BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan adalah penelitian kuantitatif. Penelitian kuantitatif. Penelitian Kuantitatif adalah penelitian ilmiah yang berlangsung sistematis dimana penelitian yang dilakukakan mencakup segala hal yang berhubungan dengan objek penelitian, fenomena serta korelasi yang ada diantaranya.
Jenis pendekatan dalam penelitian ini adalah pendekatan empiris. Pendekatan empiris adalah usaha mendekati masalah yang di teliti dengan sifat hukum yang nyata atau sesuai dengan kenyataan hidup yang di alami masyarakat.
3.2 Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Kabupaten/Kota Provinsi Riau melalui Badan Pusat Statistik (BPS) Provinsi Riau. Penelitian ini akan dimulai pada bulan Maret 2019 - Desember 2019.
3.3 Jenis dan Sumber Data
Penelitian ini menggunakan jenis data sekunder. Data yang digunakan adalah data 12 Kabupaten/Kota di Provinsi Riau yaitu Kuantan Singingi, Indragiri Hulu, Indragiri Hilir, Pelalawan, Siak, Kampar, Rokan Hulu, Bengkalis, Rokan Hilir, Kepulauan Meranti, Pekanbaru, dan Dumai dari tahun 2013 sampai dengan tahun 2017. Dalam penelitian ini juga menggunakan data mengenai Pendapatan Asli Daerah (PAD), Pengeluaran Pemerintah atas Belanja Modal, Pengeluaran peemerintah atas Belanja Bantuan Keuangan, dan Pertumbuhan Ekonomi (PDRB Harga Konstan 2010) Kabupaten/Kota di Proinsi Riau. sumber data diambil dari situs Web Badan Pusat Statistik (BPS) Propinsi Riau.
3.4 Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan dalam penelitian ini adalah dengan teknik perpustakaan seperti jurnal, Buku, laporan penelitian, terutama data-data yang diterbitkan oleh BPS Provinsi Riau dan lain-lainmya.
21
3.5 Variabel Penelitian
Dalam penelitian ini, peneliti menggunakan dua variabel yaitu variabel dependen dan variabel independen.
a. Variabel Dependen (Variabel Terikat)
Variabel Dependen adalah variabel yang dipengaruhi karena adanya variabel independen. Variabel Dependent yang digunakan dalam penelitian ini adalah Pertumbuhan Ekonomi (Y)
b. Variabel Independen (Variabel Bebas)
Variabel Independen adalah variabel yang mempengaruhi, yang menyebabkan timbulnya atau berubahnya variabel dependen. Variabel independen yang digunakan dalam penelitian ini adalah pendapatan asli daerah (X1), pengeluaran pemerintah daerah atas belanja modal (X2), dan pengeluaran pemerintah daerah atas belanja bantuan keuangan (X3).
3.6 Definisi Operasional Variabel
Variabel yang akan digunakan dalam penelitian ini yaitu semua variabel yang terikat dalam rumusan masalah. Untuk menghindari kesalah pahaman terhadap variabel yang akan di analisis, maka berikut ini batasan variabel berikut :
a. Pendapatan Asli Daerah (PAD)
Merupakan sumber penerimaan daerah asli yang digali di daerah untuk digunakan sebagai modal dasar pembangunan yang ada di Kabupaten/Kota Provinsi Riau tahun 2013-2017 yang diukur dalam satuan juta rupiah.
b. Pengeluaran Pemerintah Daerah atas Belanja Modal
Merupakan pengeluaran anggaran dari aset tetap dan aset lainya yang memberikan manfaat lebih dari satu periode pada daerah Kabupaten/Kota yang ada di provinsi Riau tahun 2013- 2017 yang diukur dalam satuan juta rupiah.
c. Pengeluaran Pemerintah Daerah atas Belanja Bantuan Keuangan
Merupakan pengeluaran pemerintah provinsi Riau kepada pemerintah Kabupaten/Kota yang bersifat umum maupun khusus tahun 2013-2017 yang diukur dalam satuan Juta Rupiah
22
d. Pertumbuhan Ekonomi
Total nilai produksi barang dan jasa yang diproduksi di suatu wilayah dalam waktu tertentu (satu tahun). Dalam penelitian ini mencangkup PDRB atas dasar harga konstan di Kabupaten/Kota di Provinsi Riau tahun 2013-2017 yang diukur dalam satuan persen.
