29
III. METODE PENELITIAN
3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian adalah data primer dan data sekunder. Data primer berupa data primer (cross section) Survei Khusus Tabungan dan Investasi Rumah Tangga (SKTIR) Tahun 2010 yang dilaksanakan di 16 provinsi. Pengumpulan data SKTIR 2010 dilakukan melalui wawancara langsung antara petugas pencacah dengan responden. Kegiatan pengumpulan data dilakukan Maret-April 2010. Kegiatan SKTIR dirancang untuk memperoleh data tentang bagaimana rumah tangga menciptakan tabungan, berapa besarnya, serta bagaimana tabungan tersebut dikelola. Data primer yang dikumpulkan antara lain keterangan anggota rumah tangga, pendapatan yang diperoleh anggota rumah tangga yang bekerja sebagai pengusaha dan buruh/karyawan, pengeluaran makanan dan non makanan, pendidikan dan umur anggota rumah tangga. Data sekunder meliputi data penunjang yang diperoleh dari buku, laporan SKTIR 2010, jurnal, publikasi Neraca Arus Dana dan lain-lain. Sampel adalah bagian populasi (rumah tangga) di Provinsi DKI Jakarta. Jumlah responden sebanyak 600 rumah tangga yang tersebar di 5 kota yaitu dengan rincian sampel sebagai berikut: 131 responden berdomisili di Jakarta Selatan, 140 responden di Jakarta Timur, 90 responden di Jakata Pusat, 129 responden di Jakarta Barat dan 110 responden di Jakarta Utara.
30
Tabel 3.1. Sebaran sampel SKTIR di DKI Jakarta, 2010 Kota Banyaknya Sampel (n) Jakarta Selatan 131 Jakarta Timur 140 Jakarta Pusat 90 Jakarta Barat 129 Jakarta Utara 110 Total 600 Sumber: data primer diolah 1. 2. 3. 4. 5.
Populasi (N) 506.961 627.111 235.862 537.936 399.101 2.311.535
Kerangka sampel untuk pemilihan rumah tangga terpilih SKTIR 2010 adalah daftar rumah tangga hasil listing Susenas 2009 pada setiap blok sensus terpilih. Rancangan sampel yang digunakan adalah rancangan sampel dua tahap. Tahap pertama dilakukan di BPS Pusat dan tahap kedua dilakukan di BPS Provinsi. Tahap pertama, dari kerangka sampel blok sampel dipilih sejumlah blok sensus secara sistematik sampling. Sampel terpilih merupakan blok sensus yang mudah aksesnya dan konsentrasi rumah tangganya tinggi. Tahap kedua, dari kerangka sampel rumah tangga dipilih 10 rumah tangga secara sistematik sampling. Tahapan pemilihan sampel rumah tangga di daerah sebagai berikut: 1. Pemberian tanda cek (√) untuk setiap setiap baris nama kepala rumah tangga 2. Hitung interval penarikan sampel (I) untuk pemilihan rumah tangga, yaitu: I = Banyaknya rumah tangga hasil listing / 10 Interval penarikan sampel dihitung sampai dua angka di belakang koma. 3. Dengan menggunakan Tabel Angka Random, tentukan angka random pertama (R1). Angka random pertama harus lebih kecil atau sama dengan interval sampel (I) 4. Gunakan interval sampel untuk menentukan angka random pemilihan sampel rumah tangga berikutnya, yaitu R2, R3, …, R16 dengan rumus:
31
R2 = R1 + I ; R3 = R1 + 2I ; .....R10 = R1 + 9I 5. Apabila rumah tangga terpilih benar-benar tidak dapat ditemui saat pencacahan, maka penggantian rumah tangga sampel dapat dilakukan dengan rumah tangga dari kelompok pengeluaran yang sama dan terdekat serta belum terpilih untuk kelompok pengeluaran yang lain. Adapun variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut: 1.
