BAB III METODE PENELITIAN A. Obyek Penelitian Obyek penelitian yang dipilih dalam penelitian ini adalah Kota Malang. Pemilihan obyek penelitian di Kota Malang adalah dengan pertimbangan bahwa Kota Malang terbesar kedua di Jawa Timur setelah Kota Surabaya sebagai Ibukota Provinsi Jawa Timur. B. Jenis Penelitian Dalam penelitian ini menggunakan metode kuantitatif inferensial yaitu penelitian yang sifatnya memberikan gambaran secara sistematis faktual dan akurat dalam bentuk data atau angka yang kemudian dianalisa, diklasifikasikan dan diinterpretasikan dalam bentuk uraian. Penelitian ini akan menjelaskan hubungan antara output dan jumlah unit usaha terhadap penyerapan tenaga kerja pada industri pengolahan dengan periode waktu penelitian tahun 2010-2014. C. Definisi Operasional dan Pengukuran Variabel Untuk memudahkan dan menghindari kesalahan dalam mengartikan variabel yang digunakan maka dalam penelitian ini akan memberikan beberapa definisi dari masing-masing yang diteliti. Variabel dalam penelitian ini adalah variabel bebas dan variabel terikat. Variabel bebas adalah suatu variabel yang ada atau terjadi mendahului variabel terikat. Sedangkan variabel terikat adalah variabel yang diakibatkan atau yang dipengaruhi oleh variabel bebas. Adapun variabel-variabel yang digunakan adalah : 23
24 1. Penyerapan Tenaga Kerja (Y) Penyerapan tenaga kerja yang dimaksud merupakan banyaknya tenaga kerja yang bekerja pada sektor industri pengolahan di Kota Malang dalam periode tahun 2010 sampai dengan tahun 2014 dalam satuan orang (BPS, 2016). 2. Output (X1) Output merupakan nilai keluaran yang dihasilkan dari proses kegiatan industri yang terdiri dari barang-barang yang dihasilkan, listrik yang dijual, jasa industri, pendapatan lainnya dan selisih nilai stok barang selama tahun 2010-2014 dalam satuan ribu rupiah (BPS, 2016). 3. Jumlah Unit Usaha (X2) Jumlah unit usaha merupakan banyaknya satuan unit usaha yang melakukan kegiatan ekonomi pada sektor indutri pengolahan dengan tujuan untuk menghasilkan barang maupun jasa dan dinyatakan dalam satuan unit selama tahun 2010-2014 (Wardah,2014). Klasifikasi lapangan usaha telah dibuat oleh Badan Pusat Statistik tahun 1983 dan telah dipublikasikan dengan judul Klasifikasi Baku Lapangan Usaha Indonesia (KBLI). KBLI dibuat oleh Badan Pusat Statistik bersama instansiinstansi yang berdasarkan (ISIC) International Standard Industrial Classification (Barthos, 2004).
25 Menurut BPS, sektor Industri Pengolahan Kota Malang mencakup beberapa sub sektor, yaitu : Tabel 3. 1 Klasifikasi Industri Pengolahan Menurut Kode ISIC Kode ISIC Jenis Industri 15 1. Industri Makanan dan Minuman 16 2. Industri Pengolahan Tembakau 17-18 3. Industri Tekstil dan Industri Pakaian Jadi 19 4. Industri Kulit, Barang dari kulit & alas kaki 20-21 5. Industri kayu, Anyaman dan Industri kertas, barang dari kertas dan sejenisnya 22 6. Industri penerbitan, percetakan & reproduksi media rekaman 25 7. Industri karet, barang dari karet dan barang dari plastic 26-28 8. Industri barang galian bukan logam 29-31 9. Industri mesin, mesin listrik dan peralatan kedokteran,alat ukur, peralatan navigasi, optik,jam & lonceng 33-35 10. Industri kendaraan bermotor, Industri alat angkut, selain kendaraan bermotor roda 4 atau lebih 36 11. Industri furniture dan industri pengolahan lainnya Sumber : Badan Pusat Statistik Kota Malang, 2017 D. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder data time series dan cross section dalam bentuk tahunan yang yang telah di olah, disusun dan dicatat secara sistematis, dengan rentang waktu lima tahun, yaitu tahun 2010 sampai tahun 2014 yang diperoleh dari Badan Pusat Statistik Kota Malang. Sedangkan data yang diperlukan antara lain data tentang jumlah tenaga kerja, output dan jumlah unit usaha yang teralokasi pada sektor industri pengolahan dalam kurun waktu lima tahunan (2010-2014).