3.7 Teknik Analisis Data 3.7.1. Analisis Regresi Data Panel
Penelitian ini menggunakan analisis data panel dimana data panel merupakan kombinasi antar data time series dan data cross section. Data cross section adalah data yang dikumpulkan dari waktu ke waktu terhadap banyak individu, sedangkan time series data yang dikumpulkan dari waktu ke waktu terhadap suatu individu.
Analisis regresi data panel adalah alat analisis regresi dimana data dikumpulkan secara individu (cross section) dan diikuti pada waktu tertentu. Persamaan regresi yang digunakan dalam penelitian ini adalah sebagai berikut:
Keterangan :
PE = Pertumbuhan Ekonomi PAD = Pendapatan Asli Daerah BM = Belanja Modal
BBK = Belanja Bantuan Keuangan
= Kabupaten/Kota (Cross-section)
= Time series (2013 -2016)
= Konstanta
= error term
Menurut Suliyanto (2011), penggunaan data panel dalam regresi memiliki beberapa keuntungan, diantaranya:
a) Estimasi data panel dapat menunjukan adanya heterogenitas dalam tiap individu b) Dengan data panel, data lebih informatif dan bervariasi, sehingga mengurangi
kolinieritas antar variabel dan meningkatkan derajat kebebasan (degree of freedom), serta lebih efisien.
c) Studi data panel lebih memuaskan untuk menentukan perubahan dinamis dibandingkan dengan studi berulang cross section.
d) Data panel mampu mendeteksi dan mengukur efek yang secara sederhana tidak dapat diukur oleh data time series atau cross section.
23
e) Data panel membantu menganalisis perilaku yang lebih kompleks.
f) Data panel mampu meminimalkan bias yang dihasilkan oleh agregasi individu karena unit data yang banyak.
3.7.2. Estimasi Regresi Data Panel
Teknik analisis data panel dalam penelitian ini dapat dilakukan dengan metode Pooled Least Square, fixed effect dan random effect.
3.7.2.1. Model Pooled Least Square (Common Effect)
Menurut Rosadi (2012), teknik ini merupakan teknik yang paling sederhana untuk mengestimasi parameter model data panel, yaitu dengan mengkombinasikan data cross section dan time series sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan entitas (individu). Dimana pendekatan yang sering dipakai adalah metode Ordinary Least Square (OLS). Model Commen Effect mengabaikan adanya perbedaan dimensi individu maupun waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktu.. Rumus persamaan model PLSini dapat dituliskan sebagai berikut:
Keterangan :
Yit : Variabel respon pada unit observasi ke-i dan waktu ke-t Xit : Variabel prediktor pada unit observasi ke-i dan waktu ke-t
: Koefisien slope atau koefisien arah : Intercept model regresi
: Galat atau komponen error pada unit observasi ke-i dan waktu ke-t 3.7.2.2. Model pendekatan Efek tetap (Fixed Effect)
Model ini digunakan untuk mengatasi kelemahan dari analisis data panel yang menggunakan metode common effect. Penggunaan data panel common effect tidak efektip karena akan menghasilkan intercept ataupun slope pada data panel yang tidak berubah antara individu (cross section) maupun antar waktu (time series).
Model ini juga untuk mengestimasi data panel dengan menambahkan variabel dummy. Model ini mengasumsikan bahwa terdapat efek yang berbeda antar individu.
Perbedaan ini dapat diakomodasi melalui perbedaan diintersepnya. Oleh karena itu dalam model fixed effect, setiap individu merupakan parameter yang tidak diketahui dan akan diestimasi dengan menggunakan teknik variabel dummy yang dapat dirumuskan sebagai berikut : (Silalahi, 2014).
24
Dimana :
: Variabel terikat individu ke-i pada waktu ke-i : Variabel bebas ke-j individu ke-i pada waktu ke-t : Dummy variavel
: Komponen error individu ke-i pada waktu ke-t α : Intercept
: Parameter untuk variabel ke-j
Sigma penjumlahan dimulai dari i = 2 hingga n. Variabel Dummy yang ditambahkan dimodel ini sama banyak dengan jumlah data dari cross section yang dikurangi satu untuk menghindari adanya dummy-variabel tarp (perfect collinearity).
