BAB III METODE PENELITIAN. penelitian. Metode penelitian yang dipilih menurut Moh. Nazir (1999: 51)

Transkripsi

1 BAB III METODE PENELITIAN 3.1 Objek Peneltan D dalam peneltan lmah dperlukan adanya objek dan metode peneltan. Metode peneltan yang dplh menurut Moh. Nazr (1999: 51) berhubungan erat dengan prosedur, alat serta desan peneltan yang dgunakan. Jad metode peneltan merupakan prosedur serta kumpulan nstrumen yang dgunakan dalam peneltan. Dalam melaksanakan suatu peneltan perlu adanya metode peneltan yang tetap sesua dengan permasalahan yang dhadap. Objek dalam peneltan n sendr adalah pendapatan, lokas, budaya dan harapan pekerjaan. 3. Metode Peneltan Sesua dengan tujuan peneltannya, maka metode yang dgunakan dalam peneltan n adalah metode deskrptf yatu metode peneltan untuk mencar fakta, dengan nterpretas yang tepat dengan mempelajar masalahmasalah dalam masyarakat, serta tatacara yang berlaku dalam masyarakat serta stuas-stuas tertentu, termasuk tentang hubungan, kegatan, skap, pandangan, serta proses yang sedang berlangsung dan berpengaruh dar suatu fenomena (Moh. Nazr, 1999:64) 39

2 40 Metode deskrptf yang dpaka adalah metode surve, Moh. Nazr (1999: 65) menyatakan bahwa metode surve merupakan penyeldkan yang dadakan untuk memperoleh fakta-fakta dar gejala-gejala yang ada dan mencar keterangan-keteragan secara faktual, bak tentang nsttus sosal, ekonom, atau poltk dar suatu kelompok atau daerah. Kerlnger (Moh. Nazr. 1999:40) mengatakan bahwa Peneltan surve adalah peneltan yang dlakukan pada populas besar maupun kecl, tetap data yang dpelajar adalah data dar sampel yang dambl dar populas tersebut, sehngga dtemukan kejadan-kejadan relatf, dstrbus dan hubungan antar varabel sosologs maupun pskologs. 3.3 Populas Dan Sampel Populas Nawaw (Rduwan. 004 : 6) berpendapat Populas adalah totaltas semua nla yang mungkn, bak hasl menghtung ataupun pengukuran kuanttatf maupun kualtatf pada karakterstk tertentu mengena sekumpulan objek yang lengkap. Penuls menggunakan jens populas terbatas dalam peneltan n. Populas terbatas adalah populas yang mempunya sumber data yang jelas batasnya secara kuanttatf sehngga dapat dhtung jumlahnya (Rduwan, 004 : 7). Adapun yang menjad populas dalam peneltan n adalah seluruh orang tua dan anak yang putus sekolah dar program Wajar Dkdas semblan tahun d Kecamatan Cbarusah.

3 Sampel Dalam peneltan n tdak semua populas djadkan objek peneltan, tetap hanya dambl beberapa sampel saja yang danggap mewakl populas, sehngga teknk n dnama surve sampel. Suve sampel sendr menurut Moh Nazr (1999: 35) adalah suatu prosedur dalam mana hanya sebagan dar populas saja yang dambl dan dpergunakan untuk menentukan sfat serta cr yang dkehendak dar populas. Dalam mencar sampel, para penelt basanya menggunakan Probablty Samplng. Menurut Moh. Nazr (1999: 35 ) Probablty Samplng adalah suatu sampel yang dtark sedemkan rupa dmana suatu elemen ndvdu dar populas, tdak ddasarkan pada pertmbangan prbad tetap tergantung kepada aplkas kemungknan (probabltas). Teknk pengamblan sampel yang dgunakan dalam peneltan n adalah dengan teknk Stratfed Random Samplng yatu sample yang dtark dengan memsahkan elemen-elemen populas dalam kelompok-kelompok yang tdak overlappng yang dsebut strata dan kemudan memlh sebuah sampel secara random setap startum. Keseluruhan data yang dmlk adalah homogen, tetap untuk lebh mempertajam ketepatan masalah yang ngn dtelt, maka populas dbag kedalam beberapa subpopulas (Moh. Nazr. 1999:346). Cara pengamblan sampel n adalah data yang kta mlk berupa sswasswa yang drop out dar program Wajar Dkdas Semblan Tahun. Mereka

