bab iv temuan dan pembahasan - repository.uksw.edu...1.2.4 uji autokorelasi autokorelasi adalah...

BAB IV

TEMUAN DAN PEMBAHASAN

Bab ini akan membahas tentang hasil penelitian yang telah diperoleh

sekaligus pembahasannya. Hasil penelitian ini menjawab masalah penelitian pada

Bab I yaitu apakah jumlah penduduk berpengaruh terhadap kemiskinan di Jawa

Tengah tahun 2005 – 2010 dan apakah pengangguran berpengaruh terhadap

kemiskinan di Jawa Tengah tahun 2005 – 2010.

1.1 Deskripsi Obyek Penelitian

1.1.1 Kondisi Geografis

Jawa Tengah sebagai salah satu provinsi di Pulau Jawa letaknya diapit oleh

dua provinsi besar yaitu Jawa Barat dan Jawa Timur. Secara geografis letaknya

antara 5040’ dan 8030’ Lintang Selatan dan antara 108030’ dan 110030’ Bujur

Timur (termasuk Pulau Karimunjawa). Jarak terjauh dari barat ke timur adalah

263 km dan dari utara ke selatan adalah 226 km (tidak termasuk Pulau

Karimunjawa).

Luas wilayah Jawa Tengah tercatat sebesar 3.254.412 hektar atau sekitar

25,04 persen dari luas Pulau Jawa dan 1,70 persen dari luas Indonesia. Luas

wilayah tersebut terdiri dari 991 ribu hektar (30,45 persen) lahan sawah dan 2,26

juta hektar (69,55 persen) bukan lahan sawah. Provinsi Jawa Tengah dengan pusat

pemerintahan di Kota Semarang, secara administratif terbagi dalam 35

kabupaten/kota (29 kabupaten dan 6 kota) dengan 565 kecamatan yang meliputi

7872 desa dan 622 kelurahan. Secara administratif Provinsi Jawa Tengah

berbatasan oleh :

Sebelah Utara : Laut Jawa

Sebelah Timur : Jawa Timur

Sebelah Selatan : Samudera Hindia

Sebelah Barat : Jawa Barat

1.1.2 Gambaran Umum Subyek Penelitian

Penelitian ini tentang pengaruh jumlah penduduk dan pengangguran

terhadap tingkat kemiskinan di Kabupaten/kota Di Jawa Tengah tahun 2005 –

2010. Data yang diperoleh dalam penelitian ini berasal dari Badan Pusat Statistik

(BPS) Jawa Tengah Jl. Pemuda (Simpang Lima), Semarang. Data jumlah

penduduk di provinsi Tengah tahun 2005 – 2010 terbesar yaitu berada Kabupaten

Brebes yaitu sebanyak 1.814.274 juta jiwa ditahun 2005. Jumlah penduduk yang

paling sedikit yaitu di Kota Magelang yaitu sebesar 129.952 juta jiwa di tahun

2006. Tingkat pengangguran di provinsi Jawa Tengah tahun 2005 - 2008 terbesar

yaitu berada kota Cilacap yaitu sebanyak 17,76 persen ditahun 2005, tetapi di

tahun 2010 yang paling besar yaitu di kota Tegal sebesar 14,22 persen, sedangkan

yang paling sedikit yaitu di Kabupaten Blora yaitu sebesar 4,60 persen di tahun

2005, sedangkan di tahun 2010 yang paling sedikit yaitu kabupaten Magelang

sebesar 2,97 persen. persentase penduduk miskin provinsi Jawa Tengah tahun

2005 - 2010 terbanyak yaitu berada di Kabupaten Wonosobo yaitu sebanyak

34,43 persen di tahun 2006 dan mengalami penurunan hingga 23,15 persen di

tahun 2010. Dan kabupaten/Kota yang memiliki persentase penduduk miskin

paling sedikit yaitu di Kota semarang yaitu sebanyak 4,22 persen di tahun 2005.

Penelitian ini menggunakan jenis data panel (pooled data) yang terdiri

antara data cross section dan data time series yaitu terdiri dari 35 kabupaten/kota

di Jawa Tengah selama 4 tahun. Analisis yang digunakan adalah analisis regresi

linear berganda karena variabel independen dalam penelitian ini lebih dari satu.

1.2 Hasil Uji Asumsi Klasik

Pengujian asumsi klasik merupakan syarat utama dalam persamaan regresi.

Maka dari itu harus dilakukan 4 pengujian yaitu: (1) data berdistribusi normal (Uji

Normalitas) (2) tidak terdapat autokorelasi (Uji Autokorelasi) (3) tidak terdapat

multikolinearitas antar variabel independen (Uji multikolinearitas) (4) tidak

terdapat heteroskedastisitas (Uji Heteroskedastisitas). Dalam analisis regresi perlu

di perhatikan adanya penyimpangan – penyimpangan atas asumsi klasik, jika

tidak di penuhi maka variabel – variabel yang menjelaskan akan menjadi tidak

efisien.

