BAB III

METODELOGI PENELITIAN

A. Jenis Penelitian Dan Metode Pengumpulan data

Jenis penelitian ini adalah penelitiaan kuantitatif yaitu dimana data yang digunakan
dalam penelitiaan ini berbentuk angka atau data sekunder yang diperoleh dari lembaga
pengumpulan data yaitu BPS. Data yang yang digunakan untuk mencapai dalam penelitian
ini diperoleh melalui data sekunder atau pihak ketiga sehingga tidak diperlukan kuisioner.
Periode data yang digunakan dalam penelitian ini adalah data sekunder pada tahun 2017-
2021 yang diperoleh dari Badan Pusat statistik (BPS) Provinsi Jawa tengah. Sebagai
pendukung digunakan literatur literatur serta informasi informasi yang tertulis seperti buku
referesi dan jurnal yang berasal dari instansi terkait maupun internet, yang berhubungan
dengan masalah tingkat pengangguran di Provinsi Jawa Tengah.

B. Teknik analisis Data

Untuk mengetahui faktor faktor yang mempengaruhi tingkat pengangguran di
Provinsi Jawa Tengah, dalam penelitan ini teknik analisis yang digunakan adalah analisis
regrisi data panel karena data dalam penelitian ini berbentuk time series dan cross section
dengan periode waktu 5 tahun dari tahun 2017-2021 sehingga data yang digunakan adalah
data panel.

Model Data Panel

Menurut Dita dewi Kuntiarti (2017) terndapat 3 macam model estimasi yang sering
digunakan dalam penggunaan analisis regresi data panel yaitu; Common effect model,
Fixed effect model, dan Random effect model.
1. Common effect model (CEM) dalam model ini tidak memperhatikan individu maupun
waktu tetapi common effect model hanya mengkombinasikan data time series dalam bentuk
poll, dan diestimasi menggunakan kuadrad terkecil/pooled least square.
2. Fixed effect model (FEM) dalam model ini dapat membedakan efek yang berbeda antar
individu dan perbedaan tersebut terletak pada intersepnya
3. Random effect model (REM) dalam model ini efek spesifik dari masing masing
individu diperlakuan sebagai bagian dari komponen error yang bersifat acak dan tidak
berkorelasi dengan variabel penjelas.
 Yit = α + β1X1it + β2X2it + β3X3it + eit
Keterangan :
Y = Tingkat pengangguran
X1 = Upah minimum
X2 = PDRB
X3 = Indeks pembangunan Manusia
β1, β2,β3 = Koefisien Regresi
I dan t = Komponen cross-section (kab/kota) dan time series (Tahun t)
α = Konstanta
e = Komponen error

Dengan ketiga macam model estimasi dalam analisis regrisi data panel, perlu
dilakukan pemilihan atau penentuan model yaitu dengan cara uji chow dan uji hausman
untuk menentukan model mana yang akan dipakai.
1. Uji Chow
Uji chow digunakan untuk mengetahui lebih baik menggunakan Common effect
model (CEM) atau Fixed effect model (FEM) dalam melakukan teknik analisi regresi data
panel. Hasil dalam uji ini menggunakan Fixed effect model (FEM) jika nilai prbabilitas chi-
square kurang dari taraf signifikansi 5% dan menggunakan Common effect model (CEM)
jika jika nilai prbabilitas chi-square lebih dari taraf signifikansi 5%. Setelah melakukan uji
chou selanjutnya dilakukan uji hausman.
2. Uji Hausman
Uji hausman digunakan untuk mengetahui lebih baik menggunakan Random effect
model (REM) atau Fixed effect model (FEM) dalam melakukan teknik analisi regresi data
panel. Hasil dalam uji ini menggunakan Fixed effect model (FEM) jika nilai prbabilitas chi-
square kurang dari taraf signifikansi 5% dan menggunakan Random effect model (REM)
jika jika nilai prbabilitas chi-square lebih dari taraf signifikansi 5%.
3. Uji Lagrange Multiplier (LM)
Uji LM merupakan uji untuk menentukan model yang terbaik dari Randon effect
model (REM) atau common effect model (CEM). Pengujian Ketika hasil uji LM ditemukan
bahwa nilai P-value dari hasil estimasi kurang dari 5%, maka model yang dipakai dalam
data panel adalah REM, dan sebaliknya ketika hasil dari estimasi menunjukan bahwa nilai
p-value lebih besar dari 5%, maka model yang terbaik digunakan dalam regresi data panel
adalah common effect model.
C. Uji Asumsi Klasik
Terdapat beberapa pengujian dalam uji asumsi klasik sebagai berikut :
1. Uji Normalitas
Pengujian normalitas dilakukan untuk mengetahui dari model ekonometrika, variabel
dependen dan independen berdistribusi normal atau tidak. Adapun ketentuan uji
normalitas sebagai berikut :
 Jika P-value > 5% maka dapat disimpulkan bahwa model ekonometrika
berdistribusi normal.
 Sebaliknya jika P < 5% maka dapat disimpulkan bahwa model ekonometrika tidak
berdistribusi normal.

