BAB III

METODE PENELITIAN

3.1 Jenis Penelitian dan Desain Penelitian

Jenis penelitian ini adalah Explanatory research, Explanatory research

merupakan penelitian yang bertujuan menjelaskan hubungan antara variable

bebas (Independent Variable) terhadap variable terikat (Dependent Variable).

Dalam penelitian ini, mengupayakan menjelaskan hubungan variable bebas yaitu

Belanja langsung, Belanja tidak langsung dan jumlah penduduk (X) terhadap

variable terikat yaitu Struktur Ekonomi Primer (Y). Dalam penelitian ini untuk

pengolahan data akan dilakukan dengan menggunakan bantuan program

Eviews.9

1.2 Defenisi Operasional

1. Struktur Ekonomi Primer adalah kontribusi sektor pertanian, kehutanan,

perikanan dan sektor pertambangan, penggalian pada PDRB Provinsi

bengkulu tahun 2010-2020 dalam Satuan Persen

2. Belanja Langsung (BL) adalah merupakan belanja yang dianggarkan

terkait secara langsung dengan pelaksanaan program dan kegiatan yang

meliputi: belanja pegawai, belanja barang dan jasa, serta belanja modal

yang ada pada APBD Provinsi Bengkulu periode tahun 2010- 2020,

variabel ini dalam satuan persen.

3. Belanja Tidak Langsung (BTL) adalah merupakan belanja yang

dianggarkan tidak terkait secara langsung dengan pelaksanaan program

dan kegiatan yang meliputi: belanja pegawai, belanja bunga, belanja

 subsidi, belanja hibah, bantuan sosial, belanja bagi hasil, bantuan

keuangan, dan belanja tidak terduga yang ada pada APBD Provinsi

Bengkulu periode tahun 2010-2020, variabel ini dalam satuan persen.

4. Jumlah Penduduk adalah Jumlah penduduk Bengkulu adalah semua orang

yang berdomisili di wilayah geografis Bengkulu selama enam bulan atau

lebih dan atau mereka yang berdomisili kurang dari enam bulan tetapi

bertujuan untuk menetap. Data yang digunakan jumlah penduduk menurut

Kab/Kota di Provinsi Bengkulu tahun 2010-2020. variabel ini dalam

satuan persen.

1.3 Jenis dan Sumber Data

Jenis data yang digunakan pada penelitian ini adalah data sekunder.

Adapun data yang akan digunakan dalam penelitian ini yaitu data PDRB, belanja

langsung, belanja tidak langsung dan jumlah penduduk. Sementara sumber data

yang dibutuhkan dalam penelitian ini diperoleh dari data publikasi dan laporan

Badan Pusat Statistik (BPS) dan Kemenkeu.

3.4 Metode Pengumpulan Data

Metode pengumpulan data pada penelitian ini menggunakan metode

dokumentasi, metode dokumentasi merupakan teknik mencari data mengenai hal-

hal atau variabel yang berupa catatan, transkrip, buku, surat kabar, majalah,

prasasti, notulen rapat, lenger, agenda dan sebagainya (suharsimi, 2006). Adapun

cara yang dipakai dalam memperoleh data dalam metode dokumentasi pada

penelitian ini yaitu dengan cara menelusuri dan mendokumentasikan data-data

yang dibutuhkan dari situs resmi Badan Pusat Statistik (BPS) pada laman

http://bps.go.id dan menusuri situs kemenkeu.

1.5 Metode Analisis

Metode analisis yang dipakai dalam penelitian ini merupakan analisis

regresi data panel. Dimana data panel adalah sebuah data gabungan antara data

time series dengan data cross section. Unit cross section dalam penelitian

sebanyak 10 objek yang diwakilkan dari 9 kabupaten dan 1 kota di provinsi

Bengkulu. Sementara itu, data time series yang digunakan adalah 11 (sebelas)

tahun terakhir, dari tahun 2010-2020. Sehingga total unit observasi data panel

dalam penelitian ini, yaitu NT 10x11 = 110 unit observasi.

1.5.1 Analisis Regresi Data Panel

Untuk menganalisis struktur ekonomi primer maka dilakukan dengan analisis

regresi data panel dengan persamaan sebagai berikut :

Y= a + β1 X1 + β2 X2 + β3 X3 +e

Keterangan:

Y = Kontribusi Sektor Primer

a = Konstanta

β1-3 = Koefisien Regresi

X1 = LN Belanja Langsung

X2 = LN Belanja Tidak Langsung

X3 = LN Jumlah Penduduk

e = Standard eror
1.5.2 Pemilihan Model Estimasi Data Panel
Dalam regresi data panel terdapat tiga model yang digunakan. Model yang

digunakan dalam regresi data panel, yaitu common effect model (OLS pooled),

fixed effect model (LSDV), dan random effect model (Gujarati, 2013).

