perpustakaan.uns.ac.id
digilib.uns.ac.id
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian Penelitian ini merupakan analisis mengenai Pengaruh Produk Domestik Bruto (PDB), Penanaman Modal Dalam Negeri (PMDN)
Dan
Penanaman Modal Asing (PMA) Terhadap Penyerapan Tenaga Kerja Sektor Agriculture, Manufacture Dan Service di Indonesia Tahun 1986 – 2012. Tipe penelitian ini dengan pendekatan kuantitatif deskriptif, aspek yang diteliti adalah aspek ekonomi yang berpengaruh terhadap besarnya penyerapan tenaga kerja pada sektor primer, sekunder dan tersier di Indonesia dengan metode kuadrat terkecil (Ordinary Least Squares). Variabel-variabel yang diteliti adalah Produk Domestik Bruto (PDB), Penanaman Modal Dalam Negeri (PMDN), dan Penanaman Modal Asing (PMA) sektor Agriculture, Manufacture Dan Service. Data yang digunakan berupa data deret berkala atau runtun waktu (time series). Periode penelitian adalah selama tahun 19862012.
B. Jenis dan Sumber Data Jenis data yang digunakan berupa data deret berkala atau runtun waktu (time series). Periode penelitian adalah selama tahun 1986-2012 yang meliputi Produk Domestik Bruto (PDB), Penanaman Modal Dalam Negeri (PMDN), dan Penanaman Modal Asing (PMA) sektor Agriculture, Manufacture Dan commit to user 59
perpustakaan.uns.ac.id
digilib.uns.ac.id
Service di Indonesia. Data-data tersebut diperoleh dari publikasi Badan Koordinator Penanaman Modal (BKPM) dan publikasi Badan Pusat Statistik (BPS) Indonesia serta studi kepustakaan berbagai literatur yang berkaitan dengan obyek penelitian, berupa jurnal, catatan-catatan, bahkan laporan instansi, dokumen, maupun arsip-arsip.
C. Definisi Operasional Variabel Definisi Operasional adalah pernyataan tentang definisi, batasan, pengertian dan pengambilan variabel dalam penelitian. 1. Variabel Terikat (Y) Variabel terikat (Y) disini adalah Jumlah Tenaga Kerja Sektoral meliputi sektor Agriculture, Manufacture Dan Service di Indonesia yaitu merupakan jumlah dari total angkatan kerja yang dapat diserap atau ikut secara aktif dalam kegiatan perekonomian. Angkatan kerja adalah bagian dari penduduk yang
berumur 15 keatas, atau tidak sekolah lagi dan
mampu bekerja secara aktif mencari pekerjaan atau dalam status sedang bekerja. 2. Variabel Bebas, dibedakan menjadi 3 variabel : a) Produk Domestik Bruto (X1) PDB yaitu total nilai produksi barang dan jasa yang diproduksi di Indonesia. PDB disini mewakili pertumbuhan ekonomi Indonesia yang dihitung dengan menggunakan perhitungan PDB atas dasar harga belaku karena jumlah nilai nominalnya dinilai sesuai dengan harga commit to user 60
perpustakaan.uns.ac.id
digilib.uns.ac.id
berlaku pada tahun yang bersangkutan, tahun dasar yang digunakan adalah tahun 1986 dan dinyatakan dalam rupiah. b) Penanaman Modal Dalam Negeri (X2) Penanaman Modal Dalam Negeri adalah kegiatan menanam modal untuk melakukan usaha di wilayah negara Republik Indonesia yang dilakukan oleh penanam modal dalam negeri dengan menggunakan modal dalam negeri dan dinyatakan dalam rupiah. c) Penanaman Modal Asing (X3) Penanaman Modal Asing adalah kegiatan menanam modal untuk melakukan usaha di wilayah Republik Indonesia yang dilakukan oleh penanam modal asing, baik menggunakan modal asing sepenuhnya maupun yang berpatungan dengan penanam modal dalam negeri. Penanaman Modal Asing (PMA) lebih banyak mempunyai kelebihan diantaranya sifatnya jangka panjang, banyak memberikan andil dalam alih teknologi, alih keterampilan manajemen, membuka lapangan kerja baru. Lapangan kerja ini, sangat penting bagi negara sedang berkembang mengingat terbatasnya kemampuan pemerintah untuk penyediaan lapangan kerja.
