Metode Analisis

3.3 Metode Analisis

Analisis Deskriptif

Menurut Walpole (1995), analisis deskriptif merupakan salah satu analisis secara sederhana yang memiliki tujuan untuk mempermudah penafsiran data serta melihat perilaku data dengan melakukan analisis tabel ataupun grafik. Pada analisis ini tidak terdapat hipotesis maupun pengujian secara statistik melainkan menyajikan gambaran umum dari jenis kelamin, status perkawinan, umur, tingkat pendidikan, pelatihan, tempat tinggal dan komuter di Provinsi Jawa Barat tahun 2016. Analisis ini berupa grafik dan tabel.

Analisis Inferensia

Analisis inferensia merupakan analisis data sampai kepada peramalan atau penarikan kesimpulan mengenai keseluruhan data (Walpole, 1995). Analisis inferensia pada penelitian ini digunakan untuk menjawab tujuan penelitian yaitu mengetahui variabel-variabel yang memengaruhi peluang seseorang untuk bekerja dengan mendapatkan upah dan variabel yang memengaruhi tingkat upah yang didapatkan oleh pekerja/karyawan/buruh, serta mengestimasi reservation wage Analisis inferensia merupakan analisis data sampai kepada peramalan atau penarikan kesimpulan mengenai keseluruhan data (Walpole, 1995). Analisis inferensia pada penelitian ini digunakan untuk menjawab tujuan penelitian yaitu mengetahui variabel-variabel yang memengaruhi peluang seseorang untuk bekerja dengan mendapatkan upah dan variabel yang memengaruhi tingkat upah yang didapatkan oleh pekerja/karyawan/buruh, serta mengestimasi reservation wage

Model tingkat upah merujuk pada model fungsi upah Mincer. Prosedur yang digunakan untuk menganalisis persamaan upah menggunakan regresi linier berganda dengan metode Ordinary Least Square (OLS). Dengan asumsi upah pekerja berdistribusi secara acak atau �� � = . Namun, karena sampel yang digunakan dalam analisis ialah sampel yang terpotong, maka asumsi tersebut menjadi tidak terpenuhi sehingga menyebabkan estimasi menjadi bias. Oleh sebab itu, digunakanlah metode Heckman atau lebih dikenal metode Heckman dua tahap untuk mengatasi bias karena sampel terpotong tersebut.

Langkah awal adalah dengan menghitung terlebih dahulu peluang bekerja dengan mendapatkan upah. Model yang digunakan ialah model probit. Selanjutnya model ini dianalisis menggunakan fungsi kumulatif normal probabilitas atau cumulative normal probability sehingga didapatkan suatu nilai yang disebut invers mills ratio atau faktor koreksi yang pada penelitian ini dinamai Lambda yang digunakan untuk langkah kedua pada metode Ordinary Least Square (OLS), sehingga metode OLS dapat diperkenankan dengan syarat nilai dari residu sudah memenuhi asumsi OLS. Namun jika asumsi tidak terpenuhi maka dilakukan pengecekan outlier. Apabila terdapat adanya outlier lalu dilihat apakah outlier tersebut memiliki pengaruh atau tidak. Jika terdapat outlier yang berpengaruh terhadap regresinya, maka dapat digunakan metode alternatif yang tahan resistan terhadap outlier yaitu regresi robust (Gujarati, 2004). Selain itu, penelitian oleh Yuliana (2011) juga menyebutkan bahwa metode Heckman dapat dilanjutkan Langkah awal adalah dengan menghitung terlebih dahulu peluang bekerja dengan mendapatkan upah. Model yang digunakan ialah model probit. Selanjutnya model ini dianalisis menggunakan fungsi kumulatif normal probabilitas atau cumulative normal probability sehingga didapatkan suatu nilai yang disebut invers mills ratio atau faktor koreksi yang pada penelitian ini dinamai Lambda yang digunakan untuk langkah kedua pada metode Ordinary Least Square (OLS), sehingga metode OLS dapat diperkenankan dengan syarat nilai dari residu sudah memenuhi asumsi OLS. Namun jika asumsi tidak terpenuhi maka dilakukan pengecekan outlier. Apabila terdapat adanya outlier lalu dilihat apakah outlier tersebut memiliki pengaruh atau tidak. Jika terdapat outlier yang berpengaruh terhadap regresinya, maka dapat digunakan metode alternatif yang tahan resistan terhadap outlier yaitu regresi robust (Gujarati, 2004). Selain itu, penelitian oleh Yuliana (2011) juga menyebutkan bahwa metode Heckman dapat dilanjutkan

