BAB III

METODE PENELITIAN

3.1. Tempat Penelitian

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Penelitian dilakukan di daerah/perusahaan X dengan cakupan penelitian
adalah meliputi seluruh kabupaten/kota di daerah/perusahaan X. Periode
pengamatan adalah selama 3 tahun, yaitu mulai dari tahun 2001 sampai dengan
tahun 2004. Hal ini dilakukan karena ketersediaan data Survei Sosial Ekonomi
Nasional (Susenas) diawali pada tahun 2001.

3.2. Metode Penelitian

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Penelitian menggunakan dua metode, yaitu metode penelitian deskriptif
yang bersifat menjelaskan (explanatory research) dan metode hubungan kausal.
Sugiyono (1999:37) menguraikan bahwa permasalahn explanatory research
merupakan suatu permasalahan yang berkenaan dengan variabel itu sendiri.
Kemudian studi kausalitas (causality research) menurut Kuncoro
(2003:10) adalah selain mengukur kekuatan hubungan antara dua variabel atau
lebih juga menunjukan arah hubungan antara variabel independen dengan variabel
dependen. Dengan kata lain, studi kausalitas mempertanyakan masalah sebab-
akibat.

3.3. Metode Pengumpulan Data

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Tehnik pengumpulan data yang dipergunakan dalam penelitian ini
dilakukan secara manual. Pencarian data secara manual sebagaimana dijelaskan
oleh Kuncoro (2003:132) adalah meliputi penelusuran data secara fisik melalui
penggunaan indeks, bibliografi, dan referensi pustakawan. Di samping itu juga
dilakukan pendekatan kepustakaan untuk mendapatkan dukungan teoritis yang
relevan dengan penelitian yang sedang dilakukan.
3.4. Jenis dan Sumber Data
Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Data yang diperlukan dalam penelitian ini adalah berupa data sekunder,
karena data telah dimiliki oleh beberapa pihak dan telah dipublikasikan. Data
sekunder yang diperlukan dalam penelitian secara umum meliputi indikator
ekonomi, seperti PDRB, PDRB per Kapita dan sebagainya. Selain itu juga data
tentang laporan kependudukan Daerah/perusahaan X selama periode pengamatan,
seperti angka indeks harapan hidup, indeks pendidikan, indeks standar hidup,
paritas daya beli (purchasing power parity) dan sebagainya yang relevan dengan
permasalahan penelitian.
Sumber data sekunder bisa berasal dari lembaga pemerintah, seperti BPS
Daerah, BPS Pusat, kantor pemerintahan Daerah/perusahaan X, perpustakaan dan
lembaga pelayanan data yang lain. Tidak tertutup kemungkinan data juga dicari
melalui beberapa website dengan menggunakan fasilitas internet. Ini dilakukan
karena beberapa home page merupakan pihak yang mampu menyediakan data
bagi keperluan penelitian, seperti http://www.bps.go.id dan sebagainya.

3.5. Operasionalisasi Variabel

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Dalam penelitian ini, variabel yang digunakan ada sebanyak 5 variabel
independen, yaitu laju pertumbuhan ekonomi (LPE), pengeluaran pemerintah
untuk sektor kesehatan (PPS), pengeluaran pemerintah sektor pendidikan (PPD),
pengeluaran masyarakat untuk sektor kesehatan (PMS) dan pengeluaran
masyarakat sektor pendidikan (PMD). Adapun untuk variabel dependennya adalah
indeks pembangunan manusia (Y). Ukuran indikator keseluruhan variabel dalam
penelitian secara keseluruhan bisa dilihat melalui Tabel 3.1.

1. Indeks Pembangunan Manusia (IPM) merupakan ukuran agregat yang

dimaksudkan sebagai ukuran pembangunan manusia di suatu wilayah. IPM
merupakan indeks komposit yang disusun datiga indikator.
2. Laju pertumbuhan ekonomi (LPE) adalah perubahan relatif produk domestik
regional bruto (PDRB), di mana PDRB yang digunakan adalah PDRB harga
konstan tahun 1993.

