METODOLOGI PENELITIAN
B. Metode Penentuan Sampel
Pada penelitian ini, yang menjadi populasi adalah tingkat kemiskinan, produk dometik bruto, tingkat partisipasi angkatan kerja dan dummy crisis.
Sedangkan sampel yang digunakan dalam penelitian ini adalah adalah tingkat kemiskinan, produk dometik bruto, tingkat partisipasi angkatan kerja dan dummy crisis selama periode 1984 - 2009 dengan berupa data per tahun di Indonesia. C. Metode Pengumpulan Data
Metode pengumpulan data sangat penting untuk mempertanggung jawabkan kebenaran ilmiah suatu penelitian, selain itu metode penelitian juga diperlukan untuk memperoleh hasil yang sesuai dengan tujuan penelitian yang di kehendaki. Dalam penelitian ini data dihimpun melalui penelitian tingkat kemiskinan di Indonesia dengan menggunakan data sebagai berikut:
47 1. Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan jenis data time series, yaitu merupakan data atau informasi yang diperoleh dari Badan Pusat Statistik (BPS), Lembaga Ilmu Pengetahuan Indonesia (LIPI) Jakarta
2. Metode Pengumpulan Data
a. Field research
Penulis melakukan penelitian ketempat-tempat yang menyediakan data-data sekunder yang diperlukan sebagai bahan referensi seperti BPS.
b. Library research
Landasan dan teori yang kuat dibutuhkan dalam pemecahan masalah, sehingga penulis melakukan penelitian kepustakaan dan LIPI dengan mengumpulkan buku-buku, jurnal-jurnal, dan sumber dokumentasi lainnya yang berhubungan dengan penelitian.
c. Internet Research
Terkadang buku refrensi atau literature yang kita miliki atau diperpustakaan tertinggal selama beberapa waktu atau kadaluarsa, karena ilmu yang selalu berkembang yaitu internet sehingga data yang diperoleh up to date seperti : www.google.com dan www.wikipedia.com. D. Metode Analisis data
Jenis penelitian yang dipakai dalam penelitian ini yaitu pengujian hipotesis, khususnya dengan menggunakan analisis regresi linear berganda. Adapun alat analisis yang digunakan adalah:
48 1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk melihat yang diestimasi telah memenuhi asumsi klasik dari regresi berganda atau belum, sehingga nilai koefisien regresinya mendeteksi nilai sebenarnya. Jika model yang digunakan memenuhi syarat tersebut, berarti tidak ada masalahnya dalam menggunakan metode regresi berganda. untuk memperoleh model yang baik, model harus terbebas dari masalah-masalah dalam regresi yaitu multikolinearitas, heterokedastisitas, dan autokorelasi. (Gujarati, 2006: 183).
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi variabel terikat dan variabel bebasnya mempunyai model regresi yang baik. Model regresi yang baik adalah jika distribusi data normal atau mendekati normal. Pengujian dilakukan dengan menggunakan Uji Jargue-Bera Test atau J-B test.
Langkah-langkah pengujian sebagai berikut: Hipotesis
Ho: residual berdistribusi tidak normal Ha: residual berdistribusi normal
Pengambilan keputusan dilakukan dengan kriteria:
• Bila probabilitas obs*R2 > 0.05 maka signifikan, Ho ditolak (distribusi data normal)
• Bila probabilitas obs*R2 < 0.05 maka tidak signifikan Ha ditolak (distribusi data tidak normal)
49 b. Uji Linieritas
Uji yang sangat populer untuk menguji masalah linieritas adalah uji yang dikembangkan oleh J.B Ramsey tahun 1969 untuk lebih dikenal dengan nama
Ramsey RESET test. Uji ini biasanya didesain untuk menguji apakah suatu variabel penjelas cocok atau tidak dimasukan dalam suatu model estimasi. Akan tetapi menurut Kennedy (1996) uji yang dikembangkan oleh J.B Ramsey ini digunakan untuk menguji apakah bentuk fungsi suatu model estimasi linier atau tidak linier.
Langkah-langkah pengujian sebagai berikut: Hipotesis
Ho: model tidak linier Ha: model linier
Pengambilan keputusan dilakukan dengan kriteria:
• Bila probabilitas obs*R2 > 0.05 maka signifikan, Ho ditolak (model linier) • Bila probabilitas obs*R2 < 0.05 maka tidak signifikan Ha ditolak (model
tidak linier).
c. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya hubungan linier yang sempurna antara semua variabel bebas. Jika terjadi hubungan linear yang sempurna maka terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi hubungan yang linear diantara variabel bebasnya.
50 Menurut Montgomery dan Hinies dalam blog Dicky Rahardiyantoro (2006) dijelaskan bahwa multikolinearitas data mengakibatkan koefisien regresi yang dihasilkan oleh analisis regresi berganda menjadi sangat lemah atau tidak dapat memberikan hasil analisis yang mewakili sifat atau pengaruh dari variable bebas yang bersangkutan. Dalam banyak masalah multikolinearitas dapat menyebabkan uji t menjadi tidak siginifikan.
Pengujian dilakukan dengan menggunakan matriks korelasi (Corelation Matrix).
Dengan langkah pengujian sebagai berikut: Hipotesis:
Ho: tidak bersifat Multikolinearitas Ha: bersifat Multikolinearitas
Pengambilan keputusan dilakukan dengan kriteria:
• Bila hubungan antara X1 dan X2 > 0.8 → Ho ditolak, model bersifat multikolinearitas
• Bila hubungan antara X1 dan X2 < 0.8 → Ho diterima, model tidak bersifat multikolinieritas
d. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Jika nilai dari variannya tetap maka disebut homoskedastisitas, sedangkan jika variannya berbeda disebut heteroskedastisitas, dimana model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
51 Pendeteksian heteroskedastisitas dapat dilakukan melalui Uji White. Dengan langkah-langkah pengujian sebagai berikut:
Hipotesis;
Ho: tidak terjadi Heteroskedastisitas Ha: Terjadi Heteroskedastisitas
Pengambilan keputusan dilakukan dengan kriteria:
• Bila probabilitas Obs*R2 < 0.05 → Ho ditolak, terjadi heteroskedatisitas • Bila probabilitas Obs*R2 > 0.05 → Ho diterima, tidak terjadi
heteroskedatisitas. e. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi liniear terdapat korelasi atau tidak.
Model regresi yang baik adalah model regresi yang tidak terdapat problem autokorelasi.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut : a. Bila D-W di bawah -2 berarti terdapat autokorelasi positif.
b. Bila D-W diantara -2 s.d. +2 tidak terdapat autokorelasi. c. Bila D-W di atas +2 terdapat autokorelasi negatif.
Untuk mengetahui ada atau tidaknya penyakit autokorelasi dalam suatu model, dapat dilihat dari nilai statistik Durbin-Watson.
52 Tabel 3.1 Uji Durbin-Watson Ada autokorelasi positif Tidak dapat diputuskan Tidak ada autokorelasi Tidak dapat diputuskan Ada autokorelasi negatif 0 dl du 2 4-du 4-dl 4 1.10 1.54 2.46 2.90