23

BAB III

METODE PENELITIAN

A. Lokasi Penelitian

Dalam penelitian ini, peneliti mengambil lokasi di provinsi Kalimantan

Timur. Berdasarkan pembagian wilayah administrasi provinsi Kalimantan Timur

terdiri dari 10 kabupaten/kota yaitu Paser, Kutai Barat, Kutai Kertanegara, Kutai

Timur, Berau, Mahakan Ulu, Penajam Paser Utara, Balikpapan, Samarinda dan

Bontang. Alasan dilakukan penelitian di provinsi Kalimantan Timur karena

provinsi Kalimantan Timur memiliki angka pengangguran yang tinggi bahkan

paling tinggi sepulau Kalimantan.

B. Jenis Penelitian

Pendekatan yang digunakan dalam penelitian ini yaitu pendekatan

kuantitatif deskriptif. Pendekatan kuantitatif inferensial ini dilakukakan dengan

metode Ordinary Least Square (OLS) untuk seluruh persamaannya. Sedangkan

pendekatan inferensial digunakan untuk membahas interpretasi lebih lanjut dari

hasil penelitian yang telah diperoleh dalam analisis kuantitatif.

C. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan adalah teknik dokumentasi.

Peneliti mengumpulkan data dari data-data yang dipublikasikan oleh Badan Pusat

Statistik (BPS) provinsi Kalimantan Timur, jurnal dan media elektronik (internet).

24

Publikasi tersebut seperti buku Statistik Indonesia, Kalimantan Timur Dalam

Angka serta Produk Domestik Regional Bruto (PDRB).

D. Definisi Operasional dan Pengukuran Variabel

Variabel yang digunakan dalam penelitian ini yaitu variabel dependent

(terikat) dan variabel independent (bebas).

1. Variabel dependen

Variabel dependen merupakan variabel yang dipengaruhi atau juga disebut

variabel bebas. Variabel dependen dalam penelitian ini adalah jumlah

pengangguran yang ada di provinsi Kalimantan Timur. Data jumlah pengangguran

yang digunakan dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS)

dan diambil dari tahun 2011 sampai 2015 dengan satuan jiwa/orang.

2. Variabel Independen

Variabel independen merupakan variabel yang mempengaruhi dalam

sebuah penelitian atau juga variabel ini sering disebut variabel terikat. Dalam

penelitian ini yang menjadi variabel independen adalah sebagai berikut:

a. Produk Domestik Regional Bruto (PDRB)

Data Produk Domestik Regional Bruto (PDRB) yang digunakan

dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) dan

diambil dari tahun 2011 sampai 2015 dalam satuan triliun rupiah.

b. Investasi

Data investasi yang digunakan yaitu realisasi PMDN dan PMA

perkabupaten/kota di provinsi Kalimantan Timur. Data bersumber dari

25

Badan Pusat Statistik (BPS) dan diambil dari tahun 2011 sampai 2015

dalam satuan milyar rupiah.

c. Upah Minimum Kabupaten/Kota

Data Upah Minimum Kabupaten/Kota (UMK) yang digunakan

yaitu data perkabupaten/kota di provinsi Kalimantan Timur. Data

bersumber dari Badan Pusat Statistik (BPS) dari tahun 2011 sampai 2015

dalam satuan rupiah.

E. Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data

yang sudah sudah diolah sebelumnya dan dipublikasikan oleh instansi yang

berkompeten. Data yang digukanan dalam penelitian ini merupakan data panel

(pooled data) yaitu data yang menggambarkan antara data cross section dengan

data time series. Data time series yang digunakan yaitu data tahunan selama 5

tahun yaitu tahun 2011 sampai 2015, sedangkan data cross section sebanyak 9

Kabupaten/Kota di provinsi Kalimantan Timur. Data yang digunakan meliputi

tingkat pengangguran terbuka, pertumbuhan ekonomi, upah minimum

kabupaten/kota dan investasi. Metode data panel adalah suatu metode yang

digunakan untuk melakukan analisis empiris dengan perilaku data yang lebih

dinamis. Beberapa keunggulan data panel yaitu sebagai berikut:

a. Data penel bersifat heterogen.

b. Dengan menggabungkan antara observasi time series dan cross section,

data panel memberi lebih banyak informasi, lebih banyak variasi, sedikit

26

kolinearitas antar variabel, lebih banyak degree of freedom, dan lebih

efisien.

c. Dengan mempelajari observasi cross secrion yang berulang-ulang, data

panel paling cocok untuk mempelajari dinamika perubahan. Misalkan

tingkat pengangguran, perputaran pekerjaan, dan mobilitas tenaga kerja,

adalah paling tepat dipelajari menggunakan data panel.

d. Data panel paling baik untuk mendeteksi dan mengukur dampak yang

secara sederhana tidak bisa dilihat pada data cross section murni atau time

series murni.

e. Data panel memudahkan untuk mempelajari model perilaku yang rumit.

f. Dengan membuat data mmenjadi berjumlah beberapa ribu unit, data panel

dapat meminimumkan bias yang bisa terjadi jika kita mengagregasi

individu-individu atau perusahaan-perusahaan ke dalam agregasi besar.

