BAB III METODE PENELITIAN
A. Ruang Lingkup Penelitian Penelitian ini merupakan analisis mengenai pengaruh jumlah obyek wisata, jumlah wisatawan dan Produk Domestik Regional Bruto terhadap retribusi daerah di Provinsi Jawa Tengah yang memiliki 29 kabupaten dan 6 kota. Penelitian ini mengenai gambaran pertumbuhan jumlah obyek wisata, jumlah wisatawan dan Produk Domestik Regional Bruto yang dapat diteliti sehingga dapat menunjukkan pengaruhnya terhadap retribusi daerah di Provinsi Jawa Tengah.
B. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian merupakan data sekunder berupa pooled data, dengan periode pengamatan tahun 2011-2013 tiap kabupaten/kota di Jawa Tengah. Pooled data adalah sekelompok data individu yang diteliti selama rentan waktu tertentu. Data sekunder yang digunakan diperoleh dari Badan Pusat Statistik (BPS) Provinsi Jawa Tengah. Data sekunder yang digunakan untuk melengkapi data peneliti yaitu laporan Jawa Tengah Dalam Angka yang berupa realisasi retribusi daerah, banyaknya obyek wisata, banyaknya pengunjung/wisatawan, dan Produk Domestik Regional Bruto perkapita dari masing-masing kabupaten/kota di Jawa Tengah. 43
44
C. Definisi Operasional Variabel Variabel-variabel yang digunakan dalam penelitian ini adalah variabel dependen dan variabel independen. Variabel dependen (terikat)/dipengaruhi adalah variabel yang dipengaruhi variabel independen (bebas). Sedangkan variabel independen (bebas)/mempengaruhi adalah variabel yang menjadi sebab perubahan atau timbulnya variabel dependen (terikat), mempengaruhi variabel lain (Kurniawan, 2014: 73). Variabel dalam penelitian ini adalah sebagai berikut: 1. Jumlah Obyek Wisata Merupakan jumlah obyek wisata menurut kabupaten/kota di Jawa Tengah tahun 2011-2013 yang dinyatakan dalam satuan tempat. 2. Jumlah Wisatawan Merupakan banyaknya wisatawan yang berkunjung ke obyek wisata menurut kabupaten/kota di Jawa Tengah tahun 2011-2013. Wisatawan yang dimaksud meliputi wisatawan mancanegara maupun wisatawan nusantara, diukur dengan jumlah orang. 3. Produk Domestik Regional Bruto Merupakan Produk Domestik Regional Bruto atas dasar harga konstan menurut kabupaten/kota di Jawa Tengah tahun 2011-2013 yang dinyatakan dalam satuan rupiah. 4. Retribusi Daerah Merupakan realisasi retribusi daerah menurut kabupaten/kota di Jawa Tengah tahun 2011-2013 yang dinyatakan dalam satuan rupiah.
45
D. Teknik Analisa Data 1. Regresi Data Panel (Pooled Data) Alat analisis yang digunakan dalam menganalisis pengaruh jumlah obyek wisata, jumlah wisatawan dan Produk Domestik Regional Bruto terhadap retribusi daerah di Jawa Tengah adalah panel data (Pooled Data), yaitu gabungan antara data runtut waktu (time series) dan antar wilayah (cross section). Ada tiga metode yang dapat digunakan dalam data panel, yaitu sebagai berikut: a. Pooled Least Square (Common Effect Model) Common Effect Model (CEM) merupakan metode pengolahan dengan menggabungkan data cross section dan time series. Kemudian data gabungan diperlakukan sebagai suatu kesatuan pengamatan tanpa melihat adanya perbedaan waktu dan individu untuk mengestimasi model dengan metode Ordinary Least Square (OLS). Metode ini mengasumsikan perilaku data antar individu dianggap sama dalam berbagai kurun waktu (Gujarati, 2003). Regresi data panel dengan Common Effect Model (CEM) mempunyai bentuk sebagai berikut: Yit= β1+β2Xit+β3X3it+µit
(3.1)
