Upload
nguyenanh
View
224
Download
0
Embed Size (px)
Citation preview
23
BAB III
METODE PENELITIAN
A. Lokasi Penelitian
Dalam penelitian ini, peneliti mengambil lokasi di provinsi Kalimantan
Timur. Berdasarkan pembagian wilayah administrasi provinsi Kalimantan Timur
terdiri dari 10 kabupaten/kota yaitu Paser, Kutai Barat, Kutai Kertanegara, Kutai
Timur, Berau, Mahakan Ulu, Penajam Paser Utara, Balikpapan, Samarinda dan
Bontang. Alasan dilakukan penelitian di provinsi Kalimantan Timur karena
provinsi Kalimantan Timur memiliki angka pengangguran yang tinggi bahkan
paling tinggi sepulau Kalimantan.
B. Jenis Penelitian
Pendekatan yang digunakan dalam penelitian ini yaitu pendekatan
kuantitatif deskriptif. Pendekatan kuantitatif inferensial ini dilakukakan dengan
metode Ordinary Least Square (OLS) untuk seluruh persamaannya. Sedangkan
pendekatan inferensial digunakan untuk membahas interpretasi lebih lanjut dari
hasil penelitian yang telah diperoleh dalam analisis kuantitatif.
C. Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan adalah teknik dokumentasi.
Peneliti mengumpulkan data dari data-data yang dipublikasikan oleh Badan Pusat
Statistik (BPS) provinsi Kalimantan Timur, jurnal dan media elektronik (internet).
24
Publikasi tersebut seperti buku Statistik Indonesia, Kalimantan Timur Dalam
Angka serta Produk Domestik Regional Bruto (PDRB).
D. Definisi Operasional dan Pengukuran Variabel
Variabel yang digunakan dalam penelitian ini yaitu variabel dependent
(terikat) dan variabel independent (bebas).
1. Variabel dependen
Variabel dependen merupakan variabel yang dipengaruhi atau juga disebut
variabel bebas. Variabel dependen dalam penelitian ini adalah jumlah
pengangguran yang ada di provinsi Kalimantan Timur. Data jumlah pengangguran
yang digunakan dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS)
dan diambil dari tahun 2011 sampai 2015 dengan satuan jiwa/orang.
2. Variabel Independen
Variabel independen merupakan variabel yang mempengaruhi dalam
sebuah penelitian atau juga variabel ini sering disebut variabel terikat. Dalam
penelitian ini yang menjadi variabel independen adalah sebagai berikut:
a. Produk Domestik Regional Bruto (PDRB)
Data Produk Domestik Regional Bruto (PDRB) yang digunakan
dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) dan
diambil dari tahun 2011 sampai 2015 dalam satuan triliun rupiah.
b. Investasi
Data investasi yang digunakan yaitu realisasi PMDN dan PMA
perkabupaten/kota di provinsi Kalimantan Timur. Data bersumber dari
25
Badan Pusat Statistik (BPS) dan diambil dari tahun 2011 sampai 2015
dalam satuan milyar rupiah.
c. Upah Minimum Kabupaten/Kota
Data Upah Minimum Kabupaten/Kota (UMK) yang digunakan
yaitu data perkabupaten/kota di provinsi Kalimantan Timur. Data
bersumber dari Badan Pusat Statistik (BPS) dari tahun 2011 sampai 2015
dalam satuan rupiah.
E. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data
yang sudah sudah diolah sebelumnya dan dipublikasikan oleh instansi yang
berkompeten. Data yang digukanan dalam penelitian ini merupakan data panel
(pooled data) yaitu data yang menggambarkan antara data cross section dengan
data time series. Data time series yang digunakan yaitu data tahunan selama 5
tahun yaitu tahun 2011 sampai 2015, sedangkan data cross section sebanyak 9
Kabupaten/Kota di provinsi Kalimantan Timur. Data yang digunakan meliputi
tingkat pengangguran terbuka, pertumbuhan ekonomi, upah minimum
kabupaten/kota dan investasi. Metode data panel adalah suatu metode yang
digunakan untuk melakukan analisis empiris dengan perilaku data yang lebih
dinamis. Beberapa keunggulan data panel yaitu sebagai berikut:
a. Data penel bersifat heterogen.
b. Dengan menggabungkan antara observasi time series dan cross section,
data panel memberi lebih banyak informasi, lebih banyak variasi, sedikit
26
kolinearitas antar variabel, lebih banyak degree of freedom, dan lebih
efisien.
c. Dengan mempelajari observasi cross secrion yang berulang-ulang, data
panel paling cocok untuk mempelajari dinamika perubahan. Misalkan
tingkat pengangguran, perputaran pekerjaan, dan mobilitas tenaga kerja,
adalah paling tepat dipelajari menggunakan data panel.
d. Data panel paling baik untuk mendeteksi dan mengukur dampak yang
secara sederhana tidak bisa dilihat pada data cross section murni atau time
series murni.
e. Data panel memudahkan untuk mempelajari model perilaku yang rumit.
f. Dengan membuat data mmenjadi berjumlah beberapa ribu unit, data panel
dapat meminimumkan bias yang bisa terjadi jika kita mengagregasi
individu-individu atau perusahaan-perusahaan ke dalam agregasi besar.
