BAB III

METODE PENELITIAN

Bagian ini membahas tentang jenis data, sumber data, teknik pengumpulan
data, dan metode yang digunakan dalampenelitian.

3.1. Data dan SumberData

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data
utama yang diperlukan adalah semua variabel yang diteliti yang bersumber dari
data tertulis atau dokumen yang sudah ada melalui instansi terkait, yakni Badan
Pusat Statistik. Variabel yang di maksud meliputi, jumlah penduduk,
jumlahpenganggurann danjumlahpendudukmiskin.

Berdasarkan cara memperolehnya, data dalam penelitian ini bersumber dari

data sekunder. Menurut Kuncoro (2009: 145) data sekunder adalah data yang
telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada
masyarakat pengguna data.

Teknik yang digunakan dalam pengumpulan data dalam penelitian ini

adalah teknik dokumentasi. Teknik dokumentasi adalah mencari data yang berupa
catatan, transkrip, buku, surat kabar, majalah, prasasti, notulen rapat, legger,
agenda dan sebagainya (Arikunto, 2006: 158). Dokumentasi diperoleh dari
publikasi instansi terkait yang sudah ada yakni Badan Pusat Statistik berupa data
jumlah penduduk, jumlahpengangguran, dan jumlahpendudukmiskinsetiap
kabupaten dan kota di Daerah Istimewa Yogyakarta Tahun 2012-2018.

3.2. AlatAnalisis

Penelitian ini menggunakan teknik analisis regresi dengan

menggunakandata panel. Penelitian ini menggunakan pendekatan Uji Chow, dan
Uji Hausman

19
 20

3.2.1 Persamaan Ekonometri

Persamaan ekonometri yang digunakan dalam penelitian ini mengadopsi

dan memodifikasi dari persamaan Pramandari dan Kaluge (2017). Dengan
demikian persamaan data panel sebagai berikut :

Yit = α + β1LnJPit+ β2LnJPTit+ μi

Keterangan :

Y : JumlahPendudukMiskin 5 (lima) kabupaten/kota di Daerah

Istimewa Yogyakarta periode tahun 2012-2018.
LnJP :Log JumlahPenduduk (JP) 5 (lima) kabupaten/kota di Daerah
Istimewa Yogyakarta periode tahun 2012-2018.
LnJPT :Log JumlahPengangguran Terbuka 5 (lima) kabupaten/kota diDaerah
IstimewaYogyakarta periode tahun 2012-2018.
α : Intersep yang menggambarkan rata-rata pengaruh dari berbagai
variabel/faktor yang mempengaruhi Y akan tetapi tidak
dimasukan dalam persamaan regresi.
β1 dan β2 : Koefisien regresi parsial.
μi : Tingkat kesalahan stokastik.
i : Kabupaten/kota
t : Waktu

Ada beberapa metode yang dapat digunakan untuk mengestimasi model

regresi dengan data panel, yaitu model Common Effect, Fixed Effect, dan Random
Effect.

3.2.1.1. ModelCommon Effect / ModelPooled Least Square (PLS)

Model Common effectatau PLS merupakan model dalam regresi data panel
yang paling sederhana. Metode regresi Common effectsecara sederhana
 21

menggabungkan (pooled) seluruh data time series dan cross section tanpa
memperhatikan dimensi individu dan waktu. Oleh karena itu pendekatan Common
effectmenggunakan asumsi bahwa intercept dan slope dianggap konstan sehingga
perilaku antar individu dianggap sama dalam berbagai rentang waktu. Estimasi
model Common effectmenggunakan metode ordinary least square atau OLS.
Model data panel dengan menggunakan pendekatan Common effectataupooled
least square (PLS) adalah sebagai berikut (Gujarati, 2012:239):

Yit = β0 + β1 LnJPit + β2 LnJPT + it

dimana i adalah subyek ke-i dan t adalah periode waktu dari variabel.
Kekurangan terbesar dari penggunaan model Common effectadalah respon dari
variabel bebas ke variabel terikat dianggap sama untuk semua cross section yang
digunakan dalam regresi.

3.2.1.2. Model Fixed Effect

Model data panel yang kedua adalah model Fixed Effect . Teknik
pendekatan model Fixed Effect merupakan teknik estimasi data panel yang
menggunakan variabel dummy untuk mengetahui adanya perbedaan intercept.
Pendekatan model Fixed Effect menggunakan asumsi bahwa koefisien regresi
(slope) konstan (tetap antar perusahaan dan antar waktu), namun intersepnya
berbeda-beda. Metode ini memiliki kelemahan yaitu berkurangnya degree of
freedom yang pada akhirnya akan mengurangi efisiensi parameter. Model data
panel dengan pendekatan model Fixed Effect adalah sebagai berikut (Gujarati,
2012:243):

