bab iii metodologi penelitian -...
TRANSCRIPT
BAB III
METODOLOGI PENELITIAN
Bab ini menjelaskan jenis penelitian, tempat dan waktu penelitian, teknik
pengumpulan data, definisi operasional, instrumentasi dan teknik analisis data
yang digunakan terkait dengan penelitian tentang pengaruh Pengeluaran
Pemerintah Daerah dan Jumlah Penduduk terhadap Pendapatan Asli Daerah di
Kota Salatiga Tahun 1980-2010.
3.1. Jenis Penelitian
Jenis penelitian yang digunakan adalah penelitian sebab – akibat
(kausalitas). Dalam Kuncoro (2007:17) model kausal memasukan dan menguji
variabel – variabel yang diduga mempengaruhi variabel dependen.
3.2. Populasi dan Sampel Penelitian
Populasi adalah wilayah generalisasi yang terdiri atas, objek/subjek yang
mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesilpulan. (Sugiyono:2011: 27)
Populasi dalam penelitian pengaruh pengeluaran pemerintah daerah dan
jumlah penduduk terhadap Pendapatan Asli Daerah di Kota Salatiga tahun 1980-
2010 yaitu Pendapatan Asli Daerah di Kota Salatiga tahun 1980-2010.
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut. (Sugiyono:2011:28)
Sampel dalam penelitian ini adalah sama dengan populasi yaitu Pendapatan
Asli Daerah di Kota Salatiga tahun 1980-2010. Hal ini dikarenakan populasi yang
sedikit dan ingin mengetahui secara menyeluruh dalam penelitian ini.
3.3. Skala Pengukuran Penelitian
Skala Pengukuran merupakan kesepakatan yang digunakan sebagai acuan
untuk menentukan panjang pendeknya interval yang ada dalam alat ukur,
sehingga alat ukur tersebut bila digunakan dalam pengukuran akan hasil data
kuantitatif. (http:// metodepenelitian. lecture.ub.ac.id/files/2010/05 /pert5- skala-
intrumentasi. pdf)
Skala pengukururan dalam penelitian pengaruh pengeluaran pemerintah
daerah dan jumlah penduduk terhadap Pendapatan Asli Daerah di Kota Salatiga
tahun 1980-2010 adalah menggunakan skala rasio.
Skala rasio yaitu skala interval yang memiliki nilai dasar (based value)
yang tidak dapat diubah. (http://metodepenelitian. lecture.ub.ac.
id/files/2010/05/pert5-skala intrumentasi. pdf)
3.4. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah bidang ekonomi makro yang bertujuan
untuk mengetahui beberapa indikator yang dapat mempengaruhi Pendapatan Asli
Daerah khususnya di kota Salatiga mulai tahun 1980-2010. Kota Salatiga dipilih
menjadi subjek yang diteliti, karena Kota Salatiga mempunyai banyak sumber
Pendapatan Asli Daerah yang sangat tinggi bagi kemajuan daerahnya.
3.5. Metode Penelitian
Metode penelitian yang di gunakan untuk mengkaji mengenai pengaruh
pengeluaran pemerintah dan PDRB terhadap PAD di Kota Salatiga tahun 1980-
2010 adalah metode kuantitatif.
“Metode penelitian kuantitatif adalah metode yang berlandaskan pada
filsafat positivisme, di gunakan untuk meneliti pada populasi dan sample tertentu,
teknik pengambilan sample pada umumnya di lakukan secara random,
pengumpulan data menggunakan instrumen penelitian, analisis data bersifat
kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang telah di
tetapkan.” (Sugiyono (2011:14)
Penelitian ini terdiri dari dua variabel Independen dan satu variabel
Dependen. Kuncoro (2007:5) variabel dependen identik dengan variabel terkait,
yang dijelaskan, atau dependent variable. Sedangkan variabel independen identik
dengan variabel bebas, penjelas, atau Independent/eksplanatory variable. Variabel
ini biasanya di anggap sebagai variabel prediktor atau penyebab karena
memprediksi atau menyebabkan variabel dependen. Dalam penelitian ini yang
merupakan variabel Dependen adalah Pendapayan Asli Daerah, dan variabel
independen terdiri dari Pengeluaran Pemerintah Daerah dan Jumlah Penduduk.