Dengan mempertimbangkan keunggulan data panel di atas, maka dalam
penelitian ini akan digunakan data panel dalam upaya mengestimasi model yang
ada. Dalam penelitian ini data yang digunakan diperoleh dari Badan Pusat
Statistik (BPS) provinsi Kalimantan Timur. Sedangkan data-data yang lain
diperoleh dari jurnal, dan media elektronik (internet).
F. Teknik Analisis Data
1. Model Regresi Data Panel
Metode analisis yang digunakan dalam penelitian ini adalah metode
analisis kuantitatif. Analisis kuantitatif digunakan untuk menganalisis informasi
27
kuantitatif (data yang bisa diukur, diuji, dan ditransformasikan dalam bentuk
persamaan, tabel dan sebagainya). Untuk mengetahui besarnya pengaruh variabel
independent derhadap variabel dependent maka penelitian menggunakan model
analisis ekonometrika dengan metode regresi linier berganda. Metode analisis
yang dipakai dalam model adalah OLS (Ordinary Least Square) atau Metode
Kuadrat Terkecil Biasa. Metode ini memiliki sifat-sifat statistic yang menarik dan
telah membuat metode ini sebagai salah satu metode paling kuat dan dikenal
dalam analisis regresi (Gujarati; 2010) dan dapat dinyatakan dalam fungsi sebagai
berikut:
Dimana:
= Tingkat Pengangguran Terbuka
= Konstanta
= Koefisien regresi dari X1
= Koefisien regresi dari X2
= Koefisien regresi dari X3
= PDRB
= Investasi
= Upah Minimum Kab/Kota
= Standart error
28
2. Uji Statistik
a. Pemilihan teknik estimasi regresi data panel
Ada tiga teknik yang bisa digunakan dalam regresi data panel yaitu
teknik Common Effect, Fixed Effect dan Random Effect. Untuk
menentukan teknik yang paling tepat untuk mengestimasi regresi data
panel, harus melalui tiga uji yaitu uji Lagrange Multiplier (LM), uji
Chow, dan uji Hausman.
1) Uji Chow
Salah satu langkah untuk menentukan model terbaik dalam
penelitian data panel adalah dengan melakukan Uji Chow. Uji Chow
digunakan untuk menentukan pemilihan metode Pooled Least Square
atau Fixed Effect Model (FEM). Dalam uji ini membandingkan nilai
F hitung dengan F tabel dengan hipotesis sebagai berikut :
H0 = Pooled Least Square (PLS)
Ha = Fixed Effect Model (FEM)
Apabila F hitung > F tabel maka H0 ditolak, dan Ha diterima
Apabila F hitung < F tabel maka H0 diterima. Dan Ha ditolak
Atau
p-value cross-section Chi-Squere > maka H0 diterima dan Ha
ditolak,
p-value cross-section Chi-Squere < maka H0 ditolak dan Ha
diterima
29
Dasar dari penolakan terhadap hipotesa nol adalah dengan
menggunakan F-statistik seperti yang dirumuskan oleh Chow :
Dimana :
RRSS = Sum Squared Error dari model Commen Effect
URSS = Sum Squared Error dari model Fixed Effect
N = Jumlah cross section
n.t = Jumlah cross section x jumlah time series
k = Jumlah variabel independen
2) Uji Lagrange Multiplier (LM)
Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah
model random effect atau model common effect (OLS) yang paling
tepat digunakan. Uji signifikan random effect ini dikembangkan oleh
Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi Random
effect didasarkan pada nilai residual dari metode OLS.
Hipotesis:
Ho = Common Effect
H1 = Random Effect
Ketentuan:
a) Apabila LM hitung Tabel Chi Square, maka Ho ditolak dan
H1 diterima.
30
b) Apabila LM hitung Tabel Chi Square, maka Ho diterima
dan H1 ditolak.
3) Uji Hausman
Dari uji signifikan dua teknik di atas, diperoleh hasil bahwa
teknik yang paling tepat yaitu fixed effect dan random effect maka
akan diuji kembali dengan uji hausman. Kegunaan uji hausman yaitu
untuk memilih antara fixed effect atau random effect.
