17
BAB III
METODE PENELITIAN
A. Lokasi Penelitian
Penelitian ini menganalisa tentang indeks pembangunan manusia dan
variabel yang mempengaruhinya. Lokasi dalam penelitian ini adalah 29 kabupaten
dan 9 kota di provinsi Jawa Timur (Lampiran 3).
B. Jenis Penelitian
Penelitian ini termasuk dalam penelitian kuantitatif, artinya menguji teori
terkait masalah yang diteliti dengan menggunakan data kuantitatif dan/atau
berbentuk angka melalui kerangka pikir dan merumuskan hipotesis.
C. Definisi Operasional dan Pengukuran Variabel
Variabel merupakan titik perhatian dari apa yang diteliti (Arikunto, 2006).
Penelitian ini menggunakan 2 (dua) jenis variabel, yaitu:
1. Variabel Dependen
Variabel dependen merupakan variabel terikat yang bisa berubah karena
pengaruh akibat variabel bebas. Variabel terikat dalam penelitian ini adalah indek
pembangunan manusia seluruh kabupaten/kota di provinsi Jawa Timur. IPM adalah
indikator yang digunakan untuk mengukur kualitas sumber daya manusia dalam
bentuk persen.
2. Variabel Independen
Variabel independen merupakan variabel bebas yang dapat memengaruhi
atau menjadi penyebab berubahnya variabel terikat. Variabel bebas yang diambil
dalam penelitian ini, yaitu:
18
a. Produk domestik regional bruto (PDRB) adalah jumlah nilai tambah dari
seluruh unit usaha atau jumlah dari nilai barang dan jasa akhir yang dihasilkan
oleh seluruh unit ekonomi dalam suatu wilayah (BPS, 2016). PDRB yang
dimaksud sebagai variabel terikat dalam penelitian ini adalah pendapatan
domestik regional bruto atas dasar harga berlaku, seluruh kabupaten/kota di
provinsi Jawa Timur dalam bentuk milyaran rupiah.
b. Upah Minimum. Menurut Peraturan Menteri Tenaga Kerja Republik Indonesia
Nomor 21 Tahun 2016 tentang Kebutuhan Hidup Layak, pengertian dari upah
minimum adalah upah bulanan terendah yang dari dari upah pokok dan
tunjangan tetap. Sedangkan upah minimum yang dimaksud sebagai variabel
terikat dalam penelitian ini adalah upah minimum kota seluruh kabupaten/kota
di provinsi Jawa Timur dalam bentuk rupiah.
c. Jumlah Pengangguran. Definisi dari jumlah pengangguran sendiri adalah
jumlah penduduk yang termasuk dalam usia kerja namun tidak bekerja (BPS,
2016). Jumlah pengangguran yang dimaksud sebagai variabel terikat dalam
penelitian ini adalah jumlah pengangguran seluruh kabupaten/kota di provinsi
Jawa Timur dalam bentuk jiwa.
d. Jumlah Penduduk Miskin. Jumlah penduduk miskin adalah total dari penduduk
yang mempunyai nilai rata-rata pengeluaran per kapita tiap bulan yang berada
di bawah garis kemiskinan. Jumlah penduduk miskin yang dimaksud sebagai
variabel terikat dalam penelitian ini adalah jumlah penduduk miskin seluruh
kabupaten/kota di provinsi Jawa Timur dalam bentuk jiwa.
19
D. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder adalah data yang diperoleh dari sumber-sumber yang telah ada. Penelitian
ini memperoleh data dari publikasi Badan Pusat Statistik Provinsi Jawa Timur,
Badan Pusat Statistik kabupaten/kota di provinsi Jawa Timur, dan Peraturan
Gubernur Provinsi Jawa Timur. Data yang dimaksud, antara lain:
1. Data indeks pembangunan manusia (IPM) di 38 kabupaten/kota provinsi
Jawa Timur secara annual (tahunan) periode 2010 s/d 2015.
2. Data PDRB atas dasar harga berlaku menurut lapangan usaha di 38
kabupaten/kota provinsi Jawa Timur secara annual (tahunan) periode 2010
s/d 2015.
3. Data upah minimum kota (UMK) di 38 kabupaten/kota provinsi Jawa Timur
secara annual (tahunan) periode 2010 s/d 2015.
4. Data jumlah pengangguran di 38 kabupaten/kota provinsi Jawa Timur secara
annual (tahunan) periode 2010 s/d 2015.
5. Data jumlah penduduk miskin di 38 kabupaten/kota provinsi Jawa Timur
secara annual (tahunan) periode 2010 s/d 2015.
