3.2. Teknik Penentuan Sampel
Data yang digunakan sebagai sample penelitian skripsi ini adalah data yang mencakup wilayah Surabaya. Teknik penentuan sampel mengenai
pengaruh pendapatan perkapita Surabaya, nilai produksi, investasi industri kecil, dan jumlah tenaga kerja adalah data yang diambil secara time series
runtun waktu yaitu data yang diambil tiap periode dan waktu, yang diambil dari kurun waktu antara tahun 1993 sampai dengan 2007.
3.3. Teknik Pengumpulan Data 3.3.1.
Jenis Data
Dalam melakukan penelitian ini data yang digunakan adalah data sekunder, yaitu data yang diperoleh dan telah diolah oleh instansi-instansi
yang berkaitan dalam penelitian ini.
3.3.2 Sumber Data
Sumber Data yang digunakan dalam penelitian ini diperoleh dari instansi yang terkait, yaitu :
1. Kantor Badan Pusat Statistik Jawa Timur di Surabaya.
2. Bank Indonesia Cabang Surabaya.
3.3.3. Pengumpulan Data
Pengumpulan data dalam penelitian ini dilakukan dengan cara sebagai berikut:
a. Studi Kepustakaan
Yaitu pengumpulan data yang dilakukan dengan memanfaatkan sarana kepustakaan untuk membaca buku-buku, literature-literatur, jurnal-
jurnal, makalah-makalah dan beberapa informasi di internet yang berhubungan dengan penelitian ini yang sesuai dengan materi bahan
skripsi ini. b.
Studi Lapangan Yaitu pengumpulan data yang dilakukan dengan jalan mengambil
laporan, mencatat atau mengutip data-data yang ada pada Kantor Badan Pusat Statistik Jawa Timur atau Instansi yang terkait dengan
masalah yang dibahas. Studi lapangan ini dimaksudkan untuk mendapatkan data sekunder yang diperlukan dalam penulisan skripsi
ini.
3.4. Teknik Analisis dan Uji Hipotesis
3.4.1 Teknik Analisis
Dengan melihat hasil pengamatan dengan metode kuantitatif langkah-langkah yang akan dilakukan dalam menganalisis penelitian ini
adalah : Analisis regresi linear berganda dengan asumsi Klasik BLUE Best, Linear, Unbiassed, Estimator yang bertujuan untuk menentukan
arah dan kekuatan pengaruh dari masing-masing variabel. Adapun bentuk persamaan untuk menentukan hubungan antara variabel dependent dengan
variabel independent, sehingga dapat diformulasikan sebagai berikut :
Y = F X1, X2, X3,X4 Model fungsional tersebut di atas akan ditetapkan pada model regresi
berganda baik linear maupun non linear seperti rumus di bawah ini : Y
i
= β
+ β
1
X
1i
+ β
2
X
2i
+ β
3
X
3i
+ β
4
X
4i
+ μ
i
Dimana : Y
= Jumlah Industri Kecil X1
= Pendapatan Perkapita Surabaya X2
= Nilai Produksi X3
= Investasi Industri Kecil X4
= Jumlah Tenaga Kerja β
= Konstanta β
1…..
β
4
= Koefisien regresi X
1
, X,
2
X
3,
X
4
i = Pengamatan
μ = Variabel pengganggu, merupakan wakil dari semua faktor lain
yang dapat mempengaruhi namun tidak dapat dimasukkan dalam model.
2.4.2. Uji Asumsi Klasik
Persamaan regresi tersebut di atas harus bersifat BLUE Best Linear Unbiaseed Estimator
, artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan
regresi harus memenuhi ketiga asumsi klasik ini : 1.
Tidak boleh ada autokorelasi 2.
Tidak boleh ada multikolinearitas 3.
Tidak boleh ada heteroskedatisitas Sifat BLUE dapat dijelaskan sebagai berikut :
1. Best = Pentingnya sifat ini bila diterapkan dalam uji
signifikan buku terhadap α dan β.
2. Linear = Sifat ini dibutuhkan untuk memudahkan dalam
penaksiran. 3. Unbiassed
= Nilai jumlah sampel sangat besar penaksir parameter diperoleh dari sampel besar kira-kira
mendekati nilai parameter. 4. Estimated
= μi diharapkan sekecil mungkin.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Uji Multikolinearitas
Persamaan regresi linier berganda di atas diasumsikan tidak terjadi pengaruh anatar variabel bebas. Apabila ternyata ada pengaruh linier antar
variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias. Untuk mendeteksi adanya multikolinieritas dapat dilihat cirri-cirinya
sebagai berikut : a.
Koefisien determinan berganda R square tinggi. b.
Koefisien korelasi sederhananya tinggi. c.
Nilai F hitung tinggi signifikan. d.
Tapi tak satupun sedikit sekali di antara variabel-variabel bebas yang signifikan.
Akibat adanya multikolinieritas adalah : 1.
Nilai standart error standart baku tinggi sehingga taraf kepercayaan confidence intervalnya akan semakin melebar. Dengan demikian,
pengujian koefisien regresi secara individual menjadi tidak signifikan. 2.
Probabilitas untuk menerima hipotesa Ho diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan semakin besar.
Identifikasi secara statistic ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung koefisien korelasi product moment atau
Variance Inflation Factor VIF. 1
VIF = Q – Rj
VIF menyatakan tingkat “pembengkakan” varian. Apabila varians lebih besar dari 10. hal ini berarti terdapat multikolinieritas pada persamaan regresi
linier.
2. Uji Heteroskedatisitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini biasa diidentifikasikan dengan cara menghitung korelasi rank
Spearman antara residual dengan seluruh variabel bebas.
Rumus Rank Spearman adalah : ∑di
2
rs = 1-6 N
N
2
– 1 Keterangan :
di = Perbedaan dalam rank antara residual dengan variable bebas ke- N = Banyaknya data
3. Uji Autokorelasi
Autokorelasi adalah antara anggota seri observasi yang disusun menurut urutan waktu atau menurut urutan tempatruang atau korelasi pada dirinya
sendiri, dengan symbol yang dapat dinyatakan sebagai berikut : E u I u j = 0, i=j.
Untuk melihat apakah hasil dari estimasi regresi tidak mengandung korelasi, maka diperlukan uji. Yaitu dengan menggunakan uji Durbin Watson.
Ho : tidak ada autokorelasi positif Ho : tidak ada autokorelasi negatif
Jika Ho : tidak ada autokorelasi positif, maka
ddL : menolak Ho ddU : tidak menolak Ho
dLddU : pengujian tidak meyakinkan
Jika Ho : tidak ada autokorelasi negative, maka jika d4 – dL : menolak Ho
d4 – dU : tidak menolak Ho 4-dU4-dL : pengujian Ho tidak meyakinkan
Jika Ho : tidak ada autokorelasi positif maupun negative, maka jika
ddL : menolak Ho
d4 – dL : menolak Ho dUd4-dU : tidak menolak Ho
dLddU atau 4-dUd4-dL : pengujian tidak meyakinkan
3.4.3. Uji Hipotesis
Selanjutnya untuk mengetahui pengaruh secara simultan antara variabel bebas dan variabel terikat maka digunakan hipotesis sebagai
berikut :
a. Uji F
Kategori