1) Common Effect Model

Common Effect Model merupakan jenis model yang cukup sederhana

dimana menggabungkan seluruh data time series dan data cross section, setelah

itu akan dilakukan estimasi model dengan menggunakan Ordinary Least Square

(OLS). Dalam model ini menganggap bahwa intersep dan slope pada setiap

variabel sama untuk setiap obyek observasi. Jadi dapat dikatakan, bahwa hasil

regresi ini dianggap berlaku untuk semua tempat dan pada semua waktu.

2) Fixed Effect Model

Fixed Effect Model dalam model ini mengasumsikan bahwa perbedaan

antar individu dapat diakomodasi dari intersepnya. Dalam mengestimasi model

fixed effect maka perlu menggunakan teknik variabel dummy untuk menangkap

perbedaan intersep antar individu. Dalam model fixed effect memberikan asumsi

bahwa koefisien regresi (slope) tetap baik antar individu dan antar waktu.

3) Random Effect Model

Dalam model random effect mengasumsikan bahwa dalam data panel

terdapat variabel gangguan yang mana nilainya berbeda antar individu. Model

random effect hampir memilki kesamaan dengan model common effect tetapi pada

random effect ditambah nilai residu. Maka pada model random effect dapat

diasumsikan bahwa intersep ataupun slope adalah sama baik antar waktu ataupun

individu, dan ditambah nilai residu yang berbeda antar waktu.

1.5.3 Uji Kesesuaian Model

Dalam menentukan sebuah model yang tepat yang akan digunakan pada

penelitian ini, maka harus dilakukan beberapa pengujian yang dilakukan sebagai

berikut:

1) Uji Chow (Chow Test)

Uji Chow adalah pengujian yang dilakukan guna untuk memilih model

mana yang sesuai antara common effect model atau fixed effect model yang paling

tepat untuk digunakan dalam mengestimasi data panel. Adapun hipotesis dalam

uji Chou, yaitu:

H0 : Common effect model

Ha : Fixed effect model
Tingkat error (α) adalah sebesar 5%. Adapun kriteria dalam menentukan

apakah hipotesis diterima atau ditolak, yaitu apabila nilai dari Probabilitas < 0,05

maka Ha diterima, artinya model yang akan dipilih adalah fixed effect model.

Namun sebaliknya, bila nilai Probabilitas > 0,05 maka H0 diterima, artinya model

yang akan dipilih adalah common effect model. Jika model yang dipilih yaitu fixed

effect model maka harus dilakukan pengujian lagi, yaitu Uji Hausman untuk

mengetahui model mana yang terbaik untuk digunakan nanti apakah fixed effect

model atau random effect model.

2) Uji Hausman (Hausman Test)

Uji Hausman digunakan dalam menentukan model mana paling tepat

digunakan apakah fixed effect model atau random effect model. Adapun hipotesis

dalam uji hausman sebagai berikut:

H0 : Random effect model

 Ha : Fixed effect model
Tingkat error (α) adalah sebesar 5%. Adapun kriteria dalam menentukan

apakah hipotesis diterima atau ditolak, yaitu apabila nilai Probabilitas < 0,05

maka Ha diterima, artinya model yang akan dipilih adalah fixed effect. Namun

sebaliknya, bila nilai Probabilitas > 0,05 maka H0 diterima, artinya model yang

akan dipilih adalah random effect. Jika model yang dipilih adalah random effect,

maka kita harus melakukan pengujian lagi dengan uji Lagrange Multiplier.

Sebaliknya, jika model yang dipilih adalah fixed effect maka uji Lagrange

Multiplier tak perlu dilakukan.

3) Uji Lagrange Multiplier (LM)

Uji LM digunakan dalam menentukan model mana paling tepat untuk

digunakan apakah common effect model atau random effect model yang paling

tepat digunakan. Adapun hipotesis uji lagrange multiplier sebagai berikut:

H0 : Common Effect Model

Ha : Random Effect Model
Tingkat error (α) adalah sebesar 5%. Adapun kriteria dalam menentukan

apakah hipotesis diterima atau ditolak, yaitu apabila nilai dari Probabilitas < 0,05

maka Ha diterima, artinya model yang akan dipilih adalah random effect model.

