BAB III

METODOLOGI PENELITIAN

Bab ini menjelaskan jenis penelitian, metode penelitan, variabel penelitian,

definisi operaional, sumber data, metode pengumpulan data, dan teknik analisis

data yang digunakan terkait dengan penelitian tentang pengaruh jumlah penduduk

dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010.

3.1 Jenis Penelitian

Jenis penelitian yang digunakan dalam penelitian ini adalah jenis

penelitian sebab – akibat (kausalitas). Dalam Kuncoro (2007: 17) model kausal

memasukan dan menguji variabel – variabel yang diduga mempengaruhi variabel

dependen.

1.2 Metode Penelitian

Metode penelitian yang di gunakan untuk mengkaji mengenai pengaruh

jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah adalah

metode kuantitatif.

Metode penelitian kuantitatif dapat di artikan sebagai metode penelitian

yang berlandaskan pada filsafat positivisme, di gunakan untuk meneliti pada

populasi dan sample tertentu, teknik pengambilan sample pada umumnya di

lakukan secara random, pengumpulan data menggunakan instrumen penelitian,

analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis

yang telah di tetapkan.1

1.3 Populasi dan Sampel Penelitian

1 Sugiono. 2010. Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif dan R&D.

Bandung: Alfabeta. Hlm 14.

Populasi adalah ”objek atau subjek yang berada pada suatu wilayah dan

memenuhi syarat-syarat tertentu berkaitan dengan masalah penelitian”.2

Populasi dalam penelitian ini adalah populasi sama dengan sampel yaitu

data kemiskinan di Provinsi Jawa Tengah Tahun 2005 – 2010 sebanyak 210

observasi.Sehingga dari populasi tersebut, peneliti akan menarik sejumlah sampel.

Sampel adalah ”bagian dari populasi yang mempunyai ciri-ciri atau

keadaan tertentu yang akan diteliti”.3

Namun, guna membuat generalisasi dengan kesalahan yang sangat kecil

peneliti mengambil semua populasi sebagai sampel. Dengan demikian sampel dari

penelitian ini adalah 210 data kota/kabupaten kemiskinan di Provinsi Jawa

Tengah Tahun 2005 - 2010. Hal ini dikarenakan jumlah populasi yang sedikit dan

ingin mengetahui secara menyeluruh dan mendalam dari penelitian ini.

1.4 Skala Pengukuran Penelitian

“Skala pengukuran merupakan kesepakatan yang digunakan sebagai

acuan untuk menentukan panjang pendeknya interval yang ada dalam alat ukur,

sehingga alat ukur tersebut bila digunakan dalam penelitian akan menghasilkan

data kuantitatif”.4

Secara umum ada empat tipe skala pengukuran dalam penelitian yaitu

nominal, ordinal, interval dan ratio. Skala pengukuran dalam penelitian pengaruh

jumlah penduduk dan pengangguran terhadap kemiskinan di Provinsi Jawa

Tengah Tahun 2005 – 2010 menggunakan skala ratio.

“Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai

oleh skala nominal, ordinal dan interval dengan kelebihan skala ini mempunyai

nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada saat

ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio

2 Riduwan,2009, Belajar Mudah Penelitian untuk Guru, Karyawan dan Peneliti Pemula, Alfabeta, Bandung, hlm 54. 3 Ibid. Hal 56

4 http://manajemen penelitian.blogspot.com/2009/12/skala-pengukuran.html, 06/01/2013

http://manajemen/

biasanya dalam bentuk perbandingan antara satu individu atau obyek tertentu

dengan lainnya”.5

1.5 Variabel Penelitian

“Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang,

obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh

peneliti untuk dipelajari dan kemudian ditarik kesimpulannya”.6

Penelitian ini terdiri dari dua variabel Independen dan satu variabel

Dependen. Menurut Kuncoro (2007: 5) variabel dependen identik dengan variabel

terkait, yang dijelaskan, atau dependent variable. Sedangkan variabel independen

identik dengan variabel bebas, penjelas, atau Independent/eksplanatory variable.