4 4 dbag kedalam subpopulas yatu sswa yang hanya menyelesakan kelas 1,, 3, 4, 5, 6, 7, dan kelas 8. Adapun yang menjad populas dalam peneltan n adalah 140 orang sswa drop out dalam Wajar Dkdas 9 tahun. Untuk subpopulas secara lebh jelas sepert tergambarkan d tabel 3.1 Teknk pengamblan sampel menggunakan rumus dar Taro Yamane yang dkutp oleh Rduwan (004 : 65) sebaga berkut : N n = N. d n = ,1 1 = (150).(0,01) 150 = = ,5 (Rduwan 004:65) Dengan derajat kepercayaan sebesar 95 % smpangan baku sebesar 0,05 dan Bound of Error sebesar 0,1 maka besarnya ukuran populas yang djadkan sampel adalah 60. Adapun yang akan dplh menjad sampel dengan menggunakan teknk sampel proporsonal. Propors sampel yang akan dambl sepert dalam tabel berkut n Tabel 3.1 Frekuens dan Sampel yang Dgunakan dalam Peneltan Sampel yang Persentase f dtark sesua (%) propors Drop Out setelah menyelesakan kelas Sampel Tap Kelas Kelas 1 5 3,33 3, ,8 = Kelas 3,00, , = 1 Kelas 3 3,00, , = 1 Kelas 4 5 3,33 3, ,9 = Kelas 5 1 8,00 8, ,8 = 5 Kelas 6 (tdak melanjutkan dan Drop Out kelas 7) 66 44,00 44, ,4 = 6 Kelas ,67 4, ,8 = 15 Kelas ,67 1, ,6 = 8 Jumlah % 60

5 Operasonalsas Varabel Operasonalsas varabel merupakan penjabaran dar varabel-varabel yang dtelt. Penjabaran varabel- varabel peneltan n akan menjad pedoman penelt dalam peneltan d lapangan. Penjabaran varabel- varabel n terdr dar konsep teorts varabel, konsep emprs, konsep analts dan konsep operasonal. Konsep teorts varabel merupakan varabel yang akan dambl dalam peneltan yang sfatnya mash umum. Konsep emprs merupakan konsep yang bersfat operasonal yang merupakan penjabaran dar dar konsep teorts. Konsep analtk merupakan penjabaran yang lebh khusus dan terpernc dar varabel emprs, sedangkan konsep operasonal merupakan penjabaran konseop analts yang menunjukan dar mana data peneltan tersebut dperoleh. Operasonalsas varabel dalam peneltan n dapat dlhat dalam tabel berkut

6 44 Tabel 3. Operasonalsas Varabel Konsep Teorts Konsep Emprs Konsep Analss Skala Varabel Terkat (Y) Keberhaslan Menyelesakan Penddkan Dasar 9 Tahun Varabel bebas (X) Propors lamanya belajar anak yang putus sekolah dengan keharusan menyelesakan Wajar Dkdas 9 tahun Tngkat putus sekolah dbandngkan dengan 9 tahun wajb belajar (dalam Persen) Interval 1. Pendapatan Keluarga (X1) Pendapatan Orang tua yang membaya anak tersebut. - jumlah pendapatan ayah/bulan - jumlah pendapatan bu/saudara /bulan Interval. Lokas sekolah (X) Sultnya medan dan beban daya untuk transportas mencapa lokas sekolah - Skor dar jarak yang dtempuh - Skor dar beban baya transportas - Skor dar letak sekolah Ordnal Ordnal Ordnal 3. Budaya (X3) Mengukur Perlaku orang tua terhadap nla-nla budaya dalam penddkan skor perlaku orang tua terhadap - Penddkan - Mengharga waktu - Persamaan Gender - IPTek Ordnal Ordnal Ordnal Ordnal 4. Harapan Pekerjaan (X4) Mengukur skap terhadap penddkan bsa berguna bag penngkatan kesejahteraan Skor skap orang tua terhadap anaknya setelah lulus dapat memperoleh pekerjaan Ordnal 3.5 Teknk Pengumpulan Data Menurut Subagyo (001: ) data adalah fakta-fakta yang dapat dpercaya kebenarannya. Sumber data yang akan dgunakan dalam peneltan n adalah data prmer, yatu data yang langsung dperoleh dar responden dengan menggunakan alat pengumpulan data berupa kusoner. Menurut Suharsm Arkunto (00 : 18) Kusoner adalah sejumlah pertanyaan

