kajian kependudukan
TRANSCRIPT
DIREKTORAT JENDERAL ANGGARAN
KEMENTERIAN KEUANGAN
2015
KAJIAN KEPENDUDUKAN
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Pembangunan berwawasan kependudukan adalah pembangunan yang
menempatkan isu perkembangan kependudukan dan pembangunan keluarga sebagai titik
sentral dalam pembangunan berkelanjutan di Indonesia. Pembangunan berkelanjutan
dimaknai sebagai pembangunan terencana di segala bidang untuk menciptakan
perbandingan ideal antara perkembangan kependudukan dengan daya dukung dan daya
tampung lingkungan serta memenuhi kebutuhan generasi sekarang tanpa harus
mengurangi kemampuan dan kebutuhan generasi mendatang, sehingga menunjang
kehidupan bangsa.
Kesadaran pembangunan berwawasan kependudukan dilandasi oleh permasalahan
kependudukan (demografi) yang mendasar di Indonesia. Permasalahan kependudukan di
Indonesia adalah jumlah penduduk yang besar dan laju pertumbuhan penduduk yang
masih tinggi. Masalah kependudukan ini berdampak kepada bidang sosial, ekonomi,
poltik dan pertahanan serta keamanan. Masalah kependudukan juga dilihat dari segi
kuantitas dan kualitas. Dari segi kuantitas, jumlah penduduk yang besar berarti
permasalahan dalam kemampuan menyediakan sandang, pangan, dan papan. Sedangkan
dari segi kualitas melihat dari kemampuan daya saing Indonesia dengan bangsa-bangsa
lain di dunia.
Untuk mengatasi permasalahan kependudukan di Indonesia, sejak tahun 1970,
pemerintah telah melaksanakan program Keluarga Berencana (KB) yang bertujuan untuk
menekan laju pertambahan penduduk. Program KB sampai dengan akhir tahun 1990 telah
berhasil menekan laju pertambahan penduduk dari semula sekitar 4, 6 pada tahun 1970
menjadi sekitar 2,6 pada akhir tahun 1990. Keberhasilan program KB di Indonesia telah
diakui oleh Perserikatan Bangsa-Bangsa (PBB) dan pada sidang majelis umum PBB
menganugrahkan penghargaan kepada pemerintah Indonesia sebagai negara yang berhasil
mengatasi laju pertambahan penduduk.
2
Namun sayang pelaksanaan program KB meredup, seiring dengan pergantian
rezim orde baru dan pelaksanaan otonomi daerah. Dalam UU nomor 23 Tahun 2014
tentang Pemerintahan Daerah menetapkan bahwa urusan pengendalian penduduk dan
Keluarga Berencana merupakan urusan wajib yang tidak berkaitan dengan pelayanan
dasar dan merupakan urusan bersama antara pemerintah pusat dan daerah atau urusan
konkuren.
Program KB, seolah terlupakan karena tidak menghasilkan keuntungan. Fokus
anggaran untuk pembangunan dan sektor lain yang dianggap menguntungkan. Beberapa
tahun kemudian semua pemangku kepentingan terkaget-kaget ketika data kependudukan
diumumkan, laju pertumbuhan penduduk Indonesia meningkat dibandingkan sebelum era
reformasi. Pelan tapi pasti perhatian pemerintah pusat dan daerah kepada program KB
mulai tumbuh kembali. Kesadaran terhadap pentingnya program KB mulai nampak
setelah situasi dan kondisi memungkinkan serta ancaman lendakan jumlah penduduk
mulai membayangi Indonesia.
Berdasarkan laman Biro Pusat Statistik Indonesia jumlah penduduk Indonesia
sekitar 250 juta jiwa. Sedangkan berdasarkan Survey Demografi Kesehatan Indonesia
tahun 2012 menyebutkan jumlah penduduk Indonesia sekitar 257 juta jiwa. Jumlah ini
menempatkan Indonesia sebagai negara berpenduduk terbesar keempat di dunia, setelah
Tiongkok, India dan Amerika Serikat. Jumlah penduduk tersebut, apabila diproyeksikan
apa adanya tanpa intervensi pemerintah akan meningkat menjadi sekitar 280 juta jiwa
atau naik sebesar 30 juta jiwa atau tambah rata-rata 4 juta jiwa pertahun.
Untuk mengendalikan pertumbuhan jumlah penduduk, pemerintah melalui
BKKBN mendorong kembali program KB agar berjalan sesuai dengan harapan. Upaya
pemerintah untuk mensukseskan program KB dengan mengalokasikan anggaran yang
terus meningkat setiap tahun melalui Anggaran Pendapatan dan Belanja Negara (APBN).
Bahkan pada tahun anggaran 2011 pernah terjadi kenaikan anggaran sebesar 100% jika
dibandingkan dengan tahun anggaran sebelumnya yakni sebesar Rp1.234 triliun pada TA
2010 menjadi Rp2.413 triliun pada TA 2011.
Komitmen pemerintah untuk terus meningkatkan alokasi anggaran program KB
ternyata tidak serta merta membuahkan hasil. Hal ini terlihat dari capaian hasil kinerja
program KB dalam beberapa tahun belakangan ini belum menunjukan hasil yang
3
menggembirakan.
Setidaknya ada beberapa faktor penyebab meningkatnya laju pertambahan
penduduk. Faktor-faktor tersebut adalah natalitas, mortalitas, dan migrasi. Kunci utama
dari ketiga faktor tersebut adalah natalitas atau kelahiran. Faktor natalitas
mempengaruhi tingkat pertumbuhan penduduk dan sangat berguna untuk memprediksi
jumlah penduduk di suatu wilayah atau negara di masa yang akan datang. Dengan
mengetahui jumlah penduduk yang akan datang, dapat digunakan sebagai dasar untuk
menghitung jumlah kebutuhan dasar penduduk ini. Sebagai contoh proyek listrik 35 ribu
megawatt, perhitungannya berdasarkan atas asumsi kebutuhan rumah tangga yang
notabene disebabkan oleh pertambahan laju pertumbuhan penduduk Indonesia.
Berdasarkan hal tersebut di atas, faktor penduduk merupakan penggerak (cost
driver) terjadinya berbagai kebutuhan yang timbul dalam kehidupan berbangsa dan
bernegara.
1.2. Perumusan Masalah
Peningkatan alokasi anggaran program KB di pusat melalui Bagian Anggaran
BKKBN dan Dana Alokasi Khusus serta dalam Anggaran Pendapatan dan Belanja
Daerah mempunyai variasi kinerja program KB berupa Total Fertility Rate (TFR) dan
Laju Pertambahan Penduduk (LPP). Berdasarkan hal tersebut maka perumusan masalah
atas kajian ini adalah : “Apakah alokasi anggaran program KB berpengaruh terhadap
TFR dan LPP di Indonesia”?
1.3. Tujuan Penelitian
1). Tujuan Umum
Tujuan Umum penulisan penelitian ini adalah memberikan deskripsi sebagai
penelitian awal atas fenomena yang terjadi dalam antara Program KB dengan alokasi
anggaran program KB.
2). Tujuan Khusus
a. Menguji pengaruh anggaran program KB (APBN) pada angka LPP.
b. Menguji pengaruh anggaran program KB (APBD) pada angka LPP.
c. Menguji pengaruh anggaran program KB (APBN) pada angka TFR.
d. Menguji pengaruh anggaran program KB (APBD) pada angka TFR.
4
e. Menguji pengaruh TFR pada angka LPP.
f. Menguji pengaruh anggaran program KB (APBN) pada angka LPP yang
dimediasi oleh TFR.
g. Menguji pengaruh anggaran program KB (APBD) pada angka LPP yang
dimediasi oleh TFR.
1.4. Manfaat Penelitian
Manfaat penelitian ini dapat digunakan dalam rangka menunjang tugas dan
fungsi penganggaran di lingkup Direktorat Jenderal Anggaran dalam memahami
substansi dan performa penganggaran Kementerian/Lembaga sehingga pengalokasian
penganggaran dapat dilakukan secara efisien dan efektif di tahap perencanaan.
1.5. Sistematika Penulisan
Judul
Kata Pengantar
Daftar Isi
Bab I Pendahuluan
1.1. Latar Belakang
1.2. Perumusan Masalah
1.3. Tujuan Penelitian
1.4. Manfaat Penelitian
1.5. Sistematika Penulisan
Bab II Landasan Teori
2.1 Kependudukan
2.1.1 Masalah Kependudukan
2.1.2 Demografi
2.1.3 Pengertian Ilmu Penduduk dan Kependudukan
2.1.4 Ruang lingkup Ilmu Kependudukan
2.1.5 Teori Teori Kependudukan
2.1.6 Komposisi Penduduk
2.1.7 Tempat Tinggal
2.1.8 Kepadatan Penduduk
5
2.2 Forecasting
2.2.1 Pengertian Forecasting
2.2.2 Metode Forecasting
2.3 Data
2.3.1 Data Deret Waktu
2.3.2 Pengelompokan data dan jenis data deret waktu
2.4 Program Keluarga Berencana
2.4.1 Program KB
2.4.2 Tujuan Program KB
2.4.3 Sasaran Program KB
2.4.4 Sasaran Starategis Program KB
2.5 Alokasi Anggaran Program KB
2.5.1 Anggaran Pendapatan dan Belanja Negara (APBN)
2.5.2 Anggaran Pendapatan dan Belanja Daerah APBD
Bab III Metodologi Penelitian
3.1 Desain Penelitian
3.2 Definisi Operasional dan Pengkuruan Variabel
3.3 Jenis dan Sumber Data
3.5 Teknik Analisa Data
Bab IV Analisa dan Pembahasan
Bab V Kesimpulan dan Saran
Daftar Pustaka
6
BAB II
LANDASAN TEORI
2.1. Kependudukan
Penduduk adalah warga negara Indonesia dan orang asing yang bertempat tinggal
di Indonesia (UUD 1945 Pasal 26 ayat 2). Kependudukan adalah hal ihwal yang
berkaitan dengan jumlah, struktur, umur, jenis kelamin, agama, kelahiran, perkawinan,
kehamilan, kematian, persebaran, mobilitas dan kualitas serta ketahanannya yang
menyangkut politik, ekonomi, sosial, dan budaya.