Variabel ini biasanya di anggap sebagai variabel prediktor atau penyebab karena

memprediksi atau menyebabkan variabel dependen. Dalam penelitian ini yang

merupakan variabel dependen dan variabel independen adalah sebagai berikut:

1. Variabel Dependen adalah Tingkat Kemiskinan (Y)

Merupakan jumlah penduduk miskin di Jawa Tengah dari tahun 2005 -

2010 yang dinyatakan dalam satuan persen.

2. Variabel Independen

a. Jumlah Penduduk (X1)

Merupakan pertumbuhan jumlah penduduk dari tahun ke tahun.

b. Tingkat Pengangguran (X2)

Merupakan jumlah pengangguran dari tahun ke tahun yang dinyakatan

dalam satuan persen.

5 http://manajemen penelitian.blogspot.com/2009/12/skala-pengukuran.html, 06/01/2013

6 Ibid. Hal. 61

http://manajemen/

1.6 Definisi Operasional Variabel

1.6.1 Kemiskinan

Kemiskinan berarti sejumlah penduduk yang tidak dapat

memenuhi kebutuhan dasar hidup yang telah ditetapkan oleh suatu badan

atau orang tertentu dan perhitungan yang dilakukan oleh badan atau

organisasi tersebut digunakan sebagai standar perhitungan untuk

menentukan jumlah kemiskinan yang ada di suatu daerah. Atau

singkatnya, penduduk yang hidup di bawah garis kemiskinan, garis

kemiskinan yang digunakan adalah garis kemiskinan yang ditetapkan

Badan Pusat Statistik (BPS).

1.6.2 Jumlah Penduduk

Penduduk menurut Badan Pusat Statistik (BPS) adalah semua

orang yang berdomisili di wilayah geografis Jawa Tengah selama 6 bulan

atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi

bertujuan untuk menetap.

1.6.3 Pengangguran

Menurut BPS (Badan Pusat Statisktik) adalah meliputi penduduk

yang sedang mencari pekerjaan, penduduk yang sedang mempersiapkan

suatu usaha, penduduk yang merasa tidak mungkin mendapatkan

pekerjaan, penduduk yang sudah punya pekerjaan tetapi belum mulai

bekerja.

1.7 Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder. Data

sekunder yaitu data yang bukan diusahakan sendiri pengumpulannya oleh peneliti.

Data sekunder yang di gunakan adalah data deret waktu (time-series data) untuk

kurun waktu tahun 2005 - 2010 serta data kerat lintang (cross-section data) yang

meliputi 35 kabupaten/kota di Jawa Tengah. Data sekunder dari penelitian ini di

peroleh dari Kantor Badan Pusat Statistik Jawa Tengah, Jl. Pahlawan Semarang.

Data yang diperlukan adalah:

a. Data persentase penduduk miskin daerah untuk masing-masing

kabupaten/kota di Provinsi Jawa Tengah tahun 2005 - 2010.

b. Data pengangguran untuk masing-masing kabupaten/kota di Jawa

Tengah tahun 2005 – 2010.

c. Data jumlah penduduk untuk masing-masing kabupaten/kota di Jawa

Tengah tahun 2005 – 2010.

Adapun sumber data tersebut diatas diperoleh dari:

a. Data persentase penduduk miskin daerah untuk masing-masing

kabupaten/kota di Provinsi Jawa Tengah tahun 2005 -2010, yaitu dari

Bada Pusat Stistik (BPS) dalam terbitan “Data dan Informasi

Kemiskinan”.

b. Data pengangguran untuk masing-masing kabupaten/kota di Jawa

Tengah tahun 2005 - 2010, yaitu dari Badan Pusat Statistik (BPS) dalam

terbitan “Keadaan Angkatan Kerja di Provinsi Jawa Tengah”.

c. Data jumlah penduduk masing-masing kabupaten/kota di Jawa Tengah

tahun 2005 - 2010, yaitu dari Badan Pusat Statistik (BPS) dalam terbitan

“Jawa Tengah Dalam Angka 2005 - 2010”.

