Upload
hoangtuyen
View
214
Download
0
Embed Size (px)
Citation preview
39
BAB III
METODOLOGI PENELITIAN
3.1. Jenis Penelitian
Penelitian ini dilakukan untuk mengetahui ada tidaknya pengaruh antara
variabel independen terhadap variabel dependen yang di teliti kemudian dianalisis
menggunakan hipotesa. Jenis penelitian ini adalah penelitian sebab – akibat
(kausalitas).
3.2. Sumber Data
Data yang dikumpulkan dalam penelitian ini adalah jenis data sekunder.
Data sekunder merupakan data yang diperoleh dari pihak lain yang bukan
pengolahnya. Data sekunder yang di gunakan adalah data deret waktu (time-series
data) untuk kurun waktu tahun 2007-2010 serta data kerat lintang (cross-section
data) yang meliputi 35 kabupaten/kota di Jawa Tengah. Data sekunder dari
penelitian ini di peroleh dari Kantor Badan Pusat Statistik Jawa Tengah, Jl.
Pahlawan Semarang. data yang diperoleh berupa data pertumbuhan ekonomi,
inflasi, tingkat kesempatan kerja dan tingkat kemiskinan.
3.3. Metode Penelitian
Metode penelitian yang di gunakan untuk mengkaji mengenai pengaruh
pertumbuhan ekonomi, inflasi dan tingkat kesempatan kerja terhadap tingkat
kemiskinan di Provinsi Jawa Tengah adalah metode kuantitatif.
“Metode penelitian kuantitatif dapat di artikan sebagai metode
penelitian yang berlandaskan pada filsafat positivisme, di gunakan
untuk meneliti pada populasi dan sample tertentu, teknik pengambilan
sample pada umumnya di lakukan secara random, pengumpulan data
40
menggunakan instrumen penelitian, analisis data bersifat
kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang telah
di tetapkan”.1
Penelitian ini terdiri dari tiga variabel Independen dan satu variabel
Dependen.
“Variabel dependen identik dengan variabel terkait, yang
dijelaskan, atau dependent variable. Sedangkan variabel independen
identik dengan variabel bebas, penjelas, atau
Independent/eksplanatory variable. Variabel ini biasanya di anggap
sebagai variabel prediktor atau penyebab karena memprediksi atau
menyebabkan variabel dependen”.2
Dalam penelitian ini yang merupakan variabel Dependen adalah Tingkat
kemiskinan, dan variabel independen terdiri dari Pertumbuahn ekonomi, inflasi
dan tingkat kesempatan kerja.
3.4. Teknik Pengumpulan Data
Adapun Metode pengumpulan data yang digunakan dalam penelitian ini
adalah :
1. Dokumentasi, adalah teknik pengumpulan data dengan menggunakan dan
mencari data – data di instansi yang di teliti, dalam hal ini adalah studi
dokumentasi di Badan Pusat Statistik Jawa Tengah.
2. Wawancara tidak Terstruktur, adalah wawancara yang bebas, dan tidak
menggunakan pedoman yang rinci dan sistematis.
3. Studi Perpustakaan (library reseach)
1 Sugiyono, Metode Penelitian Pendidikan: pendekatan Kuantitatif, Kualitatif dan
R&D, Penerbit Alfabeta, Bandung, 2010, hal 14 2 Mudrajad, Kuncoro, Metode Kuantitatif: Teori dan Aplikasi Untuk Bisnis dan
Ekonomi. Penerbit (UPP) STIM YKPN, Yogyakarta, 2007, hal 05
41
3.5. Variabel Penelitian
“Variabel penelitian adalah suatu atribut atau sifat atau nilai dari
orang, obyek atau kegiatan yang mempunyai variasi tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya”.3
Penelitian ini menggunakan dua variabel yaitu :
1. Variabel Dependen: Tingkat Kemiskinan (Y)
Merupakan jumlah penduduk miskin di Jawa Tengah dari tahun ke tahun yang
dinyatakan dalam satuan persen.
2. Variabel independen:
a. Pertumbuhan Ekonomi (X1)
Merupakan pertumbuhan PDRB dari tahun ke tahun yang dinyatakan dalam
satuan persen.
b. Inflasi (X2)
Merupakan laju inflasi di setiap tahunya dari tahun 2006-2010 yang
dinyatakan dalam satuan persen.
c. Tingkat Kesempatan Kerja (X3)
Merupakan perbandingan antara jumlah penduduk yang bekerja dan jumlah
angkatan kerja yang dinyakatan dalam satuan persen.