Karena menggunakan variabel dummy untuk mengestimasi fixed effect, ma ka sering diebut juga sebagai leat-square dummy variabele model (LSDV). LSDV ini juga dapat mengakomodasi efek waktu yang bersifat sistemik. Hal ini dapat dilakukan melalui penambahan variabel dummy waktu didalam model.
3.7.2.3. Model Pendekatan Efek Acak (Random Effect)
Model data panel pendekatan ketiga yaitu model efek acak (random effect).
Dalam model efek acak, parameter-parameter yang berbeda antar daerah maupun antar waktu dimasukan ke dalam error. Karena hal inilah, model efek acak juga disebut model komponen eror (error component model). Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section. Terdapat dua komponen yang mempunyai kontribusi pada pembentukan error, yaitu individu dan waktu maka randomerror pada REM juga perlu diurai menjadi error untuk komponen individu dan error untuk komponen waktu.
Persamaan pada model REM dapat di tuliskan sebagai berikut:
...(.3.5) Dimana
: Komponen error cross-section : Komponen time series
: Komponen error gabungan.
Adapun asumsi yang digunakan untuk komponen error tersebut adalah:
25
Melihat persamaan di atas, maka dapat dinyatakan bahwa REM menganggap efek rata-rata dari data cross section dan time series direpresentasikan dalam intercept. Sedangkan deviasi efek secara random untuk data time series direpresentasikan dalam dan deviasi untuk data cross section dinyatakan dalam . Dengan demikian, MER bisa diestimasi dengan OLS bila . Jika tidak demikian, MER perlu diestimasi dengan metode lain. Adapun metode estimasi yang digunakan adalah Generalized Least Square (GLS).
3.7.3. Pemilihan Model Estimasi Regresi Data Panel 3.7.3.1. Uji Chow
Uji Chow yaitu uji yang digunakan untuk mengetahui apakah model Pooled Least Square (PLS) atau Fixed Effect Model (FEM) yang akan dipilih untuk estimasi data. Uji ini dapat dilakukan dengan uji restricted F-test atau uji Chow. Dalam pengujian ini dilakukan dengan hipotesa sebagai berikut:
Ho : Model Common Effect H1 : Model Fixed Effect
Menurutchow, jika tidak terjadi perubahan struktural di dalam persamaan regresi maka RRSS (Restricted Residual Sum Square) dan URSS (Unrestricted ResidualSum Square) seharusnya sama secara statistik. Jika nilai F diterima, sedangkan jika F hitung lebih kecil dari nilai F kritis maka tidak akan terjadi perubahan struktural. Dasar penolakan terhadap hipotesa nol tersebut adalah dengan menggunakan F-statistik seperti yang digunakan sebagai berikut:
....(3.6)
Keterangan :
RRSS : Restricted Residual Sum Square (merupakan Sum of Square Residualyang di peroleh dari estimasi data panel dengan metode pooled least square atau common intercept)
URSS : Unrestricted Residual Sum Square (merupakan Sum of SquareResidual yang diperoleh dari estimasi data panel dengan metodefixed effect) N : Jumlah data cross section
T : Jumlah data time series K : Jumlah variabel penjelas
Statistik chow mengikuti distribusi F-statistik dengan derajat bebas (N-1,NT- N-K). Jika nilai chow statistik (F-statistik) > F tabel, maka H1 diterima, maka yang terpilih adalah model fixed effect, begitu pula sebaliknya.
