Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di wilayah Kabupaten Bogor, khususnya di Kecamatan Dramaga, Ciampea, dan Cibinong. Kabupaten Bogor merupakan sentra UMK di Provinsi Jawa Barat dan Ketiga kecamatan tersebut merupakan sentra usaha mikro dan kecil di Kabupaten Bogor. Penelitian ini dilaksanakan pada bulan Juli hingga Agustus 2013.
Jenis, Sumber, dan Metode Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder terutama data sekunder yang telah dikumpulkan dalam studi terkait sebelumnya yaitu Hibah Penelitian Desentralisasi yang berjudul “Strategi Penguatan Usaha Mikro dan Kecil (UMK) Dalam Upaya Pengentasan Kemiskinan (Studi Kasus : Kabupaten Bogor)”, dimana peneliti terlibat dalam studi tersebut. Selain itu, penulis menggunakan data sekunder lainnya yang diperoleh dari dokumentasi yang berasal dari berbagai pihak atau instansi terkait seperti Badan Pusat Statistik Jawa Barat, Badan Pusat Statistik Kabupaten Bogor, Kementrian Koperasi dan UKM, Dinas Koperasi UKM Perindutrian dan Perdagangan Kabupaten Bogor, Badan Pemberdayaan Perempuan dan Keluarga Berencana, beberapa jurnal, tesis dan skripsi. Data sekunder ini digunakan untuk memperjelas fakta-fakta yang ada sehingga skripsi ini menjadi semakin jelas dan dapat lebih dipahami oleh pembaca dan masyarakat lainnya.
22
Tabel 7 Jenis Data Sekunder Penelitian
Data Sekunder Sumber
1. Data Sekunder Utama
Studi Sebelumnya a. Lama Pendidikan
b. Jumlah Anggota Keluarga c. Omset Usaha/tahun d. Usia
e. Jam Kerja/tahun f. Dummy Usaha
2. Data Sekunder Lainnya
a. Perkembangan Jumlah, Tenaga Kerja, Kontribusi
Kementrian Koperasi dan UKM UMK Terhadap PDB Indonesia
b. Perkembangan Jumlah UMK di Indonesia BPS Indonesia
c. Jumlah Unit UMK di Jawa Barat BPS Indonesia
d. Perkembangan Jumlah UMK di Kabupaten Bogor BPS Kabupaten Bogor
e. Perkembangan Jumlah Tenaga Kerja di Kabupaten
BPS Kabupaten Bogor Bogor
f. Penduduk Miskin Kabupaten Bogor BPS Kabupaten Bogor
g. Karakteristik Usaha Mikro dan Kecil Tambunan
Dalam Hibah Penelitian Desentralisasi dimana penulis menggunakan data yang dikumpulkan dalam studi tersebut sebagai data utama dalam penelitian ini, penentuan responden sampel peneltian dilakukan dengan menggunakan metode
purposive sampling, yaitu sampel yang dipilih mencakup usaha mikro dan kecil dimana usaha mikro harus lebih banyak jumlahnya dan di masing-masing kelompok usaha tersebut harus terdiri dari usaha pengolahan dan perdagangan dimana kedua sektor tersebut merupakan jenis usaha yang dominan dari UMK di Kabupaten Bogor. Sample yang digunakan sebanyak 51 responden dari sektor pengolahan dan 49 responden dari sektor perdagangan. Sampel yang terpilih pada sektor pengolahan terdiri dari makanan-minuman, bahan dasar logam/ kayu/ bambu, bahan dasar kulit dan konveksi. Sementara Ssampel yang terpilih pada sektor perdagangan terbagi atas warung/ rumah makan, sembako/ kelontong, dan PKL.
Tabel 8 Jumlah Sampel UMK di Kabupaten Bogor
No Kategori Skala Total Mikro Kecil 1 Pengolahan a. Makanan-minuman 10 5 15
b. Bahan dasar logam/kayu/bambu 13 3 16
c. Bahan dasar kulit 4 1 5
d. Konveksi 11 4 15
Total 38 13 51
2 Perdagangan
a.Warung/ rumah makan 12 5 17
b. Sembako/ kelontong 6 4 10
c. PKL 18 4 22
23 Metode Pengolahan dan Analisis Data
Dalam penelitian ini, metode analisis data yang digunakan terdiri dari metode analisis deskriptif dan analisis kuantitatif.