26 E. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi atau metode kepustakaan dimana cara pengumpulan data melalui dokumen tertulis, dan terutama berupa arsip juga termasuk buku-buku tertentu, pendapat, teori, atau hukum dan lain-lain yang berhubungan dengan masalah penelitian. F. Teknik Analisis Data Menurut Wibisono (2005) data panel atau pooled data merupakan kombinasi dari data time series dan cross section. Dengan mengakomodasi informasi baik yang terkait dengan variabel-variabel cross section maupun time series, data panel secara substansial mampu menurunkan masalah omittedvariables, model yang mengabaikan variabel yang relevan. Gujarati (2003) keunggulan dari data panel bagi penelitian ekonomi dibandingkan data cross section atau data time series yaitu : 1. Oleh karena data yang berhubungan dengan individu, perusahaan, negara bagian, negara dan lain-lain, dari waktu ke waktu, ada batasan heterogenitas dalam unit-unit tersebut. Teknik estimasi data panel dapat mengatasi heterogenitas tersebut secara eksplisit dengan memberikan variabel spesifiksubjek, yang akan kita pelajari sebentar lagi. Kita menggunakan istilah subjek karena secara logika sederhana dapat mencakup unit-unit mikro seperti individu, perusahaan, negara bagian (state) dan negara (country).
27 2. Dengan menggabungkan antara observasi time series dan cross section, data panel memberi lebih banyak informasi, lebih banyak variasi, sedikit kolinearitas antarvariabel, lebih banyak degree of freedom dan lebih efisien. 3. Dengan mempelajari observasi cross section yang berulang-ulang, data panel paling cocok untuk mempelajari dinamika perubahan. Misalnya tingkat pengangguran, perputaran pekerjaan, dan mobilitas tenaga kerja adalah paling tepat dipelajari menggunakan data panel. 4. Data panel paling baik untuk mendeteksi dan mengukur dampak yang secara sederhana tidak bias dilihat pada data cross section murni atau time series murni. Contohnya : dampak dari aturan upah minimum pada ketenagakerjaan dan pendapatan dapat dengan baik dipelajari jika kita memasukkan secara berurutan data peningkatan upah minimum federal dan/atau upah minimum Negara bagian. 5. Data panel memudahkan untuk mempelajari model perilaku yang rumit. Contohnya: fenomena keekonomian berskala (economics of scale) dan perubahan teknologi lebih tepat dipelajari menggunakan data panel daripada data cross section murni atau time series murni. 6. Dengan membuat data menjadi berjumlah beberapa ribu unit, data panel dapat meminimumkan biaya yang terjadi jika kita mengagregasi individu-individu atau perusahaan-perusahaan ke dalam agregasi bebas. Dalam pertimbangan keunggulan data panel diatas, maka dalam penelitian ini akan digunakan pendekatan data panel dalam upaya mengestimasi model yang ada. Beberapa keunggulan data panel juga memiliki implikasi pada tidak harus
28 dilakukan pengujian asumsi klasik dalam model data panel seperti : uji multikolinearitas, uji heteroskedasitas, uji autokorelasi dan uji normalitas (Wibisono, 2005). Teknik regresi yang dipilih dalam penelitian ini karena gabungan antara kedua jenis data cross section dan data time series yaitu data subsektor industri pengolahan dalam kurun waktu 5 tahun. Dalam penelitian ini menggunakan data panel, dan peneliti menggunakan fixed effect model (FEM) dalam meregresikan data karena untuk mengetahui pengaruh penyerapan tenaga kerja pada sektor industri pengolahan terhadap output dan jumlah unit usaha di Kota Malang periode tahun 2010-2014. Hasil persamaan regresinya adalah : Log Y it = α i + β 1 LogX 1it + β 2 LogX 2it + e Dimana : LogYit = Penyerapan Tenaga Kerja LogX1it= Output LogX2it= Jumlah unit usaha a = Konstanta β1- β2 = Koefisien regresi i t e = unit cross section = unit time = error
29 1. Model Regresi Panel Ada tiga metode yang bisa digunakan untuk bekerja dengan data terdiri dari Pooled Least Square (PLS), Fixed Effect Model (FEM) dan Random Effect Model (REM). a. Model Pooled atau Common Effects Y it = β 0 + β 1 X it + μ it Model pooled/common effects (CE) adalah mengestimasi data panel dengan metode OLS. Pendekatan PLS mengestimasi secara sederhana menggabungkan (pooled) seluruh data time series dan cross-section. b. Model Fixed Effects Y it = β 0i + β 1 X it + μ it Model Fixed Effects memperhitungkan kemungkinan bahwa peneliti menghadapi masalah omitted-varibles, yang mungkin membawa perubahan pada intercept time series atau cross-section. Model dengan FE menambahkan variabel dummy untuk mengizinkan adanya perubahan intercept ini. c. Model Random Effects Y it = β 0i + β 1 X it + μ it Model Random Effect memperbaiki efisiensi proses least square dengan memperhitungkan error dari cross-section dan time series. Model RE adalah variasi dari estimasi generalized least square (GLS).
