BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Perjalanan pembangunan ekonomi telah menimbulkan berbagai macam perubahan terutama pada struktur perekonomian. Perubahan struktur ekonomi merupakan salah satu karakteristik yang terjadi dalam pertumbuhan ekonomi pada hampir setiap negara maju. Berdasarkan catatan sejarah tingkat pertumbuhan sektoral ini termasuk pergeseran secara perlahan dan kegiatankegiatan pertanian menuju ke kegiatan non pertanian dan akhir-akhir ini dari sektor industri ke sektor jasa. Pembangunan daerah harus sesuai dengan kondisi potensi serta aspirasi masyarakat yang tumbuh dan berkembang. Apabila pelaksanaan prioras pembangunan daerah kurang sesuai dengan potensi yang dimiliki oleh masingmasing daerah, maka pemanfaatan sumber daya yang ada menjadi kurang optimal. Keadaan tersebut dapat mengakibatkan lambatnya proses pertumbuhan ekonomi daerah yang bersangkutan. (Prishardoyo, 2008) Data panel merupakan gabungan data periode (time series) dan data objek (cross section). Data cross section adalah data yang dikumpulkan dalam satu waktu terhadap banyak un amatan, sementara data time series merupakan data yang dikumpulkan dari waktu ke waktu terhadap suatu un amatan. Data panel memiliki banyak kelebihan yang terdiri dari data yang lebih informatif (bervariasi, lebih besar dan efisien), mendalami efek-efek ekonomi yang tidak dapat diperoleh jika hanya menggunakan data time series atau cross section saja.(hsiao, 1986) Oleh karena u dilihat dari kelebihan data panel sangat cocok untuk dgunakan pada tesisi ini, karena data faktor-faktor pertumbuhan ekonomi begu komplek dan besar dan tidak akan tepat apabila hanya menggunakan data time series atau cross section saja. 1

2 2 Dinjau dari kelengkapan data, data panel terdiri dari dua jenis, yau data panel lengkap ( balanced panel data) dan data panel tidak lengkap ( unbalanced panel data). Suatu data panel disebut data panel lengkap ( balanced panel data) jika setiap un cross-section memiliki jumlah observasi time series yang sama, yau dengan kata lain tidak ada nilai yang hilang (missing value). Secara singkat : { x, y } untuk i = 1,2,..,N ; t = 1,2,...,T atau T1 = T2 =... = TN. Jumlah observasi data panel lengkap adalah NT. Struktur data dari data panel lengkap strukturnya sederhana sehingga lebih mudah dalam perhungan. Data panel disebut tidak lengkap ( unbalanced panel data) jika jumlah observasi berbeda untuk un cross-section atau dengan kata lain ada data atau nilai yang hilang (missing value). Secara singkat : { x, y } untuk i = 1,2,..,N ; t = 1,2,...,T atau T1 = T2 =... = TN sehingga banyaknya keseluruhan observasi data panel adalah N Ti. i 1 Baik data panel lengkap maupun data panel tidak lengkap mempunyai model regresi yang sama, yakni : y 0 X, u K k k k 1. Berdasarkan komponen error u, model regresi untuk data panel lengkap dan data panel tidak lengkap dibedakan menjadi dua, yau model regresi komponen error satu arah (one-way error component regression models), dengan u ui v dan model regresi komponen error dua arah (two-way error component regression models), dengan u u i t v. Diberikan ui adalah pengaruh khusus yang tidak teramati ( error) dari individu ke i tanpa dipengaruhi waktu. pada waktu ke- t tanpa dipengaruhi individu. Selanjutnya (error) yang benar-benar tidak diketahui. t adalah pengaruh yang tidak teramati v adalah pengaruh Pada data lengkap baik untuk model regresi komponen error satu arah maupun dua arah sama-sama memiliki banyak elemen individu i = 1,2,...,N dan

3 banyknya elemen periode atau waktu t = 1,2,...,T. Dengan kata lain kedua model regresi tersebut memiliki dimensi NT. Namun pada data panel tidak lengkap, untuk model regresi komponen error satu arah banyaknya elemen individu i = 1,2,...,N dan elemen banyaknya waktu t = 1,2,...,Ti (sebanyak N individu yang diobservasi, data untuk masingmasing individu memiliki data dengan periode waktu yang berbeda). Dengan kata lain suatu model data panel yang hanya melibatkan satu un saja. Berdasarkan asumsi parameter intersep 0 model efek tetap ( fixed effect model) mengasumsikan parameter intersep bervariansi antar un antar waktu maupun individu sedangkan slope-nya kosntan. Teknik model fixed effect adalah teknik mengestimasi data panel menggunakan variabel dummy untuk menangkap adanya perbedaan intersep baik un individu atau un waktu. Sedangkan pada model efek random (random effect model) intersep merupakan jumlahan dari rata-rata intersep dan residual yang bersifat random. Residual dalam model efek random terdiri dari dua komponen yau residual gabungan cross section dan residual secara individu. Model ini dikenal juga dengan istilah model komponen error/error component model (ECM). Heteroskedastisas dalam model panel merupakan suatu keadaan atau fenomena penyimpangan asumsi dimana variansi dari masing-masing komponen u adalah suatu konstanta yang bernilai tidak sama atau lebih sering dikenal dengan nama homoskedastisas. Komponen yang mempengaruhi model panel tersebut yau individual yang tidak tampak dan komponen galat 3 u sendiri memiliki dua komponen u i yang merupakan efek khusus vyang merupakan nilai nilai galat dari model panel linear untuk semua observasi un cross-sectional untuk semua periode (Baltagi, 2005). galat Heteroskedastisas dapat terjadi pada komponen u i saja atau komponen vsaja dan juga terjadi pada kedua komponen galat tersebut. Untuk keadaan heteroskedastisas pada dua komponen ( tampak dan komponen galat ui efek khusus individual yang tidak v ), hanya terjadi pada unbalanced panel data yau

