commit to user
2. Interview Teknik pengumpulan data dengan cara wawancara dengan pengrajin
logam secara langsung. 3. Kuesioner
Teknik pengumpulan data dengan membuat daftar pertanyaan dan atau pernyataan yang telah dipersiapkan terlebih dahulu yang kemudian
diberikan kepada sebagian pengrajin logam yang dinilai representatif.
4. Studi Pustaka Mencari dan mengumpulkan data yang sudah ada, baik yang ada di
buku, majalah dan koran, BPS ataupun data – data yang tersedia pada
internet dan sumber yang lain.
H. Teknik Analisis Data
1. Uji Pemilihan Model a. Uji MWD
Pemilihan bentuk fungsi model empirik merupakan masalah empirik
empirical question
yang sangat penting. Hal ini karena teori ekonomi tidak secara spesifik menunjukkan bentuk fungsi suatu model
empirik dinyatakan dalam bentuk linear atau log-linear atau bentuk fungsi lainnya. Oleh karena itu, dalam melakukan studi empiris
sebaiknya model yang akan digunakan diuji dulu, apakah sebaiknya menggunakan bentuk linear ataukah log-linear Insukindro et al., 2003:
14.
commit to user
Ada beberapa metode yang dapat digunakan dalam pemilihan bentuk fungsi model empirik antara lain metode transformasi
Box-Cox
, metode yang dikembangkan MacKinnon, White, dan Davidson atau
lebih dikenal dengan
MWD test
, metode Bara dan McAleer atau dikenal dengan
B-M test
dan metode yang dikembangkan Zarembka Tri Rahayu, 2007: 83. Dalam penelitian ini akan menggunakan metode
yang dikembangkan Mac Kinnon, White dan Davidson pada tahun 1983 yang lebih dikenal dengan
MWD test
. Untuk dapat menerangkan uji MWD, maka langkah pertama
adalah membuat dua model regresi dengan asumsi:
Model regresi 1: Linier
Y =
+
1
Mod+
2
TK +
3
PU +
4
TP +
e
………….1.1
Model regresi 2: Log-Linear
LY =
+
1
LMod+
2
LTK +
3
LPU +
4
LTP +
e
………….1.2
Keterangan : Y
= Pendapatan Pengrajin Logam Mod = Variabel Modal
TK = Variabel Jumlah Tenaga Kerja
PU = Variabel Pengalaman Usaha TP
= Variabel Tingkat Pendidikan LY = Variabel Pendapatan Pengrajin Logam Menggunakan
Persamaan Log-linier LMod = Variabel Modal Menggunakan Persamaan Log-linier
commit to user
LTK = Variabel Tenaga Kerja Menggunakan Persamaan Log-linier LPU = Variabel Pengalaman Usaha Menggunakan Persamaan
Log-linier LTP = Variabel Tingkat Pendidikan Menggunakan Persamaan
Log-linier = Koefisien Intersep
= Koefisien Modal = Koefisien Jumlah Tenaga Kerja
= Koefisien Pengalaman Usaha
4
= Koefisien Tingkat e
= Variabel penganggu Dari persamaan 1.1 dan 1.2 di atas, selanjutnya akan
diterapkan
MWD test
. Langkah-langkahnya adalah sebagai berikut: 1 Melakukan regresi terhadap persamaan 1.1 kemudian kita
dapatkan nilai
fitted
dari pendapatan Y dan kita namai dengan YF. 2 Melakukan regresi terhadap persamaan 1.2 kemudian kita
dapatkan nilai
fitted
dari LY dan kita namai dengan LYF. 3 Mencari nilai Z
1
dengan cara mengurangkan nilai log dari YF dengan LYF.
4 Mencari nilai Z
2
dengan cara mengurangkan nilai antilog dari LYF dengan YF.
commit to user
5 Melakukan regresi dengan persamaan 1.1 dengan menambahkan variabel Z
1
sebagai variabel penjelas. Y =
+
1
Modal+
2
JTK +
3
PU +
4
TP +
e
Bila Z
1
signifikan secara statistik maka kita menolak model yang benar adalah linear atau dengan kata lain, bila Z
1
signifikan, maka model yang benar adalah log-linear.
