BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini akan mengidentifikasi dan menganalisis pengaruh investasi, pengeluaran pemerintah dan tenaga kerja terhadap pertumbuhan ekonomi di Provinsi Kalimantan Timur. Dimana didalam penelitian ini, penulis meneliti 10 Kabupaten/kota di Provinsi Kalimantan Timur yang memiliki investasi, pengeluaran pemerintah dan tenaga kerja yang berpotensi. Jenis penelitian yang digunakan adalah penelitian kuantitatif. Penelitian kuantitatif yaitu, jenis penelitian yang menekankan pada pengujian teori-teori melalui pengukuran variable-variable dengan angka dan melakukan analisis data dengan prosedur statistic (Indriantoro dan Bambang, 1999:12). Metode kuantitatif lebih cocok digunakan pada penelitian ini karena untuk mengidentifikasi dan menganalisis pengaruh investasi, pengeluaran pemerintah dan tenaga kerja terhadap pertumbuhan ekonomi di Provinsi Kalimantan Timur dilakukan dengan cara mengukur variabel-variabel yang terkait berdasarkan data investasi PMA dan PMDN, data pengeluaran pemerintah dan data tenaga kerja Provinsi Kalimantan Timur. Hasil identifikasi dan analisis tersebut tersebut kemudian akan diinterprestasikan dan dideskripsikan untuk mengetahui faktor yang mempengaruhi investasi, pengeluaran pemerintah dan tenaga kerja sehingga mampu mendorong pertumbuhan ekonomi di Kalimantan Timur. 39
40 B. Variabel Penelitian dan Definisi Operasional Definisi operasional variabel adalah suatu definisi yang diberikan kepada suatu variabel dengan cara memberikan arti atau penjelasan untuk memudahkan dan menghindari kesalahan dalam pemahaman, sehingga variabel yang diteliti mudah dipahami oleh pembaca. Dalam penelitian ini variabel-variabel yang menjadi obyek penelitian antara lain : Variabel Dependen : Pertumbuhan ekonomi yaitu tingkat pertumbuhan ekonomi provinsi Kalimantan Timur yang dihitung dengan PDRB atas dasar harga konstan dan dinyatakan dalam juta rupiah. Variabel Independen : 1. PMDN adalah keseluruhan Penanaman Modal Dalam Negeri yang telah disetujui dan telah terealisasi di Provinsi Kalimantan Timur yang dinyatakan dalam juta rupiah per tahun. 2. PMA adalah keseluruhan Penanaman Modal Asing yang telah disetujui dan telah terealisasi di Provinsi Kalimantan Timur yang dinyatakan dalam ribu US$ per year. 3. Pengeluaran pemerintah (PP) adalah nilai belanja modal dalam APBD di Provinsi Kalimantan Timur yang dinyatakan dalam juta rupiah. 4. Tenaga Kerja (TK) adalah jumlah penduduk usia kerja umur 15 tahun sampai dengan 64 tahun yang sudah mempunyai pekerjaan di Provinsi Kalimantan Timur dalam satuan orang.
41 C. Lokasi Penelitian Lokasi penelitian di ambil di Kab/Kota Provinsi Kalimantan Timur, dengan menggunakan data investasi PMA dan PMDN, data pengeluaran pemerintah dan data tenaga kerja Provinsi Kalimantan Timur. Mula-mula pada tahun 2010-2013 Kalimantan Timur memiliki 14 Kab/Kota, tetapi mulai tahun 2014 terjadi pemekaran wilayah menjadi Kalimantan Utara dan 4 Kab/Kota termasuk ke dalam Kalimantan Utara sehingga Kalimantan Timur hanya memiliki 10 Kab/Kota. D. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data kuantitatif, dan sumber data yang digunakan adalah data sekunder. Dimana data sukender adalah data yang diperoleh secara tidak langsung, data sekunder dapat diperoleh melalui literatur-literatur ataupun langsung datang ke dinas terkait guna meminta data untuk penelitian. Sehingga kevaliditisan data dapat dipertanggung jawabkan. Jenis data yang digunakan untuk penelitian ini adalah data panel (pooling data). Data panel merupakan gabungan dari time series dan cross section. Jumlah observasi dalam penelitian ini sebesar yang didapatkan dari gabungan data time series berupa tahun 2010-2015, dan data cross section berupa 10 Kabupaten/Kota di Provinsi Kalimantan Timur. Data yang dipergunakan dalam penelitian ini diperoleh dari beberapa sumber, antara lain : 1. Data PDRB atas dasar harga konstan tahun 2000 menurut Kabupaten/Kota Provinsi Kalimantan Timur tahun 2010-2015 bersumber dari buku Kalimantan Timur Dalam Angka 2016, kantor BPS Provinsi Kalimantan Timur.
