37 A. Objek Penelitian
Penelitian ini merupakan jenis penelitian kuantitatif karena mengggunakan data berupa angka-angka, mulai dari pengumpulan data, penafsiran terhadap data, serta penyajian dari hasil penelitian juga berupa angka. Selain itu berdasarkan pendekatanya, penelitian ini merupakan penelitian asosistif. Penelitian asosiatif merupakan penelitian yang mencari hubungan atau pengaruh antara dua variabel atau lebih.
B. Jenis Penelitian
Jenis penelitian yang digunakan yaitu penelitian deskriptif kuantitatif.
Penelitian kuantitatif yaitu pendekatan-pendekatan yang digunakan pada kajian empiris untuk mengumpulkan, menganalisa, dan menampilkan data dalam bentuk numerik (Kuncoro, 2001).
C. Definisi Operasional Variabel Penelitian
Variabel penelitian merupakan suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Variabel dalam penelitian ini adalah sebagai berikut:
Variabel terikat merupakan variabel yang dipengaruhi atau menjadi akibat dari adanya variabel bebas. Variabel terikat dalam penelitian ini adalah Pertumbuhan Ekonomi. Pertumbuhan Ekonomi (Pertumbuhan) merupakan peningkatan output rill suatu perekonomian yang diukur dengan laju pertumbuhan PDRB dalam persen.
Variabel bebas yaitu variabel yang menjadi penyebab perubahan dari variabel independent. Variabel bebas dalam penelitian ini :
a. Belanja Modal : suatu pengeluaran yang dilakukan pemerintah untu menambah aset tetap atau investasi yang ada sehingga kan memberika manfaatnya tersendiri pada periode tertentu. Dalam hal tersebut masu ke dalam pembukuan akuntansi dengan kata lain belanja modal akan mempengaruhi posisi keuangan. Diukur dalam satuan juta rupiah.
b. Angkatan Kerja : penduduk usia kerja (15 tahun dan lebih) yang bekerja atau punya pekerjaan namun sementara tidak bekerja dan pengangguran Diukur dalam satuan jiwa.
c. Pengeluaran Per Kapita : biaya yang dikeluarkan untuk konsumsi semua anggota rumah tangga selama sebulan dibagi dengan banyaknya anggota rumah tangga. Diukur dalam satuan ribu rupiah. Pengeluaran per kapita merupakan jumlah yang dikeluarkan secara tunai oleh pemerintah daerah baik secara rutin yang kemudian dinamakan sebagai belanja rutin maupun belanja modal Gatot (2013).
D. Jenis dan Sumber Data
1. Jenis Data
Pada penelitian ini, jenis data yang digunakan adalah jenis data sekunder.
Data sekunder adalah data yang diterbitkan atau digunakan pihak lain yang sudah terpercaya (Suharyadi & Purwanto, 2013). Datanya berupa belanja modal, angkatan kerja, pengeluaran per kapita dan pertumbuhan ekonomi. Menurut sifatnya data yang digunakan pada penelitian ini merupakan data panel (pooled data), yaitu penggabungan antara data cross-section dan data time series. Data cross-section yang digunakan adalah 38 kabupaten/kota di Provinsi Jawa Timur sedangkan data time series menggunakan data tahunan mulai dari tahun 2011-2015.
2. Sumber Data
Data pada penelitian di peroleh dari website resmi Badan Pusat Statistik (BPS) Indonesia dan BPS Provinsi Jawa Timur yaitu www.bps.go.id dan jatim.bps.go.id. Selain itu, pada penelitian juga mendapatkan data Anggaran Pendapatan dan Belanja Daerah (APBD) menurut fungsi yang diterbitkan oleh Direktorat Jendral Perimbangan Keuangan (DJPK). Sementara periode data yang digunakan pada penelitian ini adalah dari tahun 2011-2015.
E. Teknik Pengumpulan Data
Metode yang dipakai dalam pengumpulan data pada penelitian ini adalah melalui studi pustaka. Studi pustaka merupakan teknik untuk mendapatkan informasi
melalui catatan, literatur, dokumentasi dan lain-lain yang masih relevan dengan penelitian ini. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dalam bentuk sudah tersedia dari Direktorat Jendral Perimbangan Keuangan dan Badan Pusat Statistik. Data yang diperoleh adalah data dalam bentuk data panel yaitu gabungan antara time series dan cross-section untuk masing-masing variabel.
F. Teknik Analisis Data
1. Analisis Deskriptif
Teknik deskriptif yang dimaksud disini ialah dengan menginterpretasi pengaruh masing-masing variabel bebas (independent variable) terhadap variabel terikat (dependent variable) yaitu tingkat kemikinan di Provinsi Jawa Timur.
