BAB 3 METODE PENELITIAN 3.1. Pendekatan Penelian Pendekatan penelian yang digunakan dalam penelian ini adalah pendekatan kuantatif dimana hal u berarti penelian ini merupakan gabungan yang menikberatkan pada pengujian hipotesis dengan data yang terukur, sehingga diketahui bagaimana pengaruh suatu variabel terhadap variabel lain. Lebih lanjut lagi, model diestimasi dan diuji dengan metode regresi data panel. Sedangkan pendekatan deskriptif akan digunakan untuk membahas intepretasi lebih lanjut dari hasil-hasil penelian yang diperoleh dalam analisis kuantatif. Sehingga pada akhirnya dapat diperoleh pada kesimpulan penelian ini. 3.. Identifikasi Variabel Periode analisa dilakukan pada tahun 004-010. Variabel-variabel yang akan digunakan adalah: 1. Variabel tergantung (dependent), yau jumlah migrasi keluar di GERBANG KERTOSUSILA.. Variabel bebas (independent), terdiri dari variabel jumlah kemiskinan dan jumlah pengangguran. 45
46 3.3. Definisi Operasional Variabel-variabel yang digunakan dalam penelian ini didefinisikan sebagai berikut: 1. Jumlah migrasi keluar adalah jumlah penduduk yang keluar dari daerah asal di GERBANG KERTOSUSILA. Data yang digunakan berdasarkan Laporan Tahunan Dinas Transmigrasi dan Tenaga Kerja Provinsi Jawa Timur Tahun 004 010. Dinyatakan dalam satuan orang (jiwa).. Jumlah penduduk miskin menurut BPS adalah keluarga yang tidak mampu untuk memenuhi standar dari kebutuhan dasar, baik makanan maupun bukan makanan. Standar ini disebut sebagai garis kemiskinan, yakni kebutuhan dasar makanan setara 100 kalori energi per kapa per hari, dambah nilai pengeluaran untuk kebutuhan dasar bukan makanan yang paling pokok. Menggunakan data dari Badan Pusat Statistik (BPS) Jawa Timur tahun 004-010 dan dinyatakan dalam satuan orang (jiwa). 3. Jumlah pengangguran adalah bagian dari angkatan kerja yang tidak bekerja atau sedang mencari pekerjaan (baik bagi mereka yang belum pernah bekerja sama sekali maupun yang sudah penah berkerja), atau sedang mempersiapkan suatu usaha dan mereka yang sudah memiliki pekerjaan tetapi belum mulai bekerja di Jawa Timur. Menggunakan data dari BPS tahun 004 010 dan dinyatakan dalam satuan orang (jiwa).
47 3.4. Jenis dan Sumber Data Data yang digunakan dalam penelian ini adalah data time series dari tahun 004-010 dan data cross section yang terdiri dari 5 kabupaten dan kotamadya yang berada di wilayah GERBANG KERTOSUSILA yau Gersik, Bangkalan, Kota Surabaya, Mojokerto, Kota Mojokerto, Sidoarjo, dan Lamongan. Jenis data yang digunakan pada penelian ini merupakan data sekunder berupa data angka-angka yang dikeluarkan oleh Badan Pusat Statistik (BPS) Jawa Timur. 3.5. Prosedur Pengumpulan Data Langkah pertama yang dilakukan adalah melakukan studi leratur untuk mendapatkan teori-teori dan bahan acuan yang sesuai dari berbagai buku teks, jurnal penelian, internet, maupun sumber lainnya untuk dapat menjelaskan permasalahan yang ada dalam penelian ini. Setelah u, dilakukan pengumpulan data yau data sekunder yang telah ada seperti data Badan Pusat Statistik, baik berupa data yang telah tersaji maupun dari internet serta sumber lain yang relevan untuk keperluan analisis dan pembuktian teori sebelumnya. 3.6. Teknik Analisis 3.6.1. Model Data Panel Untuk menjawab rumusan masalah dalam penelian ini, teknik estimasi model penelian yang digunakan adalah pendekatan data panel. Dengan mengakomodasi informasi baik yang terka dengan variabel-variabel cross section maupun time series, data panel secara substansial mampu menurunkan
