27 BAB III
METODE PENELITIAN
A. Objek Penelitian
Penelitian ini dilakukan di wilayah 38 kabupaten kota yang ada di Provinsi Jawa Timur. Dengan menggunakan data tingkat pendapatan per kapita, angka melek huruf dan tenaga kerja yang ada di 38 kabupaten kota Provinsi Jawa Timur. Penelitian ini dilakukan karena jika dilihat dari data tingkat kemiskinan yang ada di Pulau Jawa. Provinsi Jawa Timur merupakan salah satu wilayah yang memiliki tingkat kemiskinan lebih besar dibandingkan dengan Provinsi yang lain, sehingga salah satu alasan dari penelitian ini yaitu untuk mengetahui penyebab tingkat kemiskinan serta mencari solusi untuk mengurangi tingkat kemiskinan. Maka dari itu penulis ingin menganalisis pendapatan perkapita,tingkat pendidikan yang diperoleh dari angka melek huruf serta tingkat tenaga kerja terhadap kemiskinan di kabupaten kota Provinsi Jawa Timur tahun 2015-2019.
B. Jenis Penelitian Dan Sumber Data
Pada jenis penelitian ini metode yang digunakan adalah pendekatan kuantitatif, metode penelitian kuantitatif dapat diartikan sebagai metode penelitian yang berlandaskan pada filsafat positivisme, yang juga dapat digunakan untuk meneliti pada populasi atau sempel tertentu, teknik pengambilan sampel pada umumnya dilakukan secara random, pengumpulan data menggunakan instrument penelitian, analisis data yang bersifat kuantitatif
28
atau stastik dengan tujuan untuk menguji hipotesis yang telah ditetapkan (Sugiyono, 2017).
Untuk jenis data yang digunakan dalam penelitian ini yaitu menggunakan data sekunder kabupaten atau kota yang ada Provinsi Jawa Timur dari tahun 2015-2019. Sumber data diperoleh dari badan pusat statistik Provinsi Jawa Timur.
C. Teknik Pengumpulan Data
Untuk melakukan penelitian tentunya teknik pengumpulan data merupakan salah satu langkah utama untuk memperoleh hasil standar dari penelitian ini.
Kerena tanpa mengetahui data seorang peneliti tidak bisa memperoleh hasil yang sesuai. Sehingga untuk pengumpulan data peneiliti menggunakan teknik dokumentasi yang di peroleh dari BPS dan kemudian diolah menggunakan metode analisis data yang akan di gunakan. Teknik dokumentasi dapat digunakan sebagai teknik pengumpulan data sekunder dari berbagai sumber.
D. Definisi Operasional Variabel
Penelitian ini dirancang sebagai suatu penilitian studi empiris yang bertujuan untuk mengetahui analisis tingkat pendapatan perkapita, tenaga kerja, tingkat pendidikan terhadap tingkat kemiskinan yang ada di Provinsi Jawa Timur. Untuk variabel terikat pada penelitian ini yaitu tingkat kemiskinan, sedangkan variabel bebasnya yaitu pendapatan per kapita, tenaga kerja, dan tingkat pendidikan.Sehingga ada batasan operasional dari ke tiga variabel tersebut diantaranya:
a. Variabel Dependen Tingkat Kemiskina (Y): Tingkat kemiskinan merupakan suatu kondisi dimana seseorang maupun masyarakat tidak
29
mampu untuk memenuhi kebutuhan hidupnya seperti sandang, pangan, papan, tempat tinggal dan pendidikan. Sehingga untuk mengetahui data statistik kemiskinan dapat dilihat melalui BPS Kabupaten/Kota Provinsi Jawa Timur dalam satuan juta rupiah.
b. Variabel Independen Pendapatan Per Kapita (X1): Pendapatan per kapita merupakan indikator yang digunakan sebagai tolak ukur tingkat kesejahteraan masyarakat pada suatu wilayah. Pendapatan perkapita adalah total penghasilan pada suatu wilayah dibagi dengan jumlah seluruh penduduknya sehingga dapat diketahui pendapatan dari rata-rata penduduk tersebut. Untuk mengetahui tingkat pendapatan per kapita dapat dilihat melalui BPS Kabupaten/Kota Provinsi Jawa Timur dalam satuan juta rupiah.
c. Variabel Independen Tenaga Kerja (X2) : Tenaga kerja merupakan suatu kondisi dimana masyarakat mampu untuk melakukan pekerjaan guna menghasilkan barang dan produk serta mampu untuk memenuhi kebutuhan diri sendiri. Untuk mengetahui tenaga kerja dapat dilihat melalui BPS Kabupaten/Kota Provinsi JawaTimur dalam satuan juta rupiah.
d. Variabel Independen Angka Melek Huruf (X3): Angka melek huruf merupakan bagian dari pendidikan yang masyarakatnya memiliki umur diatas 15 tahun keatas dan mampu untuk menulis dan membaca dengan baik guna membantu mewujudkan kualitas sumberdaya manusia. Untuk mengetahui angka melek huruf dapat dilihat melalui BPS Kabupaten/Kota Provinsi JawaTimur dalam satuan juta rupiah.
