BAB III METODE PENELITIAN
A.
Ruang Lingkup Penelitian Ditinjau dari jenis datanya pendekatan penelitian yang digunakan dalam penelitian ini adalah pendekatan kuantitatif. Yang dimaksud dengan penelitian kuantitatif menurut Arikunto (2006) adalah pendekatan penelitian yang banyak dituntut menguakan angka, mulai dari pengumpulan data, penafsiran terhadap data tersebut, serta penampilan hasilnya. Penelitian ini memiliki 4 variabel, dimana terdiri dari 1 variabel dependen dan 3 variabel independen. Variabel dependen dalam penelitian ini adalah jumlah tenaga kerja, sedangkan variabel independen terdiri dari pertumbuhan industri, nilai investasi, dan unit usaha. Data yang digunakan merupakan data tahunan dan hanya pada sektor industri.
B.
Definisi Operasional Variabel Penelitian ini menggunakan variable dependen berupa jumlah tenaga kerja di Sektor Industri, sedangkan variable independen terdiri dari pertumbuhan industri, nilai investasi, dan unit usaha. Definisi operasional variable akan dijelaskan sebagai berikut: 1.
Variabel Dependen Variabel dependen dalam penelitian ini adalah jumlah tenaga kerja sektor industri di Sukoharjo. Menurut Dumairy (1997) yang tergolong sebagai tenaga kerja adalah penduduk yang mempunyai
37
38
umur didalam batas usia kerja. Data operasional yang digunakan dalam penelitian ini diambil dari data yang dikeluarkan oleh Badan Pusat Statistik berdasarkan perhitungan tahunan dan dinyatakan dalam bentuk jiwa. 2.
Variabel Independen a.
Pertumbuhan Industri Pertumbuhan industri dilihat berdasarkan pertumbuhan ekonomi yang dihitung dari perubahan PDRB atas dasar harga konstan (PDRB riil) yang menggambarkan nilai tambah barang dan jasa yang dihitung dengan menggunakan harga berlaku pada tahun 2010 sebagai tahun dasar. Data yang digunakan dibatasi hanya pada sektor industri di Sukoharjo dengan satuan persen (%).
b.
Nilai Investasi Investasi adalah kegiatan dalam menanamkan modal dana dalam suatu bidang tertentu. Investasi yang digunakan dalam penelitian ini merupakan investasi pada industri kecil di Kabupaten Sukoharjo. Jumlah Investasi dalam penelitian ini dinyaatakan dalam satuan Jutaan Rupiah.
c.
Unit Usaha Menurut dinas perindustrian, unit usaha merupakan jumlah perusahaan industri pengolahan yang beroperasi, yang dihitung dalam satuan unit usaha. Unit usaha adalah suatu usaha kegiatan ekonomi pada suatu tempat tersendiri yang dilakukan
39
oleh pemilik perorangan atau suatu badan usaha. Dalam penelitian ini, unit usaha yang digunakan yaitu jumlah unit usaha industri kecil
C.
Metode Pengumpulan Data 1.
Jenis Data Penelitian ini menggunakan data kuantitatif berupa data sekunder yang merupakan data yang diperoleh dalam bentuk sudah jadi berupa publikasi. Data kuantitatif yakni data yang dapat dihitung atau data yang dapat dinyatakan dalam angka. Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistika.
2.
Sumber Data Data yang digunakan bersumber dari publikasi resmi Badan Pusat Statistika Sukoharjo dengan data yang meliputi jumlah tenaga kerja, pertumbuhan industri, nilai invetasi, dan unit usaha pada sektor industri di Kabupaten Sukoharjo.
D.
Metode Analisis Data Teknik analisis yang digunakan dalam peneltian ini adalah menggunakan teknik analisis regresi linier berganda untuk memperoleh gambaran yang menyeluruh mengenai hubungan antara variable satu dan variable yang lain. Adapun persamaan regresi linear berganda yang akan digunakan pada penelitian ini :
40
TK = ? + ??PI + ??INVEST + ??UNTSHA + ?
Kemudian di transformasi menggunakan Double Log sehingga hasil persamaannya sebagai berikut: logTK? ? + ??PI + ??logINVEST + ??logUNTSHA + ?
Keterangan
:
TK
: Tenaga Kerja Sektor Industri Kecil (Jiwa)
α
: Konstanta
??????
: Koefisien Regresi
PI
: Pertumbuhan Industri (Persen)
INVEST
: Investasi Industri Kecil (Juta)
UNTUSHA
: Unit Usaha Industri Kecil (Unit)
?
