BAB III METODE PENELITIAN

Transkripsi

1 BAB III METODE PENELITIAN A. Lokasi Penelitian Dalam penelitian ini, peneliti mengambil lokasi di provinsi Kalimantan Timur. Berdasarkan pembagian wilayah administrasi provinsi Kalimantan Timur terdiri dari 10 kabupaten/kota yaitu Paser, Kutai Barat, Kutai Kertanegara, Kutai Timur, Berau, Mahakan Ulu, Penajam Paser Utara, Balikpapan, Samarinda dan Bontang. Alasan dilakukan penelitian di provinsi Kalimantan Timur karena provinsi Kalimantan Timur memiliki angka pengangguran yang tinggi bahkan paling tinggi sepulau Kalimantan. B. Jenis Penelitian Pendekatan yang digunakan dalam penelitian ini yaitu pendekatan kuantitatif deskriptif. Pendekatan kuantitatif inferensial ini dilakukakan dengan metode Ordinary Least Square (OLS) untuk seluruh persamaannya. Sedangkan pendekatan inferensial digunakan untuk membahas interpretasi lebih lanjut dari hasil penelitian yang telah diperoleh dalam analisis kuantitatif. C. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan adalah teknik dokumentasi. Peneliti mengumpulkan data dari data-data yang dipublikasikan oleh Badan Pusat Statistik (BPS) provinsi Kalimantan Timur, jurnal dan media elektronik (internet). 23

2 24 Publikasi tersebut seperti buku Statistik Indonesia, Kalimantan Timur Dalam Angka serta Produk Domestik Regional Bruto (PDRB). D. Definisi Operasional dan Pengukuran Variabel Variabel yang digunakan dalam penelitian ini yaitu variabel dependent (terikat) dan variabel independent (bebas). 1. Variabel dependen Variabel dependen merupakan variabel yang dipengaruhi atau juga disebut variabel bebas. Variabel dependen dalam penelitian ini adalah jumlah pengangguran yang ada di provinsi Kalimantan Timur. Data jumlah pengangguran yang digunakan dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) dan diambil dari tahun 2011 sampai 2015 dengan satuan jiwa/orang. 2. Variabel Independen Variabel independen merupakan variabel yang mempengaruhi dalam sebuah penelitian atau juga variabel ini sering disebut variabel terikat. Dalam penelitian ini yang menjadi variabel independen adalah sebagai berikut: a. Produk Domestik Regional Bruto (PDRB) Data Produk Domestik Regional Bruto (PDRB) yang digunakan dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) dan diambil dari tahun 2011 sampai 2015 dalam satuan triliun rupiah. b. Investasi Data investasi yang digunakan yaitu realisasi PMDN dan PMA perkabupaten/kota di provinsi Kalimantan Timur. Data bersumber dari

3 25 Badan Pusat Statistik (BPS) dan diambil dari tahun 2011 sampai 2015 dalam satuan milyar rupiah. c. Upah Minimum Kabupaten/Kota Data Upah Minimum Kabupaten/Kota (UMK) yang digunakan yaitu data perkabupaten/kota di provinsi Kalimantan Timur. Data bersumber dari Badan Pusat Statistik (BPS) dari tahun 2011 sampai 2015 dalam satuan rupiah. E. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang sudah sudah diolah sebelumnya dan dipublikasikan oleh instansi yang berkompeten. Data yang digukanan dalam penelitian ini merupakan data panel (pooled data) yaitu data yang menggambarkan antara data cross section dengan data time series. Data time series yang digunakan yaitu data tahunan selama 5 tahun yaitu tahun 2011 sampai 2015, sedangkan data cross section sebanyak 9 Kabupaten/Kota di provinsi Kalimantan Timur. Data yang digunakan meliputi tingkat pengangguran terbuka, pertumbuhan ekonomi, upah minimum kabupaten/kota dan investasi. Metode data panel adalah suatu metode yang digunakan untuk melakukan analisis empiris dengan perilaku data yang lebih dinamis. Beberapa keunggulan data panel yaitu sebagai berikut: a. Data penel bersifat heterogen. b. Dengan menggabungkan antara observasi time series dan cross section, data panel memberi lebih banyak informasi, lebih banyak variasi, sedikit