30 E. Metode Analisis Data
Pada penelitian ini menggunakan metode regresi data panel, karena jenis data yang digunakan pada data panel ini memberikan lebih banyak kelebihan antara lain data panel menyediakan data yang lebih banyak karena merupakan gabungan dari dua jenis data time series dan corss section sehingga menghasilkan data panel yang informatif. Analisis ini menjelaskan hubungan antara variabel dependen tingkat kemiskinan dan variabel independen yang berupa pendapatan perkapita, tenaga kerja dan Tingkat Pendidikan. Berikut adalah model regresi data panel yang digunakan untuk mengetahui pengaruh variabel independen dan variabel dependen dalam bentuk cross section pada penelitian ini adalah sebagai berikut:
𝑌
𝑖=𝛽0+ 𝛽1 𝑋𝑖+𝜀𝑖.;𝑖.=.1,2…….,.𝑛.β0.adalah. intersep. atau. konstanta, β1. adalah. koefisien regresi. dan ei adalah.variabel.pengganggu.(error)..Dapat.diketahui.persamaan.model pada regresi time series yaitu sebagai.berikut:
𝑌
𝑡.=.𝛽0𝑖𝑡+ 𝛽1 𝑋𝑡+𝜀𝑡 ;𝑡.=.1,2…….,.𝑡.
Dimana.t adalah banyaknya.periode.waktu data.time series. Data.panel adalah gabungan.dari.data cross.section dan data.time.series, sehingga model regresi data panel dapat dijelaskan sebagai.berikut :
logY
it.=.β0.it.+log β1X1it+logβ2X2it+logβ3X3itεitn.=.1,3,....,n.;.t.=.1,2,...,t.
Persamaan diatas dapat diketahui n.adalah.banyaknya variabel bebas, dan i.adalah. jumlah.unit observasi, sedangkan t.adalah.banyaknya.periode.waktu,
31
sehingga. (n.x.t) diperoleh hasil total data.panel.yang.akan dianalisis. sehingga bentuk.regresi.data panel.pada panelitian ini.sebagai.berikut:
logKemiskinan𝑖𝑡=β0.+logPendapatan Perkapita1𝑖𝑡+logTenaga Kerja2𝑖𝑡+ log Angka Melek Huruf3𝑖𝑡 + e
Keterangan :
Kemiskinan = Variabel Y.
β0 = Konstanta.
β1,β2,β3 = Koefisien variabel independent
log 𝑃𝑃1𝑖𝑡 = Pendapatan per kapita Kabupaten Kota i tahun t(rupiah).
Tenaga Kerja2𝑖𝑡 = Tenaga Kerja Kabupaten Kota i tahun t (rupiah).
logTP3𝑖𝑡 = Angka Melek Huruf Kabupaten Kota i tahun t (jiwa).
e = error term / residual.
Dalam variabel tersebut terdapat perbedaan antara satuan variabel bebas dalam persamaan regresi, sehingga harus dijadikan model.logaritma.natural.
Menurut.(Ghozali, 2005) dengan alasan sebagai berikutt:
a. Untuk menghindariiheteroskedastisitass
b. Untuk mengetahuiikoefisien yanggmenunjukkannelastisitas c. Untuk mendekatkannskalaadata
Sehingga dapat diketahui modellsemi loga ritma sebagai berikut :
LogPDRB𝑖𝑡=β0+𝐿𝑜𝑔Pendapatan Perkapita1𝑖𝑡+𝐿𝑜𝑔Tenaga Kerja2𝑖𝑡+𝐿𝑜𝑔Tingkat Pendidikan3𝑖𝑡+ e
Dalam mengestimasi model regresi data panel, metode yang akan digunakan bergantung pada asumsi yang dibuat mengenai interseo, slope koefisien dan error.