D. Teknik Analisis Data Alat analisis data dalam penelitian ini adalah menggunakan alat yang disebut dengan regresi, yaitu suatu model yang menyatakan suatu hubungan antara variabel independen dan variabel dependen dalam persamaan commit to user 61
perpustakaan.uns.ac.id
digilib.uns.ac.id
matematik. Karena pada penelitian ini variabel independen berjumlah lebih dari satu maka alat analisis yang digunakan adalah analisis regresi linier berganda dengan metode kuadrat terkecil (Ordinary Least Squares). Pengertian linier dalam hal ini adalah bila penyajian variabel independen dan parameternya hanya satu indeks dan tidak dikalikan atau dibagi dengan variabel atau parameter lain. (Gunawan S,2001:100). Ada dua model yang seringkali digunakan dalam penelitian yang menggunakan alat analisis regresi, yaitu model linier dan model log linier. Pertanyaan yang muncul, bagaimana kita mengetahui apakah perilaku data menunjukkan hubungan linier atau non linier dalam parameter?. 1. Uji Pemilihan Model Dalam penelitian ini akan digunakan metode yang dikembangkan oleh Mackinnon, White dan Davidson tahun 1983 (MWD test). Untuk menjelaskan metode MWD, maka dibentuklah modelnya baik linier maupun log linier yang dapat dinyatakan dengan rumus sebagai berikut: Y = α + β1 X1 + β2 X2 + β3 X3 + e (linier) ..........................(3.1) In Y = α + β1 In X1 + β2 In X2 + β3 In X3 + v (log linier) ......(3.2)
Dimana : Y
= Jumlah Tenaga Kerja Sektoral di Indonesia (jiwa)
α
= Konstanta
β1, β2, β3 = Koefisien regresi X1
= PDB Sektoral (Produk Domestik Bruto) (rupiah) commit to user 62
perpustakaan.uns.ac.id
digilib.uns.ac.id
X2
= PMDN Sektoral (rupiah)
X3
= PMA Sektoral (dollar)
e,v
= Kesalahan penggangu (Error term)
Dengan adanya 3 sektor ekonomi yang akan dianalisis yaitu sektor Agriculture, Manufacture Dan Service, maka nantinya akan ada 3 persamaan yang muncul dengan pengujian MWD terlebih dahulu. Untuk melakukan uji MWD ini kita asumsikan bahwa: H0 : Y adalah fungsi linier dari variabel independen X. H1 : Y adalah fungsi log linier dari variabel independen X. Adapun prosedur metode MWD adalah sebagai berikut (Widarjono, 2005): a. Estimasi model linier dan dapatkan nilai prediksinya (fitted value) dan selanjutnya dinamai F1. Untuk mendapatkan nilai F1 lakukan langkah berikut: 1) Lakukan regresi persamaan linier dan dapatkan residulnya (RES1). 2) Dapatkan nilai F1 = Y- RES1. b. Estimasi model log linier dan dapatkan nilai prediksinya yang dinamai F2. Untuk mendapatkan nilai F2 lakukan langkah berikut: 1) Lakukan regresi persamaan log linier dan dapatkan residulnya (RES2). 2) Dapatkan nilai F2 = lnY - RES2. c. Dapatkan nilai Z1 = ln F1 - F2 dan Z2 = antilog F2 - F1. d. Estimasi persamaan berikut ini: commit to user 63
perpustakaan.uns.ac.id
digilib.uns.ac.id
Y = α + β1 X1 + β2 X2 + β3 X3 + Z1 + e ................................(3.3) Jika Z1 signifikan secara statistik melalui uji t, maka kita menolak hipotesis nul bahwa model yang benar adalah linier dan sebaliknya jika tidak signifikan maka kita menerima hipotesis nul bahwa model yang benar adalah linier. e. Estimasi persamaan berikut ini: In Y = α + β1 In X1 + β2 In X2 + β3 In X3 + Z2 + v .........(3.4) Jika Z2 signifikan secara statistik melalui uji t, maka kita menolak hipotesis alternatif bahwa model yang benar adalah log linier dan sebaliknya jika tidak signifikan maka kita menerima hipotesis alternatif bahwa model yang benar adalah log linier. 2. Uji Statistik Untuk