26
3.7.3.2. Uji Hausman
Uji ini digunakan untuk memilih model efek acak (random effect model)dengan model efek tetap (fixed effect model). Uji ini bekerja dengan mengujiapakah terdapat hubungan antara galat pada model (galat komposit) dengan satuatau lebih variabel penjelas (independen) dalam model. Hipotesis awalnya adalahtidak terdapat hubungan antara galat model dengan satu atau lebih variabelpenjelas. Hipotesis dalam uji hausman sebagai berikut :
(efek cross sectional tidak berhubungan dengan regresor lain) (efek cross sectional berhubungan dengan regresor lain) Sedangkan statistik uji yang digunakan adalah uji chi-squared berdasarkan kriteria Wald yaitu :
...(3.7) Keterangan :
: vektor estimasi slope model efek tetap : vektor estimasi slope model efek acak
Jika nilai atau nilai p-value kurang dari taraf signifikansi yang ditentukan, maka tolak hipotesis awal sehingga model yang terpilih adalah model efek tetap.
Menurut Rosadi (2011) uji ini bertujuan untuk melihat apakah terdapat efek random di dalam panel data. Dalam perhitungan statistik Uji Hausman diperlukan asumsi bahwa banyaknya kategori cross section lebih besar dibandingkan jumlah variabel independen (termasuk konstanta) dalam model. Lebih lanjut, dalam estimasi statistik Uji Hausman diperlukan estimasi variansi cross section yang positif, yang tidak selalu dapat dipenuhi oleh model. Apabila kondisi-kondisi ini tidak dipenuhi maka hanya dapat digunakan model fixed effect.
3.7.4. Uji Asumsi Klasik
Model yang baik juga harus sesuai dengan kriteria pengujian asumsi klasik, agar prediksi yang dihasilkan lebih baik. Uji asumsi klasik yang dilakukan dalam penelitian ini yaitu:
27
3.7.4.1. Uji Autokorelasi
Henke & Reitsch dalam Kuncoro, M (2007:83) dijelaskan bahwa autokorelasi adalah hubungan yang muncul karena observasi yang berurutan sepanjang waktu berkaitan dengan satu sama lain. Masalah autokorelasi biasa ditemukan jika menggunakan data time series. Uji autokorelasi yang sederhana adalah menggunakan uji Durbin Watson (DW). Autokorelasi dapat dideteksi dengan cara membandingkan antara DW statistik dengan DW tabel.
Kriteria pengujiannya adalah sebagai berikut.
1. Bila nilai DW statistik terletak antara 0 < d < dl, H0 yang menyatakan tidak ada autokorelasi positif ditolak.
2. Bila nilai DW statistik terletak antara 4 - dl < d < 4, H0* yang menyatakan tidak ada autokorelasi negatif ditolak.
3. Bila nilai DW statistik terletak antara du < d < 4 – du, H0 yang menyatakan tidak ada autokorelasi positif maupun H0* yang menyatakan tidak ada autokorelasi negatif diterima.
4. Ragu – ragu tidak ada autokolerasi positif bila nilai DW statistik terletak antara dl ≤ d ≤ du.
5. Ragu – ragu tidak ada autokolerasi negatif bila nilai DW statistik terletak antara du ≤ d ≤ 4 – dl.
Menurut Gujarati (2003:646) penggunaan metode GLS (Generalized Least Square) dapat menekan adanya autokorelasi yang biasanya terjadi pada rumus OLS (Ordinary Least Square), sebagai akibat kesalahan estimasi (underestimate) varians sehingga dengan GLS maslah autokorelasi dapat diatasi. Asumsi terjadinya autokorelasi sering dijumpai pada estimasi yang menggunakan OLS, sedangkan pada estimasi data panel yang menggunakan metode fixed effect baik bersifat LSDV maupun GLS dapat mengabaikan terjadinya autokorelasi karena di dalam metode GLS terdapat pembobotan pada variasi data.
3.7.4.2. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah 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. Model regresi yang
28
baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2016).
Model regresi yang baik adalah model yang bersifat homoskedastis. Untuk mendeteksi adanya heteroskedastis adalah dengan me-regress model dengan log residu kuadrat sebagai variabel terikat.
Ho : homoskedastis Ha : heteroskedastis
Apabila, probabilitas dari masing-masing variabel bebas lebih dari 0,05 maka terjadi penerimaan terhadap Ho. Sehingga tidak terdapat heteroskedastis pada model tersebut atau hasilnya data dalam kondisi homosedastis.
