BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian deskriptif dengan pendekatan kuantitatif. Menurut Sugiyono (2012: 13), penelitian deskriptif yaitu penelitian yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu variabel atau lebih (independen) tanpa membuat perbandingan, atau menghubungkan dengan variabel yang lain. Metode penelitian kuantitatif dapat diartikan sebagai metode penelitian yang berlandaskan pada filsafat positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik, dengan tujuan untuk menguji hipotesis yang telah ditetapkan (Sugiyono, 2012: 8). B. Definisi Operasional dan Pengukuran Variabel Penelitian ini menganalisis pengaruh antara variabel independen yang terdiri dari tingkat upah, nilai output dan produktivitas tenaga kerja terhadap variabel dependen dalam penelitian ini adalah penyerapan tenaga kerja sektor manufaktur di Indonesia tahun 2011-2013. Definisi dari variabel yang dimaksud adalah: Penyerapan Tenaga Kerja adalah penduduk usia kerja (15 tahun dan lebih) yang bekerja di sektor manufaktur. Tingkat upah (upah riil) menggambarkan pendapatan atau upah yang diterima pekerja atau buruh sebelum ditambah dengan berbagai tunjangan dan perangsang lainnya. 34
35 Nilai output merupakan nilai keluaran yang dihasilkan dari proses kegiatan industri yang terdiri dari barang yang dihasilkan, tenaga listrik yang dijual, jasa industri yang diterima dari pihak lain, selisih nilai stok barang setengah jadi, dan penerimaan lain dari jasa non industri. Produktivitas tenaga kerja adalah kemampuan tenaga kerja dalam menghasilkan barang produksi. Produktivitas tenaga kerja dihitung dari besarnya output suatu perusahaan dibagi dengan jumlah tenaga kerja yang dibayar. C. Jenis dan Sumber Data 1. Jenis Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel (pooled data) atau disebut juga data longitudinal, yang merupakan gabungan antara data cross section dan data time series. Penggunaan data panel dikarenakan rentang waktu data penelitian yang pendek yaitu 2011-2013. Data time series yang digunakan adalah data tahunan selama tiga tahun yaitu 2011-2013, sedangankan data cross section sebanyak 24 yang menunjukkan jumlah sub sektor dari industri manufaktur di Indonesia. 2. Sumber Data Data yang digunakan dalam penelitian ini berupa data sekunder yang bersumber dari instansi terkait, yaitu sebagai berikut: a. Penyerapan Tenaga Kerja Data jumlah tenaga kerja industri besar dan sedang menurut sub sektor tahun 2008-2014 yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia. b. Upah Tenaga Kerja
36 Data Statistik Struktur Upah tahun 2011-2014 yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia. c. Nilai Output Data nilai output IBS menurut KBLI 2 digit (Milyar Rp) tahun 2008-2014 yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia. d. Produktivitas Tenaga Kerja Data produktivitas tenaga kerja menurut sub sektor (Ribu Rp) tahun 2008-2013 yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia. D. Teknik Pengumpulan Data Menggunakan studi kepustakaan, yaitu teknik pengumpulan data dengan melakukan penelaahan terhadap berbagai buku, literatur, catatan, serta berbagai laporan yang berkaitan dengan masalah yang ingin dipecahkan (Nazir, 1988: 111). E. Teknik Analisis Data Analisis regresi data panel adalah analisis regresi dengan struktur data yang merupakan data panel. Umumnya pendugaan parameter dalam analisis regresi dengan data cross-section dilakukan menggunakan pendugaan metode kuadrat terkecil atau disebut Ordinary Least Square (OLS). Dalam penelitian menggunakan model uji yaitu: lny it = lnx 0 + X 1 lnw it + X 2 lnq it + X 3 lnp it + e Keterangan: Y β W = Penyerapan Tenaga Kerja = Parameter variabel terkait koefisien regresi sekaligus elastisitas = Upah