mengetahui
pengaruh
dari
msing-masing
variabel
independen dalam mempengaruhi variabel dependen, digunakan uji t tes. Uji ini akan dilakukan untuk membuktikan hipotesis yang diambil. Adapun hipotesis yang digunakan adalah sebagai berikut : H0 : β1 = 0 : tidak ada pengaruh antara variabel independen terhadap variabel dependen secara individual. Ha : β1 ≠ 0 : ada pengaruh antara variabel independen terhadap variabel dependen secara individual
commit to user 64
perpustakaan.uns.ac.id
digilib.uns.ac.id
a. Uji t Yaitu pengujian untuk mengetahui pengaruh variabel bebas (X1, X2 dan X3) terhadap variabel terikat (Y) secara parsial atau individu. Menurut Gujarati (1995), dengan langkah : 1) t hitung = Dimana : Β = nilai masing-masing koefisien regresi SE (β) = Standar error untuk masing-masing koefisien regresi 2) Dalam penelitian ini menggunakan tingkat signifikan 0.05 dengan derajat kebebasan (n-k-1). Dimana : n = Jumlah pengamatan k = Jumlah variabel 3) Ho : β1 β2 = 0 (secara parsial, variabel bebas tidak berpengaruh terhadap variabel terikat) Ha : β1 β2 ≠ 0 (paling tidak salah satu variabel bebas berpengaruh terhadap variabel terikat) 4) Uji t digunakan untuk mengetahui Ho diterima atau ditolak dengan ketentuan sebagai berikut : a) Jika thit > ttabel, maka Ho ditolak. Berarti signifikansi atau variabel independen yang diuji secara nyata berpengaruh terhadap variabel dependen. commit to user 65
perpustakaan.uns.ac.id
digilib.uns.ac.id
b) Jika thit < ttabel, maka Ho diterima. Berarti signifikansi atau variabel independen yang diuji secara nyata tidak berpengaruh terhadap variabel dependen. Dengan α = 0,05
Ho Diterima
Ho Ditolak
Gambar 3.1 Daerah terima dan daerah tolak uji t
b. Uji F Yaitu pengujian untuk mengetahui pengaruh variabel bebas (X1 dan X2) terhadap variabel terikat (Y) secara bersama-sama. Menurut Gujarati (1995) dengan langkah-langkah sebagai berikut : 1) F hitung
Dimana : R2 = Koefisien determinan K = Jumlah Variabel Independen N = Jumlah data/sampel commit to user 66
perpustakaan.uns.ac.id
digilib.uns.ac.id
2) Dalam penelitian ini menggunakan tingkat signifikan sebesar 0,05 dengan derajat kebebasan (df) pembilang (k-1) dan penyebut (n-k). Df = k-1;n-k 3) Ho : β1 β2 = 0 ( tidak ada pengaruh secara bersama-sama, antara variabel terikat dengan variabel bebas) Ha : β1 β2 ≠ 0 (ada pengaruh secara bersama-sama, antara variabel terikat dengan variabel bebas) 4) Uji F ini dipergunakan untuk mempengaruhi apakah Ho diterima atau ditolak dengan ketentuan sebagai berikut : a) Apabila
Fhit
>
Ftabel,
signifikansi/variabel
maka
independen
Ho
ditolak
secara
berarti
keseluruhan
berpengaruh terhadap variabel dependen. b) Apabila Fhit < Ftabel, maka Ho diterima berarti tidak signifikansi variabel independen secara keseluruhan tidak berpengaruh terhadap variabel dependen.