Gambar. Hasil Uji Normalitas

16
Series: Standardized Residuals
14 Sample 2017 2021
Observations 175
12
10 Mean 1.74e-17
Median 0.015225
8
Maximum 0.536556
6 Minimum -0.436312
Std. Dev. 0.158431
4
Skewness -0.130638
2 Kurtosis 3.075862

0 Jarque-Bera 0.539731
-0.375 -0.250 -0.125 0.000 0.125 0.250 0.375 0.500
Probability 0.763482

Sumber : Diolah penelitian menggunakan Eviews 12.

Dapat dilihat dari gambar hasil uji normalitas diatas dapat diketahui bahwa
model ekonometrika yang digunakan baik variabet terikat yaitu tingkat pengangguran
dan variabel bebas yang meliputi ; upah minimum, PDRB, dan IPM dapat diketahui
bahwa hasil uji menunnjukan Nilai P-value > 5% yaitu sebesar 0,76, senhingga dapat
disimpulkan bahwa model ekonometrika terdistribusi normal.

2. Uji Multikolinearitas
Uji Multiolinearitas dilakukan untuk mengetahui apakah terdapat kolerasi
antara variabel bebas. Dalam pengujian ini melihat nilai koefisien kolerasi dari variabel
bebas. Jika nilai koefisien kolerasi lebih kecil dari 0,85, maka dapat diartikan tidak
 terjadi multikolinearitas antar variabel beas. Sebaliknya, jika nilai koefisien kolerasi
lebih besar dari 0,85, maka dapat diartikan terjadi multikolinearitas antar variabel.
Hasil uji multikolinearitas dapat dilihat pada tabel berikut :

Tabel hasil Uji Multikolinearitas

LOG_UPAH LOG_PDRB LOG_IPM
LOG_UPAH 1.000000 0.349842 0.394937
LOG_PDRB 0.349842 1.000000 0.779823
LOG_IPM 0.394937 0.779823 1.000000
Sumber : Diolah menggunakan Eviews 12

Dapat dilihat dari Tabel hasil uji multikolinearitas diatas tidak terdapat nilai
kolerasi yang tinggi antar variabel bebas atau tidak melebihi 0,85. Maka dapat
dikatakan bahwa tidak terdapat multikolinearitas antar variabel bebas.

3. Uji Heteroskedastisitas
Uji heteroskedastisitas merupakan uji untuk menganalisa apakah variansi dari
error bersifat konstan atau berubah ubah. Ketika nilai probabilitas variabel bebas lebih
besar dari 5%, maka dapat diartikan bahwa variabel bebas dalam model terbebas dari
heterokedastisitas. Sebaliknya ketika nilai probabilitas variabel bebas kurang dari 5%,
maka dapat diartikan bahwa variabel bebas dalam model terjadi heterokedastisitas.

Tabel. Hasil uji Heterokedastisitas

Variable Coefficient Std. Error t-Statistic Prob.

C -16.70968 14.58770 -1.145464 0.2540

LOG_UPAH -0.569066 0.392789 -1.448783 0.1497
LOG_PDRB -0.027665 0.309334 -0.089434 0.9289
LOG_IPM 5.998388 4.963624 1.208469 0.2289

