BAB III

METODE PENELITIAN

3.1 Objek Penelitian

Data yang digunakan dalam penelitian ini merupakan data sekunder secara keseluruhan
diambil dari sumber resmi dalam bentuk tahunan pada periode 2010 sampai 2018. Objek yang
digunakan pada penelitian ini adalah seluruh provinsi di Indonesia dengan kriteria yaitu provinsi
yang menerbitkan laporan mengenai tingkat pengangguran, upah minimum regional, dan PDRB
pada periode 2010-2018. Berdasarkan hal tersebut, jumlah provinsi yang digunakan pada
penelitian ini adalah 34 provinsi. Data tingkat pengangguran, upah minimum regional, dan
PDRB diperoleh dari situs resmi Badan Pusat

3.2 Definisi Operasional dan Variabel Penelitian

1. Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah 1 variabel dependen dan 2 variabel
independen. Variabel dependen yang digunakan adalah tingkat pengangguran, sedangkan
variabel independen yang digunakan adalah upah minimum regional dan PDRB

2. Definisi Operasional

Guna mendapatkan gambaran yang jelas tentang variabel–variabel yang digunakan dalam
penelitian ini maka masing-masing variabel dalam penelitian ini perlu diberikan definisi
operasional yang meliputi:
a. Pengangguran: Data tingkat pengangguran terdidik akan disajikan dalam bentuk persen (%)
yang diperoleh dari situs resmi Badan Pusat Statistik (BPS).
b. Upah minimum regional: Data tingkat upah akan disajikan dalam bentuk rupiah (Rp) yang
diperoleh dari situs resmi Badan Pusat Statistik (BPS) Data tingkat upah tersebut akan dirubah
kedalam bentuk Logaritma Natural (ln)..
c. PDRB: Data tingkat PDRB akan disajikan dalam bentuk rupiah (Rp) yang diperoleh dari situs
resmi Badan Pusat Statistik (BPS). Data PDRB tersebut akan dirubah kedalam bentuk Logaritma
Natural (ln).
3.3 Teknik Analisis Data
Teknik analisis yang digunakan untuk menjawab seluruh tujuan dalam penelitian ini adalah
dengan menggunakan analisis regresi data panel. Data panel merupakan gabungan antara data
time series dan data cross section (Widiarjono, 2007).
Model hubungan kinerja dengan varibel-variabel tersebut dapat disusun
dalam fungsi atau persamaan sebagai berikut:
Ŷit= b0 + b1 . UMRit + b2 . PDRBit + eit
Keterangan:
Y = Pengangguran b0 = Konstanta UMR = Upah Minimum Regional PDRB = PDRB b1,2 =
Koefisien Regresi e = Error i = Jumlah Provinsi t = Periode Waktu

1. Uji Pemilihan Model

Uji yang akan dilakukan untuk memilih model yang tepat. Ada 2 uji, diantaranya.
a. Uji Chow
b. Uji Hausman

2. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F
mengasumsikan bahwa nilai residual mengikuti distribusi normal (Imam Ghozali, 2011: 160).
Pada penelitian ini, uji normalitas yang digunakan untuk menguji normalitas data yaitu uji one
sample Kolmogorov-Smirnov. Mengenai perolehan hasil dari uji normalitas tersebut ditunjukan
dengan jika nilai signifikansinya < α = 0,05 maka data normal dan jika nilai signifikansinya > α
= 0,05 maka data tidak normal

b. Uji Multikolinearitas

Menurut Imam Ghozali (2011: 105) uji multikolonieritas bertujuan untuk menguji apakah
dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Kemudian, yang
dimaksud dengan variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama
variabel independennya sama dengan nol. Dikatakan terjadi multikolinieritas jika koefisien
korelasi antar variabel bebas lebih besar 0,60, dikatakan tidak terjadi multikolinieritas jika
koefisien korelasi antar variabel bebas lebih kecil atau sama dengan 0,60 (r < 0,60) (Danang
Sunyoto, 2007:89).
c. Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Bilamana varian
dari residual satu pengamatan ke pengamatan lain tetap maka disebut homokedastisitas dan
bilamana berbeda disebut heterokedastisitas. Model regresi yang baik adalah regresi yang bebas
dari heterokedastisitas. Pengujian dilakukan dengan melihat gambar plot antar nilai prediksi
variabel independen dengan residualnya. Apabila dalam grafik tersebut tidak terdapat pola
tertentu yang teratur dan data tersebar secara acak di atas dan di bawah angka 0 pada sumbu Y
maka diidentifikasikan tidak terdapat heterokedastisitas.

