PEMODELAN REGRESI PANEL DINAMIS MENGGUNAKAN METODE BLUNDELL DAN BOND GENERALIZED METHOD OF MOMENT/BB-GMM (Studi Kasus pada Laju Pertumbuhan Ekonomi Jawa Timur dan Faktor yang mempengaruhinya) Vina Riskia Jurusan Matematika, F.MIPA, Universitas Brawijaya Email: [email protected] Abstrak. Analisis data panel seringkali digunakan dalam penyelesaian masalah perekonomian. Hubungan variabel-variabel yang digunakan dalam bidang ekonomi umumnya bersifat dinamis. Analisis data panel yang lebih sesuai dalam menggambarkan dinamika di dalam permasalahan ekonomi adalah analisis regresi panel dinamis. Tujuan penelitian ini adalah menerapkan regresi panel dinamis menggunakan metode BB-GMM untuk menganalisis efek jangka pendek dan efek jangka panjang akumulasi modal dalam bentuk investasi, partisipasi tenaga kerja terhadap laju pertumbuhan ekonomi di Jawa Timur. Hasil penelitian menunjukan bahwa variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi (INV) tahun ini, Tingkat Partisipasi Angkatan Kerja (TPAK) tahun ini dan TPAK tahun sebelumnya memberikan pengaruh jangka pendek secara signifikan terhadap laju pertumbuhan ekonomi tahun ini. Sedangkan variabel investasi tahun sebelumnya memberikan pengaruh jangka pendek yang tidak signifikan terhadap laju pertumbuhan ekonomi tahun ini. Secara jangka panjang, laju pertumbuhan ekonomi Jawa Timur dipengaruhi oleh investasi dan TPAK berturut-turut sebesar 1.87x10-7% dan 0.0975%. Kata kunci : Panel dinamis, BB-GMM, LPE, Investasi, TPAK 1. PENDAHULUAN Data panel adalah data yang merupakan hasil pengamatan beberapa individu (unit cross-section) yang masing-masing diamati dalam beberapa periode waktu yang berurutan (unit time series). Analisis data panel seringkali digunakan dalam penyelesaian masalah perekonomian. Hubungan variabelvariabel yang digunakan dalam bidang ekonomi umumnya bersifat dinamis. Analisis data panel yang lebih sesuai dalam menggambarkan dinamis dalam permasalahan ekonomi adalah analisis regresi panel dinamis. Masalah yang ada pada regresi panel dinamis adalah adanya korelasi antara lag variabel respon dengan galat. Hal ini menyebabkan penduga OLS maupun GLS bersifat bias dan tidak konsisten. Untuk mengatasi permasalahan tersebut, Blundell dan Bond (1998) mengajukan metode BB-GMM sebagai metode pendugaan parameter regresi panel dinamis. Tujuan penelitian ini adalah menerapkan regresi panel dinamis menggunakan metode BB-GMM untuk menganalisis efek jangka pendek dan efek jangka panjang akumulasi modal dalam bentuk investasi, partisipasi tenaga kerja terhadap laju pertumbuhan ekonomi di Jawa Timur. 2. TINJAUAN PUSTAKA 2.1 Model regresi panel dinamis Model regresi data panel dinamis dengan efek tetap dapat dituliskan sebagai berikut (Arellano and Bond, 1991): (1) di mana , dan menyatakan skalar, adalah matriks variabel penjelas berukuran menyatakan matriks berukuran merupakan intersep untuk unit cross-section ke-i, ( ). Sedangkan model regresi data panel dinamis dengan efek acak satu arah dapat dituliskan sebagai berikut: (2) dengan , di mana ( ) dan ( ) saling bebas. 117 Menurut Lai dkk (2008) model regresi panel dinamis memiliki efek jangka pendek dari perubahan yang dinyatakan sebagai dan efek jangka panjang dari perubahan mengasumsikan bahwa , sehingga efek jangka panjang dari perubahan dinyatakan sebagai . 