3.6. Data dan Sumber Data
Data yang dikumpulkan dalam penelitian ini adalah jenis data sekunder.
Data sekunder merupakan data yang diperoleh dari pihak lain yang bukan
pengolahnya. Data sekunder yang di gunakan adalah data deret waktu (time-series
data) untuk kurun waktu tahun 1980-2010 di Kota Salatiga. Data sekunder dari
penelitian ini di peroleh dari Kantor Badan Pusat Statistik Kota Salatiga, Jl.
Menur Salatiga. Data yang diperoleh dari Kantor Badan Pusat Statistik di Kota
Salatiga berupa data Pengeluaran Pemerintah Pemerintah Daerah, Jumlah
Penduduk dan Pendapatan Asli Daerah.
3.7. Teknik Pengumpulan Data
Adapun Metode pengumpulan data yang digunakan dalam penelitian ini
adalah :
1. Dokumentasi, adalah teknik pengumpulan data dengan menggunakan dan
mencari data – data di instansi yang di teliti, dalam hal ini adalah studi
dokumentasi di Badan Pusat Statistik Kota Salatiga
2. Wawancara tidak Terstruktur, adalah wawancara yang bebas, dan tidak
menggunakan pedoman yang rinci dan sistematis.
3. Studi Perpustakaan (library reseach) serta browsing website internet yang
terkait dengan topik.
3.8.Variabel Penelitian
“Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang,
obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya”. (Sugiono, Metode
Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif dan R&D, Penerbit
Alfabeta, Bandung, 2010, hlm 61).
Dalam penelitian ini yang merupakan variabel dependen dan variabel
independen adalah sebagai berikut:
a. Variabel independen:
1. Pengeluaran Pemerintah Daerah X1
Merupakan pengeluaran yang di keluarkan pemerintah daerah dari
tahun 1980-2010 yang di ukur dengan satuan rupiah.
2. Jumlah Penduduk (X2)
Merupakan jumlah penduduk akhir tahun dengan satuan jiwa.
b. Variabel dependen: Pendapatan Asli Daerah (Y)
Merupakan salah satu sumber pendapatan daerah yang diusahakan langsung
oleh pemerintah daerah yang meliputi hasil pajak daerah, hasil retribusi daerah,
hasil perusahaan milik daerah, hasil pengelolaan kekayaan daerah yang
dipisahkan, dan lain-lain pendapatan asli daerah yang sah tahun 1980-2010 yang
di ukur dengan satuan rupiah
3.9. Devinisi Operasional Variabel
a. Pengeluaran Pemerintah daerah
Adalah pengeluaran yang di keluarkan pemerintah daerah untuk
meningkatkan kesejahteraan masyarakat tahun 1980-2010 yang di ukur dengan
satuan rupiah.
b. Jumlah Penduduk
Adalah jumlah penduduk yang mendiami Kota Salatiga pada akhir tahun
dan di ukur dengan satuan jiwa.
c. Pendapatan Asli Daerah (PAD)
Adalah salah satu sumber pendapatan daerah yang diusahakan langsung
oleh pemerintah daerah yang meliputi hasil pajak daerah, hasil retribusi daerah,
hasil perusahaan milik daerah, hasil pengelolaan kekayaan daerah yang
dipisahkan, dan lain-lain pendapatan asli daerah yang sah tahun 1980-2010 yang
di ukur dengan satuan rupiah.
3.10. Teknik Analisis Data
Teknik analisis data dalam penelitian ini menggunakan analisis regresi linier
berganda dengan data time series yang sering disebut runtun waktu. Alat yang di
gunakan dalam pengolahan data menggunakan program SPSS 16.
“Data runtut waktu atau biasa di sebut data time series merupakan data
yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara beruntun”.
Periode waktu yang digunakan dapat berupa tahun, kuartal, bulan, minggu, hari
bahkan jam. (Mudrajat Kuncoro: 2007: 129)
Asumsi analisis yang digunakan adalah metode Ordinary Least Squares
(OLS) yang bersifat BLUE (Best Linier Unbiased Estimator) menggunakan
asumsi Metode Pangkat Kuadrat Terkecil Biasa (OLS) diperkenalkan pertama kali
oleh Carl Friedrich Gauss, seorang ahli matematika dari jerman. Inti asumsi OLS
adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari
kuadrat kesalahan setiap observasi terhadap garis tersebut .
