30 A. Obyek Penelitian
Lokasi penelitian ini diambil dari Kabupaten/Kota di Provinsi Kalimantan Barat karena tingkat pengangguran terbuka pada wilayah tersebut terus meningkat setiap tahunnya diiringi dengan pertumbuhan ekonomi dan upah minimum yang terus naik. Data yang digunakan pada penelitian ini adalah pertumbuhan ekonomi, upah minimum, dan tingkat pengangguran terbuka Kabupaten/Kota di Provinsi Kalimantan Barat tahun 2011-2015.
B. Jenis Penelitian
Penelitian ini bersifat kuantitatif, yaitu jenis penelitian yang menyajikan dan menjelaskan mengenai data yang diperoleh dari berbagai sumber serta peneliti berusaha untuk mendeskripsikan secara tepat dan ringkas suatu kondisi saat ini.
C. Populasi dan Sampel
Populasi dalam penelitian ini adalah 14 Kabupaten/Kota di Provinsi Kalimantan Barat selama 5 (lima) tahun dan tidak terdapat sampel dalam pengamatan ini, karena mengamati seluruh dari 14 Kabupaten/Kota yang memiliki data lengkap.
D. Jenis dan Sumber Data
Penelitian ini menggunakan jenis data kuantitatif, yaitu data yang diukur dalam satuan skala numerik (angka). Sumber data pada penelitian ini adalah data sekunder, yaitu data yang diambil dari Badan Pusat Statistik, dokumen perusahaan atau organiasi, surat kabar dan majalah, ataupun publikasi lainnya. Data sekunder yang digunakan pada penelitian ini adalah penggabungan dari deret berkala (time series) dari tahun 2011 sampai dengan 2015 dan deret lintang (cross section) sebanyak 14 data yang mewakili Kabupaten/Kota di Kalimantan Barat. Data yang diperlukan dalam penelitian ini adalah sebagai berikut:
1. Data Tingkat Pengangguran Terbuka untuk masing-masing Kabupaten/ Kota di Provinsi Kalimantan Barat tahun 2011 - 2015.
Sumber data: Badan Pusat Statistik.
2. Data Pertumbuhan Ekonomi untuk masing-masing Kabupaten/Kota di Kalimantan Barat tahun 2011-2015. Sumber data: Badan Pusat Statistik.
3. Data Upah Minimum Kabupaten/Kota untuk masing-masing Kabupaten/Kota di Kalimantan Barat tahun 2011-2015. Sumber data:
Badan Pusat Statistik.
E. Definisi Operasional Variabel
Variabel penelitian merupakan konsep yang dapat diukur dengan berbagai macam nilai untuk memberikan gambaran yang nyata mengenai fenomena yang
diteliti. Penelitian ini menggunakan dua variabel yaitu variabel independen dan variabel dependen.
1. Variabel Dependen (Y)
Variabel dependen dalam penelitian ini adalah Tingkat Pengangguran Terbuka (Y) yang terjadi di Provinsi Kalimantan Barat menurut Kabupaten/Kota pada tahun 2011-2015.
2. Variabel Independen (X)
Variabel independen dalam penelitian ini menggunakan dua variabel, yaitu Peetumbuhan Ekonomi (X1) dan Upah Minimum (X2).
Langkah berikutnya setelah menspesifikasi variabel-variabel penelitian adalah melakukan pendefinisian secara operasional. Hal ini bertujuan untuk variabel penelitian yang telah ditetapkan dapat dioperasionalkan, sehingga memberikan petunjuk tentang bagian suatu variabel dapat diukur. Dalam penelitian ini, definisi operasional yang digunakan adalah sebagai berikut:
a. Tingkat Pengangguran Terbuka
Pengangguran Terbuka (Open Unemployment) adalah tenaga kerja yang benar-benar tidak memiliki pekerjaan. Pengangguran ini terjadi karena belum mendapat pekerjaan padahal telah berusaha secara maksimal dan ada juga yang karena malas untu mencari kerja atau malas bekerja (dalam satuan persen).
b. Pertumbuhan Ekonomi
Pertumbuhan ekonomi adalah perkembangan pada suatu perekonomian yang menyebabkan barang dan jasa yang diproduksi pada masyarakan bertambah dan kesejahteraan masyarakat meningkat (dalam satuan persen).
c. Upah Minimum
Upah Minimum Kabupaten/Kota adalah upah bilangan terendah yang meliputi gaji pokok dan tunjangan tetap yang ditetapkan oleh pemerintah (dalam satuan juta rupiah).
F. Teknik Pengumpulan Data
Data yang digunakan untuk mecapai tujuan dalam penelitian ini sepenuhnya diperoleh melalui studi pustaka sebagai metode pengumpulan data. Periode data yang akan digunakan dalam penelitian ini adalah tahun 2011-2015. Sebagai pendukung, digunakan buku referensi, jurnal, surat kabar, serta browsing website internet yang terkait dengan masalah pengangguran.