Selanjutnya menurut asumsi model, dan faktor pembentuknya terdapat beberapa struktur model yang digunakan dalam analisis data panel, diantaranya yaitu:
1. Pooled Least Square (PLS) Atau Metode Common Effects
32
Metode common effect merupakan metode utama yang digunakan dengan mengestimasi data panel dengan cara menggabungkan data cross section dan time series tanpa meihat perbedaan antar waktu dan individu yang akan menghasilkan banyaknya observasi. Persamaan metode common effect sebagai berikut:
Yit=β0+∑ βkXkit+εit Dimana:
i = banyaknya observasi (1,2,...,n) t = banyaknya waktu (1,2,...,t) n x t = banyaknya data panel ε = residual
Asumsi dasar pada pendekatan PLS adalah nilai intersep dan nilai slope antar unit cross section dan unit time series adalah sama.
2. Fixed Effect Model (FEM)
Metode Fixed Effect merupakan metode yang sederhana untuk mengetahui adanya perbedaan antara obyek dengan konstanta antar obyek. Diasumsikan intersep antar individu berbeda namun slopenya tetap sama antar individu. Persamaan regresi metode fixed effect adalah sebagai berikut:
Yit=β0i+∑ βkXkit+εit Keteragan:
i = banyaknya observasi (1,2,...,n) t = banyaknya waktu (1,2,...,t) n = banyaknya variabel bebas
33 n x t = banyaknya data panel ε = residual
3. Random Effect Model (EM)
Widarjono (2013) menjelaskan bahwa variabel dummy dimasukkan dalam model fixed effect bertujuan untuk mewakili ketidaktahuan kita tantang model yang sebenarnya. Namun, ini juga membawa konsekuensi berkurangnya derajat kebebasan yang pada akhirnya mengurangi efisiensi parameter. Masalah ini bisa diatasi dengan menggunakan variabel gangguan (error term) dikenal sebagai metode random effect. Persamaan model random effect adalah sebagai berikut:
Yit=β0i+∑ ∑ βkiXkit+εit Keterangan:
m = banyaknya observasi (1,2,...,n) t = banyaknya waktu (1,2,...,t) n = banyaknya variabel bebas n x t = banyaknya data panel ε = residual
F. Pemilihan Model Regresi Panel
Untuk menguji kesesuaian atau kebaikan dari ketiga model terbaik pada teknik estimasi model dengan data panel dapat digunakan :
1. Uji Chow Test Chow
Chow test disebut sebagai pengujian F-statistik yang merupakan pengujian untuk memilih model yang digunakan untuk membandingkan model common effect dengan fixed effect, ketika nilai Chow statistik (F-stat) hasil 38
34
pengujian lebih besar dari F tabel, maka cukup untuk melakukan penolakan terhadap Hipotesis Nol sehingga model yang digunakan adalah model fixed effect.
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = (𝑅𝑆𝑆1 − 𝑅𝑆𝑆2)/𝑖 − 𝑡 (𝑅𝑆𝑆2)/ (𝑖𝑡 − 𝑖 − 𝑘)
Nilai residual sumof squares 1 yang merupakan model common efffect tanpa variabel dummy sedangkan nilai residual sumof squares 2 merupakan model fixed effect dengan menggunakan variabel dummy. Dalam persamaan diatasii=jumlah.individu,tt=periode.waktu, dan k=total parameter padaamodellfixed effect.
Hipotesis Kriteria Uji Chow :
H0 : Model Common Effect dapat digunakan.
H1 : Model Fixed Effect dapat digunakan.
Kriteria:
MenolakkH0 jika nilaiiProb Cross-SectionnRandom <.α = 0.05, MenerimaaH0 jika nilaiiProb Cross-SectionnRandom >.α = 0.05, 2. Uji Hausman Test
Uji Hausman digunakan untuk memilih model yang paling tepat apakah model yang paling tepat menggunakan Fixed Effect atau Random Effect.
Hasil penentuan nilai Uji Hausman diperoleh dengan membandingkan nilai statistik chi-square dengan nilai kritis chi-square, derajat kebebasan (df) yang digunakan adalah sebanyak k (jumlah variabel independen).
