III. METODOLOGI PENELITIAN
3.3. Metode Analisis
Analisis yang digunakan dalam penelitian ini secara kualitatif dan kuantitatif. Analisis secara kualitatif diinterpretasikan secara deskriptif, sedangkan data kuantitatif akan diolah dengan menggunakan analisis regresi. Analisis regresi adalah analisis yang berkenaan dengan studi ketergantungan satu variabel terhadap satu atau lebih variabel lain (Gujarati, 1978). Regresi yang digunakan adalah regresi linear sederhana dan regresi linear berganda dengan menggunakan bantuan software Minitab dan Microsoft Excel.
Untuk mengukur apakah konvergensi pendapatan antar Kabupaten/kota di Kawasan Timur Indonesia terjadi, dapat dilakukan dengan beberapa pendekatan atau tahapan-tahapan antara lain adalah analisis tingkat konvergensi antar Kabupaten/kota yang terdiri dari analisis konvergensi absolut dan analisis konvergensi bersyarat dengan memasukkan variable-variabel lain seperti pendidikan, kesehatan dan lain-lain.
42
(
)
Υ ⋅ Υ − Υ =∑
i i i W n f CV 2 i Υ Υ3.3.1. Analisis Ketimpangan Pendapatan
Pengukuran ketimpangan pendapatan antar daerah di Kawasan Timur Indonesia dilakukan dengan menggunakan metode CVw yang diperkenalkan oleh Williamson (1965) dengan rumus:
dimana:
CVw = indeks ketimpangan pendapatan daerah fi = jumlah penduduk di daerah i (jiwa) n = penduduk total (jiwa)
= PDRB per kapita di daerah i (rupiah) = PDRB per kapita untuk propinsi (rupiah)
Oshima dalam Matolla (1985) menetapkan sebuah kriteria yang digunakan untuk menentukan tingkat ketimpangan taraf rendah, sedang atau tinggi. Kriteria yang digunakan adalah sebagai berikut :
a. Ketimpangan taraf rendah, bila indeks ketimpangan kurang dari 0,35 b. Ketimpangan taraf sedang, bila indeks ketimpangan antara 0,35 – 0,50 c. Ketimpangan taraf tinggi, bila indeks ketimpangan lebih dari 0,50
3.3.2. Analisis Konvergensi
Dalam Garcia dan Soelistianingsih (1998) disebutkan model yang digunakan untuk menguji apakah terjadi konvergensi absolut (kabupaten yang lebih miskin tumbuh lebih cepat dari pada kabupaten yang lebih kaya) dapat ditulis sebagai berikut:
(
yt y0)
t=a+bln( )
y0 +εt ln(
yt y0)
t=a+b1ln( )
y0 +b2Χi+εt ln ………. (5) dimana:ln(yt/y0)/t = Pertumbuhan pendapatan per kapita per tahun pada tahun akhir t
y0 = PDRB per kapita tahun awal (1993,1996 dan 1998)
yt = PDRB per kapita tahun akhir (2004)
a = Konstanta
b = Koefisien regresi
t = tahun akhir dikurangi tahun awal
εt = error
Jika nilai b<0 akan mengakibatkan kecenderungan untuk mencapai konvergen yang tinggi atau nilai konvergensi pendapatan yang terjadi tinggi. Untuk melihat tingkat konvergensi absolut yang terjadi, data yang digunakan adalah dengan meregresikan PDRB per kapita tahun 2004 dengan PDRB per kapita tahun 1993, tahun 1996, dan tahun 1998.
Untuk menguji apakah terjadi konvergensi bersyarat (kabupaten yang lebih miskin tumbuh lebih cepat dari pada kabupaten yang lebih kaya jika variabel yang lain seperti presentase pendidikan dimasukkan) maka model analisis yang digunakan adalah:
...(6) dimana:
ln(yt/y0)/t = Pertumbuhan pendapatan per kapita per tahun pada tahun akhir t
y0 = PDRB per kapita tahun awal (1993,1996 dan 1998)
44
Xi = Tingkat Pendidikan tahun awal
a = Konstanta b1, b2 = Koefisien regresi
t = tahun akhir dikurangi tahun awal
εt = error
Untuk melihat tingkat konvergensi bersyarat yang terjadi, dapat dilihat dari nilai koefisien regresi. Jika nilai koefisien regresinya lebih kecil dari nol (b1< 0) maka akan cenderung konvergen atau nilai konvergensi antar kabupaten/kota di Kawasan Timur Indonesia tinggi.