Yit = α1 + α2D2 + … + α5D5 + β1LnJPit + β2LnJPTit … + βnXnit +μit

 22

3.2.1.3. Pendekatan ModelRandom Effect

Pendekatan data panel yang ketiga adalah pendekatan ModelRandom

Effectatau dikenal juga dengan istilah error correction model (ECM). Pendekatan
ModelRandom Effectmerupakan teknik estimasi yang memperhitungkan adanya
variabel gangguan (error) yang saling berhubungan baik antar waktu maupun
antar individu. REM tidak dapat menggunakan teknik metode OLS karena tidak
akan menghasilkan estimator yang efisien, sehingga dalam pendekatan ini lebih
tepat menggunakan Metode Generalized Least Square (GLS). Model data panel
dengan pendekatan ModelRandom Effectadalah sebagai berikut (Gujarati,
2012:250) :

Yit = β0 + β1 Ln JPit + β2LnJPTit

3.2.2. Uji Spesifikasi Model

Analisis yang digunakan dalam penelitian ini menggunakan analisis data

panel yang terdiri dari model common effect, model fixed effect, dan model
random effect. Untuk memilih salah satu model estimasi yang dianggap paling
tepat dari ketiga jenis model tersebut, maka perlu dilakukan uji spesifikasi model
yaitu Uji Chow, dan Uji Hausman

3.2.2.1. Uji Chow

Uji ini dilakukan untuk memilih model estimasi terbaik antara model common
effect dengan model fixed effect. Hipotesis dari uji Chow adalah sebagai berikut :

H0 : model common effect

Ha : model fixed effect
Dasar penolakan terhadap hipotesis nol adalah dengan menggunakan uji F-
statistik :
 23

( RSS1−RSS2 ) / ( n−1 )
Fhitung =
RSS 2 / ( nt −n−k )

Keterangan :
RSS1 = Residual sum of squares teknik CEM
RSS2 = Residual sum of squares teknik FEM
n = Jumlah unit cross section
t = Jumlah data time series
k = Jumlah variabel independen

Keputusan menolak atau menerima H0 adalah sebagai berikut :

- Jika nilai F-hitung > F-tabel, maka berarti H0 ditolak dan model yang
digunakan adalah model fixed effect.
- Jika nilai F-hitung < F-tabel, maka berarti H0 diterima dan model yang
digunakan adalah model common effect

3.2.2.2. Uji Hausman

Uji ini merupakan dasar pertimbangan dalam memilih salah satu model
antara model fixed effect dan random effect. Langkah-langkah untuk Uji Hausman
adalah sebagai berikut :

1. Meregresikan masing-masing model estimasi untuk fixed effect dan random

effect.

2. Menyusun hipotesis nol (H0) dan hipotesis alternatif (Ha) sebagai berikut :
H0 : model random effect
Ha : model fixed effect
 24

3. Menentukan batas kritis untuk keperluan menolak atau tidak menolak

hipotesis.

4. Keputusan menolak atau menerima H0 sebagai berikut :

- Jika nilai chi-square (x2) hitung > nilai chi-square (x2)-tabel, maka H0
ditolak atau menerima Ha.
- Jika nilai chi-square (x2) hitung < nilai chi-square (x2)-tabel, maka H0
diterima atau menolak Ha.

3.2.3. Analisi Statistik

Setelah diperoleh model yang tepat untuk dianalisis, maka langkah

selanjutnya yaitu melanjutkan tahap uji statistik. Uji statistik dilakukan untuk
mengetahui tingkat signifikansi dari masing-masing koefisien regresi variabel
independen terhadap variabel dependen. Uji statistik yang digunakan meliputi uji-
t, uji-F, dan R2. Adapun penjelasannya sebagai berikut :

3.2.3.1. Uji-t

Uji t dikenal sebagai uji parsial yang digunakan untuk melihat ada tidaknya
pengaruh variabel independen secara individual terhadap variabel dependen.
Langkah-langkah pengujian parsial sebagai berikut :

1. Merumuskan hipotesis

Hipotesis merupakan jawaban sementara terhadap permasalahan yang

menjadi objek penelitian yang masih perlu diuji dan dibuktikan secara empiris
tingkat kebenarannya dengan menggunakan data-data yang berhubungan.
Berdasarkan landasan teori di atas, penelitian yang relevan dan penjelasan di atas,
 25

diduga jumlah penduduk danjumlah pengangguran terbuka berpengaruh

signifikan terhadap jumlahpendudukmiskindi Kabupaten / Kota Provinsi Daerah
Istimewa Yogyakarta tahun 2014-2018.

2. Tentukan nilai thitung

Rumus thitung :

α^ i
th =
se ( α^ i )

Keterangan :
th : t hitung
α^ i : Estimator

se ( α^ i ) : Standard Error Estimator

3. Menentukan nilai ttabel

tα (n - k) = ttabel

Keterangan :
α =tingkat signifikansi
n =jumlah observasi
k =jumlah parameter yang diestimasi, salah satunya merupakanintercept
 26

4. Pengambilan kesimpulan :
- Jika thitung> ttabel, maka H0 ditolak. Artinya, pada tingkat signifikansi tertentu,
tidakada pengaruhsecara individual antara variabel independen terhadap
variabel dependen.
- Jika thitung < ttabel, maka H0 tidak ditolak. Artinya, pada tingkat signifikansi
tertentuada pengaruh positif secara individual antara variabel independen
terhadap variabel dependen.