Tabel 4.4.

Hasil Regresi Utama Pengaruh Jumlah Penduduk Dan Pengangguran

Terhadap Kemiskinan di Jawa Tengah Tahun 2005 – 2010.

Coefficient t-Statistic Prob.

C

JP

PG

17.15089

5.54E-06

-0.517534

10.28613

5.155023

-3.379077

0.0000

0.0000

0.0009

R-Squared

F-statistic

Prob(F-

Statistic)

Durbin Watson

0.166247

20.63747

0.000000

0. 454023

Sumber: lampiran 1

1.2.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui data variabel penelitian

berdistribusi normal atau tidak. Pengujian normalitas dalam penelitian ini

menggunakan teknik analisis Jarque-Bera dan untuk perhitungannya

menggunakan program Eviews 5. Hasil uji Normalitas dengan Uji Jarque-Bera

menunjukan bahwa residual model penelitian mempunyai nilai signifikansi lebih

besar dari 0,05 (sig>0,05). Sehingga dari hasil tersebut dapat disimpulkan bahwa

semua variabel penelitian berdistribusi normal. Hasil Uji J-B test dapat dilihat

pada Gambar 4.1 berikut ini:

Gambar 4.1

Hasil Uji Jarque-Bera Pengaruh Jumlah Penduduk Pengangguran terhadap

Tingkat Kemiskinan di Jawa Tengah Tahun 2005 – 2010.

Tabel 4.5 Hasil Uji Normalitas

Variabel Sig. Kesimpulan

Jumlah Penduduk dan

Pengangguran terhadap

Kemiskinan di Jawa Tengah

0.271123 Normal

Sumber: lampiran 2

0

4

8

12

16

20

24

-15 -10 -5 0 5 10 15

Series: Residuals

Sample 1 210

Observations 210

Mean -1.23e-16

Median -0.468016

Maximum 16.81517

Minimum -17.06807

Std. Dev. 6.069632

Skewness 0.177699

Kurtosis 3.414752

Jarque-Bera 2.610366

Probability 0.271123

Pada model persamaan pengaruh jumlah penduduk dan pengangguran

terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010 dengan n = 210 dan k

= 2, maka diperoleh degree of freedom (df) = 208 (n-k), dan menggunakan α =

5 persen diperoleh nilai χ2 tabel sebesar 242,64. Dibandingkan dengan nilai

Jarque Bera pada Gambar 4.1 sebesar 2,610, dapat ditarik kesimpulan bahwa

probabilitas gangguan μ1 regresi tersebut terdistribusi secara normal karena

nilai Jarque Bera lebih kecil dibanding nilai χ2 tabel.

1.2.2 Uji Multikolinearitas

Multikolinearitas merupakan suatu keadaan dimana terdapat hubungan linier

atau terdapat korelasi antara variabel Independen. Dalam penelitian ini, untuk

mengkaji ada tidanya multikolinearitas dapat dilihat darai perbandingan antara nilai

R2 Regresi Parsial (auxiliary regression) dengan nilai R

2 regresi utama. Jika nilai

dari R2 Regresi Parsial (auxiliary regression) lebih besar dari pada R

2 regresi

utama, maka dapat disimpulkan bahwa dalam persamaan tersebut terjadi

multikolinearitas. Tabel 4.6 menunjukan bahwa semua variabel independen

mempunyai nilai R2 Regresi Parsial (auxiliary regression) lebih kecil dari R

2

regresi utama, sehingga dapat disimpulkan bahwa tidak terjadi multikolinearitas.

Tabel 4.6

R2

Auxiliary Regression Pengaruh Jumlah Penduduk dan Pengangguran

terhadap Kemiskinan

di Provinsi Jawa Tengah Tahun 2005 – 2010.

No. Persamaan R2* R

2 Kesimpulan

1.

2.

JP PG

PG JP

0.007319

0.007319

0.166247

0.166247

Non

Multikolinearitas

Non

Multikolinearitas

Sumber: lampiran 3

1.2.3 Uji Heteroskedastisitas

Pengujian heteroskedastisitas bertujuan menguji apakah dalam model

regresi terjadi ketidaksamaan varience dari residual satu pengamatan ke

pengamatan yang lain. Model regresi yang baik adalah tidak terjadi

heteroskedastisitas dan untuk mengetahui adanya heteroskedastisitas dengan

menggunakan uji White. Jika variabel independen tidak signifikan secara statistik

tidak mempengaruhi variabel dependen, maka ada indikasi tidak terjadi

heteroskedastisitas.

Berikut ini adalah hasil uji heteroskedastisitas terhadap model regresi pada

penelitian ini.

Tabel 4.7

Hasil Uji White Pengaruh Jumlah Penduduk dan Pengangguran

terhadap kemiskinan

di Provinsi Jawa Tengah Tahun 2005 – 2010.

Obs*R-Squared Sig. Kesimpulan

3.944391 0.413584 Non Heteroskedastisitas

Sumber: Lampiran 4

Tabel 4.7 menunjukkan bahwa uji white menghasilkan kesimpulan tidak ada

masalah heteroskedastisitas, hal ini dibuktikan dengan nilai signifikansinya

sebesar 0.413584 lebih besar dari 0,05.

1.2.4 Uji Autokorelasi

Autokorelasi adalah korelasi atau hubungan yang terjadi antara anggota-

anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (data

time series) maupun tersusun dalam rangkaian ruang atau disebut data cross

sectional. Salah satu uji formal yang paling populer untuk mendeteksi autokorelasi

adalah uji Durbin-Watson. Pengujian menggunakan uji Durbin Watson untuk

melihat gejala autokorelasi :

Tabel 4.8

Kriteria Pengujian Durbin Watson

Hipotesis Nol Keputusan Kriteria

Ada autokorelasi positif Tolak 0 < d < dl

Tidak ada autokorelasi

positif

Tidak ada keputusan dl < d

1.3 Pengujian Statistik Analisis Regresi

1.3.1 Uji Signifikansi parameter Indivdual (Uji t)

Uji signifikansi parameter individual (Uji t) merupakan pengujian untuk

menunjukkan pengaruh secara individu variabel independen yang ada di dalam

model terhadap variabel terikat. Hal ini dimaksudkan untuk mengetahui seberapa

jauh pengaruh satu variabel bebas menjelaskan variasi variabel terikat. Apabila

nilai t hitung lebih besar dari t tabel dan nilai signifikansi lebih kecil dari 0,05

(sig

1.3.2 Uji Signifikansi Simultan (Uji F)

Uji F (Fisher) digunakan untuk menguji signifikansi model regresi. yaitu

untuk mengetahui apakah terdapat pengaruh semua variabel bebas jumlah

penduduk dan pengangguran secara bersama-sama terhadap kemiskinan di Jawa

Tengah. Apabila nilai signifikansi lebih kecil dari 0,05 (p F-tabel). Berdasarkan perhitungan dengan

uji F diketahui bahwa F-hitung sebesar (20,63) > F-tabel (3,04), sehingga

inferensi yang diambil adalah menerima H1 dan menolak Ho. Dengan kata lain,

hipotesis yang berbunyi “Ada pengaruh antara variabel jumlah penduduk dan

pengangguran secara simultan terhadap kemiskinan”, diterima pada kepercayaan

95%.

1.3.3 Uji Koefisien Determinasi (Uji R2)

Koefisien determinasi (R2) pada intinya mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel dependen. Nilai

koefisien determinasi adalah nol dan satu. Nilai R2 yang kecil berarti kemampuan

variabel-variabel independen dalam menjelaskan variasi variabel dependen amat

terbatas. Nilai yang mendekati satu berarti variabel-variabel independen

memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi

variabel dependen.

Hasil regresi pengaruh jumlah penduduk dan pengangguran terhadap

kemiskinan di Jawa Tengah tahun 2005 - 2010 diperoleh nilai R2 sebesar

0,166247. Hal ini berarti sebesar 16,62 persen variasi kemiskinan kabupaten/kota

di Jawa Tengah dapat dijelaskan oleh variasi dua variabel independennya yakni

jumlah penduduk (JP) dan PG (Pengangguran), sedangkan sisanya sebesar 83,38

persen dijelaskan oleh variabel lain di luar model.

1.4 Pembahasan

1.4.1 Pengaruh Jumlah Penduduk dan Pengangguran Terhadap

kemiskinan di Jawa Tengah Tahun 2005 -2010

Dalam analisis regresi pengaruh jumlah penduduk dan pengangguran

terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010, diperoleh nilai koefisien

regresi untuk setiap variabel dalam penelitian dengan persamaan sebagai berikut :

KM = 17,15 – 5,54 (JP) – (-0,51) (PG)..................................(4.1)

Interpretasi hasil regresi pengaruh jumlah penduduk dan pengangguran

terhadap kemiskinan di Kabupaten/Kota Jawa Tengah tahun 2005 – 2010 adalah

sebagai berikut:

1.4.2 Jumlah Penduduk dan Kemiskinan

Variabel jumlah penduduk berpengaruh positif terhadap variabel tingkat

kemiskinan dan signifikan. Hal tersebut dibuktikan dari nilai t hitung sebesar

5,155023 dengan nilai signifikansi sebesar 0,0000 dan koefisien regresi memiliki

arah positif sebesar 5,54E-06. Dengan demikian dapat dinyatakan bahwa dalam

penelitian ini jumlah penduduk berpengaruh terhadap tingkat kemiskinan di Jawa

Tengah. Hasil tersebut sesuai dengan teori yang menjadi landasan teori dalam

penelitian ini. Menurut Todaro (2000) bahwa besarnya jumlah penduduk

berpengaruh positif terhadap kemiskinan. Hal itu dibuktikan dalam perhitungan

indek Foster Greer Thorbecke (FGT), yang mana apabila jumlah penduduk

bertambah maka kemiskinan juga akan semakin meningkat. Jumlah penduduk

yang terlalu besar akan membatasi anggaran pemerintah untuk menyediakan

berbagai pelayanan kesehatan, ekonomi dan social bagi generasi baru.

Melonjaknya beban pembiayaan atas anggaran pemerintah tersebut jelas akan

mengurangi kemungkinan dan kemampuan pemerintah untuk meningkatkan taraf

hidup generasi dan mendorong terjadinya masalah kemiskinan kepada generasi

mendatang yang berasal dari keluarga berpenghasilan menengah ke bawah.

Menurut Todaro (2006), beberapa langkah pengendalian jumlah penduduk

antara lain:

(1) pemerintah dapat mempengaruhi masyarakat agar memilih pola keluarga kecil,

melalui kegiatan-kegiatan penerangan lewat media massa dan proses pendidikan,

baik yang bersifat formal (sistem sekolah) maupun informal (pendidikan di luar

sekolah);

(2) pemerintah dapat melancarkan program-program keluarga berencana dengan

menyediakan dukungan pelayanan kesehatan dan alat kontrasepsi secara besar-

besaran dalam rangka mendorong timbulnya suatu pola perilaku masyarakat yang

diinginkan;

(3) pemerintah secara terencana bisa memanipulasi insentif maupun disinsentif

ekonomi guna mengurangi jumlah anak per keluarga, misalnya, melalui

penghapusan atau pengurangan jangka waktu cuti hamil dan jumlah tunjangannya,

penghapusan atau pengurangan insentif dalam bentuk uang atau pengenaan sanksi

keuangan bagi keluarga-keluarga yang mempunyai anak di atas batas maksimum;

pengembangan sistem tunjangan hari tua agar orang tua tidak terlalu

mengandalkan anak sebagai sandaran hidupnya nanti dan peraturan batas usia

minimum bagi tenaga kerja anak untuk bekerja; peningkatan uang sekolah dan

penghapusan subsidi pemerintah atas biaya bersekolah di tingkat lanjutan (agar

orang tua yang menginginkan anaknya berpendidikan tinggi mau membatasi

jumlah anaknya); serta yang terakhir, melalui pemberian bantuan keuangan secara

langsung kepada keluarga-keluarga yang anaknya hanya sedikit;

(4) pemerintah dapat mencoba memaksa rakyatnya secara langsung agar mereka

tidak memiliki banyak anak melalui pemberlakuan peraturan perundang-undangan

khusus yang dilengkapi dengan sanksi-sanksi tertentu;

(5) menaikkan status sosial dan ekonomi kaum wanita, dengan cara ini akan

tercipta kondisi-kondisi positif yang mendorong kaum wanita menjarangkan

kehamilan dan menunda perkawinan.

1.4.3 Pengangguran dan Kemiskinan

Pengangguran berpengaruh negatif dan signifikan terhadap variable

tingkat kemiskinan. Hal ini dibuktikan dari uji t diperoleh hasil uji t untuk variabel

pengangguran diperoleh nilai t hitung sebesar – 3.379077 dengan nilai

signifikansi sebesar 0,0009 dan koefisien regresi sebesar – 0,517534. Dengan

demikian dapat dinyatakan bahwa dalam penelitian ini pengangguran berpengaruh

terhadap tingkat kemiskinan. Hasil tersebut tidak sesuai dengan teori yang

menjadi landasan teori dalam penelitian ini. Menurut Licolind Arsyad menyatakan

bahwa ada hubungan yang erat sekali antara tingginya tingkat pengangguran dan

kemiskinan. Bagi sebagian besar mereka, yang tidak mempunyai pekerjaan yang

tetap atau hanya bekerja paruh waktu (part time) selalu berada diantara kelompok

masyarakat yang sangat miskin. Selain itu, yang menyebabkan signifikansinya

pengangguran dalam mempengaruhi kemiskinan dikarenakan bahwa tidak semua

orang menganggur itu selalu miskin, karena seperti halnya penduduk yang

termasuk dalam kelompok pengangguran terbuka ada beberapa macam

penganggur, yaitu mereka yang mencari kerja, mereka yang mempersiapkan

usaha, mereka yang tidak mencari pekerjaan karena merasa tidak mungkin

mendapatkan pekerjaan dan yang terakhir mereka yang sudah punya pekerjaan

tetapi belum mulai bekerja.