BAB III
METODE PENELITIAN
3.1 Objek Penelitian
Penelitian yang penulis lakukan adalah meneliti tentang faktor-faktor yang
mempengaruhi pendapatan usaha produsen pakaian jadi di Cigondewah. Adapun
variabel-variabel dalam penelitian ini adalah terdiri dari dua variabel bebas dan
satu variabel terikat. Yang menjadi variabel bebas diantaranya skala usaha (X1)
dan perilaku kewirausahaan (X2), sedangkan variabel terikatnya adalah
pendapatan (Y). Objek dalam penelitian ini adalah para pengusaha/produsen
pakaian jadi yang ada di Cigondewah.
3.2 Metode Penelitian
Metode merupakan cara yang dilakukan atau yang diambil oleh peneliti
untuk mengkaji masalah-masalah yang dihadapi.
”Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan tertentu”Suharsimi Arikunto (2002:136) ”Metode penelitian adalah cara yang digunakan oleh peneliti dalam mengumpulkan data penelitiannya.”
Untuk itu peneliti harus memilih salah satu metode penelitian yang sesuai
agar masalah yang ada dapat dipecahkan dengan tepat. Adapun metode yang
digunakan dalam penelitian ini adalah metode survey eksplanatory atau
penjelasan. ”Metode survey eksplanatory yaitu suatu metode penelitian yang
pengumpulan data yang pokok dan menjelaskan hubungan kausal antara
variabel-variabel melalui pengujian hipotesis.” (Masri Singarimbun, 1995:5)
3.3 Populasi dan Sampel 3.3.1 Populasi
Populasi merupakan keseluruhan dari subjek penelitian. Suharsimi
Arikunto (2003: 130-131) mengemukakan bahwa ”Populasi adalah keseluruhan
subjek penelitian atau totalitas kelompok subjek, baik manusia, gejala, nilai,
benda-benda atau peristiwa yang menjadi sumber data untuk suatu penelitian.”
Sedangkan menurut Sugiyono (2006: 51) ”Populasi adalah wilayah generalisasi
yang terdiri atas objek/subjek yang mempunyai kuantitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya.”
Berdasarkan definisi tersebut, dan berdasarkan masalah yang hendak
diteliti maka yang menjadi ukuran populasi dalam penelitian ini adalah seluruh
produsen pakaian jadi di Cigondewah yang berjumlah 125 produsen pakaian jadi
yang tersebar di daerah Cigondewah, data ini didapat dari hasil survey secara acak
yang dilakukan oleh penulis. Sebanyak 26 produsen tercatat sebagai produsen
skala besar dan 99 produsen skala kecil menengah dilihat dari besaran pendapatan
yang didapatkannya secara objektif. Penulis memilih sumber penelitian pakaian
jadi di Cigondewah karena besaran pengusaha yang mengalami penurunan
pendapatan hampir seluruh responden yang didapat dari hasil survey pra
3.3.2 Sampel
Menurut Suharsimi Arikunto (2003: 117) “Sampel adalah sebagian atau
wakil populasi yang diteliti.” Sedangkan menurut Sugiyono (2006: 56) “Sampel
adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi
tersebut.” Karena penelitian ini tidak mungkin dilakukan pada semua produsen,
mengingat jumlah populasinya yang cukup besar, dan juga tidak semua data dan
informasi akan diproses dan tidak semua orang atau benda akan diteliti melainkan
cukup dengan menggunakan sampel yang mewakilinya.
Masih diungkapkan oleh Suharsimi Arikunto (2002: 112), untuk sekedar
ancer-ancer maka apabila subjek kurang dari 100 maka lebih baik diambil semua,
sehingga penelitian ini merupakan penelitian populasi. Selanjutnya jika jumlah
subjeknya besar dapat diambil antara 10% - 15% atau 20%-25% atau lebih
tergantung setidak-tidaknya dari :
a. Kemampuan peneliti dilihat dari waktu, tenaga dan dana
b. Sempit luasnya wilayah pengamatan dari setiap subjek, karena hal ini
menyangkut banyak sedikitnya data
c. Besar kecilnya resiko yang ditanggung peneliti
Selain itu, kriteria pengambilan sampel harus memenuhi beberapa syarat,
yaitu sampel yang diambil harus dapat memberikan gambaran yang bisa dipercaya
mengenai populasi secara keseluruhan, dapat menentukan presisi yaitu tingkat
ketetapan yang ditentukan oleh perbedaan hasil yang diperoleh dari catatan
sederhana sehingga mudah dilaksanakan, dapat memberikan hasil yang maksimal
dengan resiko biaya minimal.
