BAB III

METODE PENELITIAN

3.1 Tempat Penelitian

Penelitian ini dilakukan pada Dinas Perhubungan Kota Kupang.

Penelitian dilakukan selama bulan yaitu bulan sampai 2020.

3.2 Populasi dan Sampel

Populasi penelitian ini adalah laporan target dan realisasi retribusi parkir,

pengambilan sampel didasarkan pada periode laporan keuangan.

3.3 Jenis dan Sumber Data

3.3.1 Jenis Data

1. Data Kuantitatif

Data Kuantitatif yaitu data yang diperoleh dalam bentuk angka yang berhubungan

dengan penelitian ini berupa Penerimaan Retribusi Parkir di Tepi Jalan Umum Kota

Kupang.

2. Data Kualitatif

Data Kualitatif yaitu data yang diperoleh dalam pernyataan, uraian dan penjelasan

yang berhubungan dengan penelitian ini khususnya yang terakit dengan Penerimaan

Retribusi Parkir di Tepi Jalan Umum Kota Kupang.

3.3.2 Sumber Data

1. Data Primer

Data primer adalah data yang diperoleh dari hasil penelitian secara langsung oleh

peneliti yang terakit dengan objek penelitian, maka data primer dalam penelitian ini

yaitu peneliti melakukan wawancara langsung dengan Kepala Bidang Pengelolaan

Retribusi Parkir Dinas Perhubungan Kota Kupang.

2. Data Sekunder

Data Sekunder adalah data yang diperoleh melalui dokumen atau laporan tertulis

pada Dinas Perhubungan Kota Kupang.

3.4 Teknik Pengumpulan Data

1. Dokumentasi

Yaitu metode pengumpulan data yang diperoleh dengan mencatat/mengumpulkan

dokumen-dokumen yang berhubungan dengan penelitian ini yakni penerimaan

retribusi parkir tepi jalan umum.

2. Wawancara

Yaitu metode pengumpulan data dimana penulis melakukan wawancara langsung

dengan kepala bagian keuangan dan pihak-pihak yang berwenang untuk memberikan

informasi yang menyangkut masalah yang diteliti yakni laporan penerimaan retribusi

parkir tepi jalan umum.

3.5 Definisi Operasional Variabel

Definisi operasional variabel dipakai untuk memperjelas dan memudahkan

dalam memahami variabel-variabel yang akan dianalisis dalam penelitian ini. Definisi

operasional variabel itu dirumuskan dalam tabel 3.1 sebagai berikut :

 Tabel 3.1
Definisi Operasional Variabel dan Indikator Pengukuran

No. Variabel Definisi Operasional Indikator Skala

Pengukuran

1. Perencanaan Upaya yang dilakukan oleh  Menentukan strategi

Dinas Perhubungan Kota penempatan nilai
(X1) Kupang untuk menetapkan kontrak parkir yang
optimal Likert
tujuan, strategi, dan
 Menentukan strategi
kegiatan yang akan
penertiban kawasan
dilakukan untuk parkir secara terjadwal
mewujudkan efektifitas  Menentukan strategi
pengelolaan Retribusi parkir penertiban juru parkir
tepi jalan umum secara optimal

2. Pelaksanaan Tindakan yang dilakukaan  Mengimplementasi

Dinas Perhubungan Kota strategi penempatan
(X2) Kupang untuk nilai kontrak parkir
mengimplementasi kegiatan  Mengimplementasi Likert
pengelolaan retribusi parkir strategi penertiban
yang telah direncanakan kawasan parkir
 Mengimplementasi
strategi penertiban juru
parkir
3. Pengawasan Tindakan yang dilakukaan  Memberikan peringatan
Dinas Perhubungan Kota teguran dan sanksi
(X3) Kupang untuk memastikan berupa surat
agar pengelolaan retribusi pemberhentian kerja Likert
parkir dilakukan sesuai SOP kepada pengelola parkir
yang tidak
mengindahkan teguran
penertiban kawasan
parkir

4. Evaluasi Tindakan internal yang  Memberikan

dilakukan oleh Dinas
(X4) Perhubungan Kota Kupang
untuk meningkatkan
kualitas pengelolaan
retribusi parkir tepi jalan
umum
 Melakukan penilaian
peringatan teguran dan
sanksi berupa surat
pemberhentian kerja
kepada pengelola parkir
yang tidak
mengindahkan teguran
penertiban juru parkir Likert
atas perencanaan,
pelaksanaan, dan
implementasi
pengawasan yang
dilakukan disetiap
 kawasan parkir
 Mengidentifikasi
faktor- faktor
penghambat maupun
pendukung dalam
rangka meningkatkan
kualitas perencanaan,
pelaksanaan dan
pengawasan

5. Potensi Suatu kemampuan daerah  Luas objek parkir

Penerimaan untuk meningkatkan potensi  Tarif retribusi parkir
Retribusi retribusi parkir Likert
 Durasi parkir
Pelayanan  Indeks parkir
Parkir Ditepi  Potensi retribusi parkir
Jalan Umum