Pengelolaan kependudukan dan pembangunan keluarga adalah upaya terencana
untuk mengarahkan perkembangan kependudukan dan pembangunan keluarga untuk
mewujudkan penduduk tumbuh seimbang dan mengembangkan kualitas penduduk pada
seluruh dimensi penduduk. Perkembangan kependudukan adalah kondisi yang
berhubungan dengan perubahan keadaan kependudukan yang dapat berpengaruh dan
dipengaruhi oleh keberhasilan pembangunan berkelanjutan.
Kualitas penduduk adalah kondisi penduduk dalam aspek fisik dan nonfisik yang
meliputi derajat kesehatan, pendidikan, pekerjaan, produktivitas, tingkat sosial,
ketahanan, kemandirian, kecerdasan, sebagai ukuran dasar untuk mengembangkan
kemampuan dan menikmati kehidupan sebagai manusia yang bertaqwa, berbudaya,
berkepribadian, berkebangsaan dan hidup layak.
2.1.1. Masalah Kependudukan
Masalah Kependudukan bisa disebut juga sebagai masalah sosial, karena masalah
itu terjadi di lingkungan sosial atau masyakarat. Masalah tersebut bisa terjadi kapan saja
dan dimana saja, baik di negara maju maupun negara Indonesia yang sedang
berkembang ini. Masalah kependudukan terjadi karena perkembangan penduduk yang
tidak seimbang. Macam-macam Masalah Kependudukan, yaitu: Pertumbuhan Penduduk,
Kepadatan Penduduk dan Tingkat pendidikan.
Dari ketiga masalah kependudukan tersebut, Pertumbuhan penduduk merupakan
masalah yang menarik untuk dikaji. Pertumbuhan penduduk adalah perubahan populasi
sewaktu-waktu, dan dapat dihitung sebagai perubahan dalam jumlah individu dalam
7
sebuah populasi menggunakan “per waktu unit” untuk pengukuran. Sebutan
pertumbuhan penduduk merujuk pada semua spesies, tapi selalu mengarah pada
manusia, dan sering digunakan secara informal untuk sebutan demografi nilai
pertumbuhan penduduk, dan digunakan untuk merujuk pada pertumbuhan penduduk
dunia. Pertumbuhan penduduk di negara Indonesia ini sudah sangat pesat karena diliat
dari sensus penduduk yang berdasarkan informasi dari BPS ( Badan Pusat Statistik)
jumlah penduduk di negara Indonesia pada tahun 2000 sebanyak 200.241.999 jiwa
sedangkan pada tahun 2010 sudah mencapai 237.641.326 jiwa. Perkembangan
penduduk yang pesat itu terjadi karena beberapa faktor, yaitu : tingkat angka kelahiran,
tingkat angka kematian, dan tingkat perpindahan perpindahan penduduk (migrasi).
2.1.2. Demografi
Demografi merupakan suatu alat untuk mempelajari perubahan-perubahan
kependudukan dengan memanfaatkan data dan statistik kependudukan serta
perhitungan-perhitungan secara matematis dan statistik kependudukan serta mengenai
perubahan jumlah, persebaran, dan komposisi/strukturnya (Adioetomo, 2013:3).
2.1.3. Pengertian Ilmu Penduduk dan Kependudukan
Ilmu Penduduk adalah ilmu yang mempelajari hal ihwal tentang penduduk.
Sedangkan Ilmu Kependudukan adalah studi tentang penduduk di dalam kerangka
sosiologi dan ada jalinannya dengan ekonomi, biologi dan ilmu sosial yang lain.
2.1.4. Ruang Lingkup Ilmu Kependudukan
Ruang lingkup Ilmu kependudukan ada dua yaitu:
a. Penduduk
Penduduk adalah semua orang yang biasanya tinggal di suatu tempat atau rumah
tangga 6 bulan dan lebih atau yang belum 6 bulan namun berniat untuk menetap.
b. Masyarakat
Masyarakat adalah kesatuan hidup manusia yang berinteraksi menurut adat
istiadat tertentu secara kontinu dan terikat dengan identitas.
8
2.1.5. Teori-teori Penduduk
Teori-teori penduduk dibagi menjadi beberapa teori yaitu:
A. Teori Pertumbuhan Penduduk
1). Teori Natural
Teori ini mengemukakan bahwa hewan dan tumbuhan dipengaruhi oleh
temperatur, curah hujan, kesuburan tanah (Prawiro, 1983: 27)
2). William Gadwin
Mengemukakan bahwa kemelaratan adalah orang atau struktur masyarakat yang
salah dan dapat diperbaiki dengan prinsip sama rata sama rasa (Prawiro, 1983:
27)
3). Thomas Robert Malthus
Kemelaratan adalah tidak imbangnya pertambahan penduduk dengan
pertambahan bahan makanan (Prawiro, 1983: 25).
B. Teori Fisiologi
1). Teori Pearl
Teori ini mengemukakan bahwa pertumbuhan penduduk dipengaruhi oleh
keadaan biologi dan geografi (Prawiro, 1983: 28).
2). Teori Cassado Gini
Teori ini mengemukakan tentang statistik biologi (Prawiro, 1983: 28)
C. Teori Sosial Ekonomi
1). Teori Carr Saunders Mengatakan bahwa negara dalam keadaan optimum
bila jumlah penduduk dan bahan pangan seimbang (Riningsih, 1990: 31)
2). Teori Dumont Mengemukakan tentang teori kapilaritas sosial. Kapilaritas
sosial mudah berlaku di dalam masyarakat yang memungkinkan
perpindahan dengan mudah dari klas ke klas yang lebih tinggi (Prawiro,
1983: 32)
2.1.6. Komposisi Penduduk
a. Biologi: umur, jenis kelamin
b. Sosial: pendidikan, status
c. Ekonomi: jenis pekerjaan, lapangan pekerjaan, tingkat pendapatan
9
d. Geografi: tempat tinggal
e. Budaya: agama, adat istiadat, dan lain sebagainya
2.1.7. Tempat Tinggal
1). Desa adalah suatu wilayah yang ditempati oleh sejumlah penduduk sebagai
kesatuan masyarakat dan termasuk dalam satu kesatuan hukum yang mempunyai
organisasi pemerintahan yang terendah langsung di bawah camat dan berhak
menyelenggarakan rumah tangga sendiri di dalam ikatan Negara Kesatuan
Republik Indonesia (NKRI).
2). Kelurahan adalah suatu wilayah yang ditempati oleh sejumlah penduduk yang
mempunyai organisasi pemerintahan terendah langsung di bawah camat, yang
tidak berhak menyelenggarakan rumah tangga sendiri.
2.1.8. Kepadatan Penduduk
Kepadatan penduduk merupakan indikator dari pada tekanan penduduk di suatu
daerah. Kepadatan di suatu daerah dibandingkan dengan luas tanah yang ditempati
dinyatakan dengan dengan banyaknya penduduk perkilometer persegi. Kepadatan
penduduk dapat dihitung dengan menggunakan rumus: Jumlah penduduk yang
digunakan sebagai pembilang dapat berupa jumlah seluruh penduduk diwilayah tersebut,
atau bagian-bagian penduduk tertentu seperti: penduduk daerah perdesaan atau
penduduk yang bekerja di sektor pertanian, sedangkan sebagai penyebut dapat berupa
luas seluruh wilayah, luas daerah pertanian, atau luas daerah perdesaan. Kepadatan
penduduk di suatu wilayah dapat dibagi menjadi empat bagian :
1). Kepadatan penduduk kasar (crude density of population) atau sering pula disebut
dengan kepadatan penduduk aritmatika.
2). Kepadatan penduduk fisiologis (physiological density)
3). Kepadatan penduduk agraris (agricultural density)
4). Kepadatan penduduk ekonomi (economical density of population)
2.2. Forecasting
Peramalan adalah suatu kegiatan atau usaha untuk mengetahui peristiwa-peristiwa
yang akan terjadi pada waktu yang akan datang mengenai objek tertentu dengan
10
menggunakan pertimbangan, pengalaman-pengalaman ataupun data historis. Dari
defenisi tersebut terdapat beberapa istilah yang perlu dijelaskan pengertiannya, antara
lain:
1). Peristiwa.
Peristiwa adalah kejadian tentang suatu objek yang merupakan hasil suatu proses
atau kegiatan; misalnya baik/buruk, turun/naik, atau mendatar dan lain sebagainya.
2). Waktu yang akan datang.
Maksudnya peristiwa yang diramal itu adalah kejadian masa datang.
3). Pertimbangan ataupun data historis.
Adalah merupakan variabel-variabel yang dilakukan untuk melakukan peramalan.
Dengan memperhatikan uraian diatas, maka peramalan merupakan proses atau
metode dalam meramal suatu peristiwa yang akan terjadi pada masa yang akan
datang dengan berdasarkan pada variabel-variabel tertentu.
2.2.1 Metode-metode Forecasting
Forecasting/estimasi atau perkiraaan dapat dilakukan secara kuantitatif dan
kualitatif. Melakukan forecasting secara kuantitatif, artinya menggunakan data angka,
sebab variabel yang diramal itu hanya terbatas pada variabel-variabel yang dapat diukur
secara kuantitatif. Jelas bahwa variabel-variabel yang digunakan untuk melakukan
forecasting itu adalah benar-benar secara teoritis. Pada umumnya, forecasting kuantitatif
dapat dikelompokkan dalam 2 model, yaitu:
1). Model Deret Berkala (time-series)
Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel
dan/atau kesalahan masa lalu. Tujuan utama metode peramalan deret berkala seperti
itu adalah menemukan pola dalam deret historis mengekstrapolasikan pola tersebut
ke masa depan.
