perpustakaan.uns.ac.id digilib.uns.ac.

id

BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini merupakan penelitian kuantitatif yang menganalisis data

sekunder dalam menguji hipotesis yang dipaparkan. Ada dua ruang lingkup

yang digunakan dalam penelitian ini yaitu kajian ekonomi makro dan kajian

ekonomi internasional. Penelitian ini dilakukan dengan menganalisis pengaruh

penanaman modal asing terhadap kemakmuran negara investasi yang diukur

dari indikator kemakmuran yaitu produk domestik bruto per kapita. Dalam

penelitian ini juga dilakukan pembandingan antara 4 negara ASEAN yaitu

Indonesia, Thailand, Malaysia, dan Filipina.

B. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah jenis data

sekunder yang bersifat time series (runtut waktu) dan berbentuk tahunan. Data

sekunder merupakan data yang telah dikumpulkan oleh lembaga pengumpul

data dan dipublikasikan kepada masyarakat pengguna data (hanke & reitsch

1998: bab 3 dalam buku kuncoro 2009). Data sekunder dalam penelitian ini

adalah data representasi dari berbagai Variabel foreign direct investment

sebagai faktor penentu produk domestik bruto di negara Indonesia, Thailand,

Malaysia, dan Filipina tahun 2000 – 2012.

commit to user

28
perpustakaan.uns.ac.id digilib.uns.ac.id29

Data dalam penelitian ini diperoleh dari hasil publikasi lembaga

keuangan dan lembaga statistik baik nasional maupun internasional. Secara

detail, data yang digunakan dalam penelitian ini dijelaskan pada tabel berikut ini

Tabel detail data penelitian

No Variabel Data Satuan Sumber

1. Produk Domestik Bruto GDP per capita USD World Bank

per kapita

2. FDI FDI net inflow USD World Bank

3. Labour Labour Force Orang World Bank

4. Interest Rate Real Interest Rate % World Bank

Sumber : World Bank

C. Definisi Operasional Variabel

1. Variabel dependen (Variabel terkait)

Variabel dependen identik dengan variabel terikat yang dijelaskan atau

dependent variable (Kuncoro, M. 2009). Lebih jelasnya, variabel dependen

merupakan variabel yang dipengaruhi oleh variabel-variabel independennya.

Untuk variabel dependen dalam penelitian ini adalah produk domestik bruto

per kapita yang merupakan interpretasi dari kemakmuran suatu bangsa.

Definisi produk domestik bruto per kapita menurut world bank adalah

produk domestik bruto dibagi dengan jumlah penduduk pada pertengahan

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id30

tahun. Dalam sebuah perekonomian yang paling diperhatikan adalah produk

domestik bruto per kapita karena dianggap sebagai tolak ukur terbaik untuk

kesejahteraan masyarakat.

Alasan kenapa produk domestik bruto per kapita lebih baik dari pada

produk domestik bruto karena dalam produk domestik bruto terdapat banyak

hal yang tidak diikut sertakan dalam perhitungan pendapatan dan pengeluaran

seperti nilai dari semua kegiatan yang terjadi di luar pasar, kualitas

lingkungan dan distribusi pendapatan. Lain halnya dengan perhitungan

produk domestik bruto per kapita dimana merupakan produk domestik bruto

yang dibagi (dibandingkan) dengan jumlah penduduk di suatu negara. Oleh

sebab itu, produk domestik bruto per kapita merupakan alat yang lebih baik

dari pada produk domestik bruto dalam hal interpretasi kondisi yang terjadi

pada rata-rata penduduk, standar hidup masyarakat (Mankiw : 2006)

