BAB III

METODE PENELITIAN

3.1 Ruang Lingkup Penelitian

Ruang lingkup penelitian ini menggunakan pendekatan kuantitatif. Variable bebas dalam

penelitian ini merupakan Pendapatan Asli Daerah, Belanja Modal, dan Tenaga kerja,

sedangkan variable terikat yaitu Pertumbuhan Ekonomi Kabupaten/Kota Provinsi Aceh

pada tahun 2018-2021 yang diambil dari indikator PDRB Atas Harga Konstan.

3.2 Jenis dan Sumber Data

Penelitian ini berbentuk analisis yang menggunakan data sekunder yang bersifat data

Panel. Data Panel merupakan data gabungan antara data time series dengan data cross

section. Jenis data dalam penelitian ini merupakan kuantitatif. Data yang digunakan

adalah data Provinsi Aceh dalam kurun waktu 4 tahun. Sehingga data observasi dalam

penelitian ini berjumlah 92 data. Penelitian ini menggunakan data sekunder yang

diperoleh dari pihak ketiga. Dimana data yang digunakan dalam penelitian ini bersumber

dari Badan Pusat Statistik (BPS) Provinsi Aceh dan Deirektorat Jenderal Perimbangan

Keuangan (DJPK).

3.3 Metode Analisis Data

Metode analisis yang digunakan untuk mengukur pengaruh pendapatan asli daerah,

belanja modal dan tenaga kerja terhadap pertumbuhan ekonomi di Provinsi Aceh

menggunakan metode analisis regresi linier berganda karena pada penelitian ini

menggunakan tiga variabel bebas.

3.4 Model Analisis Data

Model analisis sangat diperlukan untuk mengetahui hubungan yang terjadi antara variabel

bebas dan terikat. Model yang akan digunakan dalam penelitian ini mengacu pada model

penelitian (Priambodo, 2015). Adapun bentuk model ekonometrika yang digunakan

sebagai berikut:

PEit = β0 + β1LogPADit + β2LogBMit +β3LogTKit+ ε it .................. (3.1)

Dimana : PE adalah pertumbuhan ekonomi ; PAD adalah pendapatan asli daerah ; BM

adalah belanja modal ; TK adalah tenaga kerja ; β0 adalah konstanta, β1 dan β2 adalah

koefisien parameter, ε adalah error, i adalah provinsi dan t adalah waktu.

Mobonggi, et al. (2022) penelitian ini menggunakan data panel terdapat beberapa

pendekatan, diantarannya :

1. Common Effect Model (CEM). Analisis regresi data panel menggunakan model

yang sederhana yaitu model common effect model. Estimasi parameter

menggunakan pendekatan asumsi pertama yang dikenalkan dalam regresi data

panel dengan pendekatan Ordinary Least Square (OLS). Common effect model

adalah asumsi yang mengasumsikan bahwa intersep dan slope konstan baik antar

waktu maupun antar individu.

2. Fixed Effect Model (FEM). Pendekatan ini mengasumsikan bahwa intersep

dibedakan antar individu, sedangkan slope diasumsikan sama. Untuk

mengestimasi persamaan regresi dapat dilakukan dengan menggunakan

pendekatan OLS.
 3. Random Effect Model (REM). Random effect model berguna untuk

menyelesaikan persoalan yang diakibatkan dari fixed effect model. Untuk data

panel, model fixed effect dengan variabel dummy menimbulkan masalah derajat

kebebasan yang hilang dalama model. Selain itu, variabel dummy dapat

menyamarkan model aslinya. Akibatnya, model komponene error atau model

random.

3.5 Pengujian Model

1. Uji Chow

Uji Chow merupakan prngujian untuk menentukan model commpn effect atau

fixed effect yang paling tepat untuk digunakan dalam mengestimasi data panel. Uji

chow untuk membandingkan model common effect dengan model fixed effect

(Nandita, et al., 2019).

Uji Hipotesis :

H0 : Model yang tepat digunakan untuk regresi data panel adalah model common

effect model

H1 : Model yang tepat digunakan untuk regresi data panel adalah model fixed

effect

Kriteria :

Menerima H0 jika nilai probabilitasnya ¿ alpha 5 persen (0.05).

Menerima H1 jika nilai probabilitasnya ¿ alpha 5 persen (0.05).

2. Uji Hausman
 Uji Hausman merupakan pengujian yang membandingkan model fixed effect

dengan random effect dalam menentukan model yang tepat untuk digunakan

sebagai model regresi data panel (Nandita, et al., 2019).

Uji hipotesis:

H0 : Model yang tepat digunakan untuk regresi data panel adalah model random

effect

H1 : Model yang tepat digunakan untuk regresi data panel adalah model fixed

effect

Kriteria :

Menerima H0 jika nilai probabilitasnya ¿ alpha 5 persen (0.05).

Menerima H1 jika nilai probabilitasnya ¿ alpha 5 persen (0.05).

3. Uji Legrange Multiplier (LM Test)

Uji Lagrange Multiplier (LM) merupakan uji yang digunakan untuk mengetahui

apakah model random effect lebih baik daripada metode common effect (PLS)

(Nandita, et al., 2019).

Uji hipotesis :

H0 : Model common effect

H1 : Model random effect

Menerima H0 jika nilai probabilitasnya ¿ alpha 5 persen (0.05).

Menerima H1 jika nilai probabilitasnya ¿ alpha 5 persen (0.05).

3.6 Pengujian Asumsi Klasik

1. Normalitas
 Pada uji asumsi ini, yang diuji normalitasnya adalah residual hasil dari model

regresi. Jika asumsi uji normalitas tidak terpenuhi, maka uji statistik tidak berlaku.

