analisis pengaruh tingkat pengangguran terbuka dan indeks pembangunan manusia terhadap tingkat...
TRANSCRIPT
1
ANALISIS PENGARUH TINGKAT PENGANGGURAN TERBUKA DAN INDEKS
PEMBANGUNAN MANUSIA TERHADAP TINGKAT KEMISKINAN DI
INDONESIA
Sastyo Aji Darmawan, 1306355422
Magister Perencanaan dan Kebijakan Publik
Fakultas Ekonomi Universitas Indonesia
A. LATAR BELAKANG
Kemiskinan merupakan masalah yang dihadapi oleh semua negara di dunia,
terutama negara sedang berkembang. Kemiskinan merupakan masalah kompleks yang
dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain tingkat pendapatan
masyarakat, pengangguran, kesehatan, pendidikan, akses terhadap barang dan jasa,
lokasi, geografis, gender, dan lokasi lingkungan.
Banyak dampak negatif yang disebabkan oleh kemiskinan, selain timbulnya
banyak masalah-masalah sosial, kemiskinan juga dapat mempengaruhi pembangunan
ekonomi suatu negara. Kemiskinan yang tinggi akan menyebabkan biaya yang harus
dikeluarkan untuk melakukan pembangunan ekonomi menjadi lebih besar, sehingga
secara tidak langsung akan menghambat pembangunan ekonomi.
Penyebab kemiskinan bermuara pada teori lingkaran kemiskinan (vicious
circke of poverty) dari Nurkse 1953. Yang dimaksud lingkaran kemiskinan adalah
suatu rangkaian kekuatan yang saling mempengaruhi suatu keadaaan dimana suatu
negara akan tetap miskin dan akan banyak mengalami kesukaran untuk mencapai
tingkat pembangunan yang lebih baik. Adanya keterbelakangan, dan ketertinggalan
SDM (yang tercermin oleh rendahnya IPM), ketidaksempurnaan pasar, dan kurangnya
modal menyebabkan rendahnya produktifitas. Rendahnya produktifitas
mengakibatkan rendahnya pendapatan yang mereka terima (yang tercermin oleh
rendahnya PDRB per kapita). Rendahnya pendapatan akan berimplikasi pada
rendahnya tabungan dan investasi. Rendahnya investasi berakibat pada rendahnya
akumulasi modal sehingga proses penciptaan lapangan kerja rendah (tercemin oleh
tingginya jumlah pengangguran).
Dilatar belakangi permasalahan tersebut diatas, maka penulis bermaksud
untuk meneliti pengaruh Tingkat Pengangguran Terbuka dan Indeks Pembangunan
Manusia terhadap Tingkat Kemiskinan di lima Provinsi di Indonesia, yaitu Bengkulu,
Banten, Nusa Tenggara Timur, Sulawesi Barat dan Papua Barat.
B. MASALAH PENELITIAN
Identifikasi masalah dalam penelitian ini adalah sebagai berikut:
1. Bagaimana pengaruh Tingkat Pengangguran Terbuka terhadap Tingkat
Kemiskinan di Provinsi Bengkulu, Banten, Nusa Tenggara Timur, Sulawesi Barat
dan Papua Barat.
2. Bagaimana pengaruh Indeks Pembangunan Manusia terhadap Tingkat
Kemiskinan di Provinsi Bengkulu, Banten, Nusa Tenggara Timur, Sulawesi Barat
dan Papua Barat.
2
3. Bagaimana Tingkat Pengangguran Terbuka dan Indeks Pembangunan Manusia
secara bersama-sama mempengaruhi Tingkat Kemiskinan di Provinsi Bengkulu,
Banten, Nusa Tenggara Timur, Sulawesi Barat dan Papua Barat.
C. HIPOTESA PENELITIAN
Hipotesa yang dapat dirumuskan dalam penelitian ini adalah sebagai berikut:
1. Tingkat Pengangguran Terbuka berpengaruh positif terhadap Tingkat kemiskinan,
dimana jika tingkat pengangguran meningkat maka tingkat kemiskinan pun ikut
meningkat.