2. Variabel independen (Variabel bebas)

Variabel independen identik dengan Variabel bebas, variabel penjelas

atau independent atau explanatory variable. Variabel ini biasanya dianggap

sebagai variabel predictor atau penyebab karena memprediksi atau

menyebabkan Variabel dependen (Kuncoro, M. 2009). Dalam bahasa,

sederhana variabel independen merupakan variabel yang mempengaruhi

variabel dependen. Dalam penelitian ini, ada 3 (tiga) variabel independen

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id31

yang akan dianalisis. Ketiga variabel independen tersebut adalah sebagai

berikut :

a. Foreign Direct Invesment

Pengertian Investasi asing langsung menurut bank dunia adalah

arus masuk bersih investasi untuk mengakuisisi manajemen abadi (10

persen atau lebih dari saham voting) dalam suatu perusahaan yang

beroperasi dalam perekonomian selain dari investor. Ini adalah jumlah

modal, reinvestasi pendapatan, modal jangka panjang lainnya, dan

modal jangka pendek seperti yang ditunjukkan dalam neraca

pembayaran. Seri ini menunjukkan arus masuk bersih (arus masuk

investasi baru kurang disinvestasi) dalam perekonomian melaporkan

dari investor asing.

Foreign direct investment ini ditandai dengan adanya arus modal

intenasional dimana perusahaan dari suatu negara mendirikan atau

memperluas bisnisnya dengan mendirikan perusahaan di negara lain,

dimana tidak hanya memindahkan seumber daya tetapi juga

pemberlakuan pengendalian dan kontrol. Foreign direct investment yang

digunakan dalam penelitian ini adalah foreign direct investment yang

bersumber dari website World Bank dimana satuan yang digunakan

berdasarkan USD (Dollar Amerika). Dalam penelitian ini, variabel

foreign direct investment disimbolkan dengan FDI.

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id32

b. Labour

Labour (tenaga kerja) dapat didefinisikan sebagai total tenaga

manusia yang terdiri dari orang-orang berusia 15 tahun dan atau lebih

dari 15 tahun yang memenuhi definisi international labour organization.

Dalam konteks ini penduduk aktif secara ekonomi dimana semua orang

yang memeasok tenaga kerja untuk memproduksi barang dan jasa

selama jangka waktu tertentu. Dalam penelitian ini digunakan data total

jumlah tenaga kerja (total labour force) yang didapat dari world bank.

Menurut bank dunia, total jumlah tenaga kerja adalah jumlah

angkatan kerja terdiri dari orang usia 15 atau lebih tua yang memenuhi

definisi international labour organization (ILO) dari populasi yang aktif

secara ekonomi yaitu semua orang yang memasok tenaga kerja untuk

produksi barang dan jasa selama jangka waktu tertentu. Ini mencakup

baik yang bekerja dan pengangguran. Sementara, praktik nasional

bervariasi dalam pembagian kelompok-kelompok seperti angkatan

bersenjata dan pekerja musiman atau paruh waktu, secara umum

angkatan kerja termasuk angkatan bersenjata, pengangguran, dan

pertama kali pencari kerja, tetapi tidak termasuk ibu rumah tangga dan

pengasuh yang belum dibayar lainnya dan pekerja di sektor informal.

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id33

Satuan untuk variabel labour ini adalah orang dan untuk

memudahkan dalam menganalisis data, variabel labour force ini

disimbolkan dengan LABOUR

c. Interest rate

Data interest rate yang digunakan dalam penelitian ini adalah

data tingkat bunga rill (real interest rate) yang diambil dari website

bank dunia. Tingkat bunga riil adalah tingkat bunga pinjaman

disesuaikan dengan inflasi yang diukur dengan GDP deflator (world

bank). Biaya meminjam uang diukur dalam dolar per tahun per dolar

yang dipinjam.

Inflasi sangat berpengaruh terhadap penentuan tingkat bunga,

seperti yang dijelaskan oleh Mankiw (2003) bahwa tingkat bunga

nominal akan berubah dikarenakan dua alasan yaitu karena tingkat

bunga rill berubah dan karena tingkat inflasi yang berubah. Jadi,

besarnya tingkat bunga nominal adalah penjumlahan dari tingkat bunga

rill dikurangi dengan tingkat inflasi. Dalam penelitian ini, satuan untuk

variabel interest rate adalah % (persen) yang diperoleh dari data real

interest rate di world bank. Untuk interest rate disimbolkan dengan

INT.

D. Metode Analisis

1. Metode analisis deskriptif

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id34

Metode analisis deskriptif adalah metode analisis data yang dilakukan

dengan cara menggambarkan atau mendeskripsikan data yang sudah

dikumpulkan dengan tujuan agar mudah diinterprestasikan dan dipahami.

