Teknik Pengumpulan Sampel Operasional Variabel Penelitian

50

C. Teknik Pengumpulan Sampel

Sampel adalah bagian dari populasi yang diambil atau ditentukan berdasarkan karakteristik dan teknik tertentu. Menurut Tony Wijaya 2013: 29 menyatakan bahwa dalam penentuan besaran sampel, ada beberapa peneliti yang meyakini sampel diambil sekitar 10 - 20 dari jumlah populasi. Teknik pengambilan sampel adalah dengan purposive sampling, yaitu pengambilan sampel berdasarkan penilaian yang memenuhi pesyaratan untuk dijadikan sampel. Menurut Tony Wijaya 2013: 28 purposive sampling, yaitu cara pengambilan sampel didasarkan atas dasar tujuan atau target tertentu untuk memahami informasi pada sumber tertentu. Alasan teknik pengambilan sampel dengan meggunakan purposive sampling adalah berdasarkan kriteria yang dimiliki masing masing kabupatenkota untuk dijadikan sampel dengan tujuan diharapkan kriteria sampel yang diperoleh benar-benar sesuai dengan penelitian yang dilakukan. Kota Bekasi dianggap memiliki Upah Minimum KabupatenKota tertinggi, sedangkan Kabupaten Majalengka dan Kota Banjar dianggap memiliki Upah Minimum KabupatenKota terendah di Jawa Barat. Kota Bekasi dan Kabupaten Subang dianggap memiliki tingkat pendidikan tinggi, sedangkan Kota Banjar memiliki tingkat pendidikan rendah menurut jumlah tingkat pendidikan yang ditamatkan SMA di Jawa Barat. 51 Kota Bekasi dianggap memiliki tingginya penyerapan jumlah tenaga kerja, sedangkan Kabupaten Sumedang dan Kabupaten Majalengka dianggap memiliki rendahnya penyerapan tenaga kerja menurut lapangan pekerjaan utama di Jawa Barat.

D. Metode Analisis

Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan permasalahan yang diteliti sudah diperoleh secara lengkap. Ketepatan dalam penggunaan alat analisis sangat menentukan keakuratan pengambilan kesimpulan. Dalam penelitian ini analisis kuantitatif yang digunakan adalah analisis statistik inferensial atau statistik induktif dengan menggunakan software statistic Eviews 7 untuk menjawab, menarik kesimpulan dan membuat keputusan berdasarkan analisis yang telah dilakukan. Analisis ini mengambil sampel tertentu dari sebuah populasi yang jumlahnya banyak dan dari hasil analisis terhadap sampel tersebut digeneralisasikan terhadap populasi. Berdasarkan teknik analisis ditinjau dari bentuk parameternya, penelitian ini menggunakan statistik parametrik. Adapun beberapa syarat yang harus dipenuhi dalam penggunaan teknik statistik parametrik, antara lain: 52 1. Sampel diambil secara acak random dari sebuah populasi 2. Data berskala interval atau data bersifat kuantitatif 3. Data berdistribusi normal 4. Ada hubungan linear antara variabel bebas dengan variabel terikat 5. Tidak terjadi heteroskedastisitas Analisis data panel juga dikenal dengan tiga macam pendekatan yaitu pendekatan kuadrat terkecil Pooled Least Square, pendekatan efek tetap Fixed Effect, dan pendekatan efek acak Random Effect.

1. Pooled Least Square

Metode kuadrat terkecil biasa diterapkan dalam data yang berbentuk pool dan merupakan pendekatan yang paling sederhana dalam pengolahan data panel. Dengan mengasumsikan komponen error dalam pengolahan kuadrat terkecil biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross- section. Untuk data panel, sebelum membuat regresi kita harus menggabungkan data cross-section dengan data time series pool data. Kemudian data gabungan ini diperlakukan sebagai suatu kesatuan pengamatan untuk mengestimasi model dengan metode PLS. Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. 53

2. Fixed Effect Model

Fixed Effect Model FEM adalah bahwa satu objek memiliki konstanta yang tetap besarannya untuk berbagai periode waktu. Demikian pula halnya dengan koefisien regresi yang memiliki besaran tetap dari waktu ke waktu. Model ini mengasumsikan bahwa perbedaan antara unit dapat diketahui dari perbedaan nilai konstannya. Pada model fixed effect, estimasi dapat dilakukan tanpa pembobot no weighted atau Least Square Dummy Variable LSDV dan dengan pembobotan cross section weight atau Generalized Least Square GLS. Pembobotan dilakukan agar dapat mengurangi heterogenitas antar unit cross section.