2. Indeks Pembangunan Manusia berpengaruh negative terhadap tingkat kemiskinan,
dimana jika indeks pembangunan manusia meningkat maka tingkat kemiskinan
akan menurun.
D. SPESIFIKASI MODEL DAN PROSEDUR YANG DIGUNAKAN
Prosedur yang digunakan untuk membuat model tersebut diatas adalah
menggunakan regresi data panel. Model data panel adalah model regresi linier
menggunakan data cross section dan time series.
Model dengan data cross section
Yi = α + β Xi + εi ; i = 1,2,....,N (1)
N: banyaknya data cross section
Mode dengan data time series
Yt = α + β Xt + εt ; t = 1,2,....,T (2)
N: banyaknya data time series
Mengingat data panel merupakan gabungan dari data cross section dan data time series,
maka modelnya dituliskan dengan:
Yit = α + β Xit + εit ; i = 1,2,....,N; t = 1,2,….., T (3)
Di mana :
N = banyaknya observasi
T = banyaknya waktu N x T = banyaknya data panel
Secara matematis model pengaruh tingkat pengangguran terbuka dan indeks
pembangunan manusia terhadap tingkat kemiskinan dapat dituliskan sebagai berikut:
Yit = α + β1X1t + β2X2t + εit
Dimana:
Yit : Tingkat Kemiskinan
α : Intercept
β1 : Koefisien Slope X1
X1t : Tingkat Pengangguran Terbuka
β2 : Koefisien Slope X2
X2t : Indeks Pembangunan Manusia
εit : Komponen error antar individu dan waktu
3
Data panel adalah gabungan antara data runtut waktu (time series) dan data
silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu, tetapi
meliputi beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang
terdiri dari atas beberapa atau banyak objek, sering disebut responden dengan
beberapa jenis data dalam suatu periode waktu tertentu. Ketika kita melakukan suatu
observasi perilaku unit ekonomi seperti rumah tangga, perusahaan atau Negara, kita
tidak hanya akan melakukan observasi terhadap unit-unit tersebut di dalam waktu
yang bersamaan tetapi juga perilaku unit-unit tersebut pada berabagai periode waktu.
Regresi dengan menggunakan data panel disebut model regresi data panel. Ada
beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data
panel merupakan gabungan data data time seris dan cross section mampu menyediakan
data yang lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi
masalah yang timbul ketika ada masalah penghilangan variabel (ommited-variable).
Beberapa Model Panel
Pooled Least Square (PLS)
(1)
Fixed Effect Model (FEM, Least Square Dummy Variable/LSDV)
(2)
Random Effect Model (REM, Error Component Model = ECM)
(3)
αi dianggap tidak fixed tapi merupakan variabel random dengan rata-rata α , sehingga
bisa dinyatakan αi = α + ei.
Jika disubsitusikan ke persamaan di atas, model REM menjadi
(4)
Dari sinilah muncul istilah error component model dimana ei adalah error komponen
cross section dan uit adalah error komponen time series dan cross section. Pada model
ini diasumsikan tidak ada korelasi antara αi dan xit : corr (αi, xit) = 0
E. HASIL DAN PEMBAHASAN
Penulis menggunakan regresi data panel dengan menggunakan software
STATA.12. Data yang digunakan adalah data sekunder yang diunduh dari laman
internet Badan Pusat Statistik untuk Tingkat Kemiskinan, Tingkat Pengangguran
terbuka dan Indeks Pembangunan Manusia dari 5 Provinsi di Indonesia, yaitu :
Bengkulu, Banten, Nusa Tengara Timur, Sulawesi Barat dan Papua Barat dengan
tahun pengamatan dimulai sejak tahun 2007 sampai dengan tahun 2012.