Dalam penelitian ini, metode analisis deskriptif digunakan untuk memberikan

gambaran umum mengenai kondisi perkembangan variabel-variabel penelitian

di 4 (empat) negara ASEAN yaitu Indonesia, Malaysia, Thailand, dan

Filipina. Variabel yang digunakan ada dalam penelitian ini meliputi gross

dometic product per capita (produk domestik bruto per kapita), foreign direct

investment (investasi asing langsung), labour (tenaga kerja), dan interest rate

(tingkat suku bunga).

2. Metode analisis kuantitatif

Metode analisis kuantitatif merupakan metode analisis data dengan

menggunakan perhitungan secara matematik. Dalam penelitian ini, metode

analisis kuantitatif yang dilakukan adalah pendekatan ekonometrika dengan

menggunakan analisis data panel. Penggunaan analisis data panel dalam

penelitian ini dijelaskan sebagai berikut :

a. Konsep dan Pengertian Analisis Data Panel

Penggunaan data panel dalam mengestimasi data didukung atas

permasalahan dalam penelitian dimana terkait dengagn ketersediaan data

untuk mewakili variabel yang digunakan. Terdakang dalam sebuah

penelitian, ditemukan bentuk data berbentuk series yang pendek sehingga

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id35

proses pengolahan data dalam bentuk time series tidak dapat dilakukan

karena berkaitan dengan syarat jumlah minimum data untuk diolah.

Terkadang juga ditemukan bentuk data dengan jumlah cross

section yang terbatas, sehingga menyulitkan ketika dilakukan proses

pengolahan data cross section untuk mendapatkan informasi dari model

yang diteliti. Dalam teori ekonometrika, salah satu dari kedua

permasalahan tersebut dapat diselesaikan dengan menggunakan analisis

data panel. Dengan menggunakan data panel, dapat diperoleh hasil

estimasi yang lebih baik dengan terjadinya peningkatan jumlah observasi

yang berimplikasi terhadap peningkatan derajat kebebasan (degres of

freedom).

Menurut Baltagi (1995) dalam modul laboratorium ekonometrika

oleh siti Aisyah (2007) disebutkan beberapa kelebihan yang dimiliki

estimasi data panel yaitu :

 Estimasi data panel dapat menunjukkan adanya heterogenitas dalam

setiap unit.

 Dengan menggunakan estimasi data panel, data lebih informative,

mengurangi kolinearitas antara variabel, meningkatkan derajat

kebebasan dan lebih efisien.

 Estimasi data panel cocok digunakan untuk menggambarkan adanya

dinamika perubahan.
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id36

 Estimasi data panel lebih mampu memdeteksi dan mengukur dampak.

 Estimasi data panel dapat digunakan untuk studi dengan model yang

lebih lengkap.

 Estimasi data panel dapat meminimalisir bias yang mungkin

dihasilkan dalam agregasi.

b. Estimasi Model Data panel

Dengan menggunakan data panel, secara umum akan

menghasilkan intesep dan slope koefisien yang berbeda pada setiap

variabel dan setiap periode waktu. Oleh karena itu, dalam mengestimasi

persamaan akan sangat tergantung dari asumsi yang dibuat mengenai

intersep, koefisien slope dan variabel gangguannya. Ada beberapa

kemungkinan yang akan muncul dalam proses estimasi yaitu :

 Diasumsikan, intersep dan slope adalah tetap sepanjang waktu. Untuk

individu (negara), perbedaan intersep dan slope dijelaskan oleh

variabel gangguan.

 Diasumsikan slope adalah tetap, akan tetapi intersep berbeda antar

individu (negara).

 Diasumsikan slope adalah tetap, akan tetapi intersep berbeda baik

antar waktu maupun antar individu (negara).

 Diasumsikan intersep dan slope berbeda antar individu (negara).

 Diasumsikan intersep dan slope berbeda antar waktu dan individu

(negara).
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id37

3. Data Panel

Untuk mengestimasi parameter model dengan menggunakan data panel

terdapat beberapa teknik, antara lain :

a. Pooled Least Square (pendekatan kuadrat terkecil)

Pooled Least Square merupakan pendekatan paling sederhana

yang digunakan untuk mengestimasi data panel. Pendekatan ini hanya

mengkombinasikan data cross section dan data time series dengan

menggunakan metode ordinal least square yang juga dikenal sebagai

estimasi common effect. Dalam pendekatan ini, dimensi individu maupun

waktu tidak diperhatikan dan diasumsikan bahwa perilaku data antar

variabel sama dalam berbagai kurun waktu.

