BAB III METODOLOGI PENELITIAN
Bab ini menjelaskan jenis penelitian, metode penelitan, variabel penelitian, definisi operaional, sumber data, metode pengumpulan data, dan teknik analisis data yang digunakan terkait dengan penelitian tentang pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010. 3.1
Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah jenis
penelitian sebab – akibat (kausalitas). Dalam Kuncoro (2007: 17) model kausal memasukan dan menguji variabel – variabel yang diduga mempengaruhi variabel dependen. 1.2
Metode Penelitian Metode penelitian yang di gunakan untuk mengkaji mengenai pengaruh
jumlah penduduk dan pengangguran terhadap kemiskinan di 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 menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang telah di tetapkan.1 1.3 1
Populasi dan Sampel Penelitian
Sugiono. 2010. Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif dan R&D.
Bandung: Alfabeta. Hlm 14.
Populasi adalah ”objek atau subjek yang berada pada suatu wilayah dan memenuhi syarat-syarat tertentu berkaitan dengan masalah penelitian”.2 Populasi dalam penelitian ini adalah populasi sama dengan sampel yaitu data kemiskinan di Provinsi Jawa Tengah Tahun 2005 – 2010 sebanyak 210 observasi.Sehingga dari populasi tersebut, peneliti akan menarik sejumlah sampel. Sampel adalah ”bagian dari populasi yang mempunyai ciri-ciri atau keadaan tertentu yang akan diteliti”.3 Namun, guna membuat generalisasi dengan kesalahan yang sangat kecil peneliti mengambil semua populasi sebagai sampel. Dengan demikian sampel dari penelitian ini adalah 210 data kota/kabupaten kemiskinan di Provinsi Jawa Tengah Tahun 2005 - 2010. Hal ini dikarenakan jumlah populasi yang sedikit dan ingin mengetahui secara menyeluruh dan mendalam dari penelitian ini. 1.4
Skala Pengukuran Penelitian
“Skala pengukuran merupakan kesepakatan yang digunakan sebagai acuan untuk menentukan panjang pendeknya interval yang ada dalam alat ukur, sehingga alat ukur tersebut bila digunakan dalam penelitian akan menghasilkan data kuantitatif”.4 Secara umum ada empat tipe skala pengukuran dalam penelitian yaitu nominal, ordinal, interval dan ratio. Skala pengukuran dalam penelitian pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Provinsi Jawa Tengah Tahun 2005 – 2010 menggunakan skala ratio. “Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio 2
Riduwan,2009, Belajar Mudah Penelitian untuk Guru, Karyawan dan Peneliti Pemula, Alfabeta, Bandung, hlm 54. 3 Ibid. Hal 56 4 http://manajemen penelitian.blogspot.com/2009/12/skala-pengukuran.html, 06/01/2013
biasanya dalam bentuk perbandingan antara satu individu atau obyek tertentu dengan lainnya”.5 1.5
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”.6 Penelitian ini terdiri dari dua variabel Independen dan satu variabel Dependen. Menurut Kuncoro (2007: 5) 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. Dalam penelitian ini yang merupakan variabel dependen dan variabel independen adalah sebagai berikut: 1. Variabel Dependen adalah Tingkat Kemiskinan (Y) Merupakan jumlah penduduk miskin di Jawa Tengah dari tahun 2005 2010 yang dinyatakan dalam satuan persen. 2. Variabel Independen a. Jumlah Penduduk (X1) Merupakan pertumbuhan jumlah penduduk dari tahun ke tahun. b. Tingkat Pengangguran (X2) Merupakan jumlah pengangguran dari tahun ke tahun yang dinyakatan dalam satuan persen.
5 6
http://manajemen penelitian.blogspot.com/2009/12/skala-pengukuran.html, 06/01/2013 Ibid. Hal. 61
1.6
Definisi Operasional Variabel 1.6.1 Kemiskinan Kemiskinan berarti sejumlah penduduk
yang tidak dapat
memenuhi kebutuhan dasar hidup yang telah ditetapkan oleh suatu badan atau orang tertentu dan perhitungan yang dilakukan oleh badan atau organisasi tersebut digunakan sebagai standar perhitungan untuk menentukan jumlah kemiskinan yang ada di suatu daerah. Atau singkatnya, penduduk yang hidup di bawah garis kemiskinan, garis kemiskinan yang digunakan adalah garis kemiskinan yang ditetapkan Badan Pusat Statistik (BPS). 1.6.2 Jumlah Penduduk Penduduk menurut Badan Pusat Statistik (BPS) adalah semua orang yang berdomisili di wilayah geografis Jawa Tengah selama 6 bulan atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan untuk menetap. 1.6.3 Pengangguran Menurut BPS (Badan Pusat Statisktik) adalah meliputi penduduk yang sedang mencari pekerjaan, penduduk yang sedang mempersiapkan suatu usaha, penduduk yang merasa tidak mungkin mendapatkan pekerjaan, penduduk yang sudah punya pekerjaan tetapi belum mulai bekerja.