2). Model Regresi (causal)
Mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan
sebab akibat dengan satu atau lebih variabel bebas. Misalnya, penjualan = f
(pendapatan, harga, iklan, persaingan, dan lain-lain).
Kedua model tersebut hanya dapat diterapkan apabila terpenuhi beberapa kondisi,
11
antara lain:
a. Tersedianya informasi tentang masa lalu.
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
c. Dapat diasumsikan bahwa beberapa aspek pada masa lalu akan terus berlanjut di
masa mendatang.
Metode peramalan kualitatif atau teknologis, di lain pihak, tidak memerlukan data
yang serupa seperti metode kuantitatif. Input yang dibutuhkan tergantung pada
metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, pertimbangan
dan pengetahuan yang telah di dapat.
2.3. Data Deret Waktu
2.3.1. Pengertian
Deret waktu merupakan serangkaian pengamatan/observasi yang dilakukan pada
waktu-waktu tertentu, biasanya dengan interval-interval yang sama (Murray R. Spiecel;
1972: 301). Deret waktu adalah waktu sekumpulan hasil observasi yang diatur dan
didapat menurut urutan kronologis, biasanya dalam interval waktu yang sama (Sudjana,
1981:240). Dari pengalamn dengan banyak contoh deret berkala ternyata terdapat
gerakan-gerakan khas tertentu atau variasi-variasi (variations) yang beberapa
diantaranya atau seluruhnya terdapat dalam berbaga tingkat yang berbeda. Analisis dari
gerakan-gerakan ini sangat penting dalam berbagai hal, salah satu diantaranya adalah
meramalkan (forecasting) gerakan-gerakan yang akan datang. Oleh karena itu tidak
mengherankan bahwa banyak industri dan badan-badan pemerintah sangat
berkepentingan dalam subjek ini.
2.3.2. Pengelompokan dan Jenis Deret Waktu
Dengan memperhatikan olah atau gerak dari munculnya atau terjadinya
peristiwa tersebut ditinjau dari segi waktu maka kita mengenal gerak beraturan dan
gerak tidak beraturan.
1). Gerak Beraturan
Gerak Beraturan adalah gerak yang berhubungan dengan berubahnya waktu,
menunjukkan ordinat yang berubah besarnya secar teratur. Gerak ini dibagi menjadi
12
dua bagian Trend:
a. Trend Linear
Trend Linear adalah ukuran kecenderungan data deret waktu apabila
menunjukkan menaik atau menurun melalui suatu peningkatan atau penurunan
yang konstan.
b. Trend Non Linear.
Trend Non Linear adalah ukuran kecenderungan yang mempunyai model dengan
persamaan pangkat dua, pangkat tiga dan seterusnya. Metode-metode trend non
linear yang banyak dikenal diantaranya adalah:
− Logistik
− Eksponensial
− Gompertz
− Geometrik
− Polinom
2). Gerak tak beraturan
Gerak tak beraturan adalah gerak yang tiada berketentuan bentuk gambarnya
bila variabel bebas kita ambil satuan waktu.
2.4. Program Keluarga Berencana (KB)
2.4.1. Program KB
Pengertian Program Keluarga Berencana menurut UU No 10 tahun 1992
(tentang perkembangan kependudukan dan pembangunan keluarga sejahtera) adalah
upaya peningkatan kepedulian dan peran serta masyarakat melalui pendewasaan usia
perkawinan (PUP), pengaturan kelahiran, pembinaan ketahanan keluarga, peningkatan
kesejahteraan keluarga kecil, bahagia dan sejahtera.
Program KB adalah bagian yang terpadu (integral) dalam program pembangunan
nasional dan bertujuan untuk menciptakan kesejahteraan ekonomi, spiritual dan sosial
budaya penduduk Indonesia agar dapat dicapai keseimbangan yang baik dengan
kemampuan produksi nasional (Depkes,1999).
Sejak pelita V, program KB nasional berubah menjadi gerakan KB nasional
yaitu gerakan masyarakat yang menghimpun dan mengajak segenap potensi masyarakat
13
untuk berpartisipasi aktif dalam melembagakan dan membudayakan NKKBS dalam
rangka meningkatkan mutu sumber daya manusia Indonesia (Sarwono,1999). 2.4.2. Tujuan Program KB
Tujuan umum untuk lima tahun kedepan mewujudkan visi dan misi program KB
yaitu membangun kembali dan melestarikan pondasi yang kokoh bagi pelaksana
program KB di masa mendatang untuk mencapai keluarga berkualitas tahun 2015.
Sedangkan tujuan program KB secara filosofis adalah :
1. Meningkatkan kesejahteraan ibu dan anak serta mewujudkan keluarga kecil yang
bahagia dan sejahtera melalui pengendalian kelahiran dan pengendalian pertumbuhan
penduduk Indonesia.
2. Terciptanya penduduk yang berkualitas, sumber daya manusia yang bermutu dan
meningkatkan kesejahteraan keluarga. 2.4.3. Sasaran Program KB
Sasaran program KB dibagi menjadi 2 yaitu sasaran langsung dan sasaran tidak
langsung, tergantung dari tujuan yang ingin dicapai. Sasaran langsungnya adalah
Pasangan Usia Subur (PUS) yang bertujuan untuk menurunkan tingkat kelahiran dengan
cara penggunaan kontrasepsi secara berkelanjutan. Sedangkan sasaran tidak
langsungnya adalah pelaksana dan pengelola KB, dengan tujuan menurunkan tingkat
kelahiran melalui pendekatan kebijaksanaan kependudukan terpadu dalam rangka
mencapai keluarga yang berkualitas, keluarga sejahtera.
Sasaran program keluarga berencana (KB) nasional yang terkait dengan TFR dan
LPP sebagaimana yang tercantum di dalam RPJMN adalah sebagai berikut:
Indikator RPJMN
2004 - 2009 2010 - 2014
TFR 2,2 2,36
LPP 1,14 % 1,1%
14
2.4.4. Sasaran Strategis Program KB
Sasaran strategis BKKBN tahun 2016 adalah menurunkan Laju Pertumbuhan
Penduduk (LPP) dari 1,38 persen tahun 2015 menjadi 1,27 persen pada tahun 2016,
menurunkan angka kelahiran total (total fertility rate/TFR) per Wanita Usia Subur (WUS)
15-49 tahun dari 2,37 anak pada tahun 2015 menjadi 2,36 pada tahun 2016. 2.4.5. Alokasi Anggaran Program KB
2.4.5.1 Anggaran APBN
Tabel 1 PAGU BKKBN TAHUN 2007 – 2015
PROGRAM KEPENDUDUKAN DAN KB TAHUN ANGGARAN PAGU (Rp)
2007 356.651.221.000 2008 361.827.520.000 2009 502.535.221.000 2010 677.642.100.000 2011 2.331.834.116.000 2012 1.927.191.375.000 2013 2.475.520.563.000 2014 2.372.866.402.000 2015 3.048.746.908.000
(sumber : Business Intelegence DJA)
Anggaran Program KB dalam kajian ini adalah alokasi anggaran Bagian
Anggaran BKKBN. Dalam RKA-K/L BKKBN memiliki 4 Program yakni:
Tabel 2 Program dan Kegiatan BKKBN TA 2015
(sumber : Business Intelegence DJA) No. Nama Program Nama Kegiatan 1.
Program Dukungan Manajemen dan Pelaksanaan Tugas Teknis Lainnya BKKBN
Pengelolaan Hukum. Organisasi dan Humas Perencanaan Program dan Anggaran Pengelolaan Administrasi Pegawai Pengelolaan Administrasi Umum
2. Pengawasan dan Peningkatan Akuntabilitas Aparatur BKKBN
Peningkatan Pengawasan Ketenagaan dan Administrasi Umum Peningkatan pengawasan Keuangan dan Perbekalan Peningkatan Pengawasan Program
3. Pelatihan dan Pengembangan
Pendidikan dan Pelatihan Kependudukan dan Keluarga Berencana
15
BKKBN Penelitian dan pengembangan Keluarga Berencana dan Keluarga Sejahtera Penelitian dan pengembangan Kependudukan Pengembangan Kerja Sama Internasional Kependudukan dan Keluarga Berencana
4. Kependudukan dan KB
Peningkatan Advokasi dan KIE Program Kependudukan dan KB Penyediaan data dan informasi program kependudukan dan KB Peningkatan kemitraan dengan lintas sektor pemerintah dan swasta serta pemerintah daerah Peningkatan pembinaan kesertaan ber-KB jalur pemerintah Pembinaan Keluarga Balita dan Anak Peningkatan Pembinaan Lini Lapangan Pembinaan Ketahanan Remaja Peningkatan Kualitas Kesehatan Reproduksi Peningkatan Kesertaan KB Galciltas. wilayah khusus. dan Sasaran Khusus Pemberdayaan Ekonomi Keluarga Pembinaan Ketahanan Keluarga Lansia dan Rentan Kerjasama Pendidikan kependudukan Pemaduan Kebijakan Pengendalian Penduduk Peningkatan Kemandirian dan pembinaan kesertaan ber-KB jalur swasta Analisis Dampak Kependudukan Perencanaan Pengendalian Penduduk Penyediaan Teknologi. Informasi dan Dokumentasi program Kependudukan dan KB Pengelolaan Pembangunan Kependudukan dan KB Provinsi
Program dan kegiatan BKKBN tersebut menunjang pencapaian target kinerja
sesuai dengan Rencana Strategis BKKBN. Sedangkan pagu Program Kependudukan.
