21
III.
3.1
METODE PENELITIAN
Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga
Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan wilayah dengan jumlah minimarket yang terus bertambah dalam beberapa tahun terakhir. Aktivitas minimarket ini menuai kritik dari beberapa pedagang eceran tradisional di sekitar Desa Dramaga karena ternyata berdampak pada penurunan omzet para pedagang tersebut. Penelitian ini dilakukan selama empat bulan yang dimulai dari bulan Maret hingga Juni 2012. Dalam kurun waktu tersebut peneliti melakukan pengumpulan data dan analisis dalam rangka menjawab tujuan penelitian.
3.2
Metode Pengambilan Sampel Metode pengambilan sampel menggunakan teknik non probability
sampling dengan metode “purposive sampling”. Purposive Sampling digunakan dalam situasi dimana peneliti memilih responden dengan tujuan tertentu. Selain itu, penggunaan metode purposive sampling disebabkan oleh karakteristik jumlah populasi yang tidak diketahui dengan pasti. Kriteria sampel pedagang yang dipilih adalah pedagang eceran tradisional yang jarak lokasi usahanya maksimum 400 meter dari minimarket terdekat dan lama usahanya minimal 3 tahun. Selain itu, sampel yang dipilih adalah individu atau rumah tangga yang bertempat tinggal di sekitar minimarket yang teletak di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Sampel yang digunakan yaitu sebanyak 25 responden pedagang eceran tradisional dan 30 responden masyarakat. Sampel yang dipilih sesuai dengan lokasi pemukiman sekitar kawasan minimarket, sehingga dapat memilih responden yang bermukim di daerah tersebut yang secara langsung menerima dampak dari pendirian minimarket.
22
3.3
Jenis dan Sumber Data Data yang diperlukan dalam penelitian ini adalah data primer dan data
sekunder. Data primer dalam penelitian ini berasal dari wawancara mendalam berupa kuisioner terhadap pemilik pedagang eceran tradisional yang menjadi responden sehingga dapat mengetahui pengaruh pendirian minimarket terhadap pedagang eceran tradisional. Data sekunder diperoleh dari Dinas Koperasi UKM Perindustrian dan Perdagangan Kabupaten Bogor, Badan Pusat Statistik Kabupaten Bogor dan Badan Pusat Statistik (BPS) Jakarta serta beberapa artikel yang tekait dengan penelitian.
3.4
Metode Analisis Dampak Pendirian Minimarket terhadap Perubahan Omzet Pedagang Eceran Tradisional Data yang diperoleh akan dianalisis dengan menggunakan analisis regresi
linear berganda dengan pendekatan OLS (Ordinary Least Square) atau metode kuadrat terkecil. Data yang diperoleh dianalisis dengan menggunakan program software Microsoft Excel 2007 dan SPSS version 16.0 for Windows. Model
yang
digunakan
untuk
menganalisis
faktor-faktor
yang
mempengaruhi perubahan omzet usaha pedagang eceran tradisional akibat pendirian minimarket adalah: Yi = b0 + b1 PDi + b2 JMi + b3 LUi + b4 JRi + b5 USi + ei ........................... (3.1) dimana: Yi = perubahan omzet usaha responden (persen/bulan) PDi = tingkat pendidikan (“1” untuk SD, “2” untuk SMP, “3” untuk SMA, dan “4” untuk S1) JKi = jam kerja (jam/hari) LUi = lama usaha (tahun) JRi = jarak antara pedagang eceran tradisional dengan minimarket terdekat (meter) USi = usia (tahun) b0
= konstanta
ei
= residual model
b1, b2, …, b5 = nilai koefisien dari masing-masing variabel bebas Analisis regresi linear berganda merupakan suatu metode yang digunakan untuk menguraikan pengaruh variabel-variabel independen yang mempengaruhi
23
variabel dependennya. Data yang digunakan dalam penelitian ini adalah data cross section. Menurut Gujarati (2006) metode OLS dapat digunakan jika dipenuhi asumsi-asumsi sebagai berikut: a.
