BAB III
METODE PENELITIAN
A. Lokasi Penelitian
Penelitian ini dilakukan pada Pemerintah Daerah Kabupaten dan Kota di Provinsi Jawa Timur. Dimana jumlah penduduk yang miskin di Jawa Timur tergolong tinggi sejumlah 4.419,10 juta jiwa dari 38 Kabupaten/Kota di Provinsi Jawa Timur.
B. Jenis Penelitian
Dalam penelitian ini, penulis menggunakan jenis penelitian pendekatan kuantitatif deskriptif. Pendekatan kuantitatif deskriptif adalah pendekatan dengan menggunakan data berupa angka-angka yang diolah secara statistik dan kemudian dideskripsikan sesuai dengan hasil olah data yang telah dikumpulkan.
C. Jenis dan Sumber Data 1. Jenis data
Dalam metode penelitian ini menggunakan jenis data sekunder yang bersifat kuantitatif. Data sekunder adalah data yang sifatnya secara tidak langsung yang diperoleh dari hasil peneliti-peneliti terdahulu seperti melalui publikasi pemerintah, jurnal, buku, dan situs lainnya.
Adapun data yang digunakan pada penelitian ini adalah data panel, yaitu penggabungan antara data cross section dan time series. Data cross
section yang digunakan adalah 20 Kabupaten. Sedangkan, data time series menggunakan data tahunan mulai dari tahun 2015 – 2020.
2. Sumber Data
Data yang digunakan dalam penelitian ini digunakan dari berbagai sumber yaitu Data TPT, Ketimpangan Pendapatan dan upah minimum diperoleh dari situs resmi BPS dan Dinas Ketenagakerjaan dan Transmigrasi Provinsi Jawa Timur meliputi 20 Kabupaten Tahun 2015- 2020.
D. Deskripsi Variabel Penelitian a. Kemiskinan
Kemiskinan dalam segi ekonomi adalah suatu kondisi ketidakmampuan dalam pemenuhan kebutuhan hidup yang bisa diukur dari sisi pengeluaran. Selain itu kemiskinan juga didefinisikan minimnya sumber daya dalam memenuhi kebutuhan dan kesejahteraan hidup. Namun semakin berkembangnya waktu definisi dari kemiskinan juga mengalami perluasan karena tidak hanya dilihat dari segi ekonomi, namun dapat juga didefinisikan dari segi sosial, segi politik, kesehatan maupun pendidikan.
b. Tingkat Pengangguran
Tingkat pengangguran ini merupakan presentase angkatan kerja yang tidak mempunyai pekerjaan dan atau sedang mencari kerja dalam kurun waktu yang cukup lama. Hal tersebut diakibatkan karena adanya kondisi dimana jumlah Supply tenaga kerja banyak namun tidak diimbangi dengan keterbukaan lapangan kerja.
c. Ketimpangan Pendapatan
Ketimpangan pendapatan ini merupakan masalah yang terjadi pada perbedaan pendapatan antar masyarakat atau antar daerah. Ketimpangan pendapatan sendiri dapat disebabkan karena di Indonesia sendiri terdapat banyak pulau dan wilayah, maka dari itu tidak dipungkiri bahwa terjadi pola pelaksanaan pembangunan ekonomi yang tidak sama. Hal tersebut dapat terjadi akibat adanya perbedaan SDA, faktor demografis seperti kondisi tenaga kerja.
d. Upah Minimum
Upah minimum ialah tolak ukur atau standar terendah yang ditetapkan pemerintah untuk digunakan oleh industry maupun pengusaha dalam memberikan upah kepada pegawai, karyawan, buruh yang bekerja dilingkungan usahanya. Dalam penetapan upah minimum ini pemerintah melihat dari kebutuhan hidup yang layak dan dari produktivitas kerja.
E. Teknik Pengumpulan Data
Metode pengumpulan data yang digunakan adalah metode dokumentasi.
Pengumpulan data yang informasinya berupa bahan tertulis dan tercatat dengan memanfaatkan data pada buku ataupun catatan (dokumen). Data yang dikumpulkan diantaranya data TPT, Ketimpangan Pendapatan, dan Upah Minimum.