4
Dari beberapa model regresi data panel, penulis melakukan pemilihan model
yang terbaik , yang paling mampu menjelaskan model secara signifikan engan
tahapan sebagai berikut:
1. Mengestimasi model menggunakan metode OLS/ Pooled Data dan metode LSDV/
Fixed Effect, kemudian menghitung nilai F dengan persamaan sebagai berikut:
(
) ⁄
( ) ⁄ (5)
Dimana:
R2
UR = R2 pada model unrestricted (FEM)
R2
R = R2 pada model restricted (PLS)
r = banyaknya restriksi
n = banyaknya observasi
k = banyak variabel bebas pada model unrestricted
Adapun rancangan Hipotesa dari uji F tersebut adalah :
H0: αi = α (Model PLS)
H1: αi ≠ α (Model FEM) Tabel.1 Regresi Pooled Data
Nilai R
2 : 26,95%
_cons 147.0498 49.47052 2.97 0.006 45.54465 248.5549
ipm -1.76344 .7110628 -2.48 0.020 -3.222421 -.3044599
tpt -.6718443 .3670397 -1.83 0.078 -1.424948 .0812589
poor Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 2523.15338 29 87.0052891 Root MSE = 8.2622
Adj R-squared = 0.2154
Residual 1843.10827 27 68.2632691 R-squared = 0.2695
Model 680.045116 2 340.022558 Prob > F = 0.0144
F( 2, 27) = 4.98
Source SS df MS Number of obs = 30
5
Tabel.2 Regresi Fixed Effect
Nilai R
2 : 98,81%
Maka nilai F dapat dihitung dengan persamaan (5), sebagai berikut:
( ) ⁄
( ) ⁄
Kemudian bandingkan Nilai F dengan F table pada derajat bebas (4,23) dan nilai
alpha (0,05), yaitu 2,7955. Maka nilai Fstat > Ftable, dan kesimpulannya Model
Fixed Effect lebih baik dari pada model Pooled Least Square.
2. Mengestimasi model menggunakan metode Random Effect, dan menguji model
LSDV/ Fixed Effect dan Random Effect dengan Haussman Test. Rancangan
Hipotesa untuk pemilihan model Random Effect dan Fixed Effect, adalah sebagai
berikut:
H0 : Model LSDV/ Fixed Effect lebih baik
Ha : Model Random Effect/ GLS lebih baik
Dimana, jika Nilai Prob>F lebih kecil dari alpha (0,05) maka tolak H0.
_cons 200.0008 25.52738 7.83 0.000 147.1933 252.8082
_Ii_5 5.347556 1.125112 4.75 0.000 3.020084 7.675028
_Ii_4 -12.40062 1.408318 -8.81 0.000 -15.31395 -9.487292
_Ii_3 -10.17225 2.24348 -4.53 0.000 -14.81324 -5.531263
_Ii_2 -17.09355 1.996486 -8.56 0.000 -21.22359 -12.9635
ipm -2.482222 .3400087 -7.30 0.000 -3.185584 -1.77886
tpt -.0721278 .2509856 -0.29 0.776 -.5913312 .4470755
poor Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 2523.15338 29 87.0052891 Root MSE = 1.1405
Adj R-squared = 0.9851
Residual 29.9163705 23 1.30071176 R-squared = 0.9881
Model 2493.23701 6 415.539502 Prob > F = 0.0000
F( 6, 23) = 319.47
Source SS df MS Number of obs = 30
6
Tabel 3. Regresi Random Effect
Tabel.3 Uji Haussman
Dari hasil uji Haussman didapatkan nilai Prob>chi2 adalah sebesar 0,9783 lebih
besar dari alpha (0,05), maka H0 diterima dan secara konsisten dinyatakan Model
Fixed Effect lebih baik.
