Pendahuluan

Penelitian yang saya lakukan bertujuan untuk menyelesaikan tugas mata kuliah ekonometrika terkait dengan melihat pengaruh variabel independen Tingkat Pengangguran Terbuka (TPT), Tingkat Partisipasi Angkatan Kerja (TPAK), dan Investasi terhadap Produk Domestik Regional Bruto (PDRB) di seluruh provinsi di Indonesia pada tahun 2018 - 2020.

Hipotesis Model Penelitian

H1: TPT berpengaruh signifikan terhadap PDRB

H2: TPAK berpengaruh signifikan terhadap PDRB

H3: Investasi berpengaruh signifikan terhadap PDRB

Memanggil Library

library(readxl)
## Warning: package 'readxl' was built under R version 4.3.2
library(plm)
## Warning: package 'plm' was built under R version 4.3.2
library(lmtest)
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

Memanggil Dataset

datapanel <- read_excel("D:/kuliah/data/PDRB.xlsx")
datapanel$Provinsi <- as.factor(datapanel$Provinsi)
str(datapanel)
## tibble [102 × 6] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi : Factor w/ 34 levels "ACEH","BALI",..: 1 1 1 34 34 34 32 32 32 26 ...
##  $ Tahun    : num [1:102] 2018 2019 2020 2018 2019 ...
##  $ PDRB     : num [1:102] 126824 132074 131585 512763 539514 ...
##  $ TPT      : num [1:102] 6.34 6.17 6.59 5.55 5.39 6.91 5.66 5.38 6.88 5.98 ...
##  $ TPAK     : num [1:102] 64 63.1 65.1 72 70.4 ...
##  $ Investasi: num [1:102] 970 3607 8241 8372 19749 ...
attach(datapanel)

Scatter Plot

plot(datapanel[3:6])

Analisis Data Panel

Uji Chow

common=plm(PDRB~TPT+TPAK+Investasi,data=datapanel,model="pooling")
fixed=plm(PDRB~TPT+TPAK+Investasi,data=datapanel,model="within")
pooltest(common,fixed)
## 
##  F statistic
## 
## data:  PDRB ~ TPT + TPAK + Investasi
## F = 383.78, df1 = 33, df2 = 65, p-value < 2.2e-16
## alternative hypothesis: unstability

Berdasarkan hasil uji Chow menunjukkan bahwa nilai p-value = 2,2e-16 < 0.05 , yang berarti hipotesis nol ditolak. Artinya metode fixed effect lebih baik digunakan daripada menggunakan metode common effect.

Uji Hausman

fixed=plm(PDRB~TPT+TPAK+Investasi,data=datapanel,model="within", index = c("Provinsi", "Tahun"))
random=plm(PDRB~TPT+TPAK+Investasi,data=datapanel,model="random", index = c("Provinsi", "Tahun"))
phtest(fixed,random)
## 
##  Hausman Test
## 
## data:  PDRB ~ TPT + TPAK + Investasi
## chisq = 7.1395, df = 3, p-value = 0.06758
## alternative hypothesis: one model is inconsistent

Berdasarkan hasil uji Hausman menunjukkan bahwa nilai p-value = 0,06758 > 0.05 hipotesis nol gagal ditolak. Artinya metode random effect merupakan metode yang lebih baik untuk digunakan bila dibandingkan dengan metode fixed effect.

Uji Lagrange Multiplayer

plmtest(common)
## 
##  Lagrange Multiplier Test - (Honda)
## 
## data:  PDRB ~ TPT + TPAK + Investasi
## normal = 2.9741, p-value = 0.001469
## alternative hypothesis: significant effects

Berdasarkan hasil Uji Lagrange Multiplayer menunjukkan bahwa nilai p-value < 0.05, yang berarti hipotesis nol ditolak. Artinya model random effect lebih baik digunakan.

model random effect

g1=plm(PDRB~TPT+TPAK+Investasi, data=datapanel,model="random",effect="individual")
summary(g1)
## Oneway (individual) effect Random Effect Model 
##    (Swamy-Arora's transformation)
## 
## Call:
## plm(formula = PDRB ~ TPT + TPAK + Investasi, data = datapanel, 
##     effect = "individual", model = "random")
## 
## Balanced Panel: n = 34, T = 3, N = 102
## 
## Effects:
##                     var   std.dev share
## idiosyncratic 2.052e+08 1.432e+04 0.014
## individual    1.410e+10 1.187e+05 0.986
## theta: 0.9305
## 
## Residuals:
##      Min.   1st Qu.    Median   3rd Qu.      Max. 
## -31252.38 -16693.50 -11932.13    867.33 124005.60 
## 
## Coefficients:
##                Estimate  Std. Error z-value  Pr(>|z|)    
## (Intercept)  3.4484e+05  2.4636e+05  1.3997 0.1615914    
## TPT         -2.1091e+02  4.1834e+03 -0.0504 0.9597913    
## TPAK        -8.5658e+02  3.5589e+03 -0.2407 0.8097963    
## Investasi    2.9348e+00  8.4815e-01  3.4602 0.0005397 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Total Sum of Squares:    1.1444e+11
## Residual Sum of Squares: 1.0171e+11
## R-Squared:      0.11125
## Adj. R-Squared: 0.084044
## Chisq: 12.2673 on 3 DF, p-value: 0.0065213

Dari pengujian model random effect diperoleh bahwa nilai p-value pada variabel investasi kurang dari alpha 0.05 yang berarti hipotesis nol ditolak. Sehingga, secara parsial variabel Investasi tersebut berpengaruh signifikan terhadap PDRB atau H3 diterima, sedangkan H1 dan H2 tidak diterima. Selain itu, dapat dilihat nilai adjusted koefisien determinasi sebesar 0,084. Artinya, variabel independen yaitu variabel TPT,TPAK, dan Investasi mampu menjelaskan variabel dependen yaitu PDRB sebesar 8.4%, sedangkan sisanya dijelaskan oleh variabel-variabel lain yang tidak dimasukkan ke dalam model.

Uji Asumsi

uji autokorelasi

glc=plm(PDRB~TPT+TPAK+Investasi, data=datapanel,model="random",effect="individual")
pbgtest(glc,order=2)
## 
##  Breusch-Godfrey/Wooldridge test for serial correlation in panel models
## 
## data:  PDRB ~ TPT + TPAK + Investasi
## chisq = 47.122, df = 2, p-value = 5.854e-11
## alternative hypothesis: serial correlation in idiosyncratic errors

Berdasarkan hasil uji Autokorelasi menunjukkan bahwa nilai p-value < 0.05, yang berarti hipotesis nol ditolak. Artinya terjadi autokorelasi.

Heteroscedasticity Robust Covariance Estimator

g1=plm(PDRB~TPT+TPAK+Investasi, data=datapanel,model="random",effect="individual")
bptest(g1)
## 
##  studentized Breusch-Pagan test
## 
## data:  g1
## BP = 21.346, df = 3, p-value = 8.923e-05

Berdasarkan hasil uji heterokedastisitas menunjukkan bahwa nilai p-value < 0.05, yang berarti hipotesis nol ditolak. Artinya tidak terjadi heterokedastisitas .