Tabel 3.1: Variabel Operasional Analisis Determinan Pembangunan Manusia.

Varibel Dimensi Indikator Skala
IPM (Y) Umur Angka harapan hidup Rasio
Pengetahuan Angka melek huruf Rasio
Rata-rata lama sekolah Rasio
Kehidupan layak Parity daya beli Rasio
LPE - PDRB harga konstan Rasio
PPS - APBD Program Kesehatan Rasio
PPD - APBD Program Pendidikan Rasio
PMS - Belanja Jasa Kesehatan
PMD - Belanja Jasa Pendidikan
Sumber: Data diolah, 2006.

3. Pengeluaran pemerintah daerah pada sektor kesehatan (PPS) adalah

pengeluaran pemerintah daerah kabupaten/kota yang dituangkan dalam

Anggaran Pendapatan dan Belanja Daerah (APBD) dalam bentuk belanja

pembangunan yang dialokasikan untuk pembiayaan program-program

kesehatan di kabupaten/kota yang bersangkutan.

4. Pengeluaran pemerintah daerah pada sektor pendidikan (PPD) adalah

pengeluaran pemerintah daerah kabupaten/kota yang dituangkan dalam

Anggaran Pendapatan dan Belanja Daerah (APBD) dalam bentuk belanja

pembangunan yang dialokasikan untuk pembiayaan program-program

pendidikan di kabupaten/kota yang bersangkutan.

5. Pengeluaran masyarakat pada sektor kesehatan (PMS). Dijelaskan dalam

laporan BPS (2003), pengeluaran masyarakat pada sektor kesehatan adalah

sejumlah uang yang dibayarkan atau yang disetujui dibayarkan oleh pembeli
 (dalam hal ini adalah masyarakat) kepada penjual untuk memperoleh barang

atau jasa pada sektor kesehatan yang disediakan oleh penjual.

6. Pengeluaran masyarakat pada sektor pendidikan (PMD) adalah sejumlah uang

yang dibayarkan atau yang disetujui dibayarkan oleh pembeli (dalam hal ini

adalah masyarakat) kepada penjual untuk memperoleh barang atau jasa pada

sektor pendidikan yang disediakan oleh penjual (BPS, 2003). Satuan

pengeluaran masyarakat pada sektor pendidikan adalah rupiah.

3.6. Tehnik/Metode Analisis

Dalam penelitian ini metode analisis yang digunakan secara umum
menggunakan analisis deskriptif dan analisis statistik.

3.6.1. Analisis Rasio Keuangan

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Secara umum analisis ini bertujuan untuk mengetahui kinerja
keuangan perusahaan. Adapun ukuran kinerja keuangan yang digunakan
hanya meliputi: working capital/total assets, retained earnings/total assets,
earnings before interest and taxes/total assets, market value equity/book
value of total debt, sales/total assets. Selanjutnya rasio-rasio keuangan
tersebut akan digunakan untuk menjalankan analisis statistik.

3.6.2. Analisis Deskriptif

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Analisis deskriptif digunakan untuk menggambarkan perkembangan
karakteristik kondisi ekonomi dan sosial tertentu dari Daerah/perusahaan X.
Beberapa kondisi sosial dan ekonomi yang perlu dideskripsikan misalnya,
laju pertumbuhan ekonomi, pertumbuhan penduduk, gambaran sektor
pendidikan dan kesehatan dan sebagainya.
Deskripsi dari kondisi sosial dan ekonomi Daerah/perusahaan X bisa
beragam bentuknya, bisa berupa tabulasi silang, grafik histogram dan
sebagainya. Bentuk deskripsi ini dipilih sesuai dengan keperluan analisis
agar tujuan penelitian bisa dicapai.

3.6.3. Analisis Statistik

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Pengertian di atas tidak hanya mencakup kegiatan akuntansi dan
keuangan saja, tetapi meluas ke segala aspek kegiatan perusahaan.
Pengertian sistem pengendalian intern dalam arti luas meliputi tujuan dari
sistem pengendalian intern, yaitu pengendalian intern akuntansi dan
pengendalian intern administrasi.