Ho Diterima
Ho Ditolak
Gambar 3.2 Daerah terima dan daerah tolak uji F c. Koefisien Determinasi (R2)
commit to user 67
perpustakaan.uns.ac.id
digilib.uns.ac.id
Untuk mengukur kebaikan dari model regresi maka diperlukan perhitungan determinasi (R2), yaitu angka untuk persentase total variasi variabel dependent yang dapat dijelaskan variabel independent dalam model. d. Uji Asumsi Klasik Dalam pengujian empirik dengan menggunakan data runtut waktu
kepastian
tidak
ada
masalah
autokorelasi,
adanya
homoskedasitas, dan liniernya bentuk fungsi yang digunakan merupakan prasyarat yang harus dipenuhi. Pengujian asumsi klasik ini merupakan salah satu langkah penting dalam rangka menghindari munculnya regresi lancung yang mengakibatkan tidak sahihnya hasil estimasi (Insukidro, Maryamto, dan Aliman, 2003: 189). 1) Multikolinieritas Uji multikolinieritas merupakan suatu keadaan dimana satu atau lebih variabel bebas terdapat korelasi dengan variabel bebas lainnya atau dengan kata lain suatu variabel bebas merupakan tugas linier dari variabel bebas lainnya. Cara paling mudah untuk mendeteksi ada tidaknya multikolinieritas adalah dengan metode Auxillary Regresi, yaitu dengan melihat nilai R2 dan nilai r2. Apabila dari hasil pengujian statistik diperoleh r2 < R2 berarti tidak ada multikolinieritas, sedangkan jika r2 > R2 berarti terjadi multikolinieritas. 2) Heteroskedastisitas commit to user 68
perpustakaan.uns.ac.id
digilib.uns.ac.id
Salah satu asumsi penting OLS adalah varian dari residual adalah konstan. Namun dalam kenyataannya seringkali varian residual
adalah
tidak
konstan
atau
disebut
dengan
heteroskedastisitas. Heteroskedastisitas biasanya terdapat pada data cross section. Sementara itu data time series jarang mengandung
unsur
homoskedastisitas,
dikarenakan
ketika
menganalisis perilaku data yang sama dari waktu ke waktu, fluktuasinya akan relatif lebih stabil (Widarjono, 2005). Untuk
mendeteksi
ada
tidaknya
heteroskedastisitas
berdasarkan besar kecilnya x2. Jika x2 hitung lebih besar dari x2 kritis
dengan
derajat
kepercayaan
tertentu,
maka
dapat
disimpulkan terdapat heteroskedastisitas. Sebaliknya jika x2 hitung lebih kecil dari x2 signifikan secara statistik, maka model tidak mengandung unsur heteroskedastisitas. 3) Autokolerasi Secara harfiah autokorelasi berarti adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu. Dalam kaitanaya dengan asumsi metode OLS, autokorelasi merupakan korelasi antara 1 (satu) residual dengan residual yang lainya. Sedangkan salah satu asumsi penting metode OLS berkaitan dengan residual adalah tidak adanya hubungan antara residual 1 (satu) dengan residual yaang lain (Widarjono, 2005). commit to user 69
perpustakaan.uns.ac.id
digilib.uns.ac.id
Dalam penelitian ini akan digunakan uji autokorelasi yang dikembangkan oleh Bresch dan Godfrey yang lebih umum dan dikenal dengan uji Lagrange Multiplier (LM test). Dengan uji tersebut didapatlah nilai Chi-square (x2). Jika x2 hitung lebih besar dari x2 tabel, maka model mengandung unsur autokorelasi. Begitu juga sebaliknya jika x2 hitung lebih kecil dari x2 tabel, maka model tidak mengandung unsur autokorelasi. 4) Uji Normalitas Uji normalitas data bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas atau keduanya mempunyai distribusi normal atau tidak. Uji signifikansi pengaruh variabel bebas terhadap variabel terikat melalui uji t hanya akan valid jika residual (kesalahan pengganggu) dalam model regresi mempunyai distribusi normal (Gujarati dan Porter, 2009). Pengujian normalitas data secara analisis statistik dilakukan dengan menggunakan uji Jarque Berra (JB). Nilai statistik JB didasarkan pada distribusi Chi-square. Jika nilai probabilitas dari nilai statistik JB besar atau dengan kata lain tidak signifikan, maka dapat dikatakan bahwa data mempunyai distribusi normal karena nilai statistik JB mendekati 0 (nol). Sebaliknya, jika nilai probabilitas statistik JB kecil atau signifikan, maka dapat dikatakan bahwa data tidak terdistribusi secara normal. commit to user 70
