3.1 Definisi Oper asional dan Pengukuran Var iabel
Yang dimaksud dengan definisi operasional adalah pernyataan penelitian tentang arti, batasan, pengertian dan pengukuran variabel dalam operasional berdasarkan teori yang telah ada namun secara empiris.
Definisi operasional`dan pengukuran variabel yang digunakan dalam penelitian ini antara lain:
a. Variabel terikat (Y)
Adalah Nilai ekspor rokok (Y1) dan Nilai ekspor tembakau (Y2) merupakan komoditi ekspor yang saat ini sedang berkembang di kalangan masyarakat, terutama di daerah Jawa Timur. Selain tembakau adapun ekspor rokok telah memberikan sumbangan yang besar bagi perekonomian bangsa Indonesia. Bagi sektor industri maupun perkebunan rokok merupakan komoditi yang mempunyai arti manfaat ekonomi dan sosial. (Juta USD)
b. Variabel Bebas (X)
1. A) Jumlah produksi rokok (X1)
Jumlah produksi rokok dan tembakau adalah suatu komoditi yang dihasilkan yang merupakan banyaknya produksi rokok yang telah dihasilkan oleh suatu daerah tertentu dan dengan jumlah tertentu. (unit).
Jumlah produksi dan tembakau adalah suatu komoditi yang dihasilkan yang merupakan banyaknya produksi tembakau yang telah dihasilkan oleh suatu daerah tertentu dan dengan jumlah tertentu. (Ton).
2. Jumlah industri rokok dan tembakau (X2)
Adalah banyaknya tempat industri roko dan tembakau yang ada pada suatu daerah tertentu. Dimana banyaknya jumlah industri rokok dan tembakau terse4but apakah dapat menyuplai atau tidak industri rokok dan tembakau secara keseluruhan di Daerah tersebut (unit).
3. Nilai Kurs / Valuta asing (X3)
Nilai tukar merupakan harga sebuah mata uang dari suatu negara yang diukur atau dinyatakan dalam mata uang lainnya. Nilai kurs juga dapat mempengaruhi bagaimana komoditi ekspor maupun impor suatu barang dan jasa pada suatu Negara. Dinyatakan dengan satuan (Rupiah).
4. Jumlah Tenaga Kerja Industri Rokok Dan Tembakau (X4)
Adalah jumlah tenaga kerja yang dipekerjakan untuk industri rokok dan tembakau (jiwa).
3.2 Teknik Penentuan Sampel
Teknik penentuan sampel digunakan dalam penelitian ini adalah menggunakan data time series 10 (sepuluh belas) tahun. Dari tahun 1999 – 2008.
3.3 Teknik Pengumpulan Data 3.3.1 J enis Data
Dalam penelitian ini jenis data yang digunakan adalah data sekunder.Data sekunder adalah data yang tidak diambil secara langsung dari lapangan,melainkan data yang diperoleh dengan mengambil data-data laporan, catatan-catatan yang berhubungan langsung dengan masalah yang dibahas, pada kantor-kantor Dinas atau Instansi yang terkait didalamnya
3.3.2 Sumber data
Data yang dipergunakan dalam penelitian ini diperoleh dari berbagai instansi yaitu:
Badan Pusat Stastitik Propinsi Jawa Timur, Perpustakaan Universitas Pembangunan Nasional “Veteran” Jawa Timur, dan perpustakaan-perpustakaan lainnya baik itu milik lembaga pendidikan ataupun pemerintah Popinsi Jawa Timur.
3.3.3 Pengumpulan Data
Pengumpulan data dilakukan dengan metode : 1. Studi Kepustakaan
Yaitu pengumpulan data yang dilakukan dengan membaca buku-buku literatur sebagai bahan pustaka yang berkaitan dengan permasalahan yang ada dalam penelitian ini.
2. Studi Lapangan
Penelitian lapangan ini dimaksudkan untuk mendapatkan data-data sekunder yang diperlukan untuk penulisan skripsi, data – data laporan,catatan – catatan yang berhubungan dengan masalah yang dibahas pada lembaga – lembaga yang telah disebutkan diatas.
3. 4 Teknik Analisa Data dan Uji Hipotesis 3.4.1 Teknik Analisa Data
Sesuai dengan tujuan dan hipotesis penelitian yang diajukan,maka kaitan antar variabel penelitian dapat digambarkan secara spesifik dalam analisis regresi linier berganda dengan persamaan sebagai berikut:
Yi = β0 + β1Χ1i + β2Χ2i+ β3Χ3i + εi …………..(Sudjana, 1999:380) Di mana:
Y1 = Volume ekspor rokok Y2 =Volume ekspor tembakau
Χ1 = Jumlah produksi rokok dan tembakau
Χ2 = Jumlah industri rokok dan tembakau
Χ3 = Nilai Kurs / Valuta asing
X4 = Jumlah Tenaga Kerja Industri Rokok Dan Tembakau
β0 = Konstanta regresi
ε = Variabel penganggu
i = 1,2,3, …,n : pengamatan ke i sampai ke n
3.4.2 Uji Hipotesis
Selanjutnya untuk mengetahui pengaruh secara simultan antara variabel bebas dan variabel terikat maka digunakan hipotesis sebagai berikut :
a. Uji F
Disebut juga uji beda varians yaitu pengujian yang dilakukan untuk mengetahui pengaruh dari variabel bebas secara simultan atau serempak terhadap variabel terikat, dengan kriteria sebagai berikut :
HO = β1 = β2 = β3 = 0 (tidak ada pengaruh) H1 = paling tidak salah satu β ≠ 0 (ada pengaruh)
Gambar 3.1 : Kurva uji hipotesis secara simultan
Daerah penolakan
Daerah penerimaan
F (α)
Sumber : Sugiyono, 2002. Statistik Untuk Pemula, Penerbit : Alfabeta, Bandung, hal:100
H0 diterima jika F hitung ≤ F tabel H0 ditolak jika F hitung ≥ F tabel Fhitung = KT Regresi
KT Galat
Dengan derajat bebas = (k, n – k – 1) Keterangan : n = Jumlah Sampel
k = Jumlah Parameter Regresi KT = Kuadrat Tengah
Kaidah pengujiannya :
1. Bila F hitung < F tabel, maka Ho diterima dan Hi ditolak, artinya variabel bebas tidak mempengaruhi variabel terikat secara simultan.
2. Bila F hitung > F tabel, maka Ho ditolak dan Hi diterima, artinya variabel bebas mempengaruhi variabel terikat secara simultan.
b. Uji t
Yaitu pengujian yang dilakukan untuk mempengaruhi pengaruh dari masing-masing variabel bebas secara parsial atau individu atau terpisah terhadap variabel terikat dan kriterianya sebagai berikut :
Ho : β1 = 0 (tidak ada pengaruh) Hi : β1 ≠ 0 (ada pengaruh)
Gambar 3.2: Kurva Uji Hipotesis Secara ParsiaL
Ho ditolak Daerah penerimaan Ho ditolak Ho
( -t α / 2 ; n-k-l ) ( t α / 2 ; n-k-l )
Sumber : Sugiyono, 2002. Statistik Untuk Pemula, Penerbit Alfabeta Bandung, Hal : 94)
Ho diterima jika – t tabel ≤ t hitung ≥ t hitung
Ho ditolak jika t hitung ≤ - t tabel atau t hitung ≤ t tabel t hitung = βj
Se(βj)
Dengan derajat kebebasan sebesar n – k – 1 dimana : β = Koefisien Regresi
Se = Standart Error
n = Jumlah sampel
k = Jumlah parameter regresi j = Variabel Bebas ( j = 1,2,3,4,)
Kaidah pengujian :
a. Apabila t hitung ≥ t tabel maka Ho ditolak dan Hi diterima, berarti ada pengaruh antara variabel bebas dengan variabel terikat.
b. Apabila t hitung ≤ t tabel maka Ho diterima dan Hi ditolak, berarti tidak ada pengaruh antara variabel bebas dengan variabel terikat.
