Data Mama Nike Metode Analisis.docx

3.5 Metode Analisis Untuk mengetahui sejauh mana pengaruh yang diberikan oleh Pengelolaan Bantuan Dana RESPEK/PROSPEK Peneliti yang menganut paham pendekatan, nantinya akan dipergunakan peralatan statistik yaitu dengan Persamaan Regresi. Dan untuk mengetahui kebenaran adanya pengaruh antara variabel X1, X2 terhadap variabel Y maka dipergunakan, uji F, uji T, dan nilai koefisien determinasi (R2)

1. Analisis Regresi Linear Analisis regresi yang di gunakan adalah analisis regresi linear berganda. Analisis linear berganda adalah suatu teknik analisis data dalam membahas hubungan antara vaariabel terikat dengan dua variabel bebas atau lebih, pada regresi linear berganda ini, tujuannya adalah untuk mengetahui seberapa besar pengaruh antara variabel bebas secara keseluruhan terhadap variabel terikat dengan anslisa menggunakan model persamaan sebagai berikut: Y = ɑ + β1X1 + β2X2………………………………………………..(3.1) Pengelolaan Bantuan Dana = ɑ + β1PMA + β2Ekspor………………....(3.2)

Dimana: Y = Pengelolaan Bantuan Dana Respek/Prospek ɑ = Bilangan konstanta β = Kemiringan dan garis regresi (koefisien regresi yang mengukur besarnya pengaruh X terhadap Y) X1 = Pengelolaan Bantuan Dana RESPEK/PROSPEK X2 = Kesejahteraan Masyarakat

2. Pengujian Statistik Adapun pengujian statistik ini terdiri dari tiga (3) macam pengujian, yatu: uji parsial (uji t), uji stimultan (uji F) dan uji koefisien determinasi (R²).

a. Uji Parsial (uji t) Uji parsial (uji t) adalah pengujian terhadap hipotesa yang menyatakan ada tidaknya pengaruh secara parsial antara masing-masing variabel bebas terhadap variabel terikat. Uji t dinyatakan dengan rumus: t

hitung =

𝑏 𝑆𝑏

Dimana: b = koefisian regresi Sb = Standart deviasi

Hipotesa yang di susun : Ho ; b = 0, berarti tidak ada pengaruh secara parsial antara variabel bebas terhadap variabel terikat. Hi ; b ≠ 0, berarti ada pengaruh parsial antara variable bebas terhadap variabel terikat. Denagan ketentuan: 1) Apa bila t hitung > t tabel maka Ho ditolak dan Hi diterima, berarti pengaruh variabel bebas (X 1 ) secara parsial terhadap variabel terikat (Y 1 ) adalah signifikan. 2) Apa bila t hitung < t tabel maka Ho diterima dan Hi ditolak, berarti pengaruh variabel bebas (X1 ) secara parsial terhadap variable terikat (Y1) adalah tidak signifikan.

Untuk mengetahui pengaruh variable independent yang dominan terhadap variabel dependen (Pengelolaan Bantuan Dana RESPEK/PROSPEK) yaitu dengan melihat koefisisen regresi (b) masing-masing variabel.

b. Uji simultan (uji F) Uji simultan (uji F) adalah pengujian terhadap hipotesa yang menyatakan ada tidaknya pengaruh secara simultan antara seluruh variabel bebas terhadap variabel terikat. Pada uji F akan menguji hipotesis sebagai berikut: Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 tidak ditolak Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak - Ho ; b 1 = b 2 = 0, berarti tidak ada pengaruh secara serentak antara semua variabel bebas terhadap variabel terikat. - Hi ; b1 = b2 ≠ 0, berarti ada pengaruh secara serentak antara semua variabel bebas terhadap variabel terikat. Dengan ketentuan: 1. Apa bila F statistik > F krisis, maka Ho ditolak dan Hi diterima, berarti pengaruh variabel bebas (X1) secara serentak terhadap variabel terikat (Y1) adalah signifikan. 2. Apa bila F statistik < F krisis, maka Ho diterima dan Hi ditolak, berarti pengaruh variabel (X1) secara serentak terhadap variabel terikat (Y1) adalah tidak signifikan.