Analisis Deskriptif
Analisis deskriptif diperoleh dalam bentuk tabulasi dengan menggunakan program Microsoft Excel 2007 untuk menjawab tujuan penelitian pertama yaitu mengetahui struktur perekonomian rumah tangga pengusaha Usaha Mikro dan Kecil di Kabupaten Bogor.
Analisis Kuantitatif
Dalam menjawab tujuan penelitian yang kedua yaitu mengetahui faktor-faktor yang memengaruhi kesejahteraan rumah tangga Usaha Mikro dan Kecil (UMK) di Kabupaten Bogor. Model yang digunakan adalah model regresi linier berganda dengan menggunakan Software Eviews. Dalam menguji keberartian koefisien regresi secara simultan dilakukan uji-F dan untuk menguji pengaruh secara parsial dilakukan uji-t.
Penelitian ini menggunakan metode Ordinary Least Square (OLS). Untuk memudahkan dalam pengolahan data, maka data tersebut dimasukkan ke
Microsoft Excel 2007 dan diolah menggunakan Eviews 6.
Regresi berganda dirumuskan sebagai berikut :
Yt = ẞ0 + ẞ1X1 + ẞ2X2 + ẞ3X3 + ẞ4X4 + ẞ5X5 + ẞ6DX6 + ὲ Keterangan :
Yt = Variabel dependent (Pendapatan/tahun) X1 = Lama Pendidikan
X2 = Jumlah Anggota Keluarga X3 = Omset Usaha/tahun X4 = Usia
X5 = Jam Kerja/tahun DX6 = Dummy Usaha
Variabel yang akan diteliti dalam penelitian ini adalah variable dependent
yaitu pendapatan/tahun pengusaha Usaha Mikro dan Kecil di Kabupaten Bogor. X1 menunjukkan lama pendidikan pengusaha UMK, X2 menunjukkan jumlah anggota keluarga pengusaha UMK, sedangkan X3 menunjukkan omset usaha/tahun pengusaha UMK, X4 merupakan usia kepala keluarga, X5 menunjukkan lama jam kerja/tahun yang dilakukan oleh pengusaha UMK, dan DX6 menunjukkan dummy usaha, dimana usaha mikro=1 dan usaha kecil =0.
Pengujian Model
Uji Koefisien Determinasi ( )
Uji koefisien determinasi digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikat. Nilai R2 mengukur
24
tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabel terikatnya. Nilai R2 memiliki dua sifat yaitu memiliki besaran positif dan besarnya adalah 0 ≤ R2 ≤ 1. Jika R2 sebesar nol, maka hal ini menunjukkan bahwa tidak ada hubungan antara variabel terikat dengan variabel bebas, sedangkan jika R2 sebesar satu, maka terdapat kecocokan yang sempurna antara variabel terikat dengan variabel bebas.
Uji t-Statistik
Uji t dilakukan untuk melihat apakah masing-masing variabel bebas secara parsial berpengaruh pada variabel terikatnya. Probability t-statistik menunjukkan besarnya pengaruh nyata untuk masing-masing variabel. Apabila probability
untuk masing-masing variabel bebas bernilai lebih kecil dari taraf nyata, maka variabel bebas tersebut berpengaruh nyata. Begitu pula, jika probability lebih besar daripada taraf nyata, maka variabel bebas tersebut tidak mempengaruhi kesejahteraan rumah tangga UMK.
Uji F-Statistik
Probability F-statistic digunakan untuk mengetahui besarnya pengaruh secara keseluruhan dari variabel bebas terhadap kesejahteraan rumah tangga Usaha Mikro dan Kecil di Kabupaten Bogor. Hipotesis untuk melakukan uji F-statistik adalah sebagai berikut.
H0 : Semua α = 0, artinya tidak ada variabel bebas yang berpengaruh terhadap kesejahteraan rumah tangga UMK di Kabupaten Bogor.
H1 : α ≠ 0, maka minimal ada satu variabel bebas yang berpengaruh terhadap kesejahteraan rumah tangga UMK di Kabupaten Bogor.
