III. METODE PENELITIAN

Transkripsi

1 III. METODE PENELITIAN 3.1 Jens dan Sumber Daa Daa ang dgunakan dalam penelan n merupakan daa sekunder ang berasal dar berbaga nsans pemernah eruama Badan Pusa Sask. Daa ang dgunakan anara lan angka kemsknan, jumlah penduduk, jumlah pekerja sekor peranan, ngka penddkan, UMP, PBRB perkapa, pengangguran, nfrasrukur sera daa-daa lanna ang relevan dengan penelan. Perode ang del mula ahun 2000 sampa dengan Pengolahan daa dalam penelan n menggunakan sofware Excel dan Evews 6. Sofware Excel dgunakan unuk membua abel dan grafk dem menunjang analss deskrpf. Program Evews 6 dgunakan unuk membua analss regres daa panel mengena fakor-fakor ang memengaruh kemsknan. 3.2 Analss Deskrpf Analss deskrpf dsajkan dalam benuk abel dan grafk unuk memudahkan pemahaman dan penafsran. Analss deskrpf pada penelan n dgunakan unuk memberkan gambaran konds sosal dan ekonom Kawasan Bara Indonesa dan Kawasan Tmur dan ulasan rumusan kebjakan penanggulangan kemsknan d masng-masng kawasan. 3.3 Analss Regres Daa Panel Unuk mengeahu fakor-fakor ang memengaruh kemsknan dgunakan analss regres daa panel. Penggunaan daa panel dmaksudkan unuk mengkombnaskan anara daa cross secon dan daa me seres sehngga jumlah observas menjad banak. Margnal effec dar peubah penjelas dapa dlha dar dua dmens, au ndvdu dan waku sehngga parameer ang desmas akan lebh akura dbandngkan dengan model lan. Balag (2005) mengungkapkan bahwa penggunaan daa panel memberkan banak keunungan, anara lan:

2 1. Mampu mengonrol heerogenas ndvdu. Dengan meode n esmas ang dlakukan dapa secara ekspls memasukkan unsur heerogenas ndvdu. 2. Dapa memberkan daa ang nformaf, mengurang kolnearas anar peubah, menngkakan deraja bebas dan lebh efsen. 3. Lebh bak unuk sud dnamcs of adjusmen. Karena berkaan dengan observas cross secon ang berulang, maka daa panel lebh bak dalam mempelajar perubahan dnams. 4. Lebh bak dalam mengdenfkas dan mengukur efek ang secara sederhana dak dapa daas dalam daa cross secon saja aau daa me seres saja. Selan manfaa ang dperoleh dengan penggunaan panel daa, meode n juga memlk keerbaasan d anarana adalah: 1. Masalah dalam desan surve panel, pengumpulan dan manajemen daa. Masalah ang umum dhadap danarana: cakupan (coverage), nonresponse, kemampuan daa nga responden (recall), frekuens dan waku wawancara. 2. Dsors kesalahan pengamaan (measuremen errors). Measuremen errors umumna erjad karena respon ang dak sesua. 3. Masalah selekvas (selecv) ang mencakup hal-hal berku: a. Self-selecv : permasalahan ang muncul karena daa-daa ang dkumpulkan unuk suau penelan dak sepenuhna dapa menangkap fenomena ang ada. b. Nonresponse : permasalahan ang muncul dalam panel daa keka ada kedaklengkapan jawaban ang dberkan oleh responden (sampel rumahangga). c. Aron : jumlah responden ang cenderung berkurang pada surve lanjuan ang basana erjad karena responden pndah, mennggal duna aau baa menemukan responden ang erlalu ngg 4. Dmens waku (me seres) ang pendek. Jens panel mkro basana mencakup daa ahunan ang relaf pendek unuk seap ndvdu.

3 5. Cross-secon dependence. Sebaga conoh, apabla macro panel dengan un analss negara aau wlaah dengan dere waku ang panjang mengabakan cross-counr dependence akan mengakbakan nferens ang salah (msleadng nference). Analss daa panel dbedakan menjad dua macam au sas dan dnams. Analss daa panel dnams, regressor-na mengandung lag varabel dependenna, sedangkan pada analss daa panel sas dak. Penelan n menggunakan analss daa panel sas sehngga pembahasanna dbaas unuk analss sas saja. Secara umum, erdapa dua pendekaan dalam meode daa panel, au Fxed Effec Model (FEM) dan Random Effec Model (REM). Keduana dbedakan berdasarkan ada aau dakna korelas anara komponen error dengan peubah bebas (Balag 2005; Wdarjono 2009) Msalkan dberkan persamaan regres daa panel sebaga berku: a X k dmana: : nla dependen varable unuk seap un ndvdu pada perode dmana = 1,, n dan = 1,, T a : unobserved heerogen β k : marks koefsen regres, k = 1,..., K dmana K = jumlah varabel bebas X : nla varabel bebas ang erdr dar sejumlah K varabel. Pada one wa, komponen error dspesfkaskan dalam benuk: u dmana: : efek ndvdu (me nvaran) 2 u : dsurbance ang besfa acak ( u ~ N(0, ) ) Unuk wo wa, komponen error dspesfkaskan dalam benuk: u u dmana: : efek waku (ndvdual nvaran)