Υit = α + β1Χ1it + β2Χ2it + …. + βkΧkit + εit

Dimana i = 1,2,…..N dan t = 1,2,…..T

i adalah cross section identifier

t adalah time series identifier

b. Fixed effect Method (Pendekatan Efek Tetap)

Permasalahan yang dihadapi ketika menggunakan analisis polled

least square adalah asumsi intersep dan slope dari persamaan regresi

dimana hal tersebut dianggap konstan baik antar daerah maupun waktu.

Dari permasalahan seperti itu, asumsi tersebut dianggap kurang realistis

dan tidak beralasan. Sebagai contoh, apabila kita akan mengamati

pengaruh iklan terhadap omset pada 20 perusahaan yang bergerak di

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id38

bidang yang berbeda, maka akan menjadi tidak realistis jika hasil yang

diperoleh menunjukkan bahwa perusahaan yang bergerak di bidang jasa

memiliki intercept dan slope yang sama dengan perusahaan yang bergerak

di bidang makanan.

Salah satu cara untuk mengatasi permasalahan tersebut adalah

dengan cara mengasumsikan bahwa perbedaan antar individu dapat

diakomodasi melalui perbedaan intersepnya. Setiap αi akan diperlakukan

sebagai parameter yang tidak diketahui dan juga akan diestimasi.

Meskipun intersep antar individu berbeda, namun setiap intersep

individunya tidak bervariasi antar waktu atau time invariant. Oleh sebab

itu, model ini dinamakan sebagai fixed effects method (FEM) yang secara

umum persamaan modelnya dapat dituliskan sebagai berikut :

Υit = α + β1Χ1it + β2Χ2it + …. + βkΧkit + εit

Cara untuk membuat supaya intercept pada model fixed effects

bervariasi antar individu dapat dilakukan dengan memasukkan variabel

dummy ke dalam model, sehingga model menjadi seperti berikut :

Υit = α + α2D2i + … + α(n-1)D(n-1)I + β1Χ1it + β2Χ2it + …. + βkΧkit + εit

Dimana i = 1,2,….,N dan t = 1,2,….,T

D2i = 1 untuk individu kedua dan 0 untuk individu lainnya.

D(n-1) = 1 untuk individu ke (n-1) dan 0 untuk individu lainnya.

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id39

Karena menggunakan dummy variabel dalam mengestimasi fixed

effect maka model persamaan diatas disebut least square dummy variable

(LSDV) dimana intersep untuk masing-masing cross sectional unit

berbeda.

Namun, pengunaan model LSDV dapat digunakan jika persamaan

regresi memiliki sedikit unit cross section. Jika terdapat banyak unit cross

section yang akan dianalisis, maka penggunaan LSDV dapat mengurangi

derajat kebebasan yang akan berdampak pada berkurangnya efisiensi dari

parameter yang diestimasi. Untuk fixed effect walaupun intercept mungkin

berbeda antar individu, namun intercept setiap cross section tersebut tidak

bervariasi sepanjang waktu dengan kata lain time invariant. Sehingga

untuk model data panel dengan jumlah cross section yang lebih banyak,

lebih baik menggunakan metode FEM dalam estimasi model penelitian.

c. Random Effect Method (Pendekatan Efek Acak)

Pendekatan analisis data panel dengan menggunakan fixed effect

melalui variabel dummy atau LSDV masih mengandung sedikit

permasalahan yaitu adanya ketidakpastian model yang kita gunakan.

Untuk mengatasi hal tersebut dapat dilakukan dengan menggunakan

variabel residual yang dikenal dengan model random effect. Dalam model

random effect kita akan memilih estimasi data panel diman residual

mungkin saling berhubungan antar waktu dan antar individu.