Rumah tangga yaitu seorang/sekelompok orang yang mendiami sebagian atau seluruh bangunan fisik dan biasanya tinggal bersama serta makan dari satu dapur atau pengurusan kebutuhan bersama sehari-hari di bawah satu pengelolaan (BPS, 2005).
2.
Tabungan rumah tangga dalam penelitian ini merupakan selisih antara pendapatan rumah tangga dan pengeluaran rumah tangga, dalam bentuk uang (rupiah) dinyatakan dalam rupiah per tahun.
3.
Pendapatan rumah tangga mencakup seluruh pendapatan semua anggota rumah tangga responden, baik pendapatan yang berasal dari bekerja/berusaha, maupun pendapatan lain diluar bekerja/berusaha.
4.
Umur kepala rumah tangga adalah jumlah tahun yang telah dijalani responden, dihitung sejak kelahiran sampai saat penelitian dilaksanakan, diukur dalam satuan tahun
5.
Kepala rumah tangga/keluarga adalah orang yang bertanggung jawab terhadap rumah tangga.
32
6.
Pendidikan kepala rumah tangga merupakan jenjang pendidikan yang pernah dicapai oleh responden secara formal, diukur dalam satuan tahun.
7.
Dependency ratio merupakan rasio ketergantungan yang menunjukkan seberapa besar beban yang ditanggung oleh anggota rumah tangga yang bekerja, diproksi dengan jumlah anggota rumah tangga yang tidak bekerja dibagi dengan jumlah anggota rumah tangga yang bekerja. Secara matematis cara perhitungannya menggunakan rumus: DR = PDUK/PUK PDUK adalah jumlah anggota rumah tangga yang tidak bekerja dan PUK adalah jumlah anggota rumah tangga yang bekerja.
8.
Dummy berdasarkan sumber pendapatan utama rumah tangga bersumber upah/gaji dan nongaji, pada rumah tangga ke-i (dinotasikan dengan: Di) diukur dengan nilai 1 jika rumah tangga penerima upah/gaji dan 0 jika bukan rumah tangga nonupah/nongaji.
3.2. Alat Analisis Data Penelitian ini menggunakan analisis regresi linear klasik dengan metode OLS (Ordinary Least Square) dengan menggunakan program SPSS for Windows versi 16.0. Metode analisis ini digunakan untuk mengetahui seberapa besar pengaruh variable-variabel independen terhadap tabungan rumah tangga. Dalam Gujarati (2003) bahwa analisis regresi berkenaan dengan studi ketergantungan satu variabel, variabel tak bebas, pada satu atau lebih variabel lain, variabel yang menjelaskan (explanatory variables), dengan maksud menaksir
33
dan atau meramalkan nilai rata-rata hitung (mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap (dalam pengambilan sampel berulang) variabel yang menjelaskan atau variabel bebasnya.
3.2.1. Model Penelitian Model yang digunakan dalam penelitian ini adalah model yang terbaik dari beberapa model tabungan rumah tangga yang dicoba. Fungsi tabungan rumah tangga dalam penelitian ini adalah sebagai berikut: Si = bo + b1Yi + b2AGEi + b3EDi + + b4DRi + b5Di + ui dimana: S = tabungan b0 = konstanta b1 – b5 = koefisien regresi Yi = pendapatan rumah tangga per tahun (ribu rupiah) AGEi = umur kepala rumah tangga (tahun) EDi = tingkat pendidikan kepala rumah tangga (tahun) DRi = dependency ratio (persen) Dummyi = dummy sumber pendapatan utama rumah tangga, 1 = rumah tangga penerima upah/gaji, 0 = jika rumah tangga nonupah/nongaji ui = disturbance term Bentuk dari model regresi linear berganda yang akan digunakan dalam penelitian ini adalah regresi linear berganda dengan variabel independen yang kuantitatif yang sudah di Ln-kan, yaitu sebagai berikut :
34
LnSi = bo + b1LnYi + b2LnAGEi + b3LnEDi + + b4DRi + b5Dummyi + ui dimana: LnS = tabungan b0 = konstanta b1 – b5 = koefisien regresi LnYi = pendapatan rumah tangga per tahun (persen) LnAGEi = umur kepala rumah tangga (persen) LnEDi = tingkat pendidikan kepala rumah tangga (persen) DRi = dependency ratio (persen) Dummyi = dummy sumber pendapatan utama rumah tangga, 1 = rumah tangga penerima upah/gaji, 0 = jika rumah tangga nonupah/nongaji ui = disturbance term
3.2.2. Pengujian Penduga Parameter Pengujian parameter penduga dilakukan untuk mendapatkan nilai parameter penduga yang dapat mewakili populasi sehingga mengurangi kesalahan dalam pembuatan keputusan. 1.