dan Keluarga Berencana pada pagu BKKBN Tahun Anggaran 2016 dapat dilihat pada
tabel sebagai berikut:
Tabel 3 Pagu BKKBN TA 2016
Program Kependudukan. dan Keluarga Berencana TA 2016 Pagu
Pagu Indikatif 3.106.304.040.000 Pagu Anggaran 2.459.192.264.000 Pagu Alokasi 2.883.192.264.000
sumber : Business Intelegence DJA
16
2.4.5.1 Anggaran APBD
Tabel 4 APBD Urusan KB dan KS Tahun 2007. 2010. dan 2012 Pemerintah Daerah
(dalam juta rupiah)
Nama Daerah 2007 2010 2012 Nama Daerah 2007 2010 2012
Prop. Nanggroe Aceh Darussalam 22.499 33.367 47.523 Prop. NTB 19.459 32.482 37.273
Prop. Sumatera Utara 61.853 86.034 125.395 Prop. NTT 17.991 29.314 45.800
Prop. Sumatera Barat 17.108 35.743 47.214
Prop. Kalimantan Barat 6.082 20.397 21.527
Prop. Riau 10.693 16.076 24.948
Prop. Kalimantan Tengah 10.929 16.548 19.766
Prop. Jambi 12.587 13.328 13.597
Prop. Kalimantan Selatan 17.269 40.549 42.472
Prop. Sumatera Selatan 56.363 81.550 118.069
Prop. Kalimantan Timur 4.862 26.773 44.133
Prop. Bengkulu 25.092 12.130 16.435 Prop. Sulawesi Utara 16.026 36.895 45.436
Prop. Lampung 21.595 37.461 51.464 Prop. Sulawesi Tengah 14.246 19.605 24.947
Prop. Bangka Belitung 7.521 14.163 12.327
Prop. Sulawesi Selatan 46.818 88.548 108.515
Prop. Kepulauan Riau 2.782 4.362 10.936
Prop. Sulawesi Tenggara 15.418 29.281 36.620
Prop. DKI Jakarta - 31.243 39.191 Prop. Gorontalo 2.646 10.244 15.236
Prop. Jawa Barat 82.351 149.231 213.690 Prop. Sulawesi Barat 7.216 4.606 7.693
Prop. Jawa Tengah 86.808 104.966 120.862 Prop. Maluku 5.354 14.581 15.734
Prop. DI Jogjakarta 5.269 15.780 21.515
Prop. Maluku Utara 3.111 12.683 19.989
Prop. Jawa Timur 127.825 156.946 196.962
Prop. Papua Barat 2.312 7.835 8.398
Prop. Banten 9.908 26.969 45.220 Prop. Papua 7.720 13.503 16.256
Prop. Bali 11.213 25.412 36.845
17
2.5. Total Fertility Rate
Salah satu indikator yang mempengaruhi Laju Pertumbuhan Penduduk (LPP)
adalah Total Fertility Rate (TFR). Total Fertility Rate/TFR didefinisikan sebagai
jumlah kelahiran hidup laki-laki dan perempuan per-1000 penduduk yang hidup hingga
akhir masa reproduksinya, dengan asumsi :
1. Tidak ada seorang perempuan yang meninggal sebelum mengakhiri masa
reproduksinya.
2. Tingkat fertilitas menurut umur tidak berubah pada periode waktu tertentu.
Menurut John Bongaarts (2015), bahwa Total Fertility Rate (TFR) dipengaruh
oleh faktor-faktor : 1. Marriage/union/sexual exposure 2. Contraception 3. Postpartum infecundability 4. Abortion 5. Model
Nilai TFR = 1,9 dapat diartikan bahwa rata-rata setiap perempuan yang mampu
menyelesaikan masa reproduksinya (15-49 tahun) akan mempunyai anak antara 1 dan 2
orang. Keunggulan angka fertilitas total (TFR) adalah angka ini dapat dijadikan ukuran
kelahiran untuk seorang perempuan selama usia reproduksinya (15-49 tahun) dan telah
memperhitungkan tingkat kesuburan perempuan pada masing-masing kelompok umur.
2.6. Laju Pertumbuhan Penduduk
Laju pertumbuhan penduduk adalah perubahan jumlah penduduk di suatu wilayah
tertentu setiap tahunnya. Kegunaannya adalah memprediksi jumlah penduduk suatu
wilayah di masa yang akan datang.
Laju pertumbuhan penduduk yang tinggi merupakan permasalahan krusial yang
dihadapi oleh negara-negara berkembang di dunia, khususnya negara-negara
berpenduduk besar dan padat. Hal ini disebabkan oleh keterbatasan data dasar yang
diperoleh mengenai jumlah kelahiran, sehingga diperlukan berbagai upaya yang
berkesinambungan untuk menurunkan laju pertumbuhan penduduk. Indonesia sebagai
suatu negara yang sedang berkembang dengan penduduk terbesar nomor empat di dunia,
juga menghadapi persoalan yang serupa.
18
Laju pertumbuhan penduduk di Indonesia senantiasa mengalami peningkatan. Hal
ini tercermin dari hasil sensus penduduk 2010, Indonesia menunjukkan gejala ledakan
penduduk. Jumlah penduduk Indonesia tahun 2010 tercatat 237,6 juta jiwa dengan laju
pertumbuhan 1,49 persen pertahun, sementara pada tahun 2008 masih tercatat 288,53 juta
jiwa. Laju pertumbuhan penduduk ini jika tetap pada angka itu, pada 2045 jumlah
penduduk Indonesia diperkirakan mencapai 450 juta jiwa. Peningkatan penduduk yang
tinggi ini akan mengakibatkan permasalahan jika tidak dikendalikan (BKKBN, 2010).
Grafik 1 Laju Pertambahan Penduduk Dunia
Sumber : Grafik Pertumbuhan Penduduk Dunia. www.bbc.co
Grafik 2
Laju Pertambahan Penduduk Indonesia
Sumber : Data Jumlah Penduduk Indonesia Terbaru (www.techoupadate27.blogspot.com)
Definisi dari laju pertumbuhan penduduk itu sendiri adalah Angka yang
menunjukan tingkat pertambahan penduduk pertahun dalam jangka waktu tertentu.
Angka ini dinyatakan sebagai persentase dari penduduk dasar. Laju pertumbuhan
penduduk dapat dihitung menggunakan tiga metode, yaitu aritmatik, geometrik, dan
eksponesial. Metode yang paling sering digunakan di BPS adalah metode geometrik.
19
Rumus Laju Pertumbuhan Penduduk Eksponensial adalah sebagai berikut :
Pt = Poert
Keterangan:
Pt = Jumlah penduduk pada tahun t
Po = Jumlah penduduk pada tahun dasar
t = jangka waktu
r = laju pertumbuhan penduduk
e = bilangan eksponensial yang besarnya 2.718281828
Jika nilai r > 0, artinya terjadi pertumbuhan penduduk yang positif atau terjadi
penambahan jumlah penduduk dari tahun sebelumnya. Jika r < 0, artinya pertumbuhan
penduduk negatif atau terjadi pengurangan jumlah penduduk dari tahun sebelumnya. Jika
r = 0, artinya tidak terjadi perubahan jumlah penduduk dari tahun sebelumnya.
Adapun faktor-faktor yang mempengaruhi pertumbuhan penduduk indonesia adalah
sebagai berikut:
1). Kelahiran (Natalitas)
Kelahiran bersifat menambah jumlah penduduk. Ada beberapa faktor yang
menghambat kelahiran (anti natalitas) dan yang mendukung kelahiran (pro natalitas).
Glowaki dan Richmond (2007), menyatakan anti natalitas adalah sebesarapa besar
angka partisipasi angkatan kerja wanita dan serta biaya-biaya anak sementara yang
pro natalitas adalah lamanya cuti setelah melahirkan, kompensasi, serta akses yang
lebih baik pada anak. Sebagai contoh bahwa Fungsi APBN maupun APBD dapat
dijadikan instrumen untuk menstimulus sektor riil maupun finansial guna menyerap
angkatan kerja yang luas dengan membuka angka partisipasi wanita dalam segala
lapangan pekerjaan.
2). Kematian (Mortalitas)
Kematian merupakan salah satu diantara tiga komponen demografi yang dapat
mempengaruhi perubahan penduduk. Informasi tentang kematian penting, tidak saja
bagi Pemerintah melainkan juga baik pihak swasta, yang terutama berkecimpung
dalam bidang ekonomi dan kesehatan. Data kematian sangat diperlukan antara lain
untuk proyeksi penduduk guna perancangan pembangunan. misalnya, perencanaan
fasilitas perumahan, fasilitas pendidikan, dan jasa-jasa lainnya untuk kepentingan
20
masyarakat. data kematian juga diperlukan untuk kepentingan evaluasi terhadap
program-program kebijakan kependudukan.
3). Perpindahan penduduk (migrasi)
Migrasi ada dua,migrasi yang dapat menambah jumlah penduduk disebut migrasi
masuk(imigrasi),dan yang dapat mengurangi jumlah penduduk disebut imigrasi
keluar(emigrasi).
Rumus Laju Pertumbuhan Penduduk :
r = {(Pt/P0)(1/t)- 1}x100
dimana :
r = Laju pertumbuhan penduduk
Pt = Jumlah penduduk pada tahun ke –t
P0 = Jumlah penduduk pada tahun dasar
t = Selisih tahun Pt dengan P0
21
BAB III METODE PENELITIAN
Pada bab ini akan diuraikan mengenai berbagai hal yang berkaitan dengan metode
penelitian meliputi desain penelitian, definisi operasional dan pengukuran variabel, jenis dan
sumber data, serta teknik analisis data yang meliputi uji asumsi klasik dan analisis regresi.
