BAB III
METODE PENELITIAN A. Lokasi Penelitian
Lokasi penelitian ini yaitu pada Kabupaten di Pulau Madura.
Menurut pembagian wilayah, Pulau Madura terdiri dari 4 Kabupaten yaitu Kabupaten Bangkalan, Kabupaten Sampang, Kabupaten Pamekasan dan Kabupaten Sumenep.
B. Jenis Penelitian
Jenis penelitian ini merupakan penelitian kuantitatif. Metode penelitian kuantitatif dapat diartikan sebagai metode penelitian yang digunakan untuk meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif atau statistik dengan tujuan hipotesis yang telah ditetapkan Sugiyono (2012). Dalam penelitian ini penulis menggunakan penelitian kuantitatif yang digunakan untuk mengukur pengaruh variabel bebas terhadap variabel terikat sehingga lebih mudah dipahami secara statistik.
C. Populasi dan Sampel 1. Populasi
Populasi dalam penelitian ini adalah Pemerintah Daerah Kabupaten di wilayah Pulau Madura yang terdiri dari 4 Kabupaten yaitu Kabupaten Bangkalan, Kabupaten Sampang, Kabupaten Pamekasan dan Kabupaten Sumenep.
2. Sampel
Teknik pengambilan sampel dalam penelitian menggunakan teknik sensus di mana semua populasi Kabupaten di Pulau Madura yang terdiri dari 4 Kabupaten di jadikan sebagai sampel
D. Definisi Operasional Variabel
Penelitian ini melibatkan 4 variabel yang terdiri dari satu variabel terikat yaitu Indeks Pembangunan Manusia dan tiga variabel bebas yang terdiri dari Pengeluaran Pemerintah Bidang Kesehatan, Pendidikan, dan PDRB. Ketiga variabel bebas tersebut akan mempengaruhi variabel terikat. Adapun batasan operasional dan karateristik dari kelima variabel tersebut adalah:
1. Variabel Terikat (Dependent Variabel) (Y)
Variabel terikat Indeks Pembangunan Manusia (Y) di Pulau Madura tahun 2014-2020.
Indeks Pembangunan Manusia (IPM) adalah suatu ukuran yang dapat digunakan dalam mengukur kesejahteraan masyarakat dimana dapat dilihat dari beberapa komponen diantaranya yaitu terdiri dari kesehatan, pendidikan dan standar hidup. Indeks Pembangunan Manusia adalah salah satu alat ukur yang digunakan untuk mengetahui tingkat keberhasilan pembangunan dan kesejahteraan masyarakat di suatu daerah.
Badan Pusat Statistik mengelompokkan capaian IPM menjadi empat kategori, yaitu: kategori sangat tinggi dengan
nilai IPM ≥ 80, kategori tinggi dengan nilai 70 ≤ IPM < 80, kategori sedang dengan nilai 60 ≤ IPM < 70, dan kategori rendah dengan nilai IPM < 60 (Badan Pusat Statistik, 2020).
2. Variabel Bebas (Independent Variabel) (X)
a. Pengeluaran Pemerintah Bidang Kesehatan (X1) di Pulau Madura tahun 2014-2020.
Menurut Sadono (2009) Pengeluaran pemerintah yaitu bagian dari kebijakan fiskal, yang merupakan suatu tindakan pemerintah untuk mengatur jalannya perekonomian dengan cara menentukan besarnya penerimaan dan pengeluaran pemerintah setiap tahunnya, yang tercermin dalam dokumen Anggaran Pendapatan Belanja Negara untuk nasional dan Anggaran Pendapatan Belanja Daerah untuk daerah atau regional. Pengeluaran pemerintah mencerminkan kebijakan pemerintah.
