah Tingkat Kemiskinan Provinsi Nusa Tenggara Barat dengan menggunakan data variabel kemiskinan digunakan sebagai
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1 Analisa Kelayakan Data 4.1.1 Uji Stasioner Uji akar akar unit yang bertujuan untuk menganalisis data time series stasioner (tidak ada akar akar unit) atau tidak
Lebih terperinciLAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel
LAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel Hasil Common Effect Method: Panel Least Squares Date: 12/06/11 Time: 18:16 C 12.40080 1.872750 6.621707 0.0000 LOG(PDRB) 0.145885 0.114857 1.270151
Lebih terperinciBAB III METODE PENELITIAN. Kabupaten Bantul, Kabupaten Gunung Kidul, Kabupaten Sleman dan Kota
42 BAB III METODE PENELITIAN A. Objek Penelitian Penelitian ini dilakukan secara sensus dengan data sekunder berbentuk time series dari tahun 2008 sampai dengan tahun 2015, dan yang berbentuk cross section
Lebih terperinciORDINARY LEAST SQUARE
ORDINARY LEAST SQUARE A. Regresi Sederhana (OLS Sederhana) 1. Pengantar Model regresi sederhana adalah suatu model yang melihat hubungan antar dua variabel. Salah satu variabel menjadi variabel bebas (Independent
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Kerangka Pemikiran Kerangka pemikiran yang menunjukkan alur berpikir dalam penelian ini dapat digambarkan sebagai berikut: Gambar 1: Kerangka Pemikiran 31 Pengaruh Belanja Pemerintah
Lebih terperinciBAB III METODE PENELITIAN. 2002). Penelitian ini dilakukan di Provinsi Kepulauan Bangka Belitung
BAB III METODE PENELITIAN A. Objek Penelitian Populasi merupakan keseluruhan objek penelitian. Apabila seseorang ingin meneliti semua elemen yang ada dalam wilayah penelitian, maka penelitiannya merupakan
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1. Pendekatan Penelitian Penelitian ini menggunakan dua analisis untuk membuat penilaian mengenai pengaruh ukuran negara dan trade facilitation terhadap neraca perdagangan, yaitu
Lebih terperinciBAB III METODE PENELITIAN. mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi
BAB III METODE PENELITIAN A. Objek Penelitian Untuk mendapatkan data yang diperlukan dalam penelitian ini, penulis mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi di 5 pulau
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi penelitian Penelitian ini dilakukan di Indonesia, dimana menganalisis permintaan tenaga kerja perusahaan industri manufaktur tahun 2000-2016. Alasan memilih karena terdapat
Lebih terperinciBAB III METODE PENELITIAN
37 BAB III METODE PENELITIAN A. Populasi dan Sampel Populasi dalam penelitian ini adalah koperasi yang masih aktif yang berada di 10 Kabupaten/Kota Provinsi NTB yang terdaftar di Dinas Koperasi dan UMKM
Lebih terperinciBAB III. METODE PENELITIAN
BAB III. METODE PENELITIAN 3.1. Jenis dan Cara Pengumpulan Data Data merupakan variabel yang diukur dan diperoleh dengan mengukur nilai satu atau lebih variabel dalam sampel atau populasi. Data menurut
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciBAB III METODE PENELITIAN
44 BAB III METODE PENELITIAN A. Obyek Penelitian Objek penelitian yang digunakan oleh peneliti dalam penelitian ini adalah tingkat pendidikan, tingkat pengangguran dan rasio gini di lima kabupaten/kota
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN IV.1 Spesifikasi Model Studi ini mengkaji hubungan antara besarnya pertumbuhan ekonomi regional yang diwakili oleh PDRB dengan ketersediaan Infrastruktur Ekonomi, Sosial, dan Administrasi/Institusi.
Lebih terperinciPEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA BARAT
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 60-68 PEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA
Lebih terperinciBAB III METODE PENELITIAN. Daerah Istimewa Yogyakarta, yang terdiri dari Kabupaten Bantul, Kabupaten
BAB III METODE PENELITIAN A. Objek Penelitian Objek penelitian ini adalah laporan seluruh Kabupaten/ Kota di Provinsi Daerah Istimewa Yogyakarta, yang terdiri dari Kabupaten Bantul, Kabupaten Kulon Progo,
Lebih terperinciBAB III METODE PENELITIAN Lokasi provinsi jawa tengah dipilih karena Tingkat kemiskinan
BAB III METODE PENELITIAN A. Lokasi Penelitian Lokasi penelitian adalah di Provinsi Jawa Tengah yang meliputi 35 kabupaten/kota dengan objek penelitian adalah tingkat kemiskinan dan faktor penyebab kemiskinan
Lebih terperinciIII. METODE PENELITIAN. model struktural adalah nilai PDRB, investasi Kota Tangerang, jumlah tenaga kerja,
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang dibutuhkan dalam penelitian ini adalah data sekunder dalam bentuk time series dari tahun 1995 sampai tahun 2009. Data yang digunakan dalam model
Lebih terperinci