3.6. Taknik Analisis Data
Teknik analisis data dalam penelitian ini menggunakan analisis regresi linier
berganda dengan jenis data panel data (pooled data) yang mengkombinasikan
antara data time series dan cross section, yang sering disebut pooled time series.
Alat yang di gunakan dalam pengolahan data menggunakan program Eviews 5.
3 Sugiono, op.cit. hal. 61.
42
“Ciri khusus data runtut waktu adalah berupa urutan numerik
dimana interval antar observasi atas sejumlah variabel bersifat
konstan dan tetap. Serta data silang tempat adalah suatu unit analisis
pada suatu titik waktu tertentu dengan observasi atas sejumlah
variabel. Unit analisis dalan hal ini dapat individu, kota, kabupaten,
provinsi, negara, bisnis, rumah tangga atau industri. Jadi bila
sejumlah variabel untuk sejumlah silang tempat yang berbeda
diobservasi selama kurun waktu tertentu, maka akan di peroleh data
pooling”.4
Untuk menganalisis data panel dalam penelitian ini digunakan Metode
analisis yang digunakan adalah metode Ordinary Least Squares (OLS) yang
bersifat BLUE (Best Linier Unbiased Estimator).
“Metode Pangkat Kuadrat Terkecil Biasa (OLS) diperkenalkan
pertama kali oleh Carl Friedrich Gauss, seorang ahli matematika dari
jerman. Inti metode OLS adalah mengestimasi suatu garis regresi
dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap
observasi terhadap garis tersebut”.5
3.6.1. Model Analisis Regresi Data Panel (Pooled Time Series)
Dalam data panel, unit cross section yang sama di survei dalam
beberapa waktu. Dalam model penel data, persamaan model dengan
menggunakan data cross section dapat di tulis sebagai berikut :
Yi = ß0+ß1 Xi+ɛi ; i = 1,2,..., N ................................................................... (3.1)
Dimana N adalah banyaknya data cross section
Sedangkan persamaan model dengan time-series adalah :
Yi = ß0+ß1 Xt+ɛt ; t = 1,2,..., N ................................................................... (3.2)
Dimana T adalah banyaknya data time-series
Penelitian mengenai pengaruh pertumbuhan ekonomi, inflasi dan
tingkat kesempatan kerja di kabupaten/Kota Jawa Tengah, menggunakan data
4 Mudrajad, Kuncoro, op.cit. hal. 111
5 Ibid. Hal. 79
43
time series selama 4 (empat) tahun terakhir yang di wakili data tahunan dari
2007 – 2010 serta data cross section sebanyak 35 data mewakili
kabupaten/kota di Jawa Tengah. kombinasi atau Pooling menghasilkan 140
observasi dengan fungsi persamaan data panelnya dapat di tuliskan sebagai
berikut :
Y = ß0 + ß1 X1 + ß2 X2 + ß3 X3 + e .................................................. (3.3)
Dimana :
Y : Tingkat Kemiskinan
X1 : Pertumbuhan Ekonomi
X2 : Inflasi
X3 : Tingkat Kesempatan Kerja
b0 : Parameter konstan
ß1,ß2,ß3 : koefisien Regresi
e : faktor error
Disini yang sangat menentukan sebagai dasar analisis adalah nilai dari
koefisien regresi. Hal ini berarti apabila koefisien b bernilai positif (+) maka
dapat di katakan terjadi pengaruh searah variabel independen terhadap variabel
dependen, setiap kenaikan nilai variabel independen akan mengakibatkan
kenaikan variabel dependen. Sebaliknya, apabila bernilai negatif (-) hal ini
menunjukan adanya pengaruh negatif dimana kenaikan nilai variabel
independen akan mengakibatkan penurunan nilai variabel dependen.
Penelitian mengenai pengaruh variabel – variabel pertumbuhan
ekonomi (PE), inflasi (IF), tingkat kesempatan kerja (KK) terhadap kemiskinan
44
(KM) di kabupaten/Kota Jawa Tengah, menggunakan data time series selama 4
(empat) tahun terakhir yang di wakili data tahunan dari 2007 – 2010 serta data
cross section sebanyak 35 data mewakili kabupaten/kota di Jawa Tengah.
kombinasi atau Pooling menghasilkan 140 observasi.
