3.
METODOLOGI PENELITIAN
3.1. Jenis Penelitian
Penelitian ini merupakan jenis penelitian asosiatif dengan metode kuantitatif. Peneltitan asosiatif bertujuan untuk mengetahui pengaruh antara dua variabel atau lebih (Sugiono, 2011). Sedangkan menurut Kuncoro (2003), metode kuantitatif merupakan penelitian yang sifatnya dapat dihitung jumlahnya dengan metode statistik.
3.2. Gambaran Populasi dan Sampel
Populasi adalah keseluruhan elemen atau unsur yang akan diteliti (Ghozali, 2009). Populasi dalam penelitian ini adalah data sektor keuangan serta data ekonomi makro antara lain inflasi dan pertumbuhan ekonomi selama periode 2003- 2015. Teknik pengambilan sampel dalam penelitian dengan metode purposive sampling, yaitu teknik pengambilan sampel dari sumber data dengan pertimbangan tertentu dan tidak menyimpang dari ciri-ciri yang ditetapkan (Sugiyono, 2009).
Data sektor keuangan yang digunakan dalam penelitian ini antara lain adalah kredit domestik terhadap sektor swasta, dan jumlah uang beredar Indonesia periode 2003 – 2014. Sedangkan data ekonomi makro yang digunakan antara dalam nominal gross domestic product, pertumbuhan real gross domestic product per kapita, inflasi, serta proporsi masyarakat miskin. Data variabel kredit kepada sektor swasta, jumlah uang beredar (M2), nominal GDP, dan inflasi yang diambil berbentuk kuartalan. Sedangkan untuk data proporsi masyarakat miskin dan pertumbuhan GDP per kapita berbentuk tahunan, sehingga dilakukan interpolasi dengan metode linier (linear interpolation method) untuk menjadikan data menjadi berbentuk kuartalan.
3.3. Jenis dan Sumber Data
Jenis data yang digunakan adalah data sekunder yaitu data yang diperoleh secara tidak langsung atau melalui perantara berupa data numerik. Data bersumber
dari laporan yang diperoleh dari situs bi.go.id, bps.co.id, worldbank.org, dan Bloomberg Terminal.
3.4. Metode dan Prosedur Pengumpulan Data
Sebab penelitian ini menggunakan data sekunder dan historis, maka metode pengumpulan data adalah melalui dokumentasi dan studi kepustakaan. Data yang diperlukan dikumpulkan dari beberapa institusi penyedia informasi relevan, antara lain dari bi.go.id, bps.co.id, dan Bloomberg Terminal.
3.5. Definisi Operasional Variabel 1. Variabel Dependen
Variabel dependen adalah variabel yang dijelaskan atau dipengaruhi oleh variabel independen.
Konsep : Proporsi Masyarakat Miskin
Definisi operasional : Masyarakat yang mempunyai pengeluaran perkapita perbulan di bawah garis kemiskinan.
Proksi : Data proporsi masyarakat miskin negara Indonesia yang diambil dari Badan Pusat Statistik Indonesia periode 2004
– 2015
2. Variabel Independen
Variabel independen adalah variabel yang menjelaskan atau memengaruhi oleh variabel dependen.
Konsep : Perkembangan Sektor Keuangan (Financial Development) Definisi Operasional : Perkembangan sektor keuangan diukur dengan indikator
kredit kepada sektor swasta per GDP dan jumlah uang beredar (M2) per GDP. Semua variabel dibandingkan dengan Nominal GDP untuk menunjukan ukuran sektor keuangan terhadap perekonomian suatu negara (Kar dan Pentecost, 2000).
Proksi : - Kredit kepada sektor swasta - Jumlah Uang Beredar
Konsep :Kredit kepada Sektor Swasta
Definisi operasional :Jumlah kredit yang diterima oleh perusahaan melalui bank dan perusahaan keuangan sejenisnya.
Indikator empirik : Kredit 𝑡−4𝐺𝐷𝑃 𝑡−4 (3.1) CREDIT = Kredit kepada Sektor Swasta
GDP = Nominal GDP
Konsep :Jumlah Uang Beredar
Definisi Operasional : Jumlah uang beredar yang terdiri dari uang kartal, uang giral, uang kuasi, serta surat berharga selain saham.
Indikator empirik : Jumlah Uang Beredar 𝑡−4
𝐺𝐷𝑃 𝑡−4 (3.2)
Jumlah Uang Beredar = Jumlah uang beredar dalam negara (M2)
GDP = Nominal GDP
Konsep : Inflasi
Definisi operasional : Perubahan nilai Indeks Harga Konsumen (IHK) dari waktu ke waktu yang diukur dari perubahan nilai barang dan jasa yang umum dikonsumsi oleh masyarakat.
