BAB III METODOLOGI PENELITIAN Pada bab ini akan membahas mengenai ruang lingkup penelitian, metode pengumpulan data, dan model yang digunakan dalam penelitian ini. Selain itu, akan dijelaskan pula deskripsi variabel, teknik pengolahan data, serta pengujiannya. Metode yang digunakan berdasarkan pada kajian teoritis dan empiris untuk menjawab permasalahan yang akan diteliti. 3.1 Ruang Lingkup Penelitian Penelitian ini dilakukan untuk membahas pengaruh dari faktor ekonomi dan non-ekonomi terhadap tingkat korupsi yang dirasakan oleh negara-negara berkembang. Jenis data yang digunakan dalam penelitian ini berupa data sekunder yang didapatkan penulis dari World Bank dan Transparency International. Data yang digunakan mencakup 60 negara berkembang yang tergolong ke dalam klasifikasi negara yang memiliki pendapatan rendah (low income) dan negara yang memiliki pendapatan menengah ke bawah (lower-middle income) yang diperoleh dari World Bank berdasarkan Gross National Income (GNI) per kapita tiap negara. Sedangkan data dari Transparency International digunakan untuk mengukur tingkat persepsi korupsi sektor publik atau Corruption Perceptions Index (CPI) dari 180 negara. Akan tetapi dalam penelitian ini, penulis membalikkan nilai indeks persepsi korupsi, dimana 0 merupakan negara yang bersih dan 100 merupakan negara yang korup. Asumsinya ialah dengan semakin bertambahnya nilai indeks menandakan aktivitas korupsi semakin bertambah pula. 32
33 Hal ini bertujuan agar mempermudahkan penulis dalam interpretasi. Selanjutnya, penulis mengkuadratkan satu variabel yang terdapat dalam model yakni kebebasan pers. Sebab penulis memperkirakan bahwa variabel tersebut memiliki hubungan yang non linear dengan tingkat korupsi yang dirasakan. Negara berkembang dipilih sebagai objek observasi dikarenakan penulis ingin berfokus mengenai tingkat korupsi yang dirasakan hanya pada negaranegara berkembang. Selain itu, banyak dari negara-negara berkembang memiliki indeks persepsi korupsi yang rendah (negara korup) namun dengan pendapatan negara yang tidak banyak (negara miskin). Adapun tahun yang penulis jadikan sebagai observasi ialah tahun 2014 hingga 2017 karena adanya keterbatasan dalam kelengkapan data. 3.2 Metode Analisis Metode analisis yang digunakan dalam penelitian ini adalah dengan pendekatan analisis kuantitatif berbasis data panel yang didasarkan pada penggunaan Random Effect Model (REM) yang merupakan model terbaik untuk digunakan dalam penelitian ini. Sedangkan pengolahan data dilakukan dengan menggunakan software microsoft excel dan stata-13. 3.3 Model Penelitian Pada penelitian ini, model dan metode yang penulis gunakan mengadaptasi pada penelitian yang dilakukan sebelumnya oleh (Shabbir & Anwar, 2008) dan (Churchill, Agbodohu, & Arhenful, 2013) yang penulis gunakan sebagai referensi dengan adanya modifikasi pada variabel-variabel yang
34 digunakan. Berikut adalah spesifikasi model untuk menganalisis bagaimana faktor-faktor yang diidentifikasi mempengaruhi tingkat korupsi yang dirasakan oleh negara-negara berkembang: a. Faktor Ekonomi Dimana: = Tingkat korupsi yang dirasakan (0-100) = Tingkat kebebasan ekonomi (0-100) = Indeks globalisasi (0-10) = Tingkat perkembangan (US$) = Error term = Unit dari observasi 60 negara = Tahun observasi 2014-2017 b. Faktor Non-Ekonomi Dimana: = Tingkat korupsi yang dirasakan (0-100) = Indeks kebebasan pers (0-100) = Jumlah kuadrat dari indeks kebebasan pers (indeks) = Indeks kebebasan demokrasi (0-10) = Indeks kestabilan politik (-2,5 2,5) = Error term = Unit dari observasi 60 negara