3.6.2. Uji Asumsi Klasik
Dengan pemakaian metode OLS, diperlukan pendeteksian apakah model
tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut terdiri dari:
1. Uji Multikolinearitas
Multikolinearitas merupakan keadaan dimana terdapat satu atau lebih
hubungan linier antar variabel independen. Multikolinearitas akan bermasalah
apabila terdapat hubungan antar variabel independenya, selain itu juga
menyebabkan kesalahan pada koefisien (Uji t) menjadi indikator yang tidak
dipercaya. Untuk mendeteksi adanya multikolinearitas dalam penelitian ini
menggunakan auxiliary regression. Apabila R2
regresi persamaan utama lebih
besar dari R2
regresi auxiliary maka tidak terjadi multikolinearitas. Selain
menggunakan R2, ada atau tidaknya multikolinearitas juga dapat dideteksi
menggunakan F hitung serta t hitung. Kemungkinan terdapat multikolinearitas
jika R2
dan F hitung tinggi. Sedangkan nilai t hitung banyak yang tidak
signifikan.
2. Uji Heterokedastisitas
Deteksi Heterokedastisitas bertujuan untuk menguji apakah variabel
gangguan memiliki varians yang sama atau tidak dalam model persamaan
regresi.
45
Untuk menguji ada tidaknya heterokedastisitas, salah satu metode yang
di gunakan adalah Uji White. Pada prinsipnya meregres residual yang
dikuadratkan dengan variabel bebas pada model. Jika nilai prob > 0,05 maka
tidak ada heterokedastisitas, jika nilai prob < 0,05 maka ada heterokedastisitas.
3. Uji Autokorelasi
Uji outokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan periode t-1. Jika terjadi korelasi maka dinamakan ada problem
autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi. Salah
satu pengujian yang umum digunakan untuk mengetahui adanya autokorelasi
adalah uji statistik-d Durbin-Watson yang dihitung berdasarkan jumlah selisih
kuadrat nilai-nilai taksiran faktor – faktor gangguan yang berurutan.
“Secara intuisi dapat dilihat jika terdapat autokorelasi positif,
maka nilai-nilai faktor gangguan yang berurutan akan cenderung
mendekati satu sama lain; yaitu nilai positif Ut statistik-d akan
menjadi relatif kecil. Oleh karena itu dapat diperkirakan bahwa
otokorelasi positif akan menghasilkan nilai yang kecil bagi d.
Sebaliknya, autokorelasi yang negatif akan cenderung memperbesar
selisih di antara nilai – nilai U yang berurutan. Autokorelasi negatif
ini ditandai oleh nilai d yang besar”.6
Jika dari hasil perhitungan menunjukan nilai signifikan > 0,05 maka
dalam model tidak terjadi autokorelasi.
4. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel pengganggu atau residual memiliki distribusi normal atau tidak.
6 Gunawan, Sumodiningrat, 2009, Ekonometrika Pengantar Edisi 2, Penerbit: BPFE
UGM, Yogyakarta, hal. 227
46
Seperti diketahui bahwa uni t dan F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik
menjadi tidak berlaku. Terdapat beberapa metode untuk mengetahui normal
atau tidaknya distribusi residual antara lain Jarque-Bera (J-B) test dan metode
grafik. Dalam penelitian ini akan menggunakan metode J-B Test, apabila J-B
hitung < nilai χ2
(Chi-Square) tabel, maka nilai residual terdistribusi normal.
3.6.3. Uji Kriteria Statistik
Uji signifikansi merupakan prosedur yang digunakan untuk menguji
kebenaran atau kesalahan dari hasil hipotesis nol dari sampel. Ide dasar yang
melatarbelakangi pengujian signifikansi adalah uji statistik (estimator) dari
distribusi sampel dari suatu statistik dibawah hipotesis nol. Keputusan untuk
mengolah Ho dibuat berdasarkan nilai uji statistik yang diperoleh dari data
yang ada.
Uji statistik terdiri dari pengujian koefisien regresi parsial (uji t),
pengujian koefisien regresi secara bersama-sama (uji F), dan pengujian
koefisien determinasi (uji-R2).
1. Uji Signifikansi Parameter Individual (Uji t)
Uji signifikansi parameter individual (uji t) dilakukan untuk melihat
signifikansi dari pengaruh variabel independen terhadap dependen secara
individual dan menganggap variabel lain konstan.
“Cara melakukan uji t adalah sebagai berikut:
1) Quick look : jika jumlah degree of freedom (df) adalah 20 atau
lebih dan derajat kepercayaan sebesar 5 persen, maka Ho dapat
ditolak jika nilai t lebih besar dari 2 (dalam nilai absolut). Dengan
kata lain menerima hipotesis alternatif, yang menyatakan bahwa
47
suatu variabel independen secara individual mempengaruhi
variabel dependen.