4 26 kolinearitas antar variabel, lebih banyak degree of freedom, dan lebih efisien. c. Dengan mempelajari observasi cross secrion yang berulang-ulang, data panel paling cocok untuk mempelajari dinamika perubahan. Misalkan tingkat pengangguran, perputaran pekerjaan, dan mobilitas tenaga kerja, adalah paling tepat dipelajari menggunakan data panel. d. Data panel paling baik untuk mendeteksi dan mengukur dampak yang secara sederhana tidak bisa dilihat pada data cross section murni atau time series murni. e. Data panel memudahkan untuk mempelajari model perilaku yang rumit. f. Dengan membuat data mmenjadi berjumlah beberapa ribu unit, data panel dapat meminimumkan bias yang bisa terjadi jika kita mengagregasi individu-individu atau perusahaan-perusahaan ke dalam agregasi besar. Dengan mempertimbangkan keunggulan data panel di atas, maka dalam penelitian ini akan digunakan data panel dalam upaya mengestimasi model yang ada. Dalam penelitian ini data yang digunakan diperoleh dari Badan Pusat Statistik (BPS) provinsi Kalimantan Timur. Sedangkan data-data yang lain diperoleh dari jurnal, dan media elektronik (internet). F. Teknik Analisis Data 1. Model Regresi Data Panel Metode analisis yang digunakan dalam penelitian ini adalah metode analisis kuantitatif. Analisis kuantitatif digunakan untuk menganalisis informasi

5 27 kuantitatif (data yang bisa diukur, diuji, dan ditransformasikan dalam bentuk persamaan, tabel dan sebagainya). Untuk mengetahui besarnya pengaruh variabel independent derhadap variabel dependent maka penelitian menggunakan model analisis ekonometrika dengan metode regresi linier berganda. Metode analisis yang dipakai dalam model adalah OLS (Ordinary Least Square) atau Metode Kuadrat Terkecil Biasa. Metode ini memiliki sifat-sifat statistic yang menarik dan telah membuat metode ini sebagai salah satu metode paling kuat dan dikenal dalam analisis regresi (Gujarati; 2010) dan dapat dinyatakan dalam fungsi sebagai berikut: Dimana: = Tingkat Pengangguran Terbuka = Konstanta = Koefisien regresi dari X1 = Koefisien regresi dari X2 = Koefisien regresi dari X3 = PDRB = Investasi = Upah Minimum Kab/Kota = Standart error

6 28 2. Uji Statistik a. Pemilihan teknik estimasi regresi data panel Ada tiga teknik yang bisa digunakan dalam regresi data panel yaitu teknik Common Effect, Fixed Effect dan Random Effect. Untuk menentukan teknik yang paling tepat untuk mengestimasi regresi data panel, harus melalui tiga uji yaitu uji Lagrange Multiplier (LM), uji Chow, dan uji Hausman. 1) Uji Chow Salah satu langkah untuk menentukan model terbaik dalam penelitian data panel adalah dengan melakukan Uji Chow. Uji Chow digunakan untuk menentukan pemilihan metode Pooled Least Square atau Fixed Effect Model (FEM). Dalam uji ini membandingkan nilai F hitung dengan F tabel dengan hipotesis sebagai berikut : H 0 = Pooled Least Square (PLS) H a = Fixed Effect Model (FEM) Apabila F hitung > F tabel maka H 0 ditolak, dan H a diterima Apabila F hitung < F tabel maka H 0 diterima. Dan H a ditolak Atau p-value cross-section Chi-Squere > maka H 0 diterima dan H a ditolak, p-value cross-section Chi-Squere < maka H0 ditolak dan H a diterima

7 29 Dasar dari penolakan terhadap hipotesa nol adalah dengan menggunakan F-statistik seperti yang dirumuskan oleh Chow : Dimana : RRSS = Sum Squared Error dari model Commen Effect URSS = Sum Squared Error dari model Fixed Effect N n.t k = Jumlah cross section = Jumlah cross section x jumlah time series = Jumlah variabel independen 2) Uji Lagrange Multiplier (LM) Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model random effect atau model common effect (OLS) yang paling tepat digunakan. Uji signifikan random effect ini dikembangkan oleh Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi Random effect didasarkan pada nilai residual dari metode OLS. Hipotesis: Ho = Common Effect H1 = Random Effect Ketentuan: a) Apabila LM hitung Tabel Chi Square, maka Ho ditolak dan H1 diterima.