Koefisien Determinasi (R2) Untuk mengetahui sejauh mana kebaikan suai suatu garis regresi dalam
mencocokkan sekumpulan data, diperlukan suatu ukuran yang dinamakan koefisien determinasi. Dalam Gujarati (2003) menyatakan bahwa koefisien determinasi merupakan ukuran seberapa baik garis regresi mencocokkan data (a measure of the goodness of fit). Secara verbal, R2 mengukur proporsi atau
35
persentase total variasi dalam variabel tak bebas yang dijelaskan oleh peubahpeubah bebas secara bersama-sama dalam model regresi.
SSR SSE = 1− = R = SST SST 2
∑ yˆ ∑y
2 i 2 i
=
βˆ ∑ xi2
∑y
2 i
dengan : SSE = jumlah kuadrat error SSR = jumlah kuadrat regresi SST = jumlah kuadrat total R2 merupakan besaran non negatif dengan batas 0≤ R2≤1. Apabila R2 mempunyai nilai 1 berarti suatu model cocok sempurna, sedangkan R2 yang bernilai 0 berarti model regresi yang ada tidak menjelaskan sedikitpun variasi dalam variabel tak bebas. Dalam
membandingkan
dua
model
regresi
atau
lebih
dengan
menggunakan R2 harus diperhitungkan banyaknya variabel bebas yang ada dalam model. Hal tersebut dapat dilakukan dengan mempertimbangkan koefisien determinasi alternatif yaitu koefisien determinasi yang disesuaikan (R2 adjusted). Koefisien determinasi yang disesuaikan berarti disesuaikan dengan derajat bebasnya. 2 = 1− Radjusted
∑e ∑y
2 i 2 i
/ (n − k ) / (n − 1)
2. Uji Signifikansi Secara Keseluruhan (Overall Test/ F-tests)
Untuk mengetahui pengaruh variabel bebas secara simultan terhadap variabel tidak bebas adalah dengan menggunakan uji statistik F, dengan hipotesis sebagai berikut:
36
Ho
: β1= β2= β3=…= βk=0, artinya tidak ada variabel bebas yang berpengaruh signifikan terhadap variabel tidak bebas. : βj ≠ 0 (j=1,2,…,k), artinya minimal ada satu variabel ke-j yang
H1
berpengaruh signifikan terhadap variabel tak bebas. Statistik uji:
Fobs
SSR / (k − 1) = = SSE / (n − k )
Fobs =
∑ yˆ ∑e
2 i 2 i
/ (k − 1) / (n − k )
MSR MSE
dengan : SSR = jumlah kuadrat regresi SSE = jumlah kuadrat error MSR = rata-rata kuadarat regresi MSE = rata-rata kuadrat error k
= jumlah parameter
n
= jumlah sampel
Keputusan: Jika Fobs > Ftabel (α ;k −1,n − k ) maka Ho ditolak dan artinya secara bersamasama variabel bebas mempunyai pengaruh signifikan terhadap variabel tidak bebas.
