BAB III
METODOLOGI PENELITIAN
Bab ini menjelaskan jenis penelitian, metode penelitan, variabel penelitian,
definisi operaional, sumber data, metode pengumpulan data, dan teknik analisis
data yang digunakan terkait dengan penelitian tentang pengaruh jumlah penduduk
dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010.
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah jenis penelitian sebab – akibat (kausalitas). Dalam Kuncoro (2007: 17) model kausal
memasukan dan menguji variabel – variabel yang diduga mempengaruhi variabel
dependen.
1.2 Metode Penelitian
Metode penelitian yang di gunakan untuk mengkaji mengenai pengaruh
jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah adalah
metode kuantitatif.
Metode penelitian kuantitatif dapat di artikan sebagai metode penelitian yang berlandaskan pada filsafat positivisme, di gunakan untuk meneliti pada populasi dan sample tertentu, teknik pengambilan sample pada umumnya di lakukan secara random, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis
yang telah di tetapkan.1
1.3 Populasi dan Sampel Penelitian
1
Sugiono. 2010. Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif dan R&D.
Populasi adalah ”objek atau subjek yang berada pada suatu wilayah dan
memenuhi syarat-syarat tertentu berkaitan dengan masalah penelitian”.2
Populasi dalam penelitian ini adalah populasi sama dengan sampel yaitu
data kemiskinan di Provinsi Jawa Tengah Tahun 2005 – 2010 sebanyak 210
observasi.Sehingga dari populasi tersebut, peneliti akan menarik sejumlah sampel. Sampel adalah ”bagian dari populasi yang mempunyai ciri-ciri atau keadaan tertentu yang akan diteliti”.3
Namun, guna membuat generalisasi dengan kesalahan yang sangat kecil
peneliti mengambil semua populasi sebagai sampel. Dengan demikian sampel dari
penelitian ini adalah 210 data kota/kabupaten kemiskinan di Provinsi Jawa
Tengah Tahun 2005 - 2010. Hal ini dikarenakan jumlah populasi yang sedikit dan
ingin mengetahui secara menyeluruh dan mendalam dari penelitian ini.
1.4 Skala Pengukuran Penelitian
“Skala pengukuran merupakan kesepakatan yang digunakan sebagai
acuan untuk menentukan panjang pendeknya interval yang ada dalam alat ukur, sehingga alat ukur tersebut bila digunakan dalam penelitian akan menghasilkan
data kuantitatif”.4
Secara umum ada empat tipe skala pengukuran dalam penelitian yaitu
nominal, ordinal, interval dan ratio.Skala pengukuran dalam penelitian pengaruh
jumlah penduduk dan pengangguran terhadap kemiskinan di Provinsi Jawa
Tengah Tahun 2005 – 2010 menggunakan skala ratio.
“Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai
oleh skala nominal, ordinal dan interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio
2
Riduwan,2009, Belajar Mudah Penelitian untuk Guru, Karyawan dan Peneliti Pemula , Alfabeta, Bandung, hlm 54.
3
Ibid. Hal 56
4
biasanya dalam bentuk perbandingan antara satu individu atau obyek tertentu
dengan lainnya”.5
1.5 Variabel Penelitian
“Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya”.6
Penelitian ini terdiri dari dua variabel Independen dan satu variabel
Dependen. Menurut Kuncoro (2007: 5) variabel dependen identik dengan variabel
terkait, yang dijelaskan, atau dependent variable. Sedangkan variabel independen
identik dengan variabel bebas, penjelas, atau Independent/eksplanatory variable.
Variabel ini biasanya di anggap sebagai variabel prediktor atau penyebab karena
memprediksi atau menyebabkan variabel dependen. Dalam penelitian ini yang
merupakan variabel dependen dan variabel independen adalah sebagai berikut:
1. Variabel Dependen adalah Tingkat Kemiskinan (Y)
Merupakan jumlah penduduk miskin di Jawa Tengah dari tahun 2005 -
2010 yang dinyatakan dalam satuan persen.
2. Variabel Independen
a. Jumlah Penduduk (X1)
Merupakan pertumbuhan jumlah penduduk dari tahun ke tahun.
b. Tingkat Pengangguran (X2)
Merupakan jumlah pengangguran dari tahun ke tahun yang dinyakatan
dalam satuan persen.
