BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ditinjau

advertisement
BAB III
METODE PENELITIAN
A.
Ruang Lingkup Penelitian
Ditinjau dari jenis datanya pendekatan penelitian yang digunakan
dalam penelitian ini adalah pendekatan kuantitatif. Yang dimaksud dengan
penelitian kuantitatif menurut Arikunto (2006) adalah pendekatan penelitian
yang banyak dituntut menguakan angka, mulai dari pengumpulan data,
penafsiran terhadap data tersebut, serta penampilan hasilnya.
Penelitian ini memiliki 4 variabel, dimana terdiri dari 1 variabel
dependen dan 3 variabel independen. Variabel dependen dalam penelitian
ini adalah jumlah tenaga kerja, sedangkan variabel independen terdiri dari
pertumbuhan industri, nilai investasi, dan unit usaha. Data yang digunakan
merupakan data tahunan dan hanya pada sektor industri.
B.
Definisi Operasional Variabel
Penelitian ini menggunakan variable dependen berupa jumlah tenaga
kerja di Sektor Industri, sedangkan variable independen terdiri dari
pertumbuhan industri, nilai investasi, dan unit usaha. Definisi operasional
variable akan dijelaskan sebagai berikut:
1.
Variabel Dependen
Variabel dependen dalam penelitian ini adalah jumlah tenaga
kerja sektor industri di Sukoharjo. Menurut Dumairy (1997) yang
tergolong sebagai tenaga kerja adalah penduduk yang mempunyai
37
38
umur didalam batas usia kerja. Data operasional yang digunakan
dalam penelitian ini diambil dari data yang dikeluarkan oleh Badan
Pusat Statistik berdasarkan perhitungan tahunan dan dinyatakan dalam
bentuk jiwa.
2.
Variabel Independen
a.
Pertumbuhan Industri
Pertumbuhan industri dilihat berdasarkan pertumbuhan
ekonomi yang dihitung dari perubahan PDRB atas dasar harga
konstan (PDRB riil) yang menggambarkan nilai tambah barang
dan jasa yang dihitung dengan menggunakan harga berlaku pada
tahun 2010 sebagai tahun dasar. Data yang digunakan dibatasi
hanya pada sektor industri di Sukoharjo dengan satuan persen
(%).
b.
Nilai Investasi
Investasi adalah kegiatan dalam menanamkan modal dana
dalam suatu bidang tertentu. Investasi yang digunakan dalam
penelitian ini merupakan investasi pada industri kecil di
Kabupaten Sukoharjo. Jumlah Investasi dalam penelitian ini
dinyaatakan dalam satuan Jutaan Rupiah.
c.
Unit Usaha
Menurut dinas perindustrian, unit usaha merupakan
jumlah perusahaan industri pengolahan yang beroperasi, yang
dihitung dalam satuan unit usaha. Unit usaha adalah suatu usaha
kegiatan ekonomi pada suatu tempat tersendiri yang dilakukan
39
oleh pemilik perorangan atau suatu badan usaha. Dalam
penelitian ini, unit usaha yang digunakan yaitu jumlah unit
usaha industri kecil
C.
Metode Pengumpulan Data
1.
Jenis Data
Penelitian ini menggunakan data kuantitatif berupa data
sekunder yang merupakan data yang diperoleh dalam bentuk sudah
jadi berupa publikasi. Data kuantitatif yakni data yang dapat dihitung
atau data yang dapat dinyatakan dalam angka. Sumber data yang
digunakan dalam penelitian ini adalah data sekunder yang diperoleh
dari Badan Pusat Statistika.
2.
Sumber Data
Data yang digunakan bersumber dari publikasi resmi Badan
Pusat Statistika Sukoharjo dengan data yang meliputi jumlah tenaga
kerja, pertumbuhan industri, nilai invetasi, dan unit usaha pada sektor
industri di Kabupaten Sukoharjo.
D.
Metode Analisis Data
Teknik analisis yang digunakan dalam peneltian ini adalah
menggunakan teknik analisis regresi linier berganda untuk memperoleh
gambaran yang menyeluruh mengenai hubungan antara variable satu dan
variable yang lain. Adapun persamaan regresi linear berganda yang akan
digunakan pada penelitian ini :
40
TK = ? + ??PI + ??INVEST + ??UNTSHA + ?
Kemudian di transformasi menggunakan Double Log sehingga hasil
persamaannya sebagai berikut:
logTK? ? + ??PI + ??logINVEST + ??logUNTSHA + ?
Keterangan
:
TK
: Tenaga Kerja Sektor Industri Kecil (Jiwa)
α
: Konstanta
??????
: Koefisien Regresi
PI
: Pertumbuhan Industri (Persen)
INVEST
: Investasi Industri Kecil (Juta)
UNTUSHA
: Unit Usaha Industri Kecil (Unit)
?