48 masalah ommted-variables, model yang mengabaikan variabel yang relevan (Wibisono, 005). Untuk mengatasi interkorelasi diantara variabel-variabel bebas yang pada akhirnya dapat mengakibatkan tidak tepatnya penaksiran regresi, metode data panel lebih tepat untuk digunakan (Griffhs, 001:351). Sebagai tambahan, penulis menggunakan software Eviews 4.1 untuk melakukan regresi data panel. Ada tiga metode yang bisa digunakan untuk bekerja dengan data panel. Pertama, adalah pendekatan pooled least square (PLS) secara sederhana menggabungkan (pooled) seluruh data time series dan cross section. Kedua, pendekatan fixed effect memperhungkan kemungkinan bahwa peneli menghadapi masalah omted variables dimana omted variables mungkin membawa perubahan pada intercept time series atau cross section. Model dengan fixed effect menambahkan dummy variables untuk mengizinkan adanya perubahan intercept ini. Ketiga, pendekatan random effect (efek acak) memperbaiki efisiensi proses least square dengan memperhungkan error dari cross section dan time series. Model random effect adalah variasi dari estimasi generalized least square. Model data panel untuk masing-masing teknik regresi adalah sebagai berikut (Gujarati, 003): a. Pooled Least Square Y 1 3 X... X u...(3.1) 3 n n b. Fixed Effect Y... 1 D... ndn X n X n u...(3.)
49 c. Random Effect Y... 1 X n X n u...(3.3) Pada dasarnya penggunaan metode data panel memiliki beberapa keunggulan (Wibisono, 005) antara lain: pertama, panel data mampu memperhungkan heterogenas individu secara eksplis dengan mengijinkan variabel spesifik individu. Kedua, kemampuan mengontrol heterogenas individu ini, pada gilirannya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku yang lebih kompleks. Ketiga, data panel mendasarkan diri pada observasi cross section yang berulang-ulang (time series), sehingga metode data panel cocok untuk digunakan sebagai study of dynamic adjusment. Keempat, tingginya jumlah observasi memiliki implikasi pada data yang lebih informatif, lebih variatif, kolinearas antar variabel yang semakin berkurang, dan peningkatan derajat kebebasan (degree of freedom), sehingga dapat diperoleh hasil estimasi yang lebih efisien. Kelima, data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks. Keenam, data panel dapat meminimalisir bias yang mungkin dimbulkan oleh agregasi data individu. Keunggulan-keunggulan tersebut diatas memiliki implikasi pada tidak harus dilakukan pengujian asumsi klasik dalam model data panel, sesuai apa yang ada dalam beberapa leratur yang digunakan dalam penelian ini (Verbeek, 000; Gujarati, 003; Wibisono, 005)
50 3.6.. Pemilihan Model Estimasi dalam Data Panel Tiga pendekatan metode data panel, dua pendekatan yang sering digunakan untuk mengestimasi model regresi dengan data panel adalah pendekatan fixed effect model dan pendekatan random effect model. Menentukan metode antara pooled least square dan fixed effect dengan menggunakan uji F sedangkan uji Hausman digunakan untuk memilih antara random effect atau fixed effect. Metode fixed effect, bentuk umum regresi data panel adalah (Aulia, 004:8): Y X X... X u 1 3 3 n n...(3.4) Selain u, dalam teknik estimasi model regresi data panel, terdapat uji F dan uji Hausman. Uji F dapat digunakan untuk memilih teknik dengan model pooled least square (PLS) atau model fixed effect dengan rumus sebagai berikut (Gujarati, 003:643): (R R ur F (1 R ur r )/(m)...(3.5) )/(n k) Dimana: R r R ur m n k = R model PLS = R model FEM = jumlah restricted variabel = jumlah sample = jumlah variabel penjelas Hipotesis dari restricted F test adalah:
