III. METODE PENELITIAN
3.1. Jenis dan Sumbe r Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : 1 time
series dan 2 cross section. Data time series yang digunakan adalah data tahunan selama lima tahun yaitu tahun 2003-2007, sedangkan data cross section sebanyak
dua puluh yang menunjukkan jumlah propinsi di Indonesia yang diteliti. Dua puluh propinsi tersebut adalah Sumatera Utara, Sumatera Barat, Riau, Jambi,
Sumatera Selatan, Lampung, DKI Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur, Banten, Bali, Nusa Tenggara Barat, Kalimantan Barat,
Kalimantan Tengah, Kalimantan Selatan, Ka limantan Timur, Sulawesi Utara, dan Papua. Adapun variabel- variabel ekonomi yang digunakan adalah jumlah tenaga
kerja, PDRB riil, UMP riil dan investasi riil yang terdiri dari PMDN dan PMA. Sumber data diperoleh dari berbagai instansi dan media terkait yang dengan
data yang dibutuhkan dalam penelitian ini. Adapun instansi dan media yang dimaksud adalah BPS, DEPNAKERTRANS, BKPM, perpustakaan, artikel dan
internet.
3.2. Metode Analisis Data
Penelitian ini menggunakan metode analisis kuantitatif dengan regresi panel data. Pengolahan data dilakukan dengan menggunakan software Microsoft
Excel dan E-views 6.1. Hasil pengolahan data dan penjelasan analisisnya dipaparkan dalam bab pembahasan.
3.2.1. Regresi Panel Data
Data panel pooled data atau 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 adalah data yang dikumpulkan dari waktu ke waktu terhadap
suatu individu Gujarati, 2003. Banyak alasan mengapa penggunaan data panel lebih baik pada mode l-
model regresi dibandingkan data time series atau crosss section, di antaranya menurut Baltagi 2008 adalah :
1. Bila data panel berhubungan dengan individu, perusahaan, negara, daerah, dan lain- lain pada waktu tertentu, maka data tersebut heterogen. Teknik
penaksiran data panel yang heterogen secara eksplisit dapat dipertimbangkan dalam perhitungan.
2. Kombinasi data time series dan cross section memberikan informasi lebih lengkap, beragam, kurang berkorelasi antar variabel, derajat bebas lebih besar
dan lebih efisien. 3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis
dibandingkan studi berulang-berulang dari cross section. 4. Data panel lebih baik mendeteksi dan mengukur efek yang secara sederhana
tidak dapat diukur oleh data time series atau cross section. 5. Data panel membantu untuk menganalisis perilaku yang lebih kompleks,
misalnya fenomena skala ekonomi dan perubahan teknologi.
6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atas perusahaan karena unit data lebih banyak.
Estimasi model pada penelitian ini menggunakan dua metode, yaitu metode efek tetap fixed effect dan metode efek acak random effect Gujarati,
2003. Kedua metode tersebut akan dipilih yang sesuai dengan menggunakan uji Hausman. Hasil pengujian terhadap kedua metode yang telah dilakukan pada
estimasi model menunjukkan bahwa metode yang tepat untuk penelitian ini adalah fixed effect.