3.7 Metode Pengumpulan Data

Adapun metode pengumpulan data yang digunakan dalam penelitian ini

adalah :

1. Dokumentasi, adalah teknik pengumpulan data dengan menggunakan dan

mencari data – data di instansi yang di teliti, dalam hal ini adalah studi

dokumentasi di Badan Pusat Statistik Jawa Tengah, Jl. Pahlawan

Semarang.

2. Wawancara tidak struktur, adalah wawancara bebas dan tidak

menggunakan pedoman yang rinci dan sistematis.

3. Studi Perpustakaan (library research), serta dari browsing website internet

yang terkait dengan masalah kemiskinan.

3.8 Teknik Analisis Data

Teknik analisis data dalam penelitian ini menggunakan analisis regresi

panel data (pooled data) yang mengkombinasikan antara data time series dan

cross section, yang sering disebut pooled time series. Alat yang di gunakan dalam

pengolahan data menggunakan program Eviews 5.

Ciri khusus data runtut waktu adalah berupa urutan numerik dimana

interval antarobservasi atas sejumlah variabel bersifat konstan dan tetap. Data

silang tempat adalah suatu unit analisis pada suatu titik waktu tertentu dengan

observasi atas sejumlah variabel. Unit analisis dalam hal ini dapat individu, kota,

kabupaten, provinsi, negara, bisnis, rumah tangga atau industri.

Jadi bila sejumlah variabel untuk sejumlah silang tempat yang berbeda

diobservasi selama kurun waktu tertentu, maka akan di peroleh data pooling.7

Untuk menganalisis data panel dalam penelitian ini digunakan Metode

analisis yang digunakan adalah metode Ordinary Least Squares (OLS) yang

bersifat BLUE (Best Linier Unbiased Estimator).

“Metode Pangkat Kuadrat Terkecil Biasa (OLS) diperkenalkan

pertama kali oleh Carl Friedrich Gauss, seorang ahli matematika dari

jerman. Inti metode OLS adalah mengestimasi suatu garis regresi dengan

jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi

terhadap garis tersebut”.8

Menurut Teorema Gause-Markov, setiap pemerkira/estimator OLS

harus memenuhi kriteria BLUE, yaitu:

1. Best = yang terbaik, 2. Linier = merupakan kombinasi linier dari data sample, 3. Unbiased = rata – rata atau nilai harapan (E(bi 1)) harus sama dengan

nilai yang sebenarnya (bi).

4. Efficient estimator = memiliki varians yang minimal di antara pemerkira lain yang tidak bias.

9

3.8.1 Model analisis regresi data panel (Pooled Time Series)

Dalam data panel, unit cross section yang sama di survei dalam

beberapa waktu. Dalam model penel data, persamaan model dengan

menggunakan data cross section dapat di tulis sebagai berikut :

Yi = ß0+ß1 Xi+ɛi ; i =1,2,...,N................................(3.1)

Dimana N adalah banyaknya data cross section

Sedangkan persamaan model dengan time-series adalah :

7 Kuncoro, Mudrajad. 2007. Metode Kuantitatif: Teori dan Aplikasi Untuk Bisnis dan Ekonomi. Yogyakarta: (UPP) STIM YKPN, hlm 111.

