BAB III METODE PENELITIAN
E. Teknik Analisis Data
Pada penelitian ini, penulis menggunakan metode deskriptif dan kuantitatif yaitu mendeskripsikan suatu permasalahan dan menganalisis data dan hal lain yang berhubungan dengan angka-angka atau rumus-rumus perhitungan yang digunakan untuk menganalisis data yang sedang diteliti. Untuk melihat pengaruh jumlah penduduk, tingkat pendidikan, dan kesehatan, maka peneliti menggunakan metode analisis regresi linear berganda terhadap Angka Kemiskinan di Kabupaten Gowa.
Persamaan regresi linear berganda adalah persamaan regresi yang melibatkan dua atau lebih variabel dalam analisa. Tujuannya adalah untuk menghitung parameter-parameter estimasi dan untuk melihat apakah variabel bebas mampu menjelaskan variabel terikat dan memiliki pengaruh. Variabel yang akan diestimasi adalah variabel terikat, sedangkan variabel-variabel yang mempengaruhi adalah variabel bebas. Model ini memperlihatkan hubungan variabel bebas dengan variabel terikat digunakan untuk melihat pengaruh antara Jumlah Penduduk, Tingkat Pendidikan, dan Kesehatan Terhadap Angka Kemiskinan di Kabupaten Gowa.
Untuk memperoleh gambaran secara umum mengenai hasil penelitian ini serta dalam rangka pengujian hipotesis sebagai jawaban sementara untuk
pemecahan permasalahan yang dikemukakan dapat dilihat melalui persamaan fungsi:
Y = F (X , X , X )...3.1
Fungsi diatas kemudian diestimasi ke dalam bentuk persamaan linier sebagai berikut:
Y = α + β X + β X + β X + μ...3.2
Adanya perbedaan satuan dan besaran variabel bebas dalam persamaan menyebabkan persamaan regresi harus dibuat dengan model logaritma natural sehingga persamaan menjadi sebagai berikut:
Ln Y = α + β LnX + β X + β LnX + μ...3.3 Keterangan:
Ln = Logaritma Natural
Y = Angka Kemiskinan (Ribu Jiwa)
α = Intercept/Konstanta
X = Jumlah Penduduk (Jiwa)
X = Tingkat Pendidikan (Persentase Penduduk Miskin yang Tamat SD/SMP)
X = Kesehatan (Angka Harapan Hidup (tahun))
β , β , β = Koefisien Regresi
μ = Error Term
Data yang digunakan dalam variabel-variabel yang ada tersebut terbatas hanya periode 2007-2016. Untuk mengukur pengaruh antara variabel digunakan beberapa langkah pengujian. Yaitu pengujian asumsi klasik dan pengujian statistik.
1. Uji Asumsi Klasik
Uji asumsi klasik sebagai persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda. Uji asumsi klasik terbagi menjadi empat yaitu: a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah model regresi mempunyai distribusi normal ataukah tidak. Asumsi normalitas merupakan persyaratan yang sangat penting pada pengujian kebermaknaan (signifikansi) koefisien regresi. Model regresi yang baik adalah model regresi yang memiliki distribusi data normal atau mendekati normal, sehingga layak dilakukan pengujian secara statistik.
Pengujian secara visual dapat dilakukan dengan metode gambar Normal Probability Plots dalam program SPSS. Dasar pengambilan keputusan:
1) Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
2) Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan memiliki korelasi antarvariabel independen. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Cara yang digunakan untuk pengujian ada tidaknya multikolinearitas adalah melihat Variance Inflation Factors (VIF),
Jika nilai tolerance > 0,10 dengan nilai VIF < 10, maka dapat dikatakan tidak ada multikolinearitas dan jika nilai tolerance < 0,10 dan nilai VIF > 10 maka dapat dikatakan ada gejala multikolinearitas.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Salah satu metode analisis untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian nilai durbin-watson (DW test).
d. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah pada model regresi terjadi ketidaksamaan varience dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas dalam penelitian ini dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heteroskedastisitas. Sebaliknya, jika tidak membentuk pola tertentu yang teratur, maka tidak terjadi heteroskedastisitas.
2. Uji Statistik a. Uji Hipotesis
Rancangan pengujian hipotesis ini dinilai dengan penetapan hipotesis nol dan hipotesis alternatif, penelitian uji statistik dan perhitungan nilai uji statistik,
perhitungan hipotesis, penetapan tingkat signifikan dan penarikan kesimpulan. Hipotesis yang akan digunakan dalam penelitian ini berkaitan dengan ada tidaknya dampak variabel bebas terhadap variabel terikat. Hipotesis nol (Ho) tidak terdapat dampak yang signifikan dan Hipotesis alternatif (Ha) menunjukkan adanya dampak antara variabel bebas dan variabel terikat. Rancangan pengujian hipotesis penelitian ini untuk menguji ada tidaknya pengaruh antara variabel jumlah penduduk, tingkat pendidikan dan kesehatan terhadap angka kemiskinan di Kabupaten Gowa.
b. Uji-F
Hal ini dilakukan untuk melihat pengaruh variabel independen secara bersama-sama terhadap variabel dependen dengan menggunakan taraf signifikansi 0.05, apabila probabilitas lebih kecil daripada taraf signifikansi 0.05, maka hipotesis diterima, yang berarti semua variabel-variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Tapi apabila probabilitas lebih besar daripada taraf signifikansi 0.05 maka hipotesis ditolak yang berarti semua variabel-variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen.
c. Uji-T (Pengujian Koefisien Regresi Parsial)
Hal ini dilakukan dengan cara pengujian variabel-variabel independen secara parsial (individu), digunakan untuk mengetahui signifikansi dan pengaruh variabel independen secara individu terhadap variasi variabel independen lainnya dengan cara membandingkan antara besarnya probabilitas dengan tingkat signifikansi tertentu. Jika thitung > ttabel, maka H0 di tolak dan H1 diterima, atau
jika probabilitas thitung < tingkat signifikan 0,05, maka hipotesis diterima yang berarti semua variabel-variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Tapi Jika thitung < ttabel, maka H0 di terima dan H1 di tolak, atau jika probabilitas thitung > tingkat signifikan 0,05, maka hipotesis ditolak yang berarti semua variabel-variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen.
d. Analisis Koefisien Determinasi ( )
Nilai R menunjukkan besarnya variabel-variabel independen dalam
mempengaruhi variabel dependen. Nilai R berkisar antara 0 dan 1 (0 ≤ R ≤ 1). Semakin besar nilai R , maka semakin besar variasi variabel dependen yang dapat dijelaskan oleh variasi variabel-variabel independen. Sebaliknya, makin kecil nilai R , maka semakin kecil variabel dependen yang dapat dijelaskan oleh variasi variabel independen. Sifat dari koefisien determinasi, R merupakan besaran yang non negatif dan batasnya adalah (0 < R < 1), Apabila R bernilai 0 berarti tidak ada hubungan antara variabel-variabel independen dengan variabel dependen.
Semakin besar nilai R maka semakin tepat regresi dalam menggambarkan
nilai-nilai observasi.
F. Definisi Operasional dan Ruang Lingkup penelitian