3.2.2. Metode Fixed Effect
Estimasi pada metode Fixed Effect efek tetap dapat dilakukan dengan pembobot cross section weight atau General Least Square GLS atau tanpa
pembobot no weighted atau Least Square Dummy Variabel LSDV. Tujuan dilakukannya pembobotan adalah untuk mengurangi heterogenitas antar unit cross
section Gujarati, 2003. Kesulitan terbesar dalam pendekatan metode kuadrat terkecil biasa adalah adanya asumsi intersep dan slope dari persamaan regresi
yang dianggap konstan, baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generalisasi secara umum sering dilakukan dengan memasukkan
variabel boneka dummy variabel untuk memungkinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas unit cross section maupun antar
waktu. Pendekatan dengan memasukkan variabel boneka ini dikenal dengan sebutan model efek tetap fixed effect atau Least Square Dummy Variabel atau
disebut juga Covariance Model. Secara umum, pendekatan fixed effect dapat dituliskan sebagai berikut :
y
it
= α
i
+ x
j it
β
j +
2 n
i
aiDi + ε
i
.......................................3.1 di mana :
y
it
= variabel terikat di waktu t untuk unit cross section i α
i
= intersep yang berubah- ubah antar cross section unit x
j it
= variabel bebas j di waktu t untuk unit cross section i β
j
= parameter untuk variabel ke j e
it
= komponen error di waktu t untuk unit cross section i Dengan menggunakan pendekatan ini, akan terjadi degree of freedom
sebesar NT
N K . Pertimbangan pemilihan pendekatan yang digunakan ini
didekati dengan menggunakan statistik F yang berusaha memperbandingkan antara nilai jumlah kuadrat error dari proses pendugaan dengan metode kuadrat
terkecil dan efek tetap yang telah memasukkan variabel boneka. Secara umum dirumuskan sebagai berikut :
2, N T
NT N T
F =
1 2
2
1 ESS
ESS NT
ESS NT
N K
………………………..3.2
dimana ESS
1
dan ESS
2
adalah jumlah kuadrat sisa dengan menggunakan metode kuadrat kecil biasa dan model efek tetap, sedangkan statistik F mengikuti
distribusi F dengan derajat bebas NT-1 dan NT-N-K. nilai statistik F uji inilah yang kemudian diperbandingkan dengan nilai statistik F tabel yang akan
menentukan pilihan model yang akan digunakan.
3.2.3. Metode Random Effect
Metode efek acak memasukkan parameter-parameter yang berbeda antar daerah maupun antar waktu ke dalam error. Hal inilah yang membuat model efek
juga disebut model komponen error error component model. Penggunaan model efek acak ini dapat menghemat pemakaian derajat kebebasan dan tidak
mengurangi jumlahnya seperti yang dilakukan pada model efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan menjadi semakin
efisien. Keputusan untuk memasukkan variabel boneka dalam model efek tetap tak
dapat dipungkiri akan dapat menimbulkan konsekuensi trade off. Penambahan variabel boneka ini akan dapat mengurangi banyaknya derajat kebebasan degree
of freedom yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Berkaitan dengan hal ini, dalam model data panel dikenal pendekatan
ketiga yaitu model random effect efek acak. Dalam model efek acak, parameter- parameter yang berbeda antar daerah maupun antar waktu dimasukkan ke dalam
error. Karena hal inilah, model efek acak juga disebut model komponen error error component model. Bentuk model acak dijelaskan pada persamaan berikut
ini : Y
it
= α
it
+ x
j it
β
j +
u
it
…….………….……………….3.3 Di mana
α
it
diasumsikan sebagai variabel random dari rata- rata nilai intersep α
i
. Nilai intersep untuk masing- masing individu dapat dituliskan :
α
it
= α
i
+ ε
it
i = 1,2,….,ζ …....…….………..3.4
Di mana α
i
adalah rata- rata intersep,
it
adalah random error yang tidak bisa diamati yang mengukur perbedaan karakteristik masing- masing individu.
Model efek acak ini kemudian dapat ditulis dengan rumus : Y
it
= α
it
+ x
j it
β
j
+ ε
it
+ u
it
……………………………..3.5 Y
it
= α
it
+ x
j it
β
j
+ ω
it
……………………….…………..3.6 Di mana :
ω
it
= ε
it
+ u
it
........................................................3.7 Bentuk ω
it
terdiri dari komponen error term yaitu
it
sebagai komponen cross section dan u
it
yang merupakan gabungan dari komponen time series error dan komponen error kombinasi. Model efek acak akhirnya dapat ditulis dengan
persamaan : Y
it
= α
it
+ x
j it
β
j
+ ω
it
………………………………..3.8 ω
it
= ε
i
+ v
t
+ w
it
………………………………….3.9 Di mana
ε
i
~ ζ0,
u 2
= komponen cross section error v
t
~ ζ0,
v 2
= komponen time series error w
it
~ ζ0,
w 2
= komponen error kombinasi Pada persamaan tersebut diasumsikan bahwa error secara individual tidak saling
berkorelasi begitu juga dengan error kombinasinya. Penggunaan model efek acak ini dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi
jumlahnya seperti pada model efek tetap. Hal ini mengakibatkan parameter yang hasil estimasi menjadi semakin efisien. Penggunaan model efek tetap atau acak
ditentukan dengan menggunakan uji Hausman.