Mengacu pada pendapat para ahli di atas dan karena keterbatasan akan
waktu dan biaya yang dimiliki penulis, maka teknik pengambilan sampel yang
digunakan dalam penelitian ini adalah teknik proportional random sampling
seperti yang dikatakan Kartono (Skripsi Noria Mardiyani, 2010 : 67) yang
dimaksud proportional random sampling, yaitu sampel yang terdiri atas sub
sampel yang besarnya sesuai dengan sub populasi yang diambil secara random
atau acak dengan pengambilan sampel secara proporsional.
. Dalam penentuan jumlah sampel produsen pakaian di Cigondewah,
dilakukan melalui perhitungan dengan menggunakan rumus slovin sebagai
berikut:
� = �
1 +� 2
(Riduwan, 2004: 65)
Keterangan:
n = Ukuran sampel keseluruhan
N = Ukuran populasi
e = Persen kelonggaran ketidaktelitian karena kesalahan
Dengan menggunakan rumus di atas didapat sampel pengusaha tekstil
Cigondewah sebagai berikut:
�= �
1 +� 2 =
125 1 + 125 (0.05)2
Dari perhitungan di atas, maka ukuran sampel minimal dalam penelitian ini adalah
95 produsen pakaian jadi di Cigondewah
3.4 Operasional Variabel
Operasionalisasi variabel dilakukan untuk menghindari kekeliruan dalam
penafsiran masalah sehingga harus diberi batasan secara operasional.
Operasionalisasi variabel yang akan di teliti di kelompokkan ke dalam tiga konsep
yaitu, konsep teoritis, konsep empiris dan konsep analisis. Konsep teoritis yaitu
mendefinisikan konstruk dengan konstruk lain. Kemudian konsep empiris adalah
mendefinisikan konstruk atau variabel penelitian menurut dimensi dan atau
indikator yang dapat diukur secara empiris, serta konsep analitis adalah
menguraikan dari mana data diperoleh dan bagaimana format alat pengumpulan
data akan disusun. (Kusnendi, 2005: 60). Adapun bentuk operasionalisasinya pada
tabel :
Tabel 3.1
Operasionalisasi Variabel
Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala
Value of achievement over money
- Penghitung an
manajemen usaha
Menilai uang sebagai sumber daya bukan tujuan akhir
- Kegiatan sosial - Investasi
lanjutan
3.5 Teknik Pengumpulan Data
Teknik pengumpulan data adalah cara dan alat yang dipakai dalam
memperoleh informasi atau keterangan mengenai objek penelitian. Berdasarkan
jenisnya, data yang digunakan dalam penelitian ini adalah data primer dan data
sekunder. Adapu cara Pengumpulan data dalam penelitian ini sesuai yang
dikemukakan Suryana (2000: 20)adalah sebagai berikut :
a. Wawancara yaitu pengumpulan data dengan mengumpulkan pertanyaan
secara langsung dan menggunakan daftar pertanyaan kepada responden
tentang objek penelitian.
b. Observasi, yaitu proses pencatatan pola perilaku subyek (orang), obyek
(benda) atau kejadian yang sistematik tanpa adanya pertanyaan atau
komunikasi dengan yang diteliti.
c. Angket atau kuisioner yaitu pengumpulan data dengan mengumpulkan
pertanyaan secara langsung dan menggunakan daftar pertanyaan kepada
Agar data yang kita perlukan sesuai dengan apa yang kita harapkan, maka
ada beberapa prosedur dalam pengambilan data diantaranya:
a. Pengurusan surat izin penelitian pada pihak-pihak yang bersangkutan.
b. Penyusunan dan penyeleksian responden.
c. Penyusunan pertanyaan berupa perilaku kewirausahaan, skala usaha,
dan pendapatan.
d. Menyebarkan angket pada setiap responden
e. Mentabulasi data angket dan menganalisis hasil angket.
f. Melaporkan hasil penelitian.
3.6 Teknik Analisis Data
3.6.1 Menghitung Koefisien Regresi
Model analisis yang digunakan untuk melihat pengaruh antara
variabel-variabel bebas terhadap variabel-variabel terikat yaitu hubungan antara skala usaha (X1),
dan perilaku kewirausahaan (X2) terhadap pendapatan (Y) serta untuk menguji
kebenaran dari hipotesis akan digunakan model persamaan regresi linear berganda
sebagai berikut:
a. Hubungan antara variabel X dengan Y:
Y = β0+ β1X1+ β2X2 + ε
Keterangan: Y = Pendapatan X1 = Skala Usaha
X2 = Perilaku Kewirausahaan
β0 = Konstanta
βi = Koefisien regresi
Persamaan regresi diatas harus bersifat BLUE (Best Linear Unbiased
Estimated), artinya pengambilan keputusan melalui uji F dan t tidak boleh bias.
b. Menentukan nilai koefisien regresi β0, β1, dan β2 dengan metode kuadrat
terkecil (Ordinary Least Squere).
c. Melakukan pengujian regresi linear berganda, meliputi uji koefisien regresi,
serta uji asumsi.