b. Fixed Effect (Covariance Model) Menurut Gujarati (2003), salah satu cara untuk memperhatikan unit cross section pada model regresi data panel adalah dengan mengizinkan nilai intersep berbeda-beda untuk setiap unit cross
46
section tetapi masih mengasumsikan slope koefisien tetap. Metode dengan Fixed Effect Model (FEM) menambahkan variabel dummy untuk mengizinkan adanya perubahan intersep. Meskipun intersep bervariasi tiap unit, tetapi tidak berbeda dalam tiap waktu. Persamaan umum Fixed Effect Model (FEM) dapat dituliskan sebagai berikut: Yit= β1+β2Xit+β3X3it+µit
(3.2)
Variabel dummy digunakan untuk mengetahui besarnya perbedaan koefisien tiap unit, dan model dapat dituliskan sebagai berikut: Yit=α1+α2D2i+α3D3i+α4D4i+β2X2it+β3Xit+µit
(3.3)
c. Random Effect (Error Component Model) Random Effect Model (REM) disebut juga dengan pendekatan regresi
data
panel
dengan
pendekatan
autokorelasi
yang
mengasumsikan terdapat korelasi antar observasi karena berubahnya waktu maupun berbedanya unit observasi. Model dituliskan sebagai berikut: Yit= β1i+ β2X2it+β3Xit+µit
(3.4)
2. Pemilihan Teknik Analisis Regresi Data Panel Untuk menentukan teknik mana yang paling tepat
dalam
mengestimasi data panel maka perlu dilakukan pengujian, pertama Restricted F test (Chow-test), digunakan untuk memilih antara metode Common Effect Model (CEM) atau Fixed Effect Model (FEM). Kedua, untuk memilih antara Fixed Effect Model (FEM) atau Random Effect Model (REM) dapat dilihat pada hasil uji Hausman.
47
a. Pemilihan antara Common Effect Model atau Fixed Effect Model Uji yang digunakan untuk memilih apakah model yang digunakan Common Effect Model (CEM) atau Fixed Effect Model (FEM) adalah Restricted F Test. Hipotesis yang digunakan adalah sebagai berikut: H0 : Common Effect Model (Restricted) H1 : Fixed Effect Model (Unrestricted) Adapun formulasi Restricted F Test adalah sebagai berikut: 2 ( R UR R R2 ) / m F 2 (1 R UR )/n k
(3.5)
Dimana: R2UR = koefisien determinasi dari model regresi unrestricted (FEM) R2R = koefisien determinasi dari model regresi restricted (CEM) m
= jumlah variabel pada model regresi restricted
n
= jumlah seluruh observasi
k
= jumlah variabel independen pada model regresi unrestricted
Apabila hasil nilai F hitung lebih besar dari F tabel maka dianggap signifikan, berarti estimasi dengan Fixed Effect Model (FEM) lebih baik dibandingkan estimasi dengan Common Effect Model (CEM).
48
b. Pemilihan antara Fixed Effect Model atau Random Effect Model Untuk memilih antara Fixed Effect Model (FEM) atau Random Effect Model (REM), akan dilihat pada hasil uji Hausman. Hipotesis yang digunakan sebagai berikut: H0 : Random Effect Model (REM) H1 : Fixed Effect Model (FEM) Apabila hasil nilai probabilitas Chi-Square (χ2) > α, maka menerima H0. Apabila hasil nilai probabilitas Chi-Square (χ2) < α, maka menolak H0, yang berarti berarti estimasi dengan Fixed Effect Model (FEM) lebih baik dibandingkan estimasi dengan Random Effect Model (REM). Model persamaan umum yang digunakan dalam penelitian adalah: LogRD = β0 + β1 LogJOW + β2 LogJW + β3 LogPDRB + μ Di mana: RD
= Retribusi Daerah
JOW
= Jumlah Obyek Wisata
JW
= Jumlah Wisatawan
PDRB = Produk Domestik Regional Bruto β1, β2, β3= koefisien regresi variabel bebas β0
= konstanta
μ
= variabel penganggu
(3.6)
49