7 45 tertuls yang dgunakan untuk memperoleh nformas dar responden dalam art laporan prbadnya, atau hal-hal yang a ketahu. Selan tu dalam peneltan n juga menggunakan alat stud dokumentas dan stud lteratur dar perpustakaan sebaga data sekunder. Sebagamana yang pernah d kemukakan oleh Suharsm Arkunto (00 : 135) dalam stud dokumentas, penelt menyeldk benda-benda tertuls sepert buku-buku, majalah, dokumen dokumen, peraturan-peraturan, notulen rapat, catatan haran dan sebaganya. Untuk alasan memperdalam s nformas yang ddapatkan, penuls menggunakan kusoner dengan teknk schedule. Menurut Moh Nazr, teknk n memungknkan kusoner tu ds oleh pembawa daftar san dalam suatu tatap muka, pencatat yang mengadakan wawancara sesua dengan daftar pertanyaannya, atau yang dsebut dengan enumerator. 3.6 Prosedur Pengumpulan Data Untuk mendapatkan data yang bak dan dapat dgunakan sebaga bahan pertmbangan dalam peneltan n dlakukan bebarapa tahapan yatu: 1. Membuat surat zn peneltan (pra peneltan dan peneltan lanjutan).. Kunjungan ke Badan Perencanaan Derah Jawa Barat (Bappeda) untuk memperoleh nformas/data jumlah sekolah, sswa, dan angka putus sekolah d setap kabupaten/kota d Jawa Barat 3. Kunjungan ke kantor Dnas Penddkan Nasonal dan Kantor Departeman Agama Kabupaten Bekas untuk memperoleh nformas jumlah sekolah, sswa, dan angka putus sekolah d kecamatan d Kabupaten Bekas

8 46 4. Stud dokumentas mengena keberhaslan wajb belajar, pendapatan, budaya orang tua, letak sekolah, dan harapan untuk memperoleh pekerjaan para lulusan sekolah dar berbaga sumber. 5. Menentukan samplng frame yang dgunakan untuk penentuan dasar sampel. 6. Mengolah data dengan menggunakan teknk samplng Cluster Samplng. 7. Membuat angket dan menyebarkan angket kepada responden yang telah dtetapkan sebelumnya. Adapun langkah-langkah penyusunan angket adalah sebaga berkut : a. Menentukan tujuan pembuatan angket yatu mengetahu faktor-faktor apa yang mempengaruh efektvtas pengelolaan retrbus termnal. b. Menentukan objek yang menjad responden yatu para petugas pemungut retrbus termnal. c. Menyusun ks-ks angket. d. Menyusun pertanyaan-pertanyaan yang harus djawab oleh responden. e. Merumuskan pertanyaan-pertanyaan dan alternatf jawabannya. f. Menetapkan krtera pemberan skor untuk setap tem pertanyaan yang sfatnya tertutup. Alat ukur yang dgunakan dalam pemberan skor adalah daftar pertanyaan yang menggunakan skala Lkert perngkat untuk mengukur skala skap dan perlaku. Rangkaan urutan skala skap adalah sangat setuju, setuju, tdak setuju, sangat tdak setuju. Sedangkan untuk skala perlaku adalah Selalu, Serng, kadangkadang, dan tdak pernah. Ukuran data ordnal menyatakan perngkat