51 H 0 = Model Pooled Least Square (restricted) H 1 = Model Fixed effect (unrestricted) Rumus (3.4), jika ka mendapatkan hasil nilai F hung > F tabel pada tingkat keyakinan (α) tertentu maka ka menolak hipotesis H 0 yang menyatakan ka harus memilih teknik PLS, sehingga ka menerima hipotesis H 1 yang menyatakan ka harus menggunakan model fixed effect untuk teknik estimasi dalam penelian ini. 3.6.3. Pengujian Hausman Hausman telah mengembangkan suatu uji untuk memilih apakah metode Fixed Effect dan Random Effect lebih baik dari metode OLS. Uji Hausman ini didasarkan pada ide bahwa LSDV di dalam metode Fixed Effect dan GLS adalah efisien sedangkan metode OLS tidak efisien, di lain pihak alternatifnya metode OLS efisien dan GLS tidak efisien, karena u uji hipotesis nulnya adalah hasil estimasi keduanya tidak berbeda sehingga uji Hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut. Dengan menggunakan model sesuai dengan Random Effect atau Fixed Effect pengujian yang dilakukan menggunakan uji Hausman, yau: H 0 : model mengikuti Random Effect, jika hasil statistik Hausman < chi square H 1 : model mengikuti Fixed Effect, jika hasil statistik Hausman > chi square Statistik uji Hausman ini mengikuti distribusi statistik chi square dengan degree of freedom sebanyak k dimana k adalah jumlah variabel independen. Jika nilai statistik Hausman lebih besar dari nilai krisnya maka model yang tepat
5 adalah model Fixed Effect, sedangkan bila nilai statistik Hausman lebih kecil dari nilai krisnya maka model yang tepat adalah model Random Effect. 3.6.4. Pengujian Statistik Langkah selanjutnya ialah melakukan pengujian statistik terhadap masingmasing model di tiap-tiap periode penelian dengan menggunakan metodemetode berikut : a. Uji t Fungsi uji t (t-test) adalah untuk menentukan signifikan suatu variabel bebas secara individual dalam mempengaruhi variabel tidak bebas. Hal ini rumus yang digunakan sebagai berikut:...(3.6) dimana merupakan nilai pada hipotesis nul. Hipotesis detapkan sebagai berikut : Apabila (t hung ) < (t tabel ) atau p-value > α maka hipotesis nol (H 0 ) derima dan hipotesis alternatif (H 1 ) dolak artinya variabel bebas tidak mempunyai pengaruh yang signifikan terhadap variabel terikat. Sebaliknya jika (t hung ) > (t tabel) atau p-value < α maka dapat dikatakan bahwa variabel bebas mempunyai pengaruh yang signifikan terhadap variabel terikat.
53 b. Uji F Uji F digunakan untuk menentukan signifikan atau tidaknya suatu variabel bebas secara simultan (bersama-sama) dalam mempengaruhi variabel terikatnya, detapkan sebagi berikut:...(3.7) Keterangan : n = jumlah observasi k = jumlah parameter estimasi termasuk intersep (konstanta) Dengan hipotesis sebagai berikut : H 0 : β 1 = β = β 3 = β k = 0 H 1 : paling tidak salah satu atau semua dari β 1, β atau β 3 0 Jika hasil perhungan ternyata (F hung ) < (F tabel ) atau p-value > α maka hipotesis nol (H 0 ) derima dan hipotesis alternatif (H 1 ) dolak. Bila terjadi keadaan demikian, dapat dikatakan bahwa variabel bebas tidak mempunyai pengaruh yang signifikan terhadap variabel terikat. Sebaliknya, jika (F hung ) > (F tabel) atau p-value < α maka dapat dikatakan hipotesis nol (H 0 ) dolak dan hipotesis alternatif (H 1 ) derima. Bila terjadi keadaan demikian dikatakan bahwa variabel bebas mempunyai pengaruh yang signifikan terhadap variabel terikat. c. Koefisien Determinasi (R ) Fungsi Koefisien Determinasi R adalah untuk menentukan apakah variasi dari variabel bebas yang ada dalam persamaan estimasi telah dapat menjelaskan variasi dari variabel terikatnya dengan baik. Nilai koefisien R berkisar 0 1. suatu model regresi apabila R mencapai angka 1, maka variasi dari variabel
54 bebasnya dapat menerangkan atau menjelaskan variasi dari variabel terikatnya dengan sempurna. Sebaliknya, apabila R mencapai angka 0, maka ini berarti variasi dari variabel bebasnya tidak dapat atau lemah dalam menerangkan variasi variabel terikatnya.