3.6.3.1. Analisis Regresi

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Analisis statistik yang digunakan adalah analisis korelasi dan
regresi berganda (multiple regression). Singgih Santoso (2000:145)
menjelaskan analisis korelasi dan regresi digunakan untuk
mengungkapkan apakah ada hubungan antara dua variabel atau lebih.
Sedangkan analisis regresi digunakan untuk mengetahu seberapa jauh
pengaruh dari satu variabel terhadap variabel yang diprediksi. Dengan
demikian analisis ini digunakan agar bisa diketahui hubungan maupun
pengaruh variabel bebas terhadap variabel terikatnya.
Hasil-hasil dari analisis korelasi dan regresi di atas selanjutnya
akan dilakukan pengujian secara statistik. Uji statistik yang digunakan
adalah meliputi uji tahap pertama (first oder) dan uji tahap kedua
(second order). Masing-masing pengujian dibahas pada sub bab
berikutnya.

3.6.3.2. PCA (Principal Components Analysis).... Misalnya

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Jika kita berhadapan dengan data yang memiliki sangat banyak
variabel, sangat mungkin beberapa variabel yang ada saling
berhubungan satu dengan lainnya sehingga jumlah variabel yang
 sangat banyak tersebut dapat direduksi menjadi beberapa komponen
yang penting. Reduksi dimensi variabel ini sangat membantu dalam
representasi grafik (yang umumnya berdimenasi 2 atau 3). Selain itu
dalam analisis regresi penggunaan analisis komponen utama ini dapat
menghindarkan adanya persoalan kondisi buruk akibat adanya matrik
singuler atau mendekati singuler. Kondisi buruk akibat adanya matrik
singuler atau mendekati singuler, dapat berakibat tidak konvergennya
pendugaan parameter dalam analisis regresi, sehingga analisis regresi
menjadi tidak menghasilkan estimasi atau menghasilkan estimasi yang
sesungguhnya tidak benar.

3.7. Uji-Uji Statistik

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Telah disebutkan sebelumnya, bahwa penelitian ini menggunakan model
regresi berganda (multiple regression). Adapun model dasar ekonometrika yang
digunakan adalah:
Y = β0+ β1 LPE + β2 PPS + β3 PPD + β4 PMS + β5 PMD + e

Di mana, Y = Indeks Pembangunan Manusia pada tahun ke-t.

0 = Konstanta
LPE = Laju pertumbuhan ekonomi
PPS = Pengeluaran pemerintah untuk sektor kesehatan
per Kapita
PPD = Pengeluaran pemerintah sektor pendidikan per
Kapita
PMS = Pengeluaran masyarakat untuk sektor kesehatan
per Kapita
PMD = Pengeluaran masyarakat sektor pendidikan per
Kapita
1, ..., = Koefisien regresi
5
e = Error term
Model persamaan regresi di atas selanjutnya akan dilakukan beberapa
pengujian statistik. Adapun pengujian yang dilakukan meliputi dua tahap, yaitu
pengujian statistik dari hasil analisa data dan uji ekonometrik.
3.7.1. Uji Statistik
Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Setelah analisis data dilakukan, selanjutnya dilakukan guna
mendapatkan kesesuaian terbaik (best-fit) dari estimasi yang dilakukan.
Ukuran kesesuaian terbaik (best-fit) dari estimasi yang dihasilkan meliputi
Koefisien Korelasi (R), Koefisien Determinasi (R2), Uji koefisien Regresi
(Uji t), dan Uji F (ANOVA).

3.7.1.1. Koefisien Korelasi (R)

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Ukuran korelasi diperlukan untuk mengetahui hubungan antara
variabel yang dengan variabel yang lain. Hubungan antar variabel ini
bisa secara parsial dan bisa pula secara bersama-sama. Menurut
Sugiyono (1999:147-148) terdapat berbagai tehnik korelasi. Kapan
tehnik korelasi digunakan tergantung pada jenis data yang akan
dikorelasikan.