Semua indikator variabel penelitian pada tabel diatas, dijadikan sebagai titik tolak

untuk menyusun pernyataan-pernyataan yang akan dijawab responden untuk

mengetahui sikap mereka. Skala yang digunakan untuk mengukur indikator dalam

penelitian ini yaitu skala likert (Sugiyono, 2008) dengan skor yang digunakan adalah

(5, 4, 3, 2, 1) yang diaplikasikan sesuia pernyataan:

a. Sangat Setuju :5

b. Setuju :4

c. Ragu-Ragu (Netral) :3

d. Tidak Setuju :2

e. Sangat Tidak Setuju :1

3.6 Teknik Analisis Data

1.6.1 Analisis Statistik Deskriptif

Untuk menggambarkan fenomena yang terjadi dilokasi penelitian

maka teknik analisis data yang digunakan adalah analisis statistik deskriptif.
 Analisis deskriptif dilakukan dengan menghitung persepsi responden (Levis,

2013: 108) dengan formula sebagai berikut:

 X Ps  p 
Ps p     100%
 5 
 

Keterangan : Ps  p = Kategori persepsi

X Ps  p = Rata-rata skor untuk persepsi populasi
5 = Skor tertinggi skala Likert

Untuk menjawab deskripsi tentang masing-masing variabel penelitian ini

digunakan rentang skala sebagaai berikut:

Tabel 3.2
Kategori Persepsi Responden

No. Prosentase Pencapaian Skor Maksimum Kategori Sikap/Predikat

1 84 – 100 Sangat Tinggi
2 68 – 83 Tinggi
3 52 – 67 Cukup Tinggi
4 36 – 51 Rendah
5 ≤ 20 – 35 Sangat Rendah
Sumber: Levis (2013:108)

1.6.2 Analisis Statistik Inferensial

Dalam penelitian ini menggunakaan alat uji statistik yaitu dengan uji

persamaan structural berbasis variance atau yang lebih dikenal dengan nama

Partial Least Square (PLS) menggunakan software Smart PLS 3.0. Analisis PLS

adalah teknik statistika multivariate yang melakukan perbandingan antar

variabel dependen berganda dan variabel independen berganda (Abdillah dan

Jogiyanto, 2016:11) sesuai dengan hipotesis yang telah dirumuskan, maka dalam

penelitian ini analisis data statistik inferensial diukur dengan menggunakan

 software Smart PLS (Partial Least Square) mulai dari pengukuran model (outer

model), struktur model (inner model) dan pengujian hipotesis.

Menurut Monecke dan Leisch (2012), SEM menggunakan PLS terdiri dari

tiga komponen yaitu:

a. Model Struktural (Inner Model)

Pada model struktural, yang disebut juga sebagai model bagian dalam,

semua variabel laten dihubungkan satu dengan yang lain dengan didasarkan

pada teori substansi. Variabel laten dibagi menjadi dua, yaitu eksogenus dan

endogenus. Variabel laten eksogenus adalah variabel penyebab atau

variabel tanpa didahului oleh variabel lainnya dengan tanda anak panah

menuju ke variabel lainnya (variabel laten endogenus).

Gambar 3.1
Diagram Jalur

X1.1

X1.2
X1
X3.3

Y1
X2.1
X2 Y2
X2.2 Y
X3.3 Y3

Y4
X3.2 X3

X4.1
X4
X4.2

X4.3
 Persamaan struktural pada dasarnya dibangun dengan pedoman sebagai

berikut:

Variabel Endogen = Variabel Eksogen + Error

Model Persamaan Struktural:

1. Kontibusi PAD = γ1Perencanaan + Eror

2. Kontibusi PAD = γ2Pelaksanaan + Eror

3. Kontibusi PAD = γ3Pengawasan + Eror

4. Kontibusi PAD = γ4Evaluasi + Eror

b. Model Pengukuran (Measurement/Outer Model)

Model pengukuran disebut juga sebagai model bagian luar,

menghubungkan semua variabel manifest atau indikator dengan variabel

latennya. Dalam kerangka PLS, satu variabel manifest hanya dapat

dihubungkan dengan satu variabel laten. Semua variabel manifest yang

dihubungkan dengan satu variabel laten disebut sebagai suatu blok. Dengan

demikian setiap variabel laten mempunyai blok variabel manifest. Satu blok

harus berisi setidak-tidaknya satu indikator. Cara suatu blok dihubungkan

dengan variabel laten dapat reflektif (variabel-variabel manifest berperan

sebagai indikator yang dipengaruhi oleh konsep yang sama dan yang

melandasinya) atau formatif (indikator-indikator yang membentuk atau

menyebabkan perubahan pada variabel laten) (Wijanto, 2008).

c. Skema Pembobotan

Menurut Sarwano dan Nirimawati (2015:9) Skema pembobotan digunakan

untuk estimasi bobot bagian dalam pada langkah kedua algoritma PLS.

Skema pembobotan awal menggunakan centroid (rata-rata aritmatik).

Kemudian perkembangan selanjutnya skema pembobotan juga

menggunakan pembobotan faktorial dan jalur.