Uji Hipotesis

Uji hipotesis dilakukan untuk mengetahui ada tidaknya pengaruh variabel bebas terhadap
variabel terikat. Pengujian tersebut meliputi uji t statistik, uji f statistik dan analisis koefisien
determinasi (R2).

a. Uji Koefisien Secara Individual (Uji t)

Uji t statistik dilakukan untuk menguji pengaruh masing-masing variabel bebas terhadap variabel
terikat secara individual dan menganggap variabel bebas yang lain konstan. Hipotesis nol yang
digunakan adalah :
1) Pengaruh upah minimum regional terhadap tingkat pengangguran
Hipotesis yang digunakan dalam penelitian ini adalah:
H0: b0=b2 = 0 Tidak terdapat pengaruh positif upah minimum regional
terhadap tingkat pengangguran.
H1: b0=b2 ≠ 0 Terdapat pengaruh positif upah minimum regional
terhadap tingkat pengangguran.
2) Pengaruh PDRB terhadap tingkat pengangguran
Hipotesis yang digunakan dalam penelitian ini adalah:
H0: b0=b3 = 0 Tidak terdapat pengaruh negatif PDRB terhadap tingkat
pengangguran.
H1: b0=b3 ≠ 0 Terdapat pengaruh negatif PDRB terhadap tingkat
pengangguran.

Signifikansi pengaruh tersebut dapat diestimasi dengan membandingkan antara nilai t tabel
dengan nilai t hitung.Jika nilai t hitung > t tabel maka H0 ditolak dan H1 diterima, yang berarti
variabel independen secara individual mempengaruhi variabel dependen. Sebaliknya, jika nilai t
hitung < t tabel maka H1 ditolak, yang berarti variabel independen secara individual tidak
mempengaruhi variabel dependen.
b. Uji Koefisien (Uji F)
Menurut Sugiyono (2008) uji F digunakan untuk menguji variabelvariabel bebas secara
bersama-sama terhadap variabel terikat. Selain itu dengan uji F ini dapat diketahui pula apakah
model regresi linier yang digunakan sudah tepat atau belum. F statistik yang signifikan lebih
besar dari F tabel pada tingkat resiko kesalahan (α) yang diambil. Hipotesis yang digunakan
adalah hipotesis dengan one tail, yaitu sebagai berikut : Ho : b0=b5 = 0 Tidak ada pengaruh yang
signifikan secara simultan antara variabel upah dan PDRB terhadap tingkat pengangguran. H1 :
b0=b5 ≠ 0 Ada pengaruh yang signifikan secara simultan antara variabel inflasi, upah, PDRB,
dan nilai tukar terhadap tingkat pengangguran. Uji F statistik ini dalam analisis regresi dapat
digunakan untuk menguji signifikansi koefisien determinasi (R2). Nilai F statistik dengan
demikian dapat digunakan untuk mengevaluasi hipotesis bahwa apakah tidak ada variabel
independen yang menjelaskan variasi Y di sekitar rata-ratanya dengan derajat kepercayaan
(degree of freedom) k-1 dan n-1 tertentu. Jika F hitung > F tabel, maka Ho ditolak dan H1
diterima, yang berarti variabel independen secara bersama-sama mempengaruhi variabel
Bdependen.

c. Uji Koefisien Determinasi (R2)

Koefisien determinasi (R2) digunakan untuk mengetahui sampai seberapa besar
persentase variasi dalam variabel terikat pada model dapat diterangkan oleh variabel bebasnya
(Gujarati, 2003). Nilai R2 berkisar antara 0 < R2< 1. Semakin Besar R2, maka persentase
perubahan variabel terikat yang disebabkan variabel bebas semakin tinggi dan semakin kecil R2,
maka persentase perubahan variabel terikat yang disebabkan oleh variabel bebas semakin rendah.
Koefisien determinasi (R2) menunjukkan variasi turunnya Y yang diterangkan oleh pengaruh
linear X. Bila nilai koefisien determinasi yang diberi simbol R2 sama dengan 1, berarti garis
regresi yang dicocokkan menjelaskan 100 persen variasi dalam Y. Sebaliknya, kalau R2 sama
dengan 0 maka model tadi tidak menjelaskan sedikitpun variasi dalam Y. Khasnya R2 terletak
antara kedua titik ekstrim ini (0 – 1). Kecocokan model dikatakan lebih baik bila R2 semakin
dekat dengan 1 (Gujarati, 2003).
 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian dan Pembahasan