8 Ibid. Hal. 79

9 Damodar Gujarati, 1995, Ekonometri Dasar Terjemahan, Penerbit Erlangga, Jakarta, hlm 72-73.

Yi = ß0+ß1 Xt+ɛt ; t = 1,2,..., N..............................(3.2)

Dimana T adalah banyaknya data time-series

Penelitian mengenai pengaruh jumlah penduduk dan pengangguran

terhadap tingkat kemiskinan di Provinsi Jawa Tengah, menggunakan data

time series selama 6 (enam) tahun terakhir yang di wakili data tahunan

dari 2005 – 2010 serta data cross section sebanyak 35 data mewakili

kabupaten/kota di Jawa Tengah. Kombinasi atau Pooling menghasilkan

210 observasi dengan fungsi persamaan data panelnya dapat di tuliskan

sebagai berikut :

Y = ß0 + ß1 X1 + ß2 X2 + e......................................(3.1)

Dimana :

Y : Tingkat Kemiskinan

X1 : Jumlah Penduduk

X2 : Pengangguran

b0 : Parameter konstan

ß1,ß2 : Parameter Penduga

℮ : faktor error

Disini yang sangat menentukan sebagai dasar analisis adalah nilai dari

koefisien regresi. Hal ini berarti apabila koefisien b bernilai positif (+) maka

dapat di katakan terjadi pengaruh searah variabel independen terhadap variabel

dependen, setiap kenaikan nilai variabel independen akan mengakibatkan

kenaikan variabel dependen. Sebaliknya, apabila bernilai negatif (-) hal ini

menunjukan adanya pengaruh negatif dimana kenaikan nilai variabel

independen akan mengakibatkan penurunan nilai variabel dependen.

Penelitian mengenai pengaruh variabel – variabel jumlah penuduk

(JP) dan pengangguran (PG) terhadap kemiskinan (KM) di Provinsi Jawa

Tengah, menggunakan data time series selama 6 (enam) tahun terakhir yang di

wakili data tahunan dari 2005 – 2010 serta data cross section sebanyak 35 data

mewakili kabupaten/kota di Jawa Tengah. kombinasi atau Pooling

menghasilkan 210 observasi.

3.8.2 Uji Asumsi Klasik

Dengan pemakaian metode OLS, diperlukan pendeteksian apakah

model tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut

terdiri dari :

3.8.3 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi

variabel terikat dan variabel bebas memiliki distribusi normal atau tidak.

Model regresi yang baik adalah yang mempunyai distribusi normal atau

mendekati normal (Imam Ghozali, 2002). Seperti diketahui bahwa uni t dan F

mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila

asumsi ini dilanggar maka uji statistik menjadi tidak berlaku. Terdapat

beberapa metode untuk mengetahui normal atau tidaknya distribusi residual

antara lain Jarque-Bera (J-B) test dan metode grafik.

Dalam penelitian ini akan menggunakan metode J-B Test yang

dilakukan dengan mnghitung skewness dan kurtosis, apabila J-B hitung < nilai

χ2

(Chi-Square) tabel, maka nilai residual terdistribusi normal.

Jika nilai J-B hitung > J-B tabel, maka hipotesis yang menyatakan

bahwa residual Ut terdistribui normal dan sebaliknya.

3.8.3.1 Uji Multikolinearitas

Multikolinearitas merupakan keadaan dimana terdapat satu atau

lebih hubungan linier antar variabel independen. Multikolinearitas akan

bermasalah apabila terdapat hubungan antar variabel independenya, selain itu

juga menyebabkan kesalahan pada koefisien (Uji t) menjadi indikator yang

tidak dipercaya. Uji multikolinieritas bertujuan untuk menguji apakah dalam

model regresi ditemukan adanya korelasi antar variabel bebas (independen).

Penelitian ini akan menggunakan Auxiliary Regression untuk

mendeteksiadanya multikolinearitas. Kriterianya adalah jika R2

regresi

persamaan utama lebih besar dari R2

regresi auxiliary maka tidak terjadi

multikolinearitas. Selain menggunakan R2, ada atau tidaknya

multikolinearitas juga dapat dideteksi menggunakan F hitung serta t hitung.

Kemungkinan terdapat multikolinearitas jika R2

dan F hitung tinggi.

Sedangkan nilai t hitung banyak yang tidak signifikan.