9 47 saja. Untuk pengukuran varabel X dlakukan dengan menjabarkan aspek-aspek varabel X masng-masng ke dalam bentuk pertanyaan mempunya 4 krtera jawaban dengan pembagan skor 1,,3, dan 4. Pemberan skor varabel X adalah sebaga berkut : g. Memperbanyak angket h. Menyebarkan angket. Tabel 3.3 Krtera Pengamblan Skor Skap No Opton Nla 1 SS 4 S 3 3 TS 4 STS 1 Krtera Pengamblan Skor Perlaku No Opton Nla 1 Selalu 4 Serng 3 3 Kadang-kadang 4 Tdak Pernah 1. Mengelola dan menganalss hasl angket. 3.7 Prosedur Pengolahan Data Data adalah bahan mentah yang perlu dolah sehngga menghaslkan nformas atau keterangan, bak kualtatf maupun kuanttatf yang menunjukkan fakta, sementara pengolahan data merupakan kegatan untuk menguj hpotess yang telah drumuskan (Rduwan 004 : 45). Menurut Kartn Kartono (Suharsm. 00:86-87) mengolah data berart menmbang, menyarng, mengatur dan mengklasfkaskan. Menmbang dan menyarng data tu alah benar-benar memlh secara hathat data yang relevan, tepat dan benar-benar berkatan dengan masalah yang

10 48 tengah dtelt. Mengatur dan mengklasfkaskan alah menggolongkan, menyusun menurut aturan tertentu yatu bertujuan mencar salah satu kesmpulan maka peneltan harus dlengkap dengan penganalssan, nterprestas data dan penarkan kesmpulan. Berdasarkan hal tersebut, maka tahapan yang harus dlakukan dalam peneltan n adalah : 1. Menyeleks data, data yang sudah dperoleh dar berbaga sumber kemudan dplh dan dseleks sesua dengan kebutuhan peneltan. Mentabulaskan data, data-data yang telah dseleks tersebut kemudan dtabulaskan atau d masukkan ke dalam bentuk tabel. 3. Menghtung ukuran karakterstk berdasarkan varabel peneltan. 4. Melakukan pengujan hpotess. 5. Penarkan kesmpulan 3.8 Teknk Analsa Data dan Pengujan Hpotess Teknk Analss Data Valdtas Sebelum dlakukan analss data, terlebh dahulu dlakukan pengujan nstrumen peneltan untuk mengetahu valdtas dan relabltas nstrumen yang dgunakan dalam peneltan. Valdtas menunjukkan sejauh mana suatu alat pengukur dapat mengukur apa yang ngn dukur. Jad dapat dkatakan semakn tngg valdtas suatu alat ukur, maka alat ukur tersebut semakn vald sasarannya atau semakn menunjukkan ketepatan apa yang seharusnya dukur. Jka

11 49 penelt menggunakan kuesoner dalam pengumpulan data peneltan, maka butr-butr soal yang dsusun pada kuesoner tersebut merupakan alat ukur yang harus mengukur apa yang menjad tujuan peneltan. Uj valdtas tem dalam peneltan n menggunakan rumus korelas Product Moment dar Pearson sebagamana berkut : r xy = nσx Y ( ΣX )( ΣY ) { nσx ( ΣX ) }{ nσy ( ΣY ) } (Suharsm Arkunto, 00: 146) d mana: r xy = koefsen korelas n = jumlah responden uj coba X = skor tap tem Y = skor seluruh tem responden uj coba Dengan menggunakan taraf sgnfkanα = 0, 05, koefsen korelas yang dperoleh dperbandngkan dengan nla dar t tabel, korelas nla r dengan derajat kebebasan n 4 d mana n menyatakan banyaknya jumlah responden dan nla 4 dar varabel bebas Relabltas Tes relabltas bertujuan untuk mengenal apakah alat pengumpul data tersebut menunjukan tngkat ketepatan, keakuratan, kestablan atau konsstens dalam mengungkapkan gejala tertentu dar sekelompok ndvdu walaupun dlaksanakan pada waktu yang berbeda sehngga dapat dpercaya. Uj relabltas, dhtung dengan menggunakan rumus alpha dar Cronbach sebagamana berkut:

12 50 k Σσ n 11 = 1 k 1 σ t r (Suharsm Arkunto, 00:171) D mana: r 11 = relabltas nstr-umen k = banyak butr pernyataan atau banyaknya soal σ b = Jumlah varans butr = varans total σ t Langkah selanjutnya sama dengan uj valdtas yatu dengan menggunakan taraf sgnfkans α = 0,05, nla relabltas yang dperoleh dar hasl perhtungan dperbandngkan dengan nla dar tabel korelas nla r dengan derajat kebebasan (n 4). Jka r > r tabel Jka r r tabel relabel tdak relabel Method Succsesve Interval (MSI) Karena data ada yang bersfat ordnal maka data tersebut dubah terlebh dahulu melalu proses MSI (Methode of Succesve Interval). Adapun langkah-langkah untuk melakukan transformas data melalu MSI menurut Harun Al-Rasyd (Nasrun, 004: 49) adalah sebaga berkut : (1) Htung frekuens untuk masng-masng kategor responden. () Tentukan nla propors untuk masng-masng kategor responden. (3) Jumlahkan nla propors menjad propors kumulatf untuk masng-masng kategor responden. (4) Dasumskan propors kumulatf (PK) mengkut dstrbus normal baku, maka untuk setap nla PK (untuk masng-masng kategor respon) akan ddapatkan nla Z (dar tabel normal baku). (5) Htung nla denstas f (Z) untuk masng-masng nla Z. (6) Htung SV (scale value) untuk masng-masng kategor responden secara umum. Rumus yang dgunakan adalah sebaga berkut :

13 51 SV= f(z) batas bawah f(z) batas atas Nla peluang P Analss Regres Lner Berganda Yatu menentukan hubungan antara varabel dependen dengan varabel-varabel ndependen. Adapun model yang dgunakan dalam peneltan n yatu: Y= a 0 + a 1 X 1 + a X + a 3 X 3 + a 4 X 4 + e (Syafarudn, 004: 17) Keterangan: a 0 = Konstanta a 1, a 1, a, a 3, a 4 Y X1 X X3 X4 = koefsen regres = Tngkat ketuntasan = Pendapatan Keluarga = Kesultan Mencapa Sekolah = Budaya Orang Tua = Harapan Pekerjaan Lulusan 3.8. Pengujan Hpotess Menurut Srtua Aref (1993 : 9) Pengujan hpotess dapat dlakukan dengan cara, pengujan koefsen regres secara ndvdual dan pengujan koefsen regres secara keseluruhan dan serentak menentukan koefsen determnas Kofsen Determnas adalah nla yang menunjukkan seberapa besar varabel X mempengaruh Y. Dengan rumus : R = b1 Χ1Υ + b Χ Υ + b Υ 3 Χ 3 Υ (Sugyono, 005:64)

14 Uj Sgnfkans a) Pengujan koefsen regres secara parsal Uj t dgunakan untuk menguj hpotess secara parsal dengan sgnfkansnya dapat dhtung melalu rumus sebaga berkut: t statstk = r n 1 r (Sudjana, 1997:59) Setelah dperoleh t statstk atau t htung, selanjutnya bandngkan dengan t tabel dengan α dsesuakan. Adapun cara mencar t tabel dapat dgunakan rumus sebaga berkut : t tabel = n-k Krtera: H 0 dterma jka t statstk < t tabel, df [k;(n-k)]. H 0 dtolak jka t statstk t tabel, df [k;(n-k)]. Artnya: apabla t statstk t tabel maka koefsen korelas parsal tersebut sgnfkan sehngga dapat djadkan sebaga dasar predks dan menunjukkan adanya pengaruh secara parsal antara varabel terkat (dependent) dengan varabel bebas (ndependent), atau sebalknya jka t statstk < t tabel maka koefsen korelas parsal tersebut tdak sgnfkan dan menunjukkan tdak ada pengaruh secara parsal antara varabel terkat (dependent) dengan varabel bebas (ndependent).

15 53 b) Pengujan koefsen regres secara keseluruhan dan serentak Untuk menguj secara statstk bahwa keseluruhan koefsen regres juga sgnfkan dalam menentukan nla dependent varabel dperlukan uj F dan dapat dnyatakan sebag berkut : F = R /( k 1) (1 R ) /( N k) (Srtua Aref, 1993 : 10) Ho dterma jka F htung lebh besar darpada F tabel ( a,k/n-k-1) Ho dtolak jka F htung lebh kecl darpada F tabel (a,k/n-k-1) Uj Asums Klask Multkolneartas Multkolneartas menunjukkan adanya hubungan lner yang sempurna atau eksak (perfect of exact) d antara varabel-varabel bebas dalam model regres. Penggunaan kata multkolnertas d sn dmaksudkan untuk menunjukkan adanya derajat kolnertas yang tngg d antara varabel-varabel bebas. Bla varabel-varabel bebas berkorelas secara sempurna, maka metode kuadrat terkecl tdak bsa dgunakan. Namun, apabla keterkatan lner n kurang sempurna, estmas koefsen model regres melalu kuadrat terkecl mash dapat dperoleh. Akan tetap, estmas n cenderung tdak stabl, nla-nla n dapat berubah dramats dengan perubahan kecl pada data, dan

