3.2. Teori Penentuan Sampel
Data yang digunakan dalam penelitian ini adalah data berkala Times Series Data dalam periode tahunan selama 15 tahun yaitu dari tahun 1994-2008.
3.3. Teknik Pengumpulan Data 3.3.1. Jenis Data
Jenis data yang dipergunakan dalam penelitian ini adalah data sekunder yaitu data yang bisa dikumpulkan atau diperoleh dari pihak Badan Pusat Statistik
Propinsi Jawa Timur yang ada hubungannya dengan penelitian ini atau data yang sudah terlampir dan bisa diambil dari instansi yang bersangkutan.
3.3.2. Sumber Data
Sumber data yang dipergunakan dalam penelitian ini diperoleh dari Badan Pusat Statistik Propinsi Jawa Timur
3.3.3. Pengumpulan Data
Pengumpulan data yang diperlukan pada penelitian ini dilakukan dengan : a.
Study kepustakaan Data yang diperoleh berdasarkan buku-buku atau literatur-literatur yang sesuai
dengan usaha penelitian ini. b.
Study lapangan
Yaitu metode pengumpulan data yang dilakukan dengan cara mengadakan pengamatan, pencatatan terhadap obyek atau masalah yang diteliti. Study
lapangan ini dilaksanakan guna menunjang pengumpulan data yang diperoleh untuk diolah dan dianalisis. Dalam hal ini adalah Badan Pusat Statistik Jawa
Timur melaui studi kepustakaan. 3.4. Teknik Analisis dan Uji Hipotesis
3.4.1. Teknik Analisis
Sesuai dengan tujuan dari usulan penelitian ini, maka digunakan suatu model regresi linier berganda. Analisis regresi merupakan alat analisis yang
berfungsi untuk mengetahui ada tidaknya pengaruh variabel bebas terhadap variabel terikat.
Bentuk model tersebut adalah : Y =
β +
β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ μ
i
............Supranto, 2001 : 189 Dimana :
Y = Pertumbuhan Ekonomi X
1
= Inflasi X
2
= Pengeluaran Pemerintah X
3
= Jumlah Tenaga Kerja X
4
= Penanaman Modal Dalam Negeri β
= Konstanta β
1
, β
2
, β
3
, β
4
= Koefisien regresi μ
i
= Variabel pengganggu, merupakan wakil dari semua faktor lain yang dapat mempengaruhi pertumbuhan ekonomi, namun tidak dimasukkan
dalam model. Sedangkan untuk mengetahui model analisis tersebut cukup layak digunakan dalam pembuktian selanjutnya dan untuk mengetahui
sejauh mana variabel bebas mampu menjelaskan variabel terikat, maka perlu diketahui nilai-nilai koefisien determinasi dengan menggunakan
rumus : JK regresi
R
2
= JK total
Soelistyo, 2001 : 325 Dimana :
R = Koefisien determinasi
JK = Jumlah kuadrat JK Regresi = b
1
∑y
i
X
1
+ b
2
∑y
2
X
2
+ b
3
∑y
i
X
3
+.............. b
n
∑y
n
X
n
JK total = ∑y
i 2
atau ∑y
i
– ∑y
2
n Jadi :
b
1
∑y
i
X
1
+ b
2
∑y
2
X
2
+ b
3
∑y
i
X
3
R
2
= ∑y
i 2
Soelistyo, 2001 : 325 Karakteristik utama dari R
2
adalah : 1.
Tidak mempunyai nilai negatif 2.
Nilainya terletak antara 0 dan 1. Dimana kecocokan model dikatakan “lebih baik” jika R
2
semakin dekat dengan 1. 3.
Salah satu sifat penting dari R
2
adalah bahwa nilai tadi merupakan fungsi yang tidak pernah menurun noncreasing function dari banyaknya variabel yang
menjelaskan yang ada dalam model seiring dengan meningkatnya jumlah
variabel yang menjelaskan, R
2
hampir-hampir selalu meningkat dan tak pernah menurun. Gujarati, 1995 : 101.