1.7
Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder yaitu data yang bukan diusahakan sendiri pengumpulannya oleh peneliti. Data sekunder yang di gunakan adalah data deret waktu (time-series data) untuk kurun waktu tahun 2005 - 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 diperlukan adalah: a.
Data persentase penduduk miskin daerah untuk masing-masing kabupaten/kota di Provinsi Jawa Tengah tahun 2005 - 2010.
b.
Data pengangguran untuk masing-masing kabupaten/kota di Jawa Tengah tahun 2005 – 2010.
c.
Data jumlah penduduk untuk masing-masing kabupaten/kota di Jawa Tengah tahun 2005 – 2010.
Adapun sumber data tersebut diatas diperoleh dari: a.
Data persentase penduduk miskin daerah untuk masing-masing kabupaten/kota di Provinsi Jawa Tengah tahun 2005 -2010, yaitu dari Bada Pusat Stistik (BPS) dalam terbitan “Data dan Informasi Kemiskinan”.
b.
Data pengangguran untuk masing-masing kabupaten/kota di Jawa Tengah tahun 2005 - 2010, yaitu dari Badan Pusat Statistik (BPS) dalam terbitan “Keadaan Angkatan Kerja di Provinsi Jawa Tengah”.
c.
Data jumlah penduduk masing-masing kabupaten/kota di Jawa Tengah tahun 2005 - 2010, yaitu dari Badan Pusat Statistik (BPS) dalam terbitan “Jawa Tengah Dalam Angka 2005 - 2010”.
3.7
Metode 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, Jl. Pahlawan Semarang. 2. Wawancara
tidak
struktur,
adalah
wawancara
bebas
dan
tidak
menggunakan pedoman yang rinci dan sistematis. 3. Studi Perpustakaan (library research), serta dari browsing website internet yang terkait dengan masalah kemiskinan. 3.8
Teknik Analisis Data Teknik analisis data dalam penelitian ini menggunakan analisis regresi
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. Ciri khusus data runtut waktu adalah berupa urutan numerik dimana interval antarobservasi atas sejumlah variabel bersifat konstan dan tetap. Data silang tempat adalah suatu unit analisis pada suatu titik waktu tertentu dengan
observasi atas sejumlah variabel. Unit analisis dalam 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.7 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”.8 Menurut Teorema Gause-Markov, setiap pemerkira/estimator OLS harus memenuhi kriteria BLUE, yaitu: 1. Best = yang terbaik, 2. Linier = merupakan kombinasi linier dari data sample, 3. Unbiased = rata – rata atau nilai harapan (E(bi 1)) harus sama dengan nilai yang sebenarnya (bi). 4. Efficient estimator = memiliki varians yang minimal di antara pemerkira lain yang tidak bias.9 3.8.1
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 :
7
Kuncoro, Mudrajad. 2007. Metode Kuantitatif: Teori dan Aplikasi Untuk Bisnis dan Ekonomi. Yogyakarta: (UPP) STIM YKPN, hlm 111. 8 Ibid. Hal. 79 9 Damodar Gujarati, 1995, Ekonometri Dasar Terjemahan, Penerbit Erlangga, Jakarta, hlm 72-73.
Yi = ß0+ß1 Xt+ɛt ; t = 1,2,..., N..............................(3.2) Dimana T adalah banyaknya data time-series Penelitian mengenai pengaruh jumlah penduduk dan pengangguran terhadap tingkat kemiskinan di Provinsi Jawa Tengah, menggunakan data time series selama 6 (enam) tahun terakhir yang di wakili data tahunan dari 2005 – 2010 serta data cross section sebanyak 35 data mewakili kabupaten/kota di Jawa Tengah. Kombinasi atau Pooling menghasilkan 210 observasi dengan fungsi persamaan data panelnya dapat di tuliskan sebagai berikut : Y = ß0 + ß1 X1 + ß2 X2 + e......................................(3.1) Dimana : Y
: Tingkat Kemiskinan
X1
: Jumlah Penduduk
X2
: Pengangguran
b0
: Parameter konstan
ß1,ß2
: Parameter Penduga
℮
: 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 jumlah penuduk (JP) dan pengangguran (PG) terhadap kemiskinan (KM) di Provinsi Jawa Tengah, menggunakan data time series selama 6 (enam) tahun terakhir yang di wakili data tahunan dari 2005 – 2010 serta data cross section sebanyak 35 data mewakili
kabupaten/kota
di
Jawa
Tengah.
kombinasi
atau
Pooling
menghasilkan 210 observasi. 3.8.2
Uji Asumsi Klasik Dengan pemakaian metode OLS, diperlukan pendeteksian apakah
model tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut terdiri dari : 3.8.3
Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel terikat dan variabel bebas memiliki distribusi normal atau tidak. Model regresi yang baik adalah yang mempunyai distribusi normal atau mendekati normal (Imam Ghozali, 2002). 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 yang dilakukan dengan mnghitung skewness dan kurtosis, apabila J-B hitung < nilai χ2 (Chi-Square) tabel, maka nilai residual terdistribusi normal.