3.7.1.2. Koefisien Determinasi (R2)

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Koefisien Determinasi (R2) berguna untuk mengetahui
besarnya kemampuan variabel independen sebagai prediktor dalam
menjelaskan variabel dependen. Formula untuk menghitung koefisien
determinasi menurut Bowerman (1997:760-761) adalah:

3.7.1.3. Uji Koefisien Regresi atau Uji t (t test)

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Uji koefisien regresi (uji t) merupakan bentuk uji parsial.
Pengujian koefisien regresi secara parsial ini untuk mengetahui
pengaruh dari setiap variabel independen (secara parsial) terhadap
variabel terikatnya. Menurut Bowerman (1997:767) rumus t hitung
adalah sebagai berikut:
 3.7.1.4. Uji ANOVA atau Uji F (F test)
Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Uji F (F-test) atau ANOVA merupakan pengujian tentang baik
tidaknya model dari suatu persamaan regresi. Dalam uji F koefisien
regresi semua variabel independen diuji secara simultan (serempak)
sehingga bisa diketahui apakah model regresi yang dihasil bisa
digunakan untuk melakukan prediksi atau tidak. Untuk melakukan Uji
F, maka harus diketahui terlebih dahulu besarnya F hitung. Menurut
Bowerman (1997:762) F hitung bisa dihitung dengan cara sebagai
berikut:

3.7.2. Uji Asumsi Klasik

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Pada tahap kedua (second order) akan dilakukan uji asumsi klasik.
Asumsi klasik penting dari model regresi adalah menguji kemungkinan akan
adanya multikolinearitas, heteroskedastisitas, dan autokorelasi. Gujarati
(1995:162) menjelaskan bahwa jika asumsi ini dipenuhi, maka penaksir
penaksir kuadrat terkecil (Ordinary Least Square - OLS) dari koefisien
regresi adalah sangat baik, linear, tidak bias (Best Unbiased Linear
Estimated - BLUE).

3.7.2.1. Uji Multikolinearitas

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Frisch (1970) dalam Gujarati (1978) mengemukakan bahwa
multikolinieritas berarti adanya hubungan linier yang sempurna atau
pasti di antara beberapa atau semua variabel yang menjelaskan dari
model regresi.

3.7.2.2. Uji Heteroskedastisitas

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
 Satu asumsi penting dari model regresi linear klasik, menurut
Gujarati (1995:177) adalah adanya gangguan (disturbance) error term
(e) yang muncul dalam fungsi regresi populasi adalah homoskedastik,
yaitu semua gangguan tadi mempunyai varians yang sama.

3.7.2.3. Uji Autokorelasi

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Autokorelasi adalah korelasi antara anggota serangkaian
observasi yang diurutkan menurut ruang (misal data cross-sectional)
atau waktu (seperti data time-series). Gujarati (1978) menyebutkan
dalam konteks regresi, model regresi linear klasik mengasumsikan
bahwa autokorelasi seperti itu tidak ada dalam gangguan
(disturbance).

3.7.2.4. Uji Autokorelasi

Silahkan diisi sendiri dengan bahasa kamu..., KREATIF YA?...
Gujarati (1978) mengemukakan bahwa regresi linier klasik
mengasumsikan bahwa tiap ui didistribusikan secara normal dengan:
Rata-rata : E(ui) = 0
Varians : E(ui2) = σ2
Cov(ui , uj) : E(uiuj) = 0 i≠j

3.7.2.5. Uji Linearitas

Penafsiran linieritas yang pertama adalah bahwa harapan
bersyarat (conditional expectation) dari Y adalah fungsi linier dari Xi.
Dalam penafsiran ini fungsi regresi seperti E(YlXi) = β0 + β1Xi2 bukan
fungsi linier karena variabel X tampak dengan pangkat atau indeks 2.
Penafsiran linieritas yang kedua adalah bahwa harapan bersyarat dari
Y, E(YlXi) adalah fungsi linier dari parameter, β, fungsi tadi mungkin
linier atau tidak dalam variabel X. Dalam penafsiran ini, E(YlXi) = β0
+ β1Xi2 adalah model regresi linier, tetapi E(YlXi) = β0 + √β1Xi bukan
linier (Gujarati, 1978).