42 2. Data Realisasi Investasi PMA dan PMDN Kabupaten/Kota Provinsi Kalimantan Timur tahun 2010-2015 bersumber dari Laporan Hasil Realisasi investasi, Badan Penanaman Modal dan Pelayanan Terpadu Satu Pintu Provinsi Kalimantan Timur (BPMPTSP). 3. Data Tenaga Kerja yang bekerja menurut Kabupaten/Kota Provinsi Kalimantan Timur tahun 2010-2015 bersumber dari buku Kalimantan Timur Dalam Angka 2016, kantor BPS Provinsi Kalimantan Timur. 4. Data Realisasi total Pengeluaran Pemerintah Provinsi Kalimantan Timur tahun 2010-2015 bersumber dari Laporan Keuangan Daerah, kantor Direktorat Jenderal Perimbangan Keuangan Provinsi Jakarta (DJPK). E. Teknik Pengambilan Data Teknik pengambilan data dalam penelitian ini adalah dengan menggunakan cara dokumentasi. Dimana cara ini delakukan dengan mengumpulkan data dari sumber-sumber pustaka lain yang masih memiliki hubungan dengan topik permasalahan ini. Pengumpulan data yang dimaksud adalah dengan mendatangi Badan Penanaman Modal dan Pelayanan Terpadu Satu Pintu, Badan Pusat Statistika Provinsi Kalimantan Timur dan Direktorat Jenderal Perimbangan Keuangan agar data yang diperoleh lebih bersifat akurat. F. Teknik Analisis Data Penelitian ini menggunakan bebarapa alat analisis untuk menjawab tujuan yang dicapai dari penelitian ini. Alat yang digunakan dalam penelitian ini adalah persamaan regresi dengan menggunakan metode regresi kuadrat terkecil atau Ordinary Least Square (OLS) dengan formulasi sebagai berikut :
43 Yit = β0 + β1pmdnit + β2pmait + β3ppit +β4tkit + e Keterangan : Y = PDRB atas dasar harga konstan (miliar rupiah) PMDN = Penanaman Modal Dalam Negeri (miliar rupiah) PMA = Penanaman Modal Asing (ribu US$) PP = Pengeluaran Pemerintah (miliar rupiah) TK = Tenaga Kerja (orang) ß0 = Konstanta ß1 = Koefisen regresi PMDN ß2 = Koefisen regresi PMA ß3 = Koefisen regresi PP ß4 = Koefisen regresi TK e = Variabel pengganggu (disturbance error) 1. Teknik Analisis Data Panel Data panel adalah data yang mempunyai dua dimensi yaitu individu (crosssection) dan waktu (time series), di mana setiap unit cross-section (individu) diulang dalam beberapa periode waktu. Kelebihan model data panel adalah dapat mengakomodasi keheterogenan antar individu secara eksplisit. Selain itu, penggabungan antara cross section dan time series membuat data panel menjadi lebih informatif, lebih bervariasi, mengurangi kolinieritas, memperbanyak derajat bebas dan lebih efisien. Bentuk model data panel untuk satu variabel independen (yang dapat dibuat umum untuk lebih dari satu variabel independen), yaitu Yit=ɑi+βXit+εit
44 Dimana:ɑi adalah variabel tak terobservasi yang spesifik bagi setiap individu dan diasumsikan bernilai konstan sepanjang waktu untuk setiap individu. Beberapa model yang dapat digunakan untuk data panel yaitu a. Model Pooled atau Common Effects Yit=β0+β1Xit+ս it Model pooled/common effects (CE) adalah model paling sederhana yang mengasumsikan bahwa tidak ada keheterogenan antar individu yang tidak terobservasi (intersep sama), karena semua keheterogenan sudah dijelaskan oleh variabel independen. Estimasi parameter pooled model menggunakan metode OLS. b. Model Fixed Effects Yit=β0i+β1Xit+ս it Pada model diasumsikan bahwa terdapat keheterogenan antar individu yang tidak terobservasi (ai yang tidak tergantung waktu/time invariant). Apabila diasumsikan terdapat hubungan yang tetap antara ai dan variabel independen maka model 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, yaitu dengan menambahkan variabel dummy yang bersesuaian untuk masing-masing nilai variabel independen. c. Model Random Effects Yit=β0i+β1Xit+ս it
45 Jika β0i dianggap sebagai variabel random, maka model disebut model Random Effects (RE), di mana β0i=β 0+νi Yit=β 0+β1Xit+(ս it+νi) Yit=β 0+β1Xit+ᴡit Estimasi model menggunakan metode Generalized Least Square (GLS). 2. Pemilihan Model Regresi Panel Terbaik a. Uji Chow Damodar Gujarati (2010 : 329), uji Chow mengasumsikan bahwa: 1. u1t~n(0, σ 2 ) dan u2t~n(0, σ 2 ). Hal ini berarti faktor gangguan pada regresi subperiode terdistribusi secara normal, dengan varians yang sama σ 2 (homoskedastis). 2. Kedua nilai gangguan u1t dan u2t terdistribusi secara independen. Ada beberapa aturan uji Chow yang harus diperhatikan : 1. Asumsi dasar harus terpenuhi. Sebagai contoh, kita harus mengetahui bahwa varians kesalahan dalam regresi adalah sama. 2. Uji Chow hanya akan memberitahukan kepada jika kedua regresi berbeda, tanpa memberikan penjelasan kepada kita apakah perbedaan tersebut terjadi pada hitungan intercept, kemiringannya, atau keduanya. 3. Uji Chow mengasumsikan bahwa kita mengetahui titik perubahan struktural.