Menurut Teorema Gause-Markov, setiap pemerkira/estimator OLS harus
memenuhi kriteria BLUE, yaitu (Gujarati, 1995: 72-73) :
Best = yang terbaik,
Linier = merupakan kombinasi linier dari data sample,
Unbiased = rata – rata atau nilai harapan (E(bi 1)) harus sama dengan nilai
yang sebenarnya (bi).
Efficient estimator = memiliki varians yang minimal di antara pemerkira lain
yang tidak bias.
3.10.1. Model Analisis Regresi Time Series
Penelitian menggunakan pendekatan kuantitatif, dengan alat yang
digunakan dalam penelitian ini adalah analisis regresi linear berganda dengan
teknik estimasi yang digunakan untuk mencari persamaan regresi menggunakan
metode kuadrat terkecil (Ordinary Least Squares – OLS) untuk menganalisis
pengaruh Pengeluaran Pemerintah Daerah dan Jumlah Pendudukterhadap
Pendapatan Asli Daerah di Kota Salatiga Tahun 1980-2010.
Y = ß0 + ß1 X1 + ß2 X2 + e...............................(1.1)
Dimana :
Y : Pendapatan Asli Daerah
X1 : Pengeluaran Pemerintah Daerah
X2 : Jumlah Penduduk
b0 : Parameter konstan
ß1,ß2 : koefisien Regresi
e : faktor error
Disini yang sangat menentukan sebagai dasar analisis adalah nilai dari
koefisien regresi. Hal ini berarti apabila koefisien b bernilai positif (+) maka dapat
di katakan terjadi pengaruh searah variabel independen terhadap variabel
dependen, setiap kenaikan nilai variabel independen akan mengakibatkan
kenaikan variabel dependen. Sebaliknya, apabila bernilai negatif (-) hal ini
menunjukan adanya pengaruh negatif dimana kenaikan nilai variabel independen
akan mengakibatkan penurunan nilai variabel dependen.
3.10.2. Uji Asumsi Klasik
Dengan pemakaian metode OLS, diperlukan pendeteksian apakah model
tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut terdiri dari :
3.10.2.1. Uji Multikolinearitas
Multikolinearitas merupakan keadaan dimana terdapat satu atau lebih
hubungan linier antar variabel independen. Multikolinearitas akan bermasalah
apabila terdapat hubungan antar variabel independenya, selain itu juga
menyebabkan kesalahan pada koefisien (Uji t) menjadi indikator yang tidak
dipercaya.
Mendeteksi adanya multikolinearitas dalam penelitian ini menggunakan
auxiliary regression. Apabila R2
regresi persamaan utama lebih besar dari R2
regresi auxiliary maka tidak terjadi multikolinearitas. Selain menggunakan R2, ada
atau tidaknya multikolinearitas juga dapat dideteksi menggunakan F hitung serta t
hitung. Kemungkinan terdapat multikolinearitas jika R2
dan F hitung tinggi.
Sedangkan nilai t hitung banyak yang tidak signifikan.
3.10.2.2. Uji Heterokedastisitas
Deteksi Heterokedastisitas bertujuan untuk menguji apakah variabel
gangguan (ei) memiliki varians yang sama atau tidak dalam model persamaan
regresi.
Pada dasarnya metode OLS baik model regresi sederhana maupun
berganda mengasumsikan bahwa variabel gangguan (ei) mempunyai rata – rata
nol atau E(ei)=0, mempunyai varians yang konstan atau Var (ei) = σ2
dan variabel
gangguan tidak saling berhubungan antara satu observasi dengan observasi lainya
atau Cov (ei, ej)=0 sehingga menghasilkan estimator OLS yang BLUE. (Agus
Widarjono: ekonometrika: 2009, hlm 115)
Untuk menguji ada tidaknya heterokedastisitas, salah satu metode yang di
gunakan adalah uji White. Apabila variabel independen tidak signifikan secara
statistik tidak mempengaruhi variabel dependen, maka ada indikasi indikasi tidak
terjadi heteroskedastisitas.