3.8.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model

regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan

kesalahan periode t-1. Jika terjadi korelasi maka dinamakan ada problem

autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi. Salah

satu pengujian yang umum digunakan untuk mengetahui adanya autokorelasi

adalah uji statistik-d Durbin-Watson yang dihitung berdasarkan jumlah selisih

kuadrat nilai-nilai taksiran faktor – faktor gangguan yang berurutan.

Secara intuisi dapat dilihat jika terdapat autokorelasi positif, maka

nilai-nilai faktor gangguan yang berurutan akan cenderung mendekati satu

sama lain; yaitu nilai positif Ut statistik-d akan menjadi relatif kecil. Oleh

karena itu dapat diperkirakan bahwa otokorelasi positif akan menghasilkan

nilai yang kecil bagi d. Sebaliknya, autokorelasi yang negatif akan cenderung

memperbesar selisih di antara nilai – nilai U yang berurutan. Autokorelasi

negatif ini ditandai oleh nilai d yang besar.10

Jika dari hasil perhitungan

menunjukan nilai signifikan > 0,05 maka dalam model tidak terjadi

autokorelasi.

3.8.5 Uji Heteroskedastisitas

Deteksi Heterokedastisitas bertujuan untuk menguji apakah variabel

gangguan (ei) memiliki varians yang sama atau tidak dalam model persamaan

regresi.

Untuk menguji ada tidaknya heterokedastisitas, salah satu metode yang

di gunakan adalah uji White. Apabila variabel independen tidak signifikan

secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi

indikasi tidak terjadi heteroskedastisitas.

3.8.6 Pengujian Kriteria Statistik

Gujarati (1995) menyatakan bahwa uji signifikansi merupakan prosedur

yang digunakan untuk menguji kebenaran atau kesalahan dari hasil hipotesis

10

Sumodiningrat, Gunawan, Ekonometrika Pengantar Edisi 2, Penerbit BPFE UGM, Yogyakarta, 2009, hlm 227

nol dari sampel. Ide dasar yang melatarbelakangi pengujian signifikansi

adalah uji statistik (estimator) dari distribusi sampel dari suatu statistik

dibawah hipotesis nol. Keputusan untuk mengolah Ho dibuat berdasarkan nilai

uji statistik yang diperoleh dari data yang ada.

Uji statistik terdiri dari pengujian koefisien regresi parsial (uji t),

pengujian koefisien regresi secara bersama-sama (uji F), dan pengujian

koefisien determinasi (uji-R2).

a. Uji Signifikansi Parameter Individual (Uji t)

Uji signifikansi parameter individual (uji t) dilakukan untuk

melihat signifikansi dari pengaruh variabel independen terhadp dependen

secara individual dan menganggap variabel lain konstan.

Cara melakukan uji t adalah sebagai berikut:

1. Quick look : jika jumlah degree of freedom (df) adalah 20 atau lebih dan derajat kepercayaan sebesar 5 persen, maka Ho dapat

ditolak jika nilai t lebih besar dari 2 (dalam nilai absolut).

Dengan kata lain menerima hipotesis alternatif, yang menyatakan

bahwa suatu variabel independen secara individual

mempengaruhi variabel dependen.

2. Membandingkan nilai statistik t dengan titik kritis menurut tabel. Jika nilai statistik t hasil perhitungan lebih tinggi dibandingkan

nilai t tabel, menerima hipotesis alternatif yang menyatakan

bahwa suatu variabel independen secara individual

mempengaruhi variabel dependen.11

Hipotesis yang digunakan:

1. H0 : ß1 = 0 tidak ada pengaruh antara variabel jumlah dengan

kemiskinan.

H1 : ß1 > 0 ada pengaruh positif antara variabel jumlah dengan

kemiskinan.

11

Kuncoro, Mudrajad. Op.cit. hal. 82

2. H0 : ß2 = 0 tidak ada pengaruh antara variabel tingkat

pengangguran dengan kemiskinan.

H1 : ß2 > 0 ada pengaruh positif antara variabel tingkat

pengangguran dengan kemiskinan.

