Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
it
= u
i
+ v
t
+ w
it
(3.4)
dimana:
u
i
~ N (0,
U
2
) = error component cross section
v
t
~ N (0,
V
2
) = error component time series
w
it
~ N (0,
W
2
) = error component combinations
Melihat persamaan di atas, maka dapat dinyatakan bahwa Model Efek
Random menganggap efek rata-rata dari data cross-section dan time-series
61
direpresentasikan dalam intercept. Sedangkan deviasi efek secara random
untuk data time-series direpresentasikan dalam v
t
dan deviasi untuk data
cross-section dinyatakan dalam u
i
.
Telah diketahui bahwa:
it
= u
i
+ v
t
+ w
it
. Dengan demikian varians
dari error tersebut dapat dituliskan dengan:
Var (
it
) =
U
2
+
V
2
+
W
2
(3.5)
Hal ini tentunya berbeda dengan model OLS yang diterapkan pada
panel data, sebagaimana telah dijelaskan di atas, yang mempunyai varian
error sebesar:
Var (
it
) =
W
2
(3.6)
Dengan demikian, Model Efek Random bisa diestimasi dengan OLS
bila
U
2
=
V
2
= 0. Kalau tidak demikian, Model Efek Random diestimasi
dengan metode Generalized Least Square (GLS).
Asumsi yang digunakan dalam Model Efek Random ini adalah error
secara individual tidak saling berkolerasi, begitu pula dengan error
kombinasinya. 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.
Terkait dengan beberapa pilihan teknik untuk permodelan panel data,
sebelum model diestimasi dengan model yang tepat, terlebih dahulu
dilakukan uji spesifikasi apakah Common Effect, Fixed Effect dan atau
62
Random Effect memberikan hasil yang sama. Penyeleksian model estimasi
data panel antara lain:
1. Pengujian Signifikansi Common Effects atau Fixed Effects
Signifikasi model fixed effect dapat dilakukan dengan uji statistik F.
Uji F digunakan untuk mengetahui apakah teknik regresi data panel dengan
fixed effect lebih baik dari model regresi data panel tanpa variabel dummy
(common effect) dengan melihat residual sum squares (RSS).
(3.7)
di mana, n adalah jumlah individu, T adalah periode waktu, k adalah
parameter dalam model fixed effect, RSS
1
dan RSS
2
masing-masing
merupakan residual sum of squares teknik tanpa variabel dummy dan teknik
fixed effect dengan variabel dummy.
Nilai statistik F hitung akan mengikuti distribusi statistik F dengan
derajat bebas sebanyak (n-1) untuk numerator dan (nT-n-k) untuk
denumerator. Jika nilai statistik F hitung lebih besar dari F tabel, maka
hipotesis null akan ditolak, yang berarti koefisien intersep dan slope adalah
sama tidak berlaku, sehingga teknik regresi data panel dengan fixed effect
lebih baik dari common effect.
2. Pengujian Signifikansi Common Effects atau Random Effects
Breush dan Pagan (1980) telah mengembangkan pengujian Lagrange
Multiplier untuk mengetahui signifikansi dari random effects berdasarkan
residual dari OLS (common effects).
63
Secara matematis, statistik uji untuk LM test (Lagrange Multiplier)
dapat dituliskan sebagai berikut:
(3.8)
Di bawah hipotesis nul, LM mengikuti sebaran chi-square dengan
derajat bebas satu. Jika hasil LM statistik lebih besar dari nilai kritis statistik
chi-square, maka hipotesis nul akan ditolak, yang berarti estimasi yang tepat
untuk regresi data panel adalah metode random effect dibandingkan metode
common effects.
3. Pengujian Signifikansi Fixed Effects atau Random Effects
Setelah menguji signifikansi antara common effects atau fixed effects
serta common effects atau random effects, maka selanjutnya jika terbukti fixed
effects dan random effecs sama-sama lebih baik dari common effects adalah
melakukan pengujian signifikansi fixed effects atau random effects.
Uji ini dilakukan dengan membandingkan
untuk subset dari koefisien variabel-variabel yang bervariasi antar unit waktu
(time-varying variables). Secara matematis dengan menggunakan notasi
matriks, statistik uji Hausman (H) dapat dituliskan sebagai berikut:
(3.9)
di bawah hipotesis nul, statistik uji ini mengikuti sebaran chi-square dengan
derajat bebas M, di mana M adalah jumlah variabel penjelas yang nilainya
bervariasi antar unit waktu di dalam model.
64
Hipotesis null pada uji Hausman adalah efek spesifik individu tidak
berkorelasi dengan peregresi atau dengan kata lain model random effect lebih
baik bila diabandingkan dengan model fixed effect. Di bawah hipotesis nul,
pendugaan parameter dengan menggunakan random effect adalah konsisten
dan efisien, sedangkan pendugaan dengan fixed effect meskipun tetap
konsisten, tetapi tidak lagi efisien. Di bawah hipotesis alternatif, estimasi
dengan random effect menjadi tidak konsisten, sebaliknya estimasi dengan
fixed effect tetap konsisten. Jika nilai statistik Hausman lebih besar daripada
nilai kritis statistik chi-square, maka hipotesis nul akan ditolak, yang berarti
estimasi yang tepat untuk regresi data panel adalah metode fixed effect dari
pada metode random effect.
Sementara itu, Judge et al. dalam Gujarati (2003) memberikan
sejumlah pertimbangan terkait pilihan apakah menggunakan model fixed
effect (FE) ataukah model random effect (RE). Pertimbangan-pertimbangan
itu adalah sebagai berikut:
1. Jika jumlah data time series (T) besar dan jumlah data cross-section (N)
kecil, ada kemungkinan perbedaan nilai parameter yang diestimasi
dengan FE dan RE cukup kecil. Karena itu, pilhan ditentukan
berdasarkan kemudahan perhitungan. Dalam hal ini, adalah model FE.
2. Ketika N besar dan T kecil estimasi kedua metode dapat berbeda secara
signifikan. Pada kondisi seperti ini, pilihan ditentukan berdasarkan
keyakinan apakah individu yang diobservasi merupakan sampel acak
yang diambil dari populasi tertentu atau tidak. Jika observasi bukan
65
merupakan sampel acak, maka digunakan model FE. Jika sebaliknya,
maka digunakan model RE.
3. Jika efek individu tidak teramati
i
berkorelasi dengan satu atau lebih
variabel bebas, maka estimasi dengan RE bias, sedangkan estimasi
dengan FE tidak bias.
4. Jika N besar dan T kecil, serta semua asumsi yang disyaratkan oleh
model RE terpenuhi, maka estimasi dengan menggunakan RE lebih
efisien dibanding estimasi dengan FE.
Dalam penelitian ini, penentuan apakah model FE atau RE yang
akan digunakan selain didasarkan pada sejumlah pertimbangan yang telah
disebutkan, juga akan didasarkan pada kreteria ekonomi (make sense secara
ekonomi). Dalam hal ini, adalah kesesuaian tanda hasil estimasi koefisien
regresi setiap variabel di dalam model dengan teori dan kewajaran besaran
nilai koefisien hasil estimasi tersebut.
Setelah menentukan spesifikasi model yang akan digunakan, tahapan
selanjutnya adalah memilih metode estimasi (estimator) yang tepat sesuai
dengan struktur varian kovarian residual.
Konsekuensi yang muncul ketika membangun model regresi dengan
data panel adalah bertambahnya komponen residual, karena adanya dimensi
cross-section dan time-series pada data. Kondisi ini menyebabkan matriks
varian kovarian residual menjadi sedikit lebih kompleks bila dibandingkan
dengan model regresi klasik yang hanya menggunakan data cross-section atau
data time-series.
66
Pada model regresi klasik, pelanggaran terhadap asumsi klasik
terkait residual, seperti heterokedastisitas dan autokerelasi merupakan
masalah serius yang mengakibatkan penduga parameter regresi yang
diestimasi dengan OLS tidak lagi bersifat BLUE (best linier unbiased
estimator). Tindakan yang biasa dilakukan untuk mengatasi masalah ini
adalah dengan melakukan penghitungan robust standard error. Dalam
pemodelan regresi dengan data panel, terjadinya pelanggaran asumsi regresi
linier klasik pada residual adalah hal yang sangat sulit dihindari, dan tidak
seperti pada regresi klasik, pelanggaran dapat diakomodasi untuk menentukan
metode estimasi terbaik bagi spesifikasi model yang digunakan.
Terdapat beberapa kemugkinan struktur varian kovarian residual
yang mungkin terjadi pada model regresi data panel. Berbagai kemungkinan
yang dibahas pada bagian ini adalah yang biasa dijumpai pada estimasi model
dengan common effects dan fixed effect. Karena itu, metode-metode estimasi
yang dapat digunakan terkait struktur varian kovarain residual yang
dipaparkan pada bagian ini hanya akan diterapkan pada model yang
diestimasi dengan common effects atau fixed effect.
a. Pemilihan Estimator Struktur Homoskedastik atau Heteroskedastik
dengan Uji Lagrange Multiplier (LM)
Pada pengujian ini, hipotesis null (H
0
) yang digunakan adalah bahwa
struktur varians-covarians residual bersifat homoskedastik. Sementara
hipotesis alternatif (H
1
) adalah bahwa struktur varians-covarians residual
bersifat heteroskedastik.
67
Secara matematis, statistik uji yang digunakan dapat dirumuskan
sebagai berikut :
(3.10)
di mana T adalah jumlah periode waktu, n adalah jumlah individu,
adalah varians residual persamaan ke-i pada kondisi homoskedastik, dan
adalah Sum Square Residual (SSR) persamaan system pada kondisi
homoskedastik.
