14

BAB III

METODE PENELITIAN

A. Lokasi Penelitian

Dalam melakukan kegiatan penelitian ilmiah, penulis terlebih dahulu

menentukan lokasi penelitian, hal ini diperlukan dalam rangka memperoleh

informasi data yang dibutuhkan sebagai dasar acuan bagi penulis untuk

menetapkan, menjabarkan, merumuskan permasalahan kemudian untuk

ditarik kesimpulan. Penelitian ini berlokasi di dua belas Kabupaten/Kota

yang tergabung dalam kawasan SWP Gerbangkertosusila Plus.

B. Jenis Penelitian

Penelitian dalam skripsi ini menggunakan penelitian kuantitatif,

sedangkan pendekatan yang digunakan adalah pendekatan deskriptif dan

korelasional. Pendekatan jenis ini bertujuan untuk melihat apakah antara

dua variabel atau lebih memiliki hubungan atau korelasi atau tidak.

C. Definisi Operasional dan Pengukuran Variabel

Variabel penelitian adalah atribut atau sifat dari orang, objek atau

kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti

untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2004).

Sedangkan Definisi operasional adalah definisi yang diberikan kepada suatu

variabel dengan cara memberikan arti atau menspesifikasikan kegiatan

atupun memberikan suatu operasionalisasi. Dalam penelitian ini

menggunakan variabel sebagai berikut:

15

1. Pertumbuhan Ekonomi (Y)

Untuk melihat kontribusi terhadap kondisi perekonomian,

variabel pertumbuhan ekonomi untuk keperluan regresi dilihat dengan

menggunakan pendekatan nilai PDRB. Dalam penelitian ini, data yang

digunakan sebagai ukuran pertumbuhan ekonomi adalah nilai log

PDRB atas dasar harga konstan tahun 2011-2015. Penggunaan nilai

log PDRB tersebut merujuk pada penelitian yang telah dilakukan oleh

Octavianingrum Denty pada tahun 2015. Sedangkan untuk keperluan

anlasisis deskriptif digunakan nilai laju pertumbuhan ekonomi.

2. Belanja Tidak Langsung (X1)

Belanja tidak langsung adalah belanja yang tidak digunakan

secara langsung oleh adanya program atau kegiatan. Data belanja

tidak langsung meliputi realisasi belanja pegawai, belanja bunga,

belanja subsidi, belanja hibah, belanja bantuan sosial, belanja bagi

hasil, belanja bantuan keuangan, dan pengeluaran tak terduga pada

Kabupaten/Kota di kawasan SWP Gerbangkertosusila Plus tahun

2011-2015 yang dinyatakan dalam satuan ribu rupiah.

3. Belanja Langsung (X2)

Belanja langsung adalah belanja yang digunakan oleh adanya

program dan kegiatan yang telah direncanakan. Data belanja langsung

yang digunakan meliputi realisasi belanja pegawai, belanja barang dan

16

jasa, dan belanja modal pada Kabupaten/Kota di kawasan SWP

Gerbangkertosusila Plus tahun 2011-2015 yang dinyatakan dalam

satuan ribu rupiah.

D. Jenis dan Sumber Data

Data sekunder yaitu data yang diperoleh dari hasil pengolahan pihak

kedua atau data yang diperoleh dari hasil publikasi pihak lain seperti Badan

Pusat Statistik (BPS), literatur-literatur berupa buku maupun jurnal, dan

lain-lain yang dapat mendukung penelitian. Jenis data yang diperlukan

dalam penelitian ini adalah data sekunder, data runtut waktu (time series)

pada periode 2011-2015 dan data cross section yaitu kabupaten kota di

kawasan Gerbangkertosusila Plus. Adapun data yang diperoleh dalam

penelitian ini bersumber dari BPS Jawa Timur dan BPS Nasional. Data yang

digunakan adalah:

1. PDRB atas dasar harga Konstan 2010 kabupaten/kota yang tergabung

dalam kawasan SWP Gerbangkertosusila Plus tahun 2011-2015..

2. Realisasi total belanja tidak langsung pemerintah daerah

kabupaten/kota tergabung dalam kawasan SWP Gerbangkertosusila

Plus tahun 2011-2015.