Sumber : Diolah menggunakan Eviews 12

Berdasarkan hasil uji heteroskedastisitas seperti pada tabel diatas menunjukkan
bahwa nilai probabiliti variabel bebas lebih besar dari 5% sehingga dapat diartikan
bahwa variabel bebas dalam model terbebas dari heterokedastisitas.
 BAB IV HASIL
1. Uji Chow
Uji chow digunakan untuk mengetahui lebih baik menggunakan Common effect
model (CEM) atau Fixed effect model (FEM) dalam melakukan teknik analisis regresi
data panel. Hasil dalam uji ini menggunakan Fixed effect model (FEM) jika nilai
prbabilitas chi-square kurang dari taraf signifikansi 5% dan menggunakan Common
effect model (CEM) jika jika nilai prbabilitas chi-square lebih dari taraf signifikansi
5%. berikut hasil uji chow :
Tabel. Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 14.876124 (34,137) 0.0000

Cross-section Chi-square 270.521017 34 0.0000

Sumber : Diolah menggunakan Eviews 12

Berdasarkan Tabel uji chou diatas, kedua nilai probabilitas Cross section F dan chi
square yang lebih kecil dari Alpa 0,05, jadi menunjukkan model yang terbaik digunakan
adalah dengan menggunakan fixed effect model. Maka pengujian data berlanjut ke uji
hausman.

2. Uji Hausman
Uji hausman dilakukan untuk membandingkan atau memilih model mana yang
terbaik antara fixed effect model dan random effect model. Pengambilan keputusan dengan
melihat nilai probabilitas (p) untuk Cross-section random. Jika nilai p > 0,05 maka model
yang terpilih adalah Random Effect Model. Tetapi jika p < 0,05 maka model yang dipilih
adalah Fixed Effect Model. Berikut hasil uji hasuman :
 Tabel. Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 36.658377 3 0.0000

Sumber : Dioleh dengan menggunakan Eviews 12

Berdasarkan Tabel uji hausman diatas, nilai probabilitas Cross section random
yang lebih kecil dari Alpa 0,05 sehingga menunjukkan bahwa model yang terbaik
digunakan adalah dengan menggunakan metode fixed effect Model.
Berdasarkan hasil uji chow dan uji hausman model yang terbaik digunakan adalah
Fixed effect model, maka dapat diartikan bahwa model CEM dan REM dalam regresi
data panel penelitian ini tidak terpilih dalam model terbaik. Sehingga uji LM untuk
menetukan model yang terbaik dari CEM atau REM tidak perlu dilakukan.Penelitian
berlanjut pada hasil output akhir dengan model fixed effect model.

3. Output Akhir Regresi Fixed Effect Model (FEM)

Dependent
Hasil Variable: LOG_TPT
akhir dai pengujian dengan regresi data panel menggunakan fixed effect
Method: Panel Least Squares
model
Date: dapat dilihat Time:
05/06/23 pada tabel berikut :
10:58
Sample: 2017 2021
Periods included: 5
Cross-sections included: 35
Tabel. Hasil Uji Regresi data Panel (FEM)
Total panel (balanced) observations: 175

Variable Coefficient Std. Error t-Statistic Prob.

C 81.68382 17.03822 4.794152 0.0000

LOG_UPAH 3.658184 0.458772 7.973866 0.0000
LOG_PDRB -0.468879 0.361298 -1.297763 0.1965
LOG_IPM -29.18636 5.797443 -5.034350 0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.826128 Mean dependent var 1.564962

Adjusted R-squared 0.779169 S.D. dependent var 0.379948
S.E. of regression 0.178547 Akaike info criterion -0.418444
Sum squared resid 4.367449 Schwarz criterion 0.268766
Log likelihood 74.61387 Hannan-Quinn criter. -0.139692
F-statistic 17.59282 Durbin-Watson stat 2.056254
Prob(F-statistic) 0.000000

Sumber : Diolah menggunakan Eviews 12

Secara Parsial
1. Upah (X1) memiliki nilai probabiliti 0,00 < 0,05 sehingga dapat disimpulkan bahwa
upah mimiliki pengaruh terhadap TPT (Y)
2. PDRB (X2) memiliki nilai probabiliti 0,1965 > 0,05 sehingga dapat disimpulkan
bahwa PDRB tidak berpengaruh pengaruh terhadap TPT (Y)
3. IMP (X3) memiliki nilai probabiliti 0,00 < 0,05 sehingga dapat disimpulkan bahwa
IPM mimiliki pengaruh terhadap TPT (Y)

Secara Simultan
Dapat dilihat dari Pob(F-statistic) memiliki nilai 0,00 < 0,05 yang artinya dapat
disimpulkan terdapat pengaruh terhadap TPT.