21 BAB III
METODE PENELITIAN
3.1 Jenis dan Sumber Data
Penelitian ini menggunakan data time series atau data deret waktu dengan mengambil data produksi dan harga komoditas bawang merah dari tahun 2009 sampai tahun 2018. Jenis data yang digunakan yaitu menggunakan data sekunder kuantitatif. Data sekunder ini diperoleh dari berbagai sumber data seperti lembaga pemerintahan yaitu Dinas Pertanian Jawa Timur, Departemen Kementerian Pertanian Indonesia, serta instansi-instansi terkait seperti Badan Pusat Statistika, Pusat Data dan Informasi Pertanian dan berbagai lembaga pemerintaha dan instansi terkait. Data-data juga didapatkan dari buku, jurnal-jurnal dan penelitian terdahulu.
Data-data tersebut kemudian diolah kembali sesuai penelitian yang diteliti.
3.2 Lokasi dan Waktu Penelitian
Penelitian analisis pertumbuhan permintaan dan penawaran komoditas bawang merah ini dilakukan di Jawa Timur, yaitu mencakup semua kota dan kabupaten didalamnya. Penetuan lokasi penelitian ini ditentukan secara sengaja (purposive), berdasarkan pertimbangan bahwa Jawa Timur merupakan provinsi yang menduduki peringkat kedua di Indonesia sebagai penghasil bawang merah terbesar, selain itu juga berdasarkan data-data representatif yang tersedia untuk mendukung penelitian. Waktu penelitian dilakukan pada bulan Agustus 2019 hingga selesai.
3.3 Teknik Pengumpulan Data
Menurut (Sugiono, 2014) pengumpulan data dapat dilakukan dalam berbagai setting, berbagai sumber dan berbagai cara. Dilihat dari sumber datanya, pengumpulan data dapat menggunakan sumber data primer dan sumber data sekunder. Sumber primer adalah sumber data yang langsung memberikan data kepada pengumpul data dan sumber data sekunder merupakan sumber yang tidak langsung memberikan data kepada pengumpul data, misalnya lewat orang lain ataupun lewat dokumen.
Metode pengumpulan data yang digunakan pada penelitian ini yaitu menggunakan metode dokumentasi. Metode dokumentasi adalah suatu teknik pengambilan data atau teknik informasi melalui dokumen-dokumen milik suatu lembaga yang telah tersedia (Usman dan Akbar, 2011). Menurut (Sukardi, 2003) metode dokumentasi pada penelitian ini yang dimaksudkan untuk memperoleh data dengan dokumentasi, yaitu mempelajari dokumen yang berkaitan dengan seluruh data yang diperlukan dalam penelitian. Dokumentasi dari asal kata dokumen yang artinya barang-barang tertulis, sehingga dalam melaksanakan metode dokumentasi ini, peneliti menyelidiki benda-benda tertulis seperti data-data harga, jumlah penduduk, luas panen dan beberapa faktor-faktor dari permintaan dan penawaran bawang merah di Jawa Timur lain, selain itu juga data-data lain yang mendukung penelitian ini.
3.4 Metode Analisis Data
Metode analisis data yang akan digunakan dalam penelitian ini adalah metode analisis regresi linier berganda untuk mengetahui tujuan 1 yaitu menganalisis faktor-faktor apa saja yang mempengaruhi permintaan dan penawaran, serta metode elastisitas untuk menganalisis tujuan ke 2 yaitu menganalisis elastisitas permintaan dan penawaran bawang merah di provinsi Jawa Timur. Menurut tujuan pertama yaitu menganalisis berapa besar pengaruh variabel harga barang komplementer (cabai rawit), jumlah penduduk dan harga bawang merah terhadap permintaan bawang merah di Provinsi Jawa Timur. Dilihat dari secara matematis, permintaan bawang merah dapat dirumuskan sebagai berikut :
Qd = a + b1Ps + b2Pt + b3Pk + c
Keterangan:
Qd = Permintaan bawang merah (ton) a = Koefisien intersep
b1,b2,b3 = Koefisien Regresi
Ps = Harga barang komplementer (cabai rawit) (Rp/Kg) Pt = Jumlah penduduk Jawa Timur
Pk = Harga bawang merah (Rp/Kg) c = Konstanta regresi
Analisis selanjutnya yaitu menganalisis berapa besar pengaruh variabel luas panen bawang merah, harga bawang merah pada tahun sebelumnya terhadap penawaran bawang merah di Jawa Timur.