4 data panel yang jumlah observasi pada tiap cross-section untuk suatu periode waktu adalah tidak sama. Alasan utama untuk menguji heteroskedastisas adalah untuk mengatasi penyimpangan terhadap asumsi OLS, E ( ui u i ) = I u 4, dimana asumsi komponen galat model panel adalah homokedastisas, apabila terjadi heteroskedastisas maka interasi dan kesimpulan apapun yang ka tarik menjadi tidak efisien dan dapat menjadi begu menyesatkan. Pada penulisan ini akan dicari heteroskedastisas dan komponen error pada data panel tidak lengkap (unbalanced panel data) dengan LSDV dan FGLS. 1.2 Pembatasan Masalah Didalam penulisan ini, permasalahan yang akan dibahas difokuskan pada pembentukan model data panel tidak lengkap (unbalanced panel data): Satu arah (one-way) pada fixed effect menggunakan Least Square Dummy Variable (LSDV) dan pada random effect menggunakan Feasible Generalized Least Square (FGLS). 1.3 Tujuan Penulisan Penyusunan tesis ini dimaksudkan sebagai pemenuhan salah satu syarat untuk mecapai derajat sarjana S2 program studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam. Adapun tujuan dari penulisan tesis ini adalah mencari taksiran parameter heteroskedastisas dan komponen error pada data panel tidak lengkap (unbalanced panel data) dengan LSDV dan FGLS. 1.4 Tinjauan Pustaka Pengertian dan penjelasan tentang data panel tidak lengkap dan heteroskedastisas diambil dari buku Econometric Analysis of Panel Data (Baltagi, 2005), Baltagi dan Song (2006), Wansbeek dan Kapteyn (1989), Gujarati, D. (2004), menjadi pedoman penulis dalam menjelaskan data panel tidak lengkap untuk fixed effect dan random effect baik satu arah maupun dua arah, Schott (2005) untuk kronecker product.

5 5 Tesis Yayuk (2013) yang berjudul Teknik Estimasi Parameter dan Komponen Error Pada Data panel Tidak Lengkap Dengan LSDV, FGLS dan ANOVA dan juga Skripsi Alponco (2008) yang berjudul Heteroskedastisas Dalam Model Panel Fixed Effect Untuk Komponen Galat Cross-Section. 1.5 Metode Penulisan Metode yang dilakukan dalam penelian ini adalah bimbingan dan diskusi dengan dosen pembimbing, studi leratur dan pengolahan data. Sumber leratur diperoleh dari buku, tesis dan artikel yang terka dengan tema penelian. Pada proses pengolahan data, data mengenai PDRB Migas, PDRB Non Migas, kemiskinan dan jumlah penduduk akan diambil dari Badan Pusat Statistik Provinsi Bangka Belung untuk periode Lagkah pertama adalah melakukan uji hausmann untuk melihat apakah terdapat hubungan efek acak di dalam data panel. Langkah kedua, uji breusch-pagan untuk meguji adanya efek waktu, individu atau keduannya. Langkah ketiga, uji diagnostic untuk melihat terjadi korelasi serial antar variabel dan terdapat heteroskedastistas di dalam data. Langkah keempat, estimasi model untuk menentukan model terbaik yang dapat menyimpulkan variabel-variabel apa yang paling baik hasilnya. Software yang digunakan untuk melakukan perhungan adalah R. 1.6 Sistematika Penulisan Penulisan tesis ini disusun dengan sistematika sebagai berikut: BAB I PENDAHULUAN Bab ini membahas tentang latar belakang, pembatasan masalah, maksud dan tujuan penulisan, tinjuan pustaka, metode penulisan dan sistematika penulisan. BAB II LANDASAN TEORI Bab ini membahas tentang dasar-dasar teori yang digunakan dalam penulisan tesis, yau tipe data menurut waktu, kronecker product, bentuk kuadratik, variabel dummy, data panel, regresi linear berganda, metode Ordinary Least Square (OLS), Generalized Least Square (GLS) dan Uji Spesifikasi model panel.

6 6 BAB III PEMBAHASAN Bab ini membahas tentang pokok permasalahan utama yau heteroskedastisas pada komponen error dalam model panel linear satu arah dan uji untuk melihat heroskedastisas dalam model panel linear satu arah. Kemudian mengestimasi bagaimana model panel yang terbentuk dengan adanya heteroskedastisas. BAB IV STUDI KASUS Bab ini membahas tentang penerapan pemodelan data panel tidak lengkap untuk efek tetap dengan menggunakan uji heteroskedastisas untuk melihat faktorfaktor yang mempengaruhi tingkat kemiskinan Bangka Belung terhadap jumlah penduduk, PDRB, pendidikan, pendapatan per kapa dan pengangguran periode yang diambil dari BPS Provinsi Bangka Belung. BAB V PENUTUP Bab ini membahas kesimpulan dan saran yang diambil berdasarkan pembahasan masalah hasil penulisan.