6 Melakukan regresi dengan persamaan 1.2 dengan menambahkan variabel Z
2
sebagai variabel penjelas. LY =
+
1
LModal+
2
LJTK +
3
LPU +
4
LTP +
e
Bila Z
2
signifikan secara statistik maka kita menolak model yang benar adalah log-linear atau dengan kata lain, bila Z
2
signifikan maka model yang benar adalah linear.
b. Metode Regresi Linier Berganda
Ordinary Least Square
Untuk menguji hipotesis, seberapa besar pengaruh modal, jumlah tenaga kerja, pengalaman usaha dan tingkat pendidikan terhadap
pendapatan, maka digunakan rumus regresi linier berganda sebagai berikut: Sumodiningrat, 1994;78
Y =
+
1
Mod+
2
TK +
3
PU +
4
TP +
e
Dimana: Y = Pendapatan Pengusaha Logam
Mod = Variabel Modal TK = Variabel Jumlah Tenaga Kerja
PU = Variabel Pengalaman Usaha
commit to user
TP = Variabel Tingkat Pendidikan = Koefisien Intersep
= Koefisien Modal = Koefisien Jumlah Tenaga Kerja
= Koefisien Pengalaman Usaha
4
= Koefisien Tingkat e
= Variabel penganggu Selanjutnya terhadap hasil analisis regresi dengan model tersebut
dilakukan uji statistik dan uji asumsi. Uji statistik meliputi uji t, uji F dan uji koefisien determinasi
. Uji asumsi meliputi uji Multikolienaritas, uji Heteroskedastisitas dan uji Autokorelasi, sebagai
berikut : c. Uji Statistik
1 Uji t uji secara individu Uji t adalah pengujian terhadap koefisien regresi secara parsial
untuk mengetahui signifikansi masing-masing variabel independen terhadap variabel dependen Gujarati, 1995 : 77.
Dalam Uji t dengan ketentuan sebagai berikut :
a Menentukan Hipotesis Ho : βi = 0 berarti variabel independen secara individu
tidak berpengaruh terhadap variabel dependen Ha : βi ≠ 0 berarti variabel independen secara individu
berpengaruh terhadap variabel dependen
commit to user
2
ttabel
b Menentukan nilai α
c Melakukan Penghitungan nilai t sebagai berikut : ;
d f = N-K
dimana ; α = derajat signifikasi
N =
banyaknya data yang digunakan
K
= banyaknya parameter atau koefisien regresi plus konstanta
t hitung =
i i
Se
dimana ;
i
= koefisien regresi variable ke-i Se = Standar Error
d Kriteria Pengujian
Ho diterima
Gambar 3.1 Aturan Uji t
Ho diterima apabila –t α2 ≤ t ≤ t α2
Ho ditolak apabila t - t α2 atau t α2
commit to user
e Kesimpulan 1 Jika t hitung t tabel, maka Ho diterima Ha ditolak artinya
koefisien regresi variabel independen tidak mempengaruhi variabel dependen secara signifikan.
2 Jika t hitung t tabel, maka Ho ditolak dan Ha diterima artinya
koefisien regresi
variabel independen
mempengaruhi variabel dependen secara signifikan. 2 Uji F uji secara bersama
– sama
Uji F adalah uji terhadap koefisien regresi parsial secara bersama-sama. Uji ini dimaksudkan untuk mengetahui apakah
variabel independen yang ada secara bersama-sama mempengaruhi variabel dependennya atau untuk mengetahui apakah persamaan
model cukup eksis untuk digunakan Gujarati, 1995:120. Dalam uji F ini dengan ketentuan sebagai berikut :
a Menentukan hipotesis: Ho =
β
1
= β
2
= β
3
= β
4
= 0 berarti secara bersama-sama variabel independen
tidak mempengaruhi
variabel dependen Ha ≠ β
1
≠ β
2
≠ β
3
≠ β
4
≠ = 0 berarti secara bersama-sama variabel independen mempengaruhi variabel
dependen b
Menentukan nilai α
commit to user
c Melakukan penghitungan nilai F F tabel
F α ; N-K ; K-1 Dimana;
α = Derajat signifikasi N = Jumlah data
K = Jumlah parameter dalam model termasuk konstanta Fhit = R
2
k-1 1-R
2
N-k Dimana;
R
2
= koefisien determinasi berganda K = banyaknya parameter total yang dipakai rekan
N = banyaknya observasi d Kriteria pengujian
Ho diterima apabila F hitu ng ≤ F tabel
Ho ditolak apabila F hitung F tabel e Kesimpulan
1 Jika F hitung F tabel, maka Ho diterima dan Ha ditolak, artinya koefisien regresi variabel independen secara
bersama-sama tidak mempengaruhi variabel dependen secara signifikan.