Varians bersyarat dari residual adalah konstan atau homoskedastik.
b.
Tidak ada autokolerasi dalam residual.
c.
Variasi residual menyebar normal.
d.
Nilai rata-rata dari unsur residual sama dengan nol.
e.
Nilai-nilai peubah tetap untuk contoh-contoh yang berulang.
f.
Tidak ada hubungan linear sempurna antara peubah bebas.
3.5
Definisi Operasional Variabel Variabel terikat (Y) adalah variabel yang nilainya tergantung pada nilai
variabel lain yang merupakan konsekuensi dari perubahan yang terjadi pada variabel bebas. Variabel terikat dalam penelitian ini adalah perubahan omzet usaha pedagang eceran tradisional. Variabel kontrol merupakan variabel yang dimasukkan ke dalam penelitian untuk mengendalikan atau menghilangkan pengaruh tertentu pada model penelitian agar kesimpulan yang ditarik tidak bias atau salah persepsi. Variabel bebas adalah variabel yang nilainya berpengaruh terhadap variabel lain. Variabel terikat dan bebas yang digunakan untuk melihat pengaruh dari munculnya pasar modern (minimarket) antara lain: a.
Perubahan Omzet Penjualan (Y) adalah perubahan omzet penjualan per bulan yang dilihat dari jumlah total hasil penjualan barang tertentu dari pedagang eceran tradisional dalam waktu satu bulan penjualan akibat munculnya minimarket disekitar pedagang eceran tersebut. Variabel ini diukur dengan satuan persen pada perubahan omzet penjualan yang terjadi. Perubahan omzet diasumsikan negatif (Y ≤ 0).
b.
Tingkat Pendidikan (PD) adalah lama pendidikan responden yang telah dilalui di bangku sekolah formal yang dikelompokkan dalam empat ketegori pendidikan formal (Kusmiati, Subekti, dan Windari 2007). Variabel ini merupakan variabel kategorik ordinal, nilai “1” untuk SD, “2” untuk SMP, “3” untuk SMA, dan “4” untuk S1. Variabel tingkat pendidikan diduga akan mempengaruhi perubahan omzet pedagang eceran
24
tradisional. Semakin tinggi tingkat pendidikan, maka perubahan omzet akan semakin meningkat karena pedagang cenderung lebih berani membuka usaha dengan resiko yang tinggi, misalnya meminjam modal ke bank untuk menambah modal usaha. c.
Jam Kerja (JM) adalah waktu pedagang eceran tradisional beroperasi setiap harinya. Variabel ini diukur dengan satuan jam/hari. Variabel jam kerja diduga akan mempengaruhi omzet usaha pedagang eceran tradisional. Semakin lama jam kerja usaha pedagang eceran tradisional maka omzet usaha pedagang eceran tradisional akan semakin meningkat.
d.
Lama Usaha (LU) adalah kurun waktu yang telah dilalui atau lamanya responden menjalankan usaha ritel tradisional mulai pertama kali berdiri sampai dengan penelitian dilakukan (Kusmiati, et al., 2007). Variabel ini diukur dengan satuan tahun. Variabel lama usaha diduga akan mempengaruhi omzet usaha pedagang eceran tradisional. Semakin lama usaha pedagang eceran tradisional beroperasi, maka omzet usaha pedagang eceran tradisional akan semakin meningkat.
e.
Jarak antara pedagang eceran tradisional dengan minimarket (JR) adalah kedekatan lokasi antara pedagang eceran tradisional dengan minimarket dengan satuan meter. Variabel jarak diduga akan mempengaruhi omzet usaha pedagang eceran tradisional. Semakin dekat lokasi usaha ritel tradisional dengan minimarket maka omzet usaha pedagang eceran tradisional akan semakin menurun.
f. Usia (US) adalah usia responden yang terhitung sejak lahir hingga ulang tahun terakhir. Usia merupakan variabel kontrol.