3.10.2.3. Uji Autokorelasi
Uji outokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan periode t-1. Jika terjadi korelasi maka dinamakan ada problem
autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi. Salah satu
pengujian yang umum digunakan untuk mengetahui adanya autokorelasi adalah
uji statistik-d Durbin-Watson yang dihitung berdasarkan jumlah selisih kuadrat
nilai-nilai taksiran faktor – faktor gangguan yang berurutan.
Secara intuisi dapat dilihat jika terdapat autokorelasi positif, maka nilai-
nilai faktor gangguan yang berurutan akan cenderung mendekati satu sama lain;
yaitu nilai positif Ut statistik-d akan menjadi relatif kecil. Oleh karena itu dapat
diperkirakan bahwa otokorelasi positif akan menghasilkan nilai yang kecil bagi d.
Sebaliknya, autokorelasi yang negatif akan cenderung memperbesar selisih di
antara nilai – nilai U yang berurutan. Autokorelasi negatif ini ditandai oleh nilai d
yang besar (Gunawan Sumodiningkrat: Ekonometrika: 2009:227). Jika dari hasil
perhitungan menunjukan nilai signifikan > 0,05 maka dalam model tidak terjadi
autokorelasi.
3.10.2.4. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel pengganggu atau residual memiliki distribusi normal atau tidak. Seperti
diketahui bahwa uni t dan F mengasumsikan bahwa nilai residual mengikuti
distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak
berlaku. Terdapat beberapa metode untuk mengetahui normal atau tidaknya
distribusi residual antara lain menggunakan normal probability plot. Data bisa di
anggap normal apabila titik-titik menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal. Hasil tersebut menunjukkan bahwa data yang digunakan
menunjukkan pola distribusi normal, dengan demikian model regresi memenuhi
uji asumsi klasik.
3.10.3. Uji Statistik
Suatu perhitungan statistik disebut signifikan secara statistik apaila nilai
uji statistiknya berada dalam daerah krits (daerah dimana Ho ditolak). Sebaliknya
disebut signifikan apabila uji statistiknya berada dalam daerah dimana Ho
diterima.
Uji statistik terdiri dari pengujian signifikansi parameter individual (uji
statistik t), pengujian signifikansi simultan (uji statistik F), dan pengujian
koefisien determinasi (uji-R2).
3.10.3.1. Uji Signifikansi Parameter Individual (uji statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel penjelas secara individual dalam menerangkan variasi variabel terikat.
Hipotesis nol (H0) yang hendak diuji adalah apakah suatu parameter (bi) sama
dengan nol, atau:
H0 : bi = 0
Artinya, apakah suatu variabel independen bukan merupakan penjelas
yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha),
parameter suatu titik sama dengan nol, atau:
H0 : b1 ≠ 0
Artinya, variabel tersebut merupakan penjelasan yang signifikan terhadap
variabel dependen.
Cara melakukan uji t adalah dengan cara sebagai berikut:
Quick look . Bila jumlah degree of freedom adalah 20 atau lebih, dan derajat
kepercayaan sebesar 5%, maka H0 yang menyatakan bi = 0 dapat ditolak bila
nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain, kita menerima
hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara
individual mempengaruhi variabel dependen.
Membandingkan nilai statisti t dengan titik ktitis menurut tabel : apabila nilai
statistik t hasil perhitungan lebih tinggi dibanding nilai t tabel, kita menerima
hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara
individual mempengaruhi variabel dependen.
Nilai t hitung dicari dengan rumus:
t = 𝛽𝑖−𝛽𝑖 ∗
𝑆𝐸(𝛽𝑖 )
dimana:
𝞫i= parameter yang diestimasi
𝞫i*= nilai hiotesis dari 𝞫i (H0:𝞫i = 𝞫i*)
SE= simpangan baku 𝞫i
Pada tingkat signifikansi 5% dengan pengujian yang digunakan adalah
sebagai berikut:
a) Jika t-hitung > t-tabel maka H0 ditolak, artinya salah satu variabel
independen mempengaruhi variabel dependen secara signifikan.
b) Jika t-hitung < t-tabel maka H0 diterima, artinya salah satu variabel
independen tidak mempengaruhi variabel dependen secara signifikan.