4 Pada pendekaan one wa komponen error hana memasukkan komponen error ang merupakan efek dar ndvdu ( ). Pada wo wa elah memasukkan efek dar waku ( ) ke dalam komponen error, u dasumskan dak berkorelas dangan X. Jad perbedaan anara FEM dan REM erleak pada ada aau dakna korelas anara dan dengan X. (1) Fxed Effec Model (FEM) dengan FEM dgunakan keka efek ndvdu dan efek waku mempuna korelas X aau memlk pola ang sfana dak acak. Asums n membua komponen error dar efek ndvdu dan waku dapa menjad bagan dar necep. Unuk one wa komponen error: a X u Sedangkan unuk wo wa komponen error: a X u Penduga FEM dapa dhung dengan beberapa eknk, au Pooled Leas Square (PLS), Whn Group (WG), Leas Square Dumm Varable (LSDV), dan Two Wa Error Componen Fxed Effec Model. (2) Random Effec Model (REM) dengan REM dgunakan keka efek ndvdu dan efek waku dak berkorelas X aau memlk pola ang sfana acak. Keadaan n membua komponen error dar efek ndvdu dan efek waku dmasukkan ke dalam error. Unuk one wa komponen error: a X u Unuk wo wa komponen error: a X u

5 Asums dasar ang harus dpenuh dalam model REM adalah sebaga berku: 0 E E u 2 u 2 u 0 E unuk semua dan x 2 2 x E unuk semua dan 0 E unuk semua,, dan j u j Dmana unuk: One wa error componen: Two wa error componen: 0 E u u unuk j dan s js 0 E unuk j j Dar semua asums d aas, ang palng penng adalah 0 E. x Pengujan asums n menggunakan HAUSMAN es. Uj hpoess ang dgunakan adalah: H 0 : E 0 Tdak ada korelas anara komponen error dengan x peubah bebas H 1 : E 0 Ada korelas anara komponen error dengan peubah bebas H x ' ˆ ˆ 1 2 M M ˆ ˆ ~ k REM FEM FEM REM REM dmana M : marks kovarans unuk parameer Jka H > k : deraja bebas FEM ˆ : marks koefsen regres hasl esmas 2 abel maka komponen error mempuna korelas dengan peubah bebas dan arna model ang vald dgunakan adalah FEM. Penduga REM dapa dhung dengan dua cara au pendekaan Beween Esmaor (BE) dan Generalzed Leas Square (GLS).

6 3.3.1 Pemlhan Model Terbak Pemlhan model ang dgunakan dalam sebuah penelan perlu dlakukan berdasarkan permbangan sask. Hal n dujukan unuk memperoleh dugaan ang efsen. Unuk memuuskan apakah akan menggunakan fxed effec aau random effec menggunakan uj Haussman. Hausman es dlakukan dengan hpoess sebaga berku: H 0 : E(τ x ) = 0 aau REM adalah model ang epa H 1 : E(τ x ) 0 aau FEM adalah model ang epa Sebaga dasar penolakan H 0 maka dgunakan sask Hausman dan membandngkanna dengan Ch square. Jka nla χ 2 sask hasl pengujan lebh besar dar χ 2 abel, maka cukup buk unuk melakukan penolakan erhadap H 0 sehngga pendekaan ang dgunakan adalah fxed effec, begu juga sebalkna Uj Asums Seelah ka memuuskan unuk menggunakan suau model erenu (FEM aau REM), maka ka dapa melakukan uj asums. (1) Uj Homoskedassas Salah sau asums ang harus dpenuh dalam persamaan regres adalah bahwa aksran parameer dalam model regres bersfa BLUE (Bes Lner Unbased Esmae) maka var (u ) harus sama dengan σ 2 (konsan), aau semua resdual aau error mempuna varan ang sama. Konds u dsebu dengan homoskedassas. Sedangkan bla varan dak konsan aau berubah-ubah dsebu dengan heeroskedassas. Unuk mendeeks adana heeroskedassas dapa menggunakan meode Whe es. Uj n perama kal dperkenalkan oleh Whe pada ahun Sask uj whe menebar menuru sebaran Kh-kuadra dengan deraja bebas jumlah varabel bebas (χ 2 (α;db)). Secara manual, uj n dlakukan dengan meregres resdual kuadra (e 2 ) dengan varabel bebas. Dapakan nla R 2, kemudan