2. Analisis Kuantitatif
a. Model Regresi Data Panel
Sifat data dari penelitian ini adalah data panel. Data panel adalah data yang mempunyai dua dimensi yaitu inidividu (cross-section) dan waktu (time series), dimana pada penelitian ini menggunakan data cross-section sebanyak 38 Kabupaten/Kota pada Provinsi Jawa Timur dan time series pada penelitian ini adalah sebanyak 5 (lima) tahun dimulai dari tahun 2011-2015.
Bentuk persamaan model pada regresi linier berganda data panel pada penelitian ini dapat ditulis dengan bentuk persamaan sebagai berikut:
𝑌𝑖𝑡 = 𝛽0+ 𝛽1𝑋1𝑖𝑡+ 𝛽2𝑋2𝑖𝑡+ 𝛽3𝑋3𝑖𝑡+ 𝑒𝑖𝑡 Dimana:
𝑌𝑖𝑡 = Pertumbuhan Ekonomi 𝛽0 = Konstanta
𝛽1 = Koefisien regresi dari Belanja Modal 𝛽2 = Koefisien dari jumlah Angkatan kerja 𝛽1 = Koefisien dari Pengeluaran Per kapita 𝑋1𝑖𝑡 = Belanja Modal
𝑋2𝑖𝑡 = Jumlah Angkatan kerja 𝑋3𝑖𝑡 = Pengeluaran Per Kapita 𝑒𝑖𝑡 = Standar eror
b. Uji Model Data Panel
Menurut Gujarati (2013) Ada tiga pilihan model yang bisa digunakan dalam regresi data panel yaitu model Common Effect, Fixed Effect dan Random Effect.
1) Common Effect Model/Ordinary Least Square Pooled (CE)
Menurut (Effendi & Setiawan, 2014:115) secara sederhana model common effect diartikan sebagai gabungan antara data individu (cross-section) data runtut waktu (time series). Pada model ini memiliki kemampuan dalam menjelaskan suatu
individu berperilaku berbeda dengan individu lainnya dan juga sekaligus mengetahui bagaimana perbedaan dari pola perubahan variabel antar waktu. Model dari common effect adalah:
𝑌𝑖𝑡 = 𝛽0+ 𝛽1𝑋1𝑖𝑡+ 𝛽2𝑋2𝑖𝑡 + ⋯ + 𝛽𝑛𝐿𝑜𝑔𝑋𝑛𝑖𝑡+ 𝑢𝑖𝑡 2) Fix Effect Model (FE)
Pendekatan model fix effect memperhitungkan kemungkinan bahwa peneliti menghadapi masalah omitted variables, yang mungkin membawa perubahan pada intercept time series atau cross-section. Berikut adalah model FE dengan
menambahkan variabel dummy untuk mengizinkan adanya perubahan intercept:
𝑌𝑖𝑡 = 𝛼1 + 𝛼2𝐷2𝑖+ ⋯ + 𝛼𝑛𝐷𝑛𝑖+ 𝛽2𝑋2𝑖𝑡 + ⋯ + 𝛽𝑛𝑋𝑛𝑖𝑡+ 𝑢𝑖𝑡 3) Random Effect Model (RE)
Pendekatan model random effect memperbaiki efisiensi proses least square dengan memperhitungkan error dari data cross-section dan time series. Model RE adalah variasi dari Generalized Least Square (GLS):
𝑌𝑖𝑡 = 𝛽0+ 𝛽1𝑋1𝑖𝑡+ 𝛽2𝑋2𝑖𝑡+ ⋯ + 𝛽𝑛𝐿𝑜𝑔𝑋𝑛𝑖𝑡 + 𝑤𝑖𝑡
Dimana 𝑤𝑖𝑡 = 𝑢𝑖𝑡 + 𝜀𝑖𝑡 yaitu error term gabungan 𝑤𝑖𝑡 terdiri atas dua komponen: 𝑢𝑖𝑡 yaitu komponen error gabungan time series dan cross-section dan 𝜀𝑖𝑡 yaitu komponen error cross-section atau spesifik individual.
c. Pemilihan Model Terbaik
Untuk menetukan yang paling tepat terhadap ketiga model yaitu CE, FE, dan RE maka harus ditentukan dengan Uji Chow, Uji Lagrange Multiplier (LM), dan Uji Hausman.