Dengan mempertimbangkan keunggulan data panel di atas, maka dalam

penelitian ini akan digunakan data panel dalam upaya mengestimasi model yang

ada. Dalam penelitian ini data yang digunakan diperoleh dari Badan Pusat

Statistik (BPS) provinsi Kalimantan Timur. Sedangkan data-data yang lain

diperoleh dari jurnal, dan media elektronik (internet).

F. Teknik Analisis Data

1. Model Regresi Data Panel

Metode analisis yang digunakan dalam penelitian ini adalah metode

analisis kuantitatif. Analisis kuantitatif digunakan untuk menganalisis informasi

27

kuantitatif (data yang bisa diukur, diuji, dan ditransformasikan dalam bentuk

persamaan, tabel dan sebagainya). Untuk mengetahui besarnya pengaruh variabel

independent derhadap variabel dependent maka penelitian menggunakan model

analisis ekonometrika dengan metode regresi linier berganda. Metode analisis

yang dipakai dalam model adalah OLS (Ordinary Least Square) atau Metode

Kuadrat Terkecil Biasa. Metode ini memiliki sifat-sifat statistic yang menarik dan

telah membuat metode ini sebagai salah satu metode paling kuat dan dikenal

dalam analisis regresi (Gujarati; 2010) dan dapat dinyatakan dalam fungsi sebagai

berikut:

Dimana:

= Tingkat Pengangguran Terbuka

= Konstanta

= Koefisien regresi dari X1

= Koefisien regresi dari X2

= Koefisien regresi dari X3

= PDRB

= Investasi

= Upah Minimum Kab/Kota

= Standart error

28

2. Uji Statistik

a. Pemilihan teknik estimasi regresi data panel

Ada tiga teknik yang bisa digunakan dalam regresi data panel yaitu

teknik Common Effect, Fixed Effect dan Random Effect. Untuk

menentukan teknik yang paling tepat untuk mengestimasi regresi data

panel, harus melalui tiga uji yaitu uji Lagrange Multiplier (LM), uji

Chow, dan uji Hausman.

1) Uji Chow

Salah satu langkah untuk menentukan model terbaik dalam

penelitian data panel adalah dengan melakukan Uji Chow. Uji Chow

digunakan untuk menentukan pemilihan metode Pooled Least Square

atau Fixed Effect Model (FEM). Dalam uji ini membandingkan nilai

F hitung dengan F tabel dengan hipotesis sebagai berikut :

H0 = Pooled Least Square (PLS)

Ha = Fixed Effect Model (FEM)

Apabila F hitung > F tabel maka H0 ditolak, dan Ha diterima

Apabila F hitung < F tabel maka H0 diterima. Dan Ha ditolak

Atau

p-value cross-section Chi-Squere > maka H0 diterima dan Ha

ditolak,

p-value cross-section Chi-Squere < maka H0 ditolak dan Ha

diterima

29

Dasar dari penolakan terhadap hipotesa nol adalah dengan

menggunakan F-statistik seperti yang dirumuskan oleh Chow :

Dimana :

RRSS = Sum Squared Error dari model Commen Effect

URSS = Sum Squared Error dari model Fixed Effect

N = Jumlah cross section

n.t = Jumlah cross section x jumlah time series

k = Jumlah variabel independen

2) Uji Lagrange Multiplier (LM)

Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah

model random effect atau model common effect (OLS) yang paling

tepat digunakan. Uji signifikan random effect ini dikembangkan oleh

Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi Random

effect didasarkan pada nilai residual dari metode OLS.

Hipotesis:

Ho = Common Effect

H1 = Random Effect

Ketentuan:

a) Apabila LM hitung Tabel Chi Square, maka Ho ditolak dan

H1 diterima.

30

b) Apabila LM hitung Tabel Chi Square, maka Ho diterima

dan H1 ditolak.

3) Uji Hausman

Dari uji signifikan dua teknik di atas, diperoleh hasil bahwa

teknik yang paling tepat yaitu fixed effect dan random effect maka

akan diuji kembali dengan uji hausman. Kegunaan uji hausman yaitu

untuk memilih antara fixed effect atau random effect.