3.6
Pengujian Asumsi Klasik Suatu model dikatakan baik apabila bersifat BLUE (Best Linear Unbiased
Estimator), yaitu memenuhi asumsi klasik atau terhindar dari masalah-masalah multikolinearitas, autokorelasi, dan heteroskedastisitas. Untuk itu dilakukan pengujian terhadap model agar dapat diketahui apakah terjadi penyimpanganpenyimpangan asumsi klasik atau tidak. Setiap estimator OLS harus memenuhi kriteria BLUE, yaitu:
25
best
= yang terbaik
linear
= merupakan fungsi linear dari sampel
unbiased
= rata-rata nilai harapan (E(bi)) harus sama dengan nilai yang sebenarnya (bi)
efficient estimator
= memiliki varians yang minimal diantara pemerkiraan lain yang tidak bias
3.6.1
Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi,
variabel bebas dan variabel terikatnya mempunyai distribusi normal atau tidak. Suatu model regresi dikatakan baik, apabila memiliki distribusi normal ataupun mendekati normal. Normalitas dapat dideteksi dengan melihat gambar histogram, tetapi seringkali polanya tidak mengikuti bentuk kurva normal, sehingga sulit untuk disimpulkan. Pengujian asumsi normalitas dapat dilakukan dengan Jarque Bera Test atau dengan melihat plot dari sisaan. Pada penggunakan software SPSS, dapat dilihat berdasarkan nilai Asymp. Sig. (2-tailed) pada N-par test, jika nilai Asymp. Sig. (2-tailed) lebih besar dari alpha, maka data terdistribusi normal. 3.6.2
Uji Multikolinearitas Istilah multikolinearitas berarti terdapat hubungan linier antar variabel
independennya. Gujarati (2006) menyatakan indikasi terjadinya multikolinearitas dapat terlihat melalui: a. Nilai R-squared yang tinggi tetapi sedikit rasio yang signifikan. b. Korelasi berpasangan yang tinggi antara variabel-variabel independennya. c. Melakukan regresi tambahan (auxiliary) dengan memberlakukan variabel independen sebagai salah satu variabel dependen dan variabel independen lainnya tetap diberlakukan sebagai variabel independen. Cara untuk mendeteksi multikolinearitas adalah dengan menghitung korelasi
antara
dua
variabel
bebas.
Cara
untuk
mengatasi
masalah
multikolinearitas antara lain dengan menambah jumlah data atau mengurangi jumlah
data
observasi,
menambah
atau
mengurangi
jumlah
variabel
independennya yang memiliki hubungan linear dengan variabel lainnya, mengkombinasikan data cross section dan time series, mengganti data, dan mentransformasi variabel.
26
3.6.3 Uji Autokorelasi Gujarati (2006) menyatakan autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data time series atau diurutkan menurut ruang seperti dalam data cross section. Suatu model dikatakan memiliki autokorelasi jika error dari periode waktu (time series) yang berbeda saling berkorelasi. Masalah autokorelasi ini akan menyebabkan model menjadi tidak efisien meskipun masih tidak bias dan konsisten. Autokorelasi menyebabkan estimasi standar error dan varian koefisien regresi yang diperoleh akan underestimate, sehingga R2 akan besar tetapi di uji t-statistic dan uji Fstatistic menjadi tidak valid. Cara mendeteksi ada tidaknya autokorelasi bisa dilakukan dengan melihat nilai Durbin Watson (DWstatistik), kemudian membandingkannya dengan DWtabel. Sebuah model dapat dikatakan terbebas dari autokorelasi jika nilai DWstatistik terletak di area nonautokorelasi. Penentuan area tersebut dibantu dengan nilai table dl dan du. Pengujian menggunakan hipotesis sebagai berikut: H0 : Tidak terdapat autokorelasi H1 : Terdapat autokorelasi Tabel 4. Kerangka Identifikasi Autokorelasi Nilai DW 4 − 𝑑𝑙 < DW < 4 4 − 𝑑𝑢 < DW < 4 − 𝑑𝑙 2 < DW < 4 − 𝑑𝑢 𝑑𝑢 < DW < 2 𝑑𝑙 < DW < 𝑑𝑢 0 < DW < 𝑑𝑙
Hasil Tolak H0 , korelasi serial negatif Hasil tidak dapat ditentukan Terima H0 , tidak ada korelasi serial Terima H0 , tidak ada korelasi serial Hasil tidak dapat ditentukan Tolak H0 , korelasi serial positif
Solusi dari masalah autokorelasi adalah: 1. Penghilangan variabel yang sebenarnya berpengaruh terhadap variabel endogen. 2. Kesalahan spesifikasi model. Hal tersebut diatasi dengan mentransformasi model, misalnya dari model linear menjadi model non linear atau sebaliknya.
