menetap. Data yang digunakan jumlah penduduk menurut KabKota di Provinsi Jawa Tengah tahun 2006-2010. Variabel ini memiliki satuan jiwa.
3.4. Teknik Pengumpulan Data
Metode pengumpulan data yang digunakan untuk memperoleh data dalam penelitian ini adalah metode dokumentasi. Menurut Suharsimi 2002, metode
dokumentasi merupakan suatu cara untuk memperoleh data informasi mengenai berbagai hal yang ada kaitannya dengan penelitian dengan jalan melihat kembali
laporan-laporan tertulis, baik berupa angka ataupun keterangan. Selain data-data laporan tertulis untuk kepentingan penelitian ini juga digali berbagai data,
informasi dan referensi dari berbagai sumber pustaka, media massa dan internet.
3.5 Teknik Pengolahan dan Analisis Data 3.5.1 Analisis Data Panel
Menurut Gujarati 2004, data panel pooled data atau yang disebut juga data longitudinal merupakan gabungan antara data cross section dan data time
series. Data cross section adalah data yang dikumpulkan dalam satu waktu terhadap banyak individu, sedangkan data time series merupakan data yang
dikumpulkan dari waktu ke waktu terhadap suatu individu. Analisis data menggunakan regresi data panel mempunyai beberapa
keuntungan, yaitu: 1.
Data panel merupakan gabungan dua data yaitu time series dan cross section sehingga mampu menyediakan data yang lebih banyak sehingga
menghasilkan degree of freedom yang lebih besar.
2. Menggabungkan informasi data time series dan cross section dapat
mengatasi masalah yang timbul ketika penghilangan variabel ommited- variable Widarjono, 2009.
Beberapa keunggulan lain dengan menggunakan metode data panel
menurut Wibisono dalam Shochrul R. Ajija, yaitu:
1. Panel data memperhitungkan heterogenitas individu secara eksplisit
dengan mengijinkan variabel spesifik individu. 2.
Kemampuan mengontrol
heterogenitas individu
ini selanjutnya
menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku yang lebih kompleks.
3. Tingginya jumlah observasi memiliki implikasi pada data yang lebih
informatif, lebih variatif kolinearitas antar variabel yang semakin berkurang dan peningkatan derajat kebebasan degree of freedom
sehingga dapat diperoleh hasil estimasi yang lebih efisien. 4.
Data panel dapat meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu.
Ada 3 teknik pendekatan mendasar yang digunakan dalam mengestimasi model regresi dengan data panel, yaitu:
a. Model Pooled Least Square Common Effect
Metode pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar daerah sama dalam berbagai kurun
waktu Widarjono, 2009. Model ini hanya menggabungkan kedua data tersebut tanpa melihat perbedaan antar waktu dan individu sehingga dapat dikatakan
bahwa model ini sama halnya dengan metode OLS Ordinary Least Square karena menggunakan kuadrat kecil biasa. Pada beberapa penelitian data panel,
model ini seringkali tidak pernah digunakan sebagai estimasi utama karena sifat dari model ini yang tidak membedakan perilaku data sehingga memungkinkan
terjadinya bias, namun model ini digunakan sebagai pembanding dari kedua pemilihan model lainnya.
b. Model Pendekatan Efek Tetap Fixed Effect
Pendekatan model ini menggunakan variabel boneka yang dikenal dengan sebutan model efek tetap fixed effect atau Least Square Dummy Variabel atau
disebut juga Covariance Model. Pada metode fixed effect, estimasi dapat dilakukan dengan tanpa pembobot no weighted atau Least Square Dummy
Variabel LSDV dan dengan pembobot cross section weight atau General Least Square GLS. Tujuan dilakukannya pembobotan adalah untuk mengurangi
heterogenitas antar unit cross section Gujarati, 2004. Penggunaan model ini tepat untuk melihat perubahan perilaku data dari masing-masing variabel sehingga
data lebih dinamis dalam mengintrepetasi data. Pemilihan model antara common effect dengan fixed effect dapat dilakukan dengan pengujian Likelihood Test Ratio
dengan ketentuan apabila nilai probabilitas yang dihasilkan signifikan dengan alpha maka dapat diambil keputusan menggunakan model fixed effect.
c. Model Pendekatan Efek Acak Random Effect.