7 dapakan nla Obs*R-squared. Krera ang dgunakan adalah apabla Obs*Rsquared lebh besar dar χ 2 (α;db) maka dapa dsmpulkan erdapa heeroskedassas dalam model. Cara lan unuk mendeeks adana heeroskedassas dalam model dapa juga menggunakan hasl esmas dengan General Leas Square (Cross secon Weghs) au dengan membandngkan sum square Resd pada Weghed Sascs dengan sum square Resd unweghed Sascs. Jka sum square Resd pada Weghed Sascs lebh kecl dar sum square Resd unweghed Sascs, maka erjad heeroskedassas dalam model (Greene, 2002). (2) Uj Auokorelas Auokorelas adalah korelas ang erjad anar observas dalam sau peubah aau korelas anar error masa ang lalu dengan error masa sekarang. Uj auokorelas ang dlakukan erganung pada jens daa dan sfa model ang dgunakan. Auokorelas dapa memengaruh efsens dar esmaorna. Unuk mendeeks adana korelas seral adalah dengan melha nla Durbn Wason (DW). Unuk mengeahu ada/dakna auokorelas, maka dlakukan dengan membandngkan DW-saskna dengan DW-abel (Wdarjono 2009). Tabel 1 Kerangka denfkas auokorelas Nla sask d Hasl 4 dl < d < 4 Ada auokorelas negaf 4 du < d < 4- dl Tdak ada kepuusan 2 < d < 4 du Tdak ada auokorelas du < d < 2 dl < d < du Tdak ada auokorelas Tdak ada kepuusan 0 < d < dl ada auokorelas posf Sumber: Wdarjono 2009 Keerangan: d = Sask Durbn Wason ; dl = nla krs baas bawah ; du = nla krs baas aas

8 3.3.3 Evaluas Model (1) Uj-F Uj-F dgunakan unuk melakukan uj hpoess koefsen (slope) regres secara bersamaan. Jka nla probablas F-sasc < araf naa, maka olak H 0 dan u arna mnmal ada sau peubah bebas ang berpengaruh naa erhadap peubah erka, dan berlaku sebalkna. (2) Uj- Seelah melakukan uj koefsen regres secara keseluruhan, maka langkah selanjuna adalah menghung koefsen regres secara ndvdu dengan menggunakan uj-. Jka erdapa model regres daa panel sebaga berku: a X k Hpoess pada uj- adalah : H 0 : β k = 0 H 1 : β k 0 Jka -hung > -abel maka H 0 dolak ang berar peubah bebas secara sask naa pada araf naa ang elah deapkan dalam penelan, dan berlaku hal ang sebalkna. Jka nla probablas -sasc < araf naa, maka olak H 0 dan berar bahwa peubah bebas naa secara sask. (3) Koefsen Deermnas (R 2 ) Koefsen deermnas (Goodness of F) merupakan suau ukuran ang penng dalam regres, karena dapa mengnformaskan bak aau dakna model regres ang eresmas. Nla R 2 mencermnkan seberapa besar varas dar peubah erka Y dapa derangkan oleh peubah bebas X. Jka R 2 = 0, maka varas dar Y dak dapa derangkan oleh X sama sekal; jka R 2 = 1, arna bahwa varas dar Y secara keseluruhan dapa derangkan oleh X.

9 (3) Uj Normalas Uj normalas dlakukan unuk memerksa apakah error erm mendeka dsrbus normal aau dak. Jka asums normalas dak erpenuh maka prosedur pengujan menggunakan sask menjad dak sah. Uj normalas error erm dlakukan dengan menggunakan uj Jarque Bera. Berdasarkan nla probablas Jarque Bera ang lebh besar dar araf naa 5%, maka dapa dsmpulkan bahwa error erm erdsrbus dengan normal Spesfkas Model Penelan Model dalam penelan n mengacu model ang elah dgunakan oleh Sregar dan Wahunar (2007) dengan dlakukan modfkas sebaga berku: No. Model acuan Model Penelan 1 Semua varabel dalam benuk asl Semua varabel dalam benuk logarma naural (LN) 2. Terdapa 9 varabel bebas, au: Terdapa 10 varabel bebas, au: a. Jumlah penduduk a. Jumlah penduduk b. Share peranan erhadap PDRB b. Jumlah pekerja secor peranan c. Persenase lulusan sekolah c. Jumlah penduduk lulusan sengka menengah perama SMP d. Persenase lulusan sekolah d. Jumlah penduduk lulusan sengka menengah aas SMU e. Persenase lulusan penddkan e. Jumlah penduduk lulusan daas dploma SMU f. Share ndusr erhadap PDRB f. Upah Mnmum Provns g. PDRB g. PDRB perkapa h. Inflas h. Pengangguran. Dumm Krss. Infrasrukur jalan j. Infrasrukur lsrk Model regres panel daplkaskan d Kawasan Bara Indonesa dan Kawasan Tmur Indonesa. Model daplkaskan dalam benuk logarma naural unuk mendapakan nla dugaan elassas dar seap varabel bebas. Secara