16 54 lonjakan nlanya lebh besar dar yang dperkrakan. Khususnya, koefsen-koefsen ndvdu mungkn memberkan tanda yang salah, dan statstk t dalam penentuan sgnfkan masng-masng koefsen, kesemuanya mungkn tdak sgnfkan, tetap uj F akan menunjukkan bahwa regresnya sgnfkan. Sumodnngrat (1994:87) mengdentfkas beberapa akbat dar adanya multkolnertas (tetap bukan sempurna): a) Dengan naknya derajat korelas d antara varabel-varabel bebas, penaksr-penaksr OLS mash bsa dperoleh, namun kesalahankesalahan baku (standard errors) cenderung menjad besar. b) Karena kesalahan-kesalahan baku besar, maka probabltas dar kesalahan Tpe II (yakn, tdak menolak hpotess yang salah) akan menngkat. c) Taksran-taksran parameter OLS dan kesalahan-kesalahan bakunya akan menjad sangat senstf terhadap perubahan dalam data sampel terkecl sekalpun. d) Jka multkolnertas tngg, mungkn R bsa tngg namun tdak ada satu pun (sangat sedkt) taksran koefsen regres yang sgnfkan secara statstk. Untuk melhat adanya hubungan antara varbel bebas dgunakan rumus: r 3 = x x x 3 x 3 (J. Supranto, 004:14) D mana r 3 = 1 menunjukkan adanya hubungan antara varabel bebas. Hanke (003:38) memberkan alternatf untuk mendeteks multkolnertas yatu melalu faktor varan nflas (VIF, Varance Inflaton Factor).

17 55 VIF 1 1 R = j j = 1,,...k. R j yang dmaksud adalah koefsen determnas dar regres varabel bebas ke j pada k 1, varabel bebas ssanya k =, R j adalah kuadrat dar korelas sampel r. Jka varabel X ke j tdak berkatan dengan X ssa, R j = 0 dan VIF j = 1. Jka terdapat hubungan, maka VIF j > 1, atau jka nla VIF j melampau angka 10, maka terjadlah multkolnertas yang tngg Heterokedaststas Satu asums pentng dalam model regres lnear klask alah bahwa kesalahan pengganggu ε mempunya varan yang sama, artnya Var (ε ) = E (ε ) = σ untuk semua, = 1,, n. Asums n dsebut Homokedastk (J. Supranto, 004:46). Dalam keadaan heterokedastk, varan masng-masng ε tak sama. Beberapa akbat yang dtmbulkan akbat adanya heteroskedaststas (Sumodnngrat, 1994:66) : a) Penaksr-penaksr OLS tdak akan bas (unbased) b) Artnya, penaksr-penaksr kuadrat terkecl adalah unbased, sekalpun dalam konds heteroskedaststas. Hal n dsebabkan karena d sn tdak dgunakan asums homoskedaststas. c) Varan dar koefsen-koefsen OLS salah. d) Penaksr-penaksr OLS akan menjad tdak efsen.

18 56 Beberapa pengujan dsarankan untuk menyeldk masalah hetero-skedaststas. Berkut n beberapa dantaranya: A. Uj Korelas Rank-Spearman Estmas Y terhadap X (varabel bebas) untuk mendapatkan resdu-resdu (e) yang merupakan taksran bag faktor faktor gangguan (U). Selanjutnya, susun nla-nla e (dengan mengabakan tandanya) dan nla X, menurut susunan yang menak atau menurun, untuk menghtung koefsen korelas yang berdasarkan rankng antara X dan e. Koefsen korelas rankng yang tngg menandakan adanya heteroskedaststas. Koefsen korelas rankng juga dapat dhtung antara e dan setap satu varabel bebas dalam kasus model yang mengandung lebh dar satu varabel bebas. B. Metode Grafk Apabla tdak ada nformas sebelumnya atau nformas secara emprs tentang adanya heterokedasts, dalam praktknya kta dapat membuat analss regres berdasarkan asums bahwa tdak ada heterokedaststas dan kemudan melakukan pengecekan terhadap kesalahan pengganggu (resdual) kuadrat, yatu e, untuk melhat kalau-kalau seluruh e menunjukkan pola yang sstemats. Walaupun e tdak sama dengan ε, tetap dapat dgunakan sebaga proxy, khususnya kalau sampel cukup besar. Suatu pengecekan tenatan Σe = jumlah kesalahan pengganggu kuadrat (RSS= Resdual Sum of