Model Partisipasi Bekerja dengan mendapatkan Upah

Model yang digunakan dalam estimasi partisipasi kerja dengan penghasilan adalah model probit dengan variabel responnya berupa variabel data diskit dengan nilai sebagai berikut: Probabilitas = 1, jika bekerja dan mendapatkan upah. Probabilitas = 0, jika tidak bekerja atau bekerja namun tidak mendapatkan upah Keputusan bekerja dengan mendapatkan upah atau tidak ditentukan pada indeks I yang mengindikasikan besarnya peluang untuk bekerja. Seseorang akan memutuskan untuk bekerja atau tidak bergantung pada nilai I i . Dalam pengambilan keputusan diasumsikan memiliki batas I i * , yang mana I i * menjelaskan tentang nilai kritis yang menjadi keputusan individu untuk bekerja atau tidak. Y=1 jika I *

i ≥I i dan Y=0 jika I * i <I i .

Tabel 2. Variabel yang digunakan dalam analisis partisipasi bekerja dengan mendapatkan upah

Variabel

Kategori Dummy (1)

Nama Variabel

(4) Variabel Respon 1. Bekerja dengan

1 1. Status bekerja dengan

mendapatkan upah mendapatkan upah

Kerja_upah

2. Lainnya*

Variabel Penjelas

1 1. Jenis Kelamin

1. Laki-laki

JK

2. Perempuan*

Tabel 2. Variabel yang digunakan dalam analisis partisipasi bekerja dengan mendapatkan upah (lanjutan)

Variabel

Kategori Dummy (1)

Nama Variabel

(4) 1.Kawin/Pernah

1 2. Status Perkawinan

Status_Kawin

Kawin 2. Belum Kawin*

1 3. Tempat Tinggal

1. Perkotaan

Tempat_Tinggal

2. Perdesaan* 4. Umur

Umur

- 0. SMA/sederajat* 6. Tingkat Pendidikan

5. Umur 2 Umur2

1. DI,DII,DIII

Edu

SMA ke atas

2. DIV,S1 3. S2,S3 1. SMA/sederajat

1 SMA/sederajat

Edu0

2. Lainnya* 1. DI,DII,DIII

1 DI,DII,DIII

Edu1

2. Lainnya* 1. DIV,S1

1 DIV,S1

Edu2

2. Lainnya* 1. S2,S3

1 S2,S3

Edu3

2. Lainnya*

Keterangan: * reference category

Model yang akan digunakan dalam probabilitas angkatan kerja dengan tingkat pendidikan minimal SMA/sederajat yang bekerja dengan mendapatkan upah sebagai berikut:

Pengujian Signifikansi Parameter

Uji Simultan

Pengujian ini dilakukan untuk mengetahui pengaruh variabel penjelas terhadap variabel respon secara bersama-sama atau simultan. Pengujian ini menggunakan uji likelihood ratio . Adapun hipotesis pengujiannya sebagai berikut:

H 0 : β 1 = β 2 = β 3 =..= β 8 = 0 (Tidak terdapat pengaruh signifikan antara variabel penjelas terhadap variabel respon secara simultan)

H 1 : Minimal terdapat satu β i ≠ 0 (Minimal terdapat satu variabel penjelas yang berpengaruh signifikan terhadap variabel respon)

Uji 2 likelihood ratio ini mengikuti distribusi χ ( Chi-Square ) dengan derajat bebas sebanyak variabel penjelas dalam model. Tingkat signifikansi yang

digunakan yaitu 0,05. H 0 ditolak jika G 2 > χ 2 (0,05;8) atau ketika p-value < 0,05. Artinya, minimal terdapat satu variabel penjelas yang berpengaruh signifikan terhadap peluang individu untuk bekerja dengan mendapatkan upah.