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id40

Model random effect dapat dijelaskan dengan asumsi bahwa setiap

variabel mempunyai perbedaan intersep. Intersep yang dimaksud disini

diasumsikan sebagai variabel random atau stokastik. Model ini sangat

beeguna jika individual yang kita ambil sebagai sampel dipilih secara acak

(random) dan merupakan perwakilan dari populasi. Model random effect

dapat dijelaskan dan ditulis sebagai berikut :

Υit = β1i + β2Χ2it + β3Χ3it + µit

Dengan asumsi bahwa variabel random dengan β1 (tidak ada subscript

i) dan nilai intersep tiap individu adalah :

β1i = β1 + εit

dimana I = 1,2,3,….,N

εit adalah random error term dengan nilai rata rata 0 (nol) dan varian

dengan mensubtitusikan persamaan dibawah dengan diatas, maka akan

didapatkan sebuah persamaan baru sebagai berikut :

Υit = β1i + β2Χ2it + β3Χ3it + εit + µit

= β1i + β2Χ2it + β3Χ3it + ωit

Dimana ωit = εit + µit

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id41

Error ωit terdiri atas 2 (dua) komponen error yaitu εit yang merupakan

error variasi unit dan µit yang merupakan error dari kombinasi runtun waktu

dari lintas sector asumsi ECM (Error Corection Model) yaitu :

εit ~ N (0, )

µit ~ N (0, )

Ε(εit, µit) = 0 Ε(εi, εj) = 0 (i ≠ j)

Ε(µit µis) = Ε(µit µjt) = Ε(µit µjs) = 0 (i ≠ j ; t ≠ s)

Error komponen setiap unit tidak berkorelasi satu sama lain dan tidak

berkorelasi, baik secara runtun waktu maupun lintas sektor. Asumsi

persamaan :

Ε(ωit) = 0

var(ωit) = +

Jika = 0 , maka tidak ada perbedaan antara model (3.2) dan (3.3).

Dalam kasus ini dapat digunakan observasi pool sederhana (cross section dan

time series) dan menggunakan regresi pooled seperti tertera pada persamaan

(3.6).

Dalam persamaan (3.8) ditunjukkan error term ωit homoskedastis.

Dapat dilihat bahwa ωit dan ωis berkorelasi dimana korelasi koefisien corr (ωit,

ωis) adalah sebagai berikut :

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id42

Corr (ωit, ωis) =

Jika korelasi ini tidak diperhitungkan dan diestimasi menggunakan

OLS, maka estimatornya akan menjadi tidak efisien. Untuk itu, metode yang

biasa dipakai adalah generalized least square (GLS).

4. Uji Pemilihan Model Data

a. Common Effect atau Individual Effect

Uji chow test atau sering disebut sebagai uji F statistik adalah

pengujian yang dilakukan untuk memilih model manakah yang akan

digunakan diantara common effect dan individual Effect. Berdasarkan

penjelasan sebelumnya, dijelaskan bahwa terkadang asumsi bahwa setiap

unit cross section memiliki perilaku yang sama cenderung tidak realistis

dan tidak beralasan. Mengingat ada kemungkinan bahwa setiap unit cross

section memiliki perilaku yang berbeda. Oleh sebab itu, dalam pengujian

ini dilakukan dengan hipotesa sebagai berikut :

H0 : Model Common Effect (Restricted)

H1 : Model Invidual Effect (Unrestricted)

Dalam pengujian hipotesis tersebut digunakan persamaan F

statistik seperti yang telah dirumuskan oleh Chow yang ditulis seperti

berikut :
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id43

Dimana : adalah unrestricted

adalah restricted

k adalah total jumlah koefisien regresi (termasuk konstanta)

n adalah jumlah sampel

Apabila hasil perhitungan uji F hitung ≥ F tabel , hal ini menunjukkan

bahwa H0 ditolak. Hal ini menunjukkan bahwa model yang akan

digunakan adalah Fixed Effect. Dengan kata lain, intersep untuk semua

unit cross section tidak sama. Begitu pula sebaliknya ketika hasil

perhitungan F hitung ≤ F tabel , dimana hal ini menunjukkan bahwa H0

diterima, yang berarti model yang akan digunakan adalah pooled least

square. Dengan kata lain, intersep untuk semua unit cross section adalah

sama.

b. FEM (Fixed Effect Model) atau REM (Random effect Model)