3.1 Desain Penelitian
Penelitian ini dilakukan atas peristiwa yang telah terjadi untuk mengungkap
data-data yang telah ada atau menggambarkan variabel penelitian tanpa melakukan
manipulasi. Berdasarkan data yang diperoleh, maka penelitian ini termasuk penelitian
kuantitatif, karena penelitian ini mengacu pada perhitungan data yang berupa angka-angka.
Penelitian ini menggunakan pendekatan ex post facto, yaitu suatu penelitian yang dilakukan
untuk meneliti peristiwa yang telah terjadi dan kemudian merunut ke belakang untuk
mengetahui faktor-faktor yang dapat menimbulkan kejadian tersebut (Sugiyono, 2005: 7).
Penelitian ini mengidentifikasi fakta atau peristiwa sebagai variabel yang dipengaruhi
(variabel dependen) dan melakukan penyelidikan terhadap variabel-variabel yang
memengaruhi (variabel independen) (Indriantoro dan Supomo, 2002).
Tujuan penelitian adalah pengujian hipotesis. Jenis data yang digunakan adalah data
cross-sectional, yaitu studi dengan mengumpulkan data dalam satu titik waktu (Cooper dan
Schindler, 2011). Teknik pengambilan sampel ditentukan dengan menggunakan purposive
sampling, yaitu pengambilan sampel bertujuan dan memenuhi kriteria tertentu (Cooper dan
Schindler, 2011) dan dengan metode judgment sampling atau pengambilan sampel
berdasarkan pertimbangan tertentu (Sekaran, 2004 : 137).
3.2 Model dan Hipotesis Penelitian 3.2.1 Landasan Teori
Pengelompokan atas TFR dilakukan melalui pendekatan angka TFR pada
penelitian yang dilakukan oleh Gauthier dan Bortnik dari University of Calgary pada
tahun 2001 dalam Tari Glowaki and Amy K. Richmond Department of Geography
and Environmental Engineering United States Military Academy West Point, New
York 10996. Tingkat fertilitas total adalah jumlah rata-rata seorang wanita akan
22
melahirkan dalam hidupnya. Kriteria sampel penelitian ini adalah Provinsi yang
memiliki angka Alokasi Anggaran KB (APBN dan APBD), TFR, dan LPP tahun
2007-2012.
3.2.2 Penelitian Terdahulu Listyorini (2009), melakukan penelitian yang berjudul studi kausalitas antara
anggaran program KB Nasional dengan total fertility rate (TFR) di Indonesia Tahun
1992-2008. Penelitian tersebut bertujuan untuk mengetahui ada tidaknya perbedaan
yang signifikan dalam anggaran program KB dan pencapaian TFR sebelum dan
sesudah desentralisasi. Selain itu, untuk mengetahui kausalitas (hubungan timbal
balik) antara anggaran program KB nasional dan total fertility rate (TFR) di
Indonesia selama periode waktu 1992-2008. Hasil penelitian menunjukkan bahwa
anggaran program KB dan pencapaian TFR sebelum desentralisasi tidak sama
dengan setelah diterapkan desentralisasi di Indonesia. Artinya, penerapan
desentralisasi berpengaruh signifikan pada penganggaran program KB dan
pencapaian TFR di Indonesia. Lebih lanjut, terjadi kausalitas yang berjalan searah
(unidirectional causality) dimana TFR mempengaruhi anggaran program KB,
sedangkan anggaran program KB tidak berpengaruh pada TFR. Angka TFR beberapa
tahun terakhir yang stagnan menjadi salah satu penyebab pemerintah
mempertimbangkan alokasi anggaran KB yang diberikan, dan anggaran ini
cenderung turun karena pencapaian TFR tidak sesuai target
3.2.3 Model penelitian adalah sebagai berikut :
Anggaran Program
KB (APBN)
TFR LPP
H1
H2
H5
H4
H3
Anggaran Program KB
(APBD)
23
Hipotesis (H) penelitian: 1. H1: anggaran program KB (APBN) berpengaruh negatif pada angka LPP 2. H2: anggaran program KB (APBD) berpengaruh negatif pada angka LPP 3. H3: anggaran program KB (APBN) berpengaruh negatif pada angka TFR 4. H4: anggaran program KB (APBD) berpengaruh negatif pada angka TFR 5. H5: angka TFR berpengaruh positif pada angka LPP 6. H6: TFR memediasi pengaruh anggaran prog KB (APBN) pada LPP 7. H7: TFR memediasi pengaruh anggaran prog KB (APBD) pada LPP
3.2.4 Definisi Operasional dan Pengukuran Variabel
Definisi operasional dan pengukuran variabel dalam penelitian ini adalah
sebagai berikut :
1). Alokasi Anggaran KB (APBN)
Alokasi anggaran KB (APBN) adalah alokasi anggaran pada Bagian Anggaran
Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) yang
bersumber dari dana APBN.
2). Alokasi Anggaran KB (APBD)
Alokasi anggaran KB (APBD) adalah alokasi anggaran Urusan Keluarga
Berencana dan Keluarga Sejahtera (KB dan KS) pada APBD Pemerintah
Provinsi.
3). Total fertility rate (TFR)
Total fertility rate (TFR) adalah jumlah rata-rata kelahiran anak dari wanita usia
subur selama masa reproduksinya. Atas dasar pengertian tersebut maka yang
dimaksud dengan tingkat kelahiran total adalah kemampuan rata-rata kelahiran
dari seorang wanita umur 15-49 tahun menurut masa reproduksinya. Di
Indonesia TFR merupakan salah satu indikator utama untuk mengetahui
keberhasilan program KB dalam menurunkan tingkat kelahiran.
4). Laju Pertumbuhan Penduduk (LPP)
Laju pertumbuhan penduduk adalah perubahan jumlah penduduk di suatu
wilayah tertentu setiap tahunnya. Kegunaannya adalah memprediksi jumlah
penduduk suatu wilayah di masa yang akan datang. Laju pertumbuhan penduduk
juga dapat didefinisikan sebagai angka yang menunjukan tingkat pertambahan
penduduk pertahun dalam jangka waktu tertentu. Angka ini dinyatakan sebagai
24
persentase dari penduduk dasar. Laju pertumbuhan penduduk dapat dihitung
menggunakan tiga metode, yaitu aritmatik, geometrik, dan eksponesial. Metode
yang paling sering digunakan di BPS adalah metode geometrik.
3.3 Jenis dan Sumber Data
Jenis data dalam penelitian ini adalah data sekunder yang terdiri dari data
Alokasi Anggaran KB (APBN) yang diambil dari data Business Intelligence
Anggaran, Alokasi Anggaran KB (APBD) dari alokasi anggaran urusan KB & KS
Pemerintah Provinsi, TFR dari data SDKI BPS, dan LPP dari Publikasi Statistik
Indonesia BPS.
3.4 Teknik Analisis Data
Penelitian ini melibatkan dua variabel independen, untuk itu digunakan
model linier regresi berganda sebagai teknik analisis datanya. Hasil yang valid dan
tidak bias dari teknik analisis regresi berganda akan terpenuhi jika asumsi klasik
terpenuhi. Pengujian-pengujian yang akan dilakukan dalam penelitian ini antara
lain:
1) Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model
regresi variabel dependen, variabel independen atau keduanya mempunyai
distribusi normal atau tidak. Jika data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal, maka model regresi memenuhi asumsi
normalitas atau dengan menggunakan angka dengan menetapkan α = 5%.
Uji normalitas dalam penelitian ini akan menggunakan uji Kolmogorov –
Smirnov dengan menggunakan taraf signifikansi 5% atau 0,05. Data
dikatakan berdistribusi normal jika signifikansi lebih besar dari 5% atau
0,05, namun bila signifikansi lebih kecil dari 5% atau 0,05 maka data
dikatakan tidak berdistribusi normal (Priyatno, 2008: 28).
b. Uji Heteroskedastisitas
Uji heterosedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan
25
lainnya. Jika varians residual satu pengamatan ke pengamatan lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas (Ghozali, 2006: 125). Dengan melihat grafik scatterplot
antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan
residualnya SRESID. Dasar analisis yang digunakan ialah (Ghozali, 2006:
125-126):
a) Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu
yang teratur (bergelombang, melebar kemudian menyempit), maka
mengindikasikan telah terjadi heteroskedastisitas.
b) Jika tidak ada pola yang jelas, serta titik-tiik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
c) Uji Multikolinieritas
Asumsi multikolinieritas menyatakan bahwa variabel independen harus
terbebas dari gejala multikolinieritas. Gejala multikolinieritas yakni
gejala korelasi antar variabel independen yang ditunjukkan dengan
korelasi yang signifikan antar variabel independen. Nilai korelasi tersebut
dapat dilihat dari Colliniearity Statistics, apabila nilai VIF (Variance
Inflation Factor) memperlihatkan hasil yang lebih besar dari 10 maka
menunjukkan adanya gejala multikolinieritas, sedangkan apabila nilai
VIF kurang dari 10 maka gejala multikolinieritas tidak ada (Santoso dan
Ashari, 2005 : 242).
2) Analisis Regresi
Analisis regresi pada penelitian ini menggunakan tiga tahap pengujian
dengan program SPSS 17. Regresi tahap I, yaitu uji regresi berganda
variabel Alokasi Program KB (APBN) dan Alokasi Program KB (APBD)
terhadap LPP. Kemudian Regresi tahap II, yaitu uji regresi berganda
variabel Alokasi Program KB (APBN) dan Alokasi Program KB (APBD)
terhadap TFR. Regresi tahap III, uji regresi berganda variabel Alokasi
Program KB (APBN), Alokasi Program KB (APBD), dan TFR terhadap LPP.
Selanjutnya, dari dua tahap uji regresi berganda tersebut dilakukan
26
penghitungan pengaruh langsung, pengaruh tidak langsung, dan pengaruh
total sebagai efek adanya mediasi. Menurut Baron dan Kenny (1986),
metode ini tepat digunakan untuk mengidentifikasi pengaruh variabel
independen pada variabel dependen, terutama ketika terdapat variabel
mediasi.