Terdapat beberapa jenis uji normalitas, salah satunya yaitu uji Jarque-Bera yaitu

perhintungannya menggunakan nilai skewness dan kurtosis (Saputri, et al., 2018).

H0 : Data berdistribusi normal

H1 : Data tidak berdistribusi normal

Keputusan ditentukan berdasarkan p-value Jarque-Bera. Jika p-value < 0,05 maka

data tidak berdistribusi normal, sedangkan p-value > 0,05 maka residual data

berdistribusi normal.

2. Multikolinearitas

Multikolinearitas adalah dimana terjadinya hubungan linear yang sempurna atau

mendekati antar variabel independen dalam model regresi. Suatu model regresi

dapat dikatakan mengalami multikolinearitas jika ada fungsi linear yang sempurna

pada beberapa atau semua variabel dependen dan variabel independen. Untuk

mengetahui apakah terdapat gejala multikolinearitas atau tidak dengan melihat

nilai Variance Inflation Factor (VIF). Apabila nilai VIF kurang dari 10 maka

dinyatakan tidak terjadinya multikolinearitas (Saputri, et al., 2018).

3. Heterokedastisitas

Suatu model regresi dapat dikatakan heterokedastisitas apabila terjadinya

ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain. Jika

varians dari residual bernilai tetap maka disebut homokedasitas dan jika berbeda

dapat dikatakan heteroskedasitas. Dengan adanya sifat heteroskedasitas ini dapat

membuat penafsiran dalam model bersifat tidak efisien. Ketentuan yang dipakai
 jika nilai probabilitas kurang dari taraf signifikan pada 5 persen (0,05) maka

terjadi masalah heteroskedasitas, dan jika nilai probabilitas yang dihasilkan lebih

dari 5 persen maka tidak terjadi masalah heteroskedasitas (Saputri, et al., 2018).

4. Autokorelasi

Untuk mendeteksi ada atau tidaknya autokorelasi dengan menggunakan uji yang

dikembangkan oleh Breusch dan Godfrey (Saputri, et al., 2018).

H0 : Tidak terdapat autokorelasi

H1 : Terdapat autokorelasi

Keputusan tolak H0, jika p-value lebih kecil dari tingkat signifikan

3.7 Pengujian Hipotesis

1. Uji t

Uji t merupakan suatu uji yang biasa digunakan untuk menguji hipotesis tentang

koefisien-koefisien individual, uji t sering disebut juga sebagai uji parsial. Uji ini

tidak dapat digunakan untuk menguji hipotesis lebih dari satu koefisien sekaligus.

Uji t mudah digunakan karena dapat menjelaskan perbedaan unit variabel dan

deviasi standar dari koefisien yang diestimasi. Uji t juga suatu uji yang tepat

digunakan jika nilai residualnya terdistribusi secara normal. Uji t juga tidak hanya

digunakan untuk meguji validitas koefisien regresi, tetapi digunakan juga untuk

menguji validitas koefisien korelasi. Jika t bernilai positif maka r juga positif dan

begitu juga sebaliknya (Rahmadeni & Yonesta, 2016).

2. Uji statistic F
 Uji F digunakan untuk mengetahui apakah variabel independen secara

keseluruhan atau bersama-sama signifikan dalam mempengaruhi variabel

dependen. Adapun hipotesis uji F yaitu (Mobonggi, et al., 2022) :

H0 : secara keseluruhan variabel independen tidak berpengaruh terhadap variabel

dependen

H1 : secara keseluruhan variabel independen berpengaruh terhadap variabel

dependen

3. Koefisien Determinan (Uji R2)

Koefisien determinasi untuk mengukur seberapa jauh kemampuan model dalam

menjelaskan variasi koefisien variabel terikat (dependen). Nilai koefisien

determinasi antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel

independen dalam menerangkan variasi variabel dependen terbatas. Nilai yang

mendekati satu berarti variabel independen memberikan hamper semua informasi

yang dibutuhkan untuk memprediksi variabel dependen (Munandar, 2017).

4. Definisi Operasional Variabel

Variabel yang digunakan dalam penelitian ini meliputi :

1. Pertumbuhan Ekonomi

Pertumbuhan ekonomi dijelaskan dengan Produk Domestik Regional Bruto

(PDRB) dengan harga konstan Kabupaten/Kota di Provinsi Aceh dengan satuan

persen dari tahun 2018-2021.

2. Pendapatan Asli Daerah

Pendapatan asli daerah merupakan pendapatan asli daerah itu sendiri yang

diperoleh dari realisasi APBD yang bersumber dari Direktorat Jendral

 Perimbangan Keuangan (DJPK) dalam satuan miliar dari tahun 2018-2021 dan

data ini selanjutnya akan ditransformasikan Ke dalam bentuk Log.

3. Belanja Modal

Belanja modal Kabupaten/Kota di Provinsi Aceh diperoleh dalam satuan miliar

yang bersumber dari Direktorat Jendral Perimbangan Keuangan (DJPK) dari

tahun 2018-2021 dan data ini selanjutnya akan ditranformasikan ke dalam bentuk

Log.

4. Tenaga Kerja

Tenaga kerja merupakan penduduk yang sudah dalam usia kerja dan mampu

menghasilkan barang/jasa untuk memenuhi kebutuhan masyarakat yang diperoleh

dari Badan Pusat Statistik (BPS) dari tahun 2018-2021 dalam satuan ribu dan data

ini selanjutnya akan ditransformasikan ke dalam bentuk Log.