30 2. Uji Kesesuaian Model Di dalam penelitian ini menggunakan beberapa metode analisis dalam mengolah data. Untuk menentukan metode apa yang akan digunakan dalam analisis data panel dapat dilakukan sebagai berikut : a. Uji Chow Pengujian yang dilakukan untuk memilih apakah model akan dianalisis menggunakan common effect atau fixed effect dapat dilakukan dengan Uji Chow. Hipotesis yang digunakan adalah sebagai berikut : Ho : Common Effect Ha : Fixed Effect Dasar penolakan terhadap hipotesis nol (Ho) adalah apabila nilai probabilitas F < alpha (0,05). b. Uji Hausman Pengujian untuk memilih apakah model akan dianalisis menggunakan random effect atau fixed effect dapat dilakukan dengan uji hausman. Hipotesis yang digunakan dalam hausman test adalah sebagai berikut : Ho: Random Effect Ha: Fixed effect Dasar penolakan terhadap hipotesis nol (Ho) adalah apabila nilai probabilitas F < alpha (0,05). c. Uji Langrange Multiple (LM) Pengujian untuk memilih apakah model akan dianalisis menggunakan metode random effect atau common effect. Uji Langrange Multiple (LM)
31 didasarkan pada distribusi Chi-Squares dengan derajat kebebasan (df) sebesar jumlah variabel independen. Pengambilan keputusannya adalah jika nilai LM hitung > nilai kritis Chi-Squares maka Ho ditolak dan Ha diterima dengan hipotesis: Ho :Common Effect Ha :Random Effect Jika LM statistik lebih besar dari chi-square table maka Ho ditolak sehingga model yang lebih tepat digunakan adalah random effect. 3. Uji Hipotesis a. Uji Simultan/Uji F Uji simultan atau uji f adalah pengujian terhadap hipotesa yang menyatakan ada tidaknya pengaruh bersama-sama variabel bebas terhadap variabel terikat. Pengujian ini dilakukan dengan membandingkan nilai probabilitas F dengan nilai α yang ditetapkan 0,05 atau 5%. Jika probabilitas F < 0,05 atau f hitung > f tabel maka Ho ditolak, yang berarti variabel bebas secara bersama-sama mempengaruhi variabel terikat. Jika probabilitas F > 0,05 atau f hitung < f tabel maka Ho diterima, yang berarti variabel bebas bersama-sama tidak mempengaruhi variabel terikat. b. Uji Parsial (Uji-t statistik) Uji parsial atau uji t adalah pengujian terhadap hipotesa yang menyatakan ada tidaknya pengaruh secara parsial antara masing-masing variabel bebas terhadap variabel terikat. Uji t dapat dilakukan dengan membandingkan nilai probability dengan taraf signifikansinya. Apabila nilai Prob. < α maka
32 koefisien variabel tersebut signifikan mempengaruhi variabel terikat dan sebaliknya. Pengujian terhadap hasil regresi dilakukan dengan menggunakan uji t pada derajat keyakinan 95% atau α = 5% dengan ketentuan sebagai berikut: Jika nilai probability t-statistik < 0,05 atau T hitung > T tabel maka Ho ditolak Jika nilai probability t-statistik > 0,05 atau T hitung < T tabel maka Ho diterima c. Uji R-square (R 2 ) Dengan memperhatikan koefisien determinasi (R 2 ) yaitu dengan tujuan untuk mengetahui sejauh mana hasil regresi yang telah dilakukan antara variabel terikat dengan variabel bebasnya. Dengan kata lain, (R 2 ) digunakan untuk mengukur besarnya hubungan atau sumbangan variabel bebas terhadap variabel terikat. Nilai R 2 berkisar 0 1 (0% - 100%) berarti ketepatan atau kecocokan sempurna, jika R 2 bernilai 0 berarti tidak ada hubungan variabel bebas dan variabel terikat, jadi semakin tinggi R 2 maka akan semakin baik hasil regresinya.