3. Realisasi total belanja langsung pemerintah daerah kabupaten/kota

tergabung dalam kawasan SWP Gerbangkertosusila Plus tahun 2011-

2015.

4. Data geografis dan data-data yang mendukung penelitian ini.

17

E. Teknik Pengumpulan Data

Data yang digunakan untuk mencapai tujuan dalam penelitian ini

sepenuhnya melalui data sekunder. Data yang diperoleh merupakan data-

data dari literatur yang berkaitan baik berupa dokumen, artikel, catatan-

catatan, maupun arsip. Data yang diperoleh kemudian disusun dan diolah

sesuai dengan kepentingan dan tujuan penelitian.

F. Teknik Analisis Data

Sesuai tujuan penelitian yang telah dijelaskan diatas maka alat analisis

yang diperlukan dalam penelitian skripsi ini adalah

1. Statistik Deskriptif

Menurut Sugiyono (2012) statistik deskriptif adalah statistik

yang digunakan untuk menganalisa data dengan cara mendeskripsikan

atau menggambarkan data yang telah terkumpul sebagaimana adanya

tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau

generalisasi. Dalam mengidentifikasi tingkat pertumbuhan ekonomi

diperlukan adanya klasifikasi sebagai berikut.

Tabel 3.1 Klasifikasi Intensitas

Klasifikasi Intensitas Nilai Indikator

Sangat Tinggi mean + SD

Tinggi mean mean + SD

Sedang mean – SD mean

Rendah mean - SD

Sumber : Nurcholis (2014)

18

Pengklasifikasian tersebut didasarkan atas metode distribusi

menggunakan nialai rata-rata (mean) dan standar deviasi (SD), dimana

simbol = laju pertumbuhan ekonomi. (Nurcholis, 2014)

2. Sistem Informasi Geografi

GIS adalah suatu sistem informasi yang dirancang untuk bekerja

dengan data yang bereferensi spasial atau berkoordinat geografi, atau

dengan kata lain suatu GIS adalah suatu sistem basis data dengan

kemampuan khusus untuk menangani data yang bereferensi keruangan

(spasial) bersamaan dengan seperangkat operasi kerja (Barus dan

Wiradisastra, 2000).

Persebaran Pertumbuhan ekonomi ini akan diamati dengan

menggunakan Sistem Informasi Geografi (SIG). Dengan SIG tersebut

maka akan dapat diketahui pola persebaran tinggi rendahnya

pertubumbuhan ekonomi akan mengumpul atau membentuk klutser.

3. Analisis Regresi Data Panel

Teknik analisis data dalam penelitian ini dilakukan dengan

menguji secara statistik terhadap variabel-variabel yang telah

dikumpulkan dengan bantuan program eviews 9. Hasil analisis

nantinya diharapkan dapat digunakan untuk mengetahui besarnya

pengaruh beberapa variabel bebas terhadap variabel terikat.

Gujarati (2012), data panel (pooled data) atau yang disebut juga

data longitudinal merupakan gabungan antara data cross section dan

data time series. Dengan demikian, jumlah data observasi dalam data

19

panel merupakan hasil kali data observasi time series (t>1) dengan

data observasi cross-section (n>1). Model dasar yang akan digunakan

pada penelitian ini adalah sebagai berikut.

Keterangan:

LogY = variabel dependen, yaitu PDRB (dalam log)

= koefisien

= variabel belanja tidak langsung

= variabel belanja langsung

= error term

Dalam Rohmana (2010), bahwa dalam pembahasan teknik

estiimasi model regresi data panel ada 3 teknik yang dapat digunakan

yaitu:

a. Model data dengan OLS (Common Effect Model)

Model Common Effect merupakan model sederhana yaitu

menggabungkan seluruh data time series dengan cross section,

selanjutnya dilakukan estimasi model dengan menggunakan

OLS (Ordinary Least Square). Model ini menganggap bahwa

intersep dan slop dari setiap variabel sama untuk setiap obyek

observasi. Dengan kata lain, hasil regresi ini dianggap berlaku

untuk semua kabupaten/kota pada semua waktu. Kelemahan

model ini adalah ketidaksesuaian model dengan keadaan

sebenarnya. Kondisi tiap obyek dapat berbeda dan kondisi suatu

20

obyek satu waktu dengan waktu yang lain dapat berbeda. Model

Common Effect dapat diformulasikan sebagai berikut:

Dimana:

= varibabel dependen di waktu t untuk unit cross section i

= intersep

= parameter untuk variabel ke-j

= variabel bebas j di waktu t untuk unit cross section i

= komponen error di waaktu t untuk unit cross section i

i = urutan perusahaan yang di observasi

t = time series (urutan waktu)

j = urutan variabel

b. Fixed Effect Model

Pendekatan efek tetap (Fixed effect). Salah satu kesulitan

prosedur panel data adalah bahwa asumsi intersep dan slope

yang konsisten sulit terpenuhi. Untuk mengatasi hal tersebut,

yang dilakukan dalam panel data adalah dengan memasukkan

variabel boneka (dummy vaiable) untuk mengizinkan terjadinya

perbedaan nilai parameter yang berbeda-beda baik lintas unit

(cross section) maupun antar waktu (time series). Pendekatan

dengan memasukkan variabel boneka ini dikenal dengan sebutan

21

model efek tetap (fixed effect) atau Least Square Dummy

Variable (LSDV).

∑

Dimana:

= variabel dependen di waktu t untuk unit cross section i

= intersep yang berubah-ubah antar cross section

= parameter untuk variabel ke-j

= variabel bebas j di waktu t untuk unit cross section i

= komponen error di waaktu t untuk unit cross section i

= Dummy variable

c. Random Effect Model (REM)

Random Effect Model (REM) digunakan untuk mengatasi

kelemahan model efek tetap yang menggunakan dummy

variable, sehingga model mengalami ketidakpastian.

Penggunaan dummy variable akan mengurangi derajat bebas

(degree of freedom) yang pada akhirnya akan mengurangi

efisiensi dari parameter yang diestimasi. REM menggunakan

residual yang diduga memiliki hubugan antarwaktu dan

antarindividu. Sehingga REM mengasumsikan bahwa setiap

individu memiliki perbedaan intersep yang merupakan variabel

random. Model REM secara umum dituliskan sebagai berikut:

22

Dimana:

= komponen cross section error

= komponen time series error

= time series dan cross section error

4. Metode Pemilihan Data

Untuk mengetahui model terbaik dari ketiga model tersebut

maka dilakukan uji Chow dan uji Hausman. Uji Chow dilakukan

untuk menguji antara model common effect dan fixed effect.

Sedangkan uji Hausman dilakukan untuk menguji apakah data

dianalisis dengan menggunakan fixed effect atau random effect,

pengujian tersebut dilakukan dengan Eviews 9.

Dalam melakukan uji Chow, data diregresikan dengan

menggunakan model common effect dan fixed effect terlebih dahulu

kemudian dibuat hipotesis untuk diuji. Hipotesis tersebut adalah

sebagai berikut:

H0 : maka digunakan model common effect

H1 : maka digunakan model fixed effect dan lanjut uji Hausman

Pedoman yang akan digunakan dalam pengambilan kesimpulan

uji Chow adalah sebagai berikut:

a. Jika nilai probability F 0,05 artinya H0 diterima; maka model

common effect

23

b. Jika nilai probability F <0,05 artinya H0 ditolak; maka model

fixed effect, dan dilanjutkan dengan uji Hausman untuk memilih

apakah menggunakan model fixed effect atau metode random

effect.

Selanjutnya untuk menguji Hausman Test data juga diregresikan

dengan model random effect, kemudian dibandingkan antara fixed

effect dan random effect dengan membuat hipotesis:

H0 : maka , model random effect

H1 : maka model fixed effect

Pedoman yang akan digunakan dalam pengambilan kesimpulan

uji Hausman adalah sebagai berikut:

a. Jika nilai probability Chi-Square 0,05, maka H0 diterima, yang

artinya model random effect.

b. Jika nilai probability Chi-Square < 0,05, maka H1 diterima, yang

artinya model fixedd effect.