Statistik uji LM ini mengikuti distribusi statistik chi-square dengan
derajat bebas sebanyak n-1. Jika nilai statistik LM lebih besar dari nilai kritis
statistik chi-square, maka hipotesis nul ditolak, yang berarti struktur varians-
covarians residual bersifat heteroskedastik.
b. Pemilihan Estimator Struktur Heteroskedastik dan Ada Cross-sectional
Correlation
Pengujian ini dilakukan apabila hasil pengujian LM menunjukkan
bahwa struktur varians-covarians residual bersifat heteroskedastik. Pada
pengujian ini, hipotesis nul (H
0
) yang digunakan adalah bahwa struktur
varians-covarians residual bersifat heteroskedastik dan tidak ada cross
sectional correlation. Sementara hipotesis alternatifnya (H
1
) adalah bahwa
struktur varians-covarians residual bersifat heteroskedastik dan ada cross
sectional correlation (Seemingly Uncorrelated Regression/SUR). Secara
matematis, statistik uji yang digunakan dapat dirumuskan sebagai berikut:
68
(3.11)
di mana T adalah jumlah periode waktu, n adalah jumlah individu, dan r
ij
adalah residual correlation coefficient antara persamaan ke-i dan ke-j.
Statiktik uji LM ini mengikuti distribusi statistik chi-square dengan
derajat bebas sebanyak n(n-1)/2. Jika nilai statistik LM lebih besar dari nilai
kritis statistik chi-square, maka hipotesis nul akan ditolak, yang berarti
struktur varians-covarians residual bersifat heteroskedastik dan ada cross
sectional correlation (Seemingly Uncorrelated Regression/SUR).
Pengujian statistik juga dilakukan untuk mengetahui apakah model
regresi non linier merupakan model yang tepat untuk menggambarkan
hubungan antar variabel dan apakah ada hubungan yang signifikan diantara
variabel-variabel dependen dengan variabel-variabel penjelas (seperti : uji
statistik t dan uji statistik F) selain itu kita bisa melihat nilai hasil estimasi
untuk R
2
(koefisien determinasi).
2. Uji Hipotesis
a. Uji Statistik t
Uji t digunakan untuk mengetahui apakah variabel-variabel bebas
secara parsial berpengaruh signifikan terhadap variabel tak bebasnya.
Hipotesis pengujian:
H
0
:
i
= 0
H
1
:
i
0
Formulanya adalah sebagai berikut:
69
(3.12)
adalah nilai penduga parameter ke-i, adalah simpangan baku dari
nilai penduga parameter ke-i.
Hipotesis null ditolak jika t
hitung
> t
/2;(nT-n-k-1)
. Hal ini berarti secara
parsial variabel bebas ke-i signifikan memengaruhi variabel tidak bebasnya
dengan tingkat kepercayaan sebesar (1-) 100%. Tingkat kesalahan yang
digunakan adalah = 5% atau 0,05.
b. Uji Statistik F
Uji statistik F merupakan pengujian koefisien regresi secara
keseluruhan. Pengujian ini menunjukkan apakah semua variabel bebas yang
dimasukkan kedalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat. Hipotesis pengujian yang digunakan adalah:
H
0
:
1
=
2
= ... =
k
= 0
H
1
: paling sedikit salah satu nilai
1
0, dengan i = 1, 2, ...,k.
Statistik uji F dihitung dengan formula sebagai berikut:
(3.13)
Hipotesis nol ditolak jika F
hitung
> F
;(n+k 1, nT-n-k)
yang berarti bahwa
minimal ada satu variabel bebas yang signifikan berpengaruh terhadap
variabel tidak bebasnya dengan dengan taraf signifikansi sebesar (1-)
100%. Tingkat kesalahan yang digunakan adalah = 5% atau 0,05
70
c. Koefisien Determinasi (R
2
)
R
2
digunakan untuk mengukur kebaikan atau kesesuaian suatu model
persamaan regresi. Besaran R
2
dihitung dengan rumus:
(3.14)
Dan R
2
adjusted dihitung dengan rumus:
Dimana:
ESS: Jumlah kuadrat yang dijelaskan
RSS: Jumlah kuadrat residual.
TSS: Jumlah kuadrat total.
n: Jumlah observasi (negara)
T: Jumlah periode waktu.
k: Banyaknya variabel bebas tanpa intersep.
Adjusted R
2
digunakan karena sudah menghilangkan pengaruh
penambahan variabel bebas dalam model, karena nilai R
2
akan terus naik
seiring dengan penambahan variabel bebas. Karena itu kita harus berhati-hati
dalam menggunakan nilai R
2
ketika menilai kebaikan dan kesesuaian suatu
model persamaan regresi. Penggunaan adjusted R
2
sudah memperhitungkan
jumlah derajat bebas.
Koefisien determinasi merupakan angka yang menunjukkan besarnya
derajat kemampuan menerangkan variabel bebas terhadap variabel terikat.
71
Nilai R
2
berkisar antara 0 1 (0 < R
2
< 1) yang berarti semakin mendekati satu
maka semakin dekat pula hubungan antara variabel bebas dan terikat dan
dapat dikatakan model tersebut adalah model terbaik.
3. Uji Asumsi Klasik
Untuk membangun persamaan regresi panel yang terbaik dari
kriteria ekonometrika, perlu dilakukan penyelidikan dan penanganan adanya
masalah-masalah yang berkaitan dengan pelanggaran asumsi dasar. Berikut
ini adalah asumsi-asumsi yang diperlukan dalam analisis regresi:
a. Normalitas
Pengujian normalitas dilakukan untuk mengetahui apakah residual
berdistribusi normal atau tidak. Berdasarkan dalil limit pusat (central limit
theorem), ada kecenderungan residual yang terjadi sebenarnya menyebar
secara normal. Jika residual merupakan jumlah residual dari beberapa
sumber, maka apapun sebaran peluang masing-masng residual itu, akan
mendekati sebaran normal bila komponen residual semakin banyak. Salah
satu metode yang dapat digunakan untuk menguji Normalitas adalah Jarque-
Bera test. Uji statistik ini dapat dihitung dengan rumus berikut:
(3.15)
di mana:
n = jumlah sampel 2 = varians
3 = skewness 4 = kurtosis
72
Jarque-Bera test mempunyai distribusi chi square dengan derajat
bebas dua. Jika hasil Jarque-Bera test lebih besar dari nilai chi square pada
=5%, maka terima hipotesis nul yang berarti berdistribusi normal. Jika hasil
Jarque- Bera test lebih kecil dari nilai chi square pada =5%, maka tolak
hipotesis nul yang berarti error term tidak berdistribusi normal.
b. Multikolinieritas
Multikolinieritas berarti adanya korelasi antar variabel bebas, yang
terjadi karena variabel-variabel bebas tersebut memiliki hubungan pada
populasi atau hanya pada sampel. Cara mendeteksi adanya kolinieritas:
- Dengan memeriksa simple pairwise (Pearson) correlation antar variabel
independen. Batas nilai yang disarankan sebagai indikasi kolinieritas
serius berbeda-beda (0,8 menurut Berry dan Felman, 1985; dan 0,9
menurut Griffith dan Amerhein, 1997). Nash dan Bradford (2001)
menyebutkan bahwa suatu variabel independen berkorelasi tinggi dengan
variabel independen lainnya jika r lebih dari 0,85.
- Uji formal untuk mendeteksi keberadaan dari multikolinieritas yaitu
dengan melihat nilai Variance Inflation Factor (VIF). Nilai VIF ini
menunjukkan bagaimana varians dari sebuah estimator akan meningkat
akibat adanya multikolinieritas. Nilai VIF diperoleh dengan formula
berikut:
(3.16)
73
di mana k = 1,2,...,p 1 dan merupakan koefisien determinasi dari
regresi berganda ketika X
k
diregresikan dengan p-2 variabel lainnya dalam
model. Jika nilai VIF lebih dari 10, maka hal tersebut dapat berindikasi
bahwa multikolinieritas bersifat serius dan akan memengaruhi estimasi
yang menggunakan OLS karena meskipun estimator tetap bersifat
unbiased namun sudah tidak lagi memiliki varians yang minimum. Selain
itu, keberadaan multikolinieritas juga akan membuat estimator bersifat
sensitif untuk perubahan yang kecil pada data, sehingga akan
mengakibatkan kesalahan (missleading) dalam menginterpretasikan suatu
model regresi. Cara mengatasi adanya multikolinieritas antara lain melepas
satu atau lebih variabel yang memiliki korelasi yang tinggi,
mentransformasi model, atau memperbesar jumlah sampel.
74
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Deskripsi Data
Penelitian ini menggunakan dua variabel independen yaitu Utang
Luar Negeri (ULN) dan Penanaman Modal Asing (PMA) sedangkan variabel
dependennya adalah Pertumbuhan Ekonomi (PE).
1. Pertumbuhan Ekonomi
Data pertumbuhan ekonomi menggunakan data Gross Domestic
Product, percent change berdasarkan harga konstan yang diperoleh dari
laporan lembaga keuangan dunia seperti IMF dan World Bank yang
dipublikasikan pada website resminya selama tahun 1991-2010 di negara-
negara Dunia Ketiga yang dikelompokkan menjadi wilayah Eropa Tengah
dan Timur, Developing Asia, Amerika Latin dan Karibian, Timur Tengah dan
Afrika Utara, dan Afrika Sub-Sahara. Data pertumbuhan ekonomi di negara-
negara Dunia Ketiga dapat dilihat pada tabel IV.1 di lampiran 1 atau secara
grafik tergambar seperti di bawah ini:
75
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
Gambar IV.1 Grafik Pertumbuhan Ekonomi di Negara Dunia Ketiga
Berdasarkan gambaran dari grafik di atas maka dapat dilihat bahwa
wilayah Asia (Developing Asia) merupakan wilayah yang paling baik
pertumbuhan ekonominya yang rata-rata mencapai 7% pertahun selama
periode observasi. Seperti yang kita ketahui, sebagian besar negara-negara
berkembang di wilayah Asia memiliki perekonomian yang paling dinamis
sehingga pertumbuhan ekonominya relatif pesat. Sebut saja negara China dan
India yang rata-rata pertumbuhan ekonominya hampir mencapai 10%.