3.10.3.2. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel
bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat. Hipotesis nol (H0) yang hendak diuji adalah apakah
semua parameter dalam model sama dengan 0, atau:
H0 : b1 = b2 = ..... = bk = 0
Artinya, apakah semua variabel independen bukan merupakan
penjelasan yang signifikan terhadap variabel depemdem. Hipotesis alternatifnya
(Ha), tidak semua parameter secara simultan sama dengan nol, atau:
Ha : b1 ≠ ..... ≠ bk ≠ 0
Artinya, semua fariabel independen secara simultan merupakan penjelas
yang sidnifikan terhadap variabel dependen.
Cara melakukan uji F adalah dengan cara sebagai berikut:
Quick look . Bila nilai F lebih besar dari pada 4 maka H yang menyatakan b1
= b2= ....bk = 0 dapat ditolak pada derajat kepercayaan 5%. Dengan kata
lain, kita menerima hipotesis alternatif, yang menyatakan bahwa semua
variabel independen secara serentak dan signifikan mempengaruhi variabel
dependen.
Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila
nilai F hasil perhitungan lebih besar dari nilai F menurut tabel maka hipotesis
alternatif, yang menyatakan bahwa semua variabel independen secara
serentak dan signifikan mempengaruhi variabel dependen.
Nilai F hitung dirumuskan sebagai berikut:
𝐹 =𝑅2/(𝑘 − 1)
1− 𝑅2/(𝑁 − 1)
dimana:
k = jumlah parameter yang diestimasi termasuk kostanta
N = jumlah observasi
Pada tingkat signifikansi 5% dengan kriteria pengujian yang digunakan
sebagai berikut:
a) H0 diterima dan H1 ditolak apabila F hitung < F tabel, yang artinya variabel
penjelas secara bersama-sama tidak mempengaruhi variabel yang dijelaskan
secara signifikan.
b) H0 ditolak dan H1 diterima apabila F hitung > F tabel, yang artinya variabel
penjelas secara bersama-sama mempengaruhi variabel yang dijelaskan
secara signifikan.
3.10.3.3. Uji Koefisien Determinasi (uji R2)
Koefiseien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien
determinasi adalah di antara nol dan satu. Nilai R2 yang kecil yang berarti
kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel
independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk
data silang tempat relatif rendah karena adanya variasi yang besar antara masing-
masing pengamatan; sedangkan untuk data runtut waktu biasanya mempunyai
nilai koefisian determinasi yang tinggi.
Kelemahan mendasar penggunaan determinasi adalah bias terhadap jumlah
variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu
variabel pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara
signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti
menganjurkan untuk menggunakan nilai adjusted (R2 ) pada saat mengevaluasi
model regresi yang terbaik. Nilai koefisien determinasi di hitung dari:
𝑅2 = 𝑦∗2
𝑦2
dimana:
y*
= nlai y estimasi
y = nilai y aktual
Tidak seperti R2, nilai Adjusted R
2 dapat naik dapat turun apabila satu
variabel independen ditambahkan kedalam model. Implikasi dalam persamaan 1.1
adalah (Gujarati:1995:208 ; Mendenhall., 1989: 588):
Untuk k>1 dan Adjusted R2<R
2, bila jumlah variabel independen ditambah,
maka Adjusted R2 naik dengan jumlah kenaikan kurang dari R2.
Adjusted R2 dapat bernilai negatif kendati R
2 selalu positif. Bila adjusted R
2
bernilai negatif maka nilainya dianggap nol.
Secara umum, bila tambahan variabel independen merupakan prediktor yang
baik, maka akan menyebabkan nilai varians naik, dan pada gilirannya
Adjusted R2 meningkat. Sebaliknya, bila tambahan variabel baru tidak
meningkat varians, maka Adjusted R2 akan menurun. Artinya, tambahan
variabel baru tersebut merupakan prediktor yang baik bagi variabel
dependen.