29

BAB III

METODE PENELITIAN

Bab metode penelitian akan membahas mengenai jenis penelitian, rencana

penelitian, lokasi penelitian, waktu penelitian, populasi penelitian, sampel

penelitian, variabel penelitian, definisi operasional, metode pengumpulan data

yang digunakan, dan teknik analisis data yang digunakan dalam penelitianan.

A. Jenis dan Rancangan Penelitian

Penelitian ini terdiri atas satu variabel dependen (terikat) dan dua

variabel independen (bebas). Variabel dependen yang digunakan yaitu

kemiskinan. Sementara dua variabel independen yang digunakan yaitu indeks

pembangunan manusia (IPM) dan produk domestik regional bruto (PDRB).

Menggunakan metode penelitian kuantitatif.

Data dalam penelitian adalah data sekunder, yakni merupakan data yang

diperoleh berdasarkan informasi yang telah disusun dan dipublikasikan oleh

institusi tertentu. Dalam penelitian ini data yang digunakan di peroleh dari

Badan Pusat Statistik (BPS). Penelitian ini bersifat kuantitatif, dengan cakupan

data yang digunakan yaitu data 35 kabupaten/kota di Jawa Tengah, dengan data

time series mulai dari tahun 2012 hingga tahun 2016, dengan jumlah observasi

175 unit observasi.

B. Lokasi dan Waktu Penelitan

Penelitian dilakukan di 35 Kabupaten/kota Provinsi Jawa Tengah

menggunakan data sekunder yang diperoleh dari publikasi yang dilakukan oleh

30

Badan Pusat Statistik (BPS) melalui website onlinenya, dan penelitian ini

dilakukan mulai bulan Januari 2018 sampai selesai.

C. Populasi dan Sampel

Populasi menurut Sugiono (2015:117) adalah wilayah generalisasi yang

terdiri atas obyek/ subyek yang mempunyai kualitas dan karakteristik tertentu

yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulan.

Menurut Sugiyono (2015:118) sampel adalah bagian dari jumlah dan

karakteristik yang dimiliki oleh populasi tersebut. Dalam penelitian ini peneliti

menggunakan sampling purposive, yaitu teknik penentuan sampel dengan

pertimbangan tertentu. Alasan peneliti menggunakan sampling purposive

adalah pertimbangan pribadi peneliti, karena menurut peneliti Provinsi Jawa

Tengah memiliki tingkat kemiskinan yang beragam disetiap kabupaten/kota

yang terdapat di Provinsi Jawa Tengah dan tingkat kemiskinan Jawa Tengah

berada di atas tingkat kemiskinan nasional.

D. Variabel Penelitian

Sugiono (2015:61) berpendapat bahawa 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 kesimpulan. Penelitian ini terdapat dua macam variabel

penelitian yaitu variabel dependen dan variabel independen.

31

1. Variabel dependen (terikat)

Menurut Sugiono (2015:61) variabel dependen merupakan vaeiabel

yang dipengaruhi atau menjadi akibat, karena adanya variabel bebas. Dalam

penelitian ini terdapat 1 (satu) variabel dependen (terikat) yaitu tingkat

kemiskinan (Y). merupakan jumlah penduduk miskin di Jawa Tengah yang

di nyatakan dalam persen.

2. Variabel independen (bebas)

Menurut Sugiono (2015:61) variabel independen adalah merupakan

varibel yang mempengaruhi atau yang menjadi sebab perubahannya atau

timbulnya variabel dependen (terikat). Penelitian ini terdapat 2 (dua)

variabel independen (bebas) yaitu indeks pembangunan manusia (X1) dan

produk domestik regional bruto (X2) di 35 kabupaten/kota di Jawa Tengah

tahun 2012-2016.

E. Definisi operasional

Budiantara dan Zulfikar (2014:17) definisi operasional adalah

spesifikasi kegiatan penelitian dalam mengukur atau memanipulasi suatu

variabel. Definisi operasional ini memberi batasan atau arti suatu variabel

dengan merinci hal yang harus dikerjakan oleh peneliti untuk mengukur

variabel tersebut. Skala pengukuran yang digunakan dalam penelitian adalah

skala rasio.

1. Variabel Dependen

Kemiskinan merupakan keadaan ketidakmampuan untuk memenuhi

standar hidup layak seperti pakaian atau sandang, pangan atau makanan,

32

papan atau tempat tinggal, pendidikan, dan kesehatan. Dalam penelitian ini

kemiskinan yang terjadi di 35 kabupaten/kota di Provinsi jawa tengah dari

tahun 2012 Samapai tahun 2016, yang dinyatakan kedalam presentase.