Unsur terpenting untuk dapat menguji ini dalah covarian matriks dari perbedaan vector (β-βGLS) :
Var(β-βGLS)=Var(β)+Var (βGLS)-Cov(β,βGLS) – Cov (β βGLS)……..(1)
35
Hasil metode hausman adalah bahwa perbedaan kovarian dari estimator yang efisien dengan estimator yang tidak efisien adalah nol sehingga:
Cov((β-βGLS),βGLS= Cov (β-βGLS)- Var (βGLS)=0……….(2) Cov (β-βGLS) = Var (βGLS)
Selanjutnyammenggabungkan.persamaana(1).sehiingga dapat menghasilkan kovariannmatriks sebagainberikut ;
Varc(β-βGLS) = Var(β).- Varj(βGLS)= Varh(q)…...(3) Selanjutnyaamengikuti distribusiuchi-square;
Mq= q’Vaari(𝑞)−1 q Dimanao:lq = (β-βGLS)
Var.(q) = Varo(β) – Varo(βGLS),
Hipotesis Untuk Kriteria UjioHausman : H0 : ModelpRE lebihisesuai.
H1 : ModelpFE lebihisesuai.
Kriteriao:
MenolakpH0 jika ProbpCross-SectionnRandom < α = 0.05, MenerimapH0 jika Prob.Cross-SectionnRandom > α = 0.05.
3. UjinLM
UjinLM merupakan uji model.terbaik dalam menentukan model common effect atau CE dengan model random effect atau RE yang akan digunakan dalam analisis regresi data panel. Uji LM dapat jugaadigunakan untukkmendeteksi gejala autokorelasi. DalamLmodel ini nilaiPstasitik LMRdihitung berdasarkanmformula sebagai berikut:
𝐿𝑀 = 𝑛𝑇
2(𝑇−1)|∑𝑛𝑖=1[∑𝑡𝑖=1𝑒𝑖𝑡2]
∑𝑛𝑖=1∑𝑡𝑡=1𝑒𝑖𝑡2 − 1| .2= 𝑛𝑇
2(𝑇−1) [ ∑𝑛𝑖=𝑙(𝑇𝑒𝑙)2
∑𝑛𝑖=𝑙∑𝑡𝑡=𝑙𝑒𝑖𝑡2− 1] .2 Keteranganl:
36 n = JumlahnIndividu
T = JumlahnPeriode Waktu e = Residualnmetode OLS HipotesisoKriteria UjinLM : H0 : Model CEIlebih sesuai.
H1 : Model REIlebih sesuai.
KriteriaI:
MenolaknH0 jika nilai Prob Cros-SectionnRandom < α = 0.05, MenerimanH0 jika nilai Prob Cros-SectionnRandom > α = 0.05
Jika pada.hasil.pengujian UjinChow dan Uji Hausman telah dilakukan dan sudah mendapatkan model terbaik antara Common Effect, Fixed Effect dan Random Effect maka tidak diperlukan lagi untuk pengujian Uji LM. Sehingga Uji.statistikndan R-square dapat dilakukan.
G. Pengujian Hipotesis
Pengujian hipotesis digunakan untuk mengetahui kriteria dari Uji statsitikndan sedikit menjelaskan tentang R-squared diantaranya sebagai berikut:
1. Uji.Parsial.atau.Uji.t
PadanUji.t.statistik untuknmencari pengaruhmmasing-masing pada variabelmbebas yaitu.Pendapatan Perkapita, Tenaga Kerja, dan Tingkat Pendidikan terhadap variabel terikatiyaitupKemiskinan dengan diasumsikan variabellkonstannlainnya.
X1 :oDiduga Pendapatan Per Kapita berpengaruh terhadap Kemiskinan di 38 Kabupaten/Kota.Provinsi.Jawa.Timur.
X2: Diduga Tenaga Keja berpengaruh terhadap Kemiskinan di 38 Kabupaten/Kota.Provinsi.Jawa.Timur.
37
X3: Diduga Tingkat Pendidikan berpengaruh terhadap Kemiskinan di 38.Kabupaten/Kota Provinsi.Jawa.Timur.
Hipotesis kriteria Uji t:
H0 : Variabel (X) tidak berpengaruh signifikan terhhadap variabel (Y) H1 : Variabel (X) berpengaruh signifikan terhadap variabel (Y) Kriteria :
Jika t hitung > t tabel atau sig < α = 0,05 menolak H0, Jika t hitung < t tabel atau sig > α = 0,05 menerima H0.
2. Uji Keseluruhan atau Uji F
H00: β15β25β3 = 0.:.VariabellPendapatan perkapita, Tenaga Kerja dan Tingkat Pendidikan mempengaruhi Tingkat Kemiskinan
H1 : β15β25β3 ≠ 0:fMinimallsatuudiantara variable Pendapatan Per kapita, Tenaga Kerja dan Tingkat Pendidikan mempengaruhi Tingkat Kemiskinan.