Dari kedua tahapan diatas, maka penulis menyimpulkan bahwa model yang
digunakan untuk mengestimasi pengaruh Tingkat Pengangguran Terbuka dan Indeks
Pembangunan Manusia terhadap Tingkat Kemiskinan adalah model Fixed Effect.
rho .99113099 (fraction of variance due to u_i)
sigma_e 1.1404875
sigma_u 12.056424
_cons 193.8359 24.24956 7.99 0.000 146.3076 241.3641
ipm -2.49091 .3234022 -7.70 0.000 -3.124767 -1.857054
tpt -.0863828 .2377169 -0.36 0.716 -.5522994 .3795338
poor Coef. Std. Err. z P>|z| [95% Conf. Interval]
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
Wald chi2(2) = 117.30
overall = 0.1954 max = 6
between = 0.1532 avg = 6.0
R-sq: within = 0.8268 Obs per group: min = 6
Group variable: i Number of groups = 5
Random-effects GLS regression Number of obs = 30
Prob>chi2 = 0.9783
= 0.04
chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
b = consistent under Ho and Ha; obtained from xtreg
ipm -2.482222 -2.49091 .0086881 .1049617
tpt -.0721278 -.0863828 .0142549 .0805261
tetap acak Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B))
Coefficients
7
Adapun interprestasi dari hasil regresi model Fixed Effect diatas adalah sebagai
berikut:
1. Variabel Tingkat Pengangguran Terbuka berpengaruh negative terhadap tingkat
kemiskinan, dimana jika tingkat pengangguran bertambah 1% maka tingkat
kemiskinan turun sebesar 0,72%. Hasil uji t dari variable ini ternyata tidak signifikan
dengan nilai P>|t| sebesar 0,776, atau lebih besar dari nilai alpha (0,05). Dengan kata
lain variable Tingkat Pengangguran Terbuka tidak berpengaruh secara signifikan
terhadap tingkat kemiskinan.
2. Variable Indeks Pembangunan Manusia berpengaruh positif terhadap tingkat
kemiskinan, dimana jika Indeks Pembangunan Manusia meningkat bertambah satu
satuan, maka tingkat kemiskinan akan turun hampir 2,5 kali lipat (248,2%). Hasil uji t
dari variable ini menunjukan bahwa variable Indeks Pembangunan Manusia
berpengaruh secara signifikan terhadap tingkat kemiskinan dengan nilai P>|t| sebesar
0,000 atau lebih kecil dari alpha (0,05).
3. Tingkat kemiskinan berbeda-beda di setiap Provinsi. Dimana Provinsi Papua Barat
memiliki tingkat kemiskinan yang terbesar, terlihat dengan nilai koefisien _li_5
sebesar 5,347556. Provinsi Banten memiliki tingkat kemiskinan paling kecil diantara
provinsi lain yang diamati dalam model, terlihat dengan koefisien _li_2 sebesar -
17,03955. Berikut ini urutan provinsi-provinsi yang diamati dalam model dengan
tingkat kemiskinan terkecil sampai yang terbesar :
- Provinsi Banten (_li_2 = -17,03955)
- Provinsi Sulawesi Barat (_li_4 = -12,40062)
- Provinsi Nusa Tenggara Timur (_li_3 = -10,17225)
- Provinsi Bengkulu (base = 0)
- Provinsi Papua Barat (_li_5 = 5,347556)
4. Hasil uji F dari model Fixed Effect menunjukan bahwa nilai Prob>F adalah sebesar
0,0000 atau lebih kecil dari alpha (0,05) maka model tersebut mampu menjelaskan
model keseluruhan secara siginifikan dengan tingkat keyakinan 95%.
5. Tingkat determinasi yang mampu dijelaskan model adalah sebesar nilai R2 yaitu 98%.
F. KESIMPULAN
Dari hasil estimasi data yang telah dilakukan, penulis menyimpulkan bahwa:
1. Tingkat Pengangguran Terbuka pada Provinsi Bengkulu, Banten, Nusa Tenggara
Timur, Sulawesi Barat dan Papua Barat tidak berpengaruh positif terhadap tingkat
kemiskinan, meskipun hasil estimasi tidak signifikan.
2. Indeks Pembangunan Manusia pada Provinsi Bengkulu, Banten, Nusa Tenggara
Timur, Sulawesi Barat dan Papua Barat berpengaruh negative terhadap tingkat
kemiskinan, dimana pengaruhnya sangat besar dan signifikan.