Namun jika nilai Probabilitas > 0,05 maka H0 diterima, artinya model yang akan

dipilih adalah common effect model.

1.5.4 Pengujian Statistik

Dalam menentukan tingkat signifikansi dari masing-masing koefisien

regresi variabel bebas terhadap variabel terikat, maka perlu dilakukan pengujian

statistik, meliputi uji koefisien determinasi (R2), Uji F, dan Uji t.

1) Koefisien Determinasi (R2)
Koefisien Determinasi (R2) adalah suatu ukuran yang menjelaskan besar

variasi variabel terikat (Y) yang mampu dijelaskan oleh variabel bebas (X1, X2,

dan X3). Jika pada nilai R2 mendekati 1 atau = 1, maka varian variabel struktur

ekonomi primer mampu dijelaskan secara keseluruhan oleh variabel belanja

langsung, belanja tidak langsung dan jumlah penduduk dengan kata lain garis

regresi mampu menjelaskan 100% variasi pada variabel terikat (Y). Sebaliknya

jika nilai R2 = 0, maka dapat dikatakan bahwa variasi variable struktur ekonomi

primer tidak mampu dijelaskan sama sekali oleh variabel belanja langsung,

belanja tidak langsung dan jumlah penduduk.

2) Uji F Statistik
Uji F adalah pengujian yang dilakukan guna untuk melihat pengaruh dari

variabel bebas (X1, X2, dan X3) secara keseluruhan atau secara simultan terhadap

variabel terikat (Y). Tingkat signifikansi yang digunakan sebesar 5% (α = 0,05).

Adapun hipotesis yang digunakan sebagai berikut:

H0 : β1 = β2 = β3 = 0
Ha : β1 ≠ β2 ≠ β3 ≠ 0
Dalam menentukan hipotesis mana yang dapat diterima dan ditolak, maka

penentuan hipotesis dapat kita lakukan dengan cara membandingkan nilai F hitung

dengan Ftabel, atau juga bisa dengan cara membandingkan nilai probabilitas dengan

nilai α. Jika Fhitung > Ftabel atau nilai Probabilitas < 0,05, maka Ha diterima, artinya

bahwa terdapat pengaruh secara simultan dari variabel bebas (X1, X2, dan X3)

terhadap variabel terikat (Y). Namun, jika Fhitung < Ftabel atau nilai Probabilitas >
0,05, maka H0 diterima, artinya bahwa tidak terdapat pengaruh secara simultan

dari variabel bebas (X1, X2, dan X3) terhadap variabel terikat (Y).

3) Uji t Statistik
Uji t adalah pengujian yang dilakukan secara parsial atau secara mandiri

pada masing-masing variabel bebas terhadap variabel terikat. Dimana dalam uji t

ini dimaksudkan untuk mengetahui sejauh mana pengaruh dari suatu variabel

bebas dalam menerangkan variasi variabel terikat secara individual. Adapun

hipotesis yang digunakan dalam penelitian ini sebagai berikut:

Hipotesis 1 :
H0 : β1 ≥ 0 (Belanja langsung berpengaruh negatif dan signifikan terhadap

struktur ekonomi primer di provinsi bengkulu)

Ha : β1 < 0 (Belanja langsung berpengaruh negatif dan tidak signifikan

terhadap struktur ekonomi primer provinsi bengkulu)

Hipotesis 2 :

H0 : β2 < 0 (Belanja tidak langsung berpengaruh negatif dan sginifikan

terhadap struktur ekonomi primer di provinsi bengkulu)

Ha : β2 ≥ 0 (Belanja tidak langsung berpengaruh negatif dan signifikan

terhadap struktur ekonomi primer di provinsi bengkulu)

Hipotesis 3 :

H0 : β3 ≤ 0 (Jumlah penduduk berpengaruh negatif dan tidak signifikan

terhadap struktur ekonomi primer di provinsi bengkulu)

Ha : β3 > 0 (Jumlah penduduk berpengaruh negatif dan signifikan terhdap

struktur ekonomi provinsi bengkulu)

 Dalam menentukan hipotesis mana yang diterima dan ditolak, maka

penentuan hipotesis dapat kita lakukan dengan cara membandingkan nilai

probabilitas dengan nilai signifikansi (α = 0,05). Jika nilai Probabilitas < 0,05,

maka Ha diterima, artinya terdapat pengaruh secara parsial antara variabel bebas

terhadap variabel terikat (Y). Namun apabila nilai Probabilitas > 0,05, maka H0

diterima, artinya tidak terdapat pengaruh secara parsial antara variabel bebas

terhadap variabel terikat (Y)