Apabila probability F-statistic kurang dari taraf nyata (prob < α ), maka tolak H0, artinya minimal ada satu variabel bebas yang mempengaruhi kesejahteraan rumah tangga UMK di Kabupaten Bogor secara nyata. Namun sebaliknya jika probability F-statistic lebih besar dari taraf nyata, dapat disimpulkan bahwa terima H0 , artinya tidak ada variabel bebas yang berpengaruh terhadap kesejahteraan rumah tangga UMK di Kabupaten Bogor .
Uji Pelanggaran Asumsi
Uji pelanggaran asumsi klasik adalah sebagai berikut : Multikolienaritas
Multikolinearitas terjadi apabila pada regresi berganda tidak terjadi hubungan antarvariabel bebas atau terjadi karena adanya korelasi yang nyata antarpeubah bebas. Pelanggaran asumsi ini akan menyebabkan kesulitan untuk menduga yang diingikan. Untuk mendeteksi ada tidaknya multikolienaritas adalah dengan memperhatikan hasil probabilitas t-statistik hasil regresi (Gujarati 1997). Jika banyak koefisien parameter yang diduga menunjukkan hasil yang tidak signifikan tersebut. Hal ini sering dilakukan karena dapat menyebabkan bias parameter yang spesifikasi pada model. Kemudian cara lain adalah dengan variabel terikat namun tidak berkorelasi dengan variabel bebas lainnya. Namun hal ini agak sulit dilakukan mengingat tidak adanya informasi tantang tipe variabel tersebut.
25 Ada beberapa cara untuk mendeteksi ada tidaknya multikolinearitas. Salah satu caranya menurut Gujarati (2007) yaitu melalui correlation matric, dimana batas terjadinya korelasi antarsesama variabel bebas adalah tidak lebih dari |0.80|.
Selain itu ada cara lain menurut Gujarati (2007) untuk mendeteksi ada tidaknya multikolonearitas yaitu dengan menggunakan Uji Klein. Menurut Uji Klein, apabila terjadi nilai korelasi yang lebih tinggi dari |0.80|, maka multikolonearitas dapat diabaikan selama nilai korelasi tersebut tidak melebihi
Adjusted R-squared-nya. Heteroskedastisitas
Suatu fungsi dikatakan baik apabila memenuhi asumsi homoskedastisitas (tidak terjadi heteroskedastisitas) atau memiliki ragam error yang sama. Adanya heteroskedastisitas akan menyebabkan parameter yang diduga menjadi tidak efisien. Heteroskedastisitas tidak merusak ketakbiasan dan konsistensi dari penarik Ordinary Least Square (OLS), tetapi penduga OLS tidak lagi efisien baik dalam sampel kecil maupun besar (yaitu asimtotik) (Gujarati 1997). Untuk mendeteksi ada tidaknya pelanggaran ini dengan menggunakan White Heteroscedasticity Test. Nilai probabilitas Obs*R-Squared dijadikan sebagai acuan untuk menolak atau menerima H0 : homoskedastisitas.
Probabilitas Obs*R-Squared < taraf nyata α, maka tolak H0 Probabilitas Obs*R-Squared > taraf nyata α, maka terima H0
Apabila H0 ditolak maka akan terjadi gejala heteroskedastisitas, begitu juga sebaliknya apabila terima H0 maka tidak akan terjadi gejala heteroskedastisitas. Autokorelasi
Kendall dan Buckland dalam Gujarati (1997) mengatakan istilah autokorelasi bisa didefinisikan sebagai korelasi diantara anggota observasi yang diurut menurut waktu (seperti data deret berkala) atau ruang (seperti data lintas sektoral). Sebagaimana halnya dengan masalah heteroskedastisitas, penduga OLS tidak lagi efisien atau ragamnya tidak lagi minimum jika ada autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi dapat digunakan Breusch-Godfrey Serial Correlation LM Test.