37 Q P e = Nilai Output = Produktivitas Tenaga Kerja = Variabel Pengganggu / error term Data panel (pooled data) atau disebut juga data longitudinal merupakan gabungan antara data cross section dan data time series. Data cross section adalah data yang dikumpulkan dalam satu waktu terhadap banyak individu, sedangkan data time series adalah data yang dikumpulkan dari waktu ke waktu terhadap suatu individu (Gujarati, 2003). 1. Penentuan Model Estimasi Pengolahan data dalam penelitian ini menggunakan alat analisis regresi data panel dengan aplikasi eviews 9. Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain. a. Common Effect Model atau Pooled Least Square (PLS) Y it = β 0 + β 1 X it + u it Model pooled/common effects (CE) adalah model paling sederhana yang mengasumsikan bahwa tidak ada heterogenan antar individu yang tidak terobservasi (intersep sama), karena semua heterogenan sudah dijelaskan oleh variabel independen. Estimasi parameter pooled model menggunakan metode OLS (Greene, 2001). b. Fixed Effect Model Y it = β 0i + β 1 X it + u it Pada model ini diasumsikan bahwa terdapat heterogenan antar individu yang tidak terobservasi (ai) dan tidak tergantung pada waktu/time invariant. Apabila
38 diasumsikan terdapat hubungan yang tetap antara ai dan variabel independen maka disebut model Fixed Effects (FE), atau dengan kata lain nilai intersep β0i untuk setiap Xi berbeda tapi memiliki slope sama. Estimasi parameter model FE bisa menggunakan metode Least Square Dummy Variable (LSDV), yaitu dengan menambahkan variabel dummy yang bersesuaian untuk masing-masing nilai variabel independen (Wooldridge, 2002). Least Square Dummy Variable (LSDV) merupakan metode pendugaan parameter regresi data panel untuk Fixed Effect Model. Penyertaan variabel dummy dalam analisis regresi data panel untuk kasus Fixed Effect diharapkan mampu mewakili ketidaklengkapan informasi dalam pembuatan model. Secara umum model data panel dengan pendekatan variabel dummy dapat ditulis sebagai berikut: K N Y it = α + β k X kit + D i + ε it k=1 i=2 Dengan Di adalah variabel Dummy ke-i, i=2,3,,n dan N adalah banyaknya unit cross section. Pendugaan parameter regresi data panel dilakukan dengan menggunakan Ordinary Least Square. c. Random Effect Model Y it = β 0i + β 1 X it + u it Jika β0i dianggap sebagai variabel random, maka model ini disebut model Random Effects (RE), dimana: β 0i = β 0 + v i Y it = β 0 + β 1 X it + (u it + v i )
39 Y it = β 0 + β 1 X it + w it Adapun metode estimasi model yang dinggunakan adalah Generalized Least Square (GLS) (Wooldridge, 2002). Untuk Random Effect Model (REM), pendugaan parameter dilakukan menggunakan Generalized Least Square (GLS) jika matriks Ω diketahui, namun jika tidak diketahui dilakukan dengan FGLS yaitu menduga elemen matriks Ω. Pada REM ketidaklengkapan informasi untuk setiap unit cross section dipandang sebagai error sehingga µi adalah bagian dari unsur gangguan. 2. Uji Kesesuaian Model Uji kesesuaian model ditujukan untuk menentukan pendekatan mana yang sebaiknya dipilih untuk regresi data panel. Ada beberapa uji kesesuaian model data panel antara lain: a. Uji LM Breusch-Pagan Hipotesis yang diuji: H0 : σ 2 β0 = 0. Variabel upah, nilai output dan produktivitas tenaga kerja terhadap penyerapan tenaga kerja industri manufaktur di Indonesia memiliki pengaruh yang sama untuk seluruh sektor / Common Effect (CE). H1 : σ 2 β1 0. Variabel upah, nilai output dan produktivitas tenaga kerja terhadap penyerapan tenaga kerja industri manufaktur di Indonesia memiliki pengaruh yang tidak sama untuk seluruh sektor / Random Effect (RE).
40 Statistik uji LM yaitu: LM = n 2nT 2(T 1) [ i=l (Tu it) 2 1] n T u it i=l t=l 2 2 Dimana: n T ûit = Banyaknya unit cross section = Banyaknya periode waktu = Error dari model CE b. Uji Chow Hipotesis yang diuji: H0 : Tidak ada perbedaan penyerapan tenaga kerja pada sektor manufaktur di Indonesia / Common Effect (CE). H1 : Terdapat perbedaan penyerapan tenaga kerja pada sektor manufaktur di Indonesia / Fixed Effect (FE). Statistik uji chow yaitu: F = (SSE 1 SSE 2 ) (n 1) SSE 2 (nt n k) Dimana: SSE1 = Sum Square Error dari model Common Effects SSE2 = Sum Square Error dari model Fixed Effects n nt k = Banyaknya unit cross section = Jumlah (cross section x time series) = Banyaknya variabel independen