3. Koefisien Determinasi (R²) Uji koefisien determinasi (R²) ini digunakan untuk melihat baik atau tidaknya model persamaan regresi yang telah dibuat berdasarkan nilai koefisien determinasi. R² menjelaskan seberapa besar persentasi total variabel dependen yang

di jelaskan oleh model, semakin besar R² semakin besar pula pengaruh model dalam menjelaskan variabel dependen. Apa bila R² mempunyai nilai antara 0 dan 1atau (0 < R² < 1), jika R² sebesar 1 berarti ada kecocokan sempurna. Sedangkan yang bernilai 0 berarti tidak ada hubungan antara variabel tidak dengan variabel yang menjelaskan. Semakin tinggi R² maka semakin baik model tersebut dalam menerangkan variasi perubahan variabel terikatnya. Untuk mengetahui besarnya X terhadap Y maka digunakan rumus koefisien determinasi (R²) dengan cara menguadratkan nilai koevisien korelasi (r²) yang telah dihitung, dengan rumus yaitu: R² = r² (100%)

Keterangan: R² = Koefisian Determinasi r² = Koefisien Korelasi

4. Uji Validasi Asumsi OLS Untuk memperkuat analisis dari penaksiran, akan dilakukan uji keabsahan asumsi-asumsi yang dimiliki OLS. Pengujian tersebut berkaitan dengan ‘ada’ atau ‘tidaknya’:

(1)

Autokorelasi;

(2)

Normalitas;

(3)

Multikolinearitas

;

(4)

Heteroskedastisitas; . (Gujarati. 1995:335-338. 367-368. 420-424).

A). Uji Autokorelasi Outokorelasi adalah suatu keadaan di mana terdapatnya hubungan atau korelasi diantara variabel gangguan yang berurutan dari data time series. Autokorelasi sendiri terdapat pada data yang bersifat runtun waktu atau observasi

yang diurutkan menurut waktu (time series). Autokerelasi terjadi apabila nilai gangguan dalam periode tertentu berhubungan dengan nilai gangguan sebelumnya, dimana pengganggu yang satu dengan yang lainya saling berhubunhan. Karena pada dasarnya data masa sekarang selalu dipengaruhi oleh data masa sebelumnya. Uji autokorelasi yang paling sederhana adalah menggunakan uji Durbin-Watson (DW). Pada dasarnya pengujian dengan menggunakan uji Durbin-Watson bertujuan untuk melihat gejala autokorelasi. a) Uji hipotesis : H0 : 𝜌1 = 𝜌2 = 0, Non autokorelasi (faktor pengganggu periode tertentu tidak berkorelasi dengan faktor pengganggu pada periode lain). Ha : 𝜌 1 = 𝜌 2 = ...... 𝜌𝜌 ≠ 0, Aautokorelasi ( faktor pengganggu periode tertentu berkorelasi dengan faktor pengganggu pada periode lain). b) Kriteria pengujian : Jika d-hitung < (4-dU), H0 diterima, berarti ada autokorelasi. Jika d4 > d-hitung < (4-dU), H0 di terima, berarti tidak terjadi autokorelasi. Jika dL < d-hitung < dU atau (4-dU) < d-hitung < (4-dL), maka dapat disimpulkan ada tidaknya autokorelasi.

Gambar. 3.1 Uji Autokorelasi

Daerah

Daerah

Penolakan

Ketidakpastian

H0

Daerah Penerimaan

Daerah Ketidakpastian

Daerah Penolakan

DW 2

0

dL

dU

4-dU

4-dL

4

B). Uji normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas, keduanya mempunyai dustribusi normal atau tidak. Model regresi yang baik adalah mempunyai distribusi normal atau mendekati normal. Ada beberapa metode untuk mengetahui normal atau tidaknya gangguan (μ) antara lain JB test dan metode grafik. Dalam penelitian ini akan menggunakan metode JB test. Hipotesis uji normalitas sebagai berikut: 

H0 di terima, bila nilai JBℎ𝑖𝑡𝑢𝑛𝑔 > nilai X² −𝑡𝑎𝑏𝑒𝑙, artinya variabel pengganggu tidak distribusi normal.