Dalam penelitian ini juga menggunakan uji statistik untuk menguji
apakah variabel independen berpengaruh signifikan pada variabel
dependent, begitu juga untuk variabel mediasi. Uji statistik yang digunakan
antara lain uji t, uji F, dan adjusted R2 (koefisien determinasi) untuk
mengetahui seberapa besar peran varians variabel independen berpengaruh
pada variabel dependen. Uji t (signifikansi individual) adalah pengujian
yang digunakan untuk menguji pengaruh variabel independen pada variabel
dependen secara parsial. Uji F-statistik adalah pengujian untuk menguji
pengaruh variabel independen pada variabel dependen secara simultan dan
melihat apakah model regresi yang diajukan dapat diterima.
Selanjutnya, uji adjusted R2 (koefisien determinasi) digunakan untuk
menguji seberapa besar persentase variasi variabel independen yang
digunakan dalam model mampu menjelaskan variasi variabel dependen.
Pengujian tersebut menggunakan taraf signifikasi 5%. Hipotesis penelitian
didukung apabila memiliki signifikansi ≤ 5%, namun bila signifikansinya >
5% maka hipotesis tidak didukung. Pengujian tersebut dilakukan pada setiap
hipotesis pada penelitian ini.
Untuk melakukan uji mediasi, penelitian ini menggunakan prosedur
yang ditawarkan oleh Baron dan Kenny (1986) dengan melakukan tiga
tahap pengujian statistik sebagai berikut:
a. Uji Regresi Tahap I, regresi X1 dan X2 ke Y:
Y = α + β1X1 + β2X2
b. Uji Regresi Tahap II, regresi X1 dan X2 ke M:
M = α + β3X1 + β4X2
c. Uji Regresi Tahap III, regresi X1, X2, dan M ke Y:
Y = α + β5X1 + β5X2 + β7M
27
Hasil penghitungan pengaruh langsung dan pengaruh tidak langsung dari
uji mediasi pada uji regresi tahap II dan tahap III adalah sebagai berikut:
a. Pengaruh total X1 ke Y melalui M:
1) Pengaruh langsung = β3
2) Pengaruh tidak langsung dari X1 ke Y melalui M = β1 x β5
3) Pengaruh total = β3 + (β1 x β5)
b. Pengaruh total X2 ke Y melalui M:
1) Pengaruh langsung = β4
2) Pengaruh tidak langsung dari X2 ke Y melalui M = β2 x β5
3) Pengaruh total = β4 + (β2 x β5)
Selanjutnya, untuk mengetahui apakah TFR memediasi secara
penuh atau mediasi secara parsial, maka perlu membandingkan antara hasi
uji tahap I dan tahap II serta III. Menurut Baron dan Kenny (1986), sebuah
variabel berfungsi sebagai variabel mediasi penuh apabila memenuhi
kondisi sebagai berikut:
a. Variabel independen mempengaruhi variabel mediasi (Tahap II);
b. Variabel mediasi berpengaruh ke variabel dependen (Tahap III);
c. Tetapi pengaruh variabel independen menjadi tidak berpengaruh
terhadap variabel dependen setelah memasukkan variabel mediasi
(Tahap III).
Namun, ketika pengaruh variabel independen pada variabel
dependen lebih besar dari pengaruh variabel mediasi pada variabel
dependen, maka yang terjadi adalah mediasi secara parsial (Baron dan
Kenny, 1986).
Keterangan: X1 : Alokasi Anggaran KB (APBN) X2 : Alokasi Anggaran KB (APBD) M : TFR Y : LPP LPP = α1 + β1 APBN KB + β2 APBD
TFR = α2 + β3 APBN KB + β4 APBD
LPP = α3 + β5 APBN KB + β6 APBD + + β7 TFR
28
BAB IV
ANALISA DAN PEMBAHASAN
4.1. Deskripsi Data
Penelitian ini bertujuan untuk mengetahui pengaruh alokasi APBN dan APBD terhadap
TFR dan LPP. Populasi dalam penelitian ini adalah alokasi program KP pada APBN dan
APBN tahun 2007, 2010, dan 2012. Sebelum membahas pembuktian hipotesis, secara
deskriptif akan dijelaskan mengenai kondisi masing-masing variable yang digunakan dalam
penelitian ini.
Deskripsi variabel dalam statisktik deskriptif yang digunakan pada penelitian ini
meliputi nilai minimum, maksimum, mean, dan standar deviasi dari satu variabel dependen
yaitu Laju Pertumbuhan Penduduk (LPP) dan dua variabel independen yaitu Alokasi
Anggaran Pemerintah Pusat (APBN) dan Alokasi Anggaran Pemerintah Daerah (APBD).
Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data. Statistik deskriptif
menggambarkan karakter sampel yang digunakan dalam penelitian ini. Distribusi statistik
deskriptif untuk masing-masing variabel terdapat pada tabel 3 berikut ini:
Tabel 5 Deskripsi Variabel Penelitian
Variabel N Minimum Maximum Mean Std. Deviation
APBN 97 1226,22 87.751,83 12.991,57 15.719,29 APBD 97 2.312,24 196.961,67 36.644,45 39.815,78 TFR 97 1.80 4.20 2.7803 0.47497 LPP 97 0.37 5.39 2.0489 1.00985 Valid N (listwise) 97
Sumber: Hasil Output SPSS
Berdasarkan tabel 3 dapat dilihat bahwa selama periode pengamatan, variabel APBN
menunjukkan nilai rata-rata sebesar Rp.12.991.565.600,-, nilai minimum sebesar
Rp.1.226.220.000,-, nilai maksimum sebesar Rp.87.751.830.000,-, dan standar deviasi sebesar
Rp.15.719.288.110,-. Standar deviasi lebih besar dari rata-rata berarti sebaran nilainya baik,
artinya simpangan nilai APBN antara nilai minimum dengan nilai maksimum besar.
29
Nilai alokasi anggaran Program KB (APBN) terkecil sebesar Rp.1.226.215.000,- yaitu
alokasi Program KB (APBN) pada Provinsi Papua Barat Tahun Anggaran 2010, sedangkan
alokasi anggaran Program KB (APBN) terbesar sebesar Rp.87.751.826.000,- yaitu alokasi
Program KB (APBN) pada Provinsi Jawa Tengah Tahun Anggaran 2012.
Variabel APBD menunjukkan nilai rata-rata sebesar Rp.36.644.453.700,- nilai minimum
sebesar Rp2.312.240.000,-, nilai maksimum sebesar Rp.196.961.670.000,-, dan standar
deviasi sebesar Rp.39.815.779.700,-. Standar deviasi lebih besar dari rata-rata berarti sebaran
nilainya baik, artinya simpangan nilai APBD antara nilai minimum dengan nilai maksimum
besar. Nilai alokasi anggaran Program KB (APBD) terkecil sebesar Rp.2.312.240.000,-
yaitu alokasi Program KB (APBN) pada Provinsi Papua Barat Tahun Anggaran 2007,
sedangkan alokasi anggaran Program KB (APBD) terbesar sebesar 196.961.670.000,- yaitu
alokasi Program KB (APBD) pada Provinsi Jawa Timur Tahun Anggaran 2012.
Selanjutnya, untuk nilai TFR dari tiga tahun pengamatan, nilai terkecil adalah sebesar
1,80 yang berasal dari provinsi D.I. yogyakarta pada tahun 2007, dan nilai TFR terbesar
berasal dari provinsi Nusa Tenggara Timur di tahun 2007 yaitu sebesar 4,20. Standar deviasi
yang dimiliki oleh nilai TFR dari tiga tahun pengamatan sebesar 0,47497, artinya sebaran
nilai dari variabel TFR adalah baik (nilai TFR antar tahun dan antar provinsi memiliki selisih
yang kecil). Variabel keempat yaitu variabel LPP, nilai LPP terkecil berasal dari provinsi
Jawa Tengah di tahun 2010 yaitu sebesar 0,37, dan nilai LPP tertinggi dari provinsi Papua di
tahun 2010 yaitu sebesar 5,39. Besarnya standar deviasi dari LPP adalah sebesar 1,00985,
nilai ini cukup rendah yang artinya nilai sebaran LPP pada periode pengamatan memiliki
sebaran yang merata/baik.
4.2. Hasil Penelitian
1. Hasil Uji Prasyarat Analisis
a. Hasil Uji Normalitas
Salah satu uji persyaratan yang harus dipenuhi dalam analisis parametrik yaitu
uji normalitas sampel. Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Hal ini dapat ditegaskan, bahwa suatu penelitian yang melakukan pengujian
30
hipotesis dengan menggunakan uji-t atau uji-F mengasumsikan bahwa nilai
residual mengikuti distribusi normal, bila asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2006: 147). Uji statistik
yang digunakan untuk menguji normalitas residual adalah uji
Kolmogorov-Smirnov (K-S). Hasil uji normalitas dalam penelitian ini dapat
dilihat pada tabel berikut:
Tabel 6 Hasil Uji Normalitas
Residual model
N Kolmogorov-Smirnov Z
Asymp. Sig
(2-tailed) Kesimpulan
97 1,275 0,078 Normal
Sumber: Data diolah (2015)
Dari tabel di atas terlihat bahwa angka signifikansi (Asymp. Sig (2-tailed))
lebih besar dari 0,05 yaitu sebesar 0,078, sehingga dapat disimpulkan bahwa
data sudah berdistribusi normal. Dengan demikian, analisis tahap selanjutnya
pada penelitian ini dapat dilakukan, yaitu uji regresi.
b. Hasil Uji Heteroskedastisitas
Uji heterosedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya.