Proksi :Data persentase perubahan inflasi diukur dengan menggunakan data inflasi Indonesia yang diambil dari Bank Indonesia periode 2004 – 2015
Konsep :Pertumbuhan Ekonomi
Definisi operasional :Persentase pertumbuhan Real GDP dari periode sebelumnya dibagi dengan total jumlah masyarakat
Proksi :Data pertumbuhan Real GDP per kapita negara Indonesia periode 2004-2015 yang diambil dari Badan Pusat Statistik Indonesia
Dalam penelitian ini variabel perkembangan sektor keuangan menggunakan data 1 tahun sebelumnya karena kebijakan dalam sektor keuangan membutuhkan
waktu untuk memberikan pengaruh atau perubahan pada masyarakat yang pada umumnya adalah 1 tahun (Friedman, 1961).
3.6. Teknik Analisa Data
Teknik analisis data yang digunakan untuk menganalisis pengaruh perkembangan sektor keuangan terhadap jumlah masyarakat miskin menggunakan software Eviews dengan metode regresi linier berganda.
Untuk menjawab permasalahan di atas, disusunlah langkah penelitian sebagai berikut:
3.6.1 Mengumpulkan data proporsi masyarakat miskin, kredit kepada sektor swasta, jumlah uang beredar, inflasi, dan pertumbuhan GDP per kapita melalui sumber Badan Pusat Statistik, World Bank, Bank Indonesia, dan Bloomberg.
3.6.2 Menghitung variabel Kredit kepada Sektor Swasta per nominal GDP 3.6.3 Menghitung variabel Jumlah Uang Beredar kepada Sektor Swasta
per nominal GDP
3.6.4 Melakukan interpolasi dengan metode linier (linear interpolation method) menggunakan software Eviews untuk menjadikan data variabel proporsi masyarakat miskin dan pertumbuhan GDP per kapita menjadi berbentuk kuartalan.
3.6.5 Menyusun persamaan regresi linier berganda.
Y = a + β 1 Ct-4 + β 2 Mt-4 + β 3 Inf+ β 4 GDP+ e (3.3) keterangan :
Y : Proporsi Masyarakat Miskin di Indonesia
a : Konstanta
β1,2,3,4 : Koefisien regresi variabel independen
Ct-4 : Kredit terhadap sektor swasta per GDP empat periode sebelumnya
M2t-4 : Jumlah uang beredar per GDP empat periode sebelumnya Inf : Inflasi
GDP : Pertumbuhan GDP per kapita e : Error
3.6.6 Melakukan Regresi awal
Langkah pertama yang dilakukan adalah melakukan regresi awal pada data.
3.6.7 Melakukan uji Assumptions of Classical Linear Regression Models (CLRM)
Uji Assumptions of Classical Linear Regression Models (CLRM) adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda.
Empat jenis uji Assumptions of Classical Linear Regression Models yang seringkali digunakan dalam sebuah penelitian, yaitu: uji normalitas, uji autokorelasi, uji multikolinieritas, dan uji heteroskedastisitas.
3.6.7.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel dependen dan variabel independen dalam model regresi terdistribusi normal atau tidak. Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal (Gujarati, 2004). Cara untuk mendeteksi apakah residual berdistribusi normal adalah dengan melihat nilai Jarque-Bera. Dasar pengambilan keputusan pada Uji normalitas dengan uji Jarque-Bera adalah sebagai berikut:
H0 : data berdistribusi normal.
H1 : data tidak berdistribusi normal.
Syarat penolakan dan penerimaan hipotesis : a. p-value<ɑ (5%), berarti tolak H0. b. p-value>ɑ (5%), berarti gagal tolak H0.
3.6.7.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Gejala heteroskedastisitas sering terjadi pada data cross-section karena pengamatan dilakukan pada individu yang berbeda pada saat yang sama.
Model regresi yang baik adalah yang homoskedastisitas atau tidak heteroskedastisitas.
Gejala heteroskedastisitas dapat diuji dengan menggunakan Uji Whtite (White test). Dasar pengambilan keputusan pada Uji Heterokedastisitas dengan Uji White yakni :
H0 : data bersifat homoskedastis.
H1 : data bersifat heteroskedastisitas.
Syarat penolakan dan penerimaan hipotesis : a. p-value<ɑ (5%), berarti tolak H0.
b. p-value>ɑ (5%), berarti gagal tolak H0.
Bila ternyata ditemukan adanya gejala heteroskedastisitas, maka metode yang digunakan untuk penyembuhannya adalah dengan melakukan metode Weighted Least Square, Generalized Least Square, atau White Adjustment (Lopez, 2014).
3.6.7.3 Uji Multikolineritas
Uji Multikolineritas bertujuan untuk mengetahui apakah terdapat korelasi atau hubungan kuat antara dua variabel independen atau lebih dalam model regresi.
Model regresi yang baik adalah model regresi yang tidak terdapat multikolineritas antar variabel independenya (Ghozali, 2011). Dasar pengambilan keputusan pada Uji multikolineritas adalah sebagai berikut:
H0 : data tidak terdapat multikolinearitas H1 : data terdapat multikolinearitas Kriteria pengujian:
a. VIF ≥10 , berarti tolak H0.
b. VIF< 10 , berarti gagal tolak H0.