Undang-undang di Indonesia yang mengatur mengenai anggaran kesehatan adalah UU No. 36 tahun 2009 yang menyebutkan bahwa besar anggaran kesehatan pemerintah pusat dialokasikan minimal 5 persen dari APBN di luar gaji, sementara besar anggaran kesehatan pemerintah daerah provinsi dan Kabupaten/Kota dialokasikan minimal 10 persen dari APBD di luar gaji.
b. Pengeluaran Pemerintah Bidang Pendidikan (X2) di Pulau Madura tahun 2014-2020.
Menurut Todaro (2008:434) dalam Safitri, (2016) pendidikan merupakan dasar dari pembangunan. Maka dari itu investasi dalam bidang pendidikan perlu dilakukan agar bisa membangun sarana dan prasarana serta system pendidikan yang lebih baik lagi. Investasi agar produktivitas masyarakat meningkat yaitu dengan pemerintah mengalokasikan anggaran pengeluaran terhadap pendidikan. Pengeluaran tersebut dapat digunakan untuk penyediaan insfrastruktur pendidikan dan pelayanan pendidikan seluruh masyarakat secara merata.
Dalam Undang-Undang No. 20 tahun 2003 menyatakan bahwa anggaran pendidikan dialokasikan minimal 20 persen dari APBN diluar gaji dan 20 persen dari APBD untuk daerah. Hal ini dilakukan negara untuk meningkatkan sumber daya manusia.
c. PDRB (X3) di Pulau Madura tahun 2014-2020.
Perekonomian akan tumbuh dan berkembang jika bertambahnya jumlah penduduk atau populasi penduduk yang mendorong peningkatan spesialisasi yang akan berpengaruh terhadap produktivitas tenaga kerja dan perkembangan teknologi. Faktor-faktor inilah yang akan meningkatkan pertumbuhan ekonomi.
E. Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis data panel. Data panel merupakan kombinasi antara data runtu waktu (time series) dan silang tempat (cross section). Kelebihan menggunakan data panel yaitu data lebih besar dan lebih variasi. Mampu mengontrol heterogenitas individu serta mengurangi kolinearitas antar variable (Gujarati, 2013). Analisis dalam penelitian ini dikerjakan menggunakan aplikasi Eviews 9 dan Microscoft Excel. Model regresi data panel ditunjukkan dengan persamaan sebagai berikut :
Berikut mrupakan rumus regresi data panel :
IPMit = β0 + β1 KSHTNit + β2 PNDDKN it + β3 PDRB it + eit
Keterangan :
IPMit = Indeks Pembangunan Manusia
KSHTNit = Pengeluaran Pemerintah Bidang Kesehatan PNDDKNit =Pengeluaran Pemerintah Bidang Pendidikan PDRBit = Produk Domestik Regional Bruto
β0 = Konstan
β1- β3 = Parameter variabel indipendent t = Data time series 2014-2019
i = Data Cross section Kabupaten/Kota e = Tingkat Kesalahan Pengganggu
F. Pemilihan Model Estimasi Data Panel
Adapun jenis estimasi pada data panel ini adalah Common Effect Model, Pendekatan Fixed Effect Model, dan pendekatan Random Effect Model.
1. Common Effect Model (CEM)
Common Effect Model ini merupakan pendekatan yang sangat sederhana karena model pendekatan ini tidak memperhatikan dimensi setiap individu dan waktu. Common Effect Model ialah metode yang menggabungkan seluruh data time series dan data cross section. Adapun model persaman Common Effect Model adalah :
IPMit = β0 + β1 KSHTNit + β2 PNDDKN it + β3 PDRB it + eit.... (1) 2. Fixed Effect Model (FEM)
Fixed Effect Model (FEM) adalah efek tetap karena tiap-tiap individu dalam model memiliki intersep yang tidak berubah sepanjang waktu meskipun intersep antar individu berbeda.
Adapun model persamaan Fixxed Effect Model (FEM) sebagai berikut :
IPMit = β0 + β1 KSHTNit + β2 PNDDKN it + β3 PDRB it + µit ...(2) Dimana Fixxed Effect Model (FEM) juga menambahkan dummy variables yang diizinkan untuk terjadinya perubahan interpect.