3. Random Effect Model

Random effect digunakan untuk mengatasi kelamahan fixed effect yang menggunakan variabel semu, sehingga model mengalami ketidakpastian. Tanpa menggunakan variabel semu, REM menggunakan residual, yang diduga memiliki hubungan antar waktu dan antar objek Winarno, 2011: 9.17. Keuntungan menggunakan model Random Effect yaitu menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model ECM atau teknik Generalized Least Square GLS. 54 Dalam penelitian terdapat lebih dari satu variabel bebas yaitu variabel tingkat pendidikan X 1 dan variabel Upah Minimum KabupatenKota X 2 , maka model yang digunakan disebut dengan regresi linier Berganda multiple regression. Adapun variabel dependen dalam penelitian ini adalah penyerapan tenaga kerja Y. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Sedangkan variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen. Adapun persamaan umumnya adalah sebagai berikut: Y = a + b 1 X 1 + b 2 X 2 + b n X n Dimana : Y = tenaga kerja variabel dependen X 1 = Tingkat Pendidikan X 2 = Upah Minimum KabupatenKota α = konstanta intersept b = koefisien regresi pada masing-masing variabel bebas. Alasan penggunaan regresi linear berganda dalam penelitian adalah untuk mengetahui pengaruh antara satu atau beberapa variabel bebas terhadap variabel dependen. Regresi linear hanya dapat digunakan pada skala interval dan ratio. 55

E. Pengujian Model

Untuk menguji kesesuaian model dari ketiga model pada teknik estimasi model dengan data panel digunakan Uji Chow dan Uji Hausman. Uji Chow digunakan untuk menguji kesesuaian antara model dari metode Pooled Least Square dengan model dari metode Fixed Effect. Selanjutnya dilakukan Uji Hausman untuk menguji model yang terbaik yang didapat dari hasil Chow Test dengan model yang diperoleh dari metode Random Effect. Untuk melakukan model mana yang akan dipakai, maka dilakukan pengujian diantaranya:

1. Uji Chow

Uji Chow digunakan untuk memilih apakah model yang digunakan Pooled Least Square atau Fixed Effect. Uji ini dapat dilakukan dengan uji restricted F-test atau uji Chow Test. Dalam pengujian ini dilakukan dengan hipotesa sebagai berikut: H : Model Pooled Least Square Restriced H 1 : Model Fixed Effect Unrestriced Dasar penolakan terhadap hipotesa nol tersebut adalah dengan menggunakan F-statistic seperti yang dirumuskan oleh Chow sebagai berikut: CHOW = 56 Dimana : RSSS = Restricted Residual Sum Square merupakan Sum of Square Residual yang diperoleh dari estimasi data panel dengan metode Pooled Least Square. URSS = Unrestricted Residual Sum Square merupakan Sum of Square Residual yang diperoleh dari estimasi data panel dengan metode Fixed Effect Model. N = Jumlah data cross-section T = Jumlah data time series K = Jumlah variabel penjelas Pengujian ini mengikuti nilai probabilitas cross-section F jika nilai probabilitas α = 0.05 , maka metode yang digunakan adalah PLS, namun jika nilai probabilitas cross-section F α = 0.05 maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol sehingga model yang akan digunakan adalah model fixed effect.

2. Uji Hausman

Uji Hausman adalah pengujian yang digunakan untuk menentukan apakah Fixed Effect Model atau Random Effect Model yang akan dipilih. Dengan hipotesa sebagai berikut H : Model Random Effect H 1 : Model Fixed Effect 57 Sebagai dasar penolakan hipotesa nol adalah dengan menggunakan pertimbangan probabilitas cross section random. Jika nilai probabilitas cross section random α = 5 maka Ho diterima model yang digunakan adalah REM, sedangkan jika nilai probabilitas cross section random α = 5 maka Ho ditolak model yang digunakan adalah FEM.