2.2 Blundell dan Bond GMM (BB-GMM) Prinsip metode BB-GMM adalah mengkombinasikan matriks variabel instrumen model first difference dan matriks variabel instrumen model deret asli. Dapat dilihat kembali pada Persamaan (2), terdapat korelasi antara dengan komponen galat . Untuk mengatasi masalah tersebut, maka langkah awal adalah membentuk variabel instrumen yang berkorelasi dengan , namun tidak berkorelasi dengan galat Misal untuk t=3, maka (3) Pada kasus ini, adalah variabel instrumen untuk dan adalah variabel instrumen untuk variabel itu sendiri. Jadi untuk periode ke- terdapat variabel instrumen untuk dan satu variabel instrumen untuk atau dapat dinyatakan dalam bentuk matriks berukuran ( ) [ , di mana ( )( ) ]. [ [ ] ] [ [ , ] ] [ ] Langkah selanjutnya adalah membentuk model first difference untuk menghilangkan efek individu : ( ) ( ) ( ) ( ) (4) Pada persamaan di atas, terdapat korelasi antara ( ) dengan komponen galat ( ) sehingga untuk mengatasi masalah tersebut adalah dengan membentuk variabel instrumen. Untuk t=3, maka ( ) ( ) ( ) ( ) (5) Pada kasus ini merupakan variabel instrumen untuk dan merupakan variabel instrumen untuk variabel itu sendiri. Jadi untuk periode ke- terdapat variabel instrumen untuk ( ) dan satu variabel instrumen untuk ( ) atau dapat dinyatakan dalam bentuk matriks ( )( ) berukuran ( ) , di mana [ ]. [ ] [ ] [ , [ ] ] [ ] Selanjutnya mengkombinasikan persamaan (2) dan (5). : [ ] [ ] [ ] (6) Berdasarkan kombinasi tersebut matriks variabel instrumen gabungan dapat didefinisikan sebagai berikut: [ ] [ ] [ di mana merupakan non-redundant subset dari ) ( )( ) , di mana . ] dan merupakan matriks berukuran ( 118 Berikut merupakan metode Blundell dan Bond menggunakan prinsip GMM untuk mendapatkan penduga yang konsisten. ( ( )) [ (( ) ( [ ) )] ( ( )] ) ( ) Penduga GMM merupakan suatu penduga yang meminimumkan fungsi GMM atau fungsi kriteria dari jumlah kuadrat terboboti ( ( )). ( ) dapat dijabarkan sebagai berikut: ( ) ( ) ( ) ( ) ( ( ( )) ) ( ( )) ( ) ( ) ( ) (7) Setelah fungsi GMM terbentuk, langkah selanjutnya adalah meminimumkan fungsi ( ), yaitu dengan menurunkan fungsi ( ) terhadap parameter dan disamadengankan nol. ( ) ( Sehingga penduga untuk ̂ [( ∑ ) ( ) ( )] [( ∑ ) ( ) )̂ ( ∑ adalah : )̂( ∑ )] (8) ̂ tersebut merupakan penduga yang konsisten untuk dengan memilih matriks bobot ̂ berukuran ∑ yaitu ̂ ( ) Penduga ini diperoleh dengan metode One Step Consistent Blundell and Bond Estimator. Sedangkan penduga yang efisien untuk diperoleh dengan Two Step Efficient Blundell and Bond Estimator, yaitu memilih matriks bobot yang optimal berukuran ∑ ̂ ̂ ] , di mana ̂ merupakan galat yang diperoleh pada One Step yaitu ̂ [ Consistent Blundell and Bond Estimator. 3. HASIL DAN PEMBAHASAN Hasil pendugaan parameter pada Two Step efficient BB-GMM dan pengujian signifikansi parameter dari masing-masing variabel penjelas disajikan pada Tabel 1. di mana merupakan parameter untuk variabel ke-i. Kriteria pengambilan keputusan adalah menolak apabila | | atau p-value < ( ) yang berarti variabel penjelas berpengaruh signifikan terhadap variabel respon. Tabel 1. Hasil Pendugaan Two Step efficient BB-GMM dan Pengujian Signifikansi Parameter Variabel Penjelas Nilai Duga Salah Baku 0.3429733 0.0000119 0.0196573 0.0331713 0.0444305 0.004826 0.0055543 P-value 10.34 3.05 3.54 0.67 9.21 0.000 0.002 0.000 0.502 0.000 Hasil pendugaan two step efficient BB-GMM dan pengujian signifikansi parameter pada Tabel 1 memperlihatkan bahwa variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun ini, TPAK tahun ini dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju pertumbuhan ekonomi tahun ini, sedangkan variabel investasi tahun sebelumnya tidak berpengaruh signifikan laju pertumbuhan ekonomi tahun ini. Berdasarkan hasil pendugaan parameter dan signifikansi parameter dari masing-masing variabel