10 umum, defns elassas au daa kepekaan varabel dak bebas erhadap perubahan ang erjad pada varabel bebas. berku: Model regres panel ang dgunakan dalam penelan adalah sebaga LN_MISKIN = β 0 + β 1 LN_PDDK + β 2 LN_TANI + β 3 LN_SMP + β 4 LN_SMU + β 5 LN_PT + β 6 LN_UMP + β 7 LN_PDRBKPT + β 8 LN_NGANGGUR + Β 9 LN_JLN + β 10 LN_LISTRIK + ε Keerangan: : provns : ahun LN : Logarma naural MISKIN : Jumlah penduduk mskn β 0 : Unobserved heerogen β k : Elassas dugaan ; k = 1,2,...,10 PDDK : Jumlah penduduk TANI : Jumlah pekerja sekor peranan SMP : Jumlah lulusan sengka SMP SMU : Jumlah lulusan sengka SMU PT : Jumlah lulusan sengka Dploma ke aas UMP : Upah Mnmum Provns PDRBKPT : PDRB aas dasar harga konsan ahun 2000 dbag jumlah penduduk perengahan ahun NGANGGUR : Jumlah pengangguran erbuka JALAN : Panjang jalan/kendaraan LISTRIK : Energ lsrk erjual/banakna rumah angga ε : Komponen Error Defns Operasonal Pada bab 2 elah djelaskan fakor-fakor ang berpengaruh erhadap kemsknan. Berdasarkan fakor-fakor ersebu, berku defns operasonal beberapa varabel ang dgunakan dalam penelan berdasarkan konsep BPS. 1 Jumlah penduduk mskn adalah jumlah penduduk ang mempuna pengeluaran perkapa per bulan dbawah gars kemsknan. Jumlah penduduk mskn dhung dengan sauan rbu orang. 2 Jumlah penduduk menaakan semua orang ang berdomsl d wlaah eroral selama 6 bulan aau lebh dan aau mereka ang berdomsl kurang dar 6 bulan eap berujuan meneap. Jumlah penduduk dhung dengan sauan rbu orang.

11 3 Bekerja d sekor peranan adalah melakukan pekerjaan dengan maksud memperoleh aau membanu memperoleh pendapaan aau keunungan dan lamana bekerja palng sedk 1 jam secara erus menerus dalam semnggu ang lalu (ermasuk pekerja keluarga anpa upah ang membanu dalam suau usaha/kegaan ekonom) pada lapangan usaha peranan. Jumlah pekerja sekor peranan dhng dalam sauan rbu orang. 4 Tngka penddkan adalah jenjang penddkan ang elah dempuh penduduk sampa lulus dan mendapakan buk kelulusan berupa jazah/sttb. 5 Upah mnmum provns adalah upah mnmum ang elah deapkan pemernah unuk menngkakan kesejaheraan pekerja. Nla upah mnmum dsepaka oleh serka buruh, pengusaha dan pemernah. Sauan ang upah mnmum provns adalah rbu rupah. 6 PDRB perkapa adalah penjumlahan seluruh komponen nla ambah bruo ang mampu dcpakan oleh sekor-sekor ekonom aas berbaga akvas produksna ang dhung berdasarkan harga konsan ahun 2000, dbag dengan jumlah penduduk perengahan ahun. Sauan PDRB perkapa adalah jua rupah. 7 Pengangguran erbuka adalah angkaan kerja ang sedang mencar pekerjaan. Pengangguran dhung dalam sauan rbu orang. 8 Infrasrukur jalan adalah panjang jalan oal (sauan km). Panjang jalan merupakan gabungan jalan negara, provns, dan kabupaen/koa ang berada d provns ersebu. Dalam penelan n nfrasrukur jalan merupakan raso anara panjang jalan dengan jumlah kendaraan. 9 Infrasrukur lsrk adalah oal energ lsrk dar PLN ang erjual (sauan GWh) dbag dengan jumlah rumahangga.