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.