31
BAB III METODE PENELITIAN
3.1 Metode Penentuan Daerah Penelitian
Daerah penelitian ini ditentukan secara teritorial atau wilayah yaitu di wilayah Provinsi Sumatera Utara. Daerah penelitian ini dipilih secara purposivesengaja,
artinya daerah penelitian didasarkan atas adanya tujuan tertentu.
3.2 Metode Penentuan Sampel
Data yang digunakan dalam penelitian ini adalah data time series dengan range tahun 1985 – 2014 n=30 yang dianalisis dengan alat bantu program SPSS
Statistical Package for Social Scienceversi20.0.
3.3 Metode Penggunaan Data
Data yang digunakan pada penelitian ini adalah data sekunder yang berasal dari Badan Pusat Statistik dan Dinas Pertanian Provinsi Sumatera Utara.Data yang
dibutuhkan untuk menjadi bahan analisis dalam penelitian ini adalah PDRB sektor pertanian, jumlah tenaga kerja sektor pertanian, luas lahan sektor pertanian, dan
ekspor sektor pertanian.
3.4 Metode Analisis Data Untuk hipotesis pertama, dianalisa secara kuantitatif, dengan menggunakan
pendekatan secara matematik.Model analisis yang dipakai merupakan model yang dikemukakan oleh Simon Kuznets.
Universitas Sumatera Utara
32 Model Kuznets sebagai berikut:
P = P
a
+ P
n
…………………………………………………..……………………..1 Dimana : P = Total Produk
P
a
= Produk Sektor Pertanian P
n
= Produk Sektor Non Pertanian ∆P = P
a
.r
a
+ P
n
. r
n
………………………………………...……………………...2 Dimana :
∆P= Kenaikan Pertambahan Total Produk r
a
= Laju Pertumbuhan Produk Sektor Pertanian P
a
, sehingga: P
a 1
= P
a
1 + r
a
dimana superskrip berhubungan dengan waktu r
n
= Laju Pertumbuhan Produk Sektor Non Pertanian P
n
, sehingga: P
n 1
= P
n
1 + r
n
dimana superskrip berhubungan dengan waktu
�� .�� ∆P
= Share pertumbuhan dari produk sektor pertanian dalam pertumbuhan total produk, yang berarti kontribusi sektor pertanian terhadap pertumbuhan
PDRB.
Untuk hipotesis kedua, pengaruh jumlah tenaga kerja sektor pertanian, luas
lahan sektor pertanian, dan ekspor pertanian terhadap pertumbuhan sektor pertanian dianalisis menggunakan metode analisis regresi linier berganda.Data
yang diregresi adalah data yang telah dilogaritmakan terlebih dahulu.Hal ini bertujuan untuk menghindari data yang tidak linier terjadi non-linieritas.
�� . �� ∆P
= 1
1 +
�� .�� �� .��
Universitas Sumatera Utara
33 Secara sistematis dapat ditulis sebagai berikut:
Dimana: Y
= Produk Domestik Regional Bruto Sektor Petanian Rptahun a
= Nilai Konstanta b1-b3 = Koefisien Regresi
e = Variabel Kesalahan
X1 = Tenaga Kerja Sektor Pertanian Jiwa
X2 = Luas Lahan Pertanian Ha
X3 = Ekspor Pertanian US
Uji Kesesuaian Model Test of Goodness of Fit 1. Koefisien Determinasi R
2
Koefisien determinasi R
2
merupakan suatu nilai statistik yang dihitung dari data sampel.Koefisien ini menunjukkan persentase variasi seluruh variabel terikat yang
dapat dijelaskan oleh perubahan variabel bebas explanatory variables.Koefisien ini merupakan suatu ukuran sejauh mana variabel bebas dapat merubah variabel
terikat dalam suatu hubungan Supriana, 2013. Nilai koefisien determinasi R
2
berkisar antara 0 R
2
1, dengan kriteria pengujiannya adalah R
2
yang semakin tinggi mendekati 1 menunjukkan model yang terbentuk mampu menjelaskan keragaman dari variabel terikat, demikian
pula sebaliknya.
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e
Universitas Sumatera Utara
34
2. Uji Serempak Uji F - Statistik
Uji F adalah uji secara serempak simultan signifikansi pengaruh perubahan variabel independen terhadap variabel dependen.Artinya parameter X
1
, X
2
, dan X
3
secara bersamaan diuji apakah memiliki signifikansi atau tidak.