3. Random Effect Model (REM)
Random Effect Model (REM) bertujuan agar dapat memperbaiki efisiensi proses Least Square dengan cara meghitung error dari data cross section dan time series.Adapun Random Effect Model (REM) adalah sebagai berikut :
IPMit = β0 + β1 KSHTNit + β2 PNDDKN it + β3 PDRB it + µit...(3) G. Pemilihan Model Terbaik
Pemilihan modal terbaik pada panalitian ini adalah antara common effect, fixed effect dan random effect merupakan alat penguji. Adapun alat penguji yang digunakan pada penelitian ini adalah:
1. Uji Chow
Pengujian ini pada dasarnya mengikuti distribusi F- statistik. Uji Chow dilakukan untuk menentukan model regresi Common Effect (CEM) atau Fixed Effect Model (FEM) yang akan digunakan dan dipilih dalam mengestimasi data panel.
Hipotesa Pengujian sebagai berikut : H0 : Model Common Effect (CEM) H1 : Model Fixed Effect (FEM)
Adapun pengambilan keputusan pada penelitian ini ketika nilai probabilitas Chi-Square <α 0,05 maka H0 ditolak, H1 diterima.
2. Uji Hausman
Uji Hausman digunakan untuk menentukan apakah model regresi Fixed Effect Model atau Random Effect Model yang paling tepat dalam mengestimasi data panel. Nilai statistik uji hausman ini mengikuti distribusi statistik Chi-square dengan derajat bebas. Pengujian ini dilakukan menggunakan hipotesa sebagai berikut :
H0 : Model Random Effect (REM) H1 : Model Fixed Effect (FEM)
Adapun ketentuan pengambilan keputusannya adalah apabila nilai probabilitas Cross-section <α 0,05 maka H0 ditolak, H1 diterima.
3. Uji Lagrange Multiplier (LM)
Uji Lag Uji Langrange Multiplier Test digunakan untuk menentukan apakah model regresi Common Effect Model atau Random Effect Model yang paling tepat dalam mengestimasi data panel. Pengujian ini dilakukan menggunakan hipotesa sebagai berikut:
H0 : Model Common Effect (CEM) H1 : Model Random Effect (REM)
Adapun ketentuan apabila probabilitas Breusch pagan <α 0,05 maka H0 ditolak dan H1 diterima.
H. Uji Asumsi Klasik
Setelah dilakukan pemilihan model regresi data panel selanjutnya dilakukan uji asumsi klasik yang pada penelitian ini digunakan pengujian asumsi klasik sebagai berikut:
1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu persebaran data berdistribusi normal atau tidak. Jika hasil yang diperoleh lebih kecil dari α = 0,05 maka diputuskan untuk menolak H0. Dengan demikian data dinyatakan tidak berdistribusi normal.
H0 : data berdistribusi normal H1 : data tidak berdistribusi normal Kriteria Pengujian:
H0 ditolak jika nilai probabilitas jarque bera < ɑ =0.05, H1 diterima
H0 diterima jika nilai probabilitas jarque bera > ɑ =0.05, H1 ditolak.
2. Uji Multikolinearitas
Multikolinearitas adalah situasi dimana terdapat korelasi (hubungan) antar variabel independen. Untuk mengetahui ada tidaknya multikolinearitas dengan cara melihat hasil dari korelasi antar variabel. Jika nilai korelasi antar variabel lebih kecil dari 0.9, maka tidak terdapat multikolinearitas di dalam data. Selain melihat korelasi antar variabel, untuk mengetahui adanya multikolinieritas dapat membandingkan nilai koefisien regresi (R2) auxiliary dan
hitung dengan nilai Variance Inflation Factors (VIF). VIF dihitung berdasarkan nilai koefisien determinasi regresi auxiliary (R2) dengan rumus VIF = (1/1-R2) Wahyudi (2016).