Uji Parsial

Variabel bebas dilakukan pengujian satu per satu menggunakan statistik uji Wald . Uji ini bertujuan untuk mengetahui variabel penjelas mana yang memiliki pengaruh yang signifikan terhadap variabel respon. Adapun hipotesis ujinya adalah sebagai berikut:

H 0 :β j = 0 (variabel penjelas ke-j tidak berpengaruh signifikan terhadap variabel respon),

H 1 : β j > 0 (variabel penjelas ke-j berpengaruh signifikan terhadap variabel respon).

Untuk variabel jenis kelamin, status perkawinan tingkat pendidikan, dan umur. untuk suatu j= 1,2,..,8

H 1 :β j < 0 (variabel penjelas ke-j berpengaruh signifikan terhadap variabel respon). Hanya untuk variabel tempat tinggal

Uji 2 Wald ini mengikuti distribusi χ ( Chi-Square ) dengan derajat bebas 1. Pada tingkat signifikansi 0,05, H 2

0 akan ditolak jika W j> χ (0,05;1) . Artinya variabel penjelas ke-j berpengaruh secara signifikan terhadap peluang individu untuk bekerja dan mendapatkan upah.

Model Upah

Pada tahap kedua akan dilakukan estimasi terhadap upah yang didapatkan oleh pekerja dengan metode Ordinary Least Square (OLS). Dalam metode ini dilakukan regresi antara variabel penjelas terhadap variabel responnya. Selain menggunakan variabel-variabel penjelas yang diduga memiliki pengaruh terhadap upah, disertakan juga variabel λ (Invers Mill’s Ratio) yang didapatkan dari perhitungan pada tahap pertama ke dalam model upah.

Tabel 3. Variabel yang digunakan dalam analisis tingkat upah Variabel

Kategori Dummy (1)

Nama Variabel

(4) Variabel Respon 1. Upah

- Variabel Penjelas

Ln_Upah

1 1. Jenis Kelamin

1. Laki-laki

JK

2. Perempuan* 1. Kawin/Pernah

1 2. Status Perkawinan

Status_Kawin

Kawin

2. Belum Kawin* 1. Pernah ikut

2. Tidak pernah* 1. Perkotaan

1 4. Tempat Tinggal

Tempat_Tinggal

2. Perdesaan*

Tabel 3. Variabel yang digunakan dalam analisis tingkat upah (lanjutan) Variabel

Kategori Dummy (1)

Nama Variabel

- 0. SMA/sederajat* 7. Tingkat Pendidikan SMA

6. Umur 2 Umur2

1. DI,DII,DIII

Edu

ke atas

2. DIV,S1 3. S2,S3

1. SMA/sederajat 1 SMA/sederajat

Edu0

2. Lainnya* 1. DI,DII,DIII

1 DI,DII,DIII

Edu1

2. Lainnya* 1. DIV,S1

1 DIV,S1

Edu2

2. Lainnya* 1. S2,S3

1 S2,S3

Edu3

2. Lainnya* 1. Komuter

1 8. Komuter

Komuter

2. Bukan Komuter* 9. Invers Mill’s Ratio (λ)

- Keterangan : * reference category

Lambda

Model yang akan digunakan untuk mengetahui upah yang diperoleh setiap angkatan kerja yang memiliki pendidikan minimal SMA/sederajat, yaitu:

Selanjutnya dilakukan uji asumsi Ordinary Least Square (OLS) terhadap pemodelan upah antara lain:

1. Uji Normalitas;

2. Uji Homoskedastisitas;

3. Pengecekan Nonmultikolinieritas. Setelah melakukan uji asumsi OLS apabila asumsi OLS tidak terpenuhi, maka selanjutnya dilakukan pengecekan outlier .

