penelitian ini tidak berlokasi namun dilakukan dengan memanfaatkan data-data dari publikasi BPS dan sejumlah situs internet yang menyajikan data yang
dibutuhkan, serta sejumlah literatur lain yang berhubungan dengan penelitian ini.
3.4 Metode Pengumpulan Data
Dalam penelitian ini metode pengumpulan data yang digunakan adalah: A.
Metode Dokumentasi Data dalam penelitian ini diperoleh dengan teknik dokumentasi yaitu
dengan mencatat data statistik yang berupa persentase dari Laju Inflasi per tahun kota-kota di Indonesia dan nilai Produk Domestik Bruto sebagai
variabel independen, serta persentase Tingkat Penggangguran Terbuka TPT sebagai variabel dependen. Data tersebut berupa angka stastistik
yang bersumber dari Badan Pusat Statistik BPS. B.
Metode Studi Pustaka Library Search Studi pustaka dilakukan untuk memperoleh data yang relevan dengan
penelitian. Dalam hal ini penulis memperoleh data dari buku-buku teori di perpustakaan.
3.5 Pengolahan Data
Dalam penelitian ini penulis melakukan pengolahan data dengan metode ekonometrika dengan mempergunakan program Komputer E-Views 5.1 sebagai
alat bantu dalam proses penelitian.
3.6 Variabel Penelitian
Dalam penelilitian terdapat lima variabel, yaitu sebagai berikut :
Universitas Sumatera Utara
A. Variabel Independen, yaitu variabel yang menjelaskan atau mempengaruhi
variabel yang lainnya variabel dependen. Dalam penelitian ini terdapat empat variabel independen yaitu:
1. Tingkat Inflasi:
100 Ket :
= Inflasi deflasi pada waktu bulan atau tahun t = IHK pada waktu bulan atau tahun t
= IHK pada waktu bulan atau tahun sebelumnya. 2.
Produk Domestik Bruto B.
Variabel Dependen, yaitu variabel yang dijelaskan atau dipengaruhi oleh
variabel independen. Variabel dependen dalam penelitian ini adalah Tingkat Pengangguran Terbuka TPT yang dihitung dalam bentuk persen setiap tahun.
TPT merupakan selisih antara penganggurpencari kerja dan Angkatan Kerja. 100
3.7 Model Analisis Data
Metode analisis data yang digunakan dalam penelitian ini yaitu metode analisis data kuantitatif. Metode analisis data kuantitatif adalah metode analisis
data yang menggunakan perhitungan angka-angka yang nantinya akan dipergunakan untuk mengambil suatu keputusan di dalam memecahkan masalah.
Sedangkan alat analisis yang digunakan dalam penelitian ini menggunakan regresi linier berganda. Untuk mendapatkan hasil yang baik, regresi berganda
Universitas Sumatera Utara
mensyaratkan untuk melakukan uji asumsi klasik, maka sebelum uji regresi berganda penelitian ini akan melakukan pengujian asumsi klasik.
3.7.1 Model Analisis Regresi Linier Berganda
Alat analisis yang digunakan dalam penelitian ini adalah metode Ordinary Least Square untuk regresi lebih dari satu variabel yaitu regresi berganda
multiple regresi. Secara umum model regresi ini dapat ditulis sebagai berikut:
Y = f X
1
, X
2
...................................................................................... 1 Dengan spesifikasi model ekonometrika sebagai berikut:
Y = α + β
1
X
1
+ β
2
X
2
+ µ ...................................................................... 2 Dimana :
Y = Tingkat Pengangguran Terbuka persen
X
1
= Inflasi persen X
2
= Produk Domestik Bruto miliar.Rp Β
1
, β
2
= Koefisien Regresi α
= Konstanta µ
= Error Term Variabel Pengganggu Sehingga secara matematis dapat dibentuk hipotesisnya sebagai berikut:
0 Artinya, apabila X
1
Inflasi mengalami kenaikan maka Y TPT akan mengalami penurunan, cateris paribus.
0 Artinya, apabila X
2
PDB mengalami kenaikan maka Y TPT akan mengalami penurunan, cateris paribus.
Universitas Sumatera Utara
3.8 Uji Kesesuaian Test Goodness of Fit
Penelitian ini menguji hipotesis-hipotesis dengan menggunakan metode analisis regresi berganda multiple regretion. Metode regresi berganda
menghubungkan satu variabel dependen dengan beberapa variabel independen dalam suatu model prediktif tunggal. Adapun untuk menguji signifikan tidaknya
hipotesis tersebut digunakan uji F, uji t dan koefisien determinan.