Jika nilai J-B hitung > J-B tabel, maka hipotesis yang menyatakan bahwa residual Ut terdistribui normal dan sebaliknya. 3.8.3.1
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. Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Penelitian ini akan menggunakan Auxiliary Regression untuk mendeteksiadanya multikolinearitas. Kriterianya adalah jika R2 regresi persamaan utama lebih besar dari R2 regresi auxiliary maka tidak terjadi multikolinearitas.
Selain
menggunakan
R 2,
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. 3.8.4
Uji Autokorelasi Uji autokorelasi 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.10 Jika dari hasil perhitungan menunjukan nilai signifikan > 0,05 maka dalam model tidak terjadi autokorelasi. 3.8.5
Uji Heteroskedastisitas Deteksi Heterokedastisitas bertujuan untuk menguji apakah variabel
gangguan (ei) memiliki varians yang sama atau tidak dalam model persamaan regresi. Untuk menguji ada tidaknya heterokedastisitas, salah satu metode yang di gunakan adalah uji White. Apabila variabel independen tidak signifikan secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi indikasi tidak terjadi heteroskedastisitas. 3.8.6 Pengujian Kriteria Statistik Gujarati (1995) menyatakan bahwa uji signifikansi merupakan prosedur yang digunakan untuk menguji kebenaran atau kesalahan dari hasil hipotesis 10
Sumodiningrat, Gunawan, Ekonometrika Pengantar Edisi 2, Penerbit BPFE UGM, Yogyakarta, 2009, hlm 227
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). a.
Uji Signifikansi Parameter Individual (Uji t) Uji signifikansi parameter individual (uji t) dilakukan untuk melihat signifikansi dari pengaruh variabel independen terhadp 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 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.11 Hipotesis yang digunakan: 1. H0 : ß1 = 0 tidak ada pengaruh antara variabel jumlah dengan kemiskinan. H1 : ß1 > 0 ada pengaruh positif antara variabel jumlah dengan kemiskinan.
11
Kuncoro, Mudrajad. Op.cit. hal. 82
2. H0 : ß2 = 0 tidak ada pengaruh antara variabel tingkat pengangguran dengan kemiskinan. H1 : ß2 > 0 ada pengaruh positif antara variabel tingkat pengangguran dengan kemiskinan. Nilai t hitung dicari dengan rumus: 𝛽𝑖−𝛽𝑖∗
t = 𝑆𝐸(𝛽𝑖) ............................................................(3.1) dimana: 𝞫i = parameter yang diestimasi 𝞫i* = nilai hiotesis dari 𝞫i (H0 : 𝞫i = 𝞫i*) 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. b. 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 pengambilan keputusan sebagai berikut:
statistik
F
dengan
1. 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. 2. 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.12 Hipotesis yang digunakan: 1. H0 : ß1, ß2 = 0 semua variabel independen tidak mampu mempengaruhi variabel dependen secara bersama-sama 2. H1 : ß1, ß2 ≠ 0 semua variabel independen mampu mempengaruhi variabel dependen secara bersama-sama Nilai F hitung dirumuskan sebagai berikut: 𝑅 2 /(𝑘−1)
𝐹 = 1−𝑅 2 /(𝑁−1)..........................................(3.2) 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
mempengaruhi variabel yang dijelaskan secara signifikan.
12
Ibid. Hal. 83
tidak
b) H0 ditolak dan H1 diterima apabila F hitung > F tabel, yang artinya variabel penjelas secara bersama-sama mempengaruhi variabel yang dijelaskan secara signifikan. c.
Uji Koefisien Determinasi (uji R2) Imam Ghozali (2002) menyatakan bahwa koefisien determinasi (R2)
pada intinya 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, banyak peneliti menganjurkan untuk menggunakan nilai adjusted (R2 ) pada saat mengevaluasi model regresi yang terbaik. Nilai koefisien determinasi diperoleh dengan formula: 𝑅2 =
𝑦∗2 ...................................................(3.3) 𝑦2
dimana: y* = nlai y estimasi y
= nilai y aktual