F. Uji Asumsi Klasik

Persamaan yang diperoleh dari sebuah estimasi dapat dioperasikan secara statistik jika memenuhi asumsi klasik yaitu bebas multikolinieritas, heteroskedastisitas, autokorelasi, serta disturbance term terdistribusi secara normal.

1. Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah data yang digunakan mempunyai distribusi normal atau tidak. Model regresi yang baik adalah berdistribusi normal atau mendekati normal. Uji Normalitas juga bisa dilakukan dengan cara melihat nilai probability dari Jarque Berra. Jika nilai probability dari Jarque Berra α = 5 maka dapat dikatakan data tidak terdistribusi normal. Apabila nilai probability dari Jarque Berra α = 5 maka dapat dikatakan data terdistribusi normal. 58

2. Uji Multikolinieritas

Multikolinearitas adalah terdapat korelasi yang signifikan diantara dua atau lebih variabel independen dalam model regresi. Karena melibatkan beberapa variabel bebas, maka gejala multikolineritas hanya dapat terjadi dalam persamaan regresi berganda. Uji multikolinieritas bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variabel bebas atau independen. Pengujian ada tidaknya multikolinieritas ini dilakukan dengan cara melihat nilai probabilitas uji koefisien korelasi setiap variabel. Ada beberapa cara untuk menghilangkan multikolinieritas dalam menghadapi masalah multikolinieritas: a. Biarkan saja apabila terjadi multikolinieritas, karena estimator masih dapat bersifat BLUE dan tidak terpengaruh oleh ada tidaknya korelasi antarvariabel independen. Namun harus diketahui bahwa multikolinieritas akan menyebabkan standard error yang besar. b. Tambahkan data bila perlu atau teruskan dengan model yang sedang digunakan. Karena masalah multikolinieritas biasanya muncul karena jumlah observasi sedikit. 59 c. Hilangkan salah satu variabel independen, terutama yang memiliki hubungan linier kuat dengan variabel lain. Namun apabila menurut teori variabel independen tersebut tidak mungkin dihilangkan, berarti harus tetap dipakai. d. Transformasikan salah satu atau beberapa variabel, termasuk misalnya dengan melakukan diferensiasi. Uji Multikoliniearitas juga dapat dilakukan dengan cara melihat nilai dari korelasi yang dimiliki antara masing-masing variabel independen. Apabila nilai korelasi 0,8 maka terdapat adanya indikasi multikolinearitas, sedangkan apabila nilai korelasi 0,8 maka dapat dikatakan tidak terdapat indikasi multikolinearitas.

3. Uji Autokorelasi

Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya Wing Wahyu Winarno, 2007. Uji autokorelasi digunakan untuk mengetahui ada atau tidak penyimpangan korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Autokorelasi muncul karena observasi yang beruntutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data time series. 60 Untuk mendeteksi keberadaan autokorelasi dari analisis regresi dapat dideteksi dengan menggunakan uji Durbin Watson DW-test. Apabila nilai Durbin-Watson dL maka dapat dikatakan telah terjadi autokolerasi positif, sedangkan apabila nilai Durbin-Watson dL namun nilai Durbin-Watson du maka tidak ada keputusan dan jika angka Durbin-Watson dari nilai dL dan nilai du, maka dapat dikatakan bebas dari masalah Autokolerasi. Tabel 3.1 Uji Durbin Watson Tolak H , berarti autokorelasi positif Tidak dapat diputuskan Tidak menolak H , berarti tidak ada autokorelasi Tidak dapat diputuskan Tolak H , berarti ada autokorelasi negatif dL du 2 4-du 4-dL 4 Sumber: Wing Wahyu Winarno 2007 Menurut Wing Wahyu 2007 pengambilan ada atau tidaknya autokorelasi adalah sebagai berikut: a. Apabila nilai DW dL dan 4 - d dL, maka terdapat autokorelasi. b. Apabila nilai DW dU dan 4 - d dU, maka tidak terdapat autokorelasi. c. Apabila nilai dL DW dU dan dL 4 - d dU, maka hasil tidak dapat disimpulkan. 61 Dari hasil regresi yang telah dilakukan dalam penelitian ini di dapat nilai DW dU, maka dapat disimpulkan bahwa tidak terdapat autokorelasi.

4. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Terdapat beberapa metode untuk mengidentifikasi adanya heterokedastisitas antara lain metode grafik, metode park, metode rank spearman, metode lagrangian multifier LM test dan white heterokedasticity test. Uji Heteroskedastisitas ini juga dapat dilihat dengan cara membandingkan nilai Sum Resid pada weighted statistic dengan sum resid unweighted statistic. Apabila nilai sum resid weighted statistic sum resid unweighted statistic maka terjadi heteroskedastisitas. Namun apabila nilai dari sum resid unweighted statistic sum resid pada weighted statistic, maka dapat dikatakan tidak terjadi heteroskedastisitas

G. Uji Statistik

1. Uji Koefisien Determinasi R

2 Nilai Adjusted R 2 disebut juga koefisien determinasi yang menunjukkan seberapa besar persentasi variasi variabel independen dan menjelaskan variasi variabel dependennya. Nilai Adjusted R 2 62 berkisar antara nol dan satu 0 Adjusted R 2 1. Apabila nilai Adjusted R 2 = 0, berarti kemampuan variabel independen dalam menjelaskan variabel dependen amat terbatas. Sebaliknya, apabila nilai Adjusted R 2 = 1, berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen dalam model tersebut dapat dikatakan baik. Oleh karena itu, model ini dapat dikatakan baik apabila nilai Adjusted R 2 mendekati 1 atau 100 persen.

2. Uji - F

Uji F merupakan alat uji statistik secara simultan atau keseluruhan dari koefisien regresi variabel independen terhadap variabel dependen. Dari uji F dapat diketahui variabel independen yang masuk dalam model memiliki pengaruh secara bersama-sama atau tidak terhadap variabel dependen. Pengujian ini dilakukan dengan menggunakan derajat signifikansi nilai F. Untuk pengujian ini dilakukan hipotesa sebagai berikut: Ho : β1 = β2 = 0 H1 : β1 = β2 ≠ 0 Kriteria dalam uji F yaitu apabila F hitung F tabel, maka Ho ditolak dan H 1 diterima, artinya variabel independen berpengaruh signifikan terhadap variabel dependen secara bersama- sama. Apabila F hitung F tabel maka Ho diterima dan H 1 ditolak, 63 artinya variabel independen tidak berpengaruh signifikan terhadap variabel dependen secara bersama-sama.

3. Uji - t

Uji t-statistik merupakan suatu pengujian yang bertujuan untuk mengetahui pengaruh variabel bebas secara parsial atau individu terhadap variabel tidak bebas dengan asumsi variabel lain nilainya konstan. Perumusan bentuk hipotesis:  Hipotesis 1 Hο : β1 0,05 Tingkat Pendidikan secara parsial tidak berpengaruh signifikan terhadap Penyerapan Tenaga Kerja. H1 : β1 0,05 Tingkat Pendidikan secara parsial berpengaruh signifikan terhadap Penyerapan Tenaga Kerja.  Hipotesis 2 Hο: β2 0,05 Upah Minimum KabupatenKota secara parsial tidak berpengaruh signifikan terhadap Penyerapan Tenaga Kerja. H1 : β2 0,05 Upah Minimum KabupatenKota secara parsial berpengaruh signifikan terhadap Penyerapan Tenaga Kerja. Pengujian ini dilakukan dengan membandingkan nilai t hitung dengan nilai t-tabel. Apabila nilai t hitung nilai t tabel maka H ditolak, artinya salah satu variabel independen mempengaruhi variabel dependen secara signifikan. Apabila nilai t hitung nilai t tabel maka H diterima, artinya salah satu variabel 64 independen tidak mempengaruhi variabel dependen secara signifikan.