3.6.2 Menghitung Koefisien Determinasi
Koefisien determinasi (R2) merupakan cara untuk mengukur ketepatan
suatu garis regresi. Menurut Damodar Gujarati (1998: 98) dijelaskan bahwa
Koefisien determinasi (R2) yaitu angka yang menunjukkan besarnya derajat
kemampuan menerangkan pengaruh variabel bebas terhadap variabel terikat dari
fungsi tersebut. Untuk mencari rumus R2 digunakan rumus:
2
dengan variabel terikat semakin erat/dekat, atau dengan kata lain model
tersebut dapat dinilai baik.
2) Jika R2 semakin menjauhi angka 1, maka hubungan antara variabel bebas
dengan variabel terikat jauh atau tidak erat, dengan kata lain model
3.6.3 Pengujian Hipotesis
Sesuai dengan rumusan masalah bahwa pengujian hipotesis terbagi
menjadi uji statistik secara simultan dan uji statistik secara parsial.
3.6.3.1Uji Statistik F (Uji Signifikansi Simultan)
Uji F hitung bertujuan untuk menghitung pengaruh bersama variabel bebas
secara keseluruhan terhadap variabel terikat. Rumus yang digunakan adalah
(Damodar Gujarati, 1998: 116)
Keterangan: R = nilai koefisien korelasi ganda
k = jumlah variabel bebas
n = jumlah sampel
Untuk melakukan uji signifikansi simultan dapat dilakukan dengan dua
cara yaitu dengan melihat tingkat signifikansi dan dengan membandingkan F hitung
dengan F tabel.
Hipotesis :
H0 : Tidak terdapat pengaruh secara simultan X1,2,3 terhadap Y.
Ha : Terdapat pengaruh secara simultan X1,2,3 terhadap Y.
Jika probabilitasnya < 0,05 maka H0 ditolak. Jika probabilitasnya > 0,05 maka H0 diterima.
Sedangkan uji signifikansi simultan dengan membandingkan Fhitung dengan Ftabel,:
Hipotesis :
H0 : Tidak terdapat pengaruh secara simultan X1,2,3 terhadap Y.
Ha : Terdapat pengaruh secara simultan X1,2,3 terhadap Y.
Jika Fhitung > Ftabel 0,05 maka H0 ditolak.
Jika F hitung < F tabel 0,05 maka H0 diterima
2
2
/
(1 ) / 1
R k F
R n k
3.6.3.2Uji Statistik t (Uji Signifikansi Parsial)
Uji parsial atau uji t digunakan untuk mengetahui apakah masing-masing
variable X secara individu mampu menjelaskan variable Y. Uji t statistic ini
menggunakan rumus :
= � 1 − �1 (� 1)
(Damodar Gujarati, 1998: 116)
Hipotesis dalam penelitian ini secara statistic dapat dirumuskan sebagai
berikut :
- Ho : β ≤ 0 artinya tidak ada pengaruh antara variable X terhadap
variable Y
- Ha : β > 0 artinya tidak ada pengaruh positif antara variable X terhadap
variable Y Kaidah keputusan :
Kriteria untuk menerima atau menolak hipotesis adalah menerima Ho jika
t hitung < t table dan menolak Ho jika t hitung > t table. dalam pengujian hipotesis
melalui uji t tingkat kesalahan yang digunakan peneliti adalah 5 % atau 0,05 pada
taraf signifikasi 95 %.
3.6.4 Uji Normalitas
Dengan diadakannya uji normalitas, maka dapat diketahui sifat distribusi
dari data penelitian. Dengan demikian dapat diketahui normal tidaknya sebaran
data yang bersangkutan. Uji normalitas adalah pengujian yang ditujukan untuk
mengetahui sifat distribusi data penelitian. Untuk mendeteksi normal tidaknya
faktor pengganggu dapat dipergunakan metode Jarque-Bera Test (JB-Test).
2 2
3 4 1
6 S K
k N JB
Di mana : S = Skweness, K = Kurtosis, N = jumlah data, dan k = jumlah
parameter dalam model (jumlah variabel independen ditambah konstanta).