5. Uji Asumsi Klasik

Menurut Shochrul R. Ajija dkk (2011), pada dasarnya

penggunaan metode data panel memiliki beberapa keunggulan, antara

lain:

a. Panel data mampu memperhitungkan heterogenitas individu

secara eksplisit dengan mengizinkan variabel spesifik individu.

b. Kemampuan mengontrol heterogenitas individu ini membangun

model perilaku yang lebih kompleks.

24

c. Data panel mendasarkan diri pada observasi cross sectionyang

berulang-ulang (time series)sehingga metode data panel cocok

untuk digunakan sebagai study of dynamic adjustment.

d. Tingginya jumlah observasi memiliki implikasi pada data yang

lebih informatif, lebih variatif, kolinieritas antar variabel yang

semakin berkurang, dan peningkatan derajat bebas atau derajat

kebebasan (degree of freedom)sehingga dapat diperoleh hasil

estimasi yang lebih efisien.

e. Data panel dapat digunakan untuk mempelajari model-model

perilaku yang kompleks.

f. Data panel dapat meminimalkan bias yang mungkin ditimbulkan

oleh agregasi data individu.

Menurut Shochrul R. Ajija dkk (2011), dengan adaya

keunggulan-keunggulan tersebut memiliki implikasi pada tidak harus

dilakukan pengujian asumsi klasik dalam model data panel, karena

penelitian yang menggunakan data panel memperbolehkan identifikasi

parameter tertentu tanpa perlu membuat asumsi yang ketat atau tidak

mengharuskan terpenuhinya semua asumsi klasik regresi linier seperti

pada ordinary least square.

25

6. Uji Statistik

a. Uji F-Statistik

Uji F-statistik ialah untuk menguji pengaruh variabel

bebas terhadap variabel tak bebas secara keseluruhan (simultan).

Hipotesis uji F-statistik adalah sebagai berikut:

H0 : Variabel independen tidak mempengaruhi variabel

dependen

H1 : Variabel independen mempengaruhi variabel dependen

b. Uji Parsial (Uji t)

Uji t-statistik digunakan untuk menguji pengaruh variabel-

variabel bebas terhadap variable tak bebas secara parsial.

Pengujiann hipotesis untuk t-statistik dalam penelitian ini

menggunakan pengujian dua arah. Uji t-statistik dua arah

biasanya berupa pengujian hipotesa :

H0 : Variabel independen tidak berpengaruh positif dan

signifikan terhadap variabel dependen

H1 : Variabel independen berpengaruh positif dan signifikan

variabel dependen

Menentukan daerah penerimaan dengan menggunakan

ujit. Titik kritis yang dicari dari tabel distribusi t dengan tingkat

kesalahan atau level signifikansi (α) 0,05 dan derajat kebebasan

(df) = n-k, dimana n = jumlah sampel, k = jumlah variabel

bebas.

26

c. Uji Koefisien Determinasi (R2)

Menurut Gujarati (2001) dijelaskan bahwa koefisien

determinasi (R2) yaitu angka yang menunjukkan besarnya

derajat kemampuan menerangkan variabel bebas terhadap

variabel terikat dari fungsi tersebut. Koefisien determinasi

sebagai alat ukur kebaikan dari persamaan regresi yaitu

memberikan proporsi atau presentase variasi total dalam

variabel tidak bebas Y yang dijelaskan oleh variabel bebas X.

Penghitungan R2 merupakan ukuran ikhtisar yang mengatakan

seberapa baik regresi sample mencocokan data. Koefisien

determinasi (R2) menyatakan proporsi ragam pada Y (variabel

terikat) yang dapat diterangkan oleh X (variabel bebas). Nilai R2

berkisar antara 0 dan 1 (0 < R2< 1), dengan ketentuan :

1) Jika R2 semakin mendekati angka 1, maka hubungan

antara variabel bebas dengan variabel terikat semakin

erat/dekat, atau dengan kata lain model tersebut dapat

dinilai baik.

2) Jika R2

semakin menjauhi angka 1, maka hubungan antara

variabel bebas dengan variabel terikat jauh/tidak erat, atau

dengan kata lain model tersebut dapat dinilai kurang baik.