3.3.3. Koefisien Determinasi (R2 dan Adj R2)
Digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya. Menurut Gujarati (1993), terdapat dua sifat R2 yaitu:
1. Merupakan besaran non-negatif
2. Batasnya adalah 0 ≤ R2 ≤ 1. Jika R2 bernilai 1 berarti suatu kecocokan sempurna, sedangkan jika R2 bernilai 0 maka tidak ada hubungan antara variabel terikat dan bebasnya.
Salah satu masalah jika menggunakan ukuran R2 untuk menilai baik buruknya suatu model adalah akan selalu mendapatkan nilai yang terus meningkat seiring dengan penambahan variabel bebas ke dalam model, sehingga Adj R2 bisa juga digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya. Uji ini juga digunakan untuk melihat seberapa kuat variabel yang dimasukkan kedalam model dapat menerangkan model. Secara
umum, R2 (Adj) merupakan besaran yang paling sering digunakan untuk mengukur kebaikan-suai (goodness of fit) garis regresi. Koefisien determinasi mengukur persentase atau proporsional total varians dalam variabel endogen yang dijelaskan model regresi. Sifat dasar dari R2 (Adj) adalah besaran yang selalu bernilai positif namun lebih kecil dari satu. Nilai R2 (Adj) berkisar antara 0 hingga 1 kecocokan model dikatakan lebih baik jika R2 (Adj) semakin mendekati 1 (satu)
3.3.4. Pengujian Terhadap Model Penduga (Uji F)
Uji F digunakan untuk membuktikan secara statistik bahwa seluruh koefisien regresi juga signifikan dalam menentukan nilai dari variabel tak bebas. Untuk uji F hipotesis yang di uji adalah:
H0 : β1 = β2 = ... = βk = 0
H1 : tidak semua β sama dengan 0
Dalam uji F jika seluruh nilai sebenarnya dari parameter regresi (k adalah variabel-variabel bebas dalam persamaan) sama dengan nol, maka dapat disimpulkan bahwa terdapat hubungan yang linier antara variabel tak bebas dengan variabel bebas. Atau dapat dilihat juga dari nilai probability F-statistiknya, jika probabilitasnya lebih kecil dari taraf nyata yang digunakan maka dapat disimpulkan bahwa terdapat hubungan linier antara variabel bebas dengan variabel-variabel tak bebas.
3.3.5. Uji Signifikan Individu (Uji t)
Uji signifikan individu dikenal dengan uji t (uji parsial). Pengujian ini dilakukan untuk membuktikan bahwa koefisien regresi dalam model secara statistik bersifat signifikan atau tidak. Dengan uji t akan dilihat apakah secara
46
statistik koefisien regresi dari masing-masing variabel bebas secara terpisah memiliki pengaruh nyata atau tidak terhadap variabel tidak bebas. Melalui uji t ini akan diuji apakah koefisien regresi satu per satu secara statistik signifikan atau tidak. Untuk uji t hipotesis yang di uji adalah:
H0 : β = 0
H1 : β≠ 0
Untuk uji t ini dapat dilihat melalui probabilitas dari masing-masing variabel bebas, jika probabilitasnya lebih kecil dari taraf nyata yang digunakan maka dapat disimpulkan bahwa variabel bebas tersebut berpengaruh secara signifikan terhadap variabel tak bebas, dan sebaliknya jika probabilitasnya lebih besar dari taraf nyata yang digunakan maka dapat disimpulkan bahwa variabel bebas tersebut tidak signifikan mempengaruhi variabel tak bebas.