2 Jika F hitung F tabel, maka Ho ditolak dan Ha diterima artinya koefisien regresi variabel independen secara
bersama-sama mempengaruhi variabel dependen secara signifikan.
commit to user
2 2
2 2
2 y
x
y n
x y
x xy
n 3 Uji koefisien determinasi R
2
Digunakan untuk mengetahui seberapa jauh variasi dari variabel bebas dapat menerangkan dengan baik variasi dari
variabel terikat. Jika R
2
mendekati nol, maka variabel bebas tidak menerangkan dengan baik variasi dari variabel terikatnya. Jika R
2
mendekati 1, maka variasi dari variabel tersebut dapat menerangkan dengan baik dari variabel terikatnya Gujarati,
1995:98
Rumus : R
2
=
dimana R
2
adalah 0 ≤ R
2
≤ 1 Jika R
2
= 1, berarti ada kecocokan yang sempurna Jika R
2
= 0 berarti tidak ada hubungan variabel dependen dengan variabel independen
Jika R
2
≈ berarti bahwa variabel independen hubungannya semakin dekat dengan variabel dependen atau dapat
dikatakan bahwa model tersebut baik. 2. Uji Asumsi Klasik
a. Uji Multikolinearitas
Multikolinieritas merupakan suatu keadaan dimana satu atau lebih variabel bebas terdapat korelasi dengan variabel bebas lainnya
commit to user
atau dengan kata lain multikolinieritas adalah kondisi adanya hubungan linier antarvariabel bebas. Karena melibatkan beberapa variabel bebas,
maka multikolinieritas tidak akan terjadi pada persamaan regresi sederhana.
Cara paling mudah untuk mendeteksi ada atau tidaknya multikolinieritas adalah dengan regresi
auxiliary
, yaitu dengan melihat nilai R dan nilai r. Apabila dari hasil pengujian statistik diperoleh r R
berarti tidak ada multi sedangkan jika r R berarti terjadi multikolinieritas Winarno, 2009 : 51
b. Uji Heteroskedastisitas
Heteroskedastisitas terjadi jika gangguan muncul dalam fungsi regresi yang mempunyai varian yang tidak sama, sehingga penaksir
Ordinary Least Square OLS
tidak efisien baik dalam sampel kecil maupun besar. Salah satu cara untuk mendeteksi masalah
heteroskedastisitas adalah dengan
Uji White
Winarno, 2009 : 58
.
Uji ini dilakukan dengan meregresi semua variabel bebas dan variabel tidak bebas, kemudian dilakukan uji
Uji White
terhadap residu dari hasil regresi model tersebut. Dari model tersebut akan diperoleh
nilai observasi R
2
untuk kemudian dibandingkan dengan α = 0,05 atau
5. Kriteria pengujiannya adalah jika nilai probabilitas lebih besar
dari 0,05, maka tidak terdapat masalah heteroskedastisitas dan
commit to user
sebaliknya bila nilai probabilitas lebih kecil dari 0,05, maka terdapat heteroskedastisitas.
c. Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai adanya korelasi antara unsur-unsur variabel pengganggu sehingga penaksir tidak lagi efisien
baik dalam sampel kecil ataupun sampel besar. Dalam penelitian ini untuk mendeteksi ada tidaknya masalah autokorelasi akan digunakan
Lagrange Multiplier Test LM test
. Nama lain uji LM adalah
Breusch-Godfrey Test
Winarno, 2009 : 52 Uji ini dilakukan dengan meregresi semua variabel bebas dan
variabel tidak bebas, kemudian dilakukan uji
Breusch Godfrey
terhadap residu dari hasil regresi model tersebut. Dari model tersebut akan
diperoleh nilai observasi R
2
untuk kemudian dibandingkan dengan α =
0,05 atau 5 . Kriteria pengujiannya adalah jika nilai probabilitas lebih besar
dari 0,05, maka tidak terdapat masalah autokorelasi dan sebaliknya bila nilai probabilitas lebih kecil dari 0,05, maka terdapat autokorelasi.
commit to user
BAB IV ANALISIS DATA