3.5. Uji Asumsi Klasik
Persamaan regresi tersebut di atas harus bersifat BLUE (Best Linear Unbiaseed Estimator), artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik ini :
a) Tidak boleh ada autokorelasi b) Tidak boleh ada multikolinearitas c) Tidak boleh ada heteroskedatisitas Rumus Uji BLUE:
Y = bo + b1X1 + b2X2 + b3X3 + u ……… (Sulaiman, 2004 : 80)
Sifat BLUE dapat dijelaskan sebagai berikut :
1. Best = Pentingnya sifat ini bila diterapkan dalam uji signifikan buku terhadap α dan β.
2. Linear = Sifat ini dibutuhkan untuk memudahkan dalam penaksiran. 3. Unbiassed = Nilai jumlah sampel sangat besar penaksir parameter diperoleh dari sampel besar kira-kira mendekati nilai parameter.
4. Estimated = μ i diharapkan sekecil mungkin.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Uji Multikolinear itas
Persamaan regresi linier berganda di atas diasumsikan tidak terjadi pengaruh anatar variabel bebas. Apabila ternyata ada pengaruh linier antar variabel bebas, maka asumsi tersebut tidak berlaku lagi (terjadi bias).
Untuk mendeteksi adanya multikolinieritas dapat dilihat ciri-cirinya sebagai berikut: a. Koefisien determinan berganda (R square) tinggi.
b. Koefisien korelasi sederhananya tinggi. c. Nilai F hitung tinggi (signifikan).
d. Tapi tak satupun (sedikit sekali) di antara variabel-variabel bebas yang signifikan.
1. Nilai standart error (standart baku) tinggi sehingga taraf kepercayaan (confidence intervalnya) akan semakin melebar. Dengan demikian, pengujian koefisien regresi secara individual menjadi tidak signifikan.
2. Probabilitas untuk menerima hipotesa Ho diterima (tidak ada pengaruh antara variabel bebas terhadap variabel terikat) akan semakin besar.
Identifikasi secara statistic ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung koefisien korelasi product moment atau Variance Inflation Faktor (VIF).
1 VIF =
Q – Rj2
VIF menyatakan tingkat “pembengkakan” varian. Apabila varians lebih besar dari 10. hal ini berarti terdapat multikolinieritas pada persamaan regresi linier.
2. Uji Heter oskedatisitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini biasa diidentifikasikan dengan cara menghitung korelasi rank Spearman
antara residual dengan seluruh variabel bebas. Rumus Rank Spearman adalah :
∑di2
rs = 1-6
N(N2 – 1) Keterangan :
di = Perbedaan dalam rank antara residual dengan variabel bebas ke- N = Banyaknya data
2 4 Menolak Ho Bukti Autokorelasi Positif Menolak H*o Bukti Autokorelasi Negatif
Menerima Ho atau H*o Atau kedua-duanya 3. Uji Autokor elasi
Autokorelasi adalah antara anggota seri observasi yang disusun menurut urutan waktu atau menurut urutan tempat/ruang atau korelasi pada dirinya sendiri, dengan symbol yang dapat dinyatakan sebagai berikut :
E (u I u j ) = 0, i=j.
Untuk melihat apakah hasil dari estimasi regresi tidak mengandung korelasi, maka diperlukan uji. Yaitu dengan menggunakan uji Durbin Watson.
Gambar 3.3 : Statistik Durbin-Watson
d
0
Sumber: Suliyanto, 2005, Analisis Data Dalam Aplikasi Pemasaran, Ghalia Indonesia, hal. 86
Ho : tidak ada autokorelasi positif Ho : tidak ada autokorelasi negatif
Daerah keragua- raguan Daerah keragua- raguan dL dU 4 – dU 4 – dL d
§ Jika Ho : tidak ada autokorelasi positif, maka d<dL : menolak Ho
d>dU : tidak menolak Ho
dL<d>dU : pengujian tidak meyakinkan
§ Jika Ho : tidak ada autokorelasi negatif, maka jika d<4 – dL : menolak Ho
d>4 – dU : tidak menolak Ho
4-dU<4-dL : pengujian Ho tidak meyakinkan
§ Jika Ho : tidak ada autokorelasi positif maupun negative, maka jika d<dL : menolak Ho
d>4 – dL : menolak Ho
dU<d<4-dU : tidak menolak Ho