Jika varians residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Dalam penelitian
ini untuk menguji heteroskedastisitas dengan melihat grafik scatterplot antara
nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya
SRESID. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
31
Gambar 1. Hasil Uji Heteroskedastisitas
Sumber: Data diolah (2015)
Dari grafik scatterplot di atas terlihat semua titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, serta tidak ada pola yang jelas, maka dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas. Dengan demikian, analisis
tahap selanjutnya pada penelitian ini dapat dilakukan, yaitu uji regresi.
c. Hasil Uji Multikolinieritas
Uji multikolinieritas dilakukan dengan tujuan untuk menguji apakah pada model
regresi ditemukan adanya korelasi antar variabel independen. Jika variabel
independen saling berkorelasi maka terjadi masalah multikolinieritas. Uji ini
dilakukan dengan melihat nilai VIF (Variance Inflation Factor) serta dapat dilihat
dari korelasi antar variabel independen dan nilai tolerance. Analisis data dapat
dilanjutkan jika nilai VIF untuk tiap-tiap variabel lebih kecil dari 10, nilai
tolerance variabel independen lebih besar dari 0,10. Uji multikolinieritas dalam
penelitian ini dapat dilihat pada tabel berikut:
32
Tabel 7 Hasil Uji Multikolinieritas
Variabel Tolerance VIF Kesimpulan
APBN 0,644 1,553 Tidak Terjadi
Multikolinieritas
APBD 0,595 1,681 Tidak Terjadi
Multikolinieritas
TFR 0,906 1,103 Tidak Terjadi
Multikolinieritas
Sumber: Data diolah (2015)
Berdasarkan hasil uji multikolinieritas pada tabel di atas menunjukkan bahwa
semua variabel tidak terjadi multikolinieritas. Besarnya VIF tidak ada yang lebih
besar dari 10, serta nilai tolerance tidak ada yang kurang dari 0,10. Dengan
demikian, analisis tahap selanjutnya pada penelitian ini dapat dilakukan, yaitu
pengujian hipotesis dengan analisis regresi.
2. Hasil Analisis Regresi
Pelaporan hasil pengujian hipotesis menunjukkan keberadaan pengaruh yang telah
diduga dalam hipotesis. Tabel 8 di bawah ini menyajikan hasil analisis regresi untuk
pengujian hipotesis 1 sampai 7, dan selanjutnya akan dijelaskan pula pengaruh langsung,
tidak langsung, dan total dari variabel independen pada variabel dependen melalui
variabel mediasi.
33
Tabel 8 Hasil Analisis Regresi dalam Pengujian Hipotesis
Variabel β t p ∆ R2 F
Tahap 1 (X1 dan X2 ke Y) Anggaran Program KB-APBN (X1) -0,164 -1,446 0,152*
0,195 12,617* Anggaran Program KB-APBD (X2) -0,343 -3,017 0,003*
Model: LPP = 2,505 – 0,164 APBN – 0,343 APBD Tahap 2 (X1 dan X2 ke M) Anggaran Program KB-APBN (X1) 0,099 0,814 0,417*
0,074 4,856* Anggaran Program KB-APBD (X2) -0,354 -2,905 -0,005*
Model: TFR = 2,896 – 0,099 APBN – 0,354 APBD Tahap 3 (X1, X2, M ke Y) Anggaran Program KB-APBN (X1) -0,180 -1,587 0,116*
0,208 9,415* Anggaran Program KB-APBD (X2) -0,289 -2,452 0,016*
Total Fertility Rate (M) 0,153 1,608 0,111*
Model: LPP = 1,587–0,180 APBN–0,289 APBD+0,153 TFR
Tahap 4 (M ke Y)
Total Fertility Rate (M) 0,259 2,609 0,011* 0,057 6,808* Model: TFR = 0,520 + 0,259 TFR
Sumber: Data primer yang diolah (2014) *) signifikan pada α ≤ 0,05
Keterangan: X1 : Anggaran Program KB-APBN X2 : Anggaran Program KB-APBD M : Total Fertility Rate Y : Laju Pertumbuhan Penduduk
Tabel 8 menunjukkan nilai adjusted R2 tahap 1 bernilai 0,195. Hasil tersebut
menunjukkan bahwa variabel Anggaran Program KB-APBN dan APBD dapat
menjelaskan varians Laju Pertumbuhan Penduduk sebesar 19,5 %, sedangkan 80,5 %
Laju Pertumbuhan Penduduk dipengaruhi oleh variabel lain di luar model penelitian.
Hasil uji F menyatakan bahwa model didukung dengan signifikan pada p < 0,05. Tahap 2
34
menunjukkan nilai adjusted R2 sebesar 0,074, yang artinya bahwa variabel Anggaran
Program KB-APBN dan APBD hanya dapat menjelaskan varians Laju Pertumbuhan
Penduduk sebesar 7,4 %, sedangkan 92,6 % Laju Pertumbuhan Penduduk dipengaruhi
variabel lain di luar model penelitian. Hasil uji F menyatakan bahwa model didukung
dengan signifikan pada p < 0,05.
Lebih lanjut, Tahap 3 menunjukkan nilai adjusted R2 sebesar 0,208, yang artinya
bahwa variabel Anggaran Program KB-APBN, APBD, dan TFR dapat menjelaskan
varians Laju Pertumbuhan Penduduk sebesar 20,8 %, sedangkan 79,2 % Laju
Pertumbuhan Penduduk dipengaruhi variabel lain di luar model penelitian. Hasil uji F
menyatakan bahwa model didukung dengan signifikan pada p < 0,05. Tahap 4
menunjukkan nilai adjusted R2 sebesar 0,057, yang artinya bahwa variabel TFR hanya
dapat menjelaskan varians Laju Pertumbuhan Penduduk sebesar 5,7 %, sedangkan 94,3 %
Laju Pertumbuhan Penduduk dipengaruhi variabel lain di luar model penelitian. Hasil uji
F menyatakan bahwa model didukung dengan signifikan pada p < 0,05.
Hasil analisis regresi untuk menguji hipotesis 1 sampai dengan 7 dilaporkan
sebagai berikut. Pertama, analisis regresi untuk menguji hipotesis 1 dan 2 berdasarkan
pengujian tahap 1. Hasil regresi menunjukkan bahwa Anggaran Program KB-APBN
berpengaruh negatif tetapi tidak signifikan pada Laju Pertumbuhan Penduduk (β = -0,164;
t = -1,446; p > 0,05). Hasil tersebut menunjukkan bahwa hipotesis 1 tidak dukung, hal ini
berarti naiknya anggaran program KB (APBN) tidak secara langsung menurunkan angka
laju pertumbuhan penduduk di Indonesia. Selanjutnya, hipotesis 2 menunjukkan bahwa
Anggaran Program KB-APBD berpengaruh negatif dan signifikan pada Laju
Pertumbuhan Penduduk (β = -0,343; t = -3,017; p < 0,05). Hasil ini menggambarkan
bahwa hipotesis 2 didukung yang artinya bahwa ketika anggaran program KB yang
berasal dari APBD dinaikkan, maka akan membantu kelancaran program KB pemerintah
yang bertujuan menekan laju pertumbuhan penduduk di Indonesia.
Hasil analisis regresi tahap 2 untuk menguji hipotesis 3 dan 4. Hasil regresi
menunjukkan bahwa Anggaran Program KB-APBN berpengaruh positif tetapi tidak
signifikan pada TFR (β = 0,099; t = 0,814; p > 0,05). Hasil tersebut menunjukkan bahwa
hipotesis 3 tidak dukung, artinya bahwa ketika pemerintah meningkatkan anggaran
35
program KB yang berasal dari APBN justru akan meningkatkan angka TFR, padahal
harapan pemerintah meningkatkan anggaran program KB adalah untuk menekan angka
TFR sesuai target yang telah ditentukan. Namun, hasil tersebut tidak signifikan, hal ini
diduga karena angka TFR akan turun tidak semata-mata hanya dipengaruhi oleh anggaran
program KB-APBN pada satu atau dua tahun saja tetapi dipengaruhi oleh anggaran
program KB-APBN yang berkesinambungan dari tahun ke tahun. Selanjutnya, hipotesis 4
menunjukkan bahwa Anggaran Program KB-APBD berpengaruh negatif dan signifikan
pada TFR (β = -0,354; t = -2,905; p < 0,05). Hasil ini menggambarkan bahwa
hipotesis 4 didukung, artinya bahwa ketika anggaran program KB yang berasal dari
APBD dinaikkan, maka akan membantu kelancaran program KB pemerintah untuk
menekan angka TFR di daerah yang akhirnya juga dapat menekan angka TFR nasional.
Hasil analisis regresi untuk menguji hipotesis 5 dapat dilihat dari analisis regresi
pengujian tahap 4. Hasil regresi menunjukkan bahwa TFR berpengaruh positif dan
signifikan pada Laju Pertumbuhan Penduduk (β = 0,259; t = 2,609; p < 0,05). Hasil
tersebut menunjukkan bahwa hipotesis 5 didukung. Hal ini memberikan arti bahwa angka
TFR yang tinggi juga akan menujukkan laju pertumbuhan yang tinggi pula, dan
sebaliknya ketika angka TFR rendah/turun maka laju pertumbuhan penduduk juga akan
rendah/turun. Angka TFR dan laju pertumbuhan penduduk memiliki sifat yang searah, hal
ini dapat kita lihat ketika pemerintah berhasil dengan program KB yang dicanangkan dan
angka TFR dapat dikendalikan maka itu juga berarti bahwa pemerintah berhasil
mengendalikan laju pertumbuhan penduduk sesuai dengan apa yang telah direncanakan.
Lebih lanjut, untuk menjawab hipotesis 6 dan 7 dapat dilihat dari
membandingkan hasil dari keempat tahap analisis regresi yang telah dilakukan (tahap 1
sampai dengan 4). Hasil analisis regresi menujukkan hipotesis 6 tidak didukung.