Kriteria pengujian: Jika sig. F
≤ 0,05 maka H ditolak dan H
1
diterima. Jika sig. F 0,05 maka H
diterima dan H
1
ditolak. Jika H
diterima artinya X
1
, X
2
, dan X
3
secara serempak tidak berpengaruh nyata terhadap Y pertumbuhan pertanian di Sumatera Utara.
Jika H
1
diterima artinya X
1
, X
2
, dan X
3
secara serempak berpengaruh nyata terhadap Y pertumbuhan pertanian di Sumatera Utara.
3. Uji Parsial Uji t Statistik
Uji t adalah uji secara parsial pengaruh variabel independen terhadap variabel dependen digunakan untuk mengetahui apakah variabel bebas secara parsial
berpengaruh nyata atau tidak terhadap variabel terikat.Taraf signifikansi α yang digunakan dalam ilmu sosial adalah 5 Firdaus, 2011.
Kriteria Pengujian: Jika sig. t
≤ 0,05 maka H ditolak dan H
1
diterima. Jika sig. t 0,05 maka H
diterima dan H
1
ditolak. Jika H
diterima artinya X
1
, X
2
, dan X
3
secara parsial tidak berpengaruh nyata terhadap Y pertumbuhan pertanian di Sumatera Utara.
Jika H
1
diterima artinya X
1
, X
2
, dan X
3
secara parsial berpengaruh nyata terhadap Y pertumbuhan pertanian di Sumatera Utara.
Universitas Sumatera Utara
35
Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda yang berbasis Ordinary Least Square OLS.Pada
prinsipnya model regresi linier yang dibangun sebaiknya tidak boleh menyimpang dari asumsi BLUE Best, Linier, Unbiased, danEstimator. Ada empat uji asumsi
klasik yang akan digunakan dalam penelitian ini antara lain uji normalitas, heterokedastisitas, multikolinieritas, dan autokorelasi.
1. Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distribusi data mendekati distribusi normal.Uji normalitas dapat dilakukan dengan uji
Kolmogorov Smirnov, dengan melihat nilai signifikansi. Sig.KS 0,05 = Data berdistribusi normal
Sig.KS ≤ 0,05 = Data tidak berdistribusi normal
Uji Kolmogorov Smirnov digunakan untuk menguji null hipotesis suatu sampel atas suatu distribusi tertentu.
2. Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain
dalam model regresi. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas atau tidak terjadi heterokedastisitas.
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.
Universitas Sumatera Utara
36 Penelitian ini menggunakan uji Glejser sebagai penguji heterokedastisitas, dengan
melihat nilai signifikansi. Sig. 0,05 = Homokedastisitas tidak terjadi masalah heterokedastisitas
Sig. ≤ 0,05 = Heterokedastisitas
3. Uji Multikolinieritas
Multikolinieritas adalah adanya hubungan linier korelasi yang sempurna atau pasti diantara beberapa atau semua variabel yang menjelaskan model regresi.Data
yang digunakan adalah penggunaan faktor yang dilogaritmakan.Model regresi yang baik harusnya tidak terjadi korelasi diantara variabel independent.Ada atau
tidaknya multikolinieritas pada model regresi terlihat dari tolerance dan VIF Variance Inlaction Factor Widiyanto, 2010.
Kriteria nilai uji yang digunakan yakni: 1
Jika nilai VIF 10, maka model tidak mengalami multikolinieritas 2
Jika nilai tolerance 10, maka model mengalami multikolinieritas
4. Uji Autokorelasi
Autokorelasi ialah adanya korelasi antara variabel itu sendiri, pada pengamatan yang berbeda waktu. Umumnya kasus autokorelasi banyak terjadi pada data time
series. Salah satu langkah yang dapat dilakukan untuk mendeteksi autokorelasi adalah dengan melihat pola hubungan antara residual dan variabel bebas .metode
yang digunakan adalah uji Durbin – Watson Uji dw.
Universitas Sumatera Utara
37 Kriteria nilai uji yang digunakan yakni:
d dL: ada autokorelasi positif dL
≤ d ≤ du: maka kita tidak dapat mengambil kesimpulan apa - apa du
≤ d ≤ 4 – du: tidak ada autokorelasi 4 – du
≤ d ≤ 4 – dL: maka kita tidak dapat mengambil kesimpulan apa – apa d 4 – dL: ada autokorelasi negatif
3.5 Definisi dan Batasan Operasional