penjelas, maka model regresi panel dinamis untuk laju pertumbuhan ekonomi 25 kabupaten/kota di Jawa Timur tahun 2008 hingga 2012 sebagai berikut: (9) 119 Berdasarkan model regresi panel dinamis yang terbentuk, efek jangka pendek dari masing-masing variabel penjelas sebagai berikut: a. Jika laju pertumbuhan ekonomi pada tahun sebelumnya meningkat 1%, maka laju pertumbuhan ekonomi pada tahun ini akan meningkat secara langsung sebesar 0.0343% dengan asumsi variabel penjelas lain konstan. b. Kenaikan investasi pada tahun ini sebesar 1 juta rupiah akan meningkatkan laju pertumbuhan ekonomi sebesar 0.000019% dengan asumsi variabel penjelas lain konstan. c. Kenaikan investasi tahun sebelumnya sebesar 1 juta rupiah akan meningkatkan laju pertumbuhan ekonomi sebesar % dengan asumsi variabel penjelas lain konstan. Namun pengaruh yang diberikan investasi tahun sebelumnya terhadap laju pertumbuhan ekonomi tahun ini tidak signifikan. Hal ini dapat dilihat berdasarkan data bahwa naiknya investasi tahun sebelumnya di Jawa Timur tahun 2008 hingga 2012 tidak selalu diiringi kenaikan laju pertumbuhan ekonomi. d. 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun ini akan meningkatkan laju pertumbuhan ekonomi sebesar 0.0197% dengan asumsi variabel penjelas lain konstan. Hal ini sesuai dengan teori Todaro dan Smith (2006) yang menyatakan bahwa pertumbuhan angkatan kerja merupakan salah satu faktor positif yang memacu pertumbuhan ekonomi. e. 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya akan meningkatkan laju pertumbuhan ekonomi sebesar 0.0444% dengan asumsi variabel penjelas lain konstan. Sedangkan efek jangka panjang dari investasi dan tingkat partisipasi angkatan kerja (TPAK) diperoleh dengan asumsi dan . Sehingga secara jangka panjang model regresi panel dinamis sebagai berikut: (10) Efek jangka panjang dari investasi sebesar , artinya dalam jangka panjang kenaikan investasi sebesar 1 juta rupiah akan meningkatkan laju pertumbuhan ekonomi sebesar % dan efek jangka panjang dari TPAK sebesar , artinya 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) akan meningkatkan laju pertumbuhan ekonomi sebesar 0.0975%. 4. KESIMPULAN Model regresi panel dinamis untuk menggambarkan laju pertumbuhan ekonomi di Jawa Timur tahun 2008 hingga 2011 secara jangka pendek adalah: Sedangkan secara jangka panjang adalah: Variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun ini, TPAK tahun ini dan TPAK tahun sebelumnya memberikan pengaruh jangka pendek secara signifikan terhadap laju pertumbuhan ekonomi tahun ini. Sedangkan variabel investasi tahun sebelumnya memberikan pengaruh jangka pendek yang tidak signifikan terhadap laju pertumbuhan ekonomi tahun ini. Secara jangka panjang, laju pertumbuhan ekonomi Jawa Timur dipengaruhi oleh investasi dan TPAK berturut-turut sebesar dan . Penelitian selanjutnya, diharapkan dapat melakukan pengujian terhadap keragaman antar individu sekaligus menduga efek individu dari masing-masing kabupaten/kota. DAFTAR PUSTAKA Anderson, T.W and C. Hsiao, (1982), Formulation and Estimation of Dynamic Model Using Panel Data, Journal of Econometrics, 18, hal. 47-82. Arellano, M. And S. Bond, (1991), Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations, The Review of Economic Studies, 58:277-297. Blundell, R. And S. Bond, (1998), Initial Conditions and Moment Restrictions in Dynamic Panel Data Models, Journal of Econometrics, 87, hal. 115-143. Lai, T.L, D.S. Small and J. Liu, (2008), Statistical Inference in Dynamic Panel Data Models, Journal of Statistical Planning and Inference, 138, hal. 2763-2776. 120