Jika pada data terindikasi adanya multikolinearitas antar variabel independen, maka ada beberapa hal yang dapat dilakukan (Lopez, 2014), yaitu:
a. Menambahkan jumlah sampel atau mentransformasi variabel b. Menghapus variabel dengan penyesuaian statistik dan ekonomi.
c. Mengganti variabel penjelas dengan komponen utamanya yang paling
d. Menggunakan differences model.
e. Menggunakan regression in chain.
3.6.7.4 Uji Autokorelasi
Uji autokolerasi bertujuan untuk megnuji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi (Ghozali, 2001).
Pengujian ini dilakukan dengan menggunakan uji Durbin-Watson (DW test). Pengujian ini dilakukan dengan menggunakan uji Durbin-Watson (DW test) dengan bentuk keputusan sebagai berikut (Gujarati, 2004):
Gambar 3.1 Kriteria Uji Durbin Watson Sumber: Gujarati (2004)
Dari uji didapatkan hipotesis sebagai berikut:
H0 : data tidak mengalami autokorelasi.
H1 : data mengalami autokorelasi Derajat signifikansi = 5%
Keputusan gagal tolak/tolak:
Gagal total H0 bila p value > 5%
Tolak H0 bila p value < 5%
Bila ditemukan adanya indikasi autokorelasi dalam data yang ada, maka metode penyembuhan yang akan digunakan adalah metode HAC (Heteroscedasticity and Autocorrelation-consistent) standart errors atau yang biasa disebut Newey-West
standard errors (Gujarati, 2004). Selain itu dapat juga mneggunakan metode Cochrane-Orcutt, Generalized Least Squares, Prais-Winsten atau estimation of Durbin (Lopez, 2014).
3.6.8 Uji Hipotesis
Hasil regresi yang akan dipilih adalah hasil regresi yang telah memenuhi uji Assumptions of Classical Linear Regression Models.
3.6.8.1 Uji Statistik F
Uji F berfungsi untuk menguji koefisien regresi secara bersama dari variabel variabel bebasnya.
Hipotesa statistik:
1. H0 : β1, β2, β3, β4 = 0, berarti secara bersama-sama, variabel perkembangan sektor keuangan, inflasi, dan pertumbuhan ekonomi tidak berpengaruh signifikan terhadap jumlah masyarakat miskin di Indonesia periode 2003-2015.
2. H1 : β1, β2, β3, β4 ≠ 0, berarti secara bersama-sama, variabel perkembangan sektor keuangan, inflasi dan pertumbuhan ekonomi berpengaruh signifikan terhadap jumlah masyarakat miskin di Indonesia periode 2003-2015.
Kriteria yang harus dipenuhi adalah:
a. p-value < 0.05, maka tolak H0. b. p-value ≥ 0.05, maka gagal tolak H0.
3.6.8.2 Uji Statistik t
Uji t berfungsi untuk menguji koefisien regresi secara parsial dari variabel bebasnya.
Hipotesa statistik:
1. H0 : β1 = 0, berarti variabel perkembangan sektor keuangan diukur dengan kredit kepada sektor swasta tidak berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003-2015.
H1: β1 ≠ 0, berarti variabel perkembangan sektor keuangan diukur dengan kredit kepada sektor swasta berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003-2015.
2. H0 : β2 = 0, berarti variabel perkembangan sektor keuangan diukur dengan jumlah uang beredar tidak berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003- 2015.
H1 : β2 ≠ 0, berarti variabel perkembangan sektor keuangan diukur dengan jumlah uang beredar berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003-2015.
3. H0 : β3 = 0, berarti variable inflasi tidak berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003-2015.
H1 : β3 ≠ 0, berarti variabel inflasi berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003-2015.
4. H0 : β4 = 0, berarti variabel pertumbuhan ekonomi tidak berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003- 2015.
H1 : β4 ≠ 0, berarti variabel pertumbuhan ekonomi berpengaruh signifikan terhadap proporsi masyarakat miskin di Indonesia periode 2003-2015.
Kriteria yang harus dipenuhi adalah:
a. p-value < 0.05, maka tolak H0. b. p-value ≥ 0.05, maka gagal tolak H0.
3.6.8.3 Koefisien Determinasi (R2)
Untuk melihat kontribusi variabel bebas terhadap variabel terikat secara bersama-sama dapat dilihat dari koefisien determinasi. Koefisien determinasi (R2) bertujuan untuk mengetahui bagaimana variabel bebas menjelaskan variabel terikat.
Nilai dari R2 adalah antara 0 ≤ 1; semakin mendekati 1 maka semakin kuat kekuatan untuk menjelaskan perubahan variabel bebas terhadap variabel terikat.