3.8.1 Uji Koefisien Determinasi R-squared
menjelaskan seberapa besar persentasi total variasi variable dependen yang dijelaskan oleh model, semakin besar semakin besar pengaruh model dalam
menjelaskan variable dependen. Nilai berkisar antara 0 sampai 1, suatu
sebesar 1 berarti ada kecocokan sempurna, sedangkan yang bernilai 0 berarti tidak ada hubungan antara variabel tak bebas dengan variable yang menjelaskan. Nilai
R
2
dapat dihitung dengan cara Gujarati, 2003: R
2
=
Dimana: R
2
= Koefisien Determinasi Y
i
= Derivasi nilai dari rata-rata Y X
i
= Derivasi nilai dari rata-rata X
3.8.2 Pengujian Signifikansi Secara Parsial t-test
Tujuan pengujian ini adalah untuk mengetahui apakah masing-masing variabel independen berpengaruh secara signifikan terhadap variabel dependen.
Pengambilan keputusan dilakukan berdasarkan perbandingan nilai t-hitung
Universitas Sumatera Utara
masing-masing koefisien dengan t-tabel, dengan tingkat signifikan 1 . Jika t- hitung t-tabel maka Ho diterima, ini berarti variabel independen tidak
berpengaruh terhadap nilai variabel dependen. Sedangkan jika t-hitung t-tabel maka Ho ditolak dan menerima Ha, ini berarti variabel independen berpengaruh
terhadap variable dependen. Nilai thitung dapat dicari dengan rumus Gujarati, 2003:
t-hitung Dimana:
= Koefisien variabel ke-i b = Nilai hipotesis nol
S = Simpangan baku dari variabel independen ke-i Kriteria Pengambilan Keputusan :
Ho : βi = 0 H
diterima t-hitung t-tabel artinya variabel independen secara parsial tidak berpengaruh nyata terhadap variabel dependen.
H
a
: βi ≠ 0 Ha diterima t-hitung t-tabel variabel independen secara parsial
berpengaruh nyata terhadap variabel dependen.
Ha diterima Ha diterima
Ho diterima
Gambar 3.1 Kurva Uji t-statistik
Universitas Sumatera Utara
3.8.3 Pengujian Signifikansi Secara Simultan F-test
Pengujian ini dilakukan untuk mengetahui apakah semua variable independen mempunyai pengaruh yang sama terhadap variabel dependen, waktu
dengan membandingkan antara nilai kritis F-tabel dengan F-hitung. Jika F-hitung F-tabel maka Ho diterima, yang berarti variabel independen tidak berpengaruh
terhadap perubahan nilai variabel dependen. Sedangkan jika F-hitung F-table, maka Ho ditolak dan menerima Ha, ini berarti semua variabel independen
berpengaruh terhadap nilai variabel dependen. Nilai F hitung dapat dicari dengan menggunakan rumus Gujarati, 2003:
F-hitung =
Dimana: = Koefisien Determinasi
k = Jumlah variabel independen dan intercept n = Jumlah sampel
Kriteria pengambilan keputusan:
Ho : β
1
= β
2
= 0
Ho diterima F-hitung F-tabel, artinya variabel independen secara bersama- sama tidak berpengaruh nyata terhadap variabel dependen.
Ha : β
1
≠ β
2
≠ 0
Ha diterima F-hitung F-tabel, artinya variabel independen secara bersama- sama berpengaruh nyata terhadap variabel dependen.
Universitas Sumatera Utara
Ho diterima Ha diterima
Gambar 3.2 Kurva Uji F-statistik
3.9 Uji Penyimpangan Asumsi Klasik
Model regresi merupakan model regresi yang menghasilkan estimator linear tidak bias yang terbaik Best Linear Unbias EstimateBLUE. Kondisi ini akan
terjadi jika dipenuhi beberapa asumsi yang disebut dengan asumsi klasik, sebagai berikut:
3.9.1 Multikolinieritas
Multikolinearitas adalah alat untuk mengetahui suatu kondisi apakah terdapat korelasi variabel independen diantara satu sama lainnya. Untuk
mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai R
2
, F-hitung, t- hitung dan standar error Gujarati, 2003.
Adanya multikolinearitas ditandai dengan: 1.
Standar error tidak terhingga 2.
Tidak ada satupun t-statistik yang signifikan pada ⍺ = 1, ⍺ = 5, ⍺ = 10
3. Terjadi perubahan tanda atau tidak sesuai dengan teori
4. R
2
sangat tinggi. Uji multikolinearitas diperoleh dengan beberapa langkah yaitu :
Universitas Sumatera Utara
a. Melakukan regresi model Y =fX
1,
…..X
n
sehingga diperoleh nilai R- square.
b. Melakukan regresi X
1
terhadap seluruh X lainnya, maka diperoleh nilai R
i
square regresi ini disebut auxiliary regression; dan Membandingkan nilai R
i
square dengan R-square. Hipotesa yang dapat dipakai adalah Ho diterima apabila R
i
square R-square model pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila R
i
square R- square model pertama berarti terjadi masalah multikolinearitas.
