bab iv gambaran umum dan hasil analisis data …eprints.ums.ac.id/67697/7/bab iv.pdf41 bab iv...
TRANSCRIPT
41
BAB IV
GAMBARAN UMUM dan HASIL ANALISIS DATA PENELITIAN
A. Gambaran Umum Penelitian
Karesidenan adalah sebuah pembagian administratif dalam sebuah
provinsi. Dalam satu karesidenan terdiri dari beberapa kabupaten atau kota.
Karesidenan Pekalongan merupakan salah satu karesidenan di provinsi Jawa
tengah. Gambar 4-1 menunjukan wilayah karesidenan Pekalongan dan batas-
batasnya.
Gambar 4-1
Peta Wilayah Karesidenan Pekalongan
Sumber : https://id.wikipedia.org/, diunduh tanggal 8 Desember 2017
Berdasarkan gambar 4-1 karesidenan Pekalongan terletak di bagian
selatan provinsi Jawa Tengah. Secara geografis karesidenan Pekalongan
terletak pada posisi 109º42’19” Bujur Timur dan 6º55’44” Lintang Selatan.
42
Wilayah karesidenan Pekalongan di sebelah selatan berbatasan dengan laut
jawa di sebelah timur berbatasan dengan kabupaten Rembang; di sebelah
selatan berbatasan dengan kabupaten Madiun dan kota Surakarta dan di sebelah
barat berbatasan dengan provinsi Jawa Barat. Karesidenan Pekalongan terdiri
lima kabupaten dan dua kotamadya yaitu kabupaten Pekalongan, kabupaten
Brebes, kabupaten Pemalang, kabupaten Tegal, kabupaten Batang, kota
Pekalongan dan kota Tegal. Berikut ini penjelasan mengenai daerah –
daerahnya:
1. Kabupaten Pekalongan
Secara geogafis kabupaten Pekalongan terletak di koordinat sampai
dengan 109º37’55” BT dan 6º50’42”LS. Batas-batas kabupaten
Pekalongan yaitu sebelah utara berbatasan dengan kota Semarang dan
kabupaten Demak; sebelah timur berbatasan dengan kabupaten Grobogan;
sebelah selatan berbatasan dengan kabupaten Boyolali dan kabupaten
Magelang; dan sebelah barat berbatasan dengan kabupaten Magelang dan
kabupaten Kendal. Wilayah administrasi kabupaten Semarang terbagi
menjadi 4 kecamatan, dengan kepadatan penduduk mencapai 298.595
jiwa/km2.
2. Kabupaten Tegal
Secara geografis kabupaten Tegal terletak di koordinat 109°21'30"
BT dan 7°15'30" LS. Batas – batas kabupaten Tegal yaitu sebelah utara
berbatasan dengan laut jawa, sebelah timur berbatasan dengan kota
Semarang dan kabupaten Semarang, sebelah selatan berbatasan dengan
43
kabupaten Temanggung, dan sebelah barat berbatassan dengan Kendal.
Wilayah administrasi kabupaten Tegal terbagi menjadi 18 kecamatan,
dengan kepadatan penduduk mencapai 1.587.231 jiwa/km2
3. Kabupaten Brebes
Secara geografis kabupaten Brebes terletak di koordinat 109°
11'28,92" BT sampai 7° 20'51,48" LS. Batas – batas kabupaten Demak
yaitu sebelah selatan berbatasan dengan kabupaten Cilacap dan
Purbalingga dan sebelah barat berbatasan dengan provinsi Jawa Barat.
Wilayah administrasi kabupaten Brebes terbagi menjadi 17 kecamatan,
dengan kepadatan penduduk mencapai 1.792.511 jiwa/km2.
4. Kabupaten Pemalang
Secara geografis kabupaten Pemalang terletak di koordinat
109°40'30" BT dan 7°20'11" LS. Batas – batas kabupaten Pemalang yaitu
sebelah utara berbatasan dengan kabupaten Kendal, dan