Program Eviews, secara langsung menghitung nilai koefisien Jarque Bera.
Selanjutnya nilai JBhitung = χ2hitung dibandingkan dengan χ2tabel. Jika JBhitung > χ2tabel
maka H0 yang menyatakan residual berdistribusi normal ditolak, begitupun
sebaliknya, Jika JBhitung < χ2tabel maka H1 diterima berarti residual berdistribusi
normal diterima.
3.6.5 Uji Asumsi Klasik 3.6.5.1Multikolinieritas
Multikolinearitas merupakan kejadian yang menginformasikan terjadinya
hubungan antara variabel- variabel bebas Xi dan hubungan yang terjadi cukup
besar. Hal ini senada dengan pendapat yang dikemukakan oleh Mudrajad Kuncoro
(2004: 98) bahwa uji multikolinearitas adalah adanya suatu hubungan liner yang
sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Ini
suatu masalah yang sering muncul dalam ekonomi karena in economics,
everything depends on everything else.
Terdapat beberapa metode yang bisa dilakukan untuk mengetahui
Multikolinearitas diantaranya adalah :
Dalam menguji multikolinearitas di dalam model lebih tepat dilakukan
dengan Uji Klien melalui regresi masing-masing variabel independen terhadap
regresi parsial. Regresi ini disebut auxiliary regression. Maka model yang
digunakan yaitu: X1= f(X2, X3,X4); X2 = f(X1, X3,X4). Kemudian nilai R2
masing-masing regresi parsial dibandingkan dengan nilai R2 model estimasi awal,
apabila R2 regresiparsial> R2 estimasiterjadi multikolinearitas.
Setiap koefisien determinasi (R²) dari regresi auxiliary ini kita gunakan
untuk menghitung distribusi F dan kemudian digunakan untuk mengevalusi
apakah model tersebut mengandung multikolinearitas atau tidak. Adapun formula
untuk menghitung nilai F hitung sebagai berikut :
��= �
2�1�2… � / −2
1− �2�1�2. .� / � − + 1
Sedangkan nilai F kritis dari distribusi F didasarkan pada derajat
kebebasan n-k+1. Keputusan ada tidaknya unsure multikolinearitas adalah jika
�ℎ� �� > � � � maka disimpulkan model mengandung multikolinearitas. Dan
sebaliknya, jika �ℎ� �� < � � � maka disimpulkan model tidak mengandung
multikonlinearitas.
3.6.5.2Heteroskedastisitas
Salah satu asumsi regresi linier adalah adanya homoskedastis, yakni
seragam tidaknya variansi sampel-sampel yang diambil dari populasi yang sama.
Pada penelitian ini penulis akan mendeteksi heteroskedastis dengan menggunakan
metode grafik Scatterplot dengan kriteria sebagai berikut:
- Jika grafik mengikuti pola tertentu berarti pada model tersebut terjadi
- Jika pada grafik plot tidak mengikuti aturan atau pola tertentu maka pada
model tersebut tidak terjadi heteroskedastis.
Konsekuensi dari adanya heteroskedatisitas antara lain adalah menjadi
tidak efisiennya estimator OLS. Hal ini mengakibatkan varian tidak lagi
minimum, sehingga dapat menyesatkan kesimpulan terutama bila digunakan
untuk meramalkan.
Heteroskedastisitas muncul apabila kesalahan atau residual dari model
yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi
lainnya artinya setiap observasi mempunyai reliabilitas yang berbeda akibat
perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam
spesifikasi model.
Heteroskedastisitas dapat diuji dengan menggunakan Uji White (White
Test). Pengujian terhadap gejala heteroskedastisitas dapat dilakukan dengan
melakukan White Test, yaitu : = 1−6 � �2 (�2−1
Dengan cara meregresi residual kuadrat dengan variabel bebas, variabel
bebas kuadrat dan perkalian variabel bebas. Ini dilakukan dengan membandingkan
χ2
hitung dan χ2tabel, apabila χ2hitung > χ2tabel maka hipotesis yang mengatakan bahwa
terjadi heterokedasitas diterima, dan sebaliknya apabila χ2
hitung < χ2tabel maka
hipotesis yang mengatakan bahwa terjadi heterokedasitas ditolak. Dalam metode
White selain menggunakan nilai χ2hitung, untuk memutuskan apakah data terkena
heteroskedasitas, dapat digunakan nilai probabilitas Chi Squares yang merupakan
nilai probabilitas uji White. Jika probabilitas Chi Squares < α, berarti Ho ditolak
Dalam penelitian ini, penulis menggunakan Uji White dengan bantuan
Software Eviews. Dilakukan pengujian dengan menggunakan White
Heteroscedasticity Test yaitu dengan cara meregresi residual kuadrat dengan
variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas.