27
3.6.4 Uji Heteroskedastisitas Salah satu asumsi dasar dari metode regresi linear adalah varians tiap unsur error adalah suatu angka konstan yang sama dengan δ2. Heteroskedastisitas terjadi ketika varians tiap unsur error tidak konstan. Gujarati (2006) menyatakan heteroskedastisitas memiliki beberapa konsekuensi, diantaranya adalah: a. Estimator OLS masih linier dan masih tidak bias, tetapi varians tidak minimum sehingga hanya memenuhi karakteristik Linier Unbiased Estimator (LUE). b. Perhitungan standar error tidak lagi dapat dipercaya kebenarannya karena varians tidak minimum sehingga dapat menghasilkan estimasi regresi yang tidak efisien. c. Uji hipotesis yang didasarkan pada uji F-statistic dan t-statistic tidak dipercaya.
3.7
Pengujian Statistik Analisis Regresi
3.7.1
Koefisiensi Determinasi (R2) Koefisien determinasi digunakan untuk mengukur kedekatan hubungan
antara variabel bebas yang digunakan dengan variabel terikat. Koefisien determinasi adalah angka yang menunjukkan besarnya proporsi atau persentase variasi variabel terikat yang dijelaskan oleh variabel bebas secara bersama-sama. Besarnya R2 berada diantara 0 dan 1 (0
Uji F-statistic Uji F-statistic digunakan untuk mengetahui apakah variabel-variabel
independen yang digunakan dalam penelitian secara bersama-sama signifikan mempengaruhi variabel dependen. Nilai F-statistic yang besar lebih baik dibandingkan dengan F-statistic yang rendah. Nilai Prob (F-statistic) merupakan tingkat signifikansi marginal dari F-statistic. Dengan menggunakan hipotesis pengujian sebagai berikut:
28
H0 : β1 = β2 =…= βk =0 H1 : minimal ada salah satu βi yang tidak sama dengan nol Tolak H0 jika F-statistic lebih besar dari F α(k-1,NT-N-K) atau Prob (F-statistic) lebih kecil dari α. Jika H0 ditolak, maka artinya dengan tingkat keyakinan 1-α kita dapat menyimpulkan bahwa variabel independen yang digunakan di dalam model secara bersama-sama signifikan mempengaruhi variabel dependen. 3.7.3 Uji t-statistic Uji t-statistic digunakan untuk mengetahui apakah variabel-variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Tolak H0 jika t-statistic lebih besar dari t α/2(NT-K-1) atau (t-statistic) lebih kecil dari α. Jika H0 ditolak, maka artinya dengan tingkat keyakinan 1-α kita dapat menyimpulkan bahwa variabel independen ke-i secara parsial mempengaruhi variabel dependen. 2.7.4
Uji-t berpasangan (paired t-test) Uji-t berpasangan (paired t-test) adalah salah satu metode pengujian
hipotesis dimana data yang digunakan tidak bebas (berpasangan). Uji-t ini membandingkan satu kumpulan pengukuran yang kedua dari contoh yang sama. Uji ini sering digunakan untuk membandingkan nilai “sebelum” dan “sesudah” percobaan untuk menentukan apakah perubahan nyata telah terjadi. Ciri-ciri yang paling sering ditemui pada kasus yang berpasangan adalah satu individu (objek penelitian) dikenai 2 buah perlakuan yang berbeda. Walaupun menggunakan individu yang sama, peneliti tetap memperoleh 2 macam data sampel, yaitu data dari perlakuan pertama (sebelum) dan data dari perlakuan kedua (sesudah). Perlakuan pertama mungkin saja berupa kontrol, yaitu tidak memberikan perlakuan sama sekali terhadap objek penelitian. Misal pada penelitian mengenai omzet pedagang tertentu. Sebagai perlakuan pertama, peneliti menerapkan kontrol, sedangkan pada perlakuan kedua, barulah objek penelitian dikenai suatu tindakan tertentu, misal omzet pedagang setelah pendirian minimarket. Dengan demikian,
perubahan
omzet
pedagang
dapat
diketahui
dengan
cara
membandingkan kondisi objek penelitian sebelum dan sesudah pendirian minimarket.