G. Teknik Analisis Data
Metode penelitian yang digunakan pada penelitian ini adalah metode regresi data panel, data panel adalah gabungan dari data cross section dan data time series yang diperoleh dari 14 Kabupaten/Kota yang ada di Provinsi Kalimantan Barat, sedangkan data time series diambil dari tahun 2011-2015.
1. Analisis Data Panel
Model Regresi data panel menggunakan tiga model, yaitu Common Effects, Fixed Effects, dan Random Effects. Metode yang digunakan untuk pemilihan model terbaik, apakah Common Effects atau Random Effects adalah Uji Chow dan Uji Hausman.
Rumus regresi Data Panel:
Dimana : Y : Tingkat Pengangguran Terbuka : Koefisien Regresi Parsial
: Pertumbuhan Ekonomi : Upah Minimum e : Konstanta/ Intercept
Model ini digunakan untuk mengetahui pengaruh Petumbuhan Ekonomi dan Upah Minimum Kabupaten/Kota terhadap Tingkat Pengangguran Terbuka tahun 2011-2015.
2. Permodelan Data Panel
Menurut Nachrowi dan Usman (2006), secara umum terdapat tiga model panel yang sering digunakan, yaitu:
a. Pooled Least Square (Common Effect)
Metode Pooled Least Square (PLS) adalah data yang paling sederhana, mengasumsikan bahwa data gabungan yang menunjukkan
kondisi sesungguhnya di mana nilai intersep dari masing-masing variabel adalah sama dan slope koefisien dari variabel-variabel yang digunakan identik untuk semua unit cross section.
b. Fixed Effect Model
Metode Fixed Effect dapat menunjukkan perbedaan antar obyek meskipun dengan koefisien regresi yang sama. Efek tetap ini dimaksudkan bahwa satu obyek memiliki nilai konstanta yang tetap besarnya untuk berbagai periode waktu. Demikian juga dengan koefisien regresinya, tetap besarnya dari waktu ke waktu (time invariant). Model persamaan regresinya adalah:
c. Random Effect Model
Random Effect digunakan untuk mengatasi kelemahan metode efek tetap (fix effect) yang menggunakan variabel semu, sehingga model mengalami ketidakpastian. Tanpa menggunakan variabel semu, metode efek random menggunakan residual, yang diduga memiliki hubungan antarwaktu dan antar obyek. Namun, untuk menganalisis dengan metode efek random ini ada satu syarat, yaitu obyek data silang harus lebih besar daripada banyaknya koefisien (Winarno, 2007). Model persamaan regresinya adalah:
3. Pemilihan Model Data Panel
Pada pemilihan model data panel, digunakan tiga tahap untuk menguji data, yaitu:
a. Uji Chow (PLS vs FEM)
Uji Chow adalah pengujian yang menentukan model Pooled Least Square (PLS) atau model Fixed Effect Model (FEM) yang paling tepat digunakan untuk mengestimasi data panel. Hipotesis dalam uji chow adalah:
H0 = Common Effect Model
H1 = Fixed Effect Model
Dasar penolakan terhadap hipotesisdi atas adalah dengan membandingkan perhitungan F-tabel. Perbandingan dipakai jika hasil F hitung lebih besar dari F-tabel, maka H0 ditolak yang artinya model yang paling tepat digunakan adalah Fix Effect Model. Begitupun sebaliknya, jika F-hitung lebih kecil dari F-tabel, maka H0 diterima dan model yang digunakan adalah Common Effect Model (Widarjono, 2013). Rumus Uji Chow adalah:
Dimana:
RRSS = Restriced Residual Sum Square (merupakan Sum Square Residual yang diperoleh dari estimasi data panel dengan metode pooled least square/common intercept)
URSS = Unrestriced Residual Sum Square (merupakan Sum Square Residual yang diperoleh dari estimasi data panel dengan metode Fixed Effect)
N = Jumlah data cross section T = Jumlah data time series
K = Jumlah variabel penjelas (independen)
b. Uji LM (Breusch-Pagan)
Uji LM (Breusch-Pagan) adalah uji yang bertujuan untuk mengetahui apakah model Random Effect atau model Common Effect yang paling tepat digunakan. Uji signifikansi Random Effect ini dikembangkan oleh Breusch- Pagan. Metode Breusch-Pagan untuk uji signifikansi Random Effect didasarkan pada nilai residual dari Common Effect. Hipotesis yang digunakan adalah:
H0 = Common Effect Model H1 = Random Effect Model
Uji LM ini didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis statistik chi-square, maka H0 ditolak, yang artinya
estimasi yang tepat untuk model regresi data panel adalah metode Random Effect daripada metode Common Effect. Sebaliknya, jika nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai kritis, maka H0 diterima, yang artinya estimasi yang digunakan adalah metode Common Effect Model. Rumus Uji LM adalah :
LM =
[∑∑ ∑
]
N = jumlah individu T = jumlah periode waktu
e = residual metode common effect
c. Uji Hausman
Uji Hasuman adalah sebagai pengujian statistik untuk memilih apakah model Fixef Effect Model atau Random Effect Model yang paling tepat digunakan. Pengujian hipotesisnya adalah:
H0 = Random Effect Model H1 = Fixed Effect Model
Statistik Uji Hausman ini mengikuti distribusi statistic Chi Square dengan degree of freedom sebanyak k, dimana k adalah jumlah variabel independen. Jika nilai statistik Hausman lebih besar dari nilai kritisnya maka H0 ditolak, san model yang tepat digunakan adalah model Fixed Effect, sedangkan sebaliknya jika nilai statistik Hausman lebih kecil dari
nilai kritisnya, maka model yang tepat digunakan adalah model Random Effect. Rumus Uji Hausman adalah:
m = ̂ Var ( ̂ – 1 ̂
4. Asumsi Klasik
Uji asumsi klasik dilakukan untuk melihat apakah data terbebas dari masalah normalitas, multikolinearitas, heteroskedastisitas, dan autokolerasi. Uji asumsi klasik ini sangat penting dilakukan guna memghasilkan estimator yang linear tidak bias dengan varian yang minimum (Best Linear Unbiased Estimator = BLUE), yang artinya model tidak mengandung masalah. Asumsi-asumsi tersebut antara lain:
a. Uji Normalitas
Tujuan uji normalitas adalah untuk menguji apakah dalam model regresi variabel-variabelnya terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Untuk melihat data terdistribusi normal atau tidak adalah dengan melihat koefisien J-B dan probabilitasnya. Jika nilai J-B tidak signifikan (lebih kecil dari 2), maka data terdistribusi normal (Winarno, 2011).