Kriteria dari UjinParsialndan simultan :
Menolak H0 Apabila nilai Prob t > α=0.05, (menerima H1, H2, H3, H4) Menerima H0 Apabila nilai Prob t > α=0.05, (menolak H1, H2, H3, H4)
3. R-Square
Nilai R-Squared.merupakan keberagaman variabel terikat dan variabel bebas yang dijelaskan dengan nilailR-squaredmdalam
38
satuanlpersen (%). Uji tersebut dapat menjelaskan sebearap besar garis regresi. Adapaun formula dari koefisienndeterminasinsebagai berikut:
R2 = ESSy/yTSS
= 1o- RSS/TSS
= 1o- (∑ 𝑒̂𝑖
2)
∑ 𝑦𝑖2
= 1o- (∑ 𝑒̂𝑖
2)
∑(𝑌𝑖−𝑌̅)2
Pada formula ini dapat dilihat bahwa koefisien dari determinasi dapat meningkat sesuai dengan jumlah variable bebas. Sehingga dapat disimpulkan untuk dapat meningkatkan nilai koefisien determinasi maka harus menambah variable independen pada model tersebut. Para ahli ekonometrik mengembangkan alternative lain agar R2 tidak menjadi fungsi dari bagian variable independen.Alternatif yang digunakan pada 𝑅2 dapat disesuaikan dengan (𝑅2.adjusted.=. 𝑅̅2)sssebagai berikut:
𝑅̅2 =1- (∑ 𝑒̂𝑖
2)/(𝑛−𝑘)
∑(𝑌𝑖−𝑌̅)2/(𝑛−𝑘)
Keterangan :
kO= Jumlah koefisienmregresi termasuk intersep nO= Jumlah.observasi
Pada pengembangan model R-squared ditas nilai koefisien determinasi memiliki nilai antar 0-1. Semakin tinggi nilainya maka semakin erat hubungan antara variabel bebas dengan variabel terikat.
H. Uji Asumsi Klasik
Uji asumsi klasik merupakan syarat statistik yang harus terpenuhi agar model regresi linier yang berbasis ordinary least square (OLS) bersifat best linear unbiased estimator (BLUE). Uji asumsi klasik yang digunakan dalam penelitian ini, meliputi:
39 1. Uji Normalitas
Normalitas digunakan untuk melihat sebaran data pada variabel, apakah berdistribusi normal atau tidak.
Hipotesis pengujian:
H0 : error berdistribusi normal
H1 : error tidak berdistribusi normal Kriteria pengujian:
Menolak H0 Apabila nilai Prob Jarque-Bera < 0.05, (menerima H1) Menerima H0 Apabila nilai Prob Jarque-Bera > 0.05, (menolak H1)
2. Uji Multikolinieritas
Multikolinearitas merupakan kondisi dimana terjadi hubungan korelasi (linier) antar variabel bebas.
Hipotesis pengujian:
H0 : Tidak terjadi Multikolinearitas
H1 : Terjadi Multikolinearitas Kriteria pengujian:
Menolak H0 Apabila nilai korelasi > 0.8, (menerima H1) Menerima H0 Apabila nilai korelasi <0.8, (menolak H1) 3. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah situasi dimana varians gangguan atau error pada model regresi memiliki sifat tidak konstan. Jika nilai probabilitas > 0.05 maka diputuskan menerima H0. Dengan demikian tidak terdapat heroskedastistas data Hipotesis pengujian:
H0 : Tidak terdapat heteroskedastisitas
H1 : Terdapat heteroskedastisitas Kriteria pengujian:
40
Menolak H0 Apabila nilai Probabililtas < 0.05, (menerima H1) Menerima H0 Apabila nilai Probabilitas > 0.05, (menolak H1) 4. Uji Autokorelasi
Autokorelasi merupakan kondisi dimana terjadi hubungan korelasi (linier) antar error dari satu pengamatan dengan error dari pengamatan lain.
Hipotesis pengujian:
H0 : Tidak terdapat Autokorelasi
H1 : Terdapat Autokorelasi Kriteria pengujian:
Jika d < 𝑑𝐿 atau d > 4-𝑑𝐿 maka H0 ditolak (menerima H1) Jika 𝑑𝑈 < d < 4-𝑑𝑈 maka menerima H0 (menolak H1)
Jika 𝑑𝐿 < d < 𝑑𝑈 atau 4-𝑑𝑈 < d < 4-𝑑𝐿 maka Uji Durbin-Watson tidak menghasilkan hasil yang akurat (inconclusive).