41 c. Uji Hausman Hipotesis yang diuji: H0 : Variabel upah, nilai output dan produktivitas tenaga kerja terhadap penyerapan tenaga kerja industri manufaktur di Indonesia memiliki pengaruh yang sama untuk seluruh sektor / Random Effect (RE). H1 : Variabel upah, nilai output dan produktivitas tenaga kerja terhadap penyerapan tenaga kerja industri manufaktur di Indonesia memiliki pengaruh yang tidak sama untuk seluruh sektor / Fixed Effect (FE). Statistik uji hausman yaitu: m = q var (q ) 1 q 3. Uji Statistik a. Uji Koefisien Regresi (Uji t) Menurut LabEkopem (2015), uji t merupakan suatu pengujian yang bertujuan untuk mengetahui apakah masing-masing koefisien regresi secara parsial signifikan atau tidak terhadap dependent variabel. Dengan menganggap variabel independen lainnya konstan, dalam uji ini digunakan hipotesis sebagai berikut: H0 : βj = 0 H1 : βj 0 Bila nilai t-hitung > t-tabel maka H0 ditolak. Hal ini berarti bahwa variabel independen yang diuji berpengaruh secara nyata (signifikan) terhadap variabel dependen. Nilai t-hitung diperoleh dengan rumus: t hitung = β j β j se(β j) ~ t (n p)
42 Dimana: β j β j = Koefisien variabel independen ke-j = Nilai hipotesis nol se(β j)= Simpangan baku dari variabel independen ke-j Dengan kriteria pengujian sebagai berikut: H0 diterima apabila t-hitung < t-tabel (α) H0 ditolak apabila t-hitung > t-tabel (α) b. Over All Test (Uji F) Menurut LabEkopem (2015), uji F ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar pengaruh koefisien regresi secara bersama-sama terhadap dependen variabel. Untuk pengujian ini digunakan hipotesis sebagai berikut: HO : βo = β1 = β2 = = βp = 0 (tidak ada pengaruh) H1 : βo = 0 (ada pengaruh) βj 0 (j=0,1,2, k) Pengujian ini dilakukan dengan membandingkan nilai F-hitung dengan F- tabel. Jika F-hitung > F-tabel maka H0 ditolak, yang berarti variabel independen secara bersama-sama mempengaruhi variabel dependen. Nilai F-hitung dapat diperoleh dengan rumus: F hitung = R 2 (k 1) (1 R 2 )(n k) Dimana: R 2 k : Koefisien determinasi : Jumlah variabel independen
43 n : Jumlah sampel Dengan kriteria pengujian sebagai berikut: H0 diterima apabila F-hitung < F-tabel (α) H0 ditolak apabila F-hitung > F-tabel (α) c. Koefisien Determinasi (R 2 ) Menurut LabEkopem (2015), koefisien determinasi (R 2 ) dilakukan untuk melihat seberapa besar variabel-variabel independen secara bersama mampu memberi penjelasan mengenai variabel dependen. 4. Uji Asumsi Klasik a. Uji Normalitas Salah satu asumsi model regresi linier klasik (CLRM) adalah error/residual harus berdistribusi normal. Normalitas error dapat diuji menggunakan uji Jarque- Bera dengan statistik uji yaitu: Dimana: JB = n [ S2 6 (K 3)2 + ] 24 n S K = Jumlah pengamatan = Koefisien skewness = Koefisien kurtosis Hipotesis yang diuji: H0: error berdistribusi normal H1: error tidak berdistribusi normal H0 ditolak jika p-value statistik uji Jarque-Bera tidak signifikan (p-value < 0.05) (LabEkopem, 2015).
44 b. Uji Multikolinearitas Multikolinearitas adalah kondisi dimana terjadi hubungan linier (korelasi) antar variabel-variabel independen. Ada dua jenis multikolinearitas, yaitu multikolinearitas sempurna dan tidak sempurna. Multikolinearitas sempurna terjadi apabila suatu variabel independen dapat dinyatakan sebagai fungsi/kombinasi linier dari variabel independen lainnya. Ada atau tidaknya multikolinearitas tergantung pada nilai korelasi dengan 0,9, apabila nilai korelasi > 0,9 maka terjadi multikolinearitas dan begitu juga sebaliknya (LabEkopem, 2015). c. Uji Autokorelasi Menurut LabEkopem (2015), autokorelasi didefinisikan sebagai adanya korelasi antar satu pengamatan dengan pengamatan lainnya tetapi masih dalam satu variabel yang sama. Dalam kaitannya dengan asumsi Ordinary Least Squares (OLS), autokorelasi merupakan korelasi antar error dari satu pengamatan dengan error dari pengamatan lain. Fenomena autokorelasi seringkali terjadi pada data time series. Selain itu, autokorelasi juga dapat terjadi akibat bias spesifikasi (tidak memasukkan variabel independen tertentu dan/atau kesalahan model fungsional). Dalam penelitian ini, uji autokorelasi dilihat dari nilai Durbin-Watson yang diperoleh pada model fixed effect. d. Uji Heterokedastisitas Menurut LabEkopem (2015), heterokedastisitas adalah kondisi dimana varians gangguan/error dari model regresi bersifat tidak konstan. Heterokedastisitas sering
45 terjadi pada data cross-section. Selain itu, kesalahan spesifikasi model fungsional dan pemilihan variabel independen juga dapat menyebabkan heterokedastisitas. Penelitian ini menggunakan heterocedasticity consistent coefficient covariance atau dengan menambahkan white (diagonal) pada model fixed effect, sehingga asumsi non heterokedastisitas terpenuhi.