1) Uji Chow
Uji chow dilakukan untuk memilih diantara model common effect dan fixed effect. Hipotesis dalam pengujian ini adalah:
𝐻0 = Model Common Effect 𝐻1 = Model Fixed Effect
Pengambilan keputusan dalam pengujian ini yaitu nilai probabilitas F dalam FE < α (5%) maka H0 di tolak sehingga model common effect kurang tepat untuk digunakan.
2) Uji Breusch Pagan Lagrange Multiplier (LM)
Pengujian ini dilakukan untuk memilih model antara model common effect dengan model random effect. Hipotesis pengujian adalah:
𝐻0 = Model Common Effect 𝐻1 = Model Random Effect
Dimana Pengambilan keputusan pada uji ini adalah jika probabilitas dari Breusch Pagan< α (5%) maka H0 ditolak sehingga model yang dirasa tepat adalah random effect.
3) Uji Hausman
Uji hausman adalah pengujian sebagai dasar pertimbangan dalam memilih model yang cocok antara model fixed effect dan random effect. Hipotesis dalam pengujian adalah:
𝐻0 = Model Random Effect 𝐻1 = Model Fixed Effect
Pengambilan keputusn dalam uji adalah jika nilai probabilitas chi-square hitung < chi-square tabel dan nilai p-value signifikan maka H0 di tolak dan model fixed effect lebih tepat digunakan.
d. Uji Hipotesis 1) Uji Simultan (Uji F)
Untuk menguji hipotesis secara simultan, alat uji yang dipergunakan adalah koefisien korelasi (r) dan koefisien determinasi (𝑅2). Koefisien korelasi dan koefisien determinasi merupakan uji yang digunakan untuk mengetahui keeratan pengaruh antara variabel bebas (X) dengan variabel terikat (Y). Untuk mengetahui apakah variabel bebas secara serentak atau bersama-sama mempengaruhi variabel terikat.
𝐹 ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑅2 𝑘
(1 − 𝑅2)/(𝑛 − 𝑘 − 1) Dimana:
𝑅2 : Koefisien Determinasi
𝑘 : Jumlah variabel yang digunakan 𝑛 : Jumlah sampel
Rumusan hipotesa:
𝐻0 : 𝑏1 = 𝑏2 = 0, artinya tidak terdapat pengaruh yang serentak antara semua variabel bebas terhadap variabel terikat.
𝐻0 : 𝑏1 ≠ 𝑏2 ≠ 0, artinya terdapat pengaruh secara serentak antara semua variabel bebas terhadap variabel terikat.
Adapun kriteria penilainnya adalah sebagai berikut:
• 𝐻0 diterima bila F hitung < F tabel atau tidak signifikan.
• 𝐻0 ditolak bila F hitung > F tabel atau signifikan.
2) Uji Parsial (Uji t)
Untuk menguji hipotesis secara parsial, merupakan uji yang digunakan untuk mengetahui dan mengukur variable bebas (X) mana yang mempunyai keterikatan pengaruh yang paling kuat dan lemah terhadap variabel terikat (Y).
𝑡ℎ𝑖𝑡𝑢𝑛𝑔= 𝑏𝑖 𝑠𝑏𝑖
Dimana:
𝑏𝑖 : Koefisien regresi 𝑠𝑏𝑖 : Standar deviasi
Besarnya α yang digunakan dalam penelitian ini adalah sebesar 5%
sedangkan hipotesismya adalah sebagai berikut:
𝐻0 : 𝑏1 = 𝑏2 = 0, artinya tidak terdapat pengaruh yang signifikan antara semua variabel bebas terhadap variabel terikat.
𝐻0 : 𝑏1 ≠ 𝑏2 ≠ 0, artinya terdapat pengaruh secara signifikan antara semua variabel bebas terhadap variabel terikat.
Adapun kriteria penilaiannya adalah :
• 𝐻0 diterima jika t hitung < t table atau tidak signifikan.
• 𝐻0 ditolak jika t hitung > t table atau signifikan.
3) Uji Koefisien Determinasi (𝑅2)
Koefisien determinasi merupakan ukuran ringkasan yang menginformasikan seberapa baik sebuah regresi sampel sesuai dengan datanya. Nilai 𝑅2 menunjukkan besarnya variabel-variabel independent dalam mempengaruhi variabel dependent.
Nilai 𝑅2 berkisar (0≤ 𝑅2 ≤ 1). Semakin besar 𝑅2 maka semakin besar variasi variabel dependent yang dapat dijelaskan oleh variasi variabel-variabel independent.
Sebaliknya, semakin kecil nilai 𝑅2, maka semakin kecil variasi variabel dependent yang dapat dijelaskan oleh variasi variabel independent.