E. Teknik Pengumpulan Data
Penelitian ini sepenuhnya menggunakan metode studi pustaka sebagai
metode pengumpulan data. Sebagai pendukung digunakan katalog, laporan, jurnal,
buku, surat kabar, artikel, browsing internet. Data diperlukan dalam penelitian ini,
yaitu: data panel. Data panel adalah gabungan antara data cross section (data yang
20
dikumpulkan berdasarkan satu waktu dalam banyak obyek) dan data time series
(data yang dikumpulkan berdasarkan kurun waktu tertentu dalam satu obyek).
F. Teknik Analisis Data
Penelitian ini menggunakan analisis deskriptif dengan menggunakan metode
statistik ekonometrik melalui model regresi data panel. Data panel bersifat
longitudinal yaitu data yang diperoleh atas menetapkan sejumlah sampel cross
section dan kemudian diikuti variabel yang diamati dari waktu ke waktu
(Ariefianto, 2012:149). Keuntungan menggunakan data panel: meningkatkan
ukuran sampel; Data panel paling tepat digunakan untuk mempelajari perubahan;
Memudahkan untuk mempelajari masalah yang lebih kompleks (Gujarati & Porter,
2012:262).
Dalam hal analisis data digunakan program Eviews-9. Selanjutnya dilakukan
estimasi model regresi data panel, pemilihan model regresi data panel, dan
pengujian hipotesis sebagai berikut:
1. Estimasi Regresi Data Panel
a. Common Effect Model (CEM)
Model common effect atau pooled merupakan teknik pendekatan paling
sederhana dalam menganilis regresi data panel hanya dengan menggabungkan data
time series dan cross section dengan menggunakan metode OLS (ordinary least
square) biasa. Model yang mengasumsikan bawa tidak ada heterogenan antar
variabel yang tidak terobservasi, karena semua keheterogenan sudah dijelaskan
oleh variabel independen. Asumsi bahwa pengaruh dari perubahan X bersifat
konstan dalam waktu dan kategori cross section (Rosadi, 2012:272).
21
Adapun variabel dalam penelitian ini dapat dibentuk model estimasi data
panel dengan pendekatan common effect sebagai berikut:
πΌππππ‘ = π½0 + π½1ππ·π π΅ππ‘ + π½2πππΎππ‘ + π½3π½ππΈππΊππ‘ + π½4πΎπππΎπππ‘ + πππ‘
Dimana:
IPMit : Indeks Pembangunan Manusia (persen) di daerah i pada periode t
PDRBit : Pendapatan Domestik Regional Bruto (milyar rupiah) di daerah i pada
periode t
UMKit : Upah Minimum Kota (rupiah) di daerah i pada periode t
JPENGit : Jumlah Pengangguran (jiwa) di daerah i pada periode t
KMSKNit : Jumlah Penduduk Miskin (jiwa) di daerah i pada periode t
i : cross section
t : time series
Ξ²0 : Konstanta
Ξ²1Ξ²2Ξ²3Ξ²4 : Koefisien Regresi
e : error term / residual
Dalam model di atas dapat dilihat bahwa ada perbedaan satuan antar variabel.
Menurut Nachrowi & Usman (2008:74), bentuk skala pengukuran, dapat digunakan
sebagai penentu supaya parameter yang di estimasi memiliki angka yang menarik.
Dengan kata lain, satuan ukuran yang digunakan dalam persamaan regresi akan
berpengaruh terhadap besaran parameter yang terestimasi. Supaya kesalahan dalam
22
interpretasi dapat diminimalisir, akan lebih baik jika satuan ukuran yang digunakan
variabel sama. Untuk itu transformasi persamaan ke dalam bentuk model lin-Log
(model dimana variabel Y berbentuk linier sedangkan variabel X dalam bentuk
logaritma) diperlukan dalam penelitian ini. Transformasi persamaan ke dalam
bentuk lin-Log sebagai berikut:
πΌππππ‘ = π½0 + π½1πππππ·π π΅ππ‘ + π½2ππππππΎππ‘ + π½3ππππ½ππΈππΊππ‘ + π½4ππππΎπππΎπππ‘
+ πππ‘
Dimana:
IPMit : Indeks Pembangunan Manusia (persen) di daerah i pada periode t
logPDRBit : Pendapatan Domestik Regional Bruto (persen) di daerah i pada
periode t
logUMKit : Upah Minimum Kota (persen) di daerah i pada periode t
logJPENGit : Jumlah Pengangguran (persen) di daerah i pada periode t
logπΎπππΎπit : Jumlah Penduduk Miskin (persen) di daerah i pada periode t
i : cross section
t : time series
Ξ²0 : Konstanta
