BAB III

METODE PENELITIAN

A. Obyek Penelitian

Objek penelitian merupakan sautu atribut dari orang, benda atau

kegiatan yang memiliki variasi tertentu yang ditetapkan oleh peneliti untuk

dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2010). Adapun

obyek dalam penelitian ini adalah pertumbuhan penduduk, tingkat

pengangguran sebagai variabel dependen dan tingkat kemiskinan sebagai

variabel independen yang diperoleh dari Kantor Badan Pusat Statistic

Provinsi Kalimantan Barat.

B. Jenis Dan Sumber Data

Adapun jenis data yang digunakan dalam penelitain ini adalah data

skunder (secondary data), dimana data skunder merupakan data yang di

peroleh dari sumber yang sudah ada (Creswell, 2016). Data skunder ini

merupakan data berkala (time series) dengan jangka waktu Sepuluh tahun

(2007-2017) yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi

Kalimantan Barat.

C. Teknik Pengumpulan Data

Teknik pengumpulan data pada penelitian ini menggunakan teknik

dokumentasi, dimana teknik dokumentasi merupakan catatan peristiwa yang

41
 42

sudah berlalu (Sanusi, 2016). Data yang dikumpulkan pada penelitian ini

merupakan data kuantitatif yang meliputi data jumlah penduduk, tingkat

pengagguran dan tingkat kemiskinan pada kurun waktu 2007-2017 dari

Kantor Badan Pusat Statistik (BPS) Provinsi Kalimantan Barat.

D. Definisi Operasional Variabel Penelitian

1. Pertumbuhan Penduduk

Persentase pengurangan anatra jumlah kelahiran dan kematian yang

kemudian ditambah dengan jumlah imigrasi dikurangi emigrasi dan

dibagi dengan jumlah penduduk tahun awal perhitungan di Provinsi

Kalimantan Barat tahun 2007-2017, dalam persen.

2. Tingkat Pengangguran

Persentase perbandingan jumlah penanggur dengan jumlah angkatan

kerja di Provinsi Kalimantan Barat pada tahun 2007-20017, dalam

persen.

3. Tingkat Kemiskinan

Persentase penduduk yang berada di bawah garis kemiskinan yang

sudah ditetapkan oleh Badan Pusat Statistik dibagi dengan dengan

jumlah penduduk secara keseluruhan di Provinsi Kalimantan Barat

pada tahun 2007-2017, dalam persen.

E. Metode Analisis

Data yang berkaitan dengan penelitian ini dianalisi menggunakan

metode analisis data kuantitatif dengan analisis regresi linier berganda

 43

dengan bantuan software SPSS 16.0 untuk windows. Dengan suatu

persamaan ekonometrika, pengaruh antara variable dependen (Y1 dan Y2)

terhadap variable independen (X) yang diformulasikan dan untuk melihat

pengaruh antara pertumbuhan penduduk, tingkat pengangguran terhadap

tingkat kemiskinan dengan model dasar sebagai berikut:

X = b0+b1Y1+b2Y2+e

Dimana:

X = Tingkat Kemiskinan

b0 = Konstanta

b1,b2 = Koefisien Regresi

Y1 = Pertumbuhan Penduduk

Y2 = Tingkat Pengangguran

e = Error term

Data yang digunakan dalam varabel-varabel yang ada tersebut terbatas

hanya periode 2007-2017. Mengukur pengaruh anatara variable digunakan

beberapa langkah pengujian yaitu pengujian asumsi klasik dan pengujian

statistik.

F. Uji Asumsi Klasik

Pada penelitian ini peneliti akan menggunakan analisis regresi

berganda yang dimana syarat untuk menggunakan persamaan regresi

berganda adalah terpenuhinya uji asumsi klasik. Setelah model yang akan

diuji memenuhi asumsi klasik, dan regresi, maka tahap selanjutnya

 44

dilakukan statistik. Uji statistik yang dilakukan adalah uji t dan uji F

(Ghozali, 2013).

1. Uji Normalitas

Uji normalitas digunakan untuk menguji apakah dalam model

regresi, variabel dependen dan variabel independen, keduanya

terdistribusi secara normal atau tidak. Model regresi yang baik adalah

model regresi yang memiliki distribusi normal atau mendekati normal.

Uji normalitas dalam penelitian ini menggunakan uji Kolmogrov-

Smirnov. Alasan pemilihan Kolmogrov-Smirnov karena dinilai lebih

sederhana dan tidak menimbulkan perbedaan persepsi. Uji

Kolmogrov-Smirnov dilakukan dengan tingkat signifikasi 0,05. Untuk

lebih sederhana, pengujian ini dilakukan dengan melihat probabilitas

dari Kolmogrov-Smirnov Z statistic (Ghozali, 2013).

Kriteria pengujian:

Jika Z > 0,05, maka data terdistribusi normal

Jika Z ≤ 0,05 maka data tidak terdistribusi normal.

2. Uji Multikolinearitas

Uji Multikolinieritas digunakan untuk menguji apakah model

regresi terdapat kolerasi antar variabel bebas (independen). Model

regeresi yang baik seharusnya tidak terjadi kolerasi diantara variabel

independen (Ghozali, 2013). Untuk mendeteksi ada atau tidaknya

multikolinieritas adalah dengan menghitung koefisien korelasi antar

variabel independen. Jika korelasi kurang dari 0,9 maka dapat

 45

dikatakan tidak ada multikolinearitas dan jika kolerasi lebih dari 0,9

maka dapat dikatakan ada multikolenearitas.