Probabilitas Obs*R-Squared < taraf nyata α, maka terdapat autokorelasi Probabilitas Obs*R-Squared > taraf nyata α, maka tidak ada autokorelasi Uji Normalitas
Uji ini dilakukan karena data yang digunakan kurang dari 30. Uji ini digunakan untuk melihat apakah error term mendekati distribusi normal. Kriteria uji yang digunakan :
1. Jika diperoleh nilai probabilitas Jarque Bera taraf nyata (α), maka model tidak memiliki masalah normalitas atau dapat dikatakan error term
terdistribusi secara normal.
2. Jika diperoleh nilai probabilitas Jarque Bera ≤ taraf nyata (α), maka model memiliki masalah normalitas atau dapat dikatakan error term tidak terdistribusi secara normal
26
Uji Kriteria Statistik :
Untuk mengevaluasi model berdasarkan kriteria statistik dapat dilakukan dengan menggunakan beberapa pengujian di bawah ini :
Uji Koefisien Determinasi ( )
Uji koefisien determinasi digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikat. Nilai mengukur tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabel terikatnya. Nilai R2 memiliki dua sifat yaitu memiliki besaran positif dan besarnya adalah 0 ≤ R2 ≤ 1. Jika R2 sebesar nol, maka hal ini menunjukkan bahwa tidak ada hubungan antara variabel terikat dengan variabel bebas, sedangkan jika sebesar satu, maka terdapat kecocokan yang sempurna antara variabel terikat dengan variabel bebas.
Uji t-Statistik
Uji t dilakukan untuk melihat apakah masing-masing variabel bebas secara parsial berpengaruh pada variabel terikatnya. Probability t-statistik menunjukkan besarnya pengaruh nyata untuk masing-masing variabel. Apabila probability
untuk masing-masing variabel bebas bernilai lebih kecil dari taraf nyata, maka variabel bebas tersebut berpengaruh nyata. Begitu pula, jika probability lebih besar daripada taraf nyata, maka variabel bebas tersebut tidak mempengaruhi kesejahteraan rumah tangga UMK.
Uji F-Statistik
Probability F-statistic digunakan untuk mengetahui besarnya pengaruh secara keseluruhan dari variabel bebas terhadap kesejahteraan rumah tangga UMK di Kabupaten Bogor. Hipotesis untuk melakukan uji F-statistik adalah sebagai berikut.
H0 : Semua α = 0, artinya tidak ada variabel bebas yang berpengaruh terhadap perkembangan UMK di Kabupaten Bogor.
H1 : α ≠ 0, maka minimal ada satu variabel bebas yang berpengaruh terhadap perkembangan UMK di Kabupaten Bogor.
Apabila probability F-statistic kurang dari taraf nyata (prob < α ), maka tolak H0, artinya minimal ada satu variabel bebas yang mempengaruhi perkembangan UMK di Kabupaten Bogor secara nyata. Namun sebaliknya jika
probability F-statistic lebih besar dari taraf nyata, dapat disimpulkan bahwa terima H0, artinya tidak ada variabel bebas yang berpengaruh terhadap kesejahteraan rumah tangga Usaha Mikro dan Kecil yang berada di Kabupaten Bogor.
Kelemahan Metode Ordinary Least Square (OLS)
Ketika menggunakan data time series, seringkali muncul kesulitan-kesulitan yang sama sekali tidak dijumpai pada saat menggunakan data cross section. Ada beberapa hal yang menjadi kelemahan dari metode Ordinary Least Square (OLS) dengan menggunakan data time series (Sarwoko 2005) antara lain :
1 Kondisi dimana suatu variabel time series berubah secara koefisien dan terprediksi sebelum variabel lain ditentukan demikian. Jika suatu variabel
27 mendahului variabel lain, tidak dapat dipastikan bahwa variabel tersebut menyebabkan variabel lain berubah, namun hampir dapat dipastikan bahwa kebalikannya adalah bukan hal itu.
2 Variabel independent nampak lebih signifikan dibandingkan sebenarnya, yaitu variabel dependentnya dalam kurun waktu periode sampel.
3 Terkadang variabel time series tidak stasioner. Maksudnya rata-rata dan variannya tidak konstan sepanjang waktu dan nilai kovarian antara dua periode waktu bergantung dari jarak atau lag antara dua periode dari waktu sesungguhnya dimana kovarian itu dihitung dan bukan dari periode pada waktu itu.