: Error Untuk menguji pengaruh antara variabel penjelas terhadap jumlah
tenaga kerja digunakan Regresi linier berganda (metode Ordinary East Square/OLS) dengan menggunakan alat bantu softwareEviews 8. Adapun beberapa uji yang harus dilakukan di antaranya yaitu: 1.
Uji Asumsi Klasik Gujarati (2003) mengatakan bahwa beberapa masalah yang muncul pada saat analisis regresi untuk mengestimasisuatu model dengan sejumlah data variable. Masalah masalah tersebut adalah multikolinieritas, heterokesdastitas, autokorelasi dan normalitas a.
Uji Normalitas Uji normalitas bertujuan untuk menguji salah satu asumsi dasar analisis regresi linier berganda, yaitu variabel independen
41
dan dependen harus berdistribusi normal atau mendekati normal (Gujarati, 2009). Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.Dalam penelitian ini pendekatan yang dilakukan untuk mendeteksi normalitas data dengan membandingkan Jarque-Bera (JB) Test dengan tingkat alpha 0,05 (5%). Apabila nilai Prob. JB hitung lebih besar dari 0,05 maka dapat disimpulkan bahwa residual terdistribusi normal dan sebaliknya, apabila nilai Prob. JB lebih kecil dari 0,05 maka tidak cukup bukti untuk menyatakan bahwa residual terdistribusi normal. b.
Uji Multikolinearitas Untuk menguji model regresi apakah terjadi hubungan yang sempurna atau hampir sempurna antar variabel bebas, sehingga sulit untuk memisahkan pengaruh antara variabelvariabel bebas itu secara individu terhadap variabel terikat digunakan uji multikolinearitas. Adanya multikolinearitas sebagai akibat nilai F hitung dan R2 signifikan, sedangkan sebagian atau seluruh koefisien regresi tidak signifikan. Uji multikolinearitas dalam sebuah model empirik dapat dilakukan dengan dua metode, yaitu dengan pendekatan korelasi parsial
dan
pendekatan
koutsoyiannis.
Penelitian
ini
menggunakan pendekatan korelasi parsial sebagai metode dalam menguji multikolinearitas.
42
Cara dari pendekatan ini yaitu dengan membandingkan nilai R2a
pada hasil regresi awal dengan nilai R2 pada
pendekatan parsial. Jika nilai R2 < R2a, maka model terbebas dari masalah multikolinearitas. c.
Uji Heterokesdasitas Asumsi dari model regresi linear klasik adalah kesalahan pengganggu mempunyai variasi yang sama. Apabila asumsi tersebut tidak terpenuhi maka akan terjadi heterokesdasitas. Heteroskedastisitas adalah variansi dari error model regresi tidak konstan atau variansi antara error yang satu dengan error yang lain berbeda (Widarjono, 2007). Terdapat beberapa metode uji heteroskedastisitas yang dimiliki oleh EViews, seperti : Uji Breusch-Pagan-Godfrey, Uji Park, Uji Glejser, Uji LM ARCH, dan Uji White. Namun dalam penelitian ini menggunakan metode uji White untuk menguji heteroskedastisitas. Kriteria pengujian dalam uji White adalah apabila nilai probabilitas Chi-Square lebih besar dari 0,05 (5%) atau x2 hitung lebih kecil dari x2 tabel, maka data dalam penelitian tidak mengalami masalah heterokedastisitas.
d.
Uji Autokorelasi Autokorelasi didefiniskan sebagai korelasi antara anggota serangakaian
observasi
yang
diurutkan
menurut
waktu
(timeseries) (Rustiono, 2008). Masalah autokorelasi pada
43
umumnya sering muncul pada data timeseries namun tidak dapat dipungkiri bahwa pada data crosssection juga akan terdapat masalah autokorelasi. Dalam model regresi linier klasik dapat diasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan yang berhubungan dengan observasi lain (disturbansi) yang dapat menyebabkan terjadinya autokorelasi. Adanya permasalahan autokorelasi akan menyebabkan hasil taksiran regresi menjadi tidak signifikan. Autokorelasi serangkaian
merupakan
observasi
yang
korelasi diurutkan
antara menurut
anggota waktu
(timeseries) atau ruang (crosssection). Adapun penyebab Autokorelasi adalah kelambanan (inersia), Bias spesifikasi : kasus variabel yang tidak dimasukkan, Bias spesifikasi : bentuk fungsional yang tidak benar, fenomena Cobweb, keterlambatan waktu (lag) dan manipulasi data (Gujarati, 2003). Metode yang digunakan dalam penelitan ini adalah metode Breush- Godfrey Serial Correlation LM Test (BG-Test). Apabila nilai Prob. F hitung lebih besar dari tingkat alpha 0,05 (5%) maka hipotesis mengatakan bahwa tidak terjadi autokorelasi. Sedangkan apabila nilai Prob. F hitung lebih kecil dari tingkat alpha 0,05 (5%) maka hipotesis mengatakan bahwa terjadi autokorelasi.