46 b. Uji Hausman Damodar Gujarati (2012 : 251), uji Hausman digunakan untuk model yang terbaik antara hasil dari regresi fixed effects dan random effects. Ada perbedaan antara FEM dan ECM. Pada FEM tiap-tiap unit cross section memiliki nilai intersep (konstan) masing-masing, semua nilai N adalah untuk setiap unit cross section N. Pada ECM, sebaliknya, intersep (bersama) mewakilkan nilai rata-rata dari semua intersep (cross section) dan komponen error εi mewakilkan deviasi (acak) dari intersep individual terhadap nilai rata-rata tersebut. Ingat baik-baik, akan tetapi, bahwa εi tidak terobservasi secara langsung yang disebut sebagai variabel tak terobservasi, atau laten. Sebagai hasil dari asumsi yang disebutkan pada Persamaan, maka E(wit)=0 Var(wit)=σε 2 +σu 2 c. Uji LM Breusch-Pagan Damodar Gujarati (2012 : 253), uji Breusch-Pagan untuk menguji hipotesis bahwa tidak adanya random effects, yaitu σ 2 u pada persamaan var (wit)=σε 2 +σu 2 dalah sama dengan nol. Dengan hipotesis nol tersebut, BP menggunakan sebuah distribusi chi-kuadrat dengan 1 df; hanya ada 1 df karena kita menguj hipotesis tunggal bahwa σu 2 =0.
47 3. Pengujian Statistik a. Koefisien Determinasi Koefisien determinasi (R²) pada dasarnya mengukur seberapa jauh kemampuan suatu model dalam menerangkan variable dependen (terikat). Besarnya nilai koefesien determinasi (R²) adalah 0 sampai 1. Semakin mendekati 1 besarnya koefisien determinasi suatu persamaan regresi semakin besar pula pengaruh semua variabel independen terhadap variabel dependen (semakin besar kemampuan model yang dihasilkan dalam menjelaskan perubahan nilai variabel dependen) (Kuncoro, 2009 dalam Wihda, Bambang, 2014 : 5). b. Uji Statistik t Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen (Imam Ghozali, 2005 dalam Wihda, Bambang, 2014 : 5). Cara melakukan uji t yaitu menggunakan hipotesis sebagai berikut : Ho : βi = 0 tidak berpengaruh H1: βi > 0 Positif H1: βi < 0 Negatif Untuk memperoleh nilai thitung menggunakan rumus : thitung = (βi β0) /Sb Bila thitung > ttabel maka Ho ditolak dan H1 diterima.
48 c. Uji Statistik F Uji F pada dasarnya menunjukan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Imam Ghozali, 2005 dalam Wihda, Bambang, 2014 : 5). 4. Uji Penyimpangan Asumsi Model Klasik a. Multikolinieritas Gujarati (2010 dalam Wihda, Bambang, 2014 : 5), multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Cara mendeteksi ada atau tidaknya multikolonieritas dilihat dari yaitu dengan menganalisis matrik korelasi variable-variabel independen. Jika antar variable independen ada korelasi yang cukup tinggi (umumnya diatas 0.90), maka hal ini merupakan indikasi adanya multikolonieritas (Imam Ghazali, 2005). Damodar Gujarati (1999 : 157) istilah multikolinearitas mula-mula ditemukan oleh Ragnar Frisch. Pada mulanya multikolinearitas berarti adanya hubungan linear yang sempurna atau pasti, di antara beberapa atau semua variabel yang menjelaskan dari model regresi. Untuk regresi k- variabel, meliputi variabel yang menjelaskan X1, X2,..., Xk (di mana X1=1 untuk semua pengamatan untuk memungkinkan unsur intersep), suatu hubungan linear yang pasti dikatakan ada apabila kondisi berikut ini dipenuhi: λ1x1+λ2x2+...+λkxk=0
49 di mana λ1, λ2,..., λk adalah konstanta sedemikian rupa sehingga tidak semuanyaa secara simultan sama dengan nol. b. Heteroskedastisitas Gujarati (2010 dalam Wihda, Bambang, 2014 : 5), heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu dengan Uji Glejser. Damodar Gujarati (1999 : 177) satu dari asumsi penting model regresi linear klasik adalah bahwa varians tiap unsur disturbance ui, tergantung (conditional) pada nilai yang dipilih dari variabel yang menjelaskan, adalah suatu angka konstan yang sama dengan σ 2. Ini merupakan asumsi homoskedastisitas, atau penyebaran (scedasticity) sama (homo), yaitu varians yang sama. Dengan menggunakan lambang, E(ui 2 )=σ 2 i= 1, 2,..., N