4.1.1 Deskripsi Data

Uji Asumsi Klasik

a.) Multikolinearitas
Salah satu cara untuk mengetahui multikolinearitas dalam suatu model adalah dengan
melihat koefisien korelasi hasil output komputer. Jika terdapat koefisien korelasi yang lebih
besar dari 10 maka terdapat masalah multikolinearitas. Berikut adalah hasil output korelasi dapat
dilihat di bawah ini

Centered VIF < 10, H1 ditolak, H0 Diterima

Centered VIF > 10, H0 diterima, H1 ditolak
Dari hasil uji berdasarkan metode VIF dapat dilihat bahwa nilai Center VIF variabel
independen PDRB sebesar 2.547 dan Variabel independen UMR sebesar 2.547. maka kedua
variabel tersebut nilaimya kurang dari 10 sehingga H1 ditolak dan H0 diterima. Artinya, variabel
independen tersebut bebas dari masalah multikolinearitas.

b.) Autokorelasi
Uji autokorelasi bertujuan untuk melihat ada atau tidaknya hubungan antara residual satu
observasi lainnya. Uji autokorelasi menggunakan uji Durbin Watson. Uji autokorelasi dapat
dilihat dari nilai DW membandingkan nilai DW dengan nilai dl dan du pada Tabel DW. maka
dapat disimpulkan bahwa pada model tersebut tidak ada masalah autokorelasi. Berikut hasil dari
uji autokorelasi dapat dilihat di bawah ini.
 Berdasarkan Tabel DW dengan n=27 dan jumlah variabel bebas=2, maka nilai dl dan du
berturut-turut sebesar 1,240, dan1,556. Dengan demikian du < DW < 4-du yaitu sebesar 1.240
< 2.223 < 2.444 sehingga dapat disimpulkan tidak terjadi gejala autorkorelasi.

Uji Regresi Linear Berganda

Hasil uji regresi linear berganda
Asumsi I : Jika nilai Signifikan (< 0,05) maka PDRB dan UMR mempengaruhi Pengangguran
Asumsi II : Jika nilai Signifikan (> 0.05) maka PDRB dan UMR mempengaruhi Pengangguran

Uji t parsial

Kita bisa melihat dan mengetahui uji t parsial berdasarkan nilai Signifikansi jika nilai
signifikansi < probabilitas 0,05 maka H1 dan jika nilai Signifikansi > probabilitas 0,05 maka H1
tertolak

1) Pengaruh PDRB terhadap pengangguran

Hasil pengujian analisis regresi data panel menunjukkan hasil nilai signifikansi sebesar 0,0000
yang lebih kecil dari 0,05 maka variabel PDRB memiliki pengaruh terhadap pengangguran

2) Pengaruh UMR terhadap pengangguran

Hasil pengujian analisis regresi data panel menunjukkan hasil nilai signifikansi sebesar 0,000
yang lebih besar dari 0,05 maka variabel UMR memiliki pengaruh terhadap pengangguran

Uji F (Simultan)

Uji F digunakan untuk mengetahui apakah variabel independen secara bersamasama berpengaruh
terhadap variabel dependen atau untuk mengetahui apakah model regresi dapat digunakan untuk
memprediksi variabel dependen atau tidak. Apabila nilai prob.F lebih kecil dari tingkat
signifikansi 𝛼 = 0,05 maka model regresi disetismasi layak, sedangkan jika kurang dari tingkat
signifikansi maka dapat dikatakan bahwa model regresi diestimasi tidak layak

Dari SPSS nilai Signifikansi adalah 0.000 (< 0,05)

Artinya PDRB dan UMR secara simultan (secara bersama-sama) mempengaruhi Pengangguran

Koefisien Determinasi
Lalu besarnya pengaruh R simultan yaitu dilihat dari tabel R2 yaitu sebesar = 0,980 x
100% = 98% Artinya PDRB dan UMR mempengaruhi pengangguran sebesar 98% dan sisanya
2% dipengaruhi oleh variabel lain yang tidak diteliti dalam penelitian ini.