35 c. Faktor Ekonomi dan Non Ekonomi = Tahun observasi 2014 2017 Dimana: = Tingkat korupsi yang dirasakan (0-100) = Tingkat kebebasan ekonomi (0-100) = Indeks globalisasi (0-10) = Tingkat perkembangan (US$) = Indeks kebebasan pers (0-100) = Jumlah kuadrat dari indeks kebebasan pers (indeks) = Indeks kebebasan demokrasi (0-10) = Indeks kestabilan politik (-2,5 2,5) = Error term = Unit dari observasi 60 negara = Tahun observasi 2014 2017 3.4 Metode Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data sekunder berjenis data panel dengen jumlah deret waktu 4 tahun yakni dari tahun 2014 hingga 2017 dan unit cross-section yang diperoleh dari website dan publikasi World Bank dan instansi terkait yang berhubungan dengan penelitian ini. Adapun data yang dikumpulkan dalam penelitian ini ialah data indeks persepsi korupsi, tingkat kebebasan ekonomi, indeks globalisasi, GDP per kapita, indeks kebebasan pers,
36 tingkat kebebasan demokasi, dan tingkat kestabilan politik pada negara-negara berkembang pada tahun 2014 2017. Data-data tersebut bersumber dari: 1. World Bank 2. Transparency International 3. The Heritage Foundation 4. KOF Globalisation Index 5. Freedom House 6. The Economist Intelligence Unit 7. The Global Economy 3.5 Operasionalisasi Variabel Dalam penelitian ini, penulis menggunakan indeks persepsi korupsi dengan pembalikkan nilai sebagai variabel dependen. Variabel dependen adalah variabel terikat atau variabel dipengaruhi oleh variabel independen (Kohatri, 2004). Sedangkan variabel independennya yaitu tingkat kebebasan ekonomi, indeks globalisasi, tingkat perkembangan yang diukur dengan GDP per kapita, indeks kebebasan pers, indeks kebebasan demokrasi, dan indeks kestabilan politik. Adapun definisi operasional dari berbagai variabel tersebut adalah sebagai berikut:
37 Tabel 3.1 Operasional Variabel dalam Penelitian No. Variabel Operasional Keterangan Sumber Data Unit 1. CORR Tingkat korupsi yang dirasakan 2. EcoFree Kebebasan ekonomi Variabel dependen Indeks yang mengukur anggapan publik di suatu negara mengenai korupsi yang terjadi dalam jabatan publik maupun politis. Dalam penelitian ini penulis membalikkan nilainya menjadi 0 (negara bersih) dan 100 (negara korup) Variabel Independen Tingkat kebebasan yang mengukur kemampuan individu, keluarga, dan bisnis dalam membuat keputusan ekonomi mereka sendiri, dengan skala 0 (tertutup) hingga 100 (terbuka) 3. Glob Globalisasi Indeks yang mengukur tiga dimensi integrasi internasional pada suatu negara, yang meliputi ekonomi, sosial, dan politik. Skala Transparency International The Heritage Foundation KOF Globalisation Index Indeks Indeks Indeks
38 4. Develo Level perkembangan 5. PressFree Kebebasan pers 6. Democ Kebebasan demokrasi 7. PolStab Kestabilan politik 8. PressFreeSQ Kebebasan pers kuadrat Sumber: website dan publikasi tiap data 0 (buruk) hingga 100 (baik). Diukur dengan menggunakan GDP per kapita tiap negara Indeks kebebasan dalam pers di suatu negara. Skala 0 (terbuka) sampai 100 (tertutup). Indeks kebebasan untuk berdemokrasi pada suatu negara. Skala 0 (buruk) hingga 10 (baik). Indeks yang mengukur kestabilan politik pada suatu negara. Skala -25 (buruk) hingga 2,5 (stabil) Jumlah kuadrat dari indeks kebebasan dalam pers di suatu negara World Bank Freedom House The Economist Intelligence Unit The Global Economy Freedom House US$ Indeks Indeks Indeks Indeks 3.6 Teknik Pengolahan Data Pengolahan data dalam penelitian ini menggunakan pendekatan kuantitatif dengan metode data panel. Metode ini menggabungkan dua jenis data, yakni data berupa deret waktu (time series) dan data individu (cross section). Menurut Baltagi dalam (Gujarati & Porter, 2009) penggunaan data panel dalam suatu penelitian memiliki beberapa keunggulan, meliputi:
39 1. Estimasi data panel mampu menunjukkan heterogenitas dalam setiap individu. 2. Data panel akan lebih efisien sebab data panel akan memberikan informasi, degree of freedom dan variasi yang lebih banyak, namun dengan kolineritas yang sedikit antar variabel. 3. Metode panel lebih baik untuk menentukan perubahan dinamis dibandingkan cross section. 4. Data panel mampu mendeteksi dan mengukur dampak yang tidak dapat dilihat oleh data time series dan cross section. 5. Data panel dapat membantu dalam analisis studi yang lebih kompleks. 6. Data panel mampu meminimalisir bias yang bisa terjadi ketika melakukan regresi dalam jumlah yang besar. Estimasi model regresi dengan menggunakan data panel menurut (Gujarati & Porter, 2009) dapat dilakukan melalui tiga pendekatan yang mana akan dianalisa untuk menentukan metode regresi yang tepat, diantaranya: 1) Pooled Least Square Model Model ini merupakan model pendekatan yang paling sederhana sebab hanya mengkombinasikan data time series dan cross section. Dalam hal ini, model pooled least square mengasumsikan perilaku data antar negara ialah konstan dalam berbagai kurun waktu karena model ini tidak memperhatikan dimensi waktu maupun individu. Model estimasinya dituliskan dalam bentuk persamaan berikut:
40 2) Fixed Effect Model Model ini mengasumsikan bahwa koefisien slope adalah konstan, sementara intercept antar individu diasumsikan berbeda namun intercept antar waktu diasumsikan sama (fixed effect). Untuk melakukan estimasi pada model ini terdapat kendala asumsi pooled least squared yang sullit dipenuhi, maka penggunaan variabel dummy sering digunakan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV). 3) Random Effect Model Asumsi dalam model ini ialah bahwa nilai koefisien slope adalah konstan namun nilai intercept-nya memiliki perbedaan antar individu dan antar waktu. Pada model random effect dalam model ini, perbedaan intercept dimasukkan ke dalam error masing-masing negara. Keuntungan menggunakan model ini ialah menghilangkan heteroskedastisitas. Dimana ialah faktor kesalahan yang acak dan diasumsikan tidak memiliki hubungan dengan. Faktor kesalahan tersebut terdiri dari komponen spesifik dari individu yang konstan sepanjang waktu ( dan variasi komponen kesalahan oleh antar individu dan waktu. Adapun data panel yang penulis gunakan dalam penelitian ini ialah berupa data sekunder dan data tersebut akan digunakan untuk melakukan analisis deskriptif yang mana diolah dengan menggunakan bantuan software Microsoft
41 Excel dan STATA 13. Langkah selanjutnya melakukan tahap pengujian, terdapat tiga tahap pengujian dalam penggunaan model panel, diantaranya: a) Uji Chow Pengujian ini dilakukan untuk mengetahui model mana yang lebih baik digunakan dalam penelitian, antara model pooled least square atau fixed effect model. Hipotesis yang digunakan dalam Uji Chow ialah sebagai berikut: : Model pooled least square lebih baik : Fixed effect model lebih baik Dengan kriteria sebagai berikut: 1. Apabila (Prob > F) < α maka ditolak, yang artinya lebih baik menggunakan fixed effect model. 2. Apabila (Prob > F) α maka tidak dapat ditolak, yang artinya lebih baik menggunakan model pooled least square. b) Uji Hausman Pengujian ini dilakukan untuk mengetahui apakah random effect model atau fixed effect model yang lebih baik digunakan. Hipotesis dalam Uji Hausman ialah sebagai berikut: : Random effect model lebih baik : Fixed effect model lebih baik Dengan kriteria sebagai berikut:
42 1. Apabila (Prob > χ 2 ) < α maka ditolak, yang artinya lebih baik menggunakan fixed effect model. 2. Apabila (Prob > χ 2 ) α maka tidak dapat ditolak, yang artinya lebih baik menggunakan random effect model. c) Uji Breusch Pagan Langrangian Multiplier Pengujian ini dilakukan untuk mengetahui model mana yang lebih baik digunakan antara random effect model atau pooled least square. Hipotesis dalam Uji Breusch Pagan Langrangian Multiplier, sebagai berikut: : Pooled least square lebih baik : Random effect model lebih baik Dengan kriteria sebagai berikut: 1. Apabila (Prob > 2 ) < α maka ditolak, yang artinya lebih baik menggunakan random effect model. 2. Apabila (Prob > 2 ) α maka tidak dapat ditolak, yang artinya lebih baik menggunakan pooled least square. 3.7 Pengujian Masalah dalam analisis Regresi Linear Telah diungkapkan secara teoritis, salah satu metode pendugaaan parameter dalam model regresi linear ialah Ordinary Least Square (OLS) yang berlandaskan pada sejumlah asumsi tertentu. Pada prinsipnya, model regresi linear yang dibangun harus memenuhi beberapa asumsi yakni Best, Linear, Unbiased Estimator (BLUE).