44
2.
Pengujian Hipotesis Uji signifikansi (pengaruh nyata) variabel independen (X) terhadap variabel dependen (Y) baik secara parsial maupun secara simultan. Pengujian hipotesis dilakukan dengan uji statistik t (t-test), uji F (F-test), dan koefisien determinasi (R2). a.
Uji Statistik t Uji t dilakukan untuk memastikan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen (Ghozali, 2009). Langkah-langkah pengujian sebagai berikut: 1)
Hipotesis Ho : β1 = 0, artinya variabel independen secara individu tidak berpengaruh signifikan terhadap variabel dependen. Ha : β1 ≠ 0, artinya variabel independen secara individu berpengaruh terhadap variabel dependen.
2)
Menentukan Tingkat Signifikansi Tingkat signifikansi penelitian ini menggunakan 0,05 (α=5%)
3)
Perhitungan uji t Nilai t hitung : dicari berdasarkan perhitungan hasil Nilai t tabel : dicari di t tabel pada signifikansi 0,05 Df = n – k – 1 (n: jumlah sampel ; k: jumlah variabel)
45
4)
Kesimpulan
Gambar 3.1 Daerah pengujian satu sisi kanan arah positif
Apabila t hitung < t tabel, maka Ho diterima Apabila t hitung > t tabel, maka Ho ditolak
Gambar 3.2 Daerah pengujian satu sisi kiri arah negatif
Apabila t hitung ≤ - t tabel, maka Ho diterima Apabila t hitung < - t tabel, maka Ho ditolak b.
Uji F Uji F pada dasarnya menunjukkan bahwa apakah semua variable bebas yang dimasukkan beprengaruh secara bersamasama terhadap variable terikat (Ghozali,2006). Pengujian yang dilakukan dengan membandingkan nilai F hitung dengan F tabel. Jika F hitung lebih besar dari F tabel maka hasilnya adalah
46
signifikan, sebaliknya jika F hitung lebih kecil dari F tabel maka hasilnya adalah tidak signifikan. Langkah-langkah pengujian sebagai berikut: 1)
Menentukan hipotesis nol dan hipotesis alternative Ho : β1 = β2 = β3 = β4 = β5 = 0 Artinya variabel independen secara serentak tidak berpengaruh terhadap variabel dependen. Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0 Artinya variabel independen secara serentak berpengaruh terhadap variabel dependen.
2)
Menentukan taraf signifikansi Tingkat signifikansi pada penelitian ini menggunakan 0,05 (α=5%)
3)
Perhitungan uji F Nilai F hitung : dicari berdasarkan perhitungan hasil Nilai F tabel : dicari di F tabel pada signifikansi 0,05 df1 = k-1
; df2 = n-k (k:jumlah variabel ; n:jumlah
sampel) 4)
Kesimpulan F hitung < F tabel, maka Ho diterima F hitung > F tabel, maka Ho ditolak
c.
Koefisien Determinasi (R2) Analisis determinasi R2 digunakan untuk mengetahui proporsi pengaruh variabel independen secara serentak terhadap
47
variabel dependen. Berikut merupakan sifat dari koefisien determinasi (R2), yaitu: 1)
Koefisien determinasi merupakan besaran nonnegative.
2)
Koefisien determinasi memiliki batas 0 ≤ R2≤1. Suatu R2 sebesar 1 berarti suatu kecocokan sempurna
sedangkan R2 yang bernilai nol berarti tidak ada hubungan antara variabel dependen dengan variabel independen. Dalam hubungannya regresi, R2 adalah ukuran yang lebih berarti daripada R karena R2 mengatakan bahwa proporsi variasi dalam variabel dependen yang dijelaskan oleh variabel indepeden dan karenanya memberikan suatu ukuran keseluruhan mengenai sejauh mana variasi dalam satu variabel menentukan variasi dalam variabel lain tetapi R tidak mempunyai nilai seperti itu (Gujarati, 2003).