Nilai t hitung dicari dengan rumus:

t = 𝛽𝑖−𝛽𝑖∗

𝑆𝐸(𝛽𝑖)............................................................(3.1)

dimana:

𝞫i = parameter yang diestimasi

𝞫i* = nilai hiotesis dari 𝞫i (H0 : 𝞫i = 𝞫i*)

SE = simpangan baku 𝞫i

Pada tingkat signifikansi 5 persen dengan pengujian yang digunakan

adalah sebagai berikut:

a) Jika t-hitung > t-tabel maka H0 ditolak, artinya salah satu variabel

independen mempengaruhi variabel dependen secara signifikan.

b) Jika t-hitung < t-tabel maka H0 diterima, artinya salah satu variabel

independen tidak mempengaruhi variabel dependen secara

signifikan.

b. Uji Signifikansi Simultan (Uji F)

Uji statistik F pada dasarnya menunjukkan apakah semua variabel

bebas yang dimasukkan dalam model mempunyai pengaruh secara

bersama-sama terhadap variabel terikat.

Untuk menguji hipotesis digunakan statistik F dengan

pengambilan keputusan sebagai berikut:

1. Quick look : jika nilai F lebih besar daripada 4 maka Ho dapat ditolak pada derajat kepercayaan 5 persen, dengan kata lain

menerima hipotesis alternatif, yang menyatakan bahwa semua

variabel independen secara serentak dan signifikan

mempengaruhi variabel dependen.

2. Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Jika nilai F hitung lebih besar daripada nilai F tabel, maka

Ho ditolak dan Ha diterima.12

Hipotesis yang digunakan:

1. H0 : ß1, ß2 = 0 semua variabel independen tidak mampu

mempengaruhi variabel dependen secara bersama-sama

2. H1 : ß1, ß2 ≠ 0 semua variabel independen mampu

mempengaruhi variabel dependen secara bersama-sama

Nilai F hitung dirumuskan sebagai berikut:

𝐹 =𝑅2/(𝑘−1)

1−𝑅2/(𝑁−1)..........................................(3.2)

dimana:

k = jumlah parameter yang diestimasi termasuk kostanta

N = jumlah observasi

Pada tingkat signifikansi 5 persen dengan kriteria pengujian yang

digunakan sebagai berikut:

a) H0 diterima dan H1 ditolak apabila F hitung < F tabel, yang

artinya variabel penjelas secara bersama-sama tidak

mempengaruhi variabel yang dijelaskan secara signifikan.

12

Ibid. Hal. 83

b) H0 ditolak dan H1 diterima apabila F hitung > F tabel, yang

artinya variabel penjelas secara bersama-sama mempengaruhi

variabel yang dijelaskan secara signifikan.

c. Uji Koefisien Determinasi (uji R2)

Imam Ghozali (2002) menyatakan bahwa koefisien determinasi (R2)

pada intinya mengukur seberapa jauh kemampuan suatu model dalam

menerangkan variasi variabel terikat. Nilai (R2) adalah antara nol dan satu.

Nilai (R2 ) yang kecil (mendekati nol) berarti kemampuan satu variabel

dalam menjelaskan variabel dependen amat terbatas. Nilai yang mendekati

satu berarti variabelvariabel independen memberikan hampir semua

informasi yang dibutuhkan untuk memprediksi variabel dependen.

Kelemahan mendasar penggunaan determinasi adalah bias terhadap

jumlah variabel independen yang dimasukkan ke dalam model. Setiap

tambahan satu variabel pasti meningkat tidak peduli apakah variabel

tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh

karena itu, banyak peneliti menganjurkan untuk menggunakan nilai

adjusted (R2 ) pada saat mengevaluasi model regresi yang terbaik. Nilai

koefisien determinasi diperoleh dengan formula:

𝑅2 = 𝑦∗2

𝑦2...................................................(3.3)

dimana:

y*

= nlai y estimasi

y = nilai y aktual