: Error
Untuk menguji pengaruh antara variabel penjelas terhadap jumlah
tenaga kerja digunakan Regresi linier berganda (metode Ordinary East
Square/OLS) dengan menggunakan alat bantu softwareEviews 8. Adapun
beberapa uji yang harus dilakukan di antaranya yaitu:
1.
Uji Asumsi Klasik
Gujarati (2003) mengatakan bahwa beberapa masalah yang
muncul pada saat analisis regresi untuk mengestimasisuatu model
dengan sejumlah data variable. Masalah masalah tersebut adalah
multikolinieritas, heterokesdastitas, autokorelasi dan normalitas
a.
Uji Normalitas
Uji normalitas bertujuan untuk menguji salah satu asumsi
dasar analisis regresi linier berganda, yaitu variabel independen
41
dan dependen harus berdistribusi normal atau mendekati normal
(Gujarati, 2009). Model regresi yang baik adalah memiliki
distribusi data normal atau mendekati normal.Dalam penelitian
ini pendekatan yang dilakukan untuk mendeteksi normalitas data
dengan membandingkan Jarque-Bera (JB) Test dengan tingkat
alpha 0,05 (5%). Apabila nilai Prob. JB hitung lebih besar dari
0,05 maka dapat disimpulkan bahwa residual terdistribusi
normal dan sebaliknya, apabila nilai Prob. JB lebih kecil dari
0,05 maka tidak cukup bukti untuk menyatakan bahwa residual
terdistribusi normal.
b.
Uji Multikolinearitas
Untuk menguji model regresi apakah terjadi hubungan
yang sempurna atau hampir sempurna antar variabel bebas,
sehingga sulit untuk memisahkan pengaruh antara variabelvariabel bebas itu secara individu terhadap variabel terikat
digunakan uji multikolinearitas. Adanya multikolinearitas
sebagai akibat nilai F hitung dan R2 signifikan, sedangkan
sebagian atau seluruh koefisien regresi tidak signifikan.
Uji multikolinearitas dalam sebuah model empirik dapat
dilakukan dengan dua metode, yaitu dengan pendekatan korelasi
parsial
dan
pendekatan
koutsoyiannis.
Penelitian
ini
menggunakan pendekatan korelasi parsial sebagai metode dalam
menguji multikolinearitas.
42
Cara dari pendekatan ini yaitu dengan membandingkan
nilai R2a
pada hasil regresi awal dengan nilai R2 pada
pendekatan parsial. Jika nilai R2 < R2a, maka model terbebas dari
masalah multikolinearitas.
c.
Uji Heterokesdasitas
Asumsi dari model regresi linear klasik adalah kesalahan
pengganggu mempunyai variasi yang sama. Apabila asumsi
tersebut tidak terpenuhi maka akan terjadi heterokesdasitas.
Heteroskedastisitas adalah variansi dari error model regresi
tidak konstan atau variansi antara error yang satu dengan error
yang lain berbeda (Widarjono, 2007).
Terdapat beberapa metode uji heteroskedastisitas yang
dimiliki oleh EViews, seperti : Uji Breusch-Pagan-Godfrey, Uji
Park, Uji Glejser, Uji LM ARCH, dan Uji White. Namun dalam
penelitian ini menggunakan metode uji White untuk menguji
heteroskedastisitas.
Kriteria pengujian dalam uji White adalah apabila nilai
probabilitas Chi-Square lebih besar dari 0,05 (5%) atau x2
hitung lebih kecil dari x2 tabel, maka data dalam penelitian tidak
mengalami masalah heterokedastisitas.
d.
Uji Autokorelasi
Autokorelasi didefiniskan sebagai korelasi antara anggota
serangakaian
observasi
yang
diurutkan
menurut
waktu
(timeseries) (Rustiono, 2008). Masalah autokorelasi pada
43
umumnya sering muncul pada data timeseries namun tidak dapat
dipungkiri bahwa pada data crosssection juga akan terdapat
masalah autokorelasi.
Dalam model regresi linier klasik dapat diasumsikan
bahwa unsur gangguan yang berhubungan dengan observasi
tidak dipengaruhi oleh unsur gangguan yang berhubungan
dengan observasi lain (disturbansi) yang dapat menyebabkan
terjadinya autokorelasi. Adanya permasalahan autokorelasi akan
menyebabkan hasil taksiran regresi menjadi tidak signifikan.
Autokorelasi
serangkaian
merupakan
observasi
yang
korelasi
diurutkan
antara
menurut
anggota
waktu
(timeseries) atau ruang (crosssection). Adapun penyebab
Autokorelasi adalah kelambanan (inersia), Bias spesifikasi :
kasus variabel yang tidak dimasukkan, Bias spesifikasi : bentuk
fungsional yang tidak benar, fenomena Cobweb, keterlambatan
waktu (lag) dan manipulasi data (Gujarati, 2003). Metode yang
digunakan dalam penelitan ini adalah metode Breush- Godfrey
Serial Correlation LM Test (BG-Test).