F. Teknik Analisis Data
Dalam penelitian ini menggunakan teknik analisis uji asumsi klasik dan analisis regresi berganda data panel yang melalui program software Microsoft Excel 2007 dan E-views 9. Yang mana akan melakukan uji multikolinearitas, uji heteroskedastisitas, uji autokorelasi, uji normalitas,
serta dipilihnya pendekatan yang terbaik dari common effect, fixed effect, dan random effect dengan menggunakan uji regresi data panel diantaranya Uji Chow, Uji Hausman, dan Uji LM. Penelitian ini untuk mengetahui pengaruh antara variabel independen yaitu TPT, Ketimpangan Pendapatan, dan Upah Minimum terhadap variabel dependen yaitu kemiskinan. Model persamaan sebagai berikut:
LogY = Logβ0 + β1LogX1 + β2LogX2+β3LogX3+ еit
Dimana:
0 = Intersep
1, 2 = Koefisien regresi Y = Kemiskinan X1 = Pengangguran
X2 = Ketimpangan Pendapatan X3 = Upah Minimum
it = error term
Uji Model Data Panel (Analisis data panel)
Ada beberapa metode yang digunakan dalam mengestimasi model regresi data panel yaitu Common Effect, Fixed Effect, dan Random Effect
1. Common Effect (CE)
Model Common effect (CE) merupakan model paling sederhana yang berasumsi bahwa sebelum membuat regresi data cross-section harus digabungkan dengan data time-series, maka tidak ada perbedaan antar individu dan waktu. Gabungan data tersebut diperlakukan sebagai suatu
kesatuan pengamatan untuk mengestimasi model metode Ordinary Least Square (OLS) yang dikenal dengan estimasi Common Effect. Model Comoon Effect sebagai berikut:
= 0 + 1 1 + . . . + + 2. Fixed Effect (FE)
Model Fixed Effect (FE) merupakan pendekatan yang mengizinkan adanya intersep yang bervariasi antar unit cross-secton, tetapi tetap berasumsi bahwa slope koefisien adalah konstan antar unit cross-section. Berikut model estimasi fixed effect:
= 1 + 2 2 + ⋯ + + 2 2 + ⋯ . . + + 3. Random Effect (RE)
Model random effect digunakan dalam mengatasi kelemahan dari model fixed effect yang menggunakan variabel dummy. Metode data panel dengan model ini harus memenuhi persyaratan yang mana jumlah cross-section harus lebih besar dari jumlah variabel penelitian. Model random effect adalah sebagai berikut:
= 0 + 1 1AA + … + + +
Pemilihan Model Terbaik
Diperlukan uji kesesuaian model pada penelitian dengan menggunakan data panel guna menentukan model terbaik yang dipakai sebagai hasil penelitian.
Terdapat tiga metode untuk memilih model yang tepat digunakan dalam mengelola data panel yaitu Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier.
1. Uji Chow
Uji Chow ini dilakukan untuk memilih model terbaik diantara model Common Effect dan Fixed Effect. Berikut hipotesis dalam pengujian ini adalah:
H0 : Model CE terbaik H1 : Model FE terbaik
Dengan ketentuan apabila probabilitas F < α 0,05, maka H0 ditolak dan H1 diterima.
=
( − )
( − 1) ( − − ) 2. Uji Hausman
Uji Hausman digunakan sebagai untuk memilih model terbaik antara Fixed Effect dan Random Effect. Hipotesis dalam pengujian ini sebagai berikut:
H0 : Model RE terbaik H1 : Model FE terbaik
Dengan ketentuan apabila probabilitas chi square hitung < chi square tabel, maka H0 ditolak dan H1 diterima.
Perhitungan dari uji Hausman sebagai berikut:
= ′ ( ′ !
= ( "#$%− "#$&)′' ( "#$%− "#$&)(! ()* +− )* ,
3. Uji LM (Langrange Multiplier)
Uji LM digunakan sebagai untuk memilih model terbaik antara Common Effect dan Random Effect. Hipotesis dalam pengujian ini sebagai berikut:
H0 : Model CE lebih sesuai H1 : Model RE lebih sesuai
Dengan kriteria pengujian H0 ditolak jika Koefisien Breusch-Pagan < 0.05 Uji Asumsi Klasik
Uji asumsi klasik ialah pengujian asumsi statistik yang harus dilakukan pada regresi linier berganda. Pengujian ini bermaksud menguji asumsi yang ada dalam model regresi linear berganda sehingga data dapat dianalisa lebih lanjut tanpa adanya data bias. Berikut uji asumsi klasik diantaranya:
Uji Normalitas
Uji normalitas merupakan sebuah uji yang dilakukan dengan maksud untuk menilai sebaran data pada kelompok data atau variabel, yang mana apakah sebaran tersebut berdistribusi normal atau tidak (Suliyanto, 2011).