Ξ²1Ξ²2Ξ²3Ξ²4 : Koefisien Regresi
e : error term / residual
23
b. Fix Effect Model (FEM)
Model ini adalah teknik estimasi data panel dengan variabel dummy untuk
menangkap perbedaan intersep. Perbedaan yang dimaksud adalah perbedaan
intersep antara cross section namun intersepnya sama antar waktu. Dengan cara
menambahkan variabel dummy yang sesuai untuk masing-masing nilai variabel
independen. Persamaan model fixed effect dalam bentuk lin-Log sebagai berikut:
πΌππππ‘ = π½0 + π½1πππππ·π π΅ππ‘ + π½2ππππππΎππ‘ + π½3ππππ½ππΈππΊππ‘ + π½4ππππΎπππΎπππ‘
+ ππ + ππ‘ + πππ‘
Dimana:
IPMit : Indeks Pembangunan Manusia (persen) di daerah i pada periode t
logPDRBit : Produk Domestik Regional Bruto (persen) di daerah i pada periode t
logUMKit : Upah Minimum Kota (persen) di daerah i pada periode t
logJPENGit : Tingkat Pengangguran Terbuka (persen) di daerah i pada periode t
logπΎπππΎπit : Jumlah Penduduk Miskin (persen) di daerah i pada periode t
i : cross section
t : time series
Ξ²0 : Konstanta
Ξ²1Ξ²2Ξ²3Ξ²4 : Koefisien Regresi
ci : Konstanta yang bergantung pada unit ke-i, tapi tidak pada waktu t
dt : Konstanta yang bergantung pada waktu t, tapi tidak pada unit i
e : error term / residual
24
c. Random Effect Model (REM)
Dengan menggunakan model fixed effect, pengaruh dari semua karakteristik
yang bersifat konstan dalam waktu atau dalam unit tidak dapat dilihat. Kemudian
juga berakibat berkurangnya derajat kebebasan (degree of freedom) dan pada
akhirnya mengurangi efisiensi parameter. Oleh karena itu digunakan model
Random Effect dengan menggunakan metode Generalized Least Square (GLS),
yang dituliskan sebagai berikut:
πΌππππ‘ = π½0 + π½1πππππ·π π΅ππ‘ + π½2ππππππΎππ‘ + π½3ππππ½ππΈππΊππ‘ + π½4ππππΎπππΎπππ‘
+ π£ππ‘
Dimana:
IPMit : Indeks Pembangunan Manusia (persen) di daerah i pada periode t
logPDRBit : Produk Domestik Regional Bruto (persen) di daerah i pada periode t
logUMKit : Upah Minimum Kota (persen) di daerah i pada periode t
logJPENGit : Tingkat Pengangguran Terbuka (persen) di daerah i pada periode t
logπΎπππΎπit : Jumlah Penduduk Miskin (persen) di daerah i pada periode t
i : cross section
t : time series
Ξ²0 : Konstanta
Ξ²1Ξ²2Ξ²3Ξ²4 : Koefisien Regresi
vi : ci + dt + eti
25
2. Pemilihan Model Regresi Data Panel
a. Uji Chow Test
Uji Chow Test merupakan uji yang digunakan untuk pemilihan model terbaik
yang akan diestimasi antara model common effect dengan model fixed effect.
Dengan melakukan uji restricted F-Test atau uji Chow-Test. Hipotesa yang
digunakan adalah:
H0 : Model CEM lebih sesuai (restricted)
H1 : Model FEM lebih sesuai (unrestricted)
Pengujian dengan menggunakan Chow-Test seperti formulasikan sebagai
berikut:
πΉ =(π π ππ β ππ ππ)/(π β 1)
(ππ ππ/(ππ β π β πΎ)
Dimana:
RRSS : Restricted Residual Sum Square, artinya sum square residual yang
diperoleh dari estimasi data panel menggunakan metode CEM.
URSS : Unrestricted Residual Sum Square, artinya sum square residual yang
diperoleh dai estimasi data panel menggunakan FEM.
N : Jumlah data cross section
T : Jumlah data time series
K : Jumlah variabel penjelas
26
Pengujian ini mengikuti distribusi F-statistik yaitu N-1, df = (NT-K) (K-1)
pada alpha 5%, apabila nilai F-test lebih besar dari F-tabel, maka hipotesis nol
ditolak dan model yang akan digunakan adalah FEM (fixed effect model).
b. Uji Hausman Test
Pengujian ini dilakukan untuk menentukan yang paling sesuai antara model
FEM dengan model REM. Hipotesis yang digunakan adalah:
H0 : Model FEM lebih sesuai
H1 : Model REM lebih sesuai
Uji Hausman menggunakan rumus sebagai berikut:
π = οΏ½ΜοΏ½β²π£ππ(οΏ½ΜοΏ½)β1οΏ½ΜοΏ½
Dimana:
οΏ½ΜοΏ½ = βοΏ½ΜοΏ½ππΏπ β οΏ½ΜοΏ½πΊπΏπβ
π£ππ(οΏ½ΜοΏ½) = βπ£ππ(οΏ½ΜοΏ½ππΏπ) β π£ππ(οΏ½ΜοΏ½πΊπΏπ)β
Kriteria pengujian penolakan hipotesis nol, apabila Probabilitas m lebih kecil
dari alpha (5%).