19 57 Squares) akan meunjukkan suatu pola (J. Supranto, 005: 55). Atau dengan bantuan program SPSS, dmana jka terjad pola tertentu sepert ttk-ttk yang membentuk pola yang teratur, maka telah terjad heteroskedats (Alhusn, 003:58). C. Uj Park Park menyarankan suatu bentuk fungs spesfk dantara σ u dan varabel bebas untuk menyeldk adanya heteroskedaststas: σ u lnσ = u f ( X ) = σ X β v e = lnσ + β ln X + v Oleh karena σ u tdak teramat (not observable), maka dsarankan e sebaga wakl (proxy). Oleh karena tu maka: lne lne = lnσ + β ln X = α + β ln X + v + v Menurut Park, jka β pada regres tersebut d atas adalah sgnfkan secara statstk, maka berart terdapat heteroskedaststas d dalam data. Uj Park n merupakan prosedur dua langkah: Langkah I : Jalankan regres OLS tanpa memperhatkan heteroskedaststas Langkah II : Jalankan regres log-lnear antara e dan X, dan ujlah apakah sgnfkan atau tdak. D. Uj Glejser Uj Glejser serupa dengan Uj Park. Perbedaannya adalah Glejser menyarankan tujuh bentuk fungs sebaga gant dar hanya satu

20 58 bentuk fungs yang dsarankan oleh Park. Glejser menggunakan bentuk-bentuk fungs berkut untuk menyeldk adanya heteroskedaststas: e + = β X v e = β X + v e + = β v e + v X X e = + βx + v = β α e = ( α + βx ) + v ( α + βx ) v e = + (v adalah faktor kesalahan) Jka β pada regres-regres tersebut d atas adalah sgnfkan, maka berart ada heteroskedasts Autokorelas Menurut Kendall dan Buckland dalam J. Supranto (004:8) otokorelas merupakan korelas antara anggota ser observas yang dsusun menurut urutan waktu (sepert data cross-secton) atau korelas pada drnya sendr. Dalam hubungannya dengan persoalan regres, model regres lnear klask menganggap bahwa otokorelas demkan tu tdak terjad pada kesalahan pengganggu ε. Dengan smbol dapat dnyatakan sebaga berkut : E(ε ε j ) = 0, j (J. Supranto, 004:8) Akbat-akbat yang terjad pada penaksr-penaksr apabla metode OLS dterapkan pada data yang mengandung autokorelas (Sumodnngrat, 1994:41): a) Taksran OLS tdak bas (unbased) b) Varan dar taksran OLS akan underestmate c) Peramalan akan tdak efsen (neffcent)

21 59 Suatu jens pengujan yang umum dgunakan untuk mengetahu adanya autokorelas telah dkembangkan oleh J. Durbn dan G. Watson. Pengujan n dsebut sebaga statstk d Durbn-Watson yang dhtung berdasarkan jumlah selsh kuadrat nla-nla taksran faktorfaktor gangguan yang berurutan. Nla statstk d dar Durbn-Watson dperoleh melalu rumus: d t= N t t= = t= N ( e e ) t= 1 e t t 1 (Gujarat, 1995:15) Snggh Santoso (Rob Iskandar, 007:48) menjelaskan bahwa untuk mendeteks ada tdaknya autokorelas, maka dambl patokan besaran Durbn-Watson sebaga berkut: Tabel 3.4 Uj Autokorelas Nla D-W Keputusan - Terkena Autokorelas - hngga + Bebas Autokorelas + Terkena Autokorelas