Ha diterima bila nilai JBℎ𝑖𝑡𝑢𝑛𝑔 < nilai X²−𝑡𝑎𝑏𝑒𝑙, artinya variabel pengganggu berdistribusi normal χ² 𝑡𝑎𝑏𝑒𝑙 = df (k-m-l, 𝛼 = 5%) dimana: k = jumlah kategori sampel m = jumlah parameter yang diestimasi

C). Uji Multikolinearitas Multikolinearitas adalah adanya korelasi yang pasti diantara variabel bebas. Dalam kasus multikolinear sempurna penaksir OLS tak tertentu dan kesalahan standarnya tak tertentu juga (Gujarati. 1995:166). Jika terjadi multikolinear yang nyata tetapi tidak sempurna maka terdapat beberapa konsekuensi, diantaranya yaitu kesalahan standar yang diperoleh cenderung membesar dengan meningkatnya tingkat korelasi diantara variabel bebas. Gejala terdapatnya multikolinear dalam suatu model regresi adalah didapatkannya nilai R2 yang tinggi sementara hanya sedikit variabel bebas yang secara parsial signifikan dengan uji-t banyak yang tidak signifikan, namun sementara itu untuk uji-Fnya signifikan. Menghilangkan adanya multikoliniearitas pada suatu model regresi terdapat bermacam-macam cara. Cara yang paling mudah adalah menghilangkan salah satu atau beberapa variabel yang mempunyai korelasi tinggi dari model regresi. Cara lain yang dapat dilakukan adalah dengan menambah data. Cara ini akan bermanfaat jika dapat dipastikan bahwa adanya multikolinearitas dalam model disebabkan oleh kesalahan sampel. Disamping kedua cara tersebut yang sering digunakan yaitu dengan mentransformasi variabel. Nilai variabel mundur satu tahun, sehingga model transformasi yang dihasilkan disebut model variabel lag. Model ini dapat dibangun jika data penelitian menggunakan data time series, (Algifari: 2000). D). Uji Heteroskedastisitas Heteroskedasitas merupakan fenomena terjadinya perbedaan varian antar seri data. Heteroskedasitas muncul apabila nilai varian dari variabel tak bebas (Yi) meningkat sebagai meningkatnya varian dari variabel bebas (Xi), maka varian dari Yi adalah tidak sama. Gejala heteroskedasitas lebih sering dalam data

cross section dari pada time series. Selain itu juga sering muncul dalam analisis yang menggunakan data rata-rata. Untuk mendektesi keberadaan heteroskedasitas digunakan metode grafik scatter plot, uji White, dimana apabila nilai probabilitas (p value) observasi R2 lebih besar dibandingkan tingkat resiko kesalahan yang diambil (digunakan α = 5 %), maka residual digolongkan homoskedasitas. Salah satu cara yang dapat dilakukan untuk menghilangkan heterokedastisitas dalam model regresi, yaitu dengan mentransformasi variabel menjadi log. Jika hal ini dilakukan maka masing-masing koefisien regresi yang dihasilkan dari model menunjukkan besarnya elastisitas masing-masing variabel independen terhadap variabel dependennya (Algifari: 2000). 5.

Pengujian Hipotesis Pengujian hipotesis, akan dilakukan dengan dua tahap pengujian yaitu: a).

Pengujian hipotesis pertama Untuk membuktikan kebenaran hipotesis pertama digunakan uji F, yang bertujuan untuk mengetahui seberapa besar variabel bebas (Independent variabel) yaitu Pengelolaan Bantuan Dana RESPEK/PROSPEK secara bersama-sama mampu menjelaskan variabel tergantung (dependent variabel) yaitu Kesejahteraan Masyarakat Kampung. Apabila dari hasil perhitungan ternyata F Hitung lebih kecil dari F Tabel, maka Hipotesa Ho = 0 diterima dan Ha  0 ditolak, artinya bahwa variabelvarabel bebas (independent variabel) tidak memberikan pengaruh terhadap variabel tergantung (dependent variabel), sebaliknya F Hitung lebih besar dari F Tabel, maka Hipotesa Ho = 0 di tolak dan Ha  0 diterima, artinya bahwa