Namun, tidak semua negara di wilayah Asia bernasib sama seperti China dan
India. Seperti negara Nepal, Bangladesh, Pakistan, dan Filipina yang kondisi
perekonomiannya tidak sebaik negara lain dengan pertumbuhan ekonominya
di bawah 5% pertahun. Kondisi demikian juga terjadi di negara kita yaitu
-8
-6
-4
-2
0
2
4
6
8
10
12
14
P
E
(
%
)
Tahun
Pertumbuhan Ekonomi Negara Dunia Ketiga
1991-2010
Central and eastern Europe Developing Asia
Latin America and the Caribbean Middle East and North Africa
Sub-Saharan Africa
76
Indonesia yang rata-rata pertumbuhan ekonominya 4,6% pertahun selama
periode observasi.
Sedangkan wilayah yang pertumbuhan ekonominya tidak terlalu
tinggi yaitu wilayah Eropa Tengah dan Timur serta Amerika Latin dan
Karibian. Wilayah ini sangat rentan terhadap krisis ekonomi yang terjadi di
negara-negara maju sehingga membuat pertumbuhan ekonominya terpuruk
ditahun-tahun tertentu. Seperti pada tahun-tahun belakangan ini yaitu sejak
tahun 2007-2009, kedua wilayah tersebut pertumbuhan ekonominya terus
mengalami penurunan hingga mencapai angka negatif 3% dan 1% sehingga
membuat rata-rata pertumbuhan ekonomi di kedua wilayah ini hanya
mencapai 3%.
Pertumbuhan ekonomi di wilayah lainnya yaitu Timur Tengah dan
Afrika Utara serta di Afrika Sub Sahara juga tidak semulus di wilayah Asia.
Adanya konflik berdarah antaretnik dan antaragama dibeberapa negara di
wilayah ini membuat perekonomiannya terganggu. Pada dekade 1990-an,
ketegangan ini mengakibatkan kehancuran dan kebinasaan seperti yang telah
terjadi di negara Liberia dan Rep. Demokrasi Kongo sehingga membuat rata-
rata pertumbuhan ekonominya hanya 1% dan 3% pertahun. Beberapa negara
yang kurang beruntung di wilayah ini seperti Chad dan Yaman, pertumbuhan
ekonominya hanya mencapai 4% pertahun. Mereka hanya memiliki sedikit
sekali persediaan bahan baku dan mineral yang berharga, tanahnya pun
kurang subur untuk digarap. Di negara Senegal, Kenya, dan Tanzania sering
terjadi kegagalan ekonomi dan krisis keuangan di banyak badan usaha atau
77
perusahaan milik pemerintah sehingga membuat pertumbuhan ekonominya
hanya dikisaran 3% pertahun.
2. Utang Luar Negeri
Data utang luar negeri diperoleh dari laporan lembaga keuangan
dunia yaitu IMF yang dipublikasikan pada website resminya selama tahun
1991-2010 di negara-negara Dunia Ketiga yang dikelompokkan menjadi
wilayah Eropa Tengah dan Timur, Developing Asia, Amerika Latin dan
Karibian, Timur Tengah dan Afrika Utara, dan Afrika Sub-Sahara. Data
external debt total dalam milyar US $ di negara-negara Dunia Ketiga dapat
dilihat pada tabel IV.2 di lampiran 2 atau secara grafik tergambar seperti di
bawah ini:
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
Gambar IV.2 Grafik Utang Luar Negeri di Negara Dunia Ketiga
0
200
400
600
800
1000
1200
1400
1600
U
L
N
(
M
i
l
y
a
r
U
S
$
)
Tahun
Utang Luar Negeri di Negara Dunia Ketiga
1991-2010
Central and eastern Europe Developing Asia
Latin America and the Caribbean Middle East and North Africa
Sub-Saharan Africa
78
Dari gambaran di atas, pada periode antara tahun 1991 dan 2010,
utang eksternal negara-negara Dunia Ketiga terus meroket dari US$1,3 triliun
hingga melebihi US$5,4 triliun atau naik lebih dari 300%. Pembayaran
pelunasan pinjamannya sendiri mengalami kenaikan hingga 700% dengan
nilai lebih dari US$1700 milyar pada tahun 2010 (Tabel IV. 3 di lampiran 3).
Jika total utang eksternal ini dijumlah untuk masing-masing wilayah,
maka Developing Asia merupakan wilayah yang paling tinggi nilai utang
eksternalnya yaitu lebih dari US$15 triliun sepanjang tahun observasi. Di
tahun 2010 saja utangnya sudah mencapai lebih dari US$1400 milyar.
Sebenarnya, seberapa banyak pun jumlah utang di suatu wilayah atau negara
tidaklah menjadi persoalan selama ia memiliki kemampuan untuk
membayarnya. Wilayah Asia sendiri, merupakan salah satu wilayah yang
perekonomian paling dinamis sehingga nilai total utang eksternalnya yang
tinggi dirasa masih aman dengan pertumbuhan ekonominya yang relatif pesat.
Hal ini didukung dengan fakta bahwa rata-rata total utang eksternalnya hanya
sekitar 25% (Tabel IV.4 di lampiran 4).
Sementara wilayah Afrika Sub Sahara, nilai total utang eksternalnya
hanya sekitar US$4000 milyar dan yang paling rendah dari wilayah lainnya,
tetapi nilai tersebut mencapai lebih dari 50% dari GDP-nya. Masalah utang di
kawasan Afrika Sub Sahara dianggap paling memprihatinkan karena
pendapatan per kapitanya terus menerus mengalami kemerosotan dan
perekonomiannya secara keseluruhan mengalami stagnasi.
79
3. Penanaman Modal Asing
Data penanaman modal asing diperoleh dari laporan lembaga
keuangan dunia yaitu IMF berdasarkan nilai Direct Investment, net dalam
milyar US $ yang dipublikasikan pada website resminya selama tahun 1991-
2010 di negara-negara Dunia Ketiga yang dikelompokkan menjadi wilayah
Eropa Tengah dan Timur, Developing Asia, Amerika Latin dan Karibian,
Timur Tengah dan Afrika Utara, dan Afrika Sub-Sahara. Data penanaman
modal asing di negara-negara Dunia Ketiga dapat dilihat pada tabel di Tabel
IV.6 di lampiran 6 atau secara grafik tergambar seperti di bawah ini:
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
Gambar IV.3 Grafik Penanaman Modal Asing di Negara Dunia Ketiga
-20
0
20
40
60
80
100
120
140
160
180
200
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
P
M
A
(
M
i
l
y
a
r
U
S
$
)
Tahun
Penanaman Modal Asing di Negara Dunia Ketiga
1991-2010
Central and eastern Europe Developing Asia
Latin America and the Caribbean Middle East and North Africa
Sub-Saharan Africa
80
Pertumbuhan PMA yang dilakukan oleh pihak swasta di negara-
negara Dunia Ketiga telah berlangsung pesat selama beberapa dasawarsa
terakhir. Pada tahun 1991, nilai totalnya baru mencapai sekitar US$29 miliar
per tahun kemudian nilai ini terus meningkat hingga mencapai lebih dari
US$166 miliar pertahun di tahun 1999 sebelum menurun menjadi US$148
miliar per tahun berikutnya di tahun 2000. Nilai ini terus mengalami pasang
surut dan mencapai puncaknya pada tahun 2008 sebesar lebih dari US$467
miliar.
Hampir sekitar 60% dari total dana investasi asing tersebut mengalir
ke negara-negara Asia. Jumlah yang diterima Afrika kurang dari 3% dari total
dana yang mengalir sedangkan bagian yang diperoleh sejumlah negara-negara
berkembang paling miskin bahkan di bawah 2%. Hal yang demikian dianggap
wajar karena modal swasta akan selalu tertuju ke negara-negara atau kawasan
yang menjanjikan tingkat pengembalian investasi dan kadar kepastian paling
tinggi.
Perusahaan-perusahaan multinasional itu senantiasa mencari peluang
ekonomi yang paling menguntungkan. Itulah sebabnya mengapa lebih dari
90% dana investasi asing swasta selama ini mengalir ke negara-negara
industri maju dan sebagian negara-negara berkembang yang
perekonomiannya paling dinamis dan pertumbuhannya relatif pesat. dan
mereka tidak bisa diharapkan untuk memberi perhatian kepada soal-soal
kemiskinan, ketimpangan pendapatan, dan lonjakan pengangguran.
52
52
Michael P. Todaro dan Stephen C. Smith, op. cit, p. 261
81
B. Analisis Data
Penelitian ini menggunakan analisis panel data (pooling data) dan
pengolahan datanya menggunakan program Eviews 6.0. Keunggulan
menggunakan panel data sudah dijelaskan sebelumnya. Model regresi data
panel dapat dilakukan melalui tiga model estimasi, yaitu common effects
(lampiran 7), fixed effects (lampiran 8), dan random effects (lampiran 9).
Pemilihan model estimasi terbaik akan dilakukan terhadap ketiga jenis
model tersebut. Untuk menentukkan model estimasi terbaik tersebut akan
dilakukan beberapa prosedur pengujian formal, yaitu: uji statistik F untuk
memilih antara model common effects atau fixed effects; uji Langrange
Multiplier (LM) untuk memilih antara common effects atau random effects;
uji Hausman untuk memilih antara model fixed effects atau random effects.
Selanjutnya, untuk model estimasi data panel terpilih akan dilakukan
pengujian untuk memilih estimator dengan struktur varians-kovarians
residual yang lebih baik.
1. Pemilihan Model Terbaik
a. Pengujian Signifikansi Common Effect atau Fixed Effect
Tahapan awal pemilihan model regresi terbaik adalah pengujian
signifikansi model fixed effects. Pengujian ini bertujuan untuk mengetahui
apakah model estimasi fixed effects lebih baik dari model regresi common
effects. Berdasarkan hasil pengujian dengan Eviews 6.0, ternyata diperoleh
nilai F-statistik sebesar 6,574046 yang lebih besar daripada nilai kritis
82
F
(o,o5, 4, 92)
= 2,470681. Dengan demikian hipotesis null ditolak, sehingga
dapat disimpulkan bahwa pada =5%, intersep untuk setiap negara adalah
berbeda yang artinya bahwa model fixed effects lebih baik dari common
effects. (lampiran 10)
b. Pengujian Signifikansi Common Effect atau Random Effect
Tahapan berikutnya adalah melakukan pengujian signifikansi
model random effects. Pengujian ini dilakukan dengan tujuan untuk
mengetahui apakah model random effects lebih baik dari model common
effects. Berdasarkan hasil penghitungan, diperoleh LM-statistic = 17,86
yang lebih besar daripada nilai kritis = 3,841. Dengan demikian, hipotesis
null dapat ditolak, sehingga dapat disimpulkan bahwa pada =5%, intersep
setiap negara merupakan random/stokastik yang artinya model random
effects lebih baik dari model common effects (lampiran 11).
c. Pengujian Signifikansi Fixed Effect atau RandomEffect
Berdasarkan pengujian tahap kedua diperoleh model random
effects lebih baik dari model common effects. Merujuk pada tahap pertama
yang menyatakan bahwa model fixed effects lebih baik daripada common
effects, maka peneliti dihadapkan pada pemilihan mana yang lebih baik
antara fixed effecst dan random effects. Uji formal untuk mengetahui
apakah model random effects lebih baik dari fixed effects adalah Uji
Hausman (lampiran 12).
83
Setelah melakukan pengujian Hausman dengan Eviews 6.0, uji
Hausman akan dibandingkan dengan distribusi chi-square pada derajat
bebas 3 (df=k) dan ternyata diperoleh hasil yang invalid dikarenakan
statistik hitungannya bernilai negatif. Nilai negatif ini kemudian dijadikan
nol dengan probability chi- square menjadi 1. Jadi, karena nilai Chi-
squared stats adalah 0 dan lebih kecil dari Chi-squared tabel (7,814728)
maka hipotesis null diterima yang berarti model random effect lebih baik
digunakan dibanding model fixed effect.
Namun, dengan mempertimbangkan beberapa hal secara teoritis
maka peneliti memilih untuk tidak memakai model random effect. Hal-hal
tersebut adalah:
- Data tersebut memiliki lebih banyak T daripada N. Menurut Gujarati
(2001) berdasarkan penjelasan dari Judge et.al (1985), jika jumlah data
time series (T) besar dan jumlah data cross-section (N) kecil, maka
fixed effecst lebih baik.
- Unit di dalam sampel bukanlah acak yang ditarik dari sampel yang
besar maka jika observasi bukan merupakan sampel acak, maka
digunakan model fixed effecst.
- Dengan membandingkan nilai ukuran-ukuran statistik, seperti Adjusted
R-squared antara fixed dan random, maka fixed effecst lebih baik karena
nilainya yang lebih besar.
Sehingga model yang dipakai dalam penelitian ini adalah persamaan
regresi data panel dengan teknik fixed effects
84
2. Pemilihan Estimator dengan Struktur Varian Kovarian Residual
Setelah fixed effects terpilih, selanjutnya dilakukan identifikasi
struktur matriks varian-kovarian residual. Penyesuaian model regresi
berdasarkan matriks varians kovarians bertujuan untuk menghindari model
fixed effects yang bias bila terdapat heteroskedastisitas. Statistik uji yang
digunakan adalah statistik LM (Langrange Multiplier). Hasil penghitungan
pengujian LM menunjukkan hasil yang signifikan, diperoleh nilai LM-
statistic = 49,00675 yang lebih besar dari nilai chi-square = 9,487. Dengan
demikian hipotesis null ditolak yang berarti bahwa pada =5% model
estimasi fixed effects mengandung masalah heteroskedastisitas. Untuk
mengatasi masalah heteroskedastisitas ini dapat dilakukan dengan
memakai penimbang cross-sections weight pada fixed effect model
sehingga dapat diperoleh model terbaik sementara. (lampiran 13)
Tahapan selanjutnya adalah mengidentifikasi struktur matriks
varians kovarians residual, apakah model fixed effect di atas (yang
heteroskedasnya telah diobati) mengandung masalah autokorelasi atau
adanya cross sectional correlastion. Hasil penghitungan pengujian
diperoleh nilai sebesar 26,379 yang lebih besar dari wilayah kritis 18,307.
Hasil penghitungan ini menunjukkan bahwa hipotesis null ditolak sehingga
model fixed effect mengandung masalah autokorelasi atau terdapat cross
serial correlation. Untuk mengatasi masalah itu,model estimasi fixed effect
akan mamakai penimbang cross section SUR (Seemingly Uncorrelated
Regression) sehingga diperolehlah model terbaik. (lampiran 14)
85
3. Uji Hipotesis
a. Uji T
Uji parsial dapat dilakukan dengan memperhatikan nilai t-hitung (t-
statistik) yang kemudian dibandingkan dengan nilai t-tabel dengan derajat
bebas /2 ; nT-n-k-1. Dari model terbaik tersebut, didapatkan hasil sebagai
berikut:
Tabel IV.7
Hasil Uji T
Variable Coefficient Std. Error t-Statistic Prob.
C 5.135729 0.431822 11.89317 0.0000
ULN? -0.003786 0.001066 -3.550208 0.0006
PMA? 0.042275 0.007043 6.002108 0.0000
D1? -2.279967 0.632538 -3.604472 0.0005
Sumber: Data hasil olahan
1. Untuk variabel Utang Luar Negeri (ULN) diperoleh nilai t
hitung =
-3,550
sedangkan nilai t
tabel
=2,279. Kerena nilai |t
hitung
| > t
tabel
maka peneliti
dapat mengambil keputusan untuk menolak H
0
. Maka dapat
disimpulkan pada tingkat kepercayaan 95% bahwa variabel Utang Luar
Negeri memiliki pengaruh negatif yang signifikan terhadap
pertumbuhan ekonomi pada kelima wilayah penelitian.
2. Untuk variabel Penanaman Modal Asing (PMA) diperoleh nilai
t
hitung
=6,002 sedangkan nilai t
tabel
=2,279. Karena nilai |t
hitung
| > t
tabel
maka peneliti dapat mengambil keputusan untuk menolak H
0
. Maka
dapat disimpulkan pada tingkat kepercayaan 95% bahwa variabel
Penanaman Modal Asing memiliki pengaruh positif yang signifikan
terhadap pertumbuhan ekonomi pada kelima wilayah penelitian.
86
3. Untuk variabel dummy (krisis) yang disimbolkan dengan D1 diperoleh
nilai t
hitung =
-3,604 sedangkan nilai t
tabel
=2,279. Kerena nilai |t
hitung
| >
t
tabel
maka peneliti dapat mengambil keputusan untuk menolak H
0
.
Maka dapat disimpulkan pada tingkat kepercayaan 95% bahwa adanya
krisis yang terjadi pada tahun 1998 dan 2008 terbukti memiliki
pengaruh yang negatif terhadap terhadap pertumbuhan ekonomi pada
kelima wilayah penelitian.
b. Uji F
Pengujian parameter secara simultan dilakukan dengan
membandingkan F
hitung
dengan nilai F
(
,
n+k-1, nT-n-k)
, Pada tabel di bawah
diperoleh nilai F
hitung
=21,277 sedangkan nilai F
(0.05
,
7, 92)
= 2,1107. Karena
niali F
hitung
> F
tabel
maka dapat diputuskan untuk menolak H
0
.
Sehingga
diperoleh kesimpulan pada tingkat kepercayaan 95% peneliti dapat
menyatakan semua variabel independen secara bersama-sama (simultan)
signifikan mempengaruhi variabel dependennya.
Dari model terbaik tersebut, didapatkan hasil sebagai berikut:
Tabel IV.8
Hasil Uji F
R-squared 0.618157 Mean dependent var 2.719488
Adjusted R-squared 0.589103 S.D. dependent var 2.850296
S.E. of regression 1.009714 Sum squared resid 93.79608
F-statistic 21.27665 Durbin-Watson stat 1.642712
Prob(F-statistic) 0.000000
Sumber: Data hasil olahan
87
Dengan demikian dapat disimpulkan bahwa dengan tingkat
kepercayaan 95% keseluruhan variabel independen (Penanaman Modal
Asing, Hutang Luar Negeri, dan variabel dummy untuk krisis yang terjadi
pada 1998 dan 2008) secara bersama-sama terbukti signifikan
mempengaruhi angka Pertumbuhan Ekonomi pada kelima wilayah
penelitian.
c. Koefisien Determinasi (R
2
)
Dari model terbaik tersebut, didapatkan hasil sebagai berikut:
Tabel IV.9
Hasil Koefisien Determinasi
R-squared 0.618157 Mean dependent var 2.719488
Adjusted R-squared 0.589103 S.D. dependent var 2.850296
S.E. of regression 1.009714 Sum squared resid 93.79608
F-statistic 21.27665 Durbin-Watson stat 1.642712
Prob(F-statistic) 0.000000
Sumber: Data hasil olahan
Dengan memperhatikan nilai R-Square sebesar 0,5891 maka dapat
dinyakatan bahwa seluruh variabel independen mampu menjelaskan
keragaman nilai pada variabel pertumbuhan ekonomi sebesar 58,91%
sedangkan sisanya 41,09% dijelaskan oleh variabel-variabel lain yang
berada di luar model penelitian. Besarnya koefisien ini dirasakan wajar
mengingat bahwa penelitian ini hanya memakai 3 variabel independen
yang salah satunya merupakan variabel dummy. Kecurigaan terhadap
adanya regresi yang spurious (regresi palsu) terbantahkan karena nilai R-
square yang lebih kecil dari statistik Durbin.
88
4. Pengujian Asumsi Klasik
Persamaan regresi data panel yang terpilih adalah model fixed
effects dengan penimbang cross section SUR. Asumsi normalitas dari
residual telah terpenuhi. Hal ini dapat dilihat dari signifikansi uji Jarque-
Bera yang menunjukkan nilai probability dari residual untuk masing-
masing wilayah selalu lebih besar dari nilai chi-square pada = 0,05. Oleh
karena itu hipotesis null tidak dapat ditolak, sehingga dapat disimpulkan
bahwa residual berdistribusi normal. (lampiran 15)
Asumsi non multikolinieritas juga telah terpenuhi. Nilai koefisien
korelasi antara variabel independen kurang dari 0,85 (menurut Nash dan
Bradford, 2001). Nilai variance inflation factor (VIF) seluruh variabel
independen lebih kecil dari 10. Oleh karena itu, dapat disimpulkan bahwa
tidak terjadi hubungan linier (non multikolinieritas) di antara variabel
independen. (lampiran 16)
Asumsi non-autokorelasi juga telah terpenuhi karena sebelumnya
sudah diatasi dengan penimbang cross section SUR. Maka dapat
disimpulkan bahwa sudah tidak terjadi gangguan autokorelasi pada
residual model.
Masalah heteroskedastisitas tidak perlu diuji lagi karena estimator
sudah kebal dengan heteroskedastisitas karena sebelumnya masalah
heteroskedastisitas ini sudah diatasi dengan memakai penimbang cross-
sections weight pada fixed effect model. Maka dapat disimpulkan bahwa
model estimasi fixed effects sudah bersifat homoskedastik.
89
C. Interpretasi Hasil Penelitian
Setelah semua tahap pemilihan untuk menentukan model estimasi
terbaik untuk pertumbuhan ekonomi, akhirnya diperoleh model fixed effects
dengan cross-section SUR sebagai model estimasi terbaik.
1. Variabel Pertumbuhan Ekonomi (%)
Merujuk pada hasil regresi data panel terbaik yang dihasilkan (fixed
effects), diperoleh nilai koefisien untuk masing-masing cross sections
(lampiran 17). Dari hasil penelitian ini diketahui bahwa wilayah dengan rata-
rata pertumbuhan ekonomi tertinggi adalah wilayah Developing Asia
kemudian disusul oleh wilayah Timur Tengah dan Afrika Utara. Wilayah
Afrika Sub Sahara tertinggi ke tiga sedangkan Amerika Latin dan Karibian
tertinggi ke empat. Terakhir adalah wilayah Eropa Tengah dan Timur yang
merupakan wilayah dengan rata-rata pertumbuhan ekonomi terendah.
2. Variabel Utang Luar Negeri (Milyar US $)
Merujuk pada hasil regresi data panel terbaik yang dihasilkan (fixed
effects), diperoleh secara statistik bahwa utang luar negeri berpengaruh
signifikan terhadap pertumbuhan ekonomi. Dari hasil penelitian ini diperoleh
tanda yang negatif pada variabel utang luar negeri.
Pada tingkat kepercayaan 95% bahwa variabel Utang Luar Negeri
memiliki pengaruh negatif yang signifikan terhadap pertumbuhan ekonomi
pada kelima wilayah penelitian. Koefisien Utang Luar Negeri sebesar
90
-0,003786 memiliki makna jika terjadi kenaikan pada ULN sebesar 1 milyar
($) akan menyebabkan pertumbuhan ekonomi menurun sebesar 0,003786 %.
Berarti hasil estimasi ini tidak sesuai dengan hipotesisnya yang
menyatakan positif dan signifikan. Sebenarnya walaupun negatif, nilai
koefisien tersebut kecil dan bahkan jauh dari angka negatif satu. Sehingga
adanya utang luar negeri hanya menurunkan 0,0038% pertumbuhan
ekonominya. Bagaimanapun juga, nilai koefisien yang negatif tersebut
menunjukkan suatu ketidaksesuaian antara teori yang ada dan kenyataan
sebenarnya. Hal ini disebabkan di sebagian besar negara Dunia Ketiga jumlah
utang luar negeri yang didapatkan belum dipergunakan secara maksimal.
Utang masih merupakan sumber utama pembiayaan anggaran negara untuk
menutup defisit maupun untuk pembayaran kembali pokok utang yang telah
jatuh tempo (refinancing). Jadi, utang luar negeri yang lama dibayar dengan
utang luar negeri yang baru.
Pada awal tahun 1990-an yaitu tahun 1991 dan 1992 besarnya
pertumbuhan ekonomi di kawasan Amerika Latin dan Karibian adalah 3,8%
dan menurun menjadi 3,3% sedangkan utang luar negerinya adalah 469,965
milyar US $ dan meningkat menjadi 488,828 milyar US $. Kemudian ditahun
2008 dan 2009 pertumbuhan ekonomi untuk wilayah yang sama mengalami
penurunan yaitu sebesar 4,2% dan -1,7% sedangkan utang luar negerinya
meningkat dari 856,705 milyar US $ menjadi 876,387 milyar US $.
Kemudian di awal tahun 2000-an yaitu tahun 2000 dan 2001,
pertumbuhan ekonomi di kawasan Eropa Tengah mengalami kemunduran
91
dari 5% menjadi 0,2% padahal utang luar negerinya mengalami peningkatan
dari 276,86 milyar US $ menjadi 282,408 milyar US $
Dalam beberapa kasus seperti contoh di atas, peningkatan utang luar
negeri justru menyebabkan pertumbuhan ekonomi negara menjadi negatif.
Jadi kenaikan utang luar negeri tersebut tidak dibarengi dengan adanya
peningkatan pertumbuhan ekonomi. Salah satu penyebab lainnya adalah
beban atau biaya yang muncul dari dana pinjaman tersebut telah jauh
melebihi keuntungan atau manfaatnya. Apabila utang terus meningkat atau
suku bunganya meningkat, maka pembayaran cicilan utang juga akan
meningkat. Makin besar negara miskin membayar cicilan dan bunga utang,
justru makin besar utang baru diperlukan (the more debtors pay, the more
they owe). Negara pengutang terjebak dalam kondisi "gali lubang tutup
lubang". Jika hal ini terus berlanjut dan negara tersebut kesulitan untuk
membayar angsuran utangnya, maka dapat berdampak buruk pada
pertumbuhan ekonomi. Beban utang tersebut akan ditanggung oleh generasi
yang akan datang untuk itu pinjaman tersebut seharusnya tertanam pada
kegiatan-kegiatan yang mendorong pendapatan sehingga utang luar negeri
yang diberikan tersebut mampu mempercepat proses pembangunan dan
pertumbuhan ekonomi yang nantinya akan menghasilkan tambahan tabungan
dalam negeri sebagai akibat dari tingkat pertumbuhan ekonomi yang tinggi.
Secara bertahap, akhirnya utang luar negeri berkurang dan lenyap. Sumber
daya lokal telah mencukupi untuk menggerakkan proses pembangunan yang
sesuai dengan kemampuan sendiri (self sustaining).
92
3. Variabel Penanaman Modal Asing (Milyar US $)
Merujuk pada hasil regresi data panel terbaik yang dihasilkan (fixed
effects), diperoleh secara statistik bahwa penanaman modal asing berpengaruh
signifikan terhadap pertumbuhan ekonomi. Dari hasil penelitian ini diperoleh
tanda yang positif pada variabel penanaman modal asing.
Pada tingkat kepercayaan 95% bahwa variabel Penanaman Modal
Asing memiliki pengaruh positif yang signifikan terhadap Pertumbuhan
ekonomi pada kelima wilayah penelitian. Koefisien PMA sebesar 0,042275
memiliki makna jika terjadi kenaikan pada PMA sebesar 1 milyar ($) akan
menyebabkan pertumbuhan ekonomi meningkat 0,042275%. Hal ini sesuai
dengan hipotesis yang menyatakan hubungan penanaman modal asing dan
pertumbuhan ekonomi adalah positif dan signifikan.
4. Variabel Dummy (Krisis Ekonomi 1998 dan 2008)
Peneliti memasukkan krisis ekonomi tahun 1998 dan 2008 sebagai
variabel dummy (X
3
). Merujuk pada hasil regresi data panel terbaik yang
dihasilkan (fixed effects), diperoleh secara statistik bahwa krisis ekonomi
berpengaruh signifikan terhadap pertumbuhan ekonomi. Dari hasil penelitian
ini diperoleh tanda yang positif pada variabel dummy.
Pada tingkat kepercayaan 95% bahwa adanya krisis yang terjadi
pada tahun 1998 dan 2008 terbukti memiliki pengaruh yang negatif terhadap
terhadap pertumbuhan ekonomi pada kelima wilayah penelitian. Koefisien
variabel dummy pada tahun-tahun terjadinya krisis adalah -2,279967. Hal ini
93
berarti pada saat terjadinya krisis nilai pertumbuhan ekonomi cenderung akan
lebih rendah 2,279967% dibandingkan jika tidak terjadi krisis.
D. Keterbatasan Penelitian
Meskipun penelitian ini telah berhasil menguji hipotesis yang diajukan,
tetapi belum sepenuhnya pada tingkat kebenaran mutlak, sehingga tidak
menutup kemungkinan untuk dilakukan penelitian lanjutan. Hal tersebut
disebabkan adanya beberapa keterbatasan dalam penelitian, antara lain:
1. Permasalahan pertumbuhan ekonomi yang begitu kompleks yang tidak
hanya dipengaruhi oleh utang luar negeri dan penanaman modal asing,
tetapi juga dipengaruhi oleh faktor ekonomi dan faktor non ekonomi
lainnya. Selain itu pengukuran pertumbuhan ekonomi juga tidak hanya
dilihat dari pertumbuhan GDP tetapi juga bisa dilihat dari pertumbuhan
GDP per kapitanya.
2. Keterbatasan dalam perolehan data untuk wilayah Commonwealth of
Independent States pada tahun-tahun awal penelitian sehingga wilayah
tersebut tidak dijadikan objek penelitian. Selain itu juga penelitian hanya
sampai tahun 2010 karena untuk data tahun terbaru yaitu tahun 2011 belum
dipublikasikan secara final oleh lembaga-lembaga keuangan internasional.
94
BAB VI
KESIMPULAN, IMPLIKASI DAN SARAN
A. Kesimpulan
Berdasarkan uraian dari hasil penelitian dan pembahasan dari bab
sebelumnya, penelitian ini dimaksudkan untuk mengkaji pengaruh variabel
Utang Luar Negeri dan Penanaman Modal Asing terhadap Pertumbuhan
Ekonomi di negara-negara Dunia Ketiga pada tahun 1991-2010, dari hasil
analisis data yang telah dilakukan dapat diambil kesimpulan sebagai berikut :
1. Wilayah dengan rata-rata pertumbuhan ekonomi tertinggi adalah wilayah
Developing Asia sedangkan wilayah Eropa Tengah dan Timur
merupakan wilayah dengan rata-rata pertumbuhan ekonomi terendah.
2. Utang Luar Negeri dan Penanaman Modal Asing (PMA) berpengaruh
signifikan secara bersama-sama terhadap Pertumbuhan Ekonomi di
negara-negara Dunia Ketiga pada tahun 1991-2010.
3. Utang Luar Negeri (X
1
) berpengaruh negatif dan signifikan terhadap
Pertumbuhan Ekonomi di negara-negara negara-negara Dunia Ketiga pada
tahun 1991-2010.
4. Penanaman Modal Asing (X
2
) berpengaruh positif dan signifikan terhadap
Pertumbuhan Ekonomi di negara-negara Dunia Ketiga pada tahun 1991-
2010.
95
5. Peneliti memasukkan krisis ekonomi tahun 1998 dan 2008 sebagai
variabel dummy (X
3
) dan diperoleh secara statistik bahwa krisis ekonomi
berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi.
6. Pengujian pelanggaran asumsi klasik yang dilakukan dalam persamaan
tersebut tidak terdapat multikolinearitas dan asumsi normalitas terpenuhi
sedangkan heteroskedastisitas maupun autokorelasi sudah diatasi dengan
memakai penimbang. Sehingga dapat disimpulkan bahwa variabel-variabel
yang digunakan terbebas dari pelanggaran asumsi klasik.
B. Implikasi
Berdasarkan uraian dari hasil penelitian dan pembahasan dari bab
sebelumnya, implikasi dari penelitian ini adalah:
1. Dalam menciptakan kekuatan yang dapat mendorong pertumbuhan
ekonomi masalah yang dihadapi adalah ketidakefisienan utang luar negeri
di negara-negara Dunia Ketiga. Penggunaan pinjaman tersebut seharusnya
tertanam pada kegiatan-kegiatan yang mendorong pendapatan dan
peningkatan produktivitas sehingga utang luar negeri yang diberikan
tersebut mampu mempercepat proses pembangunan dan pertumbuhan
ekonomi
2. Total dana investasi asing sebagian besar mengalir ke negara-negara Asia
karena modal swasta akan selalu tertuju ke negara-negara atau kawasan
yang menjanjikan tingkat pengembalian investasi dan kadar kepastian
paling tinggi sehingga harus diciptakan situasi yang kondusif agar fungsi
96
penanaman modal asing ini dapat diperlukan secara optimal dengan
mengacu pada fungsi investasi sebagai salah satu penyokong dana dari
pertumbuhan ekonomi
C. Saran
1. Diperlukan suatu pengelolaan atau manajemen utang luar negeri yang baik
seperti melakukan kegiatan pengawasan, mengevaluasi penggunaan
pinjaman luar negeri, pengelolaan dana pinjaman yang transparan dan
sebagainya sehingga dana pinjaman yang ada dapat digunakan dengan
sebaik mungkin dan dapat terasa langsung manfaatnya oleh masyarakat.
2. Pinjaman tersebut digunakan seperti untuk pembiayaan program padat
karya, pembangunan infrastruktur, dan pembiayaan sektor sosial terutama
untuk pendidikan dan kesehatan atau pada kegiatan-kegiatan yang
merangsang devisa.
3. Menciptakan iklim investasi yang kondusif sehingga mampu menarik
investor asing untuk berinvestasi.
97
DAFTAR PUSTAKA
Anoraga, Pandji. Perusahaan Multinasional dan Penanaman Modal Asing.
Jakarta: PT. Dunia Pustaka Jaya, 1995.
Arsyad, Lincolin. Ekonomi Pembangunan. Yogyakarta: STIE- YKPN, 1997.
Boediono. Teori Pertumbuhan Ekonomi. Yogyakarta: BPFE UGM, 1999.
Djamin, Zulkarnain. Masalah Utang Luar Negeri Bagi Negara-negara
Berkembang dan Bagaimana Indonesia Mengatasinya. Jakarta: Lembaga
Penerbit FE UI, 1996.
Faisal, Basri. Perekonomian Indonesia. Jakarta: Erlangga, 2002.
Gujarati, Damodar. Ekonometrika Dasar. Terjemahan Sumarno Zain. Jakarta :
Erlangga, 1995.
______________. Basic Econometric: fourth edition. Singapore: McGraw-Hill
International Inc., 2003.
Greene, William H. Econometric Analysis Fifth Edition. New Jersey: Pearson
Education Inc., 2003.
Nachrowi, Nachrowi D. dan Hardius Usman. Pendekatan Populer dan Praktis
Ekonometrika Untuk Analisis Ekonomi dan Keuangan. Jakarta: LPFE
Universitas Indonesia, 2006.
Rahardja, Pratama dan Mandala Manurung. Pengantar Ilmu Ekonomi: Mikro
Ekonomi dan Makro Ekonomi. Jakarta: FE UI, 2004.
______________. Teori Ekonomi Makro; Suatu Pengantar. Edisi Keempat.
Jakarta: LPFE UI, 2008.
98
Samuelson, Paul A. dan William D. Nordhaus. Makro Ekonomi. Edisi
Keempatbelas. Jakarta: Erlangga, 1992.
Sukirno, Sadono. Makroekonomi Modern. Jakarta: PT Raja Grafindo Persada,
2005.
Sutawijaya, Adrian. Analisis yang Memengaruhi Investasi Swasta, Jurnal
Ekonomi (Kajian Ekonomi, Manajemen, dan Akuntansi), No.1 / Th. XIV
/ 28 / Januari-Maret 2005.
Sugiyono. Metode Penelitian Bisnis. Jakarta: Alfabeta, 2004.
Todaro, Michael P. dan Stephen C. Smith. Pembangunan Ekonomi. Edisi
Kesembilan. Jilid 1. Terjemahan Haris Munandar dan Puji A.L. Jakarta:
Erlangga, 2006.
______________. Pembangunan Ekonomi. Edisi Kesembilan. Jilid 2. Jakarta:
Erlangga, 2006.
Wijaya, Faried. Ekonomika Makro. Yogyakarta: BPFE, 1990.
Atmadja, Adwin Surya. Utang Luar Negeri Pemerintah Indonesia:
Perkembangan dan Dampaknya, Jurnal Akuntansi & Keuangan. Mei
2000, Vol. 2, No. 1, hal. 83-94.
Chowdhury, Khorshed dan Amnon Levy. Hutang Eksternal dan Implikasinya
Terhadap Pertumbuhan Ekonomi, Jurnal Ekonomi Pembangunan:
Kajian Ekonomi Negara Berkembang. 1997, Vol 2, No 3, hal. 337-361.
Listiani, Nurlia. Pengaruh Utang Luar Negeri terhadap Pertumbuhan Ekonomi di
Indonesia, Widyariset. 2006, Vol 9, hal. 283-292.
Suryawati. Peranan Investasi Asing Langsung Terhadap Pertumbuhan Ekonomi
Di Negara-Negara Asia Timur. Jurnal Ekonomi Pembangunan, Kajian
Ekonomi Negara Berkembang. 2000, Vol. 5, No. 2, p. 101-113.
99
Uphadi, A.D. Depresiasi Rupiah, Hutang Luar Negeri dan Beban APBN.
Jurnal Ekonomi Pembangunan: Kajian Ekonomi Berkembang. 1997,
Vol. 2 No. 3, p. 227.
Azef, boy. Analisis Total Pengeluaran Wisatawan Mancanegara Berdasarkan
Negara Tempat Tinggal Serta Variabel-Variabel Yang Memengaruhinya.
Skripsi. Jakarta: STIS, 2011.
Hasbullah, Fahmi. Analisis Pengaruh Ekspor Sektor Industri Dan Penanaman
Modal Asing Sektor Industri Terhadap Pertumbuhan Ekonomi Indonesia.
Skripsi. Medan: Departemen Ekonomi Pembangunan USU, 2009.
Jawas, Musleh. Pengaruh Penanaman Modal Asing dan Ekspor Terhadap
Pertumbuhan Ekonomi di Negara Muslim 2004-2005. Skripsi.
Yogyakarta: Universitas Islam Indonesia, 2008.
Ramadhan, Fahril. Pengaruh Utang Luar Negeri, Penanaman Modal Asing, Dan
Inflasi Terhadap Pertumbuhan Ekonomi Indonesia. Skripsi. Jakarta:
Universitas Gunadarma, 2010.
Sihombing, Desmawati. Analisis Pengaruh Utang Luar Negeri Terhadap
Pertumbuhan Ekonomi Indonesia. Skripsi. Medan: Fakultas Ekonomi
Universitas Sumatera Utara, 2010.
Soeparno, Wahyu Sugeng Imam. Analisis Indikator Makro Ekonomi Terhadap
Pertumbuhan Ekonomi Kabupaten/Kota Di Sumatera Utara. Tesis.
Medan: Sekolah Pascasarjana Universitas Sumatera Utara, 2011.
Waluyo, Kuwat. Pengaruh Utang Luar Negeri terhadap Pertumbuhan Ekonomi
Indonesia periode 1999-2004. Tesis. Jakarta: Program Magister
Perencanaan dan Kebijakan Publik FE UI, 2006.
www.worldbank.org/ (diakses tanggal 31 Maret 2012)
www.imf.org/ (diakses tanggal 31 Maret 2012)
100
Lampiran 1. Pertumbuhan Ekonomi Negara Dunia Ketiga
Tabel IV.1
Pertumbuhan Ekonomi di Negara Dunia Ketiga
Central
and
eastern
Europe
Developing
Asia
Latin America
and the
Caribbean
Middle
East and
North
Africa
Sub-
Saharan
Africa
Emerging
and
developing
economies
1991 -5.802 6.059 3.846 6.915 -0.071 3.834
1992 0.773 8.848 3.337 4.939 -1.249 2.249
1993 3.392 8.953 4.083 1.901 1.329 3.266
1994 0.301 9.326 5.01 2.553 1.844 3.379
1995 5.989 8.893 1.281 2.072 3.489 4.019
1996 5.067 8.433 3.545 5.091 5.598 5.14
1997 4.777 6.274 5.419 3.843 3.808 5.036
1998 3.08 3.595 2.329 3.995 2.381 2.548
1999 0.315 6.361 0.369 1.956 2.651 3.555
2000 5.215 6.95 4.003 4.968 3.568 5.896
2001 0.231 5.767 0.448 2.906 4.92 3.72
2002 4.3 6.835 0.341 3.575 7.219 4.678
2003 4.799 8.127 2.074 7.264 4.873 6.243
2004 7.283 8.527 6.008 5.916 7.064 7.482
2005 5.847 9.482 4.649 5.421 6.183 7.278
2006 6.432 10.331 5.619 6.02 6.445 8.239
2007 5.474 11.457 5.778 6.661 7.103 8.871
2008 3.144 7.736 4.28 4.629 5.585 6.03
2009 -3.642 7.174 -1.747 2.626 2.784 2.795
2010 4.502 9.46 6.083 4.408 5.404 7.327
Gross domestic product, constant prices
Percent change
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
101
Lampiran 2. Utang Luar Negeri Negara Dunia Ketiga
Tabel IV.2
Total Utang Luar Negeri
Central
and
eastern
Europe
Developing
Asia
Latin
America and
the
Caribbean
Middle
East and
North
Africa
Sub-
Saharan
Africa
Emerging
and
developing
economies
1991 135.816 363.594 469.965 183.083 181.032 1,333.73
1992 148.395 399.026 488.828 190.943 177.787 1,512.66
1993 165.741 457.979 527.022 218.925 184.665 1,672.53
1994 161.187 513.061 564.607 233.554 195.657 1,808.53
1995 181.938 572.385 621.596 237.731 207.52 1,967.71
1996 184.557 608.091 651.152 245.26 212.378 2,064.44
1997 193.212 659.57 687.852 240.195 209.881 2,179.79
1998 233.425 692.607 773.469 263.658 205.464 2,379.65
1999 254.337 691.944 795.731 266.584 206.666 2,422.24
2000 276.86 652.324 762.885 260.728 208.902 2,371.90
2001 282.408 693.351 774.107 254.932 202.549 2,408.33
2002 324.318 698.078 763.137 261.278 203.929 2,462.92
2003 402.685 728.065 792.398 280.207 221.739 2,678.38
2004 483.837 803.993 802.922 306.741 236.982 2,932.73
2005 528.788 852.501 743.901 414.873 214.335 3,115.83
2006 688.562 934.586 743.136 487.654 183.907 3,503.59
2007 923.969 1,055.67 833.608 651.007 203.458 4,348.00
2008 1,024.19 1,118.18 856.705 689.182 212.913 4,630.72
2009 1,118.41 1,221.00 876.387 718.866 224.029 4,893.80
2010 1,142.61 1,457.97 1,022.53 762.997 239.665 5,414.61
External debt, total
U.S. dollars
Billions
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
102
Lampiran 3. Pembayaran Angusuran Utang Luar Negeri
Tabel IV.3
Debt Service Ratio
US. Dollars (Billion)
Central
and
eastern
Europe
Developing
Asia
Latin
America and
the
Caribbean
Middle
East and
North
Africa
Sub-
Saharan
Africa
Emerging and
developing
economies
1991 28.121 63.377 77.729 36.265 20.199 225.707
1992 21.172 74.954 86.858 29.852 25.884 251.411
1993 21.044 80.458 98.469 31.618 22.277 260.404
1994 24.361 92.91 149.412 44.213 25.596 342.312
1995 28.2 128.627 126.696 53.292 26.083 371.463
1996 33.268 149.873 188.582 57.785 30.108 471.499
1997 35.833 169.62 219.06 59.159 35.775 536.221
1998 39.4 182.379 225.708 50.433 29.967 565.888
1999 50.628 164.285 255.825 71.427 29.572 610.238
2000 81.916 149.016 246.586 74.739 35.707 658.473
2001 97.616 157.292 240.428 77.605 34.825 664.014
2002 96.785 247.85 248.812 76.415 33.492 769.21
2003 105.456 249.543 254.99 80.742 34.05 795.182
2004 134.316 238.013 247.225 95.309 41.367 852.528
2005 184.503 317.254 294.821 117.56 57.178 1,098.79
2006 227.327 377.211 309.209 133.887 69.579 1,290.77
2007 288.889 427.463 297.002 138.244 52.433 1,433.82
2008 394.926 517.685 309.709 185.199 59.022 1,782.79
2009 404.935 527.436 312.323 184.09 54.583 1,733.81
2010 379.866 551.733 311.323 199.093 57.243 1,743.70
External debt, total debt service
U.S. dollars
Billions
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
103
Lampiran 4. Rasio Utang Luar Negeri terhadap GDP
Tabel IV.4
External Debt Total
Percent of GDP
Central
and
eastern
Europe
Developing
Asia
Latin
America and
the
Caribbean
Middle
East and
North
Africa
Sub-
Saharan
Africa
Emerging
and
developing
economies
1991 37.194 31.434 37.294 35.085 60.213 36.94
1992 38.528 30.9 35.625 33.699 57.44 37.533
1993 39.261 31.285 34.131 39.926 64.103 37.335
1994 41.801 33.741 32.12 42.858 71.612 37.679
1995 36.72 31.197 34.108 39.868 63.59 36.167
1996 34.334 29.687 32.889 36.873 62.092 34.2
1997 35.28 30.689 32.062 34.998 61.414 34.325
1998 38.488 34.625 36.048 40.002 63.793 39.143
1999 44.043 31.868 41.43 37.375 63.784 40.571
2000 46.336 27.872 35.848 32.931 63.457 36.239
2001 50.243 28.223 37.466 31.937 64.307 36.398
2002 50.73 26.055 42.072 32.271 60.795 36.515
2003 51.077 23.924 41.85 30.718 51.308 35.034
2004 49.623 22.797 36.674 28.716 43.777 32.304
2005 45.421 20.931 27.962 31.295 34.191 28.709
2006 52.99 19.394 23.811 31.062 25.616 27.31
2007 56.718 17.415 22.523 34.898 24.617 27.534
2008 53.458 15.045 19.968 29.551 22.547 24.251
2009 70.134 15.427 21.944 34.834 25.067 27.04
2010 65.459 15.292 21.153 31.941 22.839 25.15
External debt, total
Percent of GDP
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
104
Lampiran 5. Rasio Pembayaran Angsuran ULN terhadap Ekspor
Tabel IV.5
Debt Service Ratio of Exports (%)
Central
and
eastern
Europe
Developing
Asia
Latin
America
and the
Caribbean
Middle
East and
North
Africa
Sub-
Saharan
Africa
Emerging
and
developing
economies
1991 42.059 27.609 45.453 22.409 27.821 32.142
1992 27.289 28.192 47.577 17.06 34.807 29.647
1993 27.787 27.06 49.727 18.245 30.881 28.985
1994 28.708 25.109 65.883 25.044 34.695 33.449
1995 24.63 28.221 46.45 26.301 30.05 29.788
1996 25.322 29.616 61.939 24.629 31.224 33.683
1997 24.751 29.967 65.016 24.726 36.221 35.448
1998 24.896 33.796 67.092 26.916 34.594 39.91
1999 34.529 28.378 72.193 31.292 32.134 40.479
2000 47.78 21.328 58.387 23.825 32.021 34.981
2001 53.359 22.704 59.426 26.672 33.07 36.041
2002 46.885 31.404 61.017 25.015 30.489 38.511
2003 39.896 26.059 57.342 21.283 24.304 32.991
2004 39.257 19.237 45.573 19.146 23.129 27.475
2005 46.4 20.81 45.188 16.66 25.409 28.214
2006 48.325 20.13 39.915 15.646 26.041 27.3
2007 49.181 18.638 33.997 13.742 16.641 25.304
2008 55.454 19.322 30.599 14.084 15.368 25.853
2009 71.622 22.812 39.078 19.537 18.594 31.866
2010 59.706 18.47 31.198 17.198 15.793 25.581
External debt, total debt service
Percent of exports of goods and services
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
105
Lampiran 6. Penanaman Modal Asing Negara Dunia Ketiga
Tabel IV.6
Direct Investment Net
US. Dollars (Billion)
Central
and
eastern
Europe
Developing
Asia
Latin America
and the
Caribbean
Middle
East and
North
Africa
Sub-
Saharan
Africa
Emerging
and
developing
economies
1991 2.389 12.189 11.499 1.521 2.319 29.917
1992 2.672 17.452 13.359 2.309 -0.722 36.082
1993 3.806 34.581 8.863 5.678 0.658 55.236
1994 2.679 44.631 23.832 5.9 1.059 79.578
1995 9.72 50.347 25.248 3.836 1.012 93.215
1996 9.578 58.563 39.794 3.706 2.552 119.008
1997 10.872 61.969 58.399 9.044 5.504 151.765
1998 12.656 58.811 62.473 11.013 4.233 154.819
1999 13.806 54.847 82.435 3.785 6.847 166.399
2000 15.816 45.921 72.694 5.452 6.096 148.303
2001 16.57 46.279 69.221 14.458 17.68 169.094
2002 12.003 60.134 51.378 9.752 10.62 149.008
2003 14.563 58.512 37.868 17.688 12.493 146.567
2004 30.615 68.334 50.852 13.135 11.654 187.789
2005 37.797 131.936 56.82 35.928 17.352 291.508
2006 64.114 131.6 32.689 44.972 8.91 303.629
2007 74.764 175.364 91.254 48.921 22.83 441.429
2008 66.427 161.786 98.039 58.053 32.144 467.023
2009 29.279 102.871 68.752 64.11 28.875 310.599
2010 21.534 159.332 73.183 43.223 19.88 324.768
Direct investment, net
U.S. dollars
Billions
Sumber: International Monetary Fund, World Economic Outlook Database, September 2011
106
Lampiran 7. Model Common Effect
Dependent Variable: PE?
Method: Pooled Least Squares
Date: 03/18/12 Time: 07:40
Sample: 1991 2010
Included observations: 20
Cross-sections included: 5
Total pool (balanced) observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C 4.357762 0.529687 8.227050 0.0000
ULN? -0.003953 0.001560 -2.534231 0.0129
PMA? 0.063839 0.013015 4.904890 0.0000
D1? -1.494011 0.873486 -1.710401 0.0904
R-squared 0.256166 Mean dependent var 4.554070
Adjusted R-squared 0.232921 S.D. dependent var 2.935279
S.E. of regression 2.570808 Akaike info criterion 4.765495
Sum squared resid 634.4690 Schwarz criterion 4.869702
Log likelihood -234.2748 Hannan-Quinn criter. 4.807670
F-statistic 11.02032 Durbin-Watson stat 1.147441
Prob(F-statistic) 0.000003
Lampiran 8. Model Fixed Effect
Dependent Variable: PE?
Method: Pooled Least Squares
Date: 03/18/12 Time: 07:55
Sample: 1991 2010
Included observations: 20
Cross-sections included: 5
Total pool (balanced) observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C 4.429613 0.594327 7.453152 0.0000
ULN? -0.002195 0.001623 -1.352281 0.1796
PMA? 0.036602 0.012985 2.818793 0.0059
D1? -1.092042 0.795945 -1.372007 0.1734
Fixed Effects (Cross)
_CEE--C -1.101148
_DA--C 2.464528
_LAC--C -1.267900
_MENA--C 0.112794
_SSA--C -0.208274
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.421513 Mean dependent var 4.554070
Adjusted R-squared 0.377498 S.D. dependent var 2.935279
S.E. of regression 2.315900 Akaike info criterion 4.594092
107
Sum squared resid 493.4322 Schwarz criterion 4.802506
Log likelihood -221.7046 Hannan-Quinn criter. 4.678441
F-statistic 9.576518 Durbin-Watson stat 1.400686
Prob(F-statistic) 0.000000
Lampiran 9. Model Random Effect
Dependent Variable: PE?
Method: Pooled EGLS (Cross-section random effects)
Date: 05/21/12 Time: 11:01
Sample: 1991 2010
Included observations: 20
Cross-sections included: 5
Total pool (balanced) observations: 100
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 4.337223 0.504043 8.604863 0.0000
ULN? -0.003613 0.001436 -2.515297 0.0136
PMA? 0.059585 0.011930 4.994389 0.0000
D1? -1.439078 0.787916 -1.826435 0.0709
Random Effects (Cross)
_CEE--C -0.164308
_DA--C 0.361312
_LAC--C -0.245192
_MENA--C 0.054221
_SSA--C -0.006032
Effects Specification
S.D. Rho
Cross-section random 0.250710 0.0116
Idiosyncratic random 2.315900 0.9884
Weighted Statistics
R-squared 0.229864 Mean dependent var 4.098962
Adjusted R-squared 0.205797 S.D. dependent var 2.833201
S.E. of regression 2.524893 Sum squared resid 612.0084
F-statistic 9.551094 Durbin-Watson stat 1.176772
Prob(F-statistic) 0.000014
Unweighted Statistics
R-squared 0.255252 Mean dependent var 4.554070
Sum squared resid 635.2479 Durbin-Watson stat 1.133722
Lampiran 10. Pengujian Signifikansi Common Effect atau Fixed Effect
Hasil pengujian dengan menggunakan Eviews 6.0 :
108
Redundant Fixed Effects Tests
Pool: RINA2
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 6.574046 (4,92) 0.0001
Cross-section Chi-square 25.140293 4 0.0000
Lampiran 11. Pengujian Signifikansi Common Effect atau Random Effect
Statistik pengujian:
df (1)= 3,84146 ( = 5%)
Lampiran 12. Pengujian Signifikansi Fixed Effect atau Random Effect
Hasil pengujian dengan menggunakan Eviews 6.0 :
Correlated Random Effects - Hausman Test
Pool: RINA2
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.000000 3 1.0000
* Cross-section test variance is invalid. Hausman statistic set to zero.
109
Lampiran 13. Pemilihan Estimator Struktur Homoskedas Atau
Heteroskedastisitas
Secara matematis, statustik uji yang digunakan dapat dirumuskan sebagai berikut :
=
(
=
n
i
i
T
LM
1
2
2
2
1
2 o
o
) 900675 , 4 (
2
20
= LM
) 900675 , 4 ( 10 = LM
00657 , 49 = LM
df (4) = 9,487729 ( = 5%)
Model Terbaik Sementara
Dependent Variable: PE?
Method: Pooled EGLS (Cross-section weights)
Date: 05/21/12 Time: 11:07
Sample: 1991 2010
Included observations: 20
Cross-sections included: 5
Total pool (balanced) observations: 100
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 4.904808 0.545604 8.989686 0.0000
ULN? -0.003255 0.001560 -2.085967 0.0397
PMA? 0.039676 0.010299 3.852415 0.0002
D1? -1.676318 0.651277 -2.573896 0.0117
Fixed Effects (Cross)
_CEEC -1.118353
_DAC 2.615357
_LAC--C -1.072098
_MENA--C 0.013808
_SSA--C -0.438714
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.590508 Mean dependent var 5.823998
Adjusted R-squared 0.559351 S.D. dependent var 4.836096
S.E. of regression 2.294673 Sum squared resid 484.4281
F-statistic 18.95269 Durbin-Watson stat 1.407438
Prob(F-statistic) 0.000000
110
Unweighted Statistics
R-squared 0.413540 Mean dependent var 4.554070
Sum squared resid 500.2334 Durbin-Watson stat 1.446827
Lampiran 14. Pemilihan Estimator Struktur Heteroskedastisitas Dan Ada
Cross-Sectional Correlation
Secara matematis, statistik uji yang digunakan dapat dirumuskan sebagai berikut
df (10) = 18,30704 ( = 5%)
Model Terbaik Terakhir
Dependent Variable: PE?
Method: Pooled EGLS (Cross-section SUR)
Date: 03/18/12 Time: 08:29
Sample: 1991 2010
Included observations: 20
Cross-sections included: 5
Total pool (balanced) observations: 100
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 5.135729 0.431822 11.89317 0.0000
ULN? -0.003786 0.001066 -3.550208 0.0006
PMA? 0.042275 0.007043 6.002108 0.0000
D1? -2.279967 0.632538 -3.604472 0.0005
Fixed Effects (Cross)
_CEE--C -1.112473
_DA--C 2.648183
_LAC--C -0.989934
_MENA--C -0.018711
_SSA--C -0.527065
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
111
R-squared 0.618157 Mean dependent var 2.719488
Adjusted R-squared 0.589103 S.D. dependent var 2.850296
S.E. of regression 1.009714 Sum squared resid 93.79608
F-statistic 21.27665 Durbin-Watson stat 1.642712
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.397642 Mean dependent var 4.554070
Sum squared resid 513.7940 Durbin-Watson stat 1.501387
Lampiran 15. Normalitas
RESID_CEE RESID_DA RESID_LAC RESID_MENA RESID_SSA
Mean -2.66E-16 -1.11E-17 -8.88E-17 -2.78E-18 2.22E-17
Median 1.454340 -0.024988 0.833678 0.401425 0.453138
Maximum 3.893819 1.836844 2.904469 2.459963 2.933362
Minimum -9.412109 -1.773279 -5.481673 -2.627299 -5.154114
Std. Dev. 3.384459 1.086239 2.426880 1.759226 2.328666
Skewness -1.227278 0.027850 -0.903555 -0.198748 -0.620065
Kurtosis 3.945469 1.914312 2.761313 1.632489 2.522860
Jarque-Bera 5.765629 0.984850 2.768850 1.690075 1.471320
Probability 0.055977 0.611143 0.250468 0.429541 0.479189
Sum -3.55E-15 -1.11E-15 -8.88E-16 -1.17E-15 2.22E-16
Sum Sq. Dev. 217.6367 22.41840 111.9052 58.80268 103.0310
Observations 20 20 20 20 20
Lampiran 16. Multikolinearitas
1. Korelasi Antara Variabel Independen
ULN PMA DUMMY
ULN 1.000000 0.842359 0.182039
PMA 0.842359 1.000000 0.117606
DUMMY 0.182039 0.117606 1.000000
2. Variance Inflation Factor (VIF)
Coefficients
a
Model
Collinearity Statistics
Tolerance VIF
1 PMA .283 3.528
ULN .289 3.459
D1 .962 1.039
a. Dependent Variable: PE
112
Lampiran 17. Representations
Estimation Command:
=====================
LS(CX=F,WGT=CXSUR) PE? C ULN? PMA? D1?
Estimation Equations:
=====================
PE_CEE = C(5) + C(1) + C(2)*ULN_CEE + C(3)*PMA_CEE + C(4)*D1_CEE
PE_DA = C(6) + C(1) + C(2)*ULN_DA + C(3)*PMA_DA + C(4)*D1_DA
PE_LAC = C(7) + C(1) + C(2)*ULN_LAC + C(3)*PMA_LAC + C(4)*D1_LAC
PE_MENA = C(8) + C(1) + C(2)*ULN_MENA + C(3)*PMA_MENA + C(4)*D1_MENA
PE_SSA = C(9) + C(1) + C(2)*ULN_SSA + C(3)*PMA_SSA + C(4)*D1_SSA
Substituted Coefficients:
=====================
PE_CEE = -1.11247312414 + 5.13572925288 - 0.00378558148941*ULN_CEE +
0.0422753002503*PMA_CEE - 2.27996656486*D1_CEE
PE_DA = 2.64818345673 + 5.13572925288 - 0.00378558148941*ULN_DA +
0.0422753002503*PMA_DA - 2.27996656486*D1_DA
PE_LAC = -0.989933658381 + 5.13572925288 - 0.00378558148941*ULN_LAC +
0.0422753002503*PMA_LAC - 2.27996656486*D1_LAC
PE_MENA = -0.018711454819 + 5.13572925288 - 0.00378558148941*ULN_MENA +
0.0422753002503*PMA_MENA - 2.27996656486*D1_MENA
PE_SSA = -0.527065219388 + 5.13572925288 - 0.00378558148941*ULN_SSA +
0.0422753002503*PMA_SSA - 2.27996656486*D1_SSA