Apabila nilai Prob. F hitung lebih besar dari tingkat alpha
0,05 (5%) maka hipotesis mengatakan bahwa tidak terjadi
autokorelasi. Sedangkan apabila nilai Prob. F hitung lebih kecil
dari tingkat alpha 0,05 (5%) maka hipotesis mengatakan bahwa
terjadi autokorelasi.
44
2.
Pengujian Hipotesis
Uji signifikansi (pengaruh nyata) variabel independen (X)
terhadap variabel dependen (Y) baik secara parsial maupun secara
simultan. Pengujian hipotesis dilakukan dengan uji statistik t (t-test),
uji F (F-test), dan koefisien determinasi (R2).
a.
Uji Statistik t
Uji t dilakukan untuk memastikan seberapa jauh pengaruh
satu variabel independen secara individual dalam menerangkan
variabel dependen (Ghozali, 2009).
Langkah-langkah pengujian sebagai berikut:
1)
Hipotesis
Ho : β1 = 0, artinya variabel independen secara individu
tidak berpengaruh signifikan terhadap variabel dependen.
Ha : β1 ≠ 0, artinya variabel independen secara individu
berpengaruh terhadap variabel dependen.
2)
Menentukan Tingkat Signifikansi
Tingkat signifikansi penelitian ini menggunakan 0,05
(α=5%)
3)
Perhitungan uji t
Nilai t hitung : dicari berdasarkan perhitungan hasil
Nilai t tabel : dicari di t tabel pada signifikansi 0,05
Df = n – k – 1 (n: jumlah sampel ; k: jumlah variabel)
45
4)
Kesimpulan
Gambar 3.1 Daerah pengujian satu sisi kanan arah positif
Apabila t hitung < t tabel, maka Ho diterima
Apabila t hitung > t tabel, maka Ho ditolak
Gambar 3.2 Daerah pengujian satu sisi kiri arah negatif
Apabila t hitung ≤ - t tabel, maka Ho diterima
Apabila t hitung < - t tabel, maka Ho ditolak
b.
Uji F
Uji F pada dasarnya menunjukkan bahwa apakah semua
variable bebas yang dimasukkan beprengaruh secara bersamasama terhadap variable terikat (Ghozali,2006). Pengujian yang
dilakukan dengan membandingkan nilai F hitung dengan F
tabel. Jika F hitung lebih besar dari F tabel maka hasilnya adalah
46
signifikan, sebaliknya jika F hitung lebih kecil dari F tabel maka
hasilnya adalah tidak signifikan. Langkah-langkah pengujian
sebagai berikut:
1)
Menentukan hipotesis nol dan hipotesis alternative
Ho : β1 = β2 = β3 = β4 = β5 = 0
Artinya variabel independen secara serentak tidak
berpengaruh terhadap variabel dependen.
Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0
Artinya variabel independen secara serentak berpengaruh
terhadap variabel dependen.
2)
Menentukan taraf signifikansi
Tingkat signifikansi pada penelitian ini menggunakan 0,05
(α=5%)
3)
Perhitungan uji F
Nilai F hitung : dicari berdasarkan perhitungan hasil
Nilai F tabel : dicari di F tabel pada signifikansi 0,05
df1 = k-1
; df2 = n-k (k:jumlah variabel ; n:jumlah
sampel)
4)
Kesimpulan
F hitung < F tabel, maka Ho diterima
F hitung > F tabel, maka Ho ditolak
c.
Koefisien Determinasi (R2)
Analisis determinasi R2 digunakan untuk mengetahui
proporsi pengaruh variabel independen secara serentak terhadap
47
variabel dependen. Berikut merupakan sifat dari koefisien
determinasi (R2), yaitu:
1)
Koefisien determinasi merupakan besaran nonnegative.
2)
Koefisien determinasi memiliki batas 0 ≤ R2≤1.
Suatu R2 sebesar 1 berarti suatu kecocokan sempurna
sedangkan R2 yang bernilai nol berarti tidak ada hubungan
antara variabel dependen dengan variabel independen.
Dalam hubungannya regresi, R2 adalah ukuran yang lebih
berarti daripada R karena R2 mengatakan bahwa proporsi variasi
dalam variabel dependen yang dijelaskan oleh variabel
indepeden dan karenanya memberikan suatu ukuran keseluruhan
mengenai sejauh mana variasi dalam satu variabel menentukan
variasi dalam variabel lain tetapi R tidak mempunyai nilai
seperti itu (Gujarati, 2003).
Download