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
39
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
40
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.
41
“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 5
Mudrajad, Kuncoro, op.cit. hal. 111 Ibid. Hal. 79
42
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
43
(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.
44
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
45
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
46
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.
47
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
48
........................................................................ (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,
49
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
`
50