43 3.7.1 Uji Multikolinearitas Multikolinearitas ialah permasalahan pada suatu model regresi jika adanya hubungan yang kuat antar variabel independen. Salah satu penyebab terjadinya multikolinearitas diantaranya terdapat pengambilan data yang tidak baik ataupun penggunaan variabel yang lebih banyak dibandingkan jumlah observasinya. Gejala multikolinearitas dapat terdeteksi dengan melihat nilai R 2. Apabila terdapat sedikit variabel independen yang signifikan mempengaruhi variabel dependen, maka bisa dikatakan terdapat masalah multikolinearitas dalam model. Adapun cara lain untuk mendeteksi masalah multikolinearitas ialah dengan melihat korelasi antar variabel independen yang mana ketika terdapat korelasi yang lebih dari 0,8 maka dapat dikatakan terjadi masalah multikolinearitas (Gujarati & Porter, 2009). Untuk memperbaiki atau menghilangkan adanya masalah multikolinearitas, dapat melakukan beberapa hal sebagai berikut: Menghilangkan variabel yang menyebabkan bias Penambahan data baru Mengkombinasikan data time series dan data cross section 3.7.2 Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk melihat adanya masalah heteroskedastisitas pada model. Heteroskedastisitas terjadi karena varian dari error terms tidak lagi konstan. Konsekuensi dari adanya heteroskedastisitas ialah
44 proses estimasi menjadi tidak efisien yang menyebabkan hasil Uji T-statistik dan Uji F-statistik menjadi tidak berguna. Hipotesis yang digunakan dalam Uji Heteroskedastisitas adalah: : tidak adanya masalah heteroskedastisitas adanya masalah heteroskedastisitas Kriteria dan kesimpulan: (Prob>Chi2) < α = ditolak, artinya ada masalah heteroskedastisitas dalam regresi (Prob>Chi2) > α = tidak dapat ditolak, artinya tidak ada masalah heteroskedastisitas dalam regresi 3.7.3 Uji Autokorelasi Uji ini dilakukan untuk melihat adanya masalah berupa korelasi antara residual pada suatu variabel dengan residual variabel lainnya yang disebut dengan masalah autokorelasi. Konsekuensinya ialah dapat menimbulkan adanya regresi palsu sebab nilai varian untuk masing-masing variabel tidak lagi minimum (Gujarati & Porter, 2009). Masalah autokorelasi biasanya terjadi pada data time series. Hipotesis yang digunakan pada Uji Autokorelasi ialah: : tidak adanya masalah autokorelasi adanya masalah autokorelasi Kriteria dan kesimpulan: (Prob>Chi2) < α = ditolak, artinya ada masalah autokorelasi
45 (Prob>Chi2) > α = tidak dapat ditolak, artinya tidak ada masalah autokorelasi 3.8 Pengujian Statistik Pengujian statistik dilakukan untuk memperkuat hasil estimasi dari sebuah penelitian. Adapun pengujian statistik yang dilakukan meliputi koefisien determinasi (R 2 ), uji signifikansi simultan, dan uji signifikansi parsial. 3.8.1 Koefisien Determinasi (R 2 ) Koefisien determinasi atau R 2 (R-squares) merupakan ukuran ringkas yang memberikan informasi mengenai seberapa besar kemampuan variabel independen dalam menjelaskan variabel dependen di dalam sebuah model. Apabila nilai koefisien determinasi semakin mendekati 0, maka variabel independen kurang mampu dalam menjelaskan variabel dependen sehingga dapat dinyatakan bahwa model persamaan yang dipakai kurang sempurna. Begitupun sebaliknya, apabila nilai koefisien determinasi semakin mendekati 1 maka variabel dependen mampu dijelaskan secara keseluruhan oleh variabel independen. 