3.4.2. Uji Hipotesis
Selanjutnya untuk menguji hipotesisnya menggunakan cara sebagai berikut :
a. Uji F secara simultan
Untuk menguji hubungan regresi antara variabel bebas X dengan variabel terikat Y, maka digunakan uji F.
Pengujian ini ditentukan dengan rumus : KT regresi ............................ Soelistyo, 2001 : 325
F
hitung
= KT Galat
Dengan derajat bebas = k, n-k-1 Keterangan :
K = Jumlah variabel bebas
n = Jumlah sampel
KT = Kuadrat tengah
Galat = Error Residual
Kriteria uji F akan ditunjukkan pada gambar dibawah ini Gambar 5
Daerah Kritis H melalui kurva distribusi F
Daerah tolak H
Daerah terima H
Sumber : Gujarati, Demodar, diterjemahkan oleh Sumarno Zain. 1995,
Ekonometrika Dasar, Erlangga, Jakarta hal 80 H
: β
1
= β
2
= β
3
= β
4
= 0 tidak ada pengaruh H
: β
1
≠ β
2
≠ β
3
≠ β
4
≠ 0 ada pengaruh Kaidah keputusannya adalah :
1. Jika F
hitung
≤ F
tabel
, maka H diterima
2. Jika F
hitung
F
tabel
, maka H ditolak
b. Uji t
Digunakan untuk menguji hubungan regresi secara terpisah dari masing- masing variabel bebas terhadap variabel terikatnya dengan persamaan sebagai
berikut : Β
x
t
hitung
= Se
β
x
...............................Gujarati, 1997 : 74 Derajat bebas = n-k-1
Dimana : Β
x
= Koefisien regresi Se = Standar error
n = Jumlah sampel k = Jumlah variabel bebas
Kriteria uji t akan ditunjukkan pada gambar sebagai berikut : Gambar 6
Daerah kritis H melalui kurva distribusi t
-t
hitung
- t
tabel
t
tabel
Sumber : Gujarati, Demodar, diterjemahkan oleh Sumarno Zain. 1995, Ekonometrika Dasar, Erlangga, Jakarta hal 116
H :
β
i
= 0 tidak ada pengaruh nyata H
i
: β
i
≠ 0 ada pengaruh nyata Kaidah keputusannya adalah :
1. H
diterima jika -t
hitung
≤ t
tabel
, berarti tidak ada pengaruh antara variabel bebas dengan variabel terikat.
2. H
ditolak jika --t
tabel
t
hitung
t
tabel
, berarti ada pengaruh antara variabel bebas dengan variabel terikat.
3.5. Uji Asumsi Klasik BLUE
Persamaan regresi yang dipergunakan haruslah bersifat BLUE, yang artinya pengambilan melalui uji F atau uji t tidak boleh bias. Untuk melaksanakan operasi
Daerah tolak H
Daerah terima H Daerah
tolak H
linier tersebut diperlukan 3 tiga asumsi dasar yang harus dipenuhi dan tidak boleh dilanggar, yaitu :
1. Tidak terjadi korelasi
2. Tidak terjadi multikolinieritas
3. Tidak terjadi heteroskedastisitas
Apabila ada salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linier Unbiased
Estimator.
1. Autokorelasi
Istilah autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau data
yang diambil pada waktu tertentu data cross-sectional Gujarati, 1995 : 201. Jadi, dalam model regresi linier diasumsikan tidak terdapat gejala autokorelasi.
Artinya, nilai residual Y observasi – Y prediksi pada waktu ke-t e
t
tidak boleh ada hubungan dengan nilai residual periode sebelumnya e
t-1
. Identifikasi ada atau tidaknya gejala autokorelasi dapat ditest dengan
menghitung nilai Durbin Watson d tes dengan persamaan :
t=N
∑ e
t
– e
t-1 2
t=2
d =
t=N
∑ e
t 2
t=1
Keterangan : d
= Nilai Durbin Watson e
t
= Residual pada waktu ke -t e
t-1
= Residual pada waktu ke t-1 satu periode sebelumnya N
= Banyaknya data Ada tidaknya gejala autokorelasi dapat ditunjukkan pada gambar berikut :
Gambar 7 Adanya gejala autokorelasi
dL dU 4-dU 4-dL 4
Sumber : Gujarati, Demodar, diterjemahkan oleh Sumarno Zain. 1995, Ekonometrika Dasar, Erlangga, Jakarta hal 216.