Uji hausman dapat didefinisikan sebagai pengujian statistik
untuk memilih apakah model fixed effect atau random effect yang
paling tepat digunakan. Pengujian uji hausman dilakukan dengan
hipotesis berikut:
Ho = Random Effect
H1 = Fixed Effect
Ketentuan:
a) Apabila p-value cross-section Chi-Squere < hitung maka
berarti H0 ditolak dan model fixed effect lebih tepat untuk
digunakan.
b) Apabila p-value cross-section Chi-Squere > berarti H0
diterima dan model random effect lebih tepat untuk
digunakan.
b. Uji Signifikan Parameter Secara Serentak (Uji F)
Uji statistik pada dasarnya menunjukkan apakah semua variabel
bebas yang dimasukkan dalam model mempunyai pengaruh secara
31
bersama-sama terhadap variabel terikat (Kuncoro, 2009). Hipotesis yang
digunakan:
Ho : b1=b2=.....bk = 0, artinya variabel independen bukan merupakan
variabel penjelas yang signifikan terhadapat variabel dependen
Ha : b1 b2 ...bk 0, artinya semua variabel independen secara
simultan merupakan penjelas yang signifikan terhadap variabel
dependen.
Untuk menguji kedua hipotesis ini digunakan statistik F. Nilai
statistik F di hitung dengan formula sebagai berikut :
F =
=
⁄
⁄
Dimana :
SSR = Sum of square due regression
SSE = Sum of squares error
N = Jumlah observasi
K = Jumlah Parameter (termasuk Intersep dalam model
MSR = mean of squares due to regression
MSE = mean of squares due to error
F hitung > F tabel maka H0 ditolak dan Ha diterima, artinya ada
pengaruh antara variabel bebas terhadap variabel terikat.
32
F hitung < F tabel maka H0 diterima dan Ha diterima, artinya tidak ada
pengaruh antara variabel bebas terhadap variabel terikat.
c. Uji Statistik t
Uji t yang dimaksudkan untuk menguji bagaimana pengaruh
masing-masing variabel bebasnya secara sendiri-sendiri terhadap variabel
terikatnya. Uji signifikasi adalah prosedur dimana hasil sampel digunakan
untuk menentukan keputusan untuk menerima atau menolak Ho
berdasarkan nilai uji statistic yang diperoleh dari data.
Pengujian setiap keofisiensi regresi dikatakan signifikan bila nilai
mutlak atau nilai probabilitas signifikan lebih kecil dari 0,05 (tingkat
kepercayaan yang dipilih) maka hipotesis nol (Ho) ditolak dan hipotesis
aternatif (H1) diterima, dan sebaliknya.
Hipotesis:
Ho : 0; artinya tidak ada pengaruh secara parsial antara variabel
bebas terhadap variabel terikat.
Ha : ; artinya ada pengaruh secara parsial antara variabel bebas
terhadap variabel terikat.
Ketentuan:
a) Bila > maka Ho ditolak dan H1 diterima. Artinya ada
pengaruh secara parsial antara variabel bebas (X) terhadap
variabel terikat (Y) adalah signifikan.
33
b) Bila maka Ho diterima dan H1 ditolak. Artinya tidak
ada pengaruh secara parsial antara variabel bebas (X) terhadap
variabel terikat (Y) adalah tidak signifikan.
d. Koefisien Determinasi
Uji koefisien regresi sampel dalam kecocokan data, atau dengan
kata lain menunjukan kemampuan variabel penjelas dalam
menerangkan variabel terikat. Nilai akan semakin tinggi apabila
jumlah variabel bebas dalam persamaan regresi ditambah tetapi derajat
kebebasannya semakin kecil. Namun meningkatnya tidak menjamin
bahwa model tersebut lebih baik dalam menjelaskan variabel terikat. Oleh
karena itu menggunakan yang sudah diperhitungkan derajat
kebebasannya. Adapun dapat dirumuskan sebagai berikut:
Apabila nilai semakin tinggi berarti menunjukan bahwa model
semakin baik dengan kata lain variabel penjelas dapat menjelaskan
variabel terikat dengan baik. Sebaliknya apabila makin rendah maka
model kurang baik dan kemampuan variabel bebas dalam menjelaskan
variabel terikat semakin rendah. Kegunaan koefisien determinasi ini
yaitu:
1. Untuk mengukur ketetapan suatu garis regresi yang ditetapkan suatu
kelompok data observasi, apabila semakin besar makan akan
34
semakin tepat suatu garis regresi. Sebaliknya semakin kecil nilai
menunjukan semakin tidak tepat regresi tersebut untuk mewakili data
observasi koefisien determinasi mempunyai nilai antara 0 dan 1
(0 1).
2. Untuk mengukur besarnya presentase dari jumlah variasi dari variabel
dependent dan tepat dikatakan seberapa jauh variabel independent
mampu menerangkan variabel dependent.