3. Uji Statistik Uji statistik dilakukan untuk menentukan tingkat signifikansi variabel. Uji statistik sebagai berikut: a. Uji t Dilakukan untuk melihat signifikansi dari pengaruh satu variabel independen secara individu terhadap variabel dependen. Pengujian t bermanfaat untuk menunjukkan variabel independen mana yang berpengaruh terhadap variabel dependen. Uji t dilakukan dengan langkah-langkah sebagai berikut: 1) Menentukan hipotesis H0 : β1 ≤ 0 (variabel independen secara individu tidak berpengaruh positif secara individu terhadap variabel dependen) Ha : β1 > 0 (variabel independen secara individu berpengaruh positif terhadap variabel dependen) 2) Menentukan nilai signifikansi α. 3) Melakukan perhitungan nilai t seperti berikut: t tabel = α ; df = N-K
(3.7)
Dimana: α = derajat signifikansi N = banyaknya data yang digunakan K = banyaknya parameter regresi plus konstanta β1 t hitung =
(3.8) Se (β1)
50
Dimana: β1 = koefisien regresi variabel ke-1 Se = standar eror 4) Kriteria Pengujian Kriteria Pengujian dari Uji t adalah sebagai berikut:
H0 diterima
H0 ditolak
t tabel Gambar 3.1 Daerah Kritis Uji t Sumber: Gujarati (2003) H0 diterima : apabila t hitung ≤ t tabel H0 ditolak : apabila t hitung > t tabel 5) Kesimpulan Jika t hitung ≤ t tabel, maka H0 diterima Ha ditolak. Artinya koefisien regresi variabel independen tidak mempengaruhi variabel dependen secara positif dan signifikan. Jika t hitung > t tabel, maka H0 ditolak Ha diterima. Artinya koefisien regresi variabel independen mempengaruhi variabel dependen secara positif dan signifikan. b. Uji F Uji untuk mengetahui apakah model regresi linear signifikan atau tidak, menguji pengaruh variabel independen terhadap variabel dependen secara simultan (bersama-sama). Uji F dimaksudkan untuk
51
mengetahui apakah variabel independen yang ada secara bersama-sama mempengaruhi variabel dependen. Uji F dilakukan dengan langkahlangkah sebagai berikut: 1) Menentukan hipotesis H0 = β1 = β2 = 0 (variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen) Ha ≠ β1 ≠ β2 ≠ 0 (variabel independen secara bersama-sama berpengaruh terhadap variabel dependen) 2) Menentukan nilai signifikansi α. 3) Melakukan perhitungan nilai F seperti berikut: F tabel = α ; dk = (k-1) dan (n-k)
(3.9)
Dimana: α = derajat signifikansi n = banyaknya data yang digunakan k = banyaknya koefisien regresi plus konstanta R2/(k-1) F hitung =
(3.10) (1-R2)/(n-k)
Dimana: R2 = koefisien determinasi berganda k = jumlah variabel penjelas termasuk konstanta n = jumlah observasi/banyaknya data
52
4) Kriteria Pengujian Kriteria Uji F adalah sebagai berikut:
H0 diterima
H0 ditolak
F tabel Gambar 3.2 Daerah Kritis Uji F Sumber: Kurniawan (2014) Jika F-hitung > F-tabel, maka H0 ditolak Jika F-hitung < F-tabel, maka H0 diterima 5) Kesimpulan Jika F hitung < F tabel, maka H0 diterima Ha ditolak. Artinya koefisien regresi variabel independen secara bersama-sama tidak mempengaruhi variabel dependen secara signifikan. Jika F hitung > F tabel, maka H0 ditolak Ha diterima. Artinya koefisien
regresi
variabel
independen
secara
bersama-sama
mempengaruhi variabel dependen secara signifikan. c. Koefisien Determinasi (R2) Koefisien determinasi menunjukkan derajat ketepatan model, yang biasa dinyatakan dalam persen (%). Koefisien determinasi dilakukan guna mengetahui berapa persen (%) variasi variabel dependen dapat dijelaskan oleh variasi variabel independen. Semakin mendekati 100%, maka semakin besar variasi variabel dependen yang
53
dijelaskan oleh variasi variabel independen. Koefisen determinasi dapat dirumuskan, sebagai berikut: {1 - (1 - R2)} N–k 2
Adjusted R = N–k-1 Dimana, N = jumlah observasi k = jumlah variabel bebas R2 = koefisien determinasi
(3.11)