Penggunaan model fixed effect mengandung suatu unsur trade off

yaitu hilangnya derajat kebebasan dikarenakan adanya variabel dummy

yang dimasukkan ke dalam model. Untuk menentukan penggunaan fixed

effect model atau random effect model dalam sebuah model dapat

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id44

dilakukan dengan cara hausman test. Dalam pengujian ini, hipotesis yang

digunakan adalah sebagai berikut :

H0 : Model Random effect (REM)

H1 : Model Fixed Effect (FEM)

Sebagai dasar penolakan H0 adalah dengan menggunakan statistik

hausman dan membandingkannya dengan Chi Square. Statistik hausman

dapat dirumuskan sebagai berikut :

W = (βfem – βrem)’ (Vfem – Vrem)-1(βfem – βrem)’ ~ χ2 (k)

Dimana : βfem merupakan koefisien hasil estimasi model FEM.

βrem adalah koefisien hasil estimasi model REM.

V adalah matriks kovarians untuk parameter β

k adalah derajat kebebasan (df) yang merupakan jumlah

variabel independen

Jika nilai chi square (χ 2) hitung dalam hasil pengujian hasusman

lebih besar daripada nilai chi square χ2 (k) tabel maka H0 ditolak. Hal ini

berarti estimasi yang tepat untuk model regresi data panel adalah dengan

menggunakan pendekatan Fixed Effect. Begitu pula sebaliknya jika nilai

chi square (χ 2) hitung dalam hasil pengujian hasusman lebih kecil

daripada nilai chi square χ2 (k) tabel maka H0 diterima. Yang berarti
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id45

estimasi yang tepat dalam model regresi data panel adalah dengan

menggunakan Random effect. Cara lain untuk melakukan pengujian ini

adalah dengan membandingkan nilai probabilitass hasil dari hausman

statistic dengan α. Jika hasil hausman test signifikan (probabilitas dari

hausman < α ) maka, H0 ditolak, yang berarti model yang akan digunakan

adalah model fixed effect. Begitu pula sebaliknya, jika hasil hausman test

tidak signifikan (probabilitass dari hausman > α ) maka, H0 diterima yang

berarti model yang akan digunakan adalah model random effect.

5. Uji Statistik

a. Uji t statistik ( uji parsial)

Uji ini dilakukan untuk rangka menguji kemampuan dari masing-

masing variabel independen secara sendiri-sendiri. Tahap-tahap pengujian uji

t statistik dapat dijelaskan seperti berikut :

 Menentukan H0 (Hipotesis nol) dan Ha (Hipotesis alternatif)

H0 : β1 = 0, hal ini menunjukkan tidak ada pengaruh signifikan

variabel independen terhadap variabel dependen.

Ha : β1 ≠ 0, hal ini menunjukan adanya pengaruh signifikan veriabel

independen terhadap variabel dependen.

 Menentukan besarnya level of significance (α) untuk mengetahui tingkat

signifikasi dari hasil pengolahan data berdasarkan nilai probabilitas dua

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id46

sisi (uji dua sisi). Besarnya α yang digunakan dalam penelitian ini adalah

5%.

 kriteria pengujian

gambar 3.1 Daerah kritis uji t

keterangan : H0 diterima jika –t (α/2, n-k) ≤ t hitung ≤ t (α/2, n-k)

H0 ditolak jika t hitung < –t (α/2, n-k) atau t hitung > –t (α/2, n-k)

Dari sampel random yang diambil, kemudian dihitung nilai t dengan

rumus :

t hitung

tabel = t (α/2, n-k)

dimana : β adalah koefisien regresi

SE adalah Standar error

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id47

n adalah jumlah observasi

k adalah jumlah variabel

Kesimpulannya adalah apabila t hitung > t tabel atau t hitung < - t tabel, berarti

H0 ditolak dimana variabel independen mempunyai pengaruh signifikan

terhadap variabel independen. Namun, apabila - t tabel ≤ t hitung ≤ t tabel, maka H0

diterima dimana tidak ada pengaruh yang signifikan antara variabel

independen terhadap variabel dependen.

b. Uji F statistik

Uji ini dilakukan dengan maksud untuk mengetahui pengaruh variabel

independen terhadap variabel dependen secara bersama-sama. Tahap-tahap

pengujian uji F statistik dijelaskan sebagai berikut :

 Fromula Hipotesis

H0 = β1 = β2 = 0, hal ini berarti tidak ada pengaruh signifikan antara

variabel independen terhadap variabel dependen secara bersama-sama.