Uji hausman dapat didefinisikan sebagai pengujian statistik

untuk memilih apakah model fixed effect atau random effect yang

paling tepat digunakan. Pengujian uji hausman dilakukan dengan

hipotesis berikut:

Ho = Random Effect

H1 = Fixed Effect

Ketentuan:

a) Apabila p-value cross-section Chi-Squere < hitung maka

berarti H0 ditolak dan model fixed effect lebih tepat untuk

digunakan.

b) Apabila p-value cross-section Chi-Squere > berarti H0

diterima dan model random effect lebih tepat untuk

digunakan.

b. Uji Signifikan Parameter Secara Serentak (Uji F)

Uji statistik pada dasarnya menunjukkan apakah semua variabel

bebas yang dimasukkan dalam model mempunyai pengaruh secara

31

bersama-sama terhadap variabel terikat (Kuncoro, 2009). Hipotesis yang

digunakan:

Ho : b1=b2=.....bk = 0, artinya variabel independen bukan merupakan

variabel penjelas yang signifikan terhadapat variabel dependen

Ha : b1 b2 ...bk 0, artinya semua variabel independen secara

simultan merupakan penjelas yang signifikan terhadap variabel

dependen.

Untuk menguji kedua hipotesis ini digunakan statistik F. Nilai

statistik F di hitung dengan formula sebagai berikut :

F =

=

⁄

⁄

Dimana :

SSR = Sum of square due regression

SSE = Sum of squares error

N = Jumlah observasi

K = Jumlah Parameter (termasuk Intersep dalam model

MSR = mean of squares due to regression

MSE = mean of squares due to error

F hitung > F tabel maka H0 ditolak dan Ha diterima, artinya ada

pengaruh antara variabel bebas terhadap variabel terikat.

32

F hitung < F tabel maka H0 diterima dan Ha diterima, artinya tidak ada

pengaruh antara variabel bebas terhadap variabel terikat.

c. Uji Statistik t

Uji t yang dimaksudkan untuk menguji bagaimana pengaruh

masing-masing variabel bebasnya secara sendiri-sendiri terhadap variabel

terikatnya. Uji signifikasi adalah prosedur dimana hasil sampel digunakan

untuk menentukan keputusan untuk menerima atau menolak Ho

berdasarkan nilai uji statistic yang diperoleh dari data.

Pengujian setiap keofisiensi regresi dikatakan signifikan bila nilai

mutlak atau nilai probabilitas signifikan lebih kecil dari 0,05 (tingkat

kepercayaan yang dipilih) maka hipotesis nol (Ho) ditolak dan hipotesis

aternatif (H1) diterima, dan sebaliknya.

Hipotesis:

Ho : 0; artinya tidak ada pengaruh secara parsial antara variabel

bebas terhadap variabel terikat.

Ha : ; artinya ada pengaruh secara parsial antara variabel bebas

terhadap variabel terikat.

Ketentuan:

a) Bila > maka Ho ditolak dan H1 diterima. Artinya ada

pengaruh secara parsial antara variabel bebas (X) terhadap

variabel terikat (Y) adalah signifikan.

33

b) Bila maka Ho diterima dan H1 ditolak. Artinya tidak

ada pengaruh secara parsial antara variabel bebas (X) terhadap

variabel terikat (Y) adalah tidak signifikan.

d. Koefisien Determinasi

Uji koefisien regresi sampel dalam kecocokan data, atau dengan

kata lain menunjukan kemampuan variabel penjelas dalam

menerangkan variabel terikat. Nilai akan semakin tinggi apabila

jumlah variabel bebas dalam persamaan regresi ditambah tetapi derajat

kebebasannya semakin kecil. Namun meningkatnya tidak menjamin

bahwa model tersebut lebih baik dalam menjelaskan variabel terikat. Oleh

karena itu menggunakan yang sudah diperhitungkan derajat

kebebasannya. Adapun dapat dirumuskan sebagai berikut:

Apabila nilai semakin tinggi berarti menunjukan bahwa model

semakin baik dengan kata lain variabel penjelas dapat menjelaskan

variabel terikat dengan baik. Sebaliknya apabila makin rendah maka

model kurang baik dan kemampuan variabel bebas dalam menjelaskan

variabel terikat semakin rendah. Kegunaan koefisien determinasi ini

yaitu:

1. Untuk mengukur ketetapan suatu garis regresi yang ditetapkan suatu

kelompok data observasi, apabila semakin besar makan akan

34

semakin tepat suatu garis regresi. Sebaliknya semakin kecil nilai

menunjukan semakin tidak tepat regresi tersebut untuk mewakili data

observasi koefisien determinasi mempunyai nilai antara 0 dan 1

(0 1).

2. Untuk mengukur besarnya presentase dari jumlah variasi dari variabel

dependent dan tepat dikatakan seberapa jauh variabel independent

mampu menerangkan variabel dependent.