3. Uji Autokorelasi

Uji autokorelasi digunakan untuk menguji apakah dalam model

regresi linear terdapat korelasi antara anggota observasi lain yang

berlawanan waktu. Autokorelasi artinya korelasi antara satu variabel

gangguan dengan variabel gangguan lainnya. Model regresi yang baik

adalah regresi yang bebas dari autokelerasi (Ghozali, 2013). Cara yang

digunakan untuk mendeteksi ada atau tidaknya autokelerasi dalam

penelitian ini yaitu dengan uji Durbin-Waston yang digunakan untuk

autokelerasi tingkat satu dan mensyaratkan adanya intercept dalam

model regresi dan tidak ada variabel lagi diantara independen.

Pengujian hipotesis:

Ho : Tidak terdapat autokelerasi (r=0)

Hi : Terdapat autokelerasi (r≠0)

Pengambilan keputusan ada tidaknya autokelerasi menurut Uji

Durbin-Waston adalah:

Tabel 3.1 Pengukuran Autokorelasi Uji Durbin-Wasten (DW test)

Hipotesis Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d < dl
Tidak ada autokorelasi positif No decision dl ≤ d ≤ du
Tidak ada autokorelasi negatif Tolak 4 – dl < d < 4
Tidak ada autokorelasi negativf No decision 4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif Tidak du < d < 4 - du
atau negatif ditolak
Sumber: Ghozali (2013)
 46

4. Uji Heterokedastisitas

Uji Heteroskedastisitas digunakan untuk mengetahui apakah

dalam model regresi linear memiliki variansi residual atau tidak untuk

semua observasi. Jika variance dari residual satu pengamatan ke

pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika

berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah

yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas

(Ghozali, 2013). Untuk mendeteksi apakah model regresi yang

digunakan terjangkit heteroskedastisitas dengan menggunakan uji

White. Prinsip yang digunakan adalah dengan meregresi residual yang

dikuadratkan dengan variabel independen pada model, sehingga

menghasilkan Obs*R-squared pada uji white,

Jika Obs*R-squared White lebih besar dibandingkan X² tabel

maka terdeteksi heterokedastisitas, jika Obs*R-Squared lebih kecil

dibandingkan dengan X² tabel maka dalam model tidak terdeteksi

heterokedastisitas.

G. Uji Statistik

1. Uji F

Uji pengaruh simultan (F test) digunakan untuk mengetahui

apakah variabel independen secara bersama-sama atau simultan

mempengaruhi variabel dependen. Dalam pengujian hipotesis ini akan

 47

menggunakan uji F dengan hipotesis yang diuji adalah sebagai

berikut:

a. Ho : b1, b2 = 0 : Tidak ada pengaruh antara variabel independen

terhadap variabel dependen.

b. Ha : b1, b2 ≠ 0 : Paling tidak ada satu variabel independen yang

mempengaruhi variabel dependen.

Rumus menentukan nilai F hitung:

𝑅2
(𝐾−1)
F = (1−𝑅2 )(𝑁−𝐾)

Dimana:

R2 = Nilai koefisein parsial

N = jumlah sampel

K = jumlah variabel bebas

Kriteria uji F yang digunakan adalah:

a. Jika Fhitung > Ftabel, maka Ho ditolak, dan Ha diterima, berarti

variabel independen secara simultan mempengaruhi variabel

dependen.

b. Jika Fhitung < Ftabel, maka Ho diterima dan Ha ditolak, berarti

variabel independen secara simultan tidak mempengaruhi variabel

dependen.
 48

2. Uji t

Uji parsial (t test) digunakan untuk mengetahui pengaruh

masing-masing variabel independen terhadap variabel dependen.

Hipotesis yang digunakan :

a. H0: β1 = 0, pertumbuhan penduduk tidak memiliki pengaruh

terhadap Kemiskinan.

b. Ha: β1 > 0, pertumbuhan penduduk memiliki pengaruh negatif

terhadap Kemiskinan.

c. H0: β2 = 0, tingkat pengangguran tidak memiliki pengaruh

terhadap Kemiskinan.

d. Ha: β2 > 0, tingkat pengangguran memiliki pengaruh negatif

terhadap Kemiskinan.

Rumus nilai t :

𝑟 √𝑛−2
t=
√1−𝑟 2

Keterangan:

t = Uji t

r = Nilai koefisien korelasi

r2 = Koefisien determinasi

n = Jumlah sampel yang diobservasi (Sugiyono, 2012)

Kriteria pengujian hipotesis secara parsial, kriteria uji t yang

digunakan adalah:
 49

a. Jika t hitung > t tabel, maka Ho ditolak, dan Ha diterima, berarti

variabel independen secara parsial mempengaruhi variabel

dependen.

b. Jika t hitung < t tabel, maka Ho diterima dan Ha ditolak, berarti

variabel independen secara parsial tidak mempengaruhi variabel

dependen

H. Koefisien Determinasi (R²)

Analisis ini digunakan untuk mengetahui seberapa besar pengaruh

variabel independen yaitu pertumbuhan penduduk dan tingkat pengangguran

terhadap variabel dependen yaitu kemiskinan.

Koefisien Determinasi dihitung dengan rumus sebagai berikut (Ghozali,

2013):

KD = r2 x 100%

Dimana:

KD = koefisien determinasi

r2 = Koefisien kuadrat korelasi ganda