Ha ≠ β1 ≠ β2 ≠ 0, hal ini berarti terdapat pengaruh signifikan antara

variabel independen terhadap variabel dependen secara bersama-sama.

 Memilih level of significance tertentu. Besar α yang digunakan adalah 5% (α

= 0,05)

 Kriteria pengujian
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id48

Gambar 3.2 Daerah kritis Uji F

Keterangan : H0 diterima atau Ha ditolak, jika F hitung < F (α, k – 1, n – k)

H0 ditolak atau Ha diterima, jika F hitung > F (α, k – 1, n – k)

 Perhitungan nilai F

F tabel = F (α, k – 1, n – k)

–
F hitung =
–

dimana R2 adalah koefisien determinasi

 kesimpulan

Apabila F hitung > F tabel, maka H0 ditolak yang artinya secara bersama-sama

variabel berpengaruh signifikan terhadap variabel dependen. Namun, apabila F

hitung < F tabel, maka H0 diterima yang berarti secara bersama-sama variabel

independen tidak mempunyai pengaruh signifikan terhadap variabel dependen.

c. Uji R2 (Koefisien Determinasi)

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id49

Uji ini dilakukan untuk mengetahui seberapa besar pengaruh variabel

independen terhadap variabel dependen dimana tingkat ketepatan regresi

ditentukan oleh besarnya adjusted R2.

Nilai R2 berada diantara 0 < R2 < 1. Jika R2 =1, maka pengaruh variabel-

variabel independen terhadap variabel dependen semakin besar. Jika R2 = 0, maka

variabel-variabel independen tidak berpengaruh terhadap variabel dependen.

d. Uji heterokedastisitas

Uji heterokedastisitas merupakan pengujian terhadap ada atau tidaknya

masalah heterokedastisitas dalam model empirik. Heterokedastisitas terjadi ketika

varians pengganggu berbeda antar observasi, sehingga masing-masing observasi

memiliki nilai reliabilitas yang berbeda. Metode estimasi OLS memberikan angka

penimbang yang lebih besar pada observasi yang memiliki nilai yang lebih besar

dengan tujuan meminimalkan jumlah kuadrat dari galat. Uji heterokedastisitas

menimbulkan dampak terhadap tidak efisiennya proses estimasi, namun hasil

estimasi yang dihasilkan tetap konsisten dan tidak bias. Ada beberapa metode

yang dapat menguji heterokedastisitas antara lain : uji park, uji glejser, uji

spearman’s rank correlation, uji Goldfeld-Quandt, Uji Breusch-Pagan-Godfrey,

uji white, uji koenker-basset dan lainnya.

e. Metode Generalized Least Square (GLS)

commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id50

Singkatnya, generalized least square adalah OLS pada variabel-variabel

yang telah ditransformasikan dan memenuhi asumsi-asumsi standar kuadrat

sederhana terkecil (Gujarati : 2010).

f. Spesifikasi Model Penelitian Dengan Data Panel

Model yang digunakan dalam melakukan estimasi terhadap kemakmuran

di Negara Indonesia, Malaysia, Thailand, Vietnam dan Filipina adalah model

yang diadopsi dari penelitian Tambang Vu (2007) yang dijelaskan sebagai berikut

GDP = f [(Labour)it, (Foreign Direct Investment)it (Interest Rate)it]

Untuk memudahkan analisis data, dalam penelitian ini digunakan

beberapa indikator (proxy) yang mewakili variabel-variabel antara lain produk

domestik bruto per kapita sebagai indikator dari kemakmuran diberi simbol GDP,

Labour force sebagai indikator dari tenaga kerja diberi simbol LAB, FDI net

inflows sebagai indikator dari foreign direct investment diberi simbol FDI, dan

data real interest rate sebagai indikator dari tingkat suku bunga diberi simbol

INT. sehingga model yang didapat adalah sebagai berikut :

GDP it = β1 + β2LABit + β6FDIit + β7INTt + vi + wit

commit to user