Model data panel pendekatan ketiga yaitu model efek acak random effect. Dalam model fixed effect memasukkan dummy bertujuan mewakili
ketidaktahuan kita tentang model yang sebenarnya. Namum membawa
konsekuensi berkurangnya derajat kebebasan degree of freedom sehingga pada akhirnya mengurangi efisiensi parameter. Untuk mengatasi masalah tersebut dapat
digunakan variabel gangguan error term yang dikenal dengan random effect. Model ini mengestimasi data panel dimana variabel gangguan mungkin saling
berhubungan antar waktu dan antar individu Widarjono, 2009. Keputusan penggunaan model fixed effect ataupun random effect
ditentukan dengan menggunakan Uji Hausman dengan ketentuan apabila probabilitas yang dihasilkan signifikan dengan alpha maka dapat digunakan
metode fixed effect. Namun, apabila sebaliknya maka dapat memilih salah satu yang terbaik antara model fixed effect dengan random effect.
3.5.2 Model Regresi Data Panel
Metode yang digunakan untuk mengetahui pengaruh pengangguran, pengeluaran pemerintah dan jumlah penduduk terhadap kemiskinan digunakan
analisis data panel yang merupakan kombinasi antar deret waktu dan deret hitung. Model persamaannya adalah sebagai berikut:
KMit = β0 + β1 lnUPMit + β2 lnPPit + β3 JPit + uit Dimana :
KM = kemiskinan lnUPM= pengangguran
lnPP = realisasi pengeluaran pemerintah JP
= jumlah penduduk β0
= konstanta β1
= koefisien regresi pengangguran
β2 = koefisien regresi realisasi pengeluaran pemerintah
β3 = koefisien regresi jumlah penduduk
i = menunjukkan objek
t = menunjukkan waktu
u = error
3.5.2.1 Uji Statistik a.
Koefisien Determinasi
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen sangat terbatas. Jika nilai koefisien determinasi ini mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variabel dependen Ghozali, 2006.
b. Uji Parsial Uji t
Uji t statistik pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel
dependen. Apabila t
hitung
t
tabel
maka kita menerima hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi
variabel dependen Ghozali, 2006. Estimasi model pada perangkat lunak Eviews, pengujian t statistik dapat
dilakukan dengan melihat t
hitung
pada estimasi output model di setiap variabel independen kemudian dibandingkan dengan nilai t
tabel.
Penentuan nilai t
tabel
berdasarkan pada nilai df yang disesuaikan dengan probabilitas yang digunakan.
Pengambilan keputusannya yaitu apabila t
hitung
t
tabel
dapat diketahui bahwa variabel independen tersebut merupakan variabel penjelas yang signifikan
terhadap variabel dependen pada model.
c. Uji Simultan Uji F
Uji F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara simultan terhadap variabel
dependen. Apabila F
hitung
F
tabel
maka H ditolak dan menerima H
a
Ghozali, 2006.
Estimasi model pada software Eviews 7, uji F dapat dilakukan dengan cara melihat nilai F
hitung
kemudian dibandingkan dengan nilai F
tabel.
Penentuan nilai F
tabel
menggunakan tabel F dengan variabel independen sebagai df numerator dan jumlah observasi yang telah dikurangi variabel independen sebagai denumerator
nya. Apabila F
hitung
F
tabel
dapat diketahui bahwa seluruh variabel independen memiliki pengaruh secara simultan terhadap variabel dependen.
3.5.2.2 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui apakah model regresi tersebut baik atau tidak jika digunakan untuk melakukan penaksiran. Suatu model
dikatakan baik apabila bersifat BLUE Best Linear Unbiased Estimator, yaitu memenuhi asumsi klasik atau terhindar dari masalah-masalah multikolinearitas,
heteroskedastisitas, dan autokorelasi. Untuk itu, perlu dilakukan uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi. Penelitian ini hanya
menggunakan uji multikolinearitas dan uji autokorelasi.
a. Multikolinearitas