2. Multikolinieritas
Persamaan regresi linier berganda diatas diasumsikan tidak terjadi pengaruh antar variabel bebas. Apabila ternyata ada pengaruh linier antar
variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias. Untuk mendeteksi adanya multikolieritas dapat dilihat ciri-cirinya sebagai
berikut :
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif Daerah
keragu- raguan
Ada autoko
relasi negatif
Ada autoko
relasi positif
Daerah keragu-
raguan
a. Koefisien determinasi berganda R square tinggi
b. Koefisien korelasi sederhanya tinggi
c. Nilai F
hitung
tinggi signifikan d.
Tapi tak satupun atau sedikit sekali diantara variabel bebas yang signifikan.
Akibat adanya multikolinieritas adalah : 1.
Nilai standar error galat baku tinggi, sehingga taraf kepercayaan confidence intervalnya akan semakin melebar. Dengan demikian,
pengujian terhadap koefisien regresi secara individu menjadi tidak signifikan.
2. Probabilitas untuk menerima hipotesa H
diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan semakin besar. Awat,
J, Napa, 1995 : 367-375. Identifikasi secara statistik atau tidaknya gejala multikolinier dapat
dilakukan dengan menghitung Variance Inflation Factor VIF. VIF = 1 FIV menyatakan tingkat “pembengkakan” varians.
tolerance Apabila VIF lebih besar dari 10, hal ini berarti terdapat multikolinier pada
persamaan regresi linier Ghozali, 2001 : 57.
3. Heteroskedastisitas
Pada regresi linier residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi Rank Speaman antara
residual dengan seluruh variabel bebas. Rumus Rank Spearman adalah :
∑d
i 2
r
s
= 1 – 6 N N
2
– 1
Keterangan : D
i
= Perbedaan dalam Rank antara residual dengan variabel bebas ke-1 N = Banyaknya data
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1. Deskripsi Kota Surabaya
Surabaya sebagai ibukota Provinsi Jawa Timur merupakan kota metropolitasn kedua setelah Jakarta. Sebagai Ibukota Provinsi Jawa Timur,
Surabaya yang luas wilayahnya 326,36 km
2
ini memiliki keadaan yang sangat berbeda dengan keadaan daerah lainnya di Jawa Timur.
Ditunjang dengan sarana pelabuhan terbesar di kawasan timur Indonesia membuat kota Surabaya memiliki sebutan kota industri, kota dagang, kota maritim,
kota pelabuhan, kota pendidikan, kota garnisun dan kota pariwisata. Kota Surabaya memiliki tingkat pertumbuhan di hampir semua sektor lebih baik dari kota lainnya.
Melihat keadaan demikian sudah sewajarnya apabila pemerintah Kota Surabaya gencar melakukan kegiatan pembangunan yang dapat memacu tumbuh
dan berkembangnya dunia perekonomian dan bisnis. Keheterogenan penduduk kota Surabaya akan menimbulkan mobilitas yang bermacam-macam dan diharapkan
dapat menghasilkan input bagi pemerintah Kota Surabaya.
4.1.2. Keadaan Geografis dan Topografis
Berdasarkan informasi yang ada pada Badan Pusat Statistik BPS diperoleh data bahwa letak daerah penelitian yaitu kota Surabaya adalah Kota
terletak diantara 07
o
12 – 07
o
14’ Lintang Selatan dan 112
o
36’ – 112
o
54’ Bujur Timur. Wilayahnya merupakan daratan rendah dengan ketinggian 3 – 6 meter