Pengaruh variabel anggaran program KB-APBN pada LPP adalah negatif tidak signifikan
(penjelasan pada hipotesis 1) dan juga pengaruh variabel anggaran program KB-APBN
pada TFR adalah positif tidak signifikan (penjelasan pada hipotesis 3). Hasil analisis jalur
menunjukkan bahwa anggaran program KB-APBN tidak berpengaruh langsung maupun
tidak langsung pada LPP.
Namun, dari hasil tersebut masih dapat diketahui hasil uji regresi yang melibatkan
36
variabel TFR sebagai variabel mediasi. Tabel 8 menampilkan nilai pengaruh langsung
anggaran program KB-APBN pada LPP sebesar -0,180, besarnya pengaruh tidak
langsung adalah (-0,099) x 0,153 = -0,015, dan pengaruh total sebesar {-0,180+ [(-0,099)
x 0,153]} = -0,195. Dari hasil perhitungan dapat dilihat bahwa nilai pengaruh langsung
maupun tidak langsung, tidak ada yang memenuh kondisi yang disyaratkan oleh Baron
dan Kenny (1986). Dengan demikian dapat disimpulkan bahwa TFR tidak memediasi
pengaruh anggaran program KB-APBN pada LPP baik secara parsial maupun secara
penuh.
Selanjutnya, hasil analisis regresi menujukkan hipotesis 7 didukung. Pengaruh
variabel anggaran program KB-APBD pada LPP maupun TFR adalah negatif dan
signifikan (penjelasan pada hipotesis 2 dan 4). Hasil analisis jalur menunjukkan bahwa
anggaran program KB-APBD berpengaruh langsung maupun tidak langsung pada LPP.
Hipotesis 7 didukung jika TFR memediasi pengaruh anggaran program KB-APBD pada
LPP baik itu secara penuh maupun parsial. Besarnya pengaruh tidak langsung dihitung
dengan mengalikan koefisien tidak langsungnya. Tabel 8 menampilkan nilai pengaruh
langsung anggaran program KB-APBD pada LPP sebesar -0,289, besarnya pengaruh
tidak langsung adalah (-0,354) x 0,153 = -0,054, dan pengaruh total sebesar {-0,289 +
[(-0, 354) x 0,153]} = -0,343. Dari hasil analisis regresi dan perhitungan yang telah
dilakukan, dapat disimpulkan bahwa TFR memediasi pengaruh anggaran program
KB-APBD pada LPP secara parsial. Tabel 9 di bawah ini menyajikan ringkasan pengujian
hipotesis. Tabel 9 Ringkasan Hasil Pengujian Hipotesis
Hipotesis Hubungan antarvariabel Keterangan 1 Anggaran program KB (APBN) berpengaruh
negatif pada angka LPP Tidak Didukung
2 Anggaran program KB (APBD) berpengaruh negatif pada angka LPP
Didukung
3 Anggaran program KB (APBN) berpengaruh negatif pada angka TFR
Tidak Didukung
4 Anggaran program KB (APBD) berpengaruh negatif pada angka TFR
Didukung
5 TFR berpengaruh positif pada angka LPP Didukung 6 TFR memediasi pengaruh anggaran program
KB (APBN) pada LPP Tidak Didukung
7 TFR memediasi pengaruh anggaran program Didukung
37
KB (APBD) pada LPP Sumber: Data primer yang diolah (2015)
Secara ringkas, Tabel 10 menyajikan besarnya hasil pengujian jalur efek langsung,
tidak langsung, dan total pengaruh anggaran program KB-APBN dan anggaran program
KB-APBD pada laju pertumbuhan penduduk melalui total fertility rate yang berperan
sebagai variabel mediasi.
Tabel 10 Ringkasan Hasil Pengujian Jalur Efek
Jalur Efek Koefisien Hasil Pengaruh anggaran program KB-APBN pada LPP melalui TFR Langsung β5 -0,180 Tidak Langsung β3 x β7 (-0,099) x 0,153 = -0,015 Total β5 + (β3 x β7) -0,180 + (-0,099) x 0,153 = -0,195 Pengaruh anggaran program KB-APBD pada LPP melalui TFR Langsung β6 -0,289 Tidak Langsung β4 x β7 (-0,354) x 0,153 = -0,054 Total β6 + (β4 x β7) -0,289 + (-0,354) x 0,153 = -0,343
Sumber: Data primer yang diolah (2015)
38
BAB V SIMPULAN DAN SARAN
Bab V berisi simpulan dari hasil kajian ini dan saran/masukan bagi kajian selanjutnya
untuk menambah literatur tentang peran anggaran dalam menjaga laju tertumbuhan penduduk
Indonesia.
5.1 Simpulan
Berdasarkan hasil pengujian hipotesis yang telah dilakukan, dapat disimpulkan bahwa
dari 2 (dua) variabel independen yang digunakan (Anggaran program KB (APBN) dan
Anggaran program KB (APBD)), hanya variabel Anggaran program KB (APBD) yang
berpengaruh terhadap total fertility rate dan laju pertumbuhan penduduk. Hal ini
dimungkinkan karena peran daerah (kotamadya/kabupaten) sebagai pelaksana regulator
kependudukan dalam melaksanakan kebijakan keluarga berencana berhubungan langsung
dengan pelayanan KB terhadap masyarakat. Selain itu, juga disebabkan oleh tujuan program
KB adalah untuk menjaga tingkat kelahiran yang nantinya diharapkan dapat menjaga laju
pertumbuhan penduduk.
Lebih lanjut, total fertility rate tidak memediasi pengaruh anggaran program KB
(APBN) pada laju pertumbuhan penduduk. Namun, total fertility rate memediasi pengaruh
anggaran program KB (APBD) pada laju pertumbuhan penduduk secara parsial. Artinya,
anggaran program KB (APBD) dapat berpengaruh langsung dan tidak langsung pada laju
pertumbuhan penduduk, namun pengaruh tersebut akan lebih besar ketika melibatkan variabel
total fertility rate sebagai variabel mediator. Dengan demikian, disimpulkan bahwa peran
anggaran dalam menjaga pertumbuhan penduduk Indonesia cukup besar, namun pemerintah
sebaiknya memetakan alokasi anggaran dan target program menjadi lebih terstruktur dan
terfokus agar dapat diketahui dampak langsung dan tidak langsungnya sesuai dengan apa
yang telah direncanakan.
39
5.2 Saran
1. Restrukturisasi Program KB dengan menggunakan alokasi anggaran yang dianggarkan
difokuskan pada pencapaian indikator kinerja program.
2. Perlu adanya keberlanjutan (sustainaibility) komitmen Pemerintah Pusat dan Daerah
(provinsi, kabupaten/kota) program KB melalui APBN dan APBD, penyediaan tenaga
yang terlatih serta sarana prasarana yang memadai guna membangkitkan kembali
program ini.
3. Perlunya “Revitalisasi dalam Pelaksanaan Program KB” agar dapat meminimalisasi
hambatan atau halangan dari segi regulasi terkait dengan adanya otonomi daerah.
4. Perlu adanya kajian lebih lanjut atas permasalahan laju pertambahan penduduk
Indonesia melalui instrumen Total Fertility Rate (TFR) dengan konsep alokasi dana
APBN maupun APBD sebagai salah satu alat pemicu pergerakan Program Keluarga
Berencana.
5. Konsep lanjutan kajian melalui path analisys (analisa jalur) dengan mengurai unsur-unsur
kegiatan berikut alokasi anggarannya dalam Bagian Anggaran BKKBN termasuk DAK
maupun APBD .
6. Kajian lanjutan dimaksud sebagai pendalaman atas seberapa kuat hubungan antara
alokasi anggaran dengan struktur kegiatan yang ada pada Kementerian/Lembaga yang
merupakan inti relevansi penilaian penelaahan.
40
DAFTAR PUSTAKA Adioetomo., dan Samosir. 2013. Dasar-dasar Demografi . Jakarta: Salemba Empat Baron., dan Kenny. 1986. “The Moderator-Mediator Variable Distinction in Social
Psychological Research: Conceptual, Strategic, and Statistical Considerations”. Journal of Personality and Social Psychology.
Cooper, D. R., dan Schindler, P. S. 2011. Business Research Methods. Singapore: The McGraw-Hill Companies, Inc.
Dwi Priyatno. 2008. Mandiri Belajar SPSS. MediaKom : Yogyakarta.
Indriantoro., dan Supomo. 2002. Metodologi Penelitian Bisnis untuk Akuntansi dan Manajemen. Edisi Pertama, BPFE-Yogyakarta, Yogyakarta.
Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Cetakan IV, Semarang: Universitas Diponegoro.
Glowaki, T dan Richmond, A.K. 2007. How Government Policies Influence Declining Fertility Rate in Developed Countries. Middle State Geographer. 40:32-38
Listyorini, Indah Nurul. 2009. “Studi Kausalitas antara Anggaran Program KB Nasional dengan Total Fertility Rate (TFR) di Indonesia Tahun 1992-2008”. Tesis, Universitas Gadjah Mada, Indonesia.
Prawiro, Ruslan H. 1983. Kependudukan , Teori, Fakta dan Masalah. Bandung: Alumni.
Purbayu Budi Santoso., dan Ashari. 2005. Analisis Statistik dengan Microsoft Excel dan SPSS,Yogyakarta: Andi.
Saladi, Riningsih. 1990. Pengantar Kependudukan. Yogyakarta: UGM Press.
Spiegel, Murray R. 1972. Statistics. New York: McGraw-Hill Book Company
Sugiyono. 2005. Metode Penelitian Kualitatif. Bandung: Alfabeta.
DIREKTORAT JENDERAL ANGGARAN
KEMENTERIAN KEUANGAN
2015