2) Membandingkan nilai statistik t dengan titik kritis menurut tabel.
Jika nilai statistik t hasil perhitungan lebih tinggi dibandingkan
nilai t tabel, menerima hipotesis alternatif yang menyatakan bahwa
suatu variabel independen secara individual mempengaruhi
variabel dependen”.7
Hipotesis yang digunakan:
1. Ho : ß1 = 0 tidak ada pengaruh antara variabel Pertumbuhan Ekonomi
dengan kemiskinan.
Ha : ß1 < 0 ada pengaruh negatif antara variabel Pertumbuhan
Ekonomi dengan kemiskinan.
2. Ho : ß2 = 0 tidak ada pengaruh antara variabel inflasi dengan
kemiskinan.
Ha : ß2 > 0 ada pengaruh positif antara variabel inflasi dengan
kemiskinan.
3. Ho : ß2 = 0 tidak ada pengaruh antara variabel kesempatan kerja
dengan kemiskinan.
Ha : ß2 > 0 ada pengaruh negatif antara variabel kesempatan kerja
dengan kemiskinan.
Nilai t hitung dicari dengan rumus:
t =
......................................................................................... (3.2)
dimana:
𝞫i = parameter yang diestimasi
𝞫i* = nilai hiotesis dari 𝞫i (H0 : 𝞫i = 𝞫i*)
7 Mudrajad, Kuncoro, op.cit. hal. 82.
48
SE = simpangan baku 𝞫i
Pada tingkat signifikansi 5 persen dengan pengujian yang digunakan
adalah sebagai berikut:
a) Jika t-hitung > t-tabel maka H0 ditolak, artinya salah satu variabel
independen mempengaruhi variabel dependen secara signifikan.
b) Jika t-hitung < t-tabel maka H0 diterima, artinya salah satu variabel
independen tidak mempengaruhi variabel dependen secara signifikan.
2. Uji Signifikansi Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas
yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat.
“Untuk menguji hipotesis digunakan statistik F dengan pengambilan
keputusan sebagai berikut:
a) Quick look : jika nilai F lebih besar daripada 4 maka Ho
dapat ditolak pada derajat kepercayaan 5 persen, dengan kata lain
menerima hipotesis alternatif, yang menyatakan bahwa semua
variabel independen secara serentak dan signifikan mempengaruhi
variabel dependen.
b) Membandingkan nilai F hasil perhitungan dengan nilai F
menurut tabel. Jika nilai F hitung lebih besar daripada nilai F tabel,
maka Ho ditolak dan Ha diterima”.8
Hipotesis yang digunakan dalam uji signifikansi simultan ini adalah:
1. Ho : ß1 = ß2 ß3 semua variabel independen tidak mampu mempengaruhi
variabel dependen secara bersama-sama.
2. Ha : ß1 ≥ ß2 ß3 semua variabel independen mampu mempengaruhi
variabel dependen secara bersama-sama.
Nilai F hitung dirumuskan sebagai berikut:
8 Ibid. hal.83
49
........................................................................ (3.3)
dimana:
k = jumlah parameter yang diestimasi termasuk kostanta
N = jumlah observasi
Pada tingkat signifikansi 5 persen dengan kriteria pengujian yang
digunakan sebagai berikut:
a) H0 diterima dan H1 ditolak apabila F hitung < F tabel, yang artinya
variabel penjelas secara bersama-sama tidak mempengaruhi variabel
yang dijelaskan secara signifikan.
b) H0 ditolak dan H1 diterima apabila F hitung > F tabel, yang artinya
variabel penjelas secara bersama-sama mempengaruhi variabel yang
dijelaskan secara signifikan.
3. Uji Koefisien Determinasi (Uji R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan suatu
model dalam menerangkan variasi variabel terikat. Nilai (R2) adalah antara nol
dan satu. Nilai (R2
) yang kecil (mendekati nol) berarti kemampuan satu
variabel dalam menjelaskan variabel dependen amat terbatas. Nilai yang
mendekati satu berarti variabelvariabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variabel dependen.
Kelemahan mendasar penggunaan determinasi adalah bias terhadap
jumlah variabel independen yang dimasukkan ke dalam model. Setiap
tambahan satu variabel pasti meningkat tidak peduli apakah variabel tersebut
berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu,
50
banyak peneliti menganjurkan untuk menggunakan nilai adjusted (R2
) pada
saat mengevaluasi model regresi yang terbaik. Nilai koefisien determinasi
diperoleh dengan formula:
∑
∑ .......................................................................... (3.4)
dimana:
y*
= nlai y estimasi
y = nilai y aktual `