H. Operasional Variabel Penelitian

Seperti telah dijelaskan di atas, maka variabel yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Penyerapan tenaga kerja data yang digunakan adalah jumlah tenaga kerja yang bekerja menurut lapangan pekerjaan utama di Jawa Barat tahun 2010 – 2013 dengan satuan jiwaorang. 2. Tingkat Pendidikan dimana bahwa pendidikan merupakan faktor penting bagi berhasilnya perkembangan ekonomi dan merupakan sumber daya yang terbesar manfaatnya jika dibanding faktor-faktor produksi lain. Dalam penelitian ini tingkat pendidikan data yang digunakan adalah penduduk berusia 15 tahun ke atas menurut tingkat pendidikan tertinggi yang ditamatkan yaitu pendidikan Sekolah Menengah Atas SMA di Jawa Barat tahun 2010 – 2013 dengan satuan jiwaorang. 3. Upah Minimum KabupatenKota adalah upah minimum yang berlaku di daerah kabupatenkota. Penetapan upah minimum kabupatenkota dilakukan oleh Gubernur yang penetapannya harus lebih besar dari upah minimum provinsi, karena pemenuhan kebutuhan hidup layak di setiap kabupatenkota 65 berbeda-beda. UMK data yang digunakan adalah berdasarkan perkembangan besaran upah minimum kabupatenkota di Jawa Barat tahun 2010-2013 dengan satuan rupiah. Tabel 3.2 Operasional Variabel Jenis Variabel Indikator Definisi Variabel Dependen Penyerapan Tenaga Kerja Tolak ukur yang digunakan untuk variabel tenaga kerja adalah jumlah tenaga kerja yang bekerja menurut lapangan pekerjaan utama di Jawa Barat tahun 2010 – 2013. Satuan yang digunakan pada variabel tenaga kerja adalah jiwaorang. Independen Tingkat Pendidikan Tolak ukur yang digunakan untuk variabel tingkat pendidikan adalah penduduk berusia 15 tahun ke atas menurut tingkat pendidikan tertinggi yang ditamatkan yaitu pendidikan Sekolah Menengah Atas SMA di Jawa Barat tahun 2010 – 2013. Satuan yang digunakan pada variabel tingkat pendidikan adalah jiwaorang. Independen Upah Minimum KabupatenKota Tolak ukur yang digunakan utk variabel UMK adalah berdasarkan perkembangan besaran upah minimum kabupatenkota di Jawa Barat yang berlaku periode 2010 - 2013. Satuan yang digunakan pada variabel UMK adalah rupiah. 66

BAB IV HASIL DAN PEMBAHASAN

A. Gambaran Umum Obyek Penelitian

Provinsi Jawa Barat memiliki luas wilayah 3.710.061,32 hektar. Kota Bandung sebagai ibukota Provinsi Jawa Barat. Sejak tahun 2008 Provinsi Jawa Barat menjadi 26 KabupatenKota setelah diresmikannya Kabupaten Bandung Barat. Secara keseluruhan Provinsi Jawa Barat meliputi 17 Kabupaten dan 9 Kota dengan 625 kecamatan, daerah perkotaan 2.659 dan 3.221 perdesaan. Jumlah penduduk Provinsi Jawa Barat tahun 2011 mencapai 46.497.175 jiwa. Provinsi Jawa Barat secara geografis terletak di antara 5 o 50 - 7 o 50 Lintang Selatan dan 104 o 48 - 108 o 48 Bujur Timur, dengan batas-batas wilayah :  Sebelah Utara : Laut Jawa dan DKI Jakarta  Sebelah Timur : Provinsi Jawa Tengah  Sebelah Barat : Provinsi Banten  Sebelah Selatan : Samudera Indonesia Provinsi Jawa Barat memiliki latar belakang perbedaan antar wilayah. Perbedaan ini berupa perbedaan karakteristik alam, sosial, ekonomi, dan sumber daya alam yang penyebarannya berbeda di setiap wilayah. Perbedaan tersebut menjadi hambatan dalam pemerataan