b. Uji Multikolinearitas
Menurut Ajija, dkk (2011), multikolinearitas berarti adanya hubungan linear yang sempurna atau pasti, di antara semua variabel yang dijelaskan dari model regresi. Ada atau tidaknya multikolinearitas dapat diketahui atau dilihat dari koefisien kolerasi pada masing-masing variabel bebas. Jika
koefisien kolerasi masing-masing variabel bebas lebih besar dari 0,08 maka terjadi multikolinearitas.
c. Uji Heterokedastisitas
Heterokedastisitas dapat dideteksi dengan menggunakan pendekatan atau metode General Least Square (Cross Section Weighted). Dapat dilihat dengan membandingkan Sum Square Resid Weighted dengan Sum Square Resid Unweighted, yaitu Sum Square Resid Weighted Statistic lebih kecil dibandingkan dengan Sum Square Resid Unweighted (Geri, 2014).
d. Uji Autokolerasi
Autokolerasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokolerasi lebih mudah timbul pada data yang bersifat runtut waktu, karena berdasarkan sifatnya, data masa sekarang dipengaruhi pada data masa-masa sebelumnya. Meskipun demikian, tetap dimungkinkan autokolerasidijumpai pada data yang bersifat antar objek (cross section).
5. Uji Hipotesis
a. Uji Secara Parsial (Uji Statistik t)
Uji t dilakukan untuk menguji signifikan variabel independen terhadap variabel dependen dengan α = 0,05. Jika probabilitas lebih besar dari α = 0,05 maka variabel dikatakan tidak signifikan, dan jika probabilitas lebih besar dari α = 0,05 maka variabel dikatakan signifikan, atau membandingkan t-hitung dengan t-tabel.
H0 : βi = 0 H1 : βi ≠ 0
Jika t hitung < t tabel maka H0 diterima dan H1 ditolak, Jika t hitung
> t tabel maka H1 diterima dan Ho ditolak.
b. Uji Secara Simultan (Uji Statistik F)
Uji F dilakukan untuk menguji signifikansi variabel independen terhadap variabel dependen secara bersama-sama. Pengujian dilakukan dengan membandingkan probabilitas variabel dengan membandingkan probabilitas variabel dengan α = 0,05. Jika probabilitas lebih besar dari α = 0,05 maka variabel dikatakan tidak signifikan, atau membandingkan F hitung dengan F tabel. Jika F hitung < F tabel maka Ho diterima dan H1 ditolak, Jika F hitung > F tabel maka H1 diterima dan Ho ditolak.
Hipotesis pada F-tabel adalah :
1) H0 : β1 = β2 = β3 = 0, yang artinya secara bersama-sama tidak ada pengaruh variabel independen terhadap variabel dependen.
2) H1 : β1 ≠ β2 ≠ β3 ≠ 0, yang artinya secara bersama-sama ada pengaruh variabel independen terhadap variabel dependen.
Cara menghitung nilai F hitung dengan rumus sebagai berikut:
F hitung =
c. Koefisien Determinasi
Menguji tingkat ketertarikan antar variabel dependen dan variabel independen yang bisa dilihat dari besarnya nilai koefisien determinasi
(adjusted R-square). Nilai koefisien determinasi adalah antara nol dan satu.
Nilai yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan keterkaitannya dengan variabel dependen kecil, sedangkan nilai yang mendekati sati berarti variabel variabel dependen dalam model.
Adapula Perhitungan pada rumus di bawah ini :
= ∑ ∑
=
Keterangan:
ESS = Jumlah kuadrat (explained sum of squares) RSS = Jumlah sisa (residual sum of squares) TSS = Total jumlah kuadrat (total sum of squares)