3. Uji Heteroskedastisitas
Heteroskedastisitas adalah situasi dimana varians gangguan atau error pada model regresi memiliki sifat tidak konstan. Untuk mengetahui ada tidaknya masalah heteroskesdatisitas pada data panel dapat dideteksi dengan beberapa uji seperti uji Breusch-Pagan, Uji Park dan Uji Glejser.
H0 : Tidak terdapat heteroskesdastisitas H1 : Terdapat heteroskesdastisitas Kriteria Pengujian:
H0 ditolak jika nilai Probabilitas < 0.05, H1 diterima H0 diterima jika nilai Probabilitas > 0.05, H1 ditolak.
I. Uji Hipotesis 1. Uji F (Simultan)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat. Uji F atau disebut juga uji signifikasi simultan bersfungsi untuk melihat besarnya pengaruh dan tingkat signifikan antar variabel independen. Tingkat kepercayaan yang digunakan adalah 95 % atau taraf signifikasi 5 % ( ɑ = 0,05).
H0 : β1, β2 = 0 : Variabel Pengeluaran Pemerintah Bidang Kesehatan, Pendidikan, dan PDRB secara simultan tidak mempengaruhi Indeks Pembangunan Manusia.
H1 : β1, β2 ≠ 0 : Variabel Pengeluaran Pemerintah Bidang Kesehatan, Pendidikan, dan PDRB secara simultan mempengaruhi Indeks Pembangunan Manusia.
2. Uji t (Parsial)
Uji statistik t pada dasarnya merupakan pengujian secara parsial seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen.
Tingkat kepercayaan yang digunakan adalah 95 % atau taraf signifikasi 5 % (ɑ = 0,05).
Hipotesis Pengeluaran Pemerintah Bidang Kesehatan (X1) H0 : β1= 0 Pengeluaran Pemerintah Bidang Kesehatan Tidak berpengaruh Signifikan Terhadap Indeks Pembangunan Manusia.
H1 : β1 ≠ 0 Pengeluaran Pemerintah Bidang Kesehatan berpengaruh Signifikan Terhadap Indeks Pembangunan Manusia.
Hipotesis Pengeluaran Pemerintah Bidang Pendidikan (X2) H0 : β2= 0 Pengeluaran Pemerintah Bidang Pendidikan Tidak berpengaruh Signifikan Terhadap Indeks Pembangunan Manusia.
H2 : β2 ≠ 0 Pengeluaran Pemerintah Bidang Pendidikan berpengaruh Signifikan Terhadap Indeks Pembangunan Manusia.
Hipotesis PDRB (X3)
H0 : β3 = 0 PDRB Tidak Berpengaruh Signifikan Terhadap Indeks Pembangunan Manusia.
H3 : β3 ≠ 0 PDRB Berpengaruh Signifikan Terhadap Indeks Pembangunan Manusia.
Kriteria Pengujian:
H0 ditolak apabila nilai Probabilitas t-statistic < α=0.05, H1 diterima.
H0 diterima apabila nilai Probabilitas t-statistic > α=0.05, H1 ditolak.
3. Koefisien Determinasi (R2)
Uji Koefisien determinasi (Uji R2) pada umunya dibagi menjadi dua macam uji yaitu dengan melihat nilai koefisien R – squared dan nilai koefisien Adjusted R-squared. Nilai koefisien determinasi R- Square ini dapat berguna dalam memprediski dan melihat seberapa besar kontribusi pengaruh yang diberikan variabal bebas (X) mampu menjelaskan terhadap variabel terikat (Y). Nilai koefisien determinasi R2 yang kecil menandakan bahwa variasi variabel dependen. Sedangkan nilai koefisien determinasi R2 yang mendekati 1 (satu) berarti variabel
independen dapat memberikan semua informasi untuk menerangkan variabel dependen.