3.2.3.2. Uji-F

Uji F digunakan untuk mengetahui apakah variabel independen secara

bersama-sama mempengaruhi variabel dependen. Langkah-langkah uji F sebagai
berikut :

1. Merumuskan hipotesis
- H0 : β1 = β 2 = β 3 = 0
Hipotesis nol menyatakan bahwa variabel independen secara bersama-sama
tidak berpengaruh secara signifikan terhadap variabel dependen.
- Ha : β1 ≠ β2 ≠ β3 ≠ 0
Hipotesis alternatif menyatakan bahwa variabel independen secara bersama-sama
berpengaruh secara signifikan terhadap variabel dependen.

2. Menentukan batas kritis untuk keputusan menolak atau menerima H 0

sebesar F-Tabel = Fα;df1;df2 dengan melihat tabel F distribution, yaitu dengan
menentukan nilai df numerator (df1) sebesar k-1 dan df denominator (df2)
sebesar n-k dengan tingkat signifikansi sebesar α (5%). Nilai k menyatakan
banyaknya parameter dalam model penelitian termasuk juga variabel
dependen (konstanta).

3. Pengambilan keputusan :
 27

- Jika nilai Fhitung< nilai Ftabel (5%) maka H0 diterima. Dengan kata lain, secara
bersama-sama variabel independen tidak berpengaruh terhadap variabel
dependen.
- Jika nilai Fhitung> nilai Ftabel (5%) maka H0 ditolak. Artinya secara bersama-
sama variabel independen berpengaruh terhadap variabel dependen.

3.2.4. Koefisien Determinasi (R2)

Menurut Gujarati (2003) koefisien determinasi (R2) menunjukkan seberapa

besar persentase variasi variabel independen dapat menjelaskan variasi variabel
dependen dalam model. Formula dari R2 dapat ditulis sebagai berikut :

2 ESS RSS ∑ μ^ t2
R = =1− =1− 2
TSS TSS ∑ ( Y −Y^ )

Keterangan :

R2 = Koefisien determinan

ESS = Jumlah kuadrat yang dijelaskan (Explained Sum of Squares)

TSS = Jumlah kuadrat total (Total Sum of Squares)

RSS = Jumlah kuadrat residual (Residual Sum of Squares)

^μt 2 = Nilai taksiran atas residual

Menurut Sumodiningrat (1999) nilai R2 terletak antara nol dan satu (0 < R 2
<1). Jika nilai R2 (mendekati 1), semakin baik model regresi tersebut. Sedangkan
jika nilai R2 mendekati nol maka variabel independen secara keseluruhan tidak
dapat menjelaskan variabilitas dari variabel dependen. Suatu model dapat
dikatakan cocok apabila nilai R2 mendekati satu.
 28

3.3. Batasan Operasional

Penelitian ini memiliki beberapa batasan operasional atau batasan devinisi

variabel. Batasan devinisi variabel adalah sebagai berikut :

1. JumlahPendudukMiskin
Kemiskinan merupakan suatu proporsi penduduk yang hidup dibawah
kemiskinan. Garis kemiskinan atau batas kemiskinan adalah tingkat minimum
pendapatan yang dianggap perlu dipenuhi untuk memperoleh standar hidup yang
mencukupi di suatu negara. Ukuran yang digunakan dalam
jumlahpendudukmiskindidasarkan pada jumlah rupiah konsumsi berupa makanan
yaitu 2100 kalori per orang per hari (dari 52 jenis komoditi yang dianggap
mewakili pola konsumsi penduduk yang berada dilapisan bawah), dan konsumsi
nonmakanan (dari 45 jenis komoditi makanan sesuai kesepakatan nasional dan
tidak dibedakan antara wilayah pedesaan dan perkotaan). Patokan kecukupan
2100 kalori ini berlaku untuk semua umur jenis kelamin, dan perkiraan tingkat
kegiatan fisik, berat badan, serta perkiraan status fisiologis penduduk, ukuran ini
sering disebut dengan garis kemiskinan. Penduduk yang memiliki pendapatan
dibawah garis kemiskinan dikatakan dalam kondisi miskin.

2. Jumlah Penduduk
Jumlah penduduk(JP)adalah jumlah manusia yang bertempat
tinggal/berdomisili pada suatu wilayah atau daerah dan memiliki mata
pencaharian tetap di daerah itu, serta tercatat secara sah berdasarkan peraturan
yang berlaku di daerah tersebut. Pencatatan atau peng-kategorian seseorang
sebagai penduduk biasanya berdasarkan usia yang telah ditetapkan. Ukuran yang
di gunakan dalam jumlah penduduk yaitu banyaknya jiwa pada suatu wilayah atau
daerah.
 29

3. Jumlah Pengangguran Terbuka

Jumlah Pengangguran Terbuka (JPT) adalah indikasi tentangpenduduk usia
kerja yang termasuk dalam kelompok pengangguran.Pengangguran terbuka diukur
sebagai persentase jumlah penganggur atau pencari kerja terhadap jumlah
angkatan kerja.