Namun disamping dengan menggunakan uji Hausman, terdapat beberapa pertimbangan untuk memilih apakah akan menggunakan fixed effect atau random
effect . Apabila diasumsikan bahwa
i
dan variabel bebas X berkorelasi, maka fixed effect
lebih cocok untuk dipilih. Sebaliknya, apabila
i
dan variabel bebas X tidak berkorelasi, maka random effect yang lebih baik untuk dipilih. Beberapa
pertimbangan yang dapat dijadikan acuan untuk memilih antara fixed effect atau random effect adalah :
1. Bila T banyaknya unit time series besar sedangkan N jumlah unit cross section kecil, maka hasil fixed effect dan random effect tidak jauh berbeda
sehingga dapat dipilih pendekatan yang lebih mudah untuk dihitung yait u fixed effect model.
2. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan akan berbeda jauh. Sehingga apabila diyakini bahwa unit cross section yang dipilih dalam
penelitian diambil secara acak random maka random effect harus digunakan. Sebaliknya apabila diyakini bahwa unit cross section yang dipilih
dalam penelitian tidak diambil secara acak, maka harus meggunakan fixed effect.
3. Apabila komponen error individual
i
berkorelasi dengan variabel bebas X maka parameter yang diperoleh dengan random effect akan bias sementara
parameter yang diperoleh dengan fixed effect tidak bias 4. Apabila N besar dan T kecil, dan apabila asumsi yang mendasari random
effect dapat terpenuhi, maka random effect lebih efisien dibandingkan fixed effect.
3.2.4. Uji Kesesuaian Model
Pada penelitian ini, uji kesesuaian model dari kedua metode pada teknik estimasi panel data dapat dilakukan dengan menggunakan Hausman Test.
Hausman Test adalah pengujian statistik sebagai dasar pertimbangan kita dalam memilih apakah menggunakan model fixed effect atau model random effect.
Seperti yang diketahui bahwa penggunaan model fixed effect mengandung suatu unsure trade off yaitu hilangnya derajat kebebasan dengan memasukkan variabel
dummy. Namun, penggunaan metode random effect juga harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat. Pengujian ini dilakukan
dengan hipotesa sebagai berikut : H
: Model Random Effect
H
1
: Model Fixed Effect
Dasar penolakan hipotesa nol tersebut diperoleh dengan menggunakan pertimbangan statistik Chi-Square. Statistik Hausman dirumuskan dengan :
1 1
m b
M M
b
~
2
K ………………....3.10 di mana :
β = vektor statistik variabel fixed effect
b = vektor statistik variabel random effect
M = matriks kovarian untuk dugaan model fixed effect
M
1
= matriks kovarian untuk dugaan model random effect Jika nilai m hasil pengujian lebih besar dari Chi-Square
χ
2
tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol sehingga model yang
lebih baik digunakan adalah model fixed effect, begitu pula sebaliknya.
3.3. Perumusan Model Penelitian
Model umum yang digunakan dalam penelitian ini berdasarka n tinjauan teori terhadap fungsi ekonomi dari tingkat penyerapan tenaga kerja dan hasil studi
dari Prihartanti 2007 yang menganalisis tentang faktor-faktor yang mempengaruhi penyerapan tenaga kerja sektor industri di kota Bogor. Model yang
digunakan dalam penelitian ini adalah sebagai berikut :
TK
it
= α + β
PDRBriil
it
+ β
1
UMPriil
it
+ β
2
INriil
it
+ ε
it
………3.11 di mana :
TK
it
= Jumlah tenaga kerja Indonesia propinsi i pada tahun t per satuan orang PDRB
it
= Nilai Produk Domestik Regional Bruto riil propinsi i pada tahun t per juta rupiah
UMP
it
= Nilai Upah Minimum riil Propinsi i pada tahun t per satu rupiah IN
it
= Nilai Investasi riil propinsi i pada tahun t per juta rupiah
it
= Komponen error
3.4. Hipotesis Penelitian