Hipotesis pada pengujian ini sebagai berikut:
H0 : Berkontribusi Normal H1 : Tidak Berkontribusi Normal Kriteria Pengujian:
H0 ditolak, jika Prob. Jarque-Bera < 0,05.
Didapatkan perhitungan dari uji normalitas sebagai berikut:
-. = 60 + (2 − 3) 4 5
Dimana:
n = Jumlah sampel atau observasi S = Expected Skewness
K = Expected Excess Kurtosis Uji Multikolinearitas
Uji multikolinearitas dapat digunakan dalam pengujian apakah pada model regresi terdapat korelasi antar variabel bebas. Dalam uji ini, untuk melihat ada tidaknya multikolinearitas dapat dilihat melalui Variance Inflation Factors (VIF) dengan ketentuan jika nilai VIF < 10 dan 1/VIF > 0,1, maka dikatakan bahwa model terbebas dari multikolinearitas.
Adapun rumus dari VIF sebagai berikut :
67 = 1
1 − 89
Uji Heteroskedastisitas
Uji heteroskedastisitas ini digunakan untuk menguji apakah terdapat ketidaksamaan varian dari residual antar pengamatan. Menggunakan uji glesjer pada uji heteroskedastisitas yaitu mengkorelasi nilai residual absolut setiap variabel. Hipotesis dalam pengujian ini sebagai berikut:
H0 : Tidak ada Heteroskedastisitas H1 : Ada Heteroskedastisitas Kriteria Pengujian:
Jika Probabilitas < 0.05, maka menolak H0 Uji Autokorelasi
Uji autokorelasi digunakan untuk mendeteksi apakah ada atau tidak suatu masalah yang terjadi antara residual pada satu pengamatan dengan
pengamatan lainnya dalam model regresi. Pengujian ini dapat menggunakan Uji Durbin-Watson. Hipotesis dalam pengujian ini sebagai berikut:
H0 : Tidak terdapat Autokorelasi H1 : Ada Autokorelasi
Kriteria Pengujian:
Jika d < dL atau d > 4-dL, maka menolak H0 Jika dU < d < 4-du, maka gagal tolak H0
Jika dU > d > dL atau 4-dU < d < 4-dL, maka tidak menghasilkan hasil yang akurat.
Adapun rumus Durbin-Watson sebagai berikut:
: = ∑ (<>=? =− <=! )
∑ <>=? =
Dimana:
et= residual pada pengamatan ke-t
n = jumlah observasi data pada penelitian Uji Hipotesis
1. Uji t
Uji ini dilakukan untuk menunjukkan apakah masing-masing variabel independen memiliki pengaruh terhadap variabel dependen dengan tingkat uji signifikansi Uji t adalah α = 0,05.
Kriteria Pengujian untuk menentukan hipotesis mana yang akan diterima dan ditolak sebagai berikut:
H0 ditolak jika nilai Probabilitas t-statistic > t-tabel, maka H1 diterima.
H0 diterima jika nilai probabilitas t-statistic < t-tabel, maka H1 ditolak.
2. Uji f
Uji ini dilakukan untuk menunjukkan apakah variabel independen X1.
X2, dan X3 secara bersama memiliki pengaruh terhadap variabel dependen Y dengan tingkat signifikansi uji F sebesar α = 0.05
Hipotesis:
H0 : Variabel TPT, ketimpangan pendapatan, minimum upah tidak berpengaruh signifikan terhadap kemiskinan.
H1 : Variabel TPT, ketimpangan pendapatan, minimum upah berpengaruh signifikan terhadap kemiskinan.
Kriteria Pengujian untuk menentukan hipotesis mana yang akan diterima dan ditolak sebagai berikut:
H0 ditolak jika nilai probabilitas F-statistic < α = 0.05, maka H1 diterima.
H0 diterima jika nilai probabilitas F-statistic > α = 0.05, maka H1 ditolak.
3. Uji Koefisien Determinasi (82)
R-square adalah nilai keragaman dari variabel dependen yang dijelaskan oleh variabel independen dan besar nilai R-square dihitung
dalam satuan persen. Apabila nilai R2 mendekati satu, maka variabel independen memberikan semua informasi untuk memprediksi variabel dependen atau terjadi hubungan antar kedua variabel. Sedangkan, apabila R2 bernilai nol, maka tidak adanya hubungan antara variabel independen dengan variabel dependen.