8 30 b) Apabila LM hitung Tabel Chi Square, maka Ho diterima dan H1 ditolak. 3) Uji Hausman Dari uji signifikan dua teknik di atas, diperoleh hasil bahwa teknik yang paling tepat yaitu fixed effect dan random effect maka akan diuji kembali dengan uji hausman. Kegunaan uji hausman yaitu untuk memilih antara fixed effect atau random effect. Uji hausman dapat didefinisikan sebagai pengujian statistik untuk memilih apakah model fixed effect atau random effect yang paling tepat digunakan. Pengujian uji hausman dilakukan dengan hipotesis berikut: Ho = Random Effect H1 = Fixed Effect Ketentuan: a) Apabila p-value cross-section Chi-Squere < hitung maka berarti H 0 ditolak dan model fixed effect lebih tepat untuk digunakan. b) Apabila p-value cross-section Chi-Squere > berarti H 0 diterima dan model random effect lebih tepat untuk digunakan. b. Uji Signifikan Parameter Secara Serentak (Uji F) Uji statistik pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara

9 31 bersama-sama terhadap variabel terikat (Kuncoro, 2009). Hipotesis yang digunakan: Ho : b1=b2=...bk = 0, artinya variabel independen bukan merupakan variabel penjelas yang signifikan terhadapat variabel dependen Ha : b1 b2...bk 0, artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Untuk menguji kedua hipotesis ini digunakan statistik F. Nilai statistik F di hitung dengan formula sebagai berikut : F = = Dimana : SSR = Sum of square due regression SSE = Sum of squares error N = Jumlah observasi K = Jumlah Parameter (termasuk Intersep dalam model MSR = mean of squares due to regression MSE = mean of squares due to error F hitung > F tabel maka H 0 ditolak dan Ha diterima, artinya ada pengaruh antara variabel bebas terhadap variabel terikat.

10 32 F hitung < F tabel maka H 0 diterima dan Ha diterima, artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat. c. Uji Statistik t Uji t yang dimaksudkan untuk menguji bagaimana pengaruh masing-masing variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Uji signifikasi adalah prosedur dimana hasil sampel digunakan untuk menentukan keputusan untuk menerima atau menolak Ho berdasarkan nilai uji statistic yang diperoleh dari data. Pengujian setiap keofisiensi regresi dikatakan signifikan bila nilai mutlak atau nilai probabilitas signifikan lebih kecil dari 0,05 (tingkat kepercayaan yang dipilih) maka hipotesis nol (Ho) ditolak dan hipotesis aternatif (H1) diterima, dan sebaliknya. Hipotesis: Ho : 0; artinya tidak ada pengaruh secara parsial antara variabel bebas terhadap variabel terikat. Ha : ; artinya ada pengaruh secara parsial antara variabel bebas terhadap variabel terikat. Ketentuan: a) Bila > maka Ho ditolak dan H1 diterima. Artinya ada pengaruh secara parsial antara variabel bebas (X) terhadap variabel terikat (Y) adalah signifikan.

11 33 b) Bila maka Ho diterima dan H1 ditolak. Artinya tidak ada pengaruh secara parsial antara variabel bebas (X) terhadap variabel terikat (Y) adalah tidak signifikan. d. Koefisien Determinasi Uji kata lain koefisien regresi sampel dalam kecocokan data, atau dengan menunjukan kemampuan variabel penjelas dalam menerangkan variabel terikat. Nilai akan semakin tinggi apabila jumlah variabel bebas dalam persamaan regresi ditambah tetapi derajat kebebasannya semakin kecil. Namun meningkatnya tidak menjamin bahwa model tersebut lebih baik dalam menjelaskan variabel terikat. Oleh karena itu menggunakan yang sudah diperhitungkan derajat kebebasannya. Adapun dapat dirumuskan sebagai berikut: Apabila nilai semakin tinggi berarti menunjukan bahwa model semakin baik dengan kata lain variabel penjelas dapat menjelaskan variabel terikat dengan baik. Sebaliknya apabila makin rendah maka model kurang baik dan kemampuan variabel bebas dalam menjelaskan variabel terikat semakin rendah. Kegunaan koefisien determinasi ini yaitu: 1. Untuk mengukur ketetapan suatu garis regresi yang ditetapkan suatu kelompok data observasi, apabila semakin besar makan akan

12 34 semakin tepat suatu garis regresi. Sebaliknya semakin kecil nilai menunjukan semakin tidak tepat regresi tersebut untuk mewakili data observasi koefisien determinasi mempunyai nilai antara 0 dan 1 (0 1). 2. Untuk mengukur besarnya presentase dari jumlah variasi dari variabel dependent dan tepat dikatakan seberapa jauh variabel independent mampu menerangkan variabel dependent.