29
Metode Analisis Dampak Pendirian Minimarket terhadap Perubahan Tingkat Pengeluaran Masyarakat
3.8
Peningkatan pengeluaran masyarakat setelah pendirian minimarket dapat dianalisis sebagai data binner. Data binner merupakan bentuk data yang menggambarkan pilihan “Meningkat atau Tidak Meningkat”. Dengan kondisi seperti ini, jenis penggunaan regresi yang sesuai untuk pemodelan adalah regresi logit. Hal yang membedakan model regresi logit dengan regresi biasa adalah peubah terikat dalam model bersifat dikotomi (Hosmer dan Lameshow, 1989). Bentuk fungsi model logit adalah: Logit (pi) = 𝐥𝐨𝐠 𝐞
𝐩𝐢 𝟏−𝐩𝐢
............................................................................... (3.2)
Model persamaannya dapat dirumuskan sebagai berikut: Logit (pi) = 0 + 1USi + 2JRi + εi
.............................................................. (3.3)
dimana: Logit (pi)
= peluang tingkat pengeluaran responden akibat pendirian minimarket (bernilai 1 untuk “meningkat” dan 0 untuk “tidak meningkat”)
0
= intersep
1 , 2
= koefisien regresi
USi
= usia (tahun)
JRi
= jarak tempat tinggal responden dengan minimarket terdekat (meter)
εi
= galat
3.9 Definisi Operasional Variabel Variabel terikat (dependent) yang digunakan memiliki nilai nol “0” dan satu “1”. Nilai nol mewakili jawaban tingkat pengeluaran tidak meningkat akibat pendirian minimarket. Sedangkan nilai satu mewakili jawaban tingkat pengeluaran
meningkat
akibat
pendirian
minimarket.
Variabel
terikat
(independent) yang digunakan untuk melihat pengaruh dari munculnya minimarket terhadap peningkatan pengeluaran masyarakat antara lain: 1. Usia (US) adalah usia responden yang terhitung sejak lahir hingga ulang tahun terakhir. Semakin tua usia responden, maka tingkat pengeluaran responden cenderung tidak meningkat karena responden dengan usia yang lebih tua cenderung dapat mengendalikan pengeluarannya.
30
2. Jarak (JR) adalah kedekatan lokasi antara tempat tinggal responden dengan minimarket terdekat dalam satuan meter. Variabel jarak diduga akan mempengaruhi tingkat pengeluaran responden. Semakin jauh antara tempat tinggal responden dengan minimarket maka tingkat pengeluaran responden akan cenderung semakin tidak meningkat.
3.10
Rasio Odd Rasio Odd merupakan rasio peluang terjadi pilihan-1 terhadap peluang
terjadi pilihan-0 (Juanda, 2009). Koefisien bertanda positif menunjukkan nilai rasio odd yang lebih besar dari satu, hal tersebut mengindikasikan bahwa peluang kejadian sukses lebih besar dari peluang kejadian tidak sukses. Sedangkan koefisien yang bertanda negatif mengindikasikan bahwa peluang kejadian tidak sukses lebih besar dari peluang kejadian sukses.