Pendeteksian outlier

Tahapan ini perlu dilakukan karena regresi dengan metode OLS sangat rentan terhadap outlier. Hal yang perlu dilakukan dalam pendeteksian outlier adalah sebagai berikut.

1. Identifying outlying X observation – Hat matrix leverage value Suatu amatan ke-i dicurigai sebagai high leverage point apabila nilai

leverage ℎ �� > , dengan p = 12 dan n = 1686. Hasil yang diperoleh ialah

2. Identifying outlying Y observation – Studentized deleted residuals Nilai studentized deleted residuals ∗ � dihitung dengan menggunakan rumus (30). Suatu amatan ke-i dikatakan outlier apabila ∗ � > �;�−� . Dengan

α=0,05, n=1686, dan p=12, maka �;�−� = ,6 6.

3. Influence on fitted value – DFFITS Nilai DFFITS dihitung menggunakan rumus (32). Suatu amatan ke-i dikatakan sebagai amatan yang berpengaruh terhadap model regresi apabila

nilai | �|>√ . Dengan p = 12, n = 1686, maka � √ = 0,1687. �

4. Influence on the regression coefficient – DFBETAS Nilai DFBETAS dihitung menggunakan rumus (33). Suatu amatan ke-i dikatakan berpengaruh terhadap koefisien ke-j apabila amatan tersebut

memiliki nilai |

. Dengan n=1686, maka = 0,0487.

Apabila terdapat outlier dan berpengaruh, maka metode regresi robust dapat digunakan sehingga diperoleh standar eror yang efisien (Yuliana, 2011).

Selanjutnya melakukan uji keberartian model dengan perhitungan koefisien determinasi (R 2 ) dan pengujian secara simultan maupun parsial.

Uji Simultan (Uji F)

Pengujian ini dilakukan untuk mengetahui apakah semua koefisien regresi dapat diterima dalam model dan apakah secara statistik variabel penjelas secara bersama-sama signifikan memengaruhi variabel responnya. Adapun hipotesisnya sebagai berikut:

H 0 : β 1 = β 2 = β 3 =..= β 11 = 0 (Tidak terdapat pengaruh signifikan antara variabel penjelas terhadap variabel respon secara simultan)

H 1 : Minimal terdapat satu β j ≠ 0, dengan j = 1,2,3…,11 (Minimal terdapat satu

variabel penjelas yang berpengaruh signifikan terhadap variabel respon)

Uji simultan mengikuti distribusi F dengan derajat bebas (11),(1674), yang mana n adalah banyaknya observasi dan k adalah banyaknya parameter dari variabel penjelas. Tingkat signifikansi yang digunakan adalah 0,05. H 0 ditolak jika

ℎ� ��� > 0,05; , atau p-value < 0,05 yang memiliki arti minimal terdapat satu variabel penjelas yang memiliki pengaruh yang signifikan terhadap upah yang

didapatkan oleh angkatan kerja yang memiliki pendidikan minimal SMA/sederajat.

Uji Parsial

Uji ini dapat dilakukan untuk mengetahui variabel penjelas mana yang memiliki pengaruh signifikan terhadap variabel respon. Uji ini dapat dilakukan apabila dalam uji simultan dihasilkan keputusan tolak H 0 dengan menguji �̂ secara Uji ini dapat dilakukan untuk mengetahui variabel penjelas mana yang memiliki pengaruh signifikan terhadap variabel respon. Uji ini dapat dilakukan apabila dalam uji simultan dihasilkan keputusan tolak H 0 dengan menguji �̂ secara

H 0 :β j = 0 (variabel penjelas ke-j tidak berpengaruh signifikan terhadap variabel respon)

H 1 :β j > 0 (variabel penjelas ke-j berpengaruh signifikan terhadap variabel respon) untuk j = 1,2,3,..,11 Uji parsial ini mengikuti distribusi t dengan derajat bebas (0,025);(1674). Dengan tingkat signifikansi 0,05, H 0 ditolak jika | ℎ� ��� |> 0,025;

atau p- value < 0,05. Artinya secara parsial variabel penjelas ke-j memiliki pengaruh yang signifikan terhadap model upah.