5
http://manajemen penelitian.blogspot.com/2009/12/skala-pengukuran.html, 06/01/2013
6
1.6 Definisi Operasional Variabel 1.6.1 Kemiskinan
Kemiskinan berarti sejumlah penduduk yang tidak dapat
memenuhi kebutuhan dasar hidup yang telah ditetapkan oleh suatu badan
atau orang tertentu dan perhitungan yang dilakukan oleh badan atau
organisasi tersebut digunakan sebagai standar perhitungan untuk
menentukan jumlah kemiskinan yang ada di suatu daerah. Atau
singkatnya, penduduk yang hidup di bawah garis kemiskinan, garis
kemiskinan yang digunakan adalah garis kemiskinan yang ditetapkan
Badan Pusat Statistik (BPS).
1.6.2 Jumlah Penduduk
Penduduk menurut Badan Pusat Statistik (BPS) adalah semua
orang yang berdomisili di wilayah geografis Jawa Tengah selama 6 bulan
atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi
bertujuan untuk menetap.
1.6.3 Pengangguran
Menurut BPS (Badan Pusat Statisktik) adalah meliputi penduduk
yang sedang mencari pekerjaan, penduduk yang sedang mempersiapkan
suatu usaha, penduduk yang merasa tidak mungkin mendapatkan
pekerjaan, penduduk yang sudah punya pekerjaan tetapi belum mulai
1.7 Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder yaitu data yang bukan diusahakan sendiri pengumpulannya oleh peneliti.
Data sekunder yang di gunakan adalah data deret waktu (time-series data) untuk
kurun waktu tahun 2005 - 2010 serta data kerat lintang (cross-section data) yang
meliputi 35 kabupaten/kota di Jawa Tengah. Data sekunder dari penelitian ini di
peroleh dari Kantor Badan Pusat Statistik Jawa Tengah, Jl. Pahlawan Semarang.
Data yang diperlukan adalah:
a. Data persentase penduduk miskin daerah untuk masing-masing
kabupaten/kota di Provinsi Jawa Tengah tahun 2005 - 2010.
b. Data pengangguran untuk masing-masing kabupaten/kota di Jawa
Tengah tahun 2005 – 2010.
c. Data jumlah penduduk untuk masing-masing kabupaten/kota di Jawa
Tengah tahun 2005 – 2010.
Adapun sumber data tersebut diatas diperoleh dari:
a. Data persentase penduduk miskin daerah untuk masing-masing
kabupaten/kota di Provinsi Jawa Tengah tahun 2005 -2010, yaitu dari
Bada Pusat Stistik (BPS) dalam terbitan “Data dan Informasi
Kemiskinan”.
b. Data pengangguran untuk masing-masing kabupaten/kota di Jawa
Tengah tahun 2005 - 2010, yaitu dari Badan Pusat Statistik (BPS) dalam
c. Data jumlah penduduk masing-masing kabupaten/kota di Jawa Tengah
tahun 2005 - 2010, yaitu dari Badan Pusat Statistik (BPS) dalam terbitan
“Jawa Tengah Dalam Angka 2005 - 2010”.
3.7 Metode Pengumpulan Data
Adapun metode pengumpulan data yang digunakan dalam penelitian ini
adalah :
1. Dokumentasi, adalah teknik pengumpulan data dengan menggunakan dan
mencari data – data di instansi yang di teliti, dalam hal ini adalah studi
dokumentasi di Badan Pusat Statistik Jawa Tengah, Jl. Pahlawan
Semarang.
2. Wawancara tidak struktur, adalah wawancara bebas dan tidak
menggunakan pedoman yang rinci dan sistematis.
3. Studi Perpustakaan (library research), serta dari browsing website internet
yang terkait dengan masalah kemiskinan.
3.8 Teknik Analisis Data
Teknik analisis data dalam penelitian ini menggunakan analisis regresi
panel data (pooled data) yang mengkombinasikan antara data time series dan
cross section, yang sering disebut pooled time series. Alat yang di gunakan dalam
pengolahan data menggunakan program Eviews 5.
Ciri khusus data runtut waktu adalah berupa urutan numerik dimana
interval antarobservasi atas sejumlah variabel bersifat konstan dan tetap. Data
observasi atas sejumlah variabel. Unit analisis dalam hal ini dapat individu, kota,
kabupaten, provinsi, negara, bisnis, rumah tangga atau industri.
Jadi bila sejumlah variabel untuk sejumlah silang tempat yang berbeda
diobservasi selama kurun waktu tertentu, maka akan di peroleh data pooling.7
Untuk menganalisis data panel dalam penelitian ini digunakan Metode
analisis yang digunakan adalah metode Ordinary Least Squares (OLS) yang
bersifat BLUE (Best Linier Unbiased Estimator).
“Metode Pangkat Kuadrat Terkecil Biasa (OLS) diperkenalkan
pertama kali oleh Carl Friedrich Gauss, seorang ahli matematika dari jerman. Inti metode OLS adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi
terhadap garis tersebut”.8
Menurut Teorema Gause-Markov, setiap pemerkira/estimator OLS harus memenuhi kriteria BLUE, yaitu:
1. Best = yang terbaik,
2. Linier = merupakan kombinasi linier dari data sample,
3. Unbiased = rata – rata atau nilai harapan (E(bi 1)) harus sama dengan
nilai yang sebenarnya (bi).
4. Efficient estimator = memiliki varians yang minimal di antara pemerkira
lain yang tidak bias.9
3.8.1 Model analisis regresi data panel (Pooled Time Series)
Dalam data panel, unit cross section yang sama di survei dalam
beberapa waktu. Dalam model penel data, persamaan model dengan
menggunakan data cross section dapat di tulis sebagai berikut :
Yi = ß0+ß1 Xi+ɛi ; i =1,2,...,N...(3.1)
Dimana N adalah banyaknya data cross section
Sedangkan persamaan model dengan time-series adalah :
7
Kuncoro, Mudrajad. 2007. Metode Kuantitatif: Teori dan Aplikasi Untuk Bisnis dan Ekonomi. Yogyakarta: (UPP) STIM YKPN, hlm 111.
8 Ibid. Hal. 79
9
Yi = ß0+ß1 Xt+ɛt ; t = 1,2,..., N...(3.2)
Dimana T adalah banyaknya data time-series
Penelitian mengenai pengaruh jumlah penduduk dan pengangguran
terhadap tingkat kemiskinan di Provinsi Jawa Tengah, menggunakan data
time series selama 6 (enam) tahun terakhir yang di wakili data tahunan
dari 2005 – 2010 serta data cross section sebanyak 35 data mewakili
kabupaten/kota di Jawa Tengah. Kombinasi atau Pooling menghasilkan
210 observasi dengan fungsi persamaan data panelnya dapat di tuliskan
sebagai berikut :
Y = ß0 + ß1 X1 + ß2 X2 + e...(3.1)
Dimana :
Y : Tingkat Kemiskinan
X1 : Jumlah Penduduk
X2 : Pengangguran
b0 : Parameter konstan
ß1,ß2 : Parameter Penduga
℮ : faktor error
Disini yang sangat menentukan sebagai dasar analisis adalah nilai dari
koefisien regresi. Hal ini berarti apabila koefisien b bernilai positif (+) maka
dapat di katakan terjadi pengaruh searah variabel independen terhadap variabel
dependen, setiap kenaikan nilai variabel independen akan mengakibatkan
kenaikan variabel dependen. Sebaliknya, apabila bernilai negatif (-) hal ini
menunjukan adanya pengaruh negatif dimana kenaikan nilai variabel
Penelitian mengenai pengaruh variabel – variabel jumlah penuduk
(JP) dan pengangguran (PG) terhadap kemiskinan (KM) di Provinsi Jawa
Tengah, menggunakan data time series selama 6 (enam) tahun terakhir yang di
wakili data tahunan dari 2005 – 2010 serta data cross section sebanyak 35 data
mewakili kabupaten/kota di Jawa Tengah. kombinasi atau Pooling
menghasilkan 210 observasi.
3.8.2 Uji Asumsi Klasik
Dengan pemakaian metode OLS, diperlukan pendeteksian apakah
model tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut
terdiri dari :
3.8.3 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel terikat dan variabel bebas memiliki distribusi normal atau tidak.
Model regresi yang baik adalah yang mempunyai distribusi normal atau
mendekati normal (Imam Ghozali, 2002). Seperti diketahui bahwa uni t dan F
mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila
asumsi ini dilanggar maka uji statistik menjadi tidak berlaku. Terdapat
beberapa metode untuk mengetahui normal atau tidaknya distribusi residual
antara lain Jarque-Bera (J-B) test dan metode grafik.
Dalam penelitian ini akan menggunakan metode J-B Test yang
dilakukan dengan mnghitung skewness dan kurtosis, apabila J-B hitung < nilai
χ2
Jika nilai J-B hitung > J-B tabel, maka hipotesis yang menyatakan
bahwa residual Ut terdistribui normal dan sebaliknya.
3.8.3.1 Uji Multikolinearitas
Multikolinearitas merupakan keadaan dimana terdapat satu atau
lebih hubungan linier antar variabel independen. Multikolinearitas akan
bermasalah apabila terdapat hubungan antar variabel independenya, selain itu
juga menyebabkan kesalahan pada koefisien (Uji t) menjadi indikator yang
tidak dipercaya. Uji multikolinieritas bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi antar variabel bebas (independen).
Penelitian ini akan menggunakan Auxiliary Regression untuk
mendeteksiadanya multikolinearitas. Kriterianya adalah jika R2 regresi
persamaan utama lebih besar dari R2 regresi auxiliary maka tidak terjadi
multikolinearitas. Selain menggunakan R2, ada atau tidaknya
multikolinearitas juga dapat dideteksi menggunakan F hitung serta t hitung.
Kemungkinan terdapat multikolinearitas jika R2 dan F hitung tinggi.
Sedangkan nilai t hitung banyak yang tidak signifikan.
3.8.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan periode t-1. Jika terjadi korelasi maka dinamakan ada problem
autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi. Salah
adalah uji statistik-d Durbin-Watson yang dihitung berdasarkan jumlah selisih
kuadrat nilai-nilai taksiran faktor – faktor gangguan yang berurutan.
Secara intuisi dapat dilihat jika terdapat autokorelasi positif, maka
nilai-nilai faktor gangguan yang berurutan akan cenderung mendekati satu
sama lain; yaitu nilai positif Ut statistik-d akan menjadi relatif kecil. Oleh
karena itu dapat diperkirakan bahwa otokorelasi positif akan menghasilkan
nilai yang kecil bagi d. Sebaliknya, autokorelasi yang negatif akan cenderung
memperbesar selisih di antara nilai – nilai U yang berurutan. Autokorelasi
negatif ini ditandai oleh nilai d yang besar.10 Jika dari hasil perhitungan
menunjukan nilai signifikan > 0,05 maka dalam model tidak terjadi
autokorelasi.
3.8.5 Uji Heteroskedastisitas
Deteksi Heterokedastisitas bertujuan untuk menguji apakah variabel
gangguan (ei) memiliki varians yang sama atau tidak dalam model persamaan
regresi.
Untuk menguji ada tidaknya heterokedastisitas, salah satu metode yang
di gunakan adalah uji White. Apabila variabel independen tidak signifikan
secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi
indikasi tidak terjadi heteroskedastisitas.
3.8.6 Pengujian Kriteria Statistik
Gujarati (1995) menyatakan bahwa uji signifikansi merupakan prosedur
yang digunakan untuk menguji kebenaran atau kesalahan dari hasil hipotesis
10
nol dari sampel. Ide dasar yang melatarbelakangi pengujian signifikansi
adalah uji statistik (estimator) dari distribusi sampel dari suatu statistik
dibawah hipotesis nol. Keputusan untuk mengolah Ho dibuat berdasarkan nilai
uji statistik yang diperoleh dari data yang ada.
Uji statistik terdiri dari pengujian koefisien regresi parsial (uji t),
pengujian koefisien regresi secara bersama-sama (uji F), dan pengujian
koefisien determinasi (uji-R2).
a. Uji Signifikansi Parameter Individual (Uji t)
Uji signifikansi parameter individual (uji t) dilakukan untuk
melihat signifikansi dari pengaruh variabel independen terhadp dependen
secara individual dan menganggap variabel lain konstan.
Cara melakukan uji t adalah sebagai berikut:
1. Quick look : jika jumlah degree of freedom (df) adalah 20 atau
lebih dan derajat kepercayaan sebesar 5 persen, maka Ho dapat ditolak jika nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain menerima hipotesis alternatif, yang menyatakan
bahwa suatu variabel independen secara individual
mempengaruhi variabel dependen.
2. Membandingkan nilai statistik t dengan titik kritis menurut tabel.
Jika nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, menerima hipotesis alternatif yang menyatakan
bahwa suatu variabel independen secara individual
mempengaruhi variabel dependen.11
Hipotesis yang digunakan:
1. H0 : ß1 = 0 tidak ada pengaruh antara variabel jumlah dengan
kemiskinan.
H1 : ß1 > 0 ada pengaruh positif antara variabel jumlah dengan
kemiskinan.
11
2. H0 : ß2 = 0 tidak ada pengaruh antara variabel tingkat
pengangguran dengan kemiskinan.
H1 : ß2 > 0 ada pengaruh positif antara variabel tingkat
pengangguran dengan kemiskinan.
Nilai t hitung dicari dengan rumus:
t = ��−��∗
(��)...(3.1)
dimana:
�i = parameter yang diestimasi
�i* = nilai hiotesis dari �i (H0 : �i = �i*)
SE = simpangan baku �i
Pada tingkat signifikansi 5 persen dengan pengujian yang digunakan
adalah sebagai berikut:
a) Jika t-hitung > t-tabel maka H0 ditolak, artinya salah satu variabel
independen mempengaruhi variabel dependen secara signifikan.
b) Jika t-hitung < t-tabel maka H0 diterima, artinya salah satu variabel
independen tidak mempengaruhi variabel dependen secara
signifikan.
b. Uji Signifikansi Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel
bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel terikat.
Untuk menguji hipotesis digunakan statistik F dengan
1. Quick look : jika nilai F lebih besar daripada 4 maka Ho dapat ditolak pada derajat kepercayaan 5 persen, dengan kata lain menerima hipotesis alternatif, yang menyatakan bahwa semua
variabel independen secara serentak dan signifikan
mempengaruhi variabel dependen.
[image:14.595.98.513.131.627.2]2. Membandingkan nilai F hasil perhitungan dengan nilai F menurut
tabel. Jika nilai F hitung lebih besar daripada nilai F tabel, maka
Ho ditolak dan Ha diterima.12
Hipotesis yang digunakan:
1. H0 : ß1, ß2 = 0 semua variabel independen tidak mampu
mempengaruhi variabel dependen secara bersama-sama
2. H1 : ß1, ß2 ≠ 0 semua variabel independen mampu
mempengaruhi variabel dependen secara bersama-sama
Nilai F hitung dirumuskan sebagai berikut:
= 2/(�−1)
1− 2/(�−1)...(3.2)
dimana:
k = jumlah parameter yang diestimasi termasuk kostanta
N = jumlah observasi
Pada tingkat signifikansi 5 persen dengan kriteria pengujian yang
digunakan sebagai berikut:
a) H0 diterima dan H1 ditolak apabila F hitung < F tabel, yang
artinya variabel penjelas secara bersama-sama tidak
mempengaruhi variabel yang dijelaskan secara signifikan.
12
b) H0 ditolak dan H1 diterima apabila F hitung > F tabel, yang
artinya variabel penjelas secara bersama-sama mempengaruhi
variabel yang dijelaskan secara signifikan.
c. Uji Koefisien Determinasi (uji R2)
Imam Ghozali (2002) menyatakan bahwa koefisien determinasi (R2)
pada intinya mengukur seberapa jauh kemampuan suatu model dalam
menerangkan variasi variabel terikat. Nilai (R2) adalah antara nol dan satu.
Nilai (R2 ) yang kecil (mendekati nol) berarti kemampuan satu variabel
dalam menjelaskan variabel dependen amat terbatas. Nilai yang mendekati
satu berarti variabelvariabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variabel dependen.
Kelemahan mendasar penggunaan determinasi adalah bias terhadap
jumlah variabel independen yang dimasukkan ke dalam model. Setiap
tambahan satu variabel pasti meningkat tidak peduli apakah variabel
tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh
karena itu, banyak peneliti menganjurkan untuk menggunakan nilai
adjusted (R2 ) pada saat mengevaluasi model regresi yang terbaik. Nilai
koefisien determinasi diperoleh dengan formula:
2 = �∗2
�2...(3.3)
dimana:
y* = nlai y estimasi