3.8.2 Uji F-statistik Uji F dilakukan untuk mengetahui tingkat signifikansi atau melihat adanya pengaruh variabel independen secara keseluruhan terhadap variabel dependen dalam model pada tingkat signifikansi tertentu, dengan hipotesis sebagai berikut: : = =... = = 0 (semua variabel independen dalam model secara bersama-sama tidak mempengaruhi variabel dependen)
46 : paling tidak, ada satu 0 (semua variabel independen dalam model secara bersama-sama mempengaruhi variabel dependen) Dengan statistik uji: Di mana: = koefisien determinasi k = jumlah variabel independen n = jumlah sampel Dengan kriteria sebagai berikut: Jika F stat > F table atau Prob F < α maka ditolak. Artinya dapat dikatakan bahwa semua variabel independen dalam model mempengaruhi variabel dependen. Jika F stat F table atau Prob F α maka tidak dapat ditolak. Artinya bahwa semua variabel independen dalam model tidak mempengaruhi variabel dependen. Akan tetapi, jika hasil estimasi regresi menggunakan random effect model, maka digunakan uji Wald Chi-Square untuk melihat apakah semua vaariabel independen mempengaruhi variabel dependen secara signifikan (StataCorp, 2013), dengan hipotesis yang sama serta kriteria sebagai berikut: Jika Prob χ 2 < α maka ditolak. Artinya bisa dikatakan bahwa variabel independen dalam model secara bersama-sama mempengaruhi variabel dependen.
47 Jika Prob χ 2 α maka tidak dapat ditolak. Artinya bahwa semua variabel independen dalam model secara bersama-sama tidak mempengaruhi variabel dependen. 3.8.3 Uji T-statistik Penggunaan uji t dilakukan untuk mengetahu tingkat signifikansi atau melihat adanya pengaruh antara variabel independen dengan variabel independen secara individu terhadap variabel dependen dalam model pada tingkat signifikansi tertentu, dengan hipotesis sebagai berikut: : = 0 (variabel independen tidak mempengaruhi variabel dependen secara sginifikan) : 0 (variabel independen mempengaruhi variabel dependen secara sginifikan) Dengan statistik uji: Dimana: = koefisien variabel independen ke-n = nilai dari hipotesis nol = simpangan baku dari variabel independen ke-n Dengan hipotesis sebagai berikut: : β = 0, yang artinya variabel independen tidak mempengaruhi variabel dependen
48 : β 0, yang artinya variabel independen mempengaruhi variabel dependen Kriteria dan kesimpulan: Jika t stat > t table atau -t stat < -t tabel (Prob t < α) maka ditolak. Artinya variabel independen mempengaruhi variabel dependen secara signifikan. Jika -t table t stat -t tabel (Prob t α) maka tidak dapat ditolak. Artinya variabel independen tidak mempengaruhi variabel dependen secara signifikan. Namun, bila hasil regresi menggunakan random effect model, maka digunakan uji z untuk melihat pengaruh masing-masing variabel independen terhadap variabel dependen (StataCorp, 2013), dengan hipotesis yang sama serta kriteria sebagai berikut: Jika Prob z < α maka ditolak. Artinya variabel independen mempengaruhi variabel dependen secara signifikan. Jika Prob z α maka tidak dapat ditolak. Artinya variabel independen tidak mempengaruhi variabel dependen secara signifikan.