PENGARUH RATA-RATA LAMA SEKOLAH,

PENGELUARAN RIIL PERKAPITA, PERTUMBUHAN

EKONOMI DAN PENGANGGURAN TERHADAP TINGKAT

KEMISKINAN DI PROVINSI D.I YOGYAKARTA

Skripsi

Diajukan untuk Memenuhi Persyaratan Memperoleh

Gelar Sarjana Ekonomi (S.E.)

Oleh

Ahmad Rafiqi S.

NIM 1113084000065

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1440H / 2020

i

LEMBAR PENGESAHAN PEMBIMBING

ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

iii

LEMBAR PENGESAHAN SKRIPSI

iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan dibawah ini:

Nama : Ahmad Rafiqi S.

NIM : 1113084000065

Fakultas : Ekonomi dan Bisnis

Jurusan : Ekonomi Pembangunan

Dengan ini menyatakan bahwa dalam penelitian ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan

dan mempertanggung jawabkan.

2. Tidak melakukan plagiat terhadap naskah karya orang lain.

3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber

asli atau tanpa izin pemilik karya.

4. Tidak melakukan pemanipulasian dan pemalsuan data.

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas

karya ini.

Jikalau dikemudian hari ada tuntutan dari pihak lain atas karya saya,dan telah

melalui pembuktian yang dapat dipertanggung jawabkan, ternyata memang

ditemukan bukti bahwa saya telah melanggar pernyataan diatas, maka saya siap

untuk dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sebenar-benarnya.

Jakarta, 30 April 2020

Ahmad Rafiqi S.

1113084000065

v

DAFTAR RIWAYAT HIDUP

Identitas Pribadi

Nama Lengkap : Ahmad Rafiqi S.

Tempat, Tanggal Lahir : Sumenep, 22 Mei 1994

Alamat : Dusun Tambiayu RT 012 RW 006 Desa Aendake

Kecamatan Bluto Kabupaten Sumenep, Jawa Timur

Nomor Handphone : 081282837736

E-mail : ahmadrafiqi009@gmail.com

Latar Belakang Keluarga

Nama Ayah : Abd. Sukkur

Tempat, Tanggal Lahir : Sumenep, 03 Maret 1969

Nama Ibu : Khotimah

Tempat, Tanggal Lahir : Sumenep, 01 Agustus 1977

Anak Ke dan Dari : 1 dari 2 bersaudara

Pendidikan Formal

1. MI At-Taufiqiyah Aengbaja Raja Tahun 2001 – 2006

2. MTs At-Taufiqiyah Aengbaja Raja Tahun 2006 – 2009

3. MA At-Taufiqiyah Aengbaja Raja Tahun 2009 – 2012

4. FEB UIN Syarif Hidayatullah Jakarta Tahun 2013 – Sekarang

vi

Seminar dan Workshop

1. Kuliah Umum “Fungsi Pengawasan Keuangan Negara sebagai

Katalisator Tercapainya Tujuan Memajukan Kesejahteraan Umum”,

BPK RI dan HMJ IESP UIN Syarif Hidayatullah Jakarta, 2015

2. Dinas Pariwisata, Pengembangan SDM dan profesionalisme bidang

Pariwisata (sub-sektor UMKM Kuliner Tangerang Selatan)

3. Seminar Antikorupsi Transparency International Indonesia dan HMJ

IESP UIN Syarif Hidayatullah Jakarta, 2015

4. Dialog Jurusan dan Seminar Konsentrasi “Mengenal Lebih Dekat dengan

Jurusan Sendiri”, HMJ IESP UIN Syarif Hidayatullah Jakarta, 2013.

vii

ABSTRACT

The research is aimed to know the influence Average Length of School,

Adjusted Expenditure per Capita, Economic Growth Rate, and Unemployment to

affect Poverty Rate in 5 district at D.I Yogyakarta Province for 2009-2018 period.

The research used secondary data of time series (2009-2018) and cross

section (5 regencies in D.I Yogyakarta Province). Are supported by eviews 8. While

panel data ware used in analyzing with Fixed Effect Model methode.

The results showed that the Average School Duration, Economic Growth

has a negative and significant effect on the Poverty Rate in the Yogyakarta D.I

Province. Real Per capita expenditure has a positive but not significant effect on

the Poverty Rate in the D.I Province of Yogyakarta. Unemployment has a positive

and significant effect on the Poverty Rate in Yogyakarta's D.I Province.

Keywords : Average Length of School, Adjusted Expenditure Per Capita,

Economic Growth, Unemployment, Poverty Rate .

viii

ABSTRAK

Penelitian ini bertujuan untuk mengetahui pengaruh Rata-Rata Panjang

Sekolah, Pengeluaran Disesuaikan per Kapita, Tingkat Pertumbuhan Ekonomi, dan

Pengangguran terhadap Tingkat Kemiskinan di 5 kabupaten di D.I Provinsi

Yogyakarta untuk periode 2009-2018.

Data yang digunakan dalam penelitian ini adalah data sekunder dalam

bentuk time series (2009-2018) dan cross section (5 Kabupaten/Kota di Provinsi

D.I Yogyakarta). Alat analisis yang digunakan adalah panel data dengan bantuan

eviews 8 yang dianalisis dengan metode Fixed effect Model (FEM).

Hasil penelitian ini menunjukkan bahwa Rata-rata Lama Sekolah,

Pertumbuhan Ekonomi berpengaruh negatif dan signifikan terhadap Tingkat

Kemiskinan di Provinsi D.I Yogyakarta. Pengeluaran Riil Perkapita berpengaruh

positif namun tidak signifikan terhadap Tingkat Kemiskinan di Provinsi D.I

Yogyakarta. Pengangguran berpengaruh positif dan signifikan terhadap Tingkat

Kemiskinan di Provinsi D.I Yogyakarta.

Kata kunci: Rata-rata Lama Sekolah, Pengeluaran Riil Perkapita,

Pertumbuhan Ekonomi, Pengangguran, Tingkat Kemiskinan

ix

KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh.

Segala puji dan syukur kita panjatkan kehadirat Allah SWT yang telah

melimpahkan segala rahmat dan karunia-Nya yang telah diberikan kepada penulis

sehingga penulis dapat menyelesaikan skripsi ini sebagai persyaratan untuk

mendapatkan gelar Sarjana Ekonomi dengan judul “Pengaruh Rata-Rata Lama

Sekolah, Pengeluaran Rill Perkapita, Pertumbuhan Ekonomi dan Pengangguran

Terhadap Tingkat Kemiskinan di Provinsi D.I Yogyakarta Tahun 2009-2018”.

Sholawat teriring salam semoga tetap tercurah kepada baginda agung Nabi

Muhammad SAW yang telah membawa ajaran islam dari zaman kegelapan ke

zaman terang benderang seperti sekarang ini. Dan semoga kita di hari akhir nanti

mendapat safaat dari beliau.

Pada kesempatan kali ini penulis ingin mengucapkan rasa terima kasih yang

sebesar-besarnya kepada semua pihak yang telah memberikan bantuan,

pengarahan, bimbingan serta dukungan berupa semangat dan do’a baik secara

langsung dan tidak langsung dalam penyusunan skripsi ini, sehingga skripsi ini

dapat diselesaikan dengan sebaik-baiknya. Adapun pihak-pihak terserbut adalah:

1. Kedua orang tua penulis, Bapak Sukkur dan Ibu Hotim yang selalu

memberikan do’a, dukungan, motivasi serta kasih sayang

sepanjang masa kepada penulis sehingga skripsi ini dapat

terselesaikan.

2. Bapak Prof. Dr. Amilin, S.E, Ak, M.Si selaku Dekan Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta atas

kesempatan berharga yang diberikan kepada penulis untuk

menimba ilmu di bangku perkuliahan Fakultas Ekonomi dan Bisnis

dan mengeyam pendidikan di kampus ini.

3. Bapak Hartana Iswandi Putra, M.Si, selaku Kepala Jurusan

Ekonomi Pembangunan UIN Syarif Hidayatullah Jakarta atas

x

perannya untuk selalu memberikan bimbingan kepada penulis baik

dalam bentuk akademik maupun non-akademik.

4. Ibu Najwa Khairina, S.E., M.A, selaku dosen pembimbing yang

telah memberikan bimbingan, arahan, dan juga meluangkan waktu

serta selalu menerima kehadiran penulis dengan kehangatan dan

keramahan sehingga penulis mampu menyelesaikan penelitian ini.

Terima kasih banyak untuk segalanya. Semoga dengan kebaikan

bapak selama membimbing penulis senantiasa diberikan kesehatan

dan keberkahan oleh Allah SWT.

5. Seluruh jajaran dosen Fakultas Ekonomi dan Bisnis yang telah

memberikan ilmu yang sangat berguna dan berharga bagi penulis

selama perkuliahan serta jajaran karyawan dan staff akademik UIN

Syarif Hidatayullah Jakarta yang telah melayani dan membantu

penulis selama perkuliahan.

6. Untuk istriku tercinta, Eva Nuviyanti, S.Pd.I dan buah hatiku

Muhammad Nadhif Qiandra Rafiqi, yang senantiasa saling

memberikan dorongan semangat dan motivasi selama masa

skripsian.

7. Para Sahabat “Kosan Berkah” (Kober) yaitu Jihad Adhias, S.E,

Dimas Satrio, S.E, Akhadi, Iqbal Hafidz, S.E, Izzudin, S.E,

Zannuar, S.E, Ahmad Rafiqi, Wiweka Surya, Derma, S.E, Risky,

S.E, Ekoju dan Fauzan Karim, S.E. yang telah memberikan

kenangan indah semasa berkuliah. Ditunggu untuk pembuatan

kenangan selanjutnya, kawan.

8. Seluruh rekan-rekan jurusan Ekonomi Pembangunan angkatan

2013 yang tidak bisa penulis sebutkan satu persatu. Tanpa

mengunrangi rasa hormat penulis, terima kasih karena telah

menjadi bagian kehidupan perkuliahan penulis.

9. Seluruh dosen dan staf kepegawaian Fakultas Ekonomi dan Bisnis

Universitas Islam Negeri Jakarta yang tidak bisa penulis sebutkan

satu persatu, namun tentunya tidak mengurangi rasa terimakasih

xi

penulis atas segala bantuan yang diberikan selama penulis

menimba ilmu disini.

10. Serta semua pihak yang tidak bisa disebutkan satu per satu.

Dalam penyusunan skripsi ini, penulis menyadari bahwa masih memilik i

banyak kekurangan dan masih jauh dari kata sempurna. Oleh karena itu segala

bentuk saran, masukan, dan kritik dari pembaca akan diterima oleh penulis guna

memperbaiki dan mengembangkan penelitian ini. Akhir kata, semoga penelitian ini

dapat berguna serta bermanfaat bagi para pembaca yang membutuhkan.

Wassalamu’alaikum Warahmatullahi Wabarakatuh.

Ciputat, Mei 2020

Ahmad Rafiqi S.

xii

DAFTAR ISI

LEMBAR PENGESAHAN PEMBIMBING............................................................... i

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ............................................ ii

LEMBAR PENGESAHAN SKRIPSI ....................................................................... iii

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH..................................... iv

DAFTAR RIWAYAT HIDUP ................................................................................... v

ABSTRACT ............................................................................................................ vii

ABSTRAK ..............................................................................................................viii

KATA PENGANTAR .............................................................................................. ix

DAFTAR ISI ............................................................................................................xii

DAFTAR TABEL ................................................................................................... xv

DAFTAR GAMBAR .............................................................................................. xvii

BAB I PENDAHULUAN.........................................................................................1

A. Latar Belakang ..............................................................................................1

B. Rumusan Masalah..........................................................................................9

C. Tujuan dan Manfaat Penelitian......................................................................9

BAB II TINJAUAN PUSTAKA ............................................................................11

A. Landasan Teori ............................................................................................11

1. Kemiskinan ..............................................................................................11

2. Rata-Rata Lama Sekolah .........................................................................19

3. Pengeluaran Rill Perkapita ......................................................................20

4. Pertumbuhan Ekonomi ............................................................................21

5. Pengangguran ..........................................................................................26

B. Hubungan Antar Variabel ...........................................................................30

1. Hubungan Rata-Rata Lama Sekolah terhadap Tingkat Kemiskinan .......30

2. Hubungan Pengeluaran Rill Perkapita terhadap Tingkat Kemiskinan ....31

3. Hubungan Pertumbuhan Ekonomi terhadap Tingkat Kemiskinan ..........31

4. Hubungan Pengangguran terhadap Tingkat Kemiskinan ........................32

C. Penelitian Terdahulu....................................................................................33

D. Kerangka Berfikir........................................................................................38

xiii

E. Hipotesis ......................................................................................................38

BAB III METODE PENELITIAN ........................................................................40

A. Jenis Penelitian ............................................................................................40

B. Definisi Operasional .....................................................................................40

C. Jenis data dan Sumber data .........................................................................41

D. Metode Analisis Data ...................................................................................41

1. Analisis Data Panel...................................................................................41

2. Estimasi Model Data Panel.......................................................................44

3. Pemilihan Model Data Panel ....................................................................48

E. Uji Asumsi Klasik ........................................................................................50

1. Uji Heteroskedastisitas .............................................................................50

2. Uji Multikolinearitas ................................................................................50

F. Uji Hipotesis.................................................................................................51

1. Koefisien Determinasi (R2) .......................................................................51

2. Uji t-Statistic (Uji Parsial).........................................................................51

3. Uji F (Uji Simultan) ..................................................................................52

BAB IV PEMBAHASAN ......................................................................................53

A. Gambaran Umum Objek Penelitian.............................................................53

1. Letak Geografis Provinsi D.I Yogyakarta ................................................53

2. Pemerintahan ...........................................................................................54

3. Kependudukan .........................................................................................55

4. Sosial ........................................................................................................55

5. Keuangan Daerah ....................................................................................56

B. Analisa Dan Pembahasan.............................................................................57

1. Analisis Deskriptif ....................................................................................57

2. Estimasi Data Panel..................................................................................64

3. Uji Asumsi Klasik.....................................................................................66

4. Pengujian Signifikansi ..............................................................................70

5. Analisis Ekonomi......................................................................................77

BAB V KESIMPULAN DAN SARAN...................................................................83

A. Kesimpulan ..................................................................................................83

xiv

B. Saran ...........................................................................................................84

DAFTAR PUSTAKA ..............................................................................................86

LAMPIRAN-LAMPIRAN ......................................................................................90

xv

DAFTAR TABEL

Tabel 1.1 Jumlah Penduduk Miskin di Indonesia 2009-2018 ................. 2

Tabel 1.2 Persentase Penduduk Miskin di Provinsi-provinsi Pulau

Jawa 2009-2018 ...................................................................... 3

Tabel 1.3 Laju Pertumbuhan Ekonomi D.I Yogyakarta 2009-2018 ....... 6

Tabel 1.4 Tingkat Pengangguran Terbuka D.I Yogyakarta 2009-2018 .. 7

Tabel 2.1 Penelitian Terdahulu ............................................................... 33

Tabel 4.1 Persentase Penduduk Miskin D.I Yogyakarta 2009-2018 ...... 58

Tabel 4.2 Rata-rata Lama Sekolah D.I Yogyakarta 2009-2018 .............. 59

Tabel 4.3 Pengeluaran Riil Perkapita D.I Yogyakarta 2009-2018 ......... 60

Tabel 4.4 Laju Pertumbuhan Ekonomi Kabupaten/Kota D.I

Yogyakarta 2009-2018 ........................................................... 62

Tabel 4.5 Tingkat Pengangguran Kabupaten/Kota D.I Yogyakarta

2009-2018 ............................................................................... 63

Tabel 4.6 Uji Chow ................................................................................. 65

Tabel 4.7 Uji Hausman ........................................................................... 66

Tabel 4.8 Uji Normalitas ......................................................................... 67

Tabel 4.9 Uji Multikolinearitas ............................................................... 68

Tabel 4.10 Uji Heterokedastisitas ............................................................. 69

Tabel 4.11 Uji Autokorelasi ...................................................................... 70

Tabel 4.12 Model Penelitian ..................................................................... 71

xvi

Tabel 4.13 Hasil Uji Persamaan ................................................................ 72

Tabel 4.14 Uji T-statistic .......................................................................... 74

Tabel 4.15 Uji F-statistic .......................................................................... 76

Tabel 4.16 Uji Adjusted R2 ....................................................................... 77

xvii

DAFTAR GAMBAR

Gambar 2.1 Kerangka Berfikir.................................................................. 38

Gambar 4.1 Peta Wilayah Provinsi D.I Yogyakarta................................. 54

1

BAB I

PENDAHULUAN

A. Latar Belakang

Kemiskinan merupakan salah satu persoalan mendasar yang menjadi

pusat perhatian pemerintah di negara manapun. Salah satu aspek penting

untuk mendukung Strategi Penanggulangan Kemiskinan adalah tersedianya

data kemiskinan yang akurat dan tepat sasaran. Data kemiskinan yang baik

dapat digunakan untuk mengevaluasi kebijakan pemerintah terhadap

kemiskinan, membandingkan kemiskinan antar waktu dan daerah, serta

menentukan target penduduk miskin dengan tujuan untuk memperbaik i

kondisi mereka (BPS, 2008).

Istilah kemiskinan muncul ketika seseorang atau sekelompok orang

tidak mampu mencukupi tingkat kemakmuran ekonomi yang dianggap

sebagai kebutuhan minimal dari standar hidup tertentu. Dalam arti proper,

kemiskinan dipahami sebagai keadaan kekurangan uang dan barang untuk

menjamin kelangsungan hidup. Menurut World Bank dalam Jurnal

(Nunung, 2008), salah satu sebab kemiskinan adalah karena kurangnya

pendapatan dan aset (lack of income and assets) untuk memenuhi kebutuhan

dasar seperti makanan, pakaian, perumahan dan tingkat kesehatan dan

pendidikan yang dapat diterima (acceptable). Di samping itu kemiskinan

juga berkaitan dengan keterbatasan lapangan pekerjaan dan biasanya

mereka yang dikategorikan miskin (the poor) tidak memiliki pekerjaan

(pengangguran), serta tingkat pendidikan dan kesehatan mereka pada

umumnya tidak memadai. Mengatasi masalah kemiskinan tidak dapat

dilakukan secara terpisah dari masalah-masalah pengangguran, pendidikan,

kesehatan dan masalah- masalah lain yang secara eksplisit berkaitan erat

dengan masalah kemiskinan. Dengan kata lain, pendekatannya harus

2

dilakukan lintas sektor, lintas pelaku secara terpadu dan terkoordinasi dan

terintegrasi (www.bappenas.go.id).

Kemiskinan merupakan masalah sosial yang bersifat global yang

dihadapi setiap bangsa, tidak ada satupun Negara di dunia ini yang bebas

dari kemiskinan. Kemiskinan merupakan problema kemanusiaan yang

menghambat kesejahteraan dan peradaban. Kemiskinan pada hakikatnya

menunjuk pada situasi kesengsaraan dan ketidakberdayaan yang dialami

seseorang, baik akibat ketidakmampuannya memenuhi kebutuhan hidup,

maupun akibat ketidakmampuan Negara atau masyarakat dalam

memberikan perlindungan sosial kepada warganya. Jumlah Penduduk

Miskin di Indonesia pada periode 2009-2018 mengalami penurunan setiap

tahunnya yakni pada tahun 2009 sebesar 32,53 juta jiwa menjadi 25,67 juta

jiwa penduduk di tahun 2018.

Tabel 1.1

Jumlah Penduduk Miskin di Indonesia (Juta Orang)

(Tahun 2009-2018)

Sumber : Badan Pusat Statistik tahun 2019

Badan Pusat Statistik (BPS) mencatat jumlah penduduk miskin di

Indonesia tahun 2018 mencapai 25,95 juta orang Dari total penduduk miskin

0

5

10

15

20

25

30

35

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Jumlah Penduduk Miskin di Indonesia

Jumlah Penduduk Miskin di Indonesia

3

tersebut, Pulau Jawa masih memiliki jumlah terbanyak dari pulau-pulau

lainnya. Terdapat 13,34 juta orang miskin di Pulau Jawa dengan tingkat

persentase sebesar 8,94 %.

Baik pemerintah pusat maupun daerah telah berupaya dalam

melaksanakan berbagai kebijakan dan program-program penanggulangan

kemiskinan namun masih jauh dari induk permasalahan. Kebijakan dan

program yang dilaksanakan belum menampakkan hasil yang optimal. Masih

terjadi kesenjangan antara rencana dengan pencapaian tujuan karena

kebijakan dan program penanggulangan kemiskinan lebih berorientasi pada

program sektoral. Oleh karena itu diperlukan suatu strategi penanggulangan

kemiskinan yang terpadu, terintegrasi dan sinergis sehingga dapat

menyelesaikan masalah secara tuntas.

Tabel 1.2

Persentase Penduduk Miskin Di Provinsi-Provinsi Pulau Jawa

(Tahun 2009-2018)

Sumber : Badan Pusat Statistik tahun 2019

Dari tabel 1.2 diatas menunjukkan persentase jumlah penduduk

miskin 6 Provinsi yang berada di Pulau Jawa dalam kurun waktu 10 tahun

yakni dari tahun 2009 – 2018 dimana Provinsi yang mempunyai persentase

0

2

4

6

8

10

12

14

16

18

20

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

DKI Jakarta Jawa Barat Jawa Tengah

DI Yogyakarta Jawa Timur Banten

4

tertinggi dari provinsi lainnya yang berada di Pulau Jawa yakni Provinsi D.I

Yogyakarta.

Jumlah Penduduk Miskin di Provinsi D.I Yogyakarta dari tahun

2009 - 2018 mengalami penurunan. Dimana pada tahun 2009 Jumlah

Penduduk

Miskin di DIY 585,78 ribu jiwa naik hingga tahun 2018 menjadi 460,10 ribu

jiwa penduduk miskin di Provinsi D.I Yogyakarta.

Jumlah Penduduk Miskin di D.I Yogyakarta merupakan Jumlah

Penduduk Miskin dari 5 kabupaten/kota di D.I Yogyakarta. Jumlah

Penduduk Miskin di 5 Kabupaten/kota di D.I Yogyakarta masih tidak

merata, dan sebagian besar Jumlah Penduduk Miskin masih cukup tinggi.

Untuk itu perlu dicari faktor-faktor yang dapat mempengaruhi Jumlah

Penduduk Miskin di seluruh kabupaten/kota, sehingga dapat digunakan

sebagai acuan bagi tiap kabupaten/kota dalam usaha mengatasi kemiskinan.

Ada beberapa faktor yang mempengaruhi jumlah penduduk miskin

di suatu wilayah, salah satu faktor yang mempengaruhi jumlah penduduk

miskin adalah kualitas sumber daya manusia melalui pendidikan. Salah satu

indikator dalam melihat baik atau tidaknya tingkat pendidikan di suatu

wilayah/negara dapat dilihat melalui angka rata-rata lama sekolah. Rata-rata

lama sekolah digunakan untuk mengidentifikasi jenjang kelulusan

pendidikan penduduk di suatu wilayah. Rata-rata lama sekolah merupakan

lamanya pendidikan yang telah ditempuh oleh seseorang.

Cara berpikir seseorang dalam menghadapi masalah sangat

dipengaruhi oleh luasnya pengetahuan orang tersebut. Pangkal utama dari

pengetahuan adalah melalui pendidikan. Dengan tingginya pendidikan

maka makin banyak pilihan bagi manusia untuk hidup lebih sejahtera.

Peranan pendidikan dalam pengurangan ketimpangan dan kemiskinan

(Rika, Munawaroh, & Puruwita, 2012). Demikian pula menurut Jeffrey

Sachs di dalam bukunya The End of Poverty salah satu mekanisme dalam

5

penuntasan kemiskinan ialah pengembangan human capital terutama

pendidikan dan kesehatan (Ustama, 2009). Pendidikan dalam penelitian ini

diwakili oleh angka rata-rata lama sekolah.

Di Provinsi D.I Yogyakarta, Rata-rata Lama Sekolah dari tahun

2009 – 2018 selalu mengalami peningkatan yakni tahun 2009 rata-rata

sebesar 8,78 tahun naik menjadi 9,32 tahun di tahun 2018. Tetapi kenaikan

tersebut masih sangat kecil karena hanya berkisar 0,4 tahun. Hal ini

menunjukkan bahwa tidak mudah bagi pemerintah untuk meningkatkan

angka melek huruf dan rata-rata lama sekolah di Indonesia khususnya

Pemerintah Provinsi D.I Yogyakarta.

Faktor selanjutnya yang dapat mempengaruhi jumlah penduduk

miskin di suatu wilayah/negara yaitu pengeluaran riil perkapita, dimana

dapat menggambarkan tingkat kesejahteraan masyarakat di suatu wilayah.

Besar kecilnya jumlah penduduk miskin sangat dipengaruhi oleh garis

kemiskinan, karena penduduk miskin adalah penduduk yang memiliki rata-

rata pengeluaran per kapita per bulan dibawah garis kemiskinan. Di Provinsi

D.I Yogyakarta sendiri dari tahun 2009 – 2018 Pengeluaran Riil

Perkapitanya tiap tahunnya mengalami peningkatan yaitu dari Rp 11.294

sampai Rp 13.946. kemiskinan dipandang sebagai ketidakmampuan dari sisi

ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan

yang diukur dari sisi pengeluaran. Jadi Penduduk Miskin adalah penduduk

yang memiliki rata-rata pengeluaran perkapita perbulan dibawah garis

kemiskinan.

Adapun faktor lainnya yaitu Pertumbuhan Ekonomi, Pertumbuhan

ekonomi merupakan kunci dari penurunan kemiskinan di suatu wilayah.

Jumlah penduduk dalam pembangunan ekonomi suatu daerah merupakan

permasalahan mendasar, Karena pertumbuhan penduduk yang tidak

terkendali dapat mengakibatkan tidak tercapainya tujuan pembangunan

ekonomi yaitu kesejahteraan rakyat serta menekan angka kemiskinan.

6

Adapun dengan meningkatkan laju pertumbuhan ekonomi setinggi-

tingginya sehingga dapat melampaui tingkat pertumbuhan penduduk.

Dengan cara tersebut, angka pendapatan per kapita akan meningkat

sehingga secara otomatis terjadi pula peningkatan kemakmuran masyarakat

dan pada akhirnya akan mengurangi jumlah penduduk miskin. Akibatnya,

sasaran utama dalam pembangunan ekonomi lebih ditekankan pada usaha-

usaha pencapaian tingkat pertumbuhan ekonomi yang tinggi. Dengan

pertumbuhan ekonomi yang meningkat di masing-masing provinsi

mengindikasikan bahwa pemerintah mampu meningkatkan kesejahteraan

masyarakatnya, sehingga dapat mengurangi tingkat kemiskinan. Dengan ini

pentingnya mempercepat pertumbuhan ekonomi untuk menurunkan tingkat

kemiskinan.

Tabel 1.3

Laju Pertumbuhan Ekonomi Atas Dasar Harga Konstan 2010

D.I Yogyakarta tahun 2009-2018

Sumber : BPS D.I Yogyakarta tahun 2019

Tabel 1.4 menunjukkan pertumbuhan ekonomi di D.I Yogyakarta

dari tahun 2009 hingga tahun 2018 selalu mengalami peningkatan,

meskipun pada tahun 2015 mengalami penurunan yakni dari 4,95 persen

0

1

2

3

4

5

6

7

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Laju Pertumbuhan Ekonomi Provinsi D.I Yogyakarta

Laju Pertumbuhan Ekonomi Provinsi DI Yogyakarta

7

dari 5,17 persen di tahun 2014. Ditahun – tahun berikutnya laju

pertumbuhan ekonomi D.I Yogyakarta mengalami kenaikan yakni pada

tahun 2018 mencapai 6,20 persen. Hal ini disebabkan oleh sektor yang

dominan yakni industri pengolahan, masih menjadi tumpuan dalam

mendorong pertumbuhan tersebut. Dan secara bergantian pertumbuhan

tersebut turut pula disetorkan dari sektor akomodasi makan minum dan

lapangan usaha konstruksi seiring dengan digenjotnya pembangunan NYIA

(New Yogyakarta International Airport) serta infrastruktur lainnya.

Faktor lain yang juga berpengaruh terhadap tingkat kemiskinan

adalah pengangguran. Salah satu unsur yang menentukan kemakmuran

suatu masyarakat adalah tingkat pendapatan. Pendapatan masyarakat

mencapai maksimum apabila kondisi tingkat penggunaan tenaga kerja

penuh (full employment) dapat terwujud.

Menurut Sadono Sukirno (2000), Pengangguran akan menimbulkan

efek mengurangi pendapatan masyarakat, dan itu akan mengurangi tingkat

kemakmuran yang telah tercapai. Semakin turunnya tingkat kemakmuran

akan menimbulkan masalah lain yaitu kemiskinan.

Tabel 1.4

Tingkat Pengangguran di D.I Yogyakarta (Persen) (2009-2018)

0

1

2

3

4

5

6

7

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Tingkat Pengangguran Terbuka Provinsi D.I Yogyakarta

Tingkat Pengangguran Terbuka Provinsi DI Yogyakarta

8

Sumber : BPS D.I Yogyakarta tahun 2019

Tabel 1.5 menunjukkan Tingkat Pengangguran di D.I Yogyakarta

yang tidak stabil, mengalami beberapa kali fase naik turun. Di tahun 2009

Tingkat Pengangguran sebesar 6,00 persen dan mengalami penurunan yang

signifikan setiap tahunnya hingga tahun 2015 naik menjadi 4,07 persen dan

hingga tahun 2018 menjadi 3,35 persen tingkat pengangguran terbuka di

Provinsi D.I Yogyakarta.

Tingkat pertumbuhan angkatan kerja yang cepat dan pertumbuhan

lapangan kerja yang relatif lambat menyebabkan masalah pengangguran

yang ada di suatu daerah menjadi semakin serius. Besarnya tingkat

pengangguran merupakan cerminan kurang berhasilnya pembangunan di

suatu negara. Pengangguran dapat mempengaruhi kemiskinan dengan

berbagai cara (Tambunan, 2001).

Sementara itu, walaupun keempat variabel, Rata-rata Lama Sekolah,

Pengeluaran Riil Perkapita, Pertumbuhan Ekonomi dan Tingkat

Pengangguran dalam penelitian ini menunjukkan tren positif setiap

tahunnya yaitu mengalami peningkatan dan penurunan namun hal tersebut

tidak bisa menjadikan Provinsi D.I Yogyakarta menurunkan tingkat

kemiskinan yang ada di wilayahnya dan masih terbesar di antara provinsi-

provinsi yang ada di Pulau Jawa meskipun Pulau Jawa merupakan pusat

perputaran ekonomi Indonesia selama periode 2009 – 2018.

Berdasarkan uraian di atas, maka penulis ingin mengetahui lebih

lanjut tentang Pengaruh Rata- rata Lama Sekolah, Pengeluaran Rill

Perkapita, Pertumbuhan Ekonomi dan Pengangguran Terhadap Jumlah

Penduduk Miskin di Provinsi D.I Yogyakarta, sehingga penelitian ini diberi

judul : Pengaruh Rata-Rata Lama Sekolah, Pengeluaran Rill Perkapita,

Pertumbuhan Ekonomi dan Pengangguran Terhadap Tingkat

Kemiskinan di Provinsi D.I Yogyakarta.

9

B. Rumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan diatas, maka

penelitian ini akan membahas mengenai Pengaruh Rata-Rata Lama Sekolah,

Pengeluaran Rill Perkapita, Pertumbuhan Ekonomi dan Pengangguran

Terhadap Tingkat Kemiskinan di Provinsi D.I Yogyakarta Tahun 2009-

2018. Sehingga dapat dirumuskan permasalahan penelitian adalah sebagai

berikut:

1. Bagaimana pengaruh Rata-Rata Lama Sekolah terhadap Tingkat

Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta pada periode

2009-2018?

2. Bagaimana pengaruh Pengeluaran riil per kapita terhadap Tingkat

Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta pada periode

2009-2018?

3. Bagaimana pengaruh Pertumbuhan ekonomi terhadap Tingkat

Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta pada periode

2009-2018?

4. Bagaimana pengaruh Pengangguran terhadap Tingkat Kemiskinan

di 5 Kabupaten/Kota di D.I Yogyakarta pada periode 2009-2018?

C. Tujuan dan Manfaat Penelitian

1. Tujuan Penelitian

Tujuan dari penelitian ini adalah:

1) Untuk mengetahui pengaruh Rata-Rata Lama Sekolah terhadap

Tingkat Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta.

2) Untuk mengetahui pengaruh Pengeluaran Rill Perkapita terhadap

Tingkat Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta.

3) Untuk mengetahui pengaruh Pertumbuhan Ekonomi terhadap

Tingkat Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta.

4) Untuk mengetahui pengaruh Pengangguran terhadap Tingkat

Kemiskinan di 5 Kabupaten/Kota di D.I Yogyakarta.

10

2. Manfaat Penelitian

Berdasarkan penjelasan tujuan penelitian yang sudah dijelaskan,

maka manfaat dari hasil penelitian ini, yaitu:

1) Pengambil Kebijakan

Penelitian ini diharapkan mampu memberikan informas i

yang bermanfaat mengenai faktor-faktor apa saja yang

mempengaruhi tingkat kemiskinan di Provinsi D.I Yogyakarta

sehingga kedepannya dapat diketahui faktor-faktor apa saja yang

harus dipacu atau dibenahi dalam upaya mengatasi permasalahan

kemiskinan di Provinsi D.I Yogyakarta.

2) Ilmu Pengetahuan

Penelitian ini umumnya diharapkan mampu menambah

bahan referensi bagi peneliti lain yang tertarik dengan persoalan

kemiskinan dan faktor-faktor yang mempengaruhinya, serta

khususnya dapat menambah wawasan dan pengetahuan penelit i

sendiri mengenai persoalan kemiskinan di Provinsi D.I Yogyakarta.

11

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Kemiskinan

Ada banyak definisi dan konsep tentang kemiskinan.

Kemiskinan merupakan masalah yang bersifat multidimensi sehingga

dapat ditinjau dari berbagai sudut pandang. Secara umum, kemiskinan

adalah ketidakmampuan seseorang untuk memenuhi kebutuhan dasar

standar atas setiap aspek kehidupan.

Badan Perencanaan Pembangunan Nasional (Bappenas)

mendefinisikan kemiskinan sebagai kondisi dimana seseorang atau

sekelompok orang tidak mampu memenuhi hak-hak dasarnya untuk

mempertahankan dan mengembangkan kehidupan yang bermartabat.

Hak-hak dasar antara lain: (1) terpenuhinya kebutuhan pangan; (2)

kesehatan, pendidikan, pekerjaan, perumahan, air bersih, pertanahan,

sumberdaya alam dan lingkungan; (3) rasa aman dari perlakuan atau

ancaman tindak kekerasan; (4) hak untuk berpartisipasi dalam

kehidupan sosial-politik.

Kemiskinan menurut Kantor Menteri Negara Kependudukan/

BKKBN adalah suatu keadaan dimana seseorang tidak sanggup

memelihara dirinya sendiri dengan taraf kehidupan yang dimiliki dan

juga tidak mampu memanfaatkan tenaga, mental maupun fisiknya

untuk memenuhi kebutuhannya.

a) Penyebab Kemiskinan

Ditinjau dari sumber penyebabnya, kemiskinan dapat dibagi

menjadi kemiskinan kultural dan kemiskinan struktural.

Kemiskinan kultural adalah kemiskinan yang mengacu pada sikap

12

seseorang atau masyarakat yang disebabkan oleh gaya hidup,

kebiasaan hidup dan budayanya. Kemiskinan kultural biasanya

dicirikan oleh sikap individu atau kelompok masyarakat yang

merasa tidak miskin meskipun jika diukur berdasarkan garis

kemiskinan termasuk kelompok miskin. Sedangkan kemiskinan

struktural adalah kemiskinan yang disebabkan oleh struktur

masyarakat yang timpang, baik karena perbedaan kepemilikan,

kemampuan, pendapatan dan kesempatan kerja yang tidak

seimbang maupun karena distribusi pembangunan dan hasilnya

yang tidak merata. Kemiskinan struktural biasanya dicirikan oleh

struktur masyarakat yang timpang terutama dilihat dari ukuran-

ukuran ekonomi.

Kemiskinan memang merupakan masalah multidimensi yang

mencakup berbagai aspek kehidupan. Kondisi kemiskinan

setidaknya disebabkan oleh faktor-faktor sebagai berikut: Pertama,

rendahnya taraf pendidikan dan kesehatan berdampak pada

keterbatasan dalam pengembangan diri dan mobilitas. Hal ini

berpengaruh terhadap daya kompetisi dalam merebut atau

memasuki dunia kerja. Kedua, rendahnya derajat kesehatan dan

gizi berdampak pada rendahnya daya tahan fisik, daya pikir dan

selanjutnya akan mengurangi inisiatif. Ketiga, terbatasnya

lapangan pekerjaan semakin memperburuk kemiskinan. Dengan

bekerja setidaknya membuka kesempatan untuk mengubah

nasibnya. Keempat, kondisi terisolasi (terpencil) mengakibatkan

pelayanan publik seperti pendidikan, kesehatan, dan lain-lain tidak

dapat menjangkaunya. Kelima, ketidak stabilan politik berdampak

pada ketidak berhasilan kebijakan pro-poor. Berbagai kebijakan

dan program-program penanggulangan kemiskinan akan

mengalami kesulitan dalam implementasi jika tidak didukung oleh

kondisi politik yang stabil.

13

Sharp, et al dalam (Mudrajad Kuncoro, 2006) mencoba

mengidentifikasikan penyebab kemiskinan dipandang dari sisi

ekonomi. Pertama, secara mikro kemiskinan muncul karena

adanya ketidaksamaan pada kepemilikan sumberdaya yang

menyebabkan distribusi pendapatan yang timpang. Penduduk

miskin hanya memiliki sumberdaya dalam jumlah terbatas dan

kualitasnya rendah. Kedua, kemiskinan muncul akibat perbedaan

dalam kualitas sumberdaya manusia. Kualitas sumberdaya

manusia rendah berarti produktivitasnya rendah, yang pada

gilirannya upahnya rendah. Rendahnya kualitas sumberdaya

manusia ini karena rendahnya pendidikan, nasib kurang beruntung,

adanya diskriminasi atau karena keturunan. Ketiga, kemiskinan

muncul akibat perbedaan akses dalam modal.

b) Teori Kemiskinan

Teori-teori yang digunakan antara lain adalah : Menurut

Thorbecke dalam (Tambunan, 2001) kemiskinan dapat lebih cepat

tumbuh di perkotaan dibandingkan dengan perdesaan karena,

pertama, krisis cenderung memberi pengaruh terburuk kepada

beberapa sektor ekonomi utama di wilayah perkotaan, seperti

konstruksi, perdagangan dan perbankan yang membawa dampak

negatif terhadap pengangguran di perkotaan; kedua, penduduk

pedesaan dapat memenuhi tingkat subsistensi dari produksi mereka

sendiri. Hasil studi atas 100 desa yang dilakukan oleh SMERU

Research Institute memperlihatkan bahwa pertumbuhan belum

tentu dapat menanggulangi kemiskinan, namun perlu pertumbuhan

yang keberlanjutan dan distribusi yang lebih merata serta

kemudahan akses bagi rakyat miskin.

Menurut Nurkse dalam Jurnal (Togar Saragih, 2006) ada dua

lingkaran perangkap kemiskinan yaitu :

14

1. Dari segi penawaran (supply): tingkat pendapatan

masyarakat yang rendah diakibatkan oleh tingkat

produktivitas yang rendah menyebabkan kemampuan

menabung masyarakat rendah. Kemampuan untuk menabung

yang rendah menyebabkan tingkat pembentukan modal

(investasi), yang kemudian akan menyebabkan kekurangan

modal dan demikian tingkat produktifitasnya rendah.

2. Dari segi permintaan (demand): di Negara-negara yang

miskin perangsang untuk menanamkan modal sangat rendah,

karena luas pasar untuk berbagai jenis barang terbatas, hal ini

disebabkan oleh pendapatan masyarakat sangat rendah

tersebut dikarenakan tingkat produkti vitas yang rendah

sebagai wujud dari tingkat pembentukan modal yang terbatas

dimasa lalu, disebabkan kekurangan perangsang untuk

menanam modal dan seterusnya.

c) Ukuran Kemiskinan

Kemiskinan adalah konsep yang relatif, bagaimana cara kita

mengukurnya secara objektif dan bagaimana cara kita memastikan

bahwa ukuran kita dapat diterapkan dengan tingkat relevasi yang

sama dari waktu ke waktu.

Untuk mengukur kemiskinan ada tiga indikator yang sering

digunakan di dalam banyak studi empiris. Pertama, the incidence

of poverty : persentase dari populasi yang hidup di dalam keluarga

dengan pengeluaran konsumsi per kapita di bawah garis

kemiskinan. Kedua, the depth of poverty yang menggambarkan

dalamnya kemiskinan di suatu wilayah yang diukur dengan indeks

jarak kemiskinan (IJK), atau dikenal dengan sebutan poverty gap

index. Ketiga, the severity of poverty yang diukur dengan indeks

keparahan kemiskinan (IKK). Secara umum ada dua macam

15

ukuran kemiskinan yang biasa digunakan yaitu kemiskinan absolut

dan kemiskinan relative.

1. Kemiskinan Absolut

Pada dasarnya konsep kemiskinan dikaitkan dengan

perkiraan tingkat pendapatan dan kebutuhan. Perkiraan

kebutuhan hanya dibatasi pada kebutuhan pokok atau

kebutuhan dasar minimum yang memungkinkan seseorang

untuk hidup secara layak. Bila pendapatan tidak dapat

mencapai kebutuhan minimum, maka orang dapat dikatakan

miskin. Dengan demikian kemiskinan diukur dengan

memperbandingkan tingkat pendapatan orang dengan tingkat

pendapatan yang dibutuhkan untuk memperoleh kebutuhan

dasarnya. Tingkat pendapatan minimum merupakan

pembatas antara keadaan miskin dengan tidak miskin atau

sering disebut sebagai garis batas kemiskinan (Todaro,1997

dalam Lincolin Arsyad 2004).

Kemiskinan secara absolut ditentukan berdasarkan

ketidakmampuan untuk mencukupi kebutuhan pokok

minimum seperti pangan, sandang, kesehatan, perumahan

dan pendidikan yang diperlukan untuk bisa hidup dan

bekerja. Kebutuhan pokok minimum diterjemahkan sebagai

ukuran finansial dalam bentuk uang. Nilai kebutuhan

minimum kebutuhan dasar tersebut dikenal dengan istilah

garis kemiskinan. Penduduk yang pendapatannya di bawah

garis kemiskinan digolongkan sebagai penduduk miskin.

2. Kemiskinan Relatif

Kemiskinan relatif merupakan kondisi miskin karena

pengaruh kebijakan pembangunan yang belum mampu

menjangkau seluruh lapisan masyarakat sehingga

16

menyebabkan ketimpangan distribusi pendapatan. Standar

minimum disusun berdasarkan kondisi hidup suatu negara

pada waktu tertentu dan perhatian terfokus pada golongan

penduduk “termiskin”, misalnya 20 persen atau 40 persen

lapisan terendah dari total penduduk yang telah diurutkan

menurut pendapatan/pengeluaran. Kelompok ini merupakan

penduduk relatif miskin. Dengan demikian, ukuran

kemiskinan relatif sangat tergantung pada distribus i

pendapatan/pengeluaran penduduk.

Ukuran kemiskinan juga bisa dihitung melalui

pendekatan pendapatan. Pendekatan pendapatan untuk

mengukur kemiskinan ini mengasumsikan bahwa seseorang

dan rumah tangga dikatakan miskin jika pendapatan atau

konsumsi minimumnya berada di bawah garis kemiskinan.

Ukuran-ukuran kemiskinan ini dihitung menurut Coudouel

dalam artikel (Putrakunto, 2009) adalah:

1) Head Count Index

Head Count Index ini menghitung persentase

orang yang ada di bawah garis kemiskinan dalam

kelompok masyarakat tertentu.

2) Sen Poverty Index

Sen Poverty Index memasukkan dua faktor yaitu

koefisien Gini dan rasio H. Koefisien Gini mengukur

ketimpangan antara orang miskin. Apabila salah satu

faktor-faktor tersebut naik, tingkat kemiskinan

bertambah besar diukur dengan S.

3) Poverty Gap Index

Poverty Gap Index mengukur besarnya distribus i

pendapatan orang miskin terhadap garis kemiskinan.

Pembilang pada pendekatan ini menunjukkan jurang

17

kemiskinan (poverty gap), yaitu penjumlahan

(sebanyak individu) dari kekurangan pendapatan orang

miskin dari garis kemiskinan. Sedangkan penyebut

adalah jumlah individu di dalam perekonomian (n)

dikalikan dengan nilai garis kemiskinan. Dengan

ukuran ini, tingkat keparahan kemiskinan mula i

terakomodasi. Ukuran kemiskinan akan turun lebih

cepat bila orang-orang yang dientaskan adalah rumah

tangga yang paling miskin, dibandingkan bila

pengentasan kemiskinan terjadi pada rumah tangga

miskin yang paling tidak miskin.

4) Foster-Greer-Torbecke Index

Seperti Indeks-indeks di atas, indeks FGT ini

sensitif terhadap distribusi jika α>1. Bagian (Z-Yi/Z)

adalah perbedaan antara garis kemiskinan (Z) dan

tingkat pendapatan dari kelompok ke-i keluarga miskin

(Yi) dalam bentuk suatu presentase dari garis

kemiskinan.

d) Kriteria Kemiskinan

Ada berbagai macam kriteria yang digunakan untuk mengukur

tingkat kemiskinan, salah satunya kriteria miskin menurut

Sayogyo. Komponen yang digunakan sebagai dasar untuk ukuran

garis kemiskinan Sayogyo adalah pendapatan keluarga yang

disertakan dengan nilai harga beras yang berlaku pada saat itu dan

rata anggota tiap rumah (lima orang). Berdasarkan kreteria

tersebut, (sayogyo, 1999) membedakan masyarakat ke dalam

beberapa kelompok yaitu :

1) Sangat Miskin

18

Yang termasuk dalam kelompok ini adalah mereka

yang pendapatannya dibawah setara 250 kg beras ekuivalen

setiap orang dalam setahun penduduk yang tinggal di

perkotaan.

2) Miskin

Yang termasuk dalam kelompok ini adalah mereka

yang berpendapatan setara dengan 240 kg beras sampai 320

kg beras selama setahun untuk penduduk yang tingga l

didesa, dan 360 kg beras sampai 480 kg beras pertahun

untuk tinggal di perkotaan.

3) Hampir Cukup

Yang termasuk dalam kelompok ini adalah mereka

yang pendapatannya setara dengan 320 kg beras sampai 480

kg beras dalam setahun untuk penduduk yang tinggal di

pedesaan, dan 720 kg beras pertahun untuk yang tinggal di

perkotaan.

4) Cukup

Yang termasuk dalam kelompok ini adalah mereka

yang pendapatannya setara dengan lebih dari 480 kg beras

setiap orang dalam setahun untuk penduduk yang tinggal di

pedesaan, dan di atas 720 kg beras setiap orang pertahun

untuk yang tinggal di perkotaan.

Sedangkan kriteria penduduk miskin BPS, rumah tangga

dikatakan miskin (BPS, 2008), apabila:

a) Luas lantai hunian kurang dari 8 m² per anggota

rumah tangga.

b) Jenis lantai hunian sebagian besar tanah atau lainnya.

c) Fasilitas air bersih tidak ada.

d) Fasilitas jamban atau WC tidak ada.

e) Kepemilikan aset tidak tersedia.

19

f) Konsumsi lauk-pauk dalam seminggu tidak

bervariasi.

g) Kemampuan membeli pakaian minimal 1 stel dalam

setahun tidak ada.

h) Pendapatan (total pendapatan per bulan kurang dari

atau sama dengan Rp350.000)

2. Rata-Rata Lama Sekolah

Menurut Todaro (2000), menyatakan bahwa pendidikan

merupakan tujuan pembangunan yang mendasar. Yang mana

pendidikan memainkan peranan kunci dalam membentuk kemampuan

sebuah negara dalam menyerap teknologi modern dan untuk

mengembangkan kapasitas agar tercipta pertumbuhan serta

pembangunan yang berkelanjutan.

Rata-rata lama sekolah mengindikasikan makin tingginya

pendidikan formal yang dicapai oleh masyarakat suatu daerah. Semakin

tinggi rata-rata lama sekolah berarti semakin tinggi jenjang pendidikan

yang dijalani. Rata-rata lama sekolah yaitu rata-rata jumlah tahun yang

dihabiskan oleh penduduk usia 25 tahun ke atas di seluruh jenjang

pendidikan formal yang diikuti. Rata-rata lama sekolah dapat

dirumuskan:

Menurut Todaro (2000), tingkat penghasilan ini sangat

dipengaruhi oleh lamanya seseorang memperoleh pendidikan. Rata-rata

lama sekolah merupakan indikator tingkat pendidikan di suatu daerah.

Pendidikan merupakan salah satu bentuk modal manusia (human

capital) yang menunjukkan kualitas Sumber Daya Manusia (SDM).

Untuk dapat memaksimumkan selisih antara keuntungan yang

diharapkan dengan biaya-biaya yang diperkirakan, maka strategi

20

optimal bagi seseorang adalah berusaha menyelesaikan pendidikan

setinggi mungkin. Investasi dalam modal manusia akan terlihat lebih

tinggi manfaatnya apabila kita bandingkan antara total biaya

pendidikan yang dikeluarkan selama menjalani pendidikan terhadap

pendapatan yang nantinya akan diperoleh ketika mereka sudah siap

bekerja. Orang-orang yang berpendidikan tinggi akan memulai kerja

penuh waktunya pada usia yang lebih tua, namun pendapatan mereka

akan cepat naik dari pada orang yang bekerja lebih awal (Todaro, 2000).

3. Pengeluaran Rill Perkapita

Pengeluaran perkapita disesuaikan merupakan pengeluaran

perkapita yang disesuaikan dengan indeks harga konsumen dan

penurunan utilitas marginal. Pengeluaran perkapita disesuaikan

memberikan gambaran tingkat daya beli (PPP) masyarakat, dan sebagai

salah satu komponen yang digunakan dalam melihat status

pembangunan manusia di suatu wilayah. PPP (Purchasing Power

Parity) memungkinkan dilakukan perbandingan harga-harga riil antar

provinsi dan antar kabupaten/kota mengingat nilai tukar yang biasa

digunakan dapat menurunkan atau menaikkan nilai daya beli yang

terukur dari konsumsi perkapita yang telah disesuaikan.

UNDP mengukur standar hidup layak menggunakan Produk

Domestik Bruto riil yang disesuaikan, sedangkan BPS dalam

menghitung standar hidup layak menggunakan rata-rata pengeluaran

per kapita riil yang disesuaikan dengan indeks harga konsumen dan

penurunan utilitas marginal yang dihitung dengan formula Atkinson.

C (I) = C(i) jika C(i ) < Z

= Z + 2 (C(i) – Z)1/2 jika Z < C(i) < 2Z

= Z + 2(Z)1/2 + 3(C(i) – 2Z)1/3 jika 2Z < C(i) < 3Z

dan seterusnya.

Dimana:

21

C(i) = PPP dari nilai riil pengeluaran per kapita

Z = Batas tingkat pengeluaran yang ditetapkan secara arbiter

sebesar Rp 549.000 per kapita per tahun atau Rp 1500 per

kapita per hari.

Penghitungan paritas daya beli (PPP) dilakukan berdasarkan 27

komoditas kebutuhan pokok, antara lain beras lokal, tepung terigu,

singkong, tuna, teri, daging sapi, ayam, telur, susu kental manis, bayam,

kacang panjang, kacang tanah, tempe, jeruk, pepaya, kelapa, gula, kopi,

garam, merica, mie instan, rokok kretek, listrik, air minum, bensin,

minyak tanah, dan sewa rumah.

4. Pertumbuhan Ekonomi

Pertumbuhan ekonomi adalah salah satu indikator yang

digunakan untuk mengukur prestasi ekonomi suatu negara. Dalam

kegiatan ekonomi sebenarnya, pertumbuhan ekonomi berarti

perkembangan ekonomi fisik. Beberapa perkembangan ekonomi fisik

yang terjadi di suatu negara adalah pertambahan produksi barang dan

jasa, dan perkembangan infrastruktur. Semua hal tersebut biasanya

diukur dari perkembangan pendapatan nasional riil yang dicapai suatu

negara dalam periode tertentu.

Robert Solow (dikutip oleh Todaro dan Smith, 2006),

mengembangkan model pertumbuhan ekonomi yang disebut sebagai

Model Pertumbuhan Solow. Model tersebut berangkat dari fungs i

produksi agregat sebagai berikut:

Y = Kα (AL)1-α

dimana Y adalah pendapatan domestik bruto, K adalah stok modal fisik

dan modal manusia (akumulasi pendidikan dan pelatihan), L adalah

tenaga kerja, dan A merupakan produktivitas tenaga kerja, yang

pertumbuhannya ditentukan secara eksogen. Faktor penting yang

22

mempengaruhi modal fisik adalah investasi. Adapun simbol α

melambangkan elastisitas output terhadap modal (atau persentase

kenaikan GDP yang bersumber dari 1 persen penambahan modal fisik

dan modal manusia).

Menurut Mankiw (2004) suatu negara yang memberikan

perhatian lebih kepada pendidikan terhadap masyarakatnya ceteris

paribus akan menghasilkan pertumbuhan ekonomi yang lebih baik

daripada tidak melakukannya. Dengan kata lain, investasi terhadap

sumberdaya manusia melalui kemajuan pendidikan akan menghasilkan

pendapatan nasional atau pertumbuhan ekonomi yang lebih tinggi.

Apabila investasi tersebut dilaksanakan secara relatif merata, termasuk

terhadap golongan berpendapatan rendah, maka kemiskinan akan

berkurang.

Menurut Todaro dan Smith (2006), ada tiga faktor utama dalam

pertumbuhan ekonomi, yaitu :

1. Akumulasi modal

Termasuk semua investasi baru yang berwujud tanah

(lahan), peralatan fiskal, dan sumber daya manusia (human

resources). Akumulasi modal akan terjadi jika ada sebagian dari

pendapatan sekarang di tabung yang kemudian di investas ikan

kembali dengan tujuan untuk memperbesar output di masa-masa

mendatang. Investasi juga harus disertai dengan investas i

infrastruktur, yakni berupa jalan, listrik, air bersih, fasilitas

sanitasi, fasilitas komunikasi, demi menunjang aktivitas ekonomi

produktif. Investasi dalam pembinaan sumber daya manusia

dapat meningkatkan kualitas modal manusia, sehingga pada

akhirnya akan membawa dampak positif yang sama terhadap

angka produksi, bahkan akan lebih besar lagi mengingat terus

bertambahnya jumlah manusia. Pendidikan formal, program

23

pendidikan dan pelatihan kerja perlu lebih di efektifkan untuk

mencetak tenaga-tenaga terdidik dan sumber daya manusia yang

terampil.

2. Pertumbuhan penduduk dan angkatan kerja.

Pertumbuhan penduduk dan hal-hal yang berhubungan

dengan kenaikan jumlah angka kerja (labor force) secara

tradisional telah dianggap sebagai faktor yang positif dalam

merangsang pertumbuhan ekonomi. Artinya, semakin banyak

angkatan kerja semakin produktif tenaga kerja, sedangkan

semakin banyak penduduk akan meningkatkan potensi pasar

domestiknya.

3. Kemajuan Teknologi.

Kemajuan teknologi disebabkan oleh teknologi caracara

baru dan cara-cara lama yang diperbaiki dalam melakukan

pekerjaan-pekerjaan tradisional. Ada 3 klasifikasi kemajuan

teknologi, yakni :

a) Kemajuan teknologi yang bersifat netral, terjadi jika tingkat

output yang dicapai lebih tinggi pada kuantitas dan

kombinasi-kombinasi input yang sama.

b) Kemajuan teknologi yang bersifat hemat tenaga kerja (labor

saving) atau hemat modal (capital saving), yaitu tingkat

output yang lebih tinggi bisa dicapai dengan jumlah tenaga

kerja atau input modal yang sama.

c) Kemajuan teknologi yang meningkatkan modal, terjadi jika

penggunaan teknologi tersebut memungkinkan kita

memanfaatkan barang modal yang ada secara lebih

produktif.

Produk Domestik Regional Bruto (PDRB) menurut Badan Pusat

Statistik (BPS) didefinisikan sebagai jumlah nilai tambah yang

dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau

merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan

24

oleh seluruh unit ekonomi di suatu wilayah. Untuk lebih jelas dalam

menghitung angka-angka Produk Domestik Regional Bruto ada tiga

pendekatan yang cukup sering digunakan dalam melakukan suatu

penelitian :

1. Menurut Pendekatan Produksi

Dalam pendekatan produksi, Produk Domestik Regional Bruto

adalah menghitung nilai tambah dari barang dan jasa yang

diproduksikan oleh suatu kegiatan ekonomi di daerah tersebut

dikurangi biaya antara masing-masing total produksi bruto tiap

kegiatan subsektor atau sektor dalam jangka waktu tertentu. Nilai

tambah merupakan selisih antara nilai produksi dan nilai biaya

antara yaitu bahan baku/penolong dari luar yang dipakai dalam

proses produksi (Robinson Tarigan, 2005).

2. Menurut Pendekatan Pendapatan

Dalam pendekatan pendapatan, nilai tambah dari setiap kegiatan

ekonomi diperkirakan dengan menjumlahkan semua balas jasa

yang diterima faktor produksi, yaitu upah dan gaji dan surplus

usaha, penyusutan, dan pajak tidak langsung neto pada sektor

pemerintahan dan usaha yang sifatnya tidak mencari untung,

surplus usaha tidak diperhitungkan. Surplus usaha meliputi bunga

yang dibayarkan neto, sewa tanah, dan keuntungan. Metode

pendekatan pendapatan banyak dipakai pada sektor jasa, tetapi

tidak dibayar setara harga pasar, misalnya sektor pemerintahan.

Hal ini disebabkan kurang lengkapnya data dan tidak adanya

metode yang akurat yang dapat dipakai dalam mengukur nilai

produksi dan biaya antara dari berbagai kegiatan jasa, terutama

kegiatan yang tidak mengutip biaya (Robinson Tarigan, 2005).

3. Menurut Pendekatan Pengeluaran

Pendekatan dari segi pengeluaran adalah menjumlahkan nilai

penggunaan akhir dari barang dan jasa yang diproduksi di dalam

25

negeri. Jika dilihat dari segi penggunaan maka total

penyediaan/produksi barang dan jasa itu digunakan untuk

konsumsi rumah tangga, konsumsi lembaga swasta yang tidak

mencari untung, konsumsi pemerintah, pembentukan modal tetap

bruto (investasi), perubahan stok dam ekspor neto.

Cara penyajian Produk Domestik Regional Bruto disusun dalam

dua bentuk, yaitu:

1. Produk Domestik Regional Bruto atas dasar harga konstan

Menurut BPS pengertian Produk Domestik Regional Bruto atas

dasar harga konstan yaitu jumlah nilai produksi atau pengeluaran

atau pendapatan yang dihitung menurut harga tetap. Dengan cara

menilai kembali atau mendefinisikan berdasarkan harga-harga

pada tingkat dasar dengan menggunakan indeks harga konsumen.

Dari perhitungan ini tercermin tingkat kegiatan ekonomi yang

sebenarnya melalui Produk Domestik Regional Bruto riilnya.

2. Produk Domestik Regional Bruto atas dasar harga berlaku

Pengertian Produk Domestik Regional Bruto atas dasar harga

berlaku menurut BPS adalah jumlah nilai tambah bruto yang timbul

dari seluruh sektor perekonomian di suatu wilayah. Yang dimaksud

nilai tambah yaitu merupakan nilai yang ditambahkan kepada

barang dan jasa yang dipakai oleh unit produksi dalam proses

produksi sebagai input antara. Nilai yang ditambahkan ini sama

dengan balas jasa atas ikut sertanya faktor produksi dalam proses

produksi. Produk Domestik Regional Bruto atas dasar harga

konstan digunakan untukmengetahui pertumbuhan ekonomi dari

tahun ke tahun (Sadono Sukirno, 2005), sedangkan menurut BPS

Produk Domestik Regional Bruto atas dasar harga berlaku

digunakan untuk menunjukkan besarnya struktur perekonomian

dan peranan sektor ekonomi.

26

5. Pengangguran

Menurut Sukirno (2004) pengangguran adalah seseorang yang

sudah digolongkan dalam angkatan kerja, yang secara aktif sedang

mencari pekerjaan pada suatu tingkat upah tertentu, tetapi tidak dapat

memperoleh pekerjaan yang diinginkan. Dari tahun ketahun

pengangguran mempunyai kecenderungan untuk meningkat. Hal ini

menjadi tantangan besar bagi pemerintah Indonesia karena indikator

pembangunan yang berhasil salah satunya adalah mampu mengangka t

kemiskinan dan mengurangi pengangguran secara signifikan. Apalagi

di era globalisasi ini persaingan tenaga kerja semakin ketat terutama

karena dibukanya perdagangan bebas yang memudahkan penawaran

tenaga kerja asing yang diyakini lebih berkualitas masuk ke dalam

negeri. Penduduk memiliki dua peranan dalam pembangunan ekonomi;

satu dari segi permintaan dan yang lain dari segi penawaran. Dari segi

permintaan penduduk bertindak sebagai konsumen dan dari segi

penawaran penduduk bertindak sebagai produsen. Oleh karena itu

perkembangan penduduk yang cepat tidaklah selalu merupakan

penghambat bagi jalan pembangunan ekonomi jika penduduk ini

mempunyai kapasitas tinggi untuk menghasilkan dan menyerap hasil

produksi yang dihasilkan. Ini berarti tingkat pertambahan penduduk

yang tinggi disertai dengan tingkat penghasilan yang tinggi pula. Jadi

pertambahan penduduk dengan tingkat penghasilan rendah tidak ada

gunanya bagi pembangunan ekonomi.

Bagi negara-negara berkembang keadaan perkembangan

penduduk yang cepat justru akan menghambat perkembangan ekonomi.

Karena akan selalu ada perlombaan antara tingkat perkembangan

output dengan tingkat perkembangan penduduk, yang akhirnya akan

dimenangkan oleh perkembangan penduduk. Jadi, karena penduduk

juga berfungsi sebagai tenaga kerja, maka paling tidak akan terdapat

kesulitan memperoleh, kesempatan kerja. Jika mereka tidak

27

memperoleh pekerjaan atau menganggur, maka akan justru menekan

standar hidup bangsanya menjadi lebih rendah. Penduduk yang selalu

berkembang menuntut adanya perkembangan ekonomi yang

terusmenerus. Semua ini memerlukan lebih banyak investasi. Bagi

negara berkembang, cepatnya perkembangan penduduk menjadi sebuah

ganjalan dalam perkembangan ekonomi, karena negara-negara ini

memiliki sedikit kapital.

Todaro (2000), menyatakan bahwa pertumbuhan penduduk dan

pertumbuhan angkatan kerja (yang terjadi beberapa tahun kemudian

setelah pertumbuhan penduduk) secara tradisional dianggap sebagai

salah satu faktor yang meningkatkan pertumbuhan ekonomi. Jumlah

angkatan kerja yang lebih besar berarti akan menambah jumlah tenaga

produktif, sedangkan pertumbuhan penduduk yang lebih besar berarti

meningkatkan ukuran pasar domestiknya. Dengan kata lain, semakin

banyak angkatan kerja yang digunakan dalam proses produksi maka

output hasil produksi akan mengalami peningkatan sampai batas

tertentu.

Mankiw (2006), dalam bukunya menyatakan bahwa orang

dewasa yang berumur 16 tahun keatas digolongkan dalam 3 tingkatan,

a. Bekerja, kategori ini mencakup seseorang yang bekerja sebagai

pegawai yang menerima upah, bekerja pada usaha milik sendiri,

atau bekerja sebagai pegawai yang tidak menerima upah pada

usaha keluarga. Kategori ini juga mencakup mereka yang memilik i

pekerjaan namun tidak sedang bekerja karena untuk sementara

waktu absen. Missal karena liburan, sakit, atau cuaca yang buruk.

b. Tidak bekerja, kategori ini mencakup mereka yang tidak bekerja,

memiliki keinginan untuk bekerja, memiliki keinginan bekerja, dan

telah mencoba mencari pekerjaan selama 4 minggu terakhir.

Kategori ini juga mencakup mereka yang sedang menunggu

28

panggilan kerja kembali dari tempat dimana mereka diberhentikan

dari pekerjaannya.

c. Tidak masuk dalam angkatan kerja, kategori ini mencakup mereka

yang tidak termasuk dalam dua kategori awal seperti pelajar, ibu

rumah tangga, atau pensiunan. Pada masa sekarang usaha-usaha

mengurangi pengangguran adalah dengan menggunakan rencana

pembangunan ekonomi yang menyertakan rencana

ketenagakerjaan secara matang. Di samping itu, disertai pula

kesadaran akan ketenagakerjaan yang lebih demokratis

menyangkut hak-hak memilih pekerjaan, lapangan pekerjaan,

lokasi pekerjaan sesuai kemampuan, kemauan tenaga kerja tanpa

diskriminasi.

Pemecahan masalah pengangguran terutama menjadi peran dan

tanggung jawab pemerintah daerah sesuai dengan prinsip desentralisas i.

Dengan adanya otonomi daerah diharapkan pemerintah daerah lebih

serius menangani masalah ketenagakerjaan setempat. Pengangguran

yang terjadi disuatu negara menimbulkan masalah yang kompleks dan

pembangunan yang dilakukan akan terhambat. Pengangguran

berdampak negatif terhadap kehidupan, baik pribadi maupun

masyarakat. Akibat tuntutan hidup meningkat maka gejala sosial yang

terjadi yaitu,

a. Meningkatnnya kriminalitas

b. Lingkungan kumuh

c. Kualitas hidup yang semakin menurun

d. Kesehatan penduduk menurun karena kekurangan gizi dan

lingkungan yang tidak sehat.

e. Kualitas tenaga kerja menurun karena biaya pendidikan mahal

Masalah besar untuk saat ini di negara kita adalah meningkatnya

angka pengangguran pada setiap tahunnya. Dan menyangkut faktor

utama dalam permasalahan tersebut bisa saja beragam, itu artinya tidak

29

hanya satu faktor yang dapat menyebabkan tingkat pengangguran di

Indonesia pada setiap tahunnya meningkat. Dalam mengatas i

permasalahan tersebut diharapkan pemerintah sangat mengharapkan

agar seluruh warga tenaga Indonesia dapat ikut berpartisipasi untuk

mengatasi permasalahan tersebut. Beberapa hal yang dapat

menyebabkan tingkat pengangguran di negara ini semakin meningka t,

yaitu sebagai berikut :

a. Rendahnya Pendidikan

Masalah pertama yang kerap terjadi dalam penerimaan pegawai

yaitu rendahnya pendidikan yang dimiliki oleh sebagian orang.

Jika mereka hanya memiliki tingkat pendidikan yang minim, itu

bisa menjadikan seseorang kesulitan dalam mencari setiap

pekerjaan.

b. Keterampilan Yang Kurang

Mungkin untuk saat ini telah banyak diantaranya mahasiswa atau

lulusan SMA yang memiliki kriteria yang diinginkan oleh para

perusahaan. Akan tetapi hal tersebut tidak akan berguna tanpa

adanya keterampilan yang mereka miliki. Karena perusahaan

bukan hanya mencari kandidat yang memiliki jenjang pendidikan

yang luas, akan tetapi keterampilan yang mereka punya yang pihak

perusahaan inginkan.

c. Lapangan Kerja Yang Kurang

Untuk setiap tahunnya mungkin negara kita ini memiliki sejumlah

lulusan dengan angka yang tidak sedikit. Akan tetapi dengan angka

yang tidak sedikit ini tidak sebanding dengan lapangan pekerjaan

yang tersedia di negara ini.

d. Tidak Ada Kemauan Untuk Berwirausaha

Umumnya sesorang yang baru lulus sekolah/kuliah terpaku dalam

mencari pekerjaan, seolah itu adalah tujuan yang sangat mutlak.

30

Sehingga persaingan mencari pekerjaan lebih besar di bandingkan

membuat suatu usaha.

e. Tingginya Rasa Malas

Dalam masalah ini tingkat kemalasan yang menjadikan mereka

menjadi pengangguran berat, mereka hanya mengandalkan orang

lain tanpa adanya usaha maksimal yang dilakukan.

Menurut Tambunan (2001), pengangguran dapat

mempengaruhi tingkat kemiskinan dengan berbagai cara, antara lain:

a. Jika rumah tangga memiliki batasan likuiditas yang berarti bahwa

konsumsi saat ini sangat dipengaruhi oleh pendapatan ini, maka

bencana pengangguran akan secara langsung mempengaruhi

income poverty rate dengan consumption poverty rate.

b. Jika rumah tangga tidak menghadapi batasan likuiditas yang berarti

bahwa konsumsi saat ini tidak terlalu dipengaruhi oleh pendapatan

saat ini, maka peningkatan pengangguran akan menyebabkan

peningkatan kemiskinan dalam jangka panjang, tetapi tidak terlalu

berpengaruh dalam jangka pendek.

B. Hubungan Antar Variabel

1. Hubungan Rata-Rata Lama Sekolah terhadap Tingkat

Kemiskinan

Menurut Todaro (2000), semakin tinggi tingkat pendidikan

seseorang maka semakin cepat pula peningkatan penghasilan yang

diharapkannya. Dengan meningkatnya penghasilan dapat mengurangi

tingkat kemiskinan di suatu daerah. Seseorang yang mengenyam

pendidikan yang lebih tinggi biasanya memiliki akses yang lebih besar

untuk mendapat pekerjaan dengan bayaran lebih tinggi, dibandingkan

dengan individu dengan tingkat pendidikan lebih rendah. Melalui

pendidikan yang memadai, penduduk miskin akan mendapat

31

kesempatan yang lebih baik untuk keluar dari status miskin di masa

depan.

2. Hubungan Pengeluaran Rill Perkapita terhadap Tingkat

Kemiskinan

Terdapat tiga dimensi dari ukuran kualitas hidup manusia yakni

pertama dimensi kesehatan, kedua dimensi pendidikan dan yang ketiga

adalah standar hidup layak. Dalam cakupan lebih luas standar hidup

layak menggambarkan tingkat kesejahteraan yang dinikmati oleh

penduduk sebagai dampak semakin membaiknya ekonomi.

Kemampuan daya beli masyarakat terhadap sejumlah kebutuhan pokok

yang dilihat dari rata-rata besarnya pengeluaran perkapita sebagai

pendekatan pendapatan yang mewakili capaian pembangunan untuk

hidup layak. Tingkat kesejahteraan dikatakan meningkat jika terjadi

peningkatan konsumsi riil perkapita, yaitu peningkatan nomina l

pengeluaran rumah tangga lebih tinggi dari tingkat inflasi pada periode

yang sama.

3. Hubungan Pertumbuhan Ekonomi terhadap Tingkat Kemiskinan

Menurut Kuznet (Tulus Tambunan, 2001), pertumbuhan dan

kemiskinan mempunyai korelasi yang sangat kuat, karena pada tahap

awal proses pembangunan tingkat kemiskinan cenderung meningka t

dan pada saat mendekati tahap akhir pembangunan jumlah orang miskin

berangsur-angsur berkurang.

Pertumbuhan ekonomi merupakan syarat keharusan (necessary

condition) bagi pengurangan kemiskinan. Adapun syarat kecukupannya

(sufficient condition) ialah bahwa pertumbuhan tersebut efektif dalam

mengurangi kemiskinan. Artinya, pertumbuhan tersebut hendaklah

menyebar di setiap golongan pendapatan, termasuk di golongan

penduduk miskin (growth with equity). Secara langsung, hal ini berarti

pertumbuhan itu perlu dipastikan terjadi di sektor-sektor dimana

32

penduduk miskin bekerja (pertanian atau sektor yang padat karya).

Adapun secara tidak langsung, hal itu berarti diperlukan peran

pemerintah yang cukup efektif meredistribusi manfaat pertumbuhan

yang boleh jadi didapatkan dari sektor modern seperti jasa dan

manufaktur.

4. Hubungan Pengangguran terhadap Tingkat Kemiskinan

Menurut Sukirno (2010), salah satu faktor penting yang

menentukan kemakmuran suatu masyarakat adalah tingkat

pendapatannya. Pendapatan masyarakat mencapai maksimum apabila

tingkat penggunaan tenaga kerja penuh dapat diwujudkan.

Pengangguran mengurangi pendapatan masyarakat, hal ini yang dapat

mengurangi tingkat kemakmuran yang mereka capai.

Ditinjau dari sudut individu, pengangguran menimbulkan

berbagai masalah ekonomi dan sosial kepada yang mengalaminya.

Ketiadaan pendapatan menyebabkan para pengangguran harus

mengurangi pengeluaran konsumsinya. Apabila pengangguran di suatu

negara adalah sangat buruk, kekacauan politik dan sosial selalu berlaku

dan menimbulkan efek yang buruk kepada kesejahteraan masyarakat

dan prospek pembangunan ekonomi dalam jangka panjang. Semakin

turunnya kesejahteraan masyarakat karena menganggur tentunya akan

meningkatkan peluang mereka terjebak dalam kemiskinan karena tidak

memiliki pendapatan.

33

C. Penelitian Terdahulu

Tabel 2.1

Penelitian Terdahulu

No Nama Peneliti

Terdahulu Judul

Variabel Yang

Digunakan

Alat

Analisis Hasil

1. Widiatma

Nugroho (2012)

Analisis

Pengaruh

PDRB,Agrishar

e, Rata-rata

Lama Sekolah

dan Angka

Melek Huruf

terhadap Jumlah

Penduduk

Miskin di

Indonesia.

Variabel

Independent :

PDRB,Agrish

are, Rata-rata

Lama Sekolah

dan Angka

Melek Huruf

Variabel

dependent :

Jumlah

Penduduk

miskin

Data

Panel

Variabel

PDRB,

Agrishar

e, dan

Rata-rata

lama

sekolah

berpenga

ruh

signifika

n

terhadap

jumlah

pendudu

k miskin

di

Indonesi

a

sedangka

n Angka

Melek

Huruf

tidak

berpenga

ruh

signifika

n

terhadap

jumlah

pendudu

34

No Nama Peneliti

Terdahulu Judul

Variabel Yang

Digunakan

Alat

Analisis Hasil

k miskin

di

Indonesi

a.

2 Fatkhul Mufid

Cholili (2014)

Analisis

pengaruh

pengangguran,

PDRB, dan IPM

terhadap jumlah

penduduk

miskin (studi

kasus 33

provinsi di

Indonesia)

Variabel

Independent :

Penganggura n,

PDRB dan IPM

Variabel

dependent :

Jumlah

penduduk

miskin

Analisis

panel

data

Pengang

gguran

memiliki

pengaruh

positif

dan

signifika

n

terhadap

jumlah

pendudu

k miskin

di

Indonesi

a, PDRB

memiliki

pengaruh

positif

namun

tidak

signifika

n

terhadap

jumlah

pendudu

k miskin

di

Indonesi

a, dan

IPM

35

No Nama Peneliti

Terdahulu Judul

Variabel Yang

Digunakan

Alat

Analisis Hasil

mempuy

ai

pengaruh

negatif

dan

signfikan

terhadap

jumlah

pendudu

k miskin

di

Indonesi

a.

3 Rahmawati

Faturrohmin

(2011)

Pengaruh

PDRB,Harapan

hidup, dan

Melek Huruf

terhadap

Tingkat

Kemiskinan

(Studi kasus 35

kabupaten/ko ta

di Jawa Tengah)

Variabel

Independent :

PDRB,Harapan

hidup,Melek

Huruf. Variabel

dependent :

Tingkat

Kemiskinan

Estimasi

regresi

dengan

data

panel.

PDRB

dan

Harapan

hidup

berpenga

ruh

signifika

n

terhadap

tingkat

kemiskin

an di 35

kabupate

n/kota di

Jawa

Tengah

dengan

tingkat

keyakina

n 95

persen,

36

No Nama Peneliti

Terdahulu Judul

Variabel Yang

Digunakan

Alat

Analisis Hasil

sedangka

n Melek

Huruf

tidak

signifika

n

terhadap

tingkat

kemiskin

an di 35

kabupate

n/kota di

Jawa

Tengah.

4 Nurul Fadlillah

(2016)

Analisis

pengaruh

pendapatan

perkapita,tingka

t pengangguran,

IPM dan

pertumbuhan

penduduk

terhadap

kemiskinan di

Jawa Tengah

tahun 2009-

2013

Variabel

Independent:

Pendapatan

perkapita,

tingkat

pengangguran,

IPM dan

pertumbuhan

penduduk

Variabel

Dependent

Kemiskinan

Regresi

Data

panel

IPM

berpenga

ruh

negatif

dan

Signifika

n

terhadap

jumlah

pendudu

k miskin

di Jawa

tengah.

Pertumb

uhan

pendudu

k

berpenga

ruh

positif

37

No Nama Peneliti

Terdahulu Judul

Variabel Yang

Digunakan

Alat

Analisis Hasil

dan tidak

signifika

n di Jawa

Tengah.

5 Merna

Kumalasari

(2011)

Analisis

Pertumbuhan

Ekonomi,

Angka Harapan

Hidup, Angka

Melek Huruf,

Rata-rata Lama

Sekolah,

Pengeluaran

Perkapita dan

Jumlah

Penduduk

terhadap

Tingkat

Kemiskinan di

Jawa Tengah

Variabel

Independent :

Pertumbuhan

Ekonomi,

Angka Harapan

Hidup, Angka

Melek Huruf,

Ratarata Lama

Sekolah,

Pengeluaran

Perkapita dan

Jumlah

Penduduk.

Variabel

Dependent :

Tingkat

Kemiskinan

Data

Panel

Variabel

Angka

Harapan

Hidup,

Pengelua

ran

Perkapita

dan

Jumlah

Pendudu

k

Berpeng

aruh

negatif

dan

signifika

n

terhadap

Tingkat

Kemiski

nan di

Jawa

Tengah.

38

D. Kerangka Berfikir

Berdasarkan latar belakang, perumusan masalah, dan tujuan penelit ian

maka dapat dibuat kerangka konseptual sebagai berikut :

Gambar 2.1

Kerangka Berfikir

E. Hipotesis

Hipotesis adalah jawaban sementara/ kesimpulan yang diambil untuk

menjawab permasalahan yang diajukan dalam suatu penelitian yang

sebenarnya harus diuji secara empiris yang pernah dilakukan berkaitan

dengan penelitian di bidang ini, maka akan diajukan hipotesis sebagai

berikut :

1. H1

:

Diduga ada pengaruh signifikan dari Rata-Rata Lama Sekolah

secara parsial terhadap Tingkat Kemiskinan Kabupaten/Kota di

D.I Yogyakarta Tahun 2009 – 2018.

Rata- Rata Lama Sekolah

(X1)

Pengeluaran Riil

Perkapita (X2)

Pertumbuhan Ekonomi

(X3)

Pengangguran (X4)

Tingkat Kemiskinan (Y)

39

2. H1

:

Diduga ada pengaruh signifikan dari Pengeluaran Rill Perkapita

secara parsial terhadap Tingkat Kemiskinan Kabupaten/Kota di

D.I Yogyakarta Tahun 2009 – 2018.

3. H1

:

Diduga ada pengaruh signifikan dari Pertumbuhan Ekonomi

secara parsial terhadap Tingkat Kemiskinan Kabupaten/Kota di

D.I Yogyakarta Tahun 2009 – 2018.

4. H1

:

Diduga ada pengaruh signifikan dari Pengangguran secara

parsial terhadap Tingkat Kemiskinan Kabupaten/Kota di D.I

Yogyakarta Tahun 2009 – 2018.

40

BAB III

METODE PENELITIAN

A. Jenis Penelitian

Jenis penelitian ini adalah deskriptif kuantitatif yaitu penelitian yang

menjelaskan kedudukan antar variabel yang menggunakan analisa data

dengan statistik dan ekonometrika. Variabel penelitiannya yaitu Tingkat

Kemiskinan, Rata-Rata Lama Sekolah, Pengeluaran Rill Perkapita,

Pertumbuhan Ekonomi dan Pengangguran. Rata-rata Lama Sekolah,

Pengeluaran Rill Perkapita, Pertumbuhan Ekonomi dan Pengangguran

sebagai variabel independen dan Tingkat Kemiskinan sebagai variabel

dependen.

B. Definisi Operasional

1. Kemiskinan dalam penelitian ini digambarkan menggunankan

persentase jumlah penduduk miskin di masing-masing daerah di

Provinsi D.I Yogyakarta yang penghasilannya berada dibawah garis

kemiskinan yang mencakup kebutuhan makanan dan non makanan

dalam satuan jiwa. Variabel kemiskinan yang digunakan adalah data

persentase jumlah penduduk miskin tahun 2009-2018 yang diperoleh

dari Badan Pusat Statistik (BPS).

2. Rata-Rata Lama Sekolah adalah rata-rata jumlah tahun yang dihabiskan

oleh penduduk usia 15 tahun ke atas di seluruh jenjang pendidikan

formal yang diikuti di masing-masing 5 kabupaten/kota D.I Yogyakarta

selama periode 2009-2018 menurut Badan Pusat Statistik (BPS) (dalam

tahun).

3. Pengeluaran Rill Perkapita adalah Kemampuan daya beli masyarakat

terhadap sejumlah kebutuhan pokok di masing-masing 5

kabupaten/kota D.I Yogyakarta selama periode 2009-2018 menurut

Badan Pusat Statistik (BPS) (dalam rupiah).

41

4. Pertumbuhan Ekonomi adalah persentase pertambahan produksi barang

dan jasa, dan perkembangan infrastruktur di 5 kabupaten/kota D.I

Yogyakarta selama periode 2009-2018 menurut data Badan Pusat

Statistik (BPS) (dalam satuan persen)

5. Pengangguran adalah jumlah penduduk menganggur di 5

kabupaten/kota D.I Yogyakarta selama periode 2009-2018 menurut

data Badan Pusat Statistik (BPS) (dalam satuan jiwa).

C. Jenis data dan Sumber data

Data yang digunakan dalam penelitian ini adalah data sekunder yang

didapatkan melalui studi literatur baik dari buku, jurnal, penelitian, serta

sumber data publikasi instansi terkait. Data yang digunakan merupakan data

panel yaitu gabungan antara data runtut waktu (time series) dan data silang

(cross section) di 5 kabupaten/kota D.I Yogyakarta selama periode 2009-

2018. Sumber data diperoleh dari Badan Pusat Statistik (BPS) D.I

Yogyakarta.

D. Metode Analisis Data

1. Analisis Data Panel

Peneliti menggunakan data sekunder, metode yang digunakan

yaitu metode data panel yakni gabungan antara data antar tempat atau

ruang (cross section) dan data antar waktu (time series). Adapun data

time series yang digunakan adalah data tahunan yaitu tahun 2009-2018

serta data cross section sebanyak jumlah Kabupaten/Kota di Provins i

D.I Yogyakarta.

Analisis regresi data panel adalah analisis regresi yang didasarkan

pada data panel untuk mengamati hubungan antara variabel terikat

(dependen) dan variabel bebas (independen). Hal ini sesuai dengan

penelitian yang akan dilakukan mengenai masalah Rata-rata lama

sekolah, pengeluaran riil perkapita, pertumbuhan ekonomi dan

42

pengangguran terhadap jumlah penduduk miskin di Provinsi DIY

dengan tahun yang akan diteliti 2009-2018.

Model dengan data cross section:

Yi = α + β Xi + Ɛi ; i = 1,2, ... , N

N = Banyaknya data cross section

Model dengan data time series:

Yt = α + β Xi + Ɛi ; i = 1,2, ... , T

T = Banyaknya data time series

Melihat data panel merupakan gabungan antara data cross section

dan data time series maka model yang dapat disimpulkan adalah

sebagai berikut:

Yit = α + β Xit + Ɛit ; I = 1,2, ... , N; t = 1,2, ... , T

Dimana:

N : Banyaknya data cross section

T : Banyaknya data time series

NT : Banyaknya data panel

Penelitian ini menganalisis bagaimana pengaruh Rata-rata Lama

Sekolah, Pengeluaran Rill Perkapita, Pertumbuhan Ekonomi dan

Pengangguran secara simultan terhadap Jumlah Penduduk Miskin

Kabupaten/Kota di D.I Yogyakarta. Penelitian ini menggunakan

metode statistik data panel dan alat dalam pengolahan datanya yaitu

menggunakan program Eviews. Estimasi model regresi menggunakan

Metode Ordinary Least Squares. Dalam OLS, terdapat sepuluh asumsi

yang harus dipenuhi, yang dikenal dengan asumsi klasik. Asumsi-

asumsi ini meliputi (Widarjono, 2007):

1. Linear Reression Model, yang berarti model harus linear dalma

parameter.

2. Nilai X (variabel bebas) adalah tetap (nonstochastic).

43

3. Nilai rata-rata ei (error term) adalah nol (0).

4. Homoskedastisitas, yaitu varian masing-masing ei (error term)

adalah sama (konstan) untuk setiap X.

5. Tidak ada autokorelasi antar ei (error term) namun biasanya dalam

data panel hal tersebut tidak dilakukan secara terperinci seperti

dalam regresi linear berganda.

6. Tidak ada covarians antara ei (error term) dan X (variabel bebas).

7. Jumlah observasi (n) harus lebih besar daripada jumlah parameter

untuk diestimasi. Variabilitas dalam nilai X (variabel bebas)

8. Model regresi tidak bias atau error.

9. Tidak terdapat multikolinearitas sempurna.

Regresi data panel merupakan teknik regresi yang

menggabungkan data time series dengan cross section. Metode regresi

data panel mempunyai beberapa keuntungan jika dibandingkan dengan

data time series atau cross section, yaitu (Widarjono, 2007):

1. Data panel yang merupakan gabungan dua data time series dan

cross section mampu menyediakan data yang lebih banyak

sehingga akan menghasilkan degree of freedom yang lebih besar.

2. Menggabungkan informasi dari data time series dan cross section

dapat mengatasi masalah yang timbul ketika ada masalah

penghilangan variabel (omitted-variabel).

Data panel juga memiliki beberapa kelemahan yang diantaranya

sebagai berikut (Widarjono, 2007):

1. Pada metode Common Effect teknik yang digunakan hanya dengan

mengkombinasi data time series dan cross section. Dengan hanya

menggabungkan kedua jenis data tersebut maka dapat digunakan

metode OLS untuk mengestimasi model data panel. Dalam

pendekatan ini tidak memperlihatkan dimensi maupun waktu. Dan

dapat diasumsikan bahwa perilaku data antar perusahaan sama

dalam berbagai rentan waktu. Asumsi ini jelas sangat jauh dari

44

realita sebenarnya, karena karakteristik antar perusahaan baik dari

segi kewilayahan jelas sangat berbeda.

2. Pada metode Fixed Effect teknik yang digunakan adalah metode

variabel dummy untuk menangkap adanya perbedaan intersep.

Metode ini mengasumsikan bahwa koefisien regresi (slope) tetap

antar perusahaan dan antar waktu (time invariant). Namun metode

ini membawa kelemahan yaitu berkurangnya drajat kebebasan

(degree of freedom) yang pada akhirnya mengurangi efisiens i

parameter.

3. Pada metode Random Effect teknik yang digunakan adalah dengan

menambahkan variabel gangguan (error term) yang mungkin saja

akan muncul pada hubungan antar waktu dan antar

Kabupaten/Kota. Teknik OLS tidak dapat digunakan untuk

mendapatkan estimator yang efisien, sehingga lebih tepat untuk

menggunakan metode Generalized Least Square (GLS).

2. Estimasi Model Data Panel

Menurut (Kusrini, 2010), beberapa hal yang dihadapi saat

menggunakan data panel adalah koefisien slope dan intercept yang

berbeda pada setiap individu dan setiap periode waktu. Oleh karena itu,

asumsi yang dibuat terhadap intersept, slope, dan error-nya ada

beberapa kemungkinan yang muncul, yaitu:

a. Asumsi bahwa koefisien slope dan intercept konstan sepanjang

waktu dan individu, dan residual/error-nya berbeda sepanjang

waktu, pada setiap individu;

b. Asumsi bahwa koefisien slope konstan, tetapi intercept bervariasi

pada setiap individu;

c. Asumsi bahwa koefisien slope konstan, tetapi intercept bervariasi

pada setiap individu dan waktu;

d. Asumsi bahwa semua koefisien (baik slope maupun intercept)

bervariasi pada setiap individu;

45

e. Asumsi bahwa semua koefisien (baik slope maupun intercept)

bervariasi sepanjang waktu, pada setiap individu;

Terdapat tiga pendekatan yang dapat digunakan dalma

mengestimasi parameter model data panel, yaitu: 1) Pendekatan OLS

biasa (Pooled Least Square atau Common Effect); 2) Pendekatan Efek

Tetap (Fixed Effect Method); dan 3) Pendekatan Efek Acak (Random

Effect Method).

a. Pendekatan Pooled Least Square (PLS) atau Common Effect

Pendekatan ini menggabungkan data cross-section dengan

data time series (pool data), kemudian data gabungan ini

diperlakukan sebagai suatu kesatuan pengamatan untuk

mengestimasi model. Sehingga, metode ini dapat pula disebut

sebagai model OLS biasa karena menggunakan kuadrat terkecil,

atau dikenal dengan estimasi Common Effect. Akan tetapi,

dengan menggunakan metode ini tidak dapat melihat perbedaan

baik antar individu maupun antar waktu, atau dengan kata lain

dalam pendekatan ini tidak memperhatikan dimensi individu

maupun waktu. Diasumsikan bahwa perilaku data antar individu

(negara) sama dalam berbagai kurun waktu (Munandar, 2017).

b. Pendekatan Fixed Effect Model (FEM)

Regresi data panel memungkinkan untuk dapat mengetahui

intercept masing-masing individu karena adanya perubahan

keadaan pada masing-masing individu, model ini dikenal dengan

model regresi Fixed Effect Method (Model Efek Tetap)

(Suliyanto, 2010). Struktur model Fixed Effect merupakan model

yang memperhatikan adanya keberagaman dari variabel

independen menurut individu. Jika menggunakan asumsi slope

konstan tetapi intercept bervariasi antar individu, maka variasi

terletak pada individu yang faktor waktunya diabaikan sehingga

model regresi yang digunakan adalah model regresi variabel

46

dummy. Lalu, jika menggunakan asumsi slope konstan tetapi

intercept bervariasi antarwaktu, maka variasi terletak pada waktu

dan variasi individu diabaikan (Setiawan dan Kusrini, 2010).

Menurut Winarno (2015), keuntungan metode efek tetap ini

adalah dapat membedakan efek individual dan efek waktu dan

tidak perlu mengamsumsikan bahwa komponen error tidak

berkorelasi dengan variabel bebas yang mungkin sulit dipenuhi.

Kelemahan metode efek tetap ini yaitu ketidaksesuaian model

dengan keadaan yang sesungguhnya. Kondisi setiap obyek saling

berbeda, bahkan satu obyek pada suatu waktu akan sangat

berbeda dengan kondisi obyek tersebut pada waktu yang lain.

c. Pendekatan Random Effect Model (REM)

Keputusan untuk memasukkan variabel berbeda dalam

model efek tetap (fixed effect) tidak dapat dipungkiri akan dapat

menimbulkan konsekuensi (trade off). Penambahan variabel

boneka (dummy) ini akan dapat mengurangi banyaknya derajat

kebebasan (degree of freedom) yang pada akhirnya dapat

menghalangi untuk mengetahui model aslinya (Setiawan dan

Kusrini, 2010). Model panel data yang didalamnya melibatkan

korelasi antar error term karena berubahnya waktu karena

berbedanya observasi dapat diatasi dengan pendekatan model

komponen error (error component model) atau disebut juga

Model Efek Acak (Random Effect Method). Menurut Winarno,

metode ini digunakan untuk mengatasi kelemahan metode efek

tetap yang menggunakan variabel semu, sehingga model

mengalami ketidakpastian. Tanpa menggunakan variabel semu,

metode efek menggunakan residual, yang diduga memilik i

hubungan antar waktu dan antar obyek. Syarat untuk

menganalisis efek random yaitu obyek data silang harus lebih

besar dari pada banyaknya koefisien (Winarno, 2015).

47

Pemilihan metode Fixed Effect atau metode Random Effect

dapat dilakukan dengan pertimbangan tujuan analisis, atau ada

pula kemungkinan data yang digunakan sebagai dasar pembuatan

model hanya dapat diolah oleh salah satu metode saja akibat

bebagai persoalan teknis matematis yang melandasi perhitungan.

Selain itu, menurut beberapa ahli ekonometri dikatakan bahwa,

jika data panel yang dimiliki mempunyai jumlah waktu (t) lebih

besar dibandingkan jumlah individu (i), maka disarankan

menggunakan metode Fixed Effect. Sedangkan jika data panel

yang dimiliki mempunyai jumlah waktu (t) lebih kecil

dibandingkan jumlah individu (i), maka disarankan menggunakan

metode Random Effect (Munandar, 2017).

Dari ketiga teknik diatas kita harus memilih teknik terbaik yang

digunakan untuk data. Cara memilih salah satu dari tiga teknik yang ada

sebagai berikut:

a. Memilih antara Model common effect dan fixed effect

Untuk memilih model mana yang lebih cocok antara

common effect dan fixed effect untuk melakukan regresi data

panel, dapat digunakan Uji Chow (Chow Test) dengan hipotesis :

H0 : Model common effect lebih baik daripada fixed effect

H1 : Model fixed effect lebih baik daripada common effect

Kriteria pengambilan keputusan adalah dengan melihat nilai

probabilitas (P-Value), dengan asumsi jika nilai probabilitas (P-

Value) lebih kecil dari tingkat signifikansi α 5% maka menolak

H0, artinya model fixed effect lebih baik digunakan untuk regresi

data panel. Sebaliknya, jika H0 diterima, berarti model common

effect yang digunakan. Namun, jika H0 ditolak maka model fixed

effect harus diuji kembali untuk memilih antara fixed effect atau

random effect yang lebih baik.

48

b. Memilih antara model fixed effect dan random effect

Untuk memilih model mana yang lebih cocok antara fixed

effect dan random effect, dapat digunakan Uji Hausman

(Hausman Test) dengan hipotesis:

H0 : model random effect lebih baik daripada fixed effect

H1 : model fixed effect lebih baik daripada random effect

Kriteria pengambilan keputusan adalah dengan melihat nilai

probabilitas (P-Value), dengan asumsi jika nilai probabilitas (P-

Value) lebih kecil dari tingkat signifikansi α 5% maka menolak

H0, artinya model fixed effect lebih baik digunakan untuk regresi

data panel. Sebaliknya, jika H0 diterima, berarti model random

effect yang digunakan.

c. Memilih antara Model common effect dan random effect

Untuk memilih model mana yang lebih cocok antara

common effect dan random effect untuk melakukan regresi data

panel, dapat digunakan Uji Lagrange Multiplier (LM Test)

dengan hipotesis:

H0 : Model common effect lebih baik daripada random effect

H1: Model random effect lebih baik daripada Common effect

Kriteria pengambilan keputusan adalah dengan melihat nilai

probabilitas (P-Value) Breush-Pagan, dengan asumsi jika nila i

probabilitas (P-Value) cross section Breush-Pagan lebih kecil

dari tingkat signifikansi α 5% maka menolak H0 , artinya model

random effect lebih baik digunakan untuk regresi data panel.

Sebaliknya, jika H0 diterima, berarti model common effect yang

digunakan.

3. Pemilihan Model Data Panel

Sebelum melakukan regresi pada data panel, peneliti melakukan

beberapa pengujian spesifikasi model agar mendapatkan estimas i

model yang paling tepat untuk digunakan. Terdapat dua uji spesifikas i

49

model antara lain Uji Chow dan Uji Hausman. Kedua uji tersebut dapat

dijelaskan sebagai berikut:

1. Uji Chow

Uji Chow bertujuan untuk menentukan Pooled Least Square atau

Fixed Effect Model yang akan digunakan dalam mengestimas i

model. Dalam pengujian ini memiliki hipotesa sebagai berikut:

H0 : Model Pooled Least Square

H1 : Fixed Effect Model

Jika hasil menunjukkan nilai probabilitas cross section F lebih kecil

dari tingkat signifikansi α = 5% (0,05), maka H1 diterima sebagai

model yang digunakan adalah Fixed Effect Model. Namun jika

hasil Uji Chow menunjukkan nilai probabilitas cross section F

lebih besar dari tingkat signifikansi α = 5% (0,05), maka H0

diterima sebagai model yang digunakan adalah Pooled Least

Square. Saat H1 diterima maka kita harus memastikan apakah

Fixed Effect Model yang terbaik untuk mengestimasi model

dengan melakukan Uji Hausman.

2. Uji Hausman

Uji Hauman bertujuan untuk menentukan Random Effect model

atau Fixed Effect Model yang akan digunakan. Dalam pengujian

ini memiliki hipotesa sebagai berikut:

H0 : Random Effect Model

H1 : Fixed Effect Model

Jika hasil menunjukkan nilai probabilitas cross-section random

lebih kecil dari tingkat signifikansi α = 5% (0,05), maka H1

diterima sebagai model yang digunakan adalah Fixed Effect

Model. Namun jika hasil Uji Hausman menunjukkan nilai

probabilitas cross-section random lebih besar dari tingkat

signifikansi α = 5% (0,05), maka H0 diterima sebagai model yang

50

harus digunakan untuk mengestimasi model adalah Random Effect

Model.

E. Uji Asumsi Klasik

Pengujian ini dimaksudkan untuk mengetahui dan menguji kelayakan

atas model regresi yang digunakan dalam penelitian ini. Uji-uji yang yang

digunakan dalam penelitian ini adalah sebagai berikut:

1. Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk mengetahui apakah

dalam model regresi memiliki variasi residual atau tidak untuk semua

observasi. Apabila terdapat variansi, maka dalam model regresi

terdeteksi adanya heteroskedastisitas. Dalam model regresi, asumsi

yang dipenuhi adalah mempunyai nilai varian yang sama

(homoskedastisitas) atau dapat dikatakan residual tidak memilik i

variansi untuk semua observasi. Untuk menguji ada atau tiddaknya

heteroskedastisitas dalam model regresi maka digunakn uji White-

heteroskedasticity yang ada didalam program Eviews. Prinsip yang

digunakan adalah dengan meregresi residual yang dikuadratkan dengan

variabel independen pada model, sehingga menghasilkan Obs*R-

Squared pada uji White-heteroskedasticity. Jika nilai probabilitas

Obs*R-Squared lebih besar dari 0,05 maka tidak terjadi

heteroskedastisitas.

2. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk mengetahui apakah ada

keterkaitan antara hubungan yang sempurna antara variabel-variabe l

independen. Jika didalam pengujian ternyata didapatkan sebuah

kesimpulan bahwa antara variabel independen saling terikat maka

model regresi yang digunakan tidak baik. Untuk menguji

multikolinearitas peneliti menggunakan uji correlation. Jika nilai dari

51

keempat variabel independen menunjukkan nilai lebih kecil dari 0,8

maka terbebas dari maslah multikolinearitas, sebaliknya menunjukkan

nilai lebih besar dari 0,8 maka terdapat masalah multikolinearitas.

F. Uji Hipotesis

Uji hipotesis dilakukan untuk mengetahui apakah koefisien regresi

yang sudah didapat pada penelitian ini signifikan atau tidak. Terdapat tiga

uji hipotesis yang dilakukan dalam penelitian ini antara lain:

1. Koefisien Determinasi (R2)

Uji koefisien determinasi merupakan uji yang menjelaskan

seberapa besar proporsi variabel independen dalam menjelaskan

variabel dependen yang digunakan dalam penelitian (uji goodness of

fit). Nilai koefisien determinasi berada diantara nol dan satu. Semakin

nilai koefisien determinasi mendekati angka satu maka dapat diartikan

bahwa variabel independen mampu menjelaskan hampir semua

perubahan pada variabel dependen. Sedangkan jika nilai koefisien

determinasi mendekati angka nol maka diartikan bahwa variabel

independen tidak memiliki kemampuan dalam menjelaskan variabel

dependen sangat terbatas.

2. Uji t-Statistic (Uji Parsial)

Uji t dilakukan untuk mengetahui signifikansi variabel

independen terhadap variabel dependen. Dalam menentukan

signifikansi atau tidaknya variabel independen terhadap variabel

dependen dapat dilihat dengan membandingkan nilai probabilitas

dengan tingkat signifikansi α = 5% atau 0,05. Hipotesis pada uji ini

sebagai berikut:

H0 : Tidak berpengaruh signifikan antara variabel independen

terhadap variabel dependen.

52

H1 : Berpengaruh signifikan antara variabel independen terhadap

variabel dependen.

Apabila nilai probabilitas nilai t-hitung > tingkat signifikansi 5%

atau 0,05 maka H0 diterima dan H1 ditolak, sedangkan jika nila i

probabilitas nilai t-hitung < tingkat signifikansi 5% atau 0,05 maka H0

ditolak dan H1 diterima.

3. Uji F (Uji Simultan)

Uji F dilakukan untuk mengetahui apakah semua variabel

independen secara simultan berpengaruh terhadap variabel dependen.

Dalam menentukan berpengaruh secara simultan tidaknya variabel

independen terhadap variabel dependen dapat dilihat dengan

membandingkan nilai F hitung dengan F tabel. Hipotesis pada uji ini

sebagai berikut:

H0 : Tidak berpengaruh signifikan antara variabel independen

terhadap variabel dependen secara simultan.

H1 : Berpengaruh signifikan antara variabel independen terhadap

variabel dependen secara simultan.

Dengan taraf signifikan 5% atau 0,05 dapat disimpulkan sebagai

berikut:

1) Jika F hitung < F tabel maka H1 diterima berarti variabel

independen secara simultan mempunyai pengaruh yang signifikan

terhadap variabel dependen.

2) Jika F hitung > F tabel maka H0 diterima berarti variabel

independen secara simultan mempunyai pengaruh yang signifikan

terhadap variabel dependen.

53

BAB IV

PEMBAHASAN

A. Gambaran Umum Objek Penelitian

1. Letak Geografis Provinsi D.I Yogyakarta

Daerah Istimewa Yogyakarta (bahasa Jawa: Dhaérah Istiméwa

Ngayogyakarta) adalah Daerah Istimewa setingkat provinsi di

Indonesia yang merupakan peleburan Negara Kesultanan Yogyakarta

dan Negara Kadipaten Paku Alaman, Daerah Istimewa Yogyakarta

terletak di bagian selatan Pulau Jawa, dan berbatasan dengan Provins i

Jawa Tengah dan Samudera Hindia, Daerah Istimewa yang memilik i

luas 3,185,80 km2 ini terdiri atas satu kotamadya, dan empat kabupaten,

yang terbagi lagi menjadi 78 kecamatan, dan 438 desa/kelurahan,

Menurut sensus penduduk 2018 memiliki populasi 3.762.167 jiwa

penduduk.

DIY terletak di bagian tengah-selatan Pulau Jawa, secara

geografis terletak pada 7º.33' - 8º.12' Lintang Selatan, dan 110º.00' -

110º.50' Bujur Timur, Berdasarkan bentang alam, wilayah DIY dapat

dikelompokkan menjadi empat satuan fisiografi, yaitu satuan fisiogra fi

Gunungapi Merapi, satuan fisiografi Pegunungan Sewu atau

Pegunungan Seribu, satuan fisiografi Pegunungan Kulon Progo, dan

satuan fisiografi Dataran Rendah.

Secara administratif DIY terbagi dalam 5 wilayah daerah tingkat

II, yaitu :

1) Kotamadya Yogyakarta dengan luas 32,5 km2

2) Kabupaten Bantul dengan luas 506,85 km2

3) Kabupaten Gunungkidul dengan luas 1.485,36 km2

4) Kabupaten Kulonprogo dengan luas 586,27 km2

5) Kabupaten Sleman dengan luas 574,82 km2

54

Gambar 4.1

Peta Wilayah D.I Yogyakarta

Sumber: www.google.com/petayogyakarta

2. Pemerintahan

Pemerintahan Daerah Istimewa Yogyakarta merupakan

metamorfosis dari Pemerintahan Negara Kesultanan Yogyakarta dan

Pemerintahan Negara Kadipaten Pakualaman, khususnya bagian

Parentah Jawi yang semula dipimpin oleh Pepatih Dalem untuk Negara

Kesultanan Yogyakarta, dan Pepatih Pakualaman untuk Negara

Kadipaten Pakualaman. Oleh karena itu Pemerintahan Daerah Istimewa

Yogyakarta memiliki hubungan yang kuat dengan Keraton Yogyakarta

maupun Puro Paku Alaman. Sehingga tidak mengherankan banyak

pegawai negeri sipil daerah yang juga menjadi Abdidalem Keprajan

Keraton maupun Puro. Walau demikian mekanisme perekrutan calon

pegawai negeri sipil daerah tetap dilakukan sesuai mekanisme

peraturan perundang-undangan yang berlaku.

Kabupaten dan Kota yang berada di wilayah Daerah Istimewa

Yogyakarta juga merupakan metamorfosis dari Kabupaten-kabupaten

Kesultanan Yogyakarta, dan Kadipaten Pakualaman. Kabupaten-

kabupaten tersebut merupakan kabupaten administratif tanpa ada

perwakilan rakyat. Kabupaten-kabupaten tersebut adalah:

55

1. Kabupaten Kota Kasultanan dengan bupatinya KRT

Hardjodiningrat,

2. Kabupaten Bantul dengan bupatinya KRT Joyodiningrat,

3. Kabupaten Gunungkidul dengan bupatinya KRT Suryodiningrat,

4. Kabupaten Kulonprogo yang beribu kota di Sentolo dengan

bupatinya KRT Secodiningrat.

5. Kabupaten Kota Pakualaman dengan bupatinya KRT

Brotodiningrat,

6. Kabupaten Adikarto yang beribu kota di Wates, dengan bupatinya

KRT Suryaningprang.

3. Kependudukan

Penduduk Daerah Istimewa Yogyakarta berdasarkan data Badan

Pusat Statistik (BPS) mencapai 3,8 juta jiwa pada 2018. Dari jumlah

tersebut, hampir sepertiganya (1,2 juta jiwa) merupakan penduduk

Sleman.

Sementara wilayah dengan jumlah penduduk terbesar berikutnya

adalah Bantul sebanyak 1 juta jiwa. Kemudian, penduduk Gunung

Kidul sebanyak 736 ribu Jiwa, Kota Yogyakarta 427 ribu jiwa, dan

Kulon Progo 426 ribu jiwa.

Wilayah D.I. Yogyakarta memiliki luas dengan kepadatan

penduduk sebesar 1.194 jiwa per km persegi. Sementara kepadatan

penduduk Kota Yogyakarta mencapai 13.154 jiwa per km persegi.

4. Sosial

Pada tahun 2018, penduduk Provinsi D.I Yogyakarta usia 7-24

tahun yang masih bersekolah sebesar 71,09 persen. Untuk kelompok

umur 7-12 tahun yang masih bersekolah sebesar 107,37 persen, lalu

kelompok umur 13-15 tahun yang masih bersekolah sebesar 114,71

persen, kelompok umur 16-18 tahun sebesar 75,94 persen, dan

kelompok umur 19-24 tahun sebesar 21,33 persen. Di Provinsi D.I

56

Yogyakarta terdapat 2.028 Sekolah Dasar (SD) dengan 19.864 guru dan

298.647 murid. Untuk Sekolah Menengah Pertama (SMP), pada tahun

2018 terdapat 439 unit SMP dengan 9.819 guru dan 128.851 murid.

Sementara itu, utnuk Sekolah Lanjutan Tingkat Atas (SLTA), di

Provinsi D.I Yogyakarta terdapat 162 unit Sekolah Menengah Atas

(SMA) dengan 5.159 guru dan 55.535 murid. Dan untuk Perguruan

tinggi, terdapat 84 perguruan tinggi dengan 11.703 dosen dan 392.295

mahasiswa (BPS Provinsi D.I Yogyakarta 2019).

Fasilitas kesehatan yang tersedia di Provinsi D.I Yogyakarta pada

tahun 2018 antara lain tersedia 73 unit Rumah Sakit, 121 Puskesmas,

dan 278 Klinik/Balai Kesehatan. Tenaga kesehatan yang tersedia di

Provinsi D.I Yogyakarta sebanyak 4.704 tenaga medis, 7.794 tenaga

keperawatan, 2.019 tenaga kebidanan, 1.020 tenaga kefarmasian, dan

1.972 tenaga kesehatan lainnya.

Jumlah penduduk miskin pada September 2018 di D.I.

Yogyakarta sebanyak 450,25 ribu orang atau 11,81 persen terhadap

total penduduknya. Sementara itu, penduduk miskin pada periode

Maret 2018 adalah 460,10 ribu orang atau 12,13 persen dari penduduk

D.I. Yogyakarta.

5. Keuangan Daerah

Sumber utama pendapatan berasal dari Pendapatan Asli Daerah

(PAD), dana transfer (DAU dan DAK), serta dana otonomi khusus yang

meningkat pesat pasca implementasi UUD Keistimewaan DIY tahun

2012. Komposisi belanja langsung dan tidak langsung hampir

seimbang, belanja langsung terbesar digunakan untuk belanja barang

dan jasa serta barang modal, sementara biaya tidak langsung terbesar

untuk belanja pegawai serta bagi hasil dan bansos. Pemanfaatan belanja

pemerintah terbesar menurut fungsi digunakan untuk pelayanan umum

dan pendidikan.

57

Pada Tahun Anggaran 2018, realisasi pendapatan Pemerintah

Provinsi D.I Yogyakarta mencapai 5,44 triliun rupiah, sementara

belanja daerah Pemerintah Provinsi D.I Yogyakarta mencapai 5,30

triliun rupiah. Pendapatan Asli Daerah (PAD) masih merupakan

sumber penerimaan rutin terbesar Pemerintah Provinsi D.I Yogyakarta

yaitu memberi kontribusi sekitar 59,16 persen dari total penerimaan.

Untuk belanja daerah, porsi pengeluaran tertinggi digunakan untuk

belanja langsung yang mencapai 50,06 persen dari total belanja daerah,

sementara sisanya sebanyak 49,94% digunakan untuk belanja tidak

langsung (BPS Provinsi D.I Yogyakarta 2019).

B. Analisa Dan Pembahasan

1. Analisis Deskriptif

a. Analisis Deskriptif Tingkat Kemiskinan Provinsi D.I Yogyakarta

Kemiskinan merupakan masalah pembangunan di berbagai

bidang yang ditandai oleh keterbatasan, ketidakmampuan, dan

kekurangan seperti ketidakmampuan untuk mendapatkan pendidikan,

akses fasilitas air bersih, fasilitas jamban, dan kesehatan yang memadai,

serta kekurangan dalam memenuhi kebutuhan dasar sandang, pangan

dan papan.

Penduduk Miskin merupakan kategori penduduk yang memilik i

pengeluaran per kapita dibawah garis kemiskinan. Di Provinsi D.I

Yogyakarta, persentase jumlah Penduduk Miskin berfluktuas i,

khususnya ketika terjadi guncangan ekonomi seperti krisis moneter dan

kenaikan harga BBM, maupun ketika terjadi perbaikan ekonomi.

Berikut data jumlah persentase penduduk miskin di 5 Kabupaten/Kota

Provinsi D.I Yogyakarta:

58

Tabel 4.1

Persentase Penduduk Miskin Menurut Kabupaten/kota di D.I

Yogyakarta tahun 2009-2018 (Persen)

Tahun Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 24,65 17,64 24,44 11,45 10,05

2010 23,15 16,09 22,05 10,7 9,75

2011 23,62 17,28 23,03 10,61 9,62

2012 23,32 16,97 22,72 10,44 9,38

2013 21,39 16,48 21,7 9,68 8,82

2014 20,64 15,89 20,83 9,5 8,67

2015 21,4 16,33 21,73 9,46 8,75

2016 20,3 14,55 19,34 8,21 7,7

2017 20,03 14,07 18,65 8,13 7,64

2018 18,3 13,43 17,12 7,65 6,98

Sumber : BPS D.I Yogyakarta 2019

Tabel 4.1 diatas menunjukkan bahwa kabupaten/kota di Provinis i

D.I Yogyakarta mengalami penurunan tiap tahunnya Persentase Jumlah

Penduduk Miskin dari tahun 2009 hingga tahun 2018. Tetapi meningka t

di tahun 2015 hal ini disebabkan oleh kenaikan harga bahan bakar

minyak (BBM) dan imbas dari perlambatan pertumbuhan ekonomi.

Pada tahun 2018 kota Yogyakarta merupakan wilayah dengan

persentase penduduk miskin paling kecil yakni 8,75 % dan

Gunungkidul merupakan wilayah dengan persentase penduduk miskin

paling tinggi yakni 21,73 %.

b. Analisis Deskriptif Rata-Rata Lama Sekolah Provinsi D.I

Yogyakarta

Pendidikan merupakan salah satu bentuk modal manusia (human

capital) yang menunjukkan kualitas Sumber Daya Manusia (SDM).

Rata-rata lama sekolah mengindikasikan makin tingginya pendidikan

59

formal yang dicapai oleh masyarakat suatu daerah. Semakin tinggi rata-

rata lama sekolah berarti semakin tinggi jenjang pendidikan yang

dijalani.

Rata-rata Lama Sekolah adalah Rata-rata jumlah tahun yang

dihabiskan oleh penduduk berusia 15 tahun ke atas untuk menempuh

semua jenis pendidikan yang pernah dijalani. Untuk mereka yang tamat

SD diperhitungkan lama sekolah selama 6 tahun, tamat SMP

diperhitungkan lama sekolah selama 9 tahun, tamat SM diperhitungkan

lama sekolah selama 12 tahun tanpa memperhitungkan apakah pernah

tinggal kelas atau tidak. Berikut adalah Tabel Rata-Rata Lama Sekolah

di Kabupaten/Kota D.I Yogyakarta.

Tabel 4.2

Rata-Rata Lama Sekolah menurut Kabupaten/Kota di D.I

Yogyakarta tahun 2009-2018 (dalam satuan tahun)

Tahun Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 7,79 7,64 5,61 9,18 10,48

2010 7,85 8,34 5,59 9,78 10,88

2011 7,88 8,35 5,74 10,03 11,01

2012 7,93 8,44 6,08 10,03 11,22

2013 8,02 8,72 6,22 10,03 11,36

2014 8,20 8,74 6,45 10,28 11,39

2015 8,40 9,08 6,46 10,30 11,41

2016 8,50 9,09 6,62 10,64 11,42

2017 8,64 9,20 6,99 10,65 11,43

2018 8,65 9,35 7,00 10,66 11,44

Sumber : BPS D.I Yogyakarta 2019

Tabel 4.2 menunjukkan Rata-rata Lama Sekolah di DIY

mengalami peningkatan yakni dari tahun 2009 sebesar 8,14 hingga

tahun 2018 sebesar 9,32. Dimana terdapat 3 Kabupaten/Kota yang

memiliki Rata-Rata Lama Sekolah diatas Provinsi. Dan Kota

60

Yogyakarta menjadi Kota yang memiliki Rata-Rata Lama Sekolah

tertinggi yakni 11,44. Sedangkan Kabupaten Gunung Kidul menjadi

wilayah dengan Rata-Rata Lama Sekolah terendah yakni 7,00 di tahun

2018. Hal ini menunjukkan Wilayah Kota cenderung memiliki Rata-

Rata Lama Sekolah lebih tinggi dibandingkan di Kabupaten.

c. Analisis Deskriptif Pengeluaran Riil Perkapita Provinsi D.I

Yogyakarta

Pengeluaran Rill Perkapita merupakan salah satu indikator

mengukur kualitas hidup manusia. Kemampuan daya beli masyarakat

terhadap sejumlah kebutuhan pokok yang dilihat dari rata-rata besarnya

pengeluaran perkapita sebagai pendekatan pendapatan yang mewakili

capaian pembangunan untuk hidup layak. Berikut adalah Pengeluaran

Rill Perkapita di Kabupaten/Kota D.I Yogyakarta.

Tabel 4.3

Pengeluaran Rill Perkapita menurut Kabupaten/Kota di D.I

Yogyakarta tahun 2009-2018 (Ribuan)

Tahun Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 6295 6438,90 6230,9 6460,8 6475,9

2010 8274,24 13724,58 8092,86 13847,86 16461,51

2011 8329,85 13778,46 8137,65 13882,15 16497,48

2012 8341,61 13797,53 8170,07 13916,45 16497,73

2013 8467,97 13901,51 8202,49 14085,15 16645,48

2014 8479,94 13920,75 8235,16 14170,27 16754,82

2015 8687,81 14320,1 8336,07 14561,89 17316,78

2016 8938 14880 8467 14921 17770

2017 9277 14995 8788 15365 18005

2018 9698 15386 9163 15844 18629

Sumber : BPS D.I Yogyakarta 2019

Tabel 4.3 menunjukkan Pengeluaran Rill Perkapita di DIY

mengalami kenaikan dari tahun 2014 sampai tahun 2018. Dimana

61

terdapat 3 Kabupaten/Kota yang memiliki Pengeluaran Rill Perkapita

diatas Provinsi. Kota Yogyakarta menjadi wilayah di DIY dengan

Pengeluaran Rill Perkapita tertinggi yaitu 18629 dan Kabupaten

Gunung Kidul menjadi wilayah di DIY dengan Pengeluaran Rill

Perkapita terkecil sebesar 9163 di tahun 2018.

d. Analisis Deskriptif Pertumbuhan Ekonomi Provinsi D.I

Yogyakarta

Pembangunan ekonomi memiliki beberapa dimensi, misalnya

pola alokasi sumber daya produksi, peningkatan komposisi produksi,

kelembagaan ekonomi, dan pertumbuhan ekonomi. Pertumbuhan

ekonomi dinilai memiliki dimensi tunggal, berkaitan dengan proses

peningkatan produksi barang dan jasa di dalam aktivitas-aktivitas

ekonomi masyarakat. Sumatera Utara sebagai salah satu provins i

terbesar memerlukan beberapa ideal pembangunan, misalnya

pertumbuhan yang terus meningkat sesuai proporsi pertumbuhan

penduduk, pembangunan yang berkelanjutan, dan pertumbuhan yang

disertai dengan pemerataan. Pertumbuhan ekonomi tanpa disertai

pembangunan ekonomi yang berkelanjutan akan bermuara pada

perekonomian yang stagnan. Demikian juga pertumbuhan ekonomi

tanpa disertai pemerataan distribusi pendapatan akan menghasilkan

ketimpangan ekonomi. Di dalam penentuan proxy pertumbuhan

ekonomi, produksi barang dan jasa di dalam aktivitas-aktivitas ekonomi

masyarakat Sumatera Utara dapat dilihat melalui laju pertumbuhan

ekonomi dengan harga konstan. Berikut adalah tabel Laju Pertumbuhan

Ekonomi atas Dasar Harga Konstan 2010 di Kabupaten/Kota D.I

Yogyakarta.

62

Tabel 4.4

Laju Pertumbuhan Ekonomi Atas Dasar Harga Konstan 2010

Menurut Kabupaten/Kota di D.I Yogyakarta tahun 2009-2018

(dalam satuan persen)

Tahun Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 2,69 3,56 4,15 4,48 4,97

2010 3,61 4,37 3,64 5,08 5,52

2011 4,23 5,07 4,52 5,42 5,84

2012 4,96 5,29 4,8 5,37 5,4

2013 5,12 5,57 5,19 5,7 5,47

2014 4,53 5,25 5,64 5,23 5,64

2015 4,62 4,48 4,11 4,46 5,13

2016 4,76 5,06 4,88 5,25 5,12

2017 5,97 5,29 5,01 5,48 5,79

2018 10,84 5,47 5,16 6,42 5,49

Sumber : BPS D.I Yogyakarta 2019

Tabel 4.4 menunjukkan Laju Pertumbuhan Ekonomi di DIY dari

tahun 2009-2018 mengalami fluktuasi. Dimana di tahun 2018 Laju

Pertumbuhan Ekonomi DIY sebesar 6,2 % yang meningkat dari tahun

sebelumnya yakni 5,26 %. Dimana terdapat 2 Kabupaten/Kota yang

memiliki Laju Pertumbuhan Ekonomi diatas provinsi. Dan Laju

Pertumbuhan Ekonomi tertinggi pada Kabupaten Kulonprogo sebesar

10,84 % dan Kabupaten Gunung Kidul sebagai Kabupaten dengan Laju

Pertumbuhan Ekonomi terendah sebesar 5,16 %.

e. Analisis Deskriptif Pengangguran Provinsi D.I Yogyakarta

Pengangguran adalah istilah untuk orang yang tidak bekerja sama

sekali, sedang mencari kerja, bekerja kurang dari dua hari selama

seminggu, atau seseorang yang sedang berusaha mendapatkan

pekerjaan yang layak. Pengangguran umumnya disebabkan karena

63

jumlah angkatan kerja atau para pencari kerja tidak sebanding dengan

jumlah lapangan kerja yang ada yang mampu menyerapnya.

Pengangguran sering kali menjadi masalah dalam perekonomian,

karena dengan adanya pengangguran, produktivitas dan pendapatan

masyarakat akan berkurang sehingga dapat menyebabkan timbulnya

kemiskinan dan masalah-masalah sosial lainnya.

Salah satu faktor penting yang menentukan kemakmuran suatu

masyarakat adalah tingkat pendapatannya. Pendapatan masyarakat

mencapai maksimum apabila tingkat penggunaan tenaga kerja penuh

dapat diwujudkan. Pengangguran mengurangi pendapatan masyarakat,

hal ini yang dapat mengurangi tingkat kemakmuran yang mereka capai.

Berikut adalah tabel Jumlah Pengangguran di Kabupaten/Kota D.I

Yogyakarta.

Tabel 4.5

Tingkat Pengangguran menurut Kabupaten/Kota di D.I

Yogyakarta tahun 2009-2018 (persen)

Tahun Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 4,31 5,85 3,94 7,4 8,07

2010 4,18 5,24 4,04 7,71 7,41

2011 3,03 4,39 2,23 5,36 6,7

2012 3,04 3,7 1,38 5,64 5,33

2013 2,85 3,36 1,69 3,28 6,45

2014 2,88 2,57 1,61 4,21 6,35

2015 3,72 3 2,9 5,37 5,52

2016 2,37 2,97 2,1 4,23 5,27

2017 1,99 3,12 1,65 3,51 5,08

2018 1,49 2,72 2,07 4,4 6,22

Sumber : BPS D.I Yogyakarta 2019

Tabel 4.6 menunjukkan tingkat Pengangguran dari tahun 2009

hingga tahun 2018 di DIY mengalami fluktuasi. Dimana tingkat

64

Pengangguran di DIY tahun 2018 sebesar 3,35 %. Di tahun 2018, Kota

Yogyakarta menjadi Kota di DIY yang memiliki tingkat pengangguran

paling besar yaitu 6,22 dan Kabupaten Kulonprogo menjadi Kabupaten

di DIY yang memiliki tingkat pengangguran diangka paling kecil yaitu

sebesar 1,49 %.

2. Estimasi Data Panel

Terdapat 3 model pendekatan estimasi data panel yaitu, (a)

pendekatan kuadrat kecil Common Effect Model (CEM); (b) pendekatan

efek tetap Fixed Effect Model (FEM); dan (c) pendekatan efek acak

Random Effect Model (REM). Yang mana untuk memilih mana metode

terbaik yang digunakan dalam data panel maka dilakukan Uji Chow

(CEM vs FEM) dan juga Uji Hausman (REM vs FEM).

a. Uji Chow

Uji Chow dilakukan guna memilih apakah yang akan

digunakan dalam data panel Common Least Square Model atau

Fixed Effect Model, maka digunakan uji F Restricted dengan

membandingkan nilai cross-section F. Dalam uji chow ini

dilakukan dengan hipotesis seperti berikut:

H0: Common Effect Model

H1: Fixed Effect Model

Pengujian ini dilakukan dengan kriteria seperti berikut:

Jika nilai probabilitas cross-section F > dari α (0,05) maka

diterima H0 dan tolak H1.

Jika nilai probabilitas cross-section F < dari α (0,05) maka

terima H1 dan tolak H0.

65

Tabel 4.6

Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 84.766655 (4,41) 0.0000

Cross-section Chi-square 111.338724 4 0.0000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Dari pengolahan data seperti dalam Tabel 4.1 diperoleh nila i

probabilitas cross-section F adalah sebesar 0,0000 yang

menunjukkan bahwa nilai probabilitas cross-section F < 0,05 yang

menunjukkan bahwa tolak H0 dan terima H1. Maka dari itu model

yang digunakan adalah model Fixed Effect Model (FEM).

b. Uji Hausman

Selanjutnya setelah kita melakukan Uji Chow maka kita akan

melakukan pengujian berikutnya, yaitu Uji Hausman. Uji Hausman

sendiri merupakan pengujian statistik sebagai dasar pertimbangan

kita dalam memilih apakah menggunakan Fixed Effect Model atau

Random Effect Model (FEM vs REM). Pengujian ini dilakukan

dengan hipotesis sebagai berikut:

H0: Random Effect Model

H1: Fixed Effect Model

Yang menjadi dasar penolakan H0 maka digunakan statistik

Hausman dan membandingkannya dengan Chi-square.

66

Tabel 4.7

Uji Hausman

Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 4.950955 4 0.0294

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Dari hasil Uji Hausman seperti yang dapat kita lihat dalam

tabel 4.2 diperoleh nilai probabilitas cross-section random sebesar

0,0294 yang berarti menunjukan bahwa nilai probabilitas cross-

section F < 0,05 yang menunjukkan bahwa tolak H0 dan terima H1.

Maka dari itu model yang digunakan adalah model Fixed Effect

Model (FEM).

3. Uji Asumsi Klasik

a. Uji Normalitas

Guna mengetahui apakah data terdistribusi normal atau tidak,

maka dilakukan dengan melihat koefisien Jarque-Bera dan nilai

probabilitasnya. Karena salah satu asumsi dalam penerapan data

panel adalah distribusi probabilitas dari gangguan uji-t memilik i

rata-rata yang diharapkan sama dengan nol, tidak berkorelasi dan

memiliki varian yang konstan. Adapun di dalam pengujian ini

adalah menggunakan hipotesis seperti berikut:

H0: Data terdistribusi normal

H1: Data tidak terdistribusi normal

Dengan syarat pengujian, apabila nilai probabilitas < nila i

signifikansi (0,05) maka tolak H0 dan terima H1, dan jika nilai

67

probabilitasnya > nilai signifikansi (0,05) maka tolak H1 dan terima

H0.

Tabel 4.8

Uji Normalitas

0

1

2

3

4

5

6

7

-5 -4 -3 -2 -1 0 1 2 3 4 5

Series: Standardized Residuals

Sample 2009 2018

Observations 50

Mean 1.74e-14

Median -0.648086

Maximum 5.229057

Minimum -4.907933

Std. Dev. 2.623825

Skewness 0.258272

Kurtosis 2.239198

Jarque-Bera 1.761747

Probability 0.414421

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Dari hasil pengujian normalitas pada tabel 4.8 didapatkan

nilai p value Jarque-Bera adalah sebesar 1,761747 yang artinya

nilai probabilitas 1,761747 > nilai signifikan (0,05) maka dapat

disimpulkan bahwa hasilnya adalah terima H0 yang artinya dalam

penelitian ini data terdistribusi normal.

b. Uji Multikolinearitas

Cara agar dapat mengetahui atau melihat terdapat

multikolinearitas adalah dari koefisien korelasi masing-mas ing

variabel bebas. Apabila koefisien korelasi di antara masing-mas ing

variabel bebas lebih besar dari 0,8 maka dapat dikatakan terjadi

multikolinearitas dan sebaliknya apabila nilai koefisien korelasi

masing-masing variabel bebas kurang dari 0,8 maka tidak terjadi

multikolinearitas.

68

Tabel 4.9

Uji Multikolinearitas

LOGPR RLS PE TPT

LOGPR 1.000000 0.780595 0.358989 0.323123

RLS 0.780595 1.000000 0.326608 0.648317

PE 0.358989 0.326608 1.000000 -0.131072

TPT 0.323123 0.648317 -0.131072 1.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Dari hasil Uji Multikolinearitas seperti dalam Tabel 4.9

dapat dilihat bahwa tidak terdapat korelasi antar variabel bebas

tidak melebihi 0,8. Maka dapat disimpulkan bahwa variabel bebas

atau variabel independen di dalam model regresi penelitian ini

adalah terbebas dari masalah multikolinearitas.

c. Uji Heterokedastisitas

Uji Glejser merupakan salah satu metode yang dipakai guna

menguji apakah tedapat heterokedastisitas atau tidak pada model

regresi yang kita uji. Uji Glejser yaitu dengan meregresi semua

variabel, sebagai variabel dependennya menggunakan nilai

absolute residual (Winarno, 2015). Adapun di dalam pengujian ini

adalah menggunakan hipotesis seperti berikut:

H0: Tidak terjadi heterokedastisitas

H1: Terjadi heterokedastisitas

Apabila nilai variabel bebas < 0,05 atau secara signifikan

mempengaruhi residual absolute (reabs) maka terdapat indikasi

heterokedastisitas. Sebaliknya apabila nilai probabilitas variabel

independen > 0,05 atau tidak mempengaruhi reabs maka tidak

terdapat indikasi heterokedastisitas.

69

Tabel 4.10

Uji Heterokedastisitas

Dependent Variable: REABS Method: Panel EGLS (Cross-section random effects) Date: 03/20/20 Time: 12:51 Sample: 2009 2018 Periods included: 10 Cross-sections included: 5 Total panel (balanced) observations: 50 Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob. C -0.190265 5.173423 -0.036777 0.9708

RLS -0.109292 0.093184 -1.172857 0.2470 TPT 0.041179 0.057065 0.721613 0.4743 PE -0.121348 0.067061 -1.809509 0.0771

LOGPR 0.132507 0.349317 0.379331 0.7062

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Dapat dilihat pada Tabel 4.10 dari pengujian yang telah

dilakukan diperoleh nilai probabilitas variabel independen > 0,05

yang menunjukan variabel tidak mempengaruhi reabs sehingga

dapat dikatakan model regresi dalam penelitian ini terbebas dari

masalah heterokedastisitas.

d. Uji Autokorelasi

Uji Autokorelasi merupakan hubungan antara residual satu

observasi dengan residual observasi lainnya. Autokorelasi lebih

mudah timbul pada data yang bersifat runtut waktu, dikarenakan

berdasarkan sifatnya, data masa sekarang dipengaruhi data masa

sebelumnya. Meskipun demikian, tetap dimungkinkan autokorelasi

dijumpai pada data yang bersifat antar objek (Winarno, 2015). Uji

Autokorelasi digunakan guna mengetahui apakah terdapat korelasi

antar residul pada satu pengamatan dengan residual pengamatan

lainnya. Salah satu cara mengetahui gejala autokorelasi adalah

dengan menggunakan Uji Durbin-Watson (D-W test).

70

Tabel 4.11

Uji Autokorelasi

R-squared 0.985046 Mean dependent var 15.40660

Adjusted R-squared 0.982128 S.D. dependent var 5.770000

S.E. of regression 0.771377 Akaike info criterion 2.480271

Sum squared resid 24.39594 Schwarz criterion 2.824435

Log likelihood -53.00677 Hannan-Quinn criter. 2.611330

F-statistic 337.5828 Durbin-Watson stat 1.775179

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Berdasarkan hasil pengujian seperti yang dapat dilihat pada

Tabel 4.11 diperoleh hasil pengujian autokorelasi dengan melihat

nilai Durbin-Watson stat yaitu sebesar 1.775179. Untuk melihat

ada tidaknya masalah autokorelasi diketahui dengan cara

membandingkan nilai Durbin Watson dengan tabel Durbin

Watson. Dalam penelitian ini n = 50 serta k = 4, di dapat dl=1.3779

dan du=1.7214. Oleh karena nilai du (1.7214) < d (1.775179) < 4-

du (2.224821) sehingga dapat disimpulkan tidak terjadi masalah

autokorelasi.

4. Pengujian Signifikansi

a. Model Penelitian

Berdasarkan tabel, maka ditemukan hasil dari perhitungan

Rata-rata Lama Sekolah, Pengeluaran Riil Perkapita, Pertumbuhan

Ekonomi dan Tingkat Pengangguran terhadap Tingkat Kemiskinan

di Provinsi D.I Yogyakarta sebagai berikut:

71

Tabel 4.12

Hasil Regresi Data Panel Fix Effect Model

Dependent Variable: TK?

Method: Pooled Least Squares

Date: 04/11/20 Time: 12:15

Sample: 1 10

Included observations: 10

Cross-sections included: 5

Total pool (balanced) observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 28.31625 11.25587 2.515688 0.0159

RLS? -3.672272 0.453427 -8.098935 0.0000

PE? -0.397780 0.124382 -3.198043 0.0027

LOGPR? 1.400966 0.758067 1.848078 0.0718

TPT? 0.230912 0.167158 1.381400 0.0176

Fixed Effects (Cross)

_BANTUL—C -0.664045

_GKIDUL—C -3.983003

_KPROGO--C 3.814389

_SLEMAN--C -1.134007

_YOGYAKARTA--C 1.966667

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Kemiskinan = 28.31625 – 3.672272 RLS + 1.400966 PR –

0.397780 PE + 0.230912 TPT

Dari model di atas dapat dibuat interpretasi sebagai berikut:

1) Konstanta sebesar 28.31625 menunjukkan bahwa jika variabel

independen ( RLS, PR, PE dan TPT) adalah nol, maka jumlah

tingkat kemiskinan di Provinsi D.I Yogyakarta adalah sebesar

28.31625.

2) Nilai koefisien regresi Rata-rata Lama Sekolah sebesar -

3.672272 yang berarti setiap kenaikan Rata-rata Lama Sekolah

naik 1 % maka jumlah tingkat kemiskinan mengalami

penurunan sebesar 3.672272.

3) Nilai koefisien regresi Pengeluaran Riil Perkapita sebesar

1.400966 yang berarti setiap kenaikan Pengeluaran Riil

Perkapita naik 1 % maka jumlah tingkat kemiskinan

mengalami kenaikan sebesar 1.400966.

72

4) Nilai koefisien regresi Pertumbuhan Ekonomi sebesar -

0.397780 yang berarti setiap kenaikan Pertumbuhan Ekonomi

naik 1 % maka jumlah tingkat kemiskinan mengalami

penurunan sebesar 0.397780.

5) Nilai koefisien regresi Tingkat Pengangguran sebesar

0.230912 yang berarti setiap kenaikan Tingkat Pengangguran

naik 1 % maka jumlah tingkat kemiskinan mengalami

kenaikan sebesar 0.230912.

Tabel 4.13

Hasil Uji Persamaan Setiap Objek Penelitian

Fixed Effects (Cross) Coeficient

_BANTUL—C -0.664045

_GKIDUL—C -3.983003

_KPROGO—C 3.814389

_SLEMAN—C -1.134007

_YOGYAKARTA--C 1.966667

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

1) Persamaan model regresi Kabupaten Bantul

Tingkat Kemiskinan Kabupaten Bantul = -0.664045 -

3.672272 RLS + 1.400966 PR – 0.397780 PE + 0.230912 TPT.

Konstanta sebesar -0.664045 menunjukkan bahwa jika

variabel independen ( RLS, PR, PE dan TPT) adalah nol, maka

jumlah tingkat kemiskinan di Kabupaten Bantul adalah

sebesar -0.664045.

2) Persamaan model regresi Kabupaten Gunung Kidul

Tingkat Kemiskinan Kabupaten Gunung Kidul = -3.983003 -

3.672272 RLS + 1.400966 PR – 0.397780 PE + 0.230912 TPT.

Konstanta sebesar -3.983003 menunjukkan bahwa jika

variabel independen ( RLS, PR, PE dan TPT) adalah nol, maka

73

jumlah tingkat kemiskinan di Kabupaten Gunung Kidul adalah

sebesar -3.983003.

3) Persamaan model regresi Kabupaten Kulon Progo

Tingkat Kemiskinan Kabupaten Kulon Progo = 3.814389 -

3.672272 RLS + 1.400966 PR – 0.397780 PE + 0.230912 TPT.

Konstanta sebesar 3.814389 menunjukkan bahwa jika variabel

independen ( RLS, PR, PE dan TPT) adalah nol, maka jumlah

tingkat kemiskinan di Kabupaten Kulon Progo adalah sebesar

3.814389.

4) Persamaan model regresi Kabupaten Sleman

Tingkat Kemiskinan Kabupaten Sleman = -1.134007 -

3.672272 RLS + 1.400966 PR – 0.397780 PE + 0.230912 TPT.

Konstanta sebesar -1.134007 menunjukkan bahwa jika

variabel independen ( RLS, PR, PE dan TPT) adalah nol, maka

jumlah tingkat kemiskinan di Kabupaten Sleman adalah

sebesar -1.134007.

5) Persamaan model regresi Kota Yogyakarta

Tingkat Kemiskinan Kota Yogyakarta = 1.966667 - 3.672272

RLS + 1.400966 PR – 0.397780 PE + 0.230912 TPT.

Konstanta sebesar 1.966667 menunjukkan bahwa jika variabel

independen ( RLS, PR, PE dan TPT) adalah nol, maka jumlah

tingkat kemiskinan di Kota Yogyakarta adalah sebesar

1.966667.

b. Uji Signifikansi Parsial (Uji t)

1) Berdasarkan Probalitas

Pengujian ini dilakukan guna mengetahui apakah

variabel bebas berpengaruh secara parsial (secara individu)

terhadap variabel terikat dan seberapa besar pengaruhnya

secara parsial. Dengan persyaratan membandingkan nilai

probabilitas masing-masing variabel. Apabila nilai

74

probabilitas masing-masing variabel < 0,05 maka tolak H0 dan

terima H1, dan apabila nilai probabilitas masing-mas ing

variabel > 0,05 maka terima H0 dan tolak H1.

Tabel 4.14

Uji T-statistic

Variable Coefficient Std. Error t-Statistic Prob. TPT 0.230912 0.167158 1.381400 0.0176

RLS -3.672272 0.453427 -8.098935 0.0000

LOGPR 1.400966 0.758067 1.848078 0.0718

PE -0.397780 0.124382 -3.198043 0.0027

C 28.31625 11.25587 2.515688 0.0159

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Dalam penelitian ini memakai Fix Effect Model (FEM),

peneliti menguraikan hipotesis penelitian yang telah disusun,

di antaranya adalah sebagai berikut:

a) H0 : diduga tidak terdapat pengaruh parsial yang

signifikan pada variabel Rata-rata Lama Sekolah terhadap

Tingkat Kemiskinan di 5 kabupaten/kota yang terdapat di

dalam Provinsi D.I Yogyakarta pada periode 2009-2018.

H1 : diduga terdapat pengaruh parsial yang signifikan pada

variabel Rata-rata Lama Sekolah terhadap Tingkat

Kemiskinan di 5 kabupaten/kota yang terdapat di dalam

Provinsi D.I Yogyakarta pada periode 2009-2018.

b) H0 : diduga tidak terdapat pengaruh parsial yang

signifikan pada variabel Pengeluaran Riil Perkapita

terhadap Tingkat Kemiskinan di 5 kabupaten/kota yang

terdapat di dalam Provinsi D.I Yogyakarta pada periode

2009-2018.

H1 : diduga terdapat pengaruh parsial yang signifikan pada

variabel Pengeluaran Riil Perkapita terhadap Tingkat

75

Kemiskinan di 5 kabupaten/kota yang terdapat di dalam

Provinsi D.I Yogyakarta pada periode 2009-2018.

c) H0 : diduga tidak terdapat pengaruh parsial yang

signifikan pada variabel Pertumbuhan Ekonomi terhadap

Tingkat Kemiskinan di 5 kabupaten/kota yang terdapat di

dalam Provinsi D.I Yogyakarta pada periode 2009-2018.

H1 : diduga terdapat pengaruh parsial yang signifikan pada

variabel Pertumbuhan Ekonomi terhadap Tingkat

Kemiskinan di 5 kabupaten/kota yang terdapat di dalam

Provinsi D.I Yogyakarta pada periode 2009-2018.

d) H0 : diduga tidak terdapat pengaruh parsial yang

signifikan pada variabel Tingkat Pengangguran Terbuka

terhadap Tingkat Kemiskinan di 5 kabupaten/kota yang

terdapat di dalam Provinsi D.I Yogyakarta pada periode

2009-2018.

H1 : diduga terdapat pengaruh parsial yang signifikan pada

variabel Tingkat Pengangguran Terbuka terhadap Tingkat

Kemiskinan di 5 kabupaten/kota yang terdapat di dalam

Provinsi D.I Yogyakarta pada periode 2009-2018.

Dengan berdasarkan hasil estimasi yang telah diperoleh

seperti tercantum dalam Tabel 6 maka pembuktian dari

hipotesis-hipotesis yang sebelumnya telah diuraikan di atas

adalah sebagai beikut:

a) Variabel TPT (Tingkat Pengangguran)

Nilai t parsial variabel TPT terhadap Y = -1.381400 dengan

p value 0.1746. Dikarenakan 0.0176 > 0,05 yang berarti H1

diterima maka variabel TPT signifikan dalam

mempengaruhi variabel terikat (Y) dalam penelitian ini.

b) Variabel RLS (Rata-rata Lama Sekolah)

76

Nilai t parsial variabel RLS terhadap Y = -8.098935 dengan

p value 0.0000. Dikarenakan 0.0000 < 0,05 yang berarti H1

diterima maka variabel RLS signifikan dalam

mempengaruhi variabel terikat (Y) dalam penelitian ini.

c) Variabel PR (Pengeluaran Riil Perkapita)

Nilai t parsial variabel PR terhadap Y = 1.848078 dengan p

value 0.0718. Dikarenakan 0.0718 > 0,05 yang berarti H1

ditolak maka variabel PR tidak signifikan dalam

mempengaruhi variabel terikat (Y) dalam penelitian ini.

d) Variabel PE (Pertumbuhan Ekonomi)

Nilai t parsial variabel PE terhadap Y = -3.198043 dengan

p value 0.0027. Dikarenakan 0.0027 < 0,05 yang berarti H1

diterima maka variabel PE signifikan dalam mempengaruhi

variabel terikat (Y) dalam penelitian ini.

c. Uji Signifikansi Simultan (Uji F)

Guna menguji apakah terdapat pengaruh variabel bebas

secara bersama-sama atau secara simultan terhadap variabel

terikat, maka dari itu digunakan Uji F yaitu dengan cara

membandingkan F-statistik dengan F-tabel. Jika model signifikan

maka model bisa digunakan untuk prediksi/peramalan, sebaliknya

jika non/tidak signifikan maka model regresi tidak bisa digunakan

untuk peramalan. Uji F dapat dilakukan dengan membandingkan F

hitung dengan F tabel, jika F hitung > dari F tabel, (Ho di tolak Ha

diterima) maka model signifikan.

Tabel 4.15

Uji F-statistic

F-statistic 337.5828

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

77

Dapat dilihat pada Tabel 4.8 bahwa diperoleh nilai F =

337.5828 dengan p value = 0,000000 < 0,05 maka yang berarti

sekumpulan variabel bebas secara serentak signifikan

mempengaruhi variabel terikat dengan asumsi ceteris paribus.

d. Uji Adjusted R2

Penggunaan pengujian koefisien determinasi (r-squared)

adalah untuk mengukur kemampuan model dalam menjelaskan

hubungan antara variabel dependen dan variabel independen. Nilai

koefisien determinasi bernilai di antara nol dan satu (0 ≤ R-squared

≤ 1). Semakin besar nilai adjusted r-squared maka semakin tinggi

variabel independen menjelaskan variabel dependennya.

Tabel 4.16

Nilai R-Squared

R-squared 0.985046

Adjusted R-squared 0.982128

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

Berdasarkan hasil estimasi pada Tabel 4.7 diperoleh nila i

adjusted r-squared sebesar 0.982128 atau 98%. Hasil tersebut

menunjukkan bahwa seluruh variabel bebas atau variabel

independen dapat menjelaskan variabel terikat atau variabel

dependen sebesar 98%, sedangkan 2% sisanya dijelaskan oleh

variabel lain di luar model yang terdapat dalam penelitian ini.

5. Analisis Ekonomi

a. Rata-rata Lama Sekolah terhadap Tingkat Kemiskinan

Berdasarkan hasil pengujian di dalam penelitian ini,

menunjukan bahwa nilai t parsial variabel Rata-rata Lama Sekolah

terhadap Tingkat Kemiskinan sebesar -8,0989351 dengan

probabilitas sebesar 0,0000. Dikarenakan 0,0000 < 0,05 yang

berarti H1 diterima. Sehingga dapat dikatakan bahwa variabel Rata-

78

rata Lama Sekolah mempunyai pengaruh negatif dan signifikan

terhadap variabel Tingkat Kemiskinan di Provinsi D.I Yogyakarta

tahun 2009-2018.

Hasil analisis regresi linier dengan model data pooling time

series menunjukkan bahwa Rata-rata Lama Sekolah berpengaruh

negatif dan signifikan terhadap Tingkat Kemiskinan. Hal ini

berarti, jika Rata-rata Lama Sekolah mengalami peningkatan,

maka Tingkat Kemiskinan akan menurun. Hasil penelitin ini juga

mendukung penelitian Saputro (2010) yang menunjukkan bahwa

pendidikan berpengaruh negatif dan signifikan terhadap di Lima

Belas Provinsi Tahun 2007. Hasil penelitin ini juga mendukung

penelitian Leasiwal (2013) yang menunjukkan Rata-rata Lama

Sekolah berpengaruh negatif dan signifikan terhadap Kemiskinan

di Provinsi Maluku. Rata-rata lama sekolah merupakan salah satu

indikator sosial di bidang pendidikan yang mencerminkan lama

bersekolah masyarakat yang ada di suatu daerah.

Besarnya angka rata-rata lama sekolah masyarakat di suatu

daerah akan berpengaruh terhadap kualitas pendidikan masyarakat

di daerah tersebut. Apabila kualitas rata-rata lama sekolah

masyarakat meningkat, maka akan berpengaruh meningkatkan

taraf kesejahteraan masyarakat tersebut. Hal ini dikarenakan

peningkatan kesejahteraan akan mendorong produktivitas atau

meningkatkan aktivitas dalam bekerja ataupun melaksanakan

pendidikan. Meningkatnya taraf kesejahteraan ini akan

berpengaruh mengurangi jumlah penduduk miskin di daerah

tersebut. Berdasarkan mekanisme tersebut, maka rata-rata lama

sekolah berpengaruh negatif terhadap tingkat kemiskinan di suatu

daerah. Pembangunan ekonomi maupun pembangunan pada

bidang-bidang lainnya selalu melibatkan sumber daya manusia

sebagai salah satu pelaku pembangunan, oleh karena itu jumlah

79

penduduk di dalam suatu negara adalah unsur utama dalam

pembangunan. Jumlah penduduk yang besar tidak selalu menjamin

keberhasilan pembangunan bahkan dapat menjadi beban bagi

keberlangsungan pembangunan tersebut. Jumlah penduduk yang

terlalu besar dan tidak sebanding dengan ketersediaan lapangan

kerja akan menyebabkan sebagian dari penduduk yang berada pada

usia kerja tidak memperoleh pekerjaan.

b. Pengeluaran Riil Per Kapita terhadap Tingkat Kemiskinan

Dalam cakupan lebih luas standar hidup layak

menggambarkan tingkat kesejahteraan yang dinikmati oleh

penduduk sebagai dampak semakin membaiknya ekonomi.

Kemampuan daya beli masyarakat terhadap sejumlah kebutuhan

pokok yang dilihat dari rata-rata besarnya pengeluaran perkapita

sebagai pendekatan pendapatan yang mewakili capaian

pembangunan untuk hidup layak. Tingkat kesejahteraan dikatakan

meningkat jika terjadi peningkatan konsumsi rill perkapita, yaitu

peningkatan nominal pengeluaran rumah tangga lebih tinggi dari

tingkat inflasi pada periode yang sama. Hasil koefisien angka

regresi Pengeluaran Rill Perkapita angka positif 1,400966, yang

berarti bahwa kenaikan 1 persen pada Pengeluaran Rill Perkapita

maka akan menaikkan tingkat kemiskinan 1,40 persen, cateris

paribus. Pada hasil regresi dalam model penelitian ini adalah

Pengeluaran Rill Perkapita memiliki hubungan yang positif dan

secara signifikan tidak berpengaruh pada Tingkat Kemiskinan. Hal

ini bertentangan dengan penelitian yang dilakukan oleh Merna

Kumalasari (2011).

80

c. Tingkat Pertumbuhan Ekonomi terhadap Tingkat

Kemiskinan

Berdasarkan hasil pengujian di dalam penelitian ini,

menunjukkan bahwa nilai t parsial variabel Tingkat Pertumbuhan

Ekonomi terhadap Tingkat Kemiskinan sebesar -3.198043 dengan

probabilitas sebesar 0.0027. Dikarenakan 0.0027 < 0,05 yang

berarti H1 diterima. Sehingga dapat dikatakan bahwa variabel Upah

Minimum mempunyai pengaruh negatif dan signifikan terhadap

variabel Tingkat Kemiskinan di Provinsi D.I Yogyakarta tahun

2009-2018.

Hasil analisis regresi linier dengan model data pooling time

series menunjukkan bahwa Pertumbuhan Ekonomi berpengaruh

negatif dan signifikan terhadap Tingkat Kemiskinan. Hal ini

berarti, jika Pertumbuhan Ekonomi mengalami peningkatan, maka

Jumlah Penduduk Miskin akan menurun. Hasil penelitin ini

mendukung penelitian Saleh (2002) yang menunjukkan bahwa

Pertumbuhan Ekonomi berpengaruh signifikan terhadap Jumlah

Penduduk Miskin. Hasil penelitin ini juga mendukung penelit ian

Amalia (2014) yang menunjukkan bahwa Pertumbuhan Ekonomi

berpengaruh negatif dan signifikan terhadap kemiskinan di Kota

Samarinda.

Pertumbuhan ekonomi di suatu daerah mencerminkan rata-

rata kemampuan pendapatan masyarakat untuk memenuhi

kebutuhan-kebutuhannya terutama kebutuhan-kebutuhan pokok.

Pembangunan dilaksanakan mewujudkan kemakmuran masyarakat

melalui pengembangan perekonomian mengatasi berbagai

permasalahan pembangunan dan sosial kemasyarakatan seperti

pengangguran dan kemiskinan. Selain pertumbuhan ekonomi,

salah satu aspek penting untuk melihat kinerja pembangunan

adalah seberapa efektif penggunaan sumber-sumber daya yang ada

sehingga lapangan kerja dapat menyerap angkatan kerja yang

81

tersedia. Pertumbuhan ekonomi yang semakin meningkat berarti

produksi barang/jasa yang dihasilkan meningkat.

Besarnya rata-rata kemampuan pendapatan ini akan

berpengaruh terhadap kemampuan untuk mengakses sejumlah

fasilitas kesehatan termasuk dalam mencukupi kebutuhan akan

kesejahteraan. Kemampuan untuk mengakses kesejahteraan ini

selanjutnya akan berpengaruh terhadap Jumlah Penduduk Miskin

di suatu daerah. Apabila PDRB per kapita meningkat, maka

kemampuan rata-rata pendapatan masyarakat akan meningkat yang

selanjutnya akan berpengaruh meningkatkan kemampuan untuk

kebutuhan akan kesejahteraan. Jika kebutuhan akan kesejahteraan

ini semakin dapat dicukupi, maka Tingkat Kemiskinan di daerah

tersebut telah berkurang. Begitupun sebaliknya, berdasarkan

mekanisme tersebut, maka PDRB per kapita berpengaruh negatif

terhadap Tingkat Kemiskinan.

d. Tingkat Pengangguran Terbuka terhadap Tingkat

Kemiskinan

Berdasarkan hasil pengujian di dalam penelitian ini,

menunjukan bahwa nilai t parsial variabel Tingkat Pertumbuhan

Ekonomi terhadap Tingkat Kemiskinan sebesar 1.381400 dengan

probabilitas sebesar 0.0176. Dikarenakan 0.0176 < 0,05 yang

berarti H1 diterima. Sehingga dapat dikatakan bahwa variabel

Pengangguran Terbuka mempunyai pengaruh negatif dan

signifikan terhadap variabel Tingkat Kemiskinan di Provinsi D.I

Yogyakarta tahun 2009-2018.

Hubungan positif dan signifikan antara Tingkat

Pengangguran Terbuka dengan tingkat kemiskinan di Provinsi D.I

Yogyakarta tentunya sesuai dengan teori yang ada serta hipotesis

yang telah dibuat. Dengan kata lain meningkatnya Tingkat

Pengangguran Terbuka turut meningkatkan Tingkat Kemiskinan,

82

begitupun sebaliknya menurunnya Tingkat Pengangguran Terbuka

maka akan berdampak pada menurunnya Tingkat Kemiskinan.

Pengaruh antara Tingkat Pengangguran terhadap Tingkat

Kemiskinan ini telah dijelaskan oleh teori yang dikemukakan oleh

Sadono Sukirno (2004), menurutnya efek buruk dari pengangguran

adalah mengurangi pendapatan masyarakat yang pada akhirnya

mengurangi tingkat kemakmuran yang telah dicapai seseorang.

Semakin turunnya kesejahteraan masyarakat karena menganggur

tentunya akan meningkatkan peluang mereka terjebak dalam

kemiskinan karena tidak memiliki pendapatan. Oleh sebab itu

diperlukannya strategi dari Pemerintah Provinsi Banten untuk

mengurangi angka Tingkat Pengangguran Terbuka agar angka

Tingkat Kemiskinan di Provinsi Banten dapat menurun.

Hasil dalam penelitian ini juga sesuai dengan penelitian yang

dilakukan oleh Listyaningrum Kusuma Wardani (2013) dimana

dalam penelitiannya menunjukkan bahwa Tingkat Pengangguran

Terbuka mempunyai pengaruh positif dan signifikan terhadap

Tingkat Kemiskinan di Provinsi Jawa Tengah.

83

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Tujuan dalam penelitian ini adalah untuk melihat bagaimana

hubungan antara Pengaruh Rata-Rata Lama Sekolah, Pengeluaran Rill

Perkapita, Pertumbuhan Ekonomi dan Pengangguran Terhadap Tingkat

Kemiskinan di Provinsi D.I Yogyakarta Tahun 2009-2018. Penulis ingin

melihat faktor seperti apa sebenarnya yang dapat mempengaruhi Tingkat

Kemiskinan pada kabupaten/kota yang terdapat di dalam Provinsi D.I

Yogyakarta. Berdasarkan pengujian statistik dengan menggunakan analis is

data panel, maka kesimpulan dari penelitian ini adalah sebagai berikut:

1. Nilai t parsial variabel Rata-rata Lama Sekolah terhadap Y = -8.098935

dengan p value 0,0000. Dikarenakan 0,0000 < 0,05 yang berarti H1

diterima maka variabel Rata-rata Lama Sekolah signifikan dalam

mempengaruhi variabel terikat (Y) dalam penelitian ini, yang berarti

bahwa Rata-rata Lama Sekolah di 5 kabupaten/kota yang terdapat di

Provinsi D.I Yogyakarta memiliki pengaruh yang negatif dan signifikan

terhadap Tingkat Kemiskinan di Provinsi D.I Yogyakarta. Artinya, jika

Rata-rata Lama Sekolah meningkat maka menurunkan angka Tingkat

Kemiskinan.

2. Nilai t parsial variabel Pengeluaran Riil Perkapita terhadap Y =

1.8480785 dengan p value 0,0718. Dikarenakan 0,0718 > 0,05 yang

berarti H1 ditolak maka variabel Pengeluaran Riil Perkapita tidak

signifikan dalam mempengaruhi variabel terikat (Y) dalam penelit ian

ini, yang berarti bahwa Pengeluaran Riil Perkapita di 5 kabupaten/kota

yang terdapat di Provinsi D.I Yogyakarta memiliki pengaruh yang

positif dan tidak signifikan terhadap Tingkat Kemiskinan di Provins i

84

D.I Yogyakarta. Artinya, jika Pengeluaran Riil Perkapita meningka t

maka menaikkan angka Tingkat Kemiskinan.

3. Nilai t parsial variabel Pertumbuhan Ekonomi terhadap Y = -3.198043

dengan p value 0,0027. Dikarenakan 0,0027 < 0,05 yang berarti H1

diterima maka variabel Pertumbuhan Ekonomi signifikan dalam

mempengaruhi variabel terikat (Y) dalam penelitian ini, yang berarti

bahwa Pertumbuhan Ekonomi di 5 kabupaten/kota yang terdapat di

Provinsi D.I Yogyakarta memiliki pengaruh yang negatif dan signifikan

terhadap Tingkat Kemiskinan di Provinsi D.I Yogyakarta. Artinya, jika

Pertumbuhan Ekonomi meningkat maka menurunkan angka Tingkat

Kemiskinan.

4. Nilai t parsial variabel Tingkat Pengangguran Terbuka terhadap Y =

1.381400 dengan p value 0.0176. Dikarenakan 0,0176 < 0,05 yang

berarti H1 diterima maka variabel Tingkat Pengangguran Terbuka

signifikan dalam mempengaruhi variabel terikat (Y) dalam penelit ian

ini, yang berarti bahwa Tingkat Pengangguran Terbuka di 5

kabupaten/kota yang terdapat di Provinsi D.I Yogyakarta memilik i

pengaruh yang positif dan signifikan terhadap Tingkat Kemiskinan di

Provinsi D.I Yogyakarta. Artinya, jika Tingkat Pengangguran Terbuka

meningkat maka meningkatkan angka Tingkat Kemiskinan.

B. Saran

Berdasarkan hasil analisis dan penulisan, adapun saran yang dapat

penulis berikan adalah sebagai berikut:

1. Rata-Rata Lama Sekolah sebagai komponen pendidikan memilik i

pengaruh yang negatif terhadap Tingkat Kemiskinan. Kebijakan kuliah

gratis di perguruan tinggi hendaknya segera terlaksana bagi mereka-

mereka yang berprestasi namun tergolong dalam keluarga miskin.

Memberikan jaminan pendidikan bagi orang miskin serta

85

meningkatkan fasilitas- fasilitas pendidikan secara merata tidak hanya

terpusat di suatu daerah tetapi merata ke seluruh daerah lainnya.

2. Pengeluaran Rill Perkapita memiliki pengaruh yang besar terhadap

Tingkat Kemiskinan. Konsumsi yang tinggi menunjukkan tingkat

kesejahteraan yang baik maka dari itu perlu dioptimalkan nya

pemerataan pendapatan pada masyarakat agar dapat memenuhi

kebutuhannya sehingga menekan kemiskinan dengan mendorong

tumbuhnya industri padat karya di pedesaan dan di perkotaan.

3. Pertumbuhan Ekonomi berpengaruh negatif terhadap Tingkat

Kemiskinan, maka dari itu pemerataan pendapatan baik secara nasiona l

maupun regional hendaknya merata menyebar ke setiap golongan

penduduk miskin yang ada di kota maupun yang ada di desa, serta

dilakukan upaya peningkatan pertumbuhan ekonomi di masing-mas ing

wilayah dengan mengandalkan potensi-potensi yang dimiliki.

4. Diperlukannya peran Pemerintah daerah untuk menanggulangi

tingginya angka Tingkat Pengangguran Terbuka dengan cara membuat

terobosan-terobosan ataupun metode baru supaya tenaga kerja di

Provinsi Banten dapat terserap secara maksimal.

5. Untuk penelitian selanjutnya, penulis berharap penelitian selanjutnya

dapat memperkaya penelitian dengan memperbanyak variabel-variabe l

yang dianggap berpengaruh terhadap pengentasan Tingkat Kemiskinan.

86

DAFTAR PUSTAKA

Amalia, Siti, 2014, Pengaruh Pertumbuhan Ekonomi dan Inflasi terhadap

Pengangguran Terbuka dan Kemiskinan di Kota Samarinda, Jurnal:

Ekonomika-Bisnis, Vol. 5 No.2. Hal 173-182.

Arsyad, Lincolin, 2004. Ekonomi Pembangunan, STIE-YKPN, Yogyakarta.

Badan Pusat Statistik. (2008). Analisis dan Perhitungan Tingkat Kemiskinan

Tahun 2008. Jakarta : BPS.

Badan Pusat Statistik. (2009). D.I Yogyakarta Dalam Angka 2009. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta.

--------------------------.(2010). D.I Yogyakarta Dalam Angka 2010. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2011). D.I Yogyakarta Dalam Angka 2012. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2012). D.I Yogyakarta Dalam Angka 2012. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2013). D.I Yogyakarta Dalam Angka 2013. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2014). D.I Yogyakarta Dalam Angka 2014. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

87

--------------------------.(2015). D.I Yogyakarta Dalam Angka 2015. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2016). D.I Yogyakarta Dalam Angka 2016. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2017). D.I Yogyakarta Dalam Angka 2017. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2018). D.I Yogyakarta Dalam Angka 2018. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

--------------------------.(2019). D.I Yogyakarta Dalam Angka 2019. Provinsi D.I

Yogyakarta : Badan Pusat Statistik Provinsi D.I Yogyakarta

Bappenas, 2004. Rencana Pembangunan Jangka Menengah Nasional .Jakarta:

Bappenas.

Kumalasari, Merna, 2011. Analisis Pertumbuhan Ekonomi, Angka Harapan

Hidup, Angka Melek Huruf, Rata-Rata Lama Sekolah, Pengeluaran

Perkapita dan Jumlah Penduduk terhadap Tingkat Kemiskinan di Jawa

Tengah. Semarang : Skripsi, Universitas Diponegoro.

Kuncoro, Mudrajat, 2006. Ekonomi Pembangunan, Salemba Empat, Jakarta.

Leasiwal, Teddy Christianto, 2013, Determinan dan Karakteristik Kemiskinan

di Provinsi Maluku, Jurnal: Citra Ekonomika, Volume VII, No. 2.

Mankiw, N Gregory, 2004. Teori Makroekonomi, Erlangga, Jakarta.

88

Nugroho, Widiatma,2012. Analisis Pengaruh PDRB, Agrishare, Rata-Rata

Lama Sekolah dan Angka Melek Huruf terhadap Jumlah Penduduk Miskin

di Indonesia. Semarang : Skripsi, Universitas Diponegoro.

Nunung Nurwati, 2008. Kemiskinan : Model Pengukuran, Permasalahan dan

Alternatif Kebijakan, Jurnal Kependudukan Padjajaran Volume 10 No.1.

Rika, Munawaroh dan Puruwita, 2012. Pengaruh Tingkat Pendidikan,

Pendapatan Perkapita dan Pengangguran Terhadap Kemiskinan di DKI

Jakarta, Jurnal: Econosains, Volume 10, No. 02, Edisi Agustus (149-150).

Sajogyo, 1999. Golongan Miskin dan Partisipasi dalam Pembangunan Desa.

Prisma No.3.

Saputro, Agung Eddy Suryo, 2010, Faktor-faktor yang Mempengaruhi

Kemiskinan Secara Makro di Lima Belas Provinsi Tahun 2007, Jurnal:

Organisasi dan Manajemen, Volume 6, Nomor 2, 89-100.

Saragih, Togar, 2006, Pengangguran, Pendidikan dan Kemiskinan di Indonesia,

Jurnal Ekonomi Teleskop STIE Y.A.I Volume 5 edisi 9, Salemba empat,

Jakarta.

Sukirno, Sadono, 2000. Makroekonomi Modern, Raja Grafindo Perkasa, Jakarta.

Sukirno, Sadono, 2004. Makroekonomi, Edisi Ketiga, Raja Grafindo Perkasa,

Jakarta.

89

Sukirno, Sadono, 2005. Makroekonomi teori Pengantar, Raja Grafindo Perkasa,

Jakarta.

Sukirno, Sadono,2010. Makroekonomi : teori Pengantar, Edisi 3, Raja Grafindo

Perkasa, Jakarta.

Tambunan, Tulus T.H, 2001. Perekonomian Indonesia, Ghalia Indonesia,

Jakarta.

Tarigan, Robinson, 2005. Ekonomi Regional, Bumi Aksara, Jakarta.

Todaro, Michael P dan Stephen C.Smith, 2006. Pembangunan Ekonomi,

Erlangga, Jakarta.

Todaro, Michael P, 2000. Pembangunan Ekonomi di Dunia ketiga, Erlangga,

Jakarta.

Utsama, 2009. Peranan Pendidikan Dalam Pengentasan Kemiskinan, Jurnal:

Dialogue JIAKP, Volume 06, No. 01, Edisi Januari (4-5).

Wardani, Kusuma, L. 2013. Pengaruh Pengangguran, Pengeluaran Pemerintah

dan Jumlah Penduduk Terhadap Kemiskinan di Kab/Kota di Jawa Tengah.

Winarno, Wahyu Wing. 2015. Analisis Ekonometrika dan Statistika dengan

Eviews, Edisi empat. Yogyakarta: UPP STIM YKPN.

90

LAMPIRAN-LAMPIRAN

91

Lampiran 1: Uji Model Data Panel

A. Fix Effect Model

Dependent Variable: TK?

Method: Pooled Least Squares

Date: 04/11/20 Time: 13:27

Sample: 1 10

Included observations: 10

Cross-sections included: 5

Total pool (balanced) observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 28.31625 11.25587 2.515688 0.0159

RLS? -3.672272 0.453427 -8.098935 0.0000

TPT? 0.230912 0.167158 1.381400 0.0176

PE? -0.397780 0.124382 -3.198043 0.0027

LOGPR? 1.400966 0.758067 1.848078 0.0718

Fixed Effects (Cross)

_BANTUL--C -0.664045

_GKIDUL--C -3.983003

_KPROGO--C 3.814389

_SLEMAN--C -1.134007

_YOGYAKARTA--C 1.966667 Effects Specification Cross-section fixed (dummy variables) R-squared 0.985046 Mean dependent var 15.40660

Adjusted R-squared 0.982128 S.D. dependent var 5.770000

S.E. of regression 0.771377 Akaike info criterion 2.480271

Sum squared resid 24.39594 Schwarz criterion 2.824435

Log likelihood -53.00677 Hannan-Quinn criter. 2.611330

F-statistic 337.5828 Durbin-Watson stat 1.707922

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

92

B. Random Effect Model

Dependent Variable: TK

Method: Panel EGLS (Cross-section random effects)

Date: 03/20/20 Time: 12:42

Sample: 2009 2018

Periods included: 10

Cross-sections included: 5

Total panel (balanced) observations: 50

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. TPT -0.176759 0.149050 -1.185903 0.2419

RLS -3.434699 0.378415 -9.076552 0.0000

LOGPR 1.234494 0.751551 1.642595 0.1074

PE -0.397087 0.124356 -3.193139 0.0026

C 28.68091 11.20161 2.560427 0.0139 Effects Specification

S.D. Rho Cross-section random 2.576571 0.9177

Idiosyncratic random 0.771377 0.0823 Weighted Statistics R-squared 0.795651 Mean dependent var 1.452091

Adjusted R-squared 0.777487 S.D. dependent var 1.652458

S.E. of regression 0.779485 Sum squared resid 27.34188

F-statistic 43.80298 Durbin-Watson stat 1.587869

Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.793215 Mean dependent var 15.40660

Sum squared resid 337.3385 Durbin-Watson stat 0.261803

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

93

C. Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 84.766655 (4,41) 0.0000

Cross-section Chi-square 111.338724 4 0.0000

Cross-section fixed effects test equation:

Dependent Variable: TK

Method: Panel Least Squares

Date: 03/20/20 Time: 12:42

Sample: 2009 2018

Periods included: 10

Cross-sections included: 5

Total panel (balanced) observations: 50 Variable Coefficient Std. Error t-Statistic Prob. TPT -0.787154 0.285784 -2.754368 0.0085

RLS -1.598894 0.422369 -3.785538 0.0005

LOGPR -4.948650 1.619787 -3.055124 0.0038

PE -0.507983 0.357732 -1.420011 0.1625

C 115.8353 24.03719 4.819001 0.0000 R-squared 0.861374 Mean dependent var 15.40660

Adjusted R-squared 0.849051 S.D. dependent var 5.770000

S.E. of regression 2.241767 Akaike info criterion 4.547045

Sum squared resid 226.1483 Schwarz criterion 4.738247

Log likelihood -108.6761 Hannan-Quinn criter. 4.619856

F-statistic 69.90342 Durbin-Watson stat 0.513595

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

94

D. Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 4.950955 4 0.0294

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. TPT -0.230912 -0.176759 0.005726 0.4742

RLS -3.672272 -3.434699 0.062398 0.3416

LOGPR 1.400966 1.234494 0.009836 0.0932

PE -0.397780 -0.397087 0.000007 0.7857

Cross-section random effects test equation:

Dependent Variable: TK

Method: Panel Least Squares

Date: 03/20/20 Time: 12:43

Sample: 2009 2018

Periods included: 10

Cross-sections included: 5

Total panel (balanced) observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 28.31625 11.25587 2.515688 0.0159

TPT 0.230912 0.167158 1.381400 0.0176

RLS -3.672272 0.453427 -8.098935 0.0000

LOGPR 1.400966 0.758067 1.848078 0.0718

PE -0.397780 0.124382 -3.198043 0.0027 Effects Specification Cross-section fixed (dummy variables) R-squared 0.985046 Mean dependent var 15.40660

Adjusted R-squared 0.982128 S.D. dependent var 5.770000

S.E. of regression 0.771377 Akaike info criterion 2.480271

Sum squared resid 24.39594 Schwarz criterion 2.824435

Log likelihood -53.00677 Hannan-Quinn criter. 2.611330

F-statistic 337.5828 Durbin-Watson stat 1.775179

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

95

Lampiran 2 : Uji Asumsi Klasik

A. Uji Normalitas

0

1

2

3

4

5

6

7

-5 -4 -3 -2 -1 0 1 2 3 4 5

Series: Standardized Residuals

Sample 2009 2018

Observations 50

Mean 1.74e-14

Median -0.648086

Maximum 5.229057

Minimum -4.907933

Std. Dev. 2.623825

Skewness 0.258272

Kurtosis 2.239198

Jarque-Bera 1.761747

Probability 0.414421

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

B. Uji Multikolinearitas

LOGPR RLS PE TPT

LOGPR 1.000000 0.780595 0.358989 0.323123

RLS 0.780595 1.000000 0.326608 0.648317

PE 0.358989 0.326608 1.000000 -0.131072

TPT 0.323123 0.648317 -0.131072 1.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

C. Uji Heterokedastisitas

Dependent Variable: REABS

Method: Panel EGLS (Cross-section random effects)

Date: 03/20/20 Time: 12:51

Sample: 2009 2018

Periods included: 10

Cross-sections included: 5

Total panel (balanced) observations: 50

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C -0.190265 5.173423 -0.036777 0.9708

RLS -0.109292 0.093184 -1.172857 0.2470

TPT 0.041179 0.057065 0.721613 0.4743

PE -0.121348 0.067061 -1.809509 0.0771

LOGPR 0.132507 0.349317 0.379331 0.7062

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

96

D. Uji Autokorelasi

R-squared 0.985046 Mean dependent var 15.40660

Adjusted R-squared 0.982128 S.D. dependent var 5.770000

S.E. of regression 0.771377 Akaike info criterion 2.480271

Sum squared resid 24.39594 Schwarz criterion 2.824435

Log likelihood -53.00677 Hannan-Quinn criter. 2.611330

F-statistic 337.5828 Durbin-Watson stat 1.775179

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan Data dengan Eviews 8.0

97

Lampiran 3: Data Penelitian

1. Tingkat Kemiskinan Menurut Kabupaten/Kota Provinsi D.I Yogyakarta

Tahun 2009-2018 (Y)

Tahun

Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 24,65 17,64 24,44 11,45 10,05

2010 23,15 16,09 22,05 10,7 9,75

2011 23,62 17,28 23,03 10,61 9,62

2012 23,32 16,97 22,72 10,44 9,38

2013 21,39 16,48 21,7 9,68 8,82

2014 20,64 15,89 20,83 9,5 8,67

2015 21,4 16,33 21,73 9,46 8,75

2016 20,3 14,55 19,34 8,21 7,7

2017 20,03 14,07 18,65 8,13 7,64

2018 18,3 13,43 17,12 7,65 6,98

Sumber : BPS Provinsi D.I Yogyakarta

98

2. Rata-Rata Lama Sekolah Menurut Kabupaten/Kota Provinsi D.I

Yogyakarta Tahun 2009-2018 (X1)

Tahun

Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 7,79 7,64 5,61 9,18 10,48

2010 7,85 8,34 5,59 9,78 10,88

2011 7,88 8,35 5,74 10,03 11,01

2012 7,93 8,44 6,08 10,03 11,22

2013 8,02 8,72 6,22 10,03 11,36

2014 8,20 8,74 6,45 10,28 11,39

2015 8,40 9,08 6,46 10,30 11,41

2016 8,50 9,09 6,62 10,64 11,42

2017 8,64 9,20 6,99 10,65 11,43

2018 8,65 9,35 7,00 10,66 11,44

Sumber : BPS Provinsi D.I Yogyakarta

99

3. Pengeluaran Rill Perkapita Menurut Kabupaten/Kota Provinsi D.I

Yogyakarta Tahun 2009-2018 (X2)

Tahun

Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 6295 6438,90 6230,9 6460,8 6475,9

2010 8274,24 13724,58 8092,86 13847,86 16461,51

2011 8329,85 13778,46 8137,65 13882,15 16497,48

2012 8341,61 13797,53 8170,07 13916,45 16497,73

2013 8467,97 13901,51 8202,49 14085,15 16645,48

2014 8479,94 13920,75 8235,16 14170,27 16754,82

2015 8687,81 14320,1 8336,07 14561,89 17316,78

2016 8938 14880 8467 14921 17770

2017 9277 14995 8788 15365 18005

2018 9698 15386 9163 15844 18629

Sumber : BPS Provinsi D.I Yogyakarta

100

4. Pertumbuhan Ekonomi Menurut Kabupaten/Kota Provinsi D.I

Yogyakarta Tahun 2009-2018 (X3)

Tahun

Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 2,69 3,56 4,15 4,48 4,97

2010 3,61 4,37 3,64 5,08 5,52

2011 4,23 5,07 4,52 5,42 5,84

2012 4,96 5,29 4,8 5,37 5,4

2013 5,12 5,57 5,19 5,7 5,47

2014 4,53 5,25 5,64 5,23 5,64

2015 4,62 4,48 4,11 4,46 5,13

2016 4,76 5,06 4,88 5,25 5,12

2017 5,97 5,29 5,01 5,48 5,79

2018 10,84 5,47 5,16 6,42 5,49

Sumber : BPS Provinsi D.I Yogyakarta

101

5. Tingkat Pengangguran Terbuka Menurut Kabupaten/Kota Provinsi D.I

Yogyakarta Tahun 2009-2018 (X4)

Tahun

Kabupaten/Kota

Kulonprogo Bantul Gunungkidul Sleman Yogyakarta

2009 4,31 5,85 3,94 7,4 8,07

2010 4,18 5,24 4,04 7,71 7,41

2011 3,03 4,39 2,23 5,36 6,7

2012 3,04 3,7 1,38 5,64 5,33

2013 2,85 3,36 1,69 3,28 6,45

2014 2,88 2,57 1,61 4,21 6,35

2015 3,72 3 2,9 5,37 5,52

2016 2,37 2,97 2,1 4,23 5,27

2017 1,99 3,12 1,65 3,51 5,08

2018 1,49 2,72 2,07 4,4 6,22

Sumber : BPS Provinsi D.I Yogyakarta

102

6. Data Penelitian Secara Keseluruhan

No. Kabupaten dan

Kota Tahun

Y X1 X2 X3 X4

TK RLS PR

(LOG) PE TPT

1 Kab. Kulon Progo 2009 24.65 7.79 6295000 2.69 4.31

2 Kab. Kulon Progo 2010 23.15 7.85 8274000 3.61 4.18

3 Kab. Kulon Progo 2011 23.62 7.88 8330000 4.23 3.03

4 Kab. Kulon Progo 2012 23.32 7.93 8340000 4.96 3.04

5 Kab. Kulon Progo 2013 21.39 8.02 8470000 5.12 2.85

6 Kab. Kulon Progo 2014 20.64 8.2 8480000 4.53 2.88

7 Kab. Kulon Progo 2015 21.4 8.4 8688000 4.62 3.72

8 Kab. Kulon Progo 2016 20.3 8.5 8938000 4.76 2.37

9 Kab. Kulon Progo 2017 20.03 8.64 9277000 5.97 1.99

10 Kab. Kulon Progo 2018 18.3 8.65 9698000 10.84 1.49

11 Kab. Bantul 2009 17.64 7.64 6438900 3.56 5.85

12 Kab. Bantul 2010 16.09 8.34 13724000 4.37 5.24

13 Kab. Bantul 2011 17.28 8.35 13778000 5.07 4.39

14 Kab. Bantul 2012 16.97 8.44 13797000 5.29 3.7

15 Kab. Bantul 2013 16.48 8.72 13900000 5.57 3.36

16 Kab. Bantul 2014 15.89 8.74 13921000 5.25 2.57

17 Kab. Bantul 2015 16.33 9.08 14320000 4.48 3

18 Kab. Bantul 2016 14.55 9.09 14880000 5.06 2.97

19 Kab. Bantul 2017 14.07 9.2 14995000 5.29 3.12

20 Kab. Bantul 2018 13.43 9.35 15386000 5.47 2.72

21 Kab. Gunung kidul 2009 24.44 5.61 6230900 4.15 3.94

22 Kab. Gunung kidul 2010 22.05 5.59 8093000 3.64 4.04

23 Kab. Gunung kidul 2011 23.03 5.74 8137000 4.52 2.23

24 Kab. Gunung kidul 2012 22.72 6.08 8170000 4.8 1.38

25 Kab. Gunung kidul 2013 21.7 6.22 8202000 5.19 1.69

103

26 Kab. Gunung kidul 2014 20.83 6.45 8235000 5.64 1.61

27 Kab. Gunung kidul 2015 21.73 6.46 8336000 4.11 2.9

28 Kab. Gunung kidul 2016 19.34 6.62 8467000 4.88 2.1

29 Kab. Gunung kidul 2017 18.65 6.99 8788000 5.01 1.65

30 Kab. Gunung kidul 2018 17.12 7 9163000 5.16 2.07

31 Kab. Sleman 2009 11.45 9.18 6460800 4.48 7.4

32 Kab. Sleman 2010 10.7 9.78 13848000 5.08 7.71

33 Kab. Sleman 2011 10.61 10.03 13882000 5.42 5.36

34 Kab. Sleman 2012 10.44 10.03 13916000 5.37 5.64

35 Kab. Sleman 2013 9.68 10.03 14085000 5.7 3.28

36 Kab. Sleman 2014 9.5 10.28 14170000 5.23 4.21

37 Kab. Sleman 2015 9.46 10.3 14562000 4.46 5.37

38 Kab. Sleman 2016 8.21 10.64 14921000 5.25 4.23

39 Kab. Sleman 2017 8.13 10.65 15365000 5.48 3.51

40 Kab. Sleman 2018 7.65 10.66 15844000 6.42 4.4

41 Kota Yogyakarta 2009 10.05 10.48 6475900 4.97 8.07

42 Kota Yogyakarta 2010 9.75 10.88 16461000 5.52 7.41

43 Kota Yogyakarta 2011 9.62 11.01 16497000 5.84 6.7

44 Kota Yogyakarta 2012 9.38 11.22 16498000 5.4 5.33

45 Kota Yogyakarta 2013 8.82 11.36 16645000 5.47 6.45

46 Kota Yogyakarta 2014 8.67 11.39 16755000 5.64 6.35

47 Kota Yogyakarta 2015 8.75 11.41 17317000 5.13 5.52

48 Kota Yogyakarta 2016 7.7 11.42 17770000 5.12 5.27

49 Kota Yogyakarta 2017 7.64 11.43 18005000 5.79 5.08

50 Kota Yogyakarta 2018 6.98 11.44 18629000 5.49 6.22