3. Uji Hipotesis
a. Uji Secara Simultan (Uji F-Statistik)
Untuk mengetahui pengaruh secara bersama-sama variabel bebas terhadap
variabel terikat digunakan uji F dengan rumus sebagai berikut:
πΉ =πΈππ
π β 1β
π πππ β πβ
Ketentuan hipotesis nol ditolak jika F hitung lebih besar dari Fa/2 atau
Probabilitas F-statistik lebih kecil dari alpha (5%).
27
b. Uji Secara Parsial (Uji t-Statistik)
Sedangkan untuk mengetahui pengaruh antara variabel bebas dengan variabel
terikat secara parsial atau individu digunakan uji t dengan rumus sebagai berikut:
π‘ =οΏ½ΜοΏ½π β π½π
π π(οΏ½ΜοΏ½π)
Ketentuan hipotesis nol ditolak jika t hitung lebih besar dari ta/2 atau
Probabilitas t-statistik lebih kecil dari alpha (5%).
c. Uji Koefisien Determinasi (R2)
Untuk menentukan kebaikan model regresi dapat menggunakan koefisien
determinasi (R-square/R2). R2 adalah nilai statistik yang menunjukkan besarnya
persentase keragaman variabel terikat yang dapat dijelaskan oleh variabel bebas
dalam model regresi, maka kesesuaian model regresi semakin tinggi. Formula yang
digunakan dalam menghitung R2 adalah sebagai berikut:
π 2 = 1 ββ (οΏ½ΜοΏ½π β οΏ½Μ οΏ½)
2ππ=1
β (ππ β οΏ½Μ οΏ½)2ππ=1
4. Uji Asumsi Klasik
Menurut Ariefianto (2012), penggunaan Ordinary Least Square (OLS) dalam
estimasi regresi linier harus memenuhi syarat asumsi klasik: Gauss-Markov.
Dengan tujuan adalah parameter yang digunakan bersifat Best Linier Unbiased
Estimator (BLUE).
Menurut Basuki (2014), uji asumsi klasik pada regresi data panel hanya
menggunakan 2 (dua) uji asumsi klasik, yaitu: uji normalitas dan uji
multikolinieritas.
28
a. Uji Normalitas
Normalitas merupakan asumsi yang digunakan untuk mengetahui bahwa
error/residual sudah terdistribusi normal. Hal tersebut dapat menggunakan uji
Jarque-Bera menggunakan program Eviews-9.
Hipotesis yang diuji :
H0 : error berdistribusi normal
H1 : error tidak berdistribusi normal
Dengan asumsi H0 ditolak jika p-value < 0,05.
b. Uji Multikolinieritas
Multikolinieritas merupakan kondisi dimana adanya hubungan antar variabel
independen. Menurut Rosadi (2012), untuk mendeteksi adanya multikolinieritas
dapat menggunakan metode Klein, yaitu membandingkan nilai koefisien
determinasi model regresi utama dengan regresi auxiliary/semu (model estimasi
regresi antara variabel independen satu dengan variabel independen yang lain).
Tahapan regresi auxiliary pada penelitian ini sebagai berikut:
πππππ·π π΅ππ‘ = π½0 + π½1ππππππΎππ‘ + π½2ππππ½ππΈππΊππ‘ + π½3ππππΎπππΎπππ‘ + π£ππ‘ ..(R1)
ππππππΎππ‘ = π½0 + π½1πππππ·π π΅ππ‘ + π½2ππππ½ππΈππΊππ‘ + π½3ππππΎπππΎπππ‘ + π£ππ‘ ..(R2)
ππππ½ππΈππΊππ‘ = π½0 + π½1πππππ·π π΅ππ‘ + π½2ππππππΎππ‘ + π½3ππππΎπππΎπππ‘ + π£ππ‘ ..(R3)
ππππΎπππΎπππ‘ = π½0 + π½1πππππ·π π΅ππ‘ + π½2ππππππΎππ‘ + π½3ππππ½ππΈππΊππ‘ + π£ππ‘ ..(R4)
Adanya multikoliniernitas jika nilai koefisien determinasi (R2) regresi
auxiliary lebih besar dari regresi utama.