3.6.5.3Autokorelasi
Dalam suatu analisa regresi dimungkinkan terjadinya hubungan antara
variabel- variabel bebas atau berkorelasi sendiri, gejala ini disebut autokorelasi.
Istilah autokorelasi dapat didefinisikan sebagai korelasi antara anggota
serangkaian observasi yang diurutkan menurut waktu atau ruang.
Autokorelasi merupakan suatu keadaan dimana tidak adanya korelasi
antara variabel penganggu (disturbance term) dalam multiple regression.
Faktor-faktor penyebab autokorelasi antara lain terdapat kesalahan dalam menentukan
model, penggunaan lag dalam model dan tidak dimasukkannya variabel penting.
Konsekuensi adanya autokorelasi menyebabkan hal-hal berikut:
- Parameter yang diestimasi dalam model regresi OLS menjadi bias dan varian
tidak minim lagi sehingga koefisien estimasi yang diperoleh kurang akurat dan
tidak efisien.
- Varians sampel tidak menggambarkan varians populasi, karena diestimasi
terlalu rendah (underestimated) oleh varians residual taksiran.
- Model regresi yang dihasilkan tidak dapat digunakan untuk menduga nilai
variabel terikat dari variabel bebas tertentu.
- Uji t tidak akan berlaku, jika uji t tetap disertakan maka kesimpulan yang
Adapun cara untuk mendeteksi ada atau tidaknya autokorelasi pada model
regresi, pada penelitian ini pengujian asumsi autokorelasi dapat diuji melalui
beberapa cara di bawah ini:
1. Metode Uji Langrange Multilier (LM) atau Uji Breusch Godfrey
Yaitu dengan membandingkan nilai χ2tabel dengan χ2hitung. Rumus untuk
mencari χ2
hitung sebagai berikut :
χ2
= (n-1)R2
Dengan pedoman : bila nilai χ2
hitung lebih kecil dibandingkan nilai χ2tabel
maka tidak ada autokorelasi. Sebaliknya bila nilai χ2
hitung lebih besar
dibandingkan dengan nilai χ2
tabel maka ditemukan adanya autokorelasi.
2. Uji Durbin Watson (DW) untuk mendeteksi autokorelasi, yaitu dengan Uji
DW menurunkan nilai kritis batas bawah ( �) dan batas atas ( �) sehingga
jika nilai d hitung terletak di luar nilai kritis ini maka ada tidaknya
autokorelasi baik positif atau negatif dapat diketahui. Penentuan ada
tidaknya autokorelasi dapat dilihat dengan jelas dalam tabel 3.2 di bawah
ini :
Tabel 3.2 Uji Statistik Durbin-Watson d
Nilai Statistik d Hasil
0 < d < �
� ≤ d ≤ �
�≤ d ≤ 4 - �
4 - �≤ d ≤ 4 - � 4 - � ≤ d ≤ 4
Menolak hipotesis nul ; ada autokorelasi positif Daerah keragu-raguan ; tidak ada keputusan
Menerima hipotesis nul ; tidak ada autokorelasi ( + / - ) Daerah keragu-raguan ; tidak ada keputusan
Dibawah ini daerah-daerah penerimaan uji statistik Durbin Watson :
Gambar 3.1 : Grafik Statistik Durbin-Watson
Salah satu keuntungan dari uji DW yang didasarkan pada residual adalah
bahwa setiap program computer untuk regresi selalu member informasi statistic d,
adapun prosedur dari uji DW sebagai berikut :
1. Melakukan regresi metode OLS dan kemudian mendapatkan nilai
residualnya.
2. Menghitung nilai d dari persamaan regresi
3. Dengan jumlah observasi (n) dan jumlah variable independen tertentu
tidak termasuk konstanta (k), kita cari nilai � dan � di statistic Durbin
Watson
4. Keputusan ada tidaknya autokorelasi didasarkan pada tabel 3.3 diatas.
Untuk lebih memudahkan menentukan autokorelasi dapat juga digunakan
gambar 3.1
Dengan pedoman : bila nilai � 2ℎ� �� < � 2 maka tidak autokorelasi.
Sebaliknya jika � ℎ� ��2 > � 2 maka ditemukan autokorelasi
Autokorelasi
(+) Ragu-ragu
Tdk ada Autokorelasi
Ragu-ragu
Autokorelasi (-)