3.7.5. Uji Hipotesis 3.7.5.1. Uji t (t-statistik)
Uji t digunakan untuk menguji masing-masing variabel independen apakah variabel Pendapatan asli Daerah (X1), Pengeluaran Penerintah Daerah atas Belanja Modal(X2), daan Pengeluaran Pemerintah Daerah atas Belanja Bantuan Keuangan (X3), berpengaruh terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riaur secara parsial. Uji t menguji apakah suatu hipotesis diterima atau ditolak, dimana untuk kekuatan pada uji t adalah sebagai berikut :
a. → tidak terdapat pengaruh yang berarti dari Pendapatan Asli Daerah terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
→ terdapat pengaruh yang berarti dari Pendapatan Asli Daerah terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
b. → tidak terdapat pengaruh yang berarti dari Pengeluaran Pemerintah Daerah atas Belanja Modal terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
→ terdapat pengaruh yang berarti dari Pengeluaran Pemerintah Daerah atas Belanja Modal terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
c. → tidak terdapat pengaruh yang berarti dari Pengeluaran Pemerintah Daerah atas Belanja Bantuan Keuangan terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
29
→ terdapat pengaruh yang berarti dari Pengeluaran Pemerintah Daerah atas Belanja Bantuan Keuangan terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
Dasar pengambilan keputusan berdasarkan:
Jika t hitung < t tabel, maka H0 diterima, maka variabel independen secara parsial berpengaruh tidak signifikan terhadap variabel dependen.
Jika t hitung > t tabel, maka H0 ditolak, maka variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.
Kriteria pengujian dengan tingkat signifikansi (Σ) = 0.05
Jika probabilitas > 0,05 maka H0 diterima dan Ha ditolak Jika probabilitas < 0,05 maka H0 ditolak dan Ha diterima 3.7.5.2. Uji f (f-statistik)
Uji yang dilakukan untuk melihat apakah variabel independent secara simultan atau bersamaan berpengaruh terhadap variabel dependent dengan ketentuan hipotesa :
a. → Pendapatan Asli Daerah, Pengeluaran Pemerintah Daerah atas Belanja Modal, dan Pengeluaran Pemerintah Daerah atas Belanja Bantuan Keuangan tidak berpengaruh signifikan terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
b. → Pendapatan Asli Daerah, Pengeluaran Pemerintah Daerah atas Belanja Modal, dan Pengeluaran Pemerintah Daerah atas Belanja Bantuan Keuangan berpengaruh signifikan terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.
Dasar pengambilan keputusan berdasarkan:
Jika F hitung < F tabel, maka H0 diterima, maka variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen.
Jika F hitung > F tabel, maka H0 ditolak, maka variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen Kriteria pengujian dengan tingkat signifikansi = 0.05
Jika probabilitas > 0,05 maka H0 diterima dan Ha ditolak Jika probabilitas < 0,05 maka H0 ditolak dan Ha diterima
30
Dengan diadakannya uji T dan F ini dapat disimpulkan bahwa secara statistik tiga variabel independent baik secara bersamaan maupun secara terpisah dapat diketahui apakah variabel independent memiliki pengaruh terhadap variabel dependent.
3.7.5.3. Koefisien Determinasi ( )
Koefisien determinasi ( ) lebih menjelaskan kepada kemampuan dari variabelindependen (X) dalam menerangkan variabel dependen (Y). Nilai koefisien determinasi ( ) adalah antara 0(nol) dan 1 (satu), dimana nilai yang kecil atau mendekati nol berartikemampuan variabel-variabel independennya dalam menjelaskan variasi variabeldependen amat terbatas, namun jika nilai yang besar atau mendekati satuberearti variabel-variabel independen memberikan hampir semua informasi yangdibutuhkan untuk memprediksi variasi variabel dependen. Persamaan koefisiendeterminasinya sebagai berikut:
....(3.8)
.Keterangan:
R2= Koefisien determinan
b1 = Koefisien regresi variabel Pendapatan Asli Daerah b2 = Koefisien regresi variabel Belanja Modal
b3 = Koefisien regresi variabel Belanja Bantuan Keuangan x1 = Pendapatan Asli Daeraah
x2 = Belanja Modal
x3 = Nbelanja Bantuan Keuangan y = Pertumbuhan Ekonomi