2. Variabel Independen

a. Indeks Pembangunan Manusia (IPM)

Salah satu tolak ukur untuk melihat keberhasilan pembangunan

manusia dapat menggunakan indeks pembangunan manusia. Penelitian

ini menggunakan IPM dari 35 kabupaten/kota di Provinsi Jawa Tengah

dari tahun 2012 hingga tahun 2016, penghitungan IPM dalam penelitian

ini menggunakan metode lama dan metode baru, indikator dalam IPM ini

menggunakan angka harapan hidup saat lahir, rata-rata lama sekolah,

harapan lama sekolah, dan pengeluaran perkapita disesuaikan.

Dinyatakan dalam satuan indeks.

b. Produk Domestik Regional Bruto (PDRB)

Jumlah nilai tambah yang dihasilkan oleh seluruh unit disuatu

wilayah berupa barang dan jasa disebut produk domestik regional bruto.

Penelitian ini menggunakan PBDR 35 kabupaten/kota di Provinsi Jawa

Tengah dari tahun2012 sampai tahun 2016 dengan PDRB atas dasar

harga konstan tahun 2010 dinyatakan dalam juta rupiah.

Penelitian ini peneliti mengubah data kedalam bentuk T-score atau skor

terstandarkan, ini dilakukan karena satuan dalam variabel penelitian tidak

sama. Dengan nilai mean sebesar 50 dan standar devisiasi 10. T-score dapat

dihitung dengan rumus:

33

T = 50 + 10(Z)

Sumber: http://www.semestapsikometrika.com/2017/09/mengubah-skor-ke-bentuk-

skor-standar-di.html

Dimana T adalah nilai dari skor terstandar, nilai 50 adalah nilai mean

dari setiap variabel baik bebas maupun terikat, untuk nilai 10 merupakan nilai

dari standar devisiasi, dan Z merupakan lambing untuk nilai Z-score.

F. Metode pengumpulan data

Metode pengumpulan data dalam penelitian ini sebagai berikut:

1. Dokumentasi, adalah dengan menggunakan dan mengumpulkan data-data

dari instansi tertentu, dalam penelitian ini menggunakan dokumentasi dari

Badan Pusat Statistika yang telah dipublikasikan dalam Jawa Tengah

Dalam angka.

2. Studi kepustakaan, studi kepustakaan ini dilakukan dengan membaca buku

sebagai refrensi yang memiliki kaitan dengan masalah yang diteliti dan juga

dengan membaca jurnal-jurnal yang juga memiliki kaitan dengan masalah

yang diteliti untuk menambah informasi peneliti.

G. Teknik analisis data

Dalam penelitian ini, peneliti menggambarkan dan menganalisis data

dengan sistematis. Ini bertujuan supaya tujuang yang penelitian dapat dicapai

oleh peneliti, teknik analisis kuantitatif digunakan oleh peneliti, yang dilakukan

melalui beberapa langkah sebagai berikut:

34

1. Analisis Statistik Deskripsi

Analisis ini digunakan untuk menganalisis data IPM, PDRB, dan

kemiskinan dengan cara mediskripsikan data IPM, PDRB, dan kemiskinan

yang telah terkumpul. Sugiono (2015:207-208) menyatakan bahwa

statistik deskripsi merupakan statistik yang digunakan untuk menganalisis

data dengan cara mendiskripsikan atau menggambarkan data yang telah

terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan

yang berlaku untuk umum atau generalisasi. Statistik yang digunakan

adalah nilai rata-rata, nilai minimum, nilai maksimum, dan nilai standar

devisiasi.

2. Uji Asumsi Klasik

Uji asumsi klasik merupakan salah satu langkah penting untuk

menghindari regresi lancung. Dalam data time series uji asumsi klasik ini

merupakan syarat yang harus di penuhi. Model regresi yang baik harus

terdistribusi normal, dan terhindar atau terbebas dari multikolinearitas,

autokorelasi, dan heterokedastisitas. Untuk menguji penyimpangan asumsi

klasik tersebut dapat menggunakan cara untuk mengujinya sebagai berikut:

1) Uji Normalitas

Uji normalitas menurut Sugiono dan Susanto (2015:321)

dilakukan untuk mengetahui apakah sampel yang diambil berasal

dari populasi yang terdistribusi normal. Keadaan sampling yang

normal sangat penting karena merupakan persyaratan penggunaan

statistik untuk melakukan pengujian hipotesis. Dalam penelitian

35

untuk mengetahui apakah data terdistribusi normal atau tidak dapat

digunakan uji kolgomorov-smirnov. Pengambilan keputusan untuk

data terdistribusi normal adalah jika sig.(2-tailed) >5 persen (0.05).

2) Uji Autokorelasi

Menurut Sugiono dan Susanto (2015:333) uji autokorelasi

adalah untuk mengetahui apakah dalam persamaan regresi terdapat

kondisi serial atau tidak antara variabel pengganggu. Untuk

mengetahui apakah persamaan regresi ada atau tidak autokorelasi

akan digunakan pendekatan uji Run. Jika nilai Run >0.05 maka

gejala autokorelasi dapat diabaikan. Model regresi yang baik

mensyaratkan tidak adanya autokorelasi.

3) Uji Multikolinearitas

Menurut Yudiaatmaja (2013:78) uji multikolinearitas

adalah uji untuk variabel bebas, di mana korelasi antar variabel bebas

dilihat. Jika ada dua variabel bebas di mana kedua variabel tersebut

berkorelasi sangat kuat, maka secara logika persamaan regresinya

cukup diwakili oleh satu variabel saja. korelasi yang sangat kuat

yang dimaksud adalah apabila nilai r>0,90. Jadi apabila korelasi

antar variabel kurang dari 0,90 dinyatakan tidak terjadi

multikolinearitas.

36

Menurut Wijaya dalam Yudiaatmaja (2013:78) terdapat

beberapa cara untuk mendeteksi ada tidaknya multikolinearitas, yaitu

sebagai berikut:

a) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi

empiris yang sangat tinggi, namun secara individual variabel

bebas banyak yang tidak signifikan mempengaruhi variabel

terikat.

b) Menganalisis korelasi antar variabel bebas. Jika korelasi antar

variabel kurang dari 0,9 dinyatakan tidak terjadi

multikolinearitas.

c) Multikolinearitas dapat juga diketahui dari nilai Variance

Inflation Faktor (VIF). Jika nilai VIF ≤ 10, maka dinyatakan

tidak terjadi multikolinearitas.

d) Adanya multikolinearitas juga dapat diidentifikasi dari nilai

Eigenvalue sejumlah variabel bebas yang mendekati nol.

Dalam penelitian ini identifikasi multikolinearitas dari nilai

Variance Inflation Faktor (VIF). Jika nilai VIF ≤ 10, maka

dinyatakan tidak terjadi multikolinearitas. Sebaliknya jika nilai VIF

≥ 10, maka dinyatakan terjadi multikolinearitas

4) Uji Heterokedastisitas

Menurut Surfan dan Natanael (2014:105) uji heteroskedasitas

adalah untuk melihat apakah kesalahan (eror) pada data kita

memiliki varians yang sama atau tidak. Heteroskedastisitas memiliki

37

suatu kondisi bahawa varians eror berbeda dari satu pengamatan ke

pengamatan lain. Model regresi liniear ganda yang baik adalah tidak

mengalami heteroskedastisitas.

Melihat apakah dalam sebuah model regresi terjadi

ketidaksamaan varians dari residual satu pengamatan ke pengamatan

lain menggunakan uji heterokedastisitas. Salah satu cara untuk

mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan

melihat grafik scatter plot. Deteksi heteroskedastisitas dapat

dilakukan dengan melihat ada tidaknya pola-pola tertentu pada

grafik scatter plot.

Dasar pengambilan keputusan adalah titik-titik menyebar di

atas dan di bawah atau disekitar 0, titik-titik tidak mengumpul hanya

diatas atau dibawah saja, penyebaran titik-titik data tidak membentuk

pola bergelombang melebar kemudian menyempit kembali, dan

penyebaran titik-titik data tidak berpola maka tidak terjadi

heteroskedastisitas

3. Analisis Regresi Sederhana

Menurut Suyono (2018:05) regresi sederhana adalah model

probalistik yang menyatakan hubungan linear antara dua variabel di mana

salah satu variabel dianggap mempengaruhi variabel yang lain. Variabel

yang mempengaruhi dinamakan variabel independen (bebas) dan variabel

yang dipengaruhi dinamakan variabel dependen (terikat).

38

Model probalistik untuk regresi linear sederhana sebagai berikut:

(Suyono,2018:05)

Dengan X adalah variabel independen (bebas), Y adalah variabel

dependen (terikat), adalah parameter-parameter yang nilainya

tidak diketahui yang dinamakan koefisien regresi, dan ε adalah kekeliruan

atau galat acak. Galat acak mempunyai peranan penting dalam analisis

regresi. Galat acak digunakan untuk memodelkan variasi nilai-nilai Y

untuk nilai X yang tetap. Di dalam penelitian ini variabel dependen (Y)

adalah tingkat kemiskinan, dan untuk variabel independen (X) adalah

indeks pembangunan manusia (IPM) dan produk domestik regional bruto

(PDRB).

4. Analisis Regresi Ganda

Penggunaan analisis regresi ganda dalam penelitian ini adalah

untuh memprediksi pengaruh antara satu variabel dependen dan dua

variabel independen. Variabel penelitian adalah kemiskinan sebagai

variabel dependen, dan indeks pembangunan manusia (IPM) dan produk

domestik regional bruto (PDRB). menggunakan rumus sebagai berikut:

(Suyono,2018:05)

Dimana X adalah variabel independen (bebas) yaitu X1 untuk

indeks pembangunan manusia (IPM) dan X2 untuk produk domestik bruto,

Y adalah variabel dependen (terikat) yaitu tingkat kemiskinan,

39

adalah parameter-parameter yang nilainya tidak diketahui

yang dinamakan koefisien regresi, dan ε adalah kekeliruan atau galat acak.

Galat acak mempunyai peranan penting dalam analisis regresi.

5. Pengujian Hipotesis

Guna mengetahui apakah ada pengaruh yang signifikan antara

variabel independen (X) terhadap variabel dependen (Y) digunakan uji

hipotesis. Pengujian hipotesis terdiri dari beberapa pengujian, yakni

sebagai berikut:

1) Uji Signifikansi Individual (Uji Statistik t)

Uji statistik t menurut Kuncoro (2011:105) pada dasarnya

menunjukkan seberapa jauh pengaruh variabel penjelas secara

individual dalam menerangkan variasi variabel terikat. Apabila

atau signifikan lebih dari 0.05 maka Ho

diterima yang berarti variabel independen tidak berpengaruh

signifikan terhadap variabel dependen pada drajat keyakinan tertentu.

Sedangkan jika atau signifikan kurang dari 0.05 maka

Ho ditolak yang berarti variabel independen berpengaruh secara

signifikan terhadap variabel dependen pada derajat keyakinan tertentu.

2) Uji Signifikansi Simultan (Uji Statistik F)

Uji statistik F digunakan untuk mengetahui apakah secara

bersama-sama variabel bebas mempengaruhi variabel terikat. Menurut

Kuncoro (2015:106) yaitu menunjukkan apakah semua variabel bebas

40

yang dimasukkan dalam model mempunyai pengaruh secara bersama-

sama terhadap variabel terikat.

Kriteria uji statistik F taraf signifikan 5 persen atau 0.05

dijelaskan sebagai berikut:

a) Jika nilai F-hitung < F-tabel maka Ho diterima dan menolak Ha,

artinya variabel independen secara bersama-sama tidak

mempengaruhi variabel dependen secara signifikan.

b) Sedangkan jika nilai F-hitung > F-tabel maka Ho ditolak dan

menerima Ha, artinya variabel independen secara bersama-sama

mempengaruhi variabel dependen secara signifikan.

3) Koefisien Determinan (R2)

Menurut Siagian dan Sugiarta (2006:259) keofisisen

determinasi menunjukan ragam (variasi) naik turunya Y yang

diterangkan oleh pengaruh linear X. bila nilai koefisien determinasi

sama dengan satu, berarti garis regresi yang terbentuk cocok secara

sempurna dengan nilai-nilai observasi yang diperoleh. Dalam hal ini

nilai koefisisen determinasi sama dengan satu artinya ragam naik

turunya Y seluruhnya disebabkan oleh X.

Siagian dan Sugiarto (2006:260) berpendapat bahwa nilai

0≤R2≤1, jika nilai R

2 = 0 berarti tidak ada hubungan antara X dan Y,

atau secara model regresi yang terbentuk tidak tepat untuk

meramalkan Y, jika nilai R2 = 1, ini berarti garis regresi yang

terbentuk dapat meramalkan Y secara sempurna.