3. Uji Signifikansi Secara Parsial (Partial Test/ T-tests)
Uji ini dilakukan untuk mengetahui pengaruh variabel bebas secara parsial terhadap variabel tidak bebas, dengan hipotesisnya sebagai berikut: Ho
: βj = 0, artinya tidak ada pengaruh yang signifikan dari variabel bebas ke-k terhadap variabel tak bebas.
37
H1
: βj ≠ 0, artinya ada pengaruh yang signifikan dari variabel bebas ke-k terhadap variabel tak bebas.
Statistik uji: tobs =
βˆ j se( βˆ j )
Keputusan: Tolak Ho jika tobs ≥ ttabel (α / 2;n − k ) , artinya ada pengaruh yang signifikan dari variabel bebas ke-k terhadap variabel tak bebas. 3.2.3. Pengujian Asumsi Model (Uji Klasik)
Untuk mendapatkan estimator yang tidak bias, linier, dan mempunyai varian yang minimum (Best Linier Unbiased Estimators = BLUE), kita dapat menggunakan metode OLS. Adapun beberapa asumsi yang harus dipenuhi sebelum menggunakan metode OLS adalah sebagai berikut: 1. E(εt) = 0, untuk tiap tiap t = 1, 2, …, n artinya rata-rata error term sama dengan nol. 2. cov(εt , εj) = 0, untuk tiap t ≠ j artinya tidak ada korelasi antara error term dengan yang lainnya atau disebut tidak ada autokorelasi. 3. εt ~ N(0, σ ε2 ) artinya untuk setiap error term mengikuti distribusi normal dengan rata-rata 0 dan varian σ ε2 . 4. Var (εt ) = σ ε2
38
artinya setiap error term mempunyai varian sama atau mempunyai penyebaran yang sama (homoskedastis) 1. Pemeriksaan Kenormalan
Pemeriksaan kenormalan bertujuan untuk melihat distribusi dari error term. Untuk mendeteksi normalitas, dapat dilakukan dengan melihat penyebaran error term pada sumbu diagonal grafik. Jika error term menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Dalam hal ini dapat digunakan plot persentil-persentil (P-P plot). 2.
Pemeriksaan Heteroskedastisitas
Varian dari error term adalah konstan. Pelanggaran terhadap asumsi homoskedastisitas disebut dengan heteroskedastis. Asumsi ini diuji dengan membuat sketergram antara residual kuadrat dengan nilai prediksi variabel dependen. Jika sebaran data tidak membentuk suatu pola, maka dapat dikatakan bahwa tidak terjadi heteroskedastisitas (Gujarati, 2003). 3.
Pemeriksaan Autokorelasi
Dalam analisis deret waktu, observasi sebelumnya dapat berkorelasi dengan observasi sesudahnya. Hal ini terutama terjadi pada data bulanan, triwulanan, kwartalan, tahunan dan sebagainya. Pendeteksian autokorelasi dapat dilakukan dengan statistik d Durbin-Watson sebagai berikut: -
Hipotesis Ho: Tidak ada autokorelasi H1: Ada autokorelasi
39
n
-
Statistik uji: d =
∑ (e − e ) t =1
n
∑e t =1
-
2
t −1
t
2 t
Syarat keputusan (1)
d < dL
: menolak Ho, berarti ada autokorelasi positif.
(2)
d > 4-dL
: menolak Ho, berarti ada autokorelasi negatif.
(3)
dU < d < 4-dU : menerima Ho.
(4)
dL < d < dU
(5)
4-dL < d < 4-dU: pengujian tidak meyakinkan
: pengujian tidak meyakinkan
dengan dL dan dU masing-masing merupakan batas bawah dan batas atas pada tabel Durbin-Watson. 4. Multikolinieritas
Asumsi yang harus dipenuhi lainnya adalah tidak adanya kolinieritas atau korelasi antara variabel independennya. Untuk mengetahui ada tidaknya multikolinieritas, dengan melihat nilai tolerance > 0,1 (10%) dan nilai VIF < 10, maka data tidak mengalami multikolinieritas.