Cara Mengatasi Multikolinieritas:
Menambah data baru.
Pemakaian informasi sebelumnya.
Menghilangkan sebuah atau beberapa variabel independen.
3.9.2 Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu periode t dengan kesalahan pada
periode t
-1
sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi Gujarati, 2003.
Konsekuensi adanya autokorelasi:
Penaksiran OLS menjadi sangat sensitif terhadap fluktuasi sampel.
Penaksir variabelnya tidak lagi efisien. Untuk mendeteksi ada atau tidaknya autokorelasi digunakan untuk uji
Durbin-Watson dimana hipotesis yang akan diuji adalah : Ho : tidak ada autokorelasi r = 0
Universitas Sumatera Utara
Hi : ada autokorelasi r ≠ 0
Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien atau korelasi sama dengan nol, berarti tidak ada korelasi.
auto+ inconclusive
inconclusive auto - Ho: accept
No Serial Correlation
dl du
2 4-du 4-dl
4
Gambar 3.3 Daerah Autokorelasi
Tabel 3.1 Uji Statistik Durbin-Watson
Nilai Statistik Hasil
0ddl dl
≤d≤du du
≤d≤4-dl 4-du
≤d≤4-dl 4-dl
≤d≤4 Menolak hipotesis nul; ada autokorelasi positif
Daerah keragu-raguan; tidak ada keputusan Menerima hipotesis nul; tidak ada autokorelasi positifnegatif
Daerah keragu-raguan; tidak ada keputusan Menolak hipotesis nul; ada autokorelasi negatif
Universitas Sumatera Utara
Atau dengan cara lain untuk mendeteksi adanya autokorelasi dalam model bisa dilakukan menggunakan uji LM atau Lagrange Multiplier. Salah satu cara
untuk menghilangkan pengaruh autokorelasi tersebut adalah dengan memasukkan lag variabel dependen kedalam model regresi Gujarati, 2003.
Uji hipotesis untuk menentukan ada tidaknya autokorelasi:
......................................................................... Ho : ρ1 = ρ2 = 0 Tidak
adaa utokorelasi
......................................................................... Ha : ρ1 ≠ ρ2 ≠ 0 Ada
autokorelasi
3.10 Definisi Operasional Variabel
1. Variabel Penggangguran
Data yang digunakan untuk melihat pengangguran adalah data Tingkat
Pengangguran Terbuka TPT di Indonesia, dengan sumber Data Statistik
BPS, selama periode 1980 – 2010. Dinyatakan dalam satuan persen.
2. Variable Inflasi
Data yang digunakan untuk melihat Tingkat Inflasi adalah data seluruh
jumlah perubahan Inflasi setiap tahun, dengan sumber Data Statistik BPS, selama periode 1980 – 2010. Dinyatakan dalam satuan persen.
3. Variabel Produk Domestik Bruto
Data yang digunakan untuk melihat Produk Domestik Bruto adalah data
seluruh jumlah Produk Domestik Bruto Atas Dasar Harga Konstan dengan
Universitas Sumatera Utara
sumber Data Statistik BPS, selama periode 1980 – 2010. Dinyatakan dalam satuan miliar rupiah.
Universitas Sumatera Utara
BAB IV HASIL DAN PEMBAHASAN
4.1 Hasil Analisis Data
Untuk mengetahui hubungan antara variabel dependen TPT dengan variabel independen Inflasi dan Produk Domestik Bruto, maka digunakan
regresi linier berganda. Untuk membuktikan kebenaran hipotesis maka penulis mencoba membentuk sebuah analisa matematis apakah TPT dipengaruhi oleh
Inflasi dan Produk Domestik Bruto. Untuk menganalisis data diatas, penulis menggunakan analisis regresi linier berganda dengan menggunakan model Semi-
Log Lin – Log, yaitu: Y = α + β
1
LogX
1
+ β
2
LogX
2
+ µ Dimana:
Y = Tingkat Pengangguran Terbuka dalam bentuk Linier
α = Konstanta
koefisien variabel dependen LogX
1
= Inflasi dalam bentuk Log LogX
2
= Produk Domestik Bruto dalam bentuk Log µ
= error term Berdasarkan hasil regresi linier berganda dengan menggunakan program e-
views 5.1 diperoleh hasil estimasi sebagai berikut:
Universitas Sumatera Utara
4.2 Interpretasi Model