variabel-varabel bebas (independent variabel) memberikan pengaruh terhadap variabel tergantung (dependent variabel). Dalam analisis statistik ini juga dilakukan analisis korelasi berganda (R2) dimaksudkan untuk mengetahui besarnya nilai keterkaitan atau keeratan antara variabel bebas dengan variabel tergantung. Jika R2 yang dihitung atau diperoleh hasilnya mendekati 1 (satu), maka berarti variabel bebas mempunyai keterkaitan yang cukup besar dengan variabel tergantung, sebaliknya apabila nilai R2 mendekati 0 (nol), maka dapat dikatakan, bahwa variabel bebas tidak mempunyai keterkaitan dengan variabel tergantung. Di samping itu perlu juga diketahui R2 yang disesuaikan (Adjusted R2), untuk analisis regresi lebih dari dua variabel bebas digunakan nilai adjusted R2 sebagai koefisien determinasi, semakin tinggi nilai ini semakin baik bagi model regresi, karena variabel bebas dapat menjelaskan variabel tergantung lebih besar. Adapun teknik pengujian hipotesis yaitu: Pembuktian Uji F. Asumsi digunakan sesuai pendapat Rangkuti (197: 151) bahwa: H0 :

b1 = b2 = b3 = 0

Artinya tidak ada pengaruh yang signifikan secara bersamaan antara faktorfaktor Pengelolaan Bantuan Dana, dengan variabel bebas yaitu: Kesejahteraan Masyarakat Kampung. Ha :

b1  b2  b3  0

Artinya ada pengaruh yang signifikan secara bersama antara faktor-faktor Pengelolaan Bantuan Dana, dengan variabel bebas yaitu: Kesejahteraan Masyarakat Kampung.

b).

Pengujian hipotesis ke dua Kebenaran hipotesis kedua dibuktikan dengan menggunakan uji t, yaitu menguji kebenaran koefesien regresi. Uji Koefisien regresi, Ho = koefisien regresi tidak signifikan dan H1 = koefisien signifikan. Jika t hitung lebih kecil dari t tabel, maka Ho diterima dan jika t hirung lebih besar dari t tabel, maka Ho ditolak. Kemudian berdasarkan probabilitas, jika probabilitas lebih kecil 0,05 maka Ho ditolak. Dalam pengujian kedua ini juga dilakukan analisis korelasi partial, untuk mengetahui keterkaitan antara variabel bebas secara partial dengan variabel tergantung. Kriteria Pengujian: Sesuai pendapat Santoso (1999: 421) adalah: a. Membandingkan t hitung dengan tabel Menolak Ho jika t hitung > t tabel Menerima Ho jika t hitung < tabel t hitung = SPSS 12.00 For Windows. t tabel =

Tingkat signifikansi () 5 %

Uji dilakukan dua sisi, diperoleh (10 ; 0,05) = 1,833 b. Berdasarkan Probabilitas Menolak Ho jika signifikansi T (probabilitas) , 0,05 Menerima Ho jika signifikansi T (probabilitas) > 0,05. Di samping itu untuk melihat pengaruh dominan dari hasil uji t adalah signifikan T (probabilitas) Koefisien regresi yang terbesar.

E. Definisi Operaional Dalam penulisan proposal Tesis ini yang nantinya akan dilakukan penelitian, dan menggunakan beberapa variabel-variabel yang saling berhubungan. Adapun varibelvariabel tersebut adalah : 1. Pelaksanaan Program a. Perencanaan Yaitu : Partisipasi Masyarakat, Prioritas Masalah, dan Ketersediaan Dokumen Perencanaan; b. Pelaksanaan yaitu : Keterlibatan Masyarakat), Pengendalian/Monitoring, dan Efektifitas; c. Pelaporan Yaitu : Dokumen Laporan dan Transparansi; d. Evaluasi y aitu : Dokumen Evaluasi, Keterlibatan Masyarakat, dan Ruang Publik 2. Kemanfaatan PNPM / RESPEK a. Pendidikan : Keterlibatan Masyarakat 4,00 %, Pengendalian / Monitoring 0,00% dan Efektifitas 0,00% b. Kesehatan

: Keterlibatan Masyarakat 4,00%, Pengendalian / Monitoring 0,00% dan Efektifitas 0,00%

c. Infrastruktur :

Keterlibatan Masyarakat 20,00%, Pengendalian / Monitoring 13,33% dan Efektifitas 15,38%

d. Ekonomi

BPS 2014 mengungkapkan bahwa presentase kemiskinan di Kabupaten Supiori sebesar 41,5 % (Persen)

: