41

BAB III

METODE PENELITIAN

A. Objek Penelitian

Penelitian dilakukan di kabupaten/kota di Provinsi Jawa Timur. Dengan

pertimbangan di setiap wilayah mempunyai sumber daya dan potensi dalam

peningkatan pertumbuhan ekonomi.

B. Jenis Penelitian dan Sumber Data

1. Jenis Penelitian

Jenis Penelitian dari segi pendekatan dibagi menjadi dua macam yaitu,

pendekatan kuantitatif dan pendekatan kualitatif. Sedangkan dalam penelitian

ini menggunakan pendekatan kuantitatif yang pada dasarnya menekankan

analisisnya pada data-data numerical (angka) yang diolah dengan metode

statistika. Dengan metode kuantitatif akan diperoleh signifikansi perbedaan

kelompok atau signifikansi hubungan antar variabel yang diteliti (Azwar,

2001).

2. Sumber Data

Data yang digunakan adalah data sekunder berupa data Pendapatan

Domestik Regional Bruto (PDRB), data jumlah penduduk, dan data Belanja

modal kabupaten/kota Provinsi Jawa Timur dengan periode waktu tahun 2011-

2015 yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Jawa Timur.

42

C. Metode Pengumpulan Data

Data yang digunakan dalam penelitian merupakan data-data dari literatur

yang berkaitan berupa dokumen. Data yang diperoleh kemudian disusun dan

diolahsesuai dengan kepentingan dan tujuan penelitian. Untuk tujuan penelitian

ini data yang dibutuhkan diperoleh dari Badan Pusat Statistik (BPS) Jawa Timur.

Tahun yang dipilih adalah tahun 2011 sampai dengan 2015. Meliputi data PDRB

Atas Dasar Harga Konstan 2010, jumlah penduduk dan Belanja Modal.

D. Definisi Operasional Variabel

Variabel penelitian adalah suatu gejala yang bervariasi. Variabel juga dapat

diartikan sebagai objek penelitian yang menjadi titik pusat perhatian dari suatu

penelitian (Arikunto, 1998). Untuk mengetahui konsep yang diteliti maka perlu

penjabaran definisi –definisi operasional sebagai berikut :

1.Variabel Dependen (terikat)

Merupakan variabel yang dipengaruhi oleh variabel-variabel bebasnya.

Variabel Dependen dalam penelitian ini adalah Produk Domestik Regional

Bruto (Y). PDRB yaitu nilai bersih barang dan jasa-jasa yang dihasilkan oleh

berbagai kegiatan ekonomi di suatu daerah dalam periode tertentu. Penelitian

ini menggunakan Produk Domestik Regional Bruto atas dasar harga konstan

menunjukkan nilai tambah barang dan jasa yang dihitung menggunakan harga

pada tahun tertentu. Data PDRB yang digunakan dalam penelitian ini adalah

data PDRB Atas Dasar Harga Konstan 2010 Kabupaten/Kota Provinsi Jawa

43

Timur tahun 2011-2015 dalam Juta Rupiah. Data diperoleh dari Badan Pusat

Statistik Jawa Timur.

2. Variabel Independen (Bebas)

Merupakan variabel yang mempengaruhi variabel terikat. Yang

termasuk dalam variabel terikat dalam penelitian ini adalah :

a. Belanja Modal (X1)

Belanja modal merupakan belanja pemerintah daerah yang

manfaatnya melebihi satu tahun anggaran dan akan menambah belanja

yang bersifat rutin sepertu biaya pemeliharaan pada kelompok belanja

administrasi umum (Halim, 2004). Belanja pada umumnya hanya

digunakan di sektor publik, tidak di sektor bisnis. Belanja di sektor

publik terkait dengan penganggaran, menunjukkan jumlah uang yang

telah dikeluarkan selama satu tahun anggaran. Belanja berdasarkan

hubungannya dengan aktivitas di bagi dua, yaitu biaya langsung dan

biaya tidak langsung. Belanja modal yang dimaksud dalam penelitian ini

adalah belanja modal yang menyangkut belanja dalam rangka

meningkatkan pendapatan daerah. Contohnya belanja modal yang

digunakan untuk pembangunan infrastruktur jalan yang mengharuskan

penduduk membayar pajak atas pembangunan tersebut. Pajak yang

dibayarkan oleh penduduk tersebut menjadi sumber pendapatan dan

meningkatkan pertumbuhan ekonomi. Data yang digunakan dalam

penelitian ini adalah data belanja modal yang berasal dari Laporan

Anggaran Pendapatan dan Belanja Daerah Provinsi Jawa Timur tahun

44

2011-2015, dalam satuan juta rupiah. Data diperoleh dari Badan Pusat

Statistik Jawa Timur.

b. Jumlah penduduk (X2)

Penduduk merupakan subjek pembangunan. Peningkatan jumlah

penduduk menuntut konsekuensi adanya peningkatan sarana prasarana

umum. Dalam upaya meningkatkan pertumbuhan ekonomi, jumlah

penduduk juga harus dikendalikan. Perkembangan jumlah penduduk

yang besar juga memerlukan anggaran belanja yang semakin besar.

Jumlah penduduk yang dimksud adalah penduduk yang bekerja

penduduk yang bekerja, sehingga dapat memberikan sumbangan

terhadap pertumbuhn ekonomi suatu daerah. Sedangkan penduduk yang

belum bekerja dan penduduk yang berusia lanjut tidak dimasukkan dalam

penelitian ini. Data yang dipakai dalam penelitian ini adalah data jumlah

penduduk Kabupaten/kota Provinsi Jawa Timur 2011-2015 dalam satuan

juta jiwa. Data diperoleh dari Badan Pusat Statistik Jawa Timur.

45

E. Teknik Analisis Data

Penelitian ini menggunakan beberapa metode analisis dalam menjawab

tujuan yang akan dicapai. Alat analisis tersebut meliputi: analisis regresi linier

berganda sebagai alat pengolahan data dengan menggunakan program Eviews9.

1. Model Regresi Data Panel

Data Penel merupakan sekelompok data individual yang diteliti selama

rentang waktu tertentu sehingga memberikan informasi observasi setiap

individu dalam sampel. Panel data merupakan gabungan antara time series data

(deret waktu) dan cross section (individual). Keuntungan menggunakan panel

data yaitu dapat meningkatkan jumlah sampel populasi dan memperbesar

degree of freedom, serta penggabungan informasi yang berkaitan dengan

variabel cross section dan time series. Terdapat beberapa keuntungan

menggunakan data panel, yaitu :

1. Dengan mengkombinasikan data time series dan data cross section, dat

panel memberikan data yang lebih informative, lebih variatif,

mengurangi kolinieritas antar variabel, derajat kebebasan yang lebih

banyak, dan efisiensi yang lebih besar.

2. Dengan mempelajari bentuk cross section berulang-ulang dari observasi,

data panel lebih baik untuk mempelajari dinamika perubahan.

3. Data penel dapat mendeteksi lebih baik dalam mengukur efek-efekyang

tidak dapat diobservasi dalam cross sectional maupun data time series

murni.

46

4. Data panel memungkinkan untuk dipelajarinya model perilaku yang

lebih rumit.

Persamaan regresi data panel dalam penelitian ini dapat dirumuskan

sebagai berikut :

Ln Yit = Ln + Ln + Ln it

Keterangan :

Y = Log PDRB kabupaten/kota pRovinsi Jawa Timur

= Log Belanja Modal

= Log jumlah Penduduk

i = Konstanta ke i

β1 β2 = Koefisien regresi untuk masing-masing variabel X

i = jenis kabupaten

t = waktu

Model regresi dengan data panel secara umum mengakibatkan kesulitab

dalam spesifikasi modelnya. Residualnya akan mempunyai tiga kemungkinan

yaitu residual time series, cross section maupun gabungan keduanya. Maka

terdapat tiga pendekatan dalam menggunakan data panel yaitu :

1) Pooled Least Square (PLS)

Metode ini juga dikenal sebagagai Common Effect Model (CEM).

Pada metode ini, model mengasumsikan bahwa data gabungan yang ada,

menunjukan kondisi sesungguhnya dimana nilai intersep dari masing-

masing variabel adalah sama dan slope koefisien dari variabel-variabel yang

digunakan adalah identic untuk semua unit cross-section.

47

Kelemahan dalam metode PLS ini yaitu adanya ketidaksesuaian

model dengan keadaan yang sebenarnya. Dimana kondisi tiap objek saling

berbeda, bahkan satu objek pada suatu waktu akan sangat berbeda dengan

kondisi objek tersebut pada waktu yang lain (Winarno, 2007).

2) Fixed Effect Model (FEM)

Fixed effect (efek tetap) dalam hal ini maksudnya adalah bahwa satu

objek, memiliki konstan yang tetap besaranya untuk berbagai periode

waktu. Demikian pula halnya dengan koefisien regresi yang memiliki

besaran yang tetap dari waktu ke waktu.

Dalam model FEM ini menggunakan perubahan boneka untuk

memungkinkan perubahan –perubahan dalam intersep-intersep kerat lintang

dan runtut waktu akibat adanya perubahan-perubahan yang dihilangkan.

Model ini mengasumsikan bahwa perbedaan antar unit dapat diketahui dari

perbedaan nilai konstanya.

Pendekatan dengan memasukkan variabel boneka ini dikenal dengan

sebutan model efek tetap (fixed effect) atau Least Square Dummy Variable

(LSDV) atau disebut juga covariance model (Winarno, 2007).

3) Random Effect Models (REM)

Dalam menganalisis regresi data panel, selain menggunakan Fixed

Effect Model (FEM), analisis regresi dapat pula menggunakan pendekatan

efek random (random effect). Pendekatan efek random ini digunakan untuk

mengatasi kelemahan fixed effect model yang menggunakan variabel semu,

sehingga akibatnya model mengalami ketidakpastian. Berbeda dengan FEM

48

yang menggunakan variabel semu, metode random menggunakan residual,

yang diduga memiliki hubungan antar waktu dan antar objek (Winarno,

2007).

2. Pemilihan Model

Dalam pengolahan data panel mekanisme uji untuk menentukan metode

pemilihan data panel yang tepat yaitu dengan cara membandingkan metode

yang digunakan dalam analisis regresi linier berganda. Untuk melakukan

perbandingan model mana yang akan dipakai, maka dilakukan pengujian

diantaranya :

a. Uji F (Chow Test)

Uji yang digunakan untuk mengetahui apakah model Pooled Least

Square (PLS) atau Fixed Effect Model (FEM) yang akan dipilih untuk

estimasi data. Uji ini dapat dilakukan dengan uji restricedd F-test atau uji

Chow-test. Dalam pengujian ini dilakukan dengan hipotesa sebagai berikut:

H0 : Common Effect Model atau pooled OLS

H1 : Fixed Effect Model

Pengujian ini mengikuti nilai probabilitas nilai cross-section F jika

nilai probabilitas < α=0,05 maka H0 ditolak, artinya model panel yang baik

untuk digunakan adalah Fixed Effect Model, dan sebaliknya. Jika H0

diterima, berarti model PLS yang dipakai dan dianalisis. Namun jika H0

ditolak, maka model FEM harus diuji kembali untuk memilih apakah akan

memakai model FEM atau REM kemudian dianalisis. (Widarjono, 2009).

49

b. Hausman Test

Pengujian dengan membandingkan model Fixed Effect dengan

Random Effect dalam menentukan model yang terbaik untuk digunakan

sebagai model regresi data panel. Hipotesis yang dibentuk dalam Hausman

Test adalah sebagai berikut :

H0 : Model Random Effect

H1 : Model Fixed Effect

Dasar penolakan H0 adalah dengan menggunakan pertimbangan

probabilitas Cross section random. Jika probabilitas Cross section > α=0,05

maka H0 diterima, artinya model yang digunakan adalah Random Effect.

Untuk memilih fixed effect model atau random effect model sebagai

model yang sesuai ada beberapa cara untuk menentukan, yaitu :

1. Jika T (jumlah data time series) > N (jumlah data cross sectional), maka

disarankan menggunakan fixed effect model (FEM).

2. Jika N (jumlah data cross section) > T (jumlah data time series), maka

disarankan menggunakan random effect model.

3. Jika efek cross sectional berkorelasi dengan salah satu atau lebih variabel

X, maka penaksir FEM yang tak bias dan sesuai.

Uji hipotesis yang uji hipotesis yang dapat digunakan untuk lebih

meyakinkan keputusan dalam memilih model terbaik adlah dengan

menggunakan Uji Hausman ( Gujarati, 2012).

50

Ada tiga uji yang digunakan untuk menentukan teknik yang paling tepat

untuk mengestimasi regresi data panel. Tiga uji tersebut yaitu uji F statistic, uji

t statistic, uji determinan uji Langrange Multiplier (LM) dan uji Hausman.

Uji statistic untuk mengetahui tingkat signifikansi dari masing-masing

koefisien regresi variabel dependen maka dari itu dapat menggunakan uji

statistik diantaranya :

1. Uji Signifikansi Simultan (Uji F)

Uji F yaitu untuk mengetahui signifikansi pengaruh antara variabel

bebas yaitu belanja modal dan jumlah penduduk dengan variabel terikat

dalam penlitian ini adalah Produk Domestik Regional Bruto (PDRB) secara

simultan.

Hipotesis dalam pengujian ini adalah:

H0 : β1 = β2 = 0, berarti belanja modal dan jumlah penduduk tidak

berpengaruh secara signifikan terhadap Produk Domestik Regional bruto

(PDRB).

Ha : β1 ≠ β2 ≠ 0, berarti belanja modal dan jumlah penduduk mempunyai

pengaruh secara signifikan terhadap Produk Domestik Regional

Bruto(PDRB).

Jika Fstatistik ˃Ftabel, H0 ditolak dan Ha diterima, maka hal ini

berarti variabel bebas secara simultan berpengaruh signifikan terhadap

variabel terikat. Dan apabila Fstatistik ˂ Ftabel, H0 diterima dan Ha ditolak

maka hal ini berarti variabel bebas secara simultan tidak berpengaruh

signifikan terhadap variabel terikat.

51

2. Uji Signifikansi Parsial (Uji t)

Uji t pada dasarnya menunjukkan seberapa besar pengaruh variabel

independen secara individual dalam menerangkan variasi variabel dependen

dengan hipotesis pengujian sebagai berikut (Gujarati,2004).

H0 : β1 = 0, berarti belanja modal dan jumlah penduduk tidak berpengaruh

secara signifikan terhadap Produk Domestik regional Bruto (PDRB).

Ha : β1 ≠ 0, berarti belanja modal dan jumlah penduduk berpengaruh secara

signifikan terhadap Produk Domestik Regional Bruto (PDRB).

Jika t-hitung ˃ t-tabel maka ditolak dan menerima Ha atau dengan

kata lain ada pengaruh secara signifikan variabel independen terhadap

variabel dependen. Dan jika t-hitung ˂ t-tabel maka diterima dan

menolak Ha, dengan kata lain variabel independen tidak berpengaruh

signifikan terhadap variabel dependen.

Atau dapat dilihat dari besarnya nilai probabilitas dengan ketentuan

sebagai berikut:

diterima Ha ditolak, apabila nilai t probabilitas ≥ nilai (α=5%). Hal

ini berarti variabel independent tidak berpengaruh terhadap variabel

dependent. Dan apabila ditolak Ha diterima, apabila nilai t probabilitas

≤ niali (α=5%). Hal ini berarti variabel independent signifikan berpengaruh

terhdap variabel dependent.

52

3. Uji Koefisien Determinasi ( )

Koefisien determinasi ( adalah untuk mengetahui seberapa besar

variabel independen mampu menjelaskan variabel dependen. Kofisien

deterrminasi ( maupun koefisien deterrminasi yang disesuaikan

menunjukkan kemampuan model (variabel penjelas) dalam menjelaskan

variasi variabel terikat. Nilai besarnya antara 0 ˂ ˂ 1 menyatakan

dimana semakin mendekati 1 maka dapat dinyatakan model semakin baik

(Gujarati, 2004).

1. Nilai yang kecil atau mendekati nol, berarti kemampuan

variabel independent dalam menjelaskan variasi variabel

dependent sangat lemah.

2. Nilai yang mendekati satu, berarti kemampuan variabel

independent dalam menjelaskan hamper semua informasi yang

digunakan untuk memprediksi variasi variabel dependent.