Qs = a + b1L + b2Ptp-1 + c
Keterangan :
Qs = Penawaran bawang merah (Ton) a = Koefisien intersep
b1,b2, = Koefisien regresi
L = Luas panen bawang merah (Ha)
Ptp-1 = Harga bawang merah tahun sebelumnya (Rp/Kg) c = Konstanta regresi
3.4.1 Uji Asumsi Klasik
1. Uji Normalitas
Uji Normalitas adalah pengujian dalam model regresi, variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau mendekati normal. Uji normalitas dimaksudkan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Metode yang digunakan untuk menguji normalitas adalah dengan menggunakan uji Kolmogorov-Smirnov, jika nilai signifikan dari hasil uji Kolmogorov-Smirnov > 0,05, maka terdistribusi normal dan sebaliknya terdistribusi tidak normal (Sani, 2010). Menurut (Suprapty, 2018) uji normalitas juga dapat diuji menggunakan Plot Probabilitas Normal yang mengindikasikan kenormalan data apabila titik-titik data terkumpul disekitar garis diagonal, dan sebaliknya apabila titik-titik tidak mengikuti garis diagonal, maka disimpulkan bahwa data tidak berdistribusi normal.
2. Uji Multikolinieritas
Pengujian multikolinieritas menunjukkan adanya lebih dari suatu hubungan linier yang sempurna. Hal tersebut seperti yang telah dikemukakan oleh Santoso (2005) bahwa tujuan uji ini adalah untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel Independent. Problem multikolinieritas ada apabila terjadi korelasi. Cara untuk mendeteksi adanya multikolineritas dengan mengetahui besarnya nilai VIF (Variance Inflating Factor) dan nilai tolerance.
Pedoman suatu model regresi yang bebas multikolinieritas menurut Santoso (2005) adalah:
a. Melihat nilai tolerance
1.) Apabila nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinieritas
2.) Apabila nilai tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinieritas
b. Melihat nilai VIF
1.) Apabila nilai VIF lebih kecil dari 10,00 maka artinya tidak terjadi multikolinieritas
2.) Apabila nilai VIF lebih kecil dari 10,00 maka artinya tidak terjadi multikolinieritas
3. Uji Autokorelasi
Uji autokorelasi adalah uji yang bertujuan untuk menguji apakah dalam sebuah model regresi linier berganda ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau pada
tahun sebelumnya, jika terjadi korelasi, maka data tersebut terjadi autokorelasi. Model regresi yang baik adalah data yang bebas dari autokorelasi (Sani, 2010). Menurut (Singgih, 2010) untuk mendeteksi ada tidaknya autokorelasi, dilakukan melalui metode tabel Durbin Watson dalam program SPSS, dimana secara umum dapat diambil keputusan yaitu :
a. Jika angka DW dibawah -2, berarti autokorelasi positif b. Jika angka DW diatas +2, berarti autokorelasi negative
c. Jika angka DW diantara -2 sampai +2, maka tidak terjadi autokorelasi 4. Uji Heteroskedastisitas
Pengujian ini adalah untuk menguji apakah dalam model regresi linier berganda dapat terjadi ketidaksamaan varian dari residual dari suatu pengamatan ke pengamatan lain. Homokedastisitas terjadi apabila varian dari residual dari suatu pengamatan ke pengamatan lain adalah sama, namun jika varian berbeda, disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas (Santoso,2005). Menurut (Bella, 2015) salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat atau dependen yaitu ZPRED dengan residualnya SRESID.
Mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat pola tertentu pada grafik Scatterplots antara SRESID dan ZPRED. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam modelregresi linier berganda dapat dilihat dari pola yang terbentuk pada titik-titik yang terdapat pada grafik scatterplot. Disimpulkan bahwa pengambilan keputusannya sebagai berikut:
a. Apabila ada pola tertentu, seperti titik-titik yang akan membentuk suatu pola tertentu yang teratur seperti bergelmobang, melebar, kemudian menyampit maka telah terjadi heteroskedastisitas
b. Apabila tidak ada pola tertentu, seperti titik-titik yang akan menyebar diatas dan dibawah angka nol pada sumbu Y , maka tidak terjadi heteroskedastisitas 3.4.2 Uji Hipotesis
1. Uji Koefisien Determinasi (R2 / Adjusted R Square )
Uji Koefisien Determinasi (R2 / Adjusted R Square ) digunakan untuk melihat seberapa besar kemampuan variabel-variabel bebas dalam suatu model untuk menjelaskan variabel terikatnya. Nilai R2 / Adjusted R Square berkisar antara 0 sampai 1, semakin mendekati 1 maka model semakin baik. Menurut (Sinambela, 2014) koefisien dterminasi (R2) adalah indikator yang menggambarkan berapa banyak variasi yang dijelaskan dalam model. Koefisien determinasi ini mengukur seberapa jauh kemampuan model dalam menjelaskan variasi variabel dependen atau variabel terikat. Suatu nilai determinasi akan menjelaskan beberapa variasi dari variabel dependen (Y) dapat diterangkan oleh variabel independen (X). Nilai koefisien determinasi tersebut adalah 0 – 1, apabila diperoleh nilai R2 kecil berarti kemampuan-kemampuan variabel dependen sangat terbatas dan apabila diperoleh nilai R2 mendekati 1 berarti variabel-variabel independen keseluruhan informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Presentase pengaruh X terhadap variabel Y dapat dijelaskan dalam tabel adjusted R square.Perhitungan koefisien determinasi dapat dilakukan dengan rumus:
R2=Jumlah Kuadrat Residual Jumlah Kuadrat Total
2. Uji F
Pengujian ini digunakan untuk menguji keberartian model variabel bebas terhadap variabel dependen di formulasi model penelitian atau tidak berpengaruh dengan cara membandingkan Fhitung dengan Ftabel. Kriteria pengujiannya adalah jika Fhitung lebih besar dari Ftabel (Fhitung > Ftabel) maka H0 ditolak dan H1 diterima, apabila Fhitung lebih kecil dari Ftabel (Fhitung < Ftabel) maka H0 diterima dan H1 ditolak
3. Uji T
Pengujian ini digunakan untuk menghitung koefisien regresi dari beberapa variabel bebas yang nantinya ada pengaruh atau tidak terhadap variabel dependennya. Hasil dari pengujian ini dapat disimpulkan jika, nilai t yang diperoleh sebesar α ternyata lebih besar dari t-tabel (t-hitung > t-tabel) maka H0 ditolak, sehingga dapat dikatakan bahwa variabel yang diuji berpengaruh nyata terhadap variabel dependennya. Sedangkan sebaliknya jika t-hitung lebih kecil dari t-tabel (t-hitung < t-tabel) maka H0 diterima, sehingga dapat dikatakan bahwa variabel yang diuji tidak mempunyai pengaruh yang nyata terhadap variabel dependennya.
3.4.3 Analisis Elastisitas
Menurut (Soeratno, 2000) elastisitas permintaan atau dapat disebut elastisitas harga memiliki kurva dengan nilai kurva negatif menunjukkan bahwa jumlah yang diminta berhubungan terbalik dengan tingkat harga per unit barang tersebut.
Koefisien elastisitas harga (Price Elasticity Of Demand) mengukur presentase perubahan jumlah yang diminta akibat presentase perubahan harga barang itu
dengan kata lain elastisitas harga suatu barang merupakan proporsi perubahan jumlah barang yang diminta dibagi proporsi perubahan harga barang tersebut.
Formula koefisien elastisitas permintaan ini yaitu Ed, yaitu sebagai elastisitas permintaan.
Ed=Persentase perubahan kuantitas yang diminta Persentase perubahan harga
Formula diatas dapat dijabarkan sebagai berikut.
Dimana ∆P adalah perubahan harga, ∆Q adalah perubahan kuantitas, P adalah harga dan Q adalah kuantitas barang yang diminta (Faried, 1999).
Sifat suatu barang dalam kaitannya dengan perubahan harga barang dapat dibedakan memjadi tiga, yaitu :
a. Elastis (Ep > 1) apabila harga berubah 1% jumlah barang yang diminta berubah lebih dari 1%
b. Inelastis (Ep < 1), apabila harga berubah 1% jumlah barang yang diminta berubah kurang dari 1%
c. Uniter (E = 1) apabila harga berubah 1% jumlah barang yang diminta akan berubah 1%
3.5 Pengukuran Variabel
Pengukuran variabel dalam penelitian ini adalah sebagai berikut :
1. Penawaran bawang merah di Provinsi Jawa Timur pada tahun 2009-2018 diukur dengan satuan ton
Ed=%Q
%P=∆Q /Q
∆P/ P =∆Q
∆P. P Q
2. Permintaan bawang merah di Provinsi Jawa Timur pada tahun 2009-2018 diukur dengan satuan ton
3. Luas panen bawang merah di Jawa Timur pada tahun 2009-2018 diukur dengan satuan Ha
4. Harga bawang merah di Jawa Timur pada tahun 2009-2018 diukur dengan satuan Rupiah (Rp)
5. Harga barang komplementer dari bawang merah yaitu cabai rawit di Provinsi Jawa Timur pada tahun 2009-2018 diukur dengan satuan Rupiah (Rp) 6. Jumlah penduduk di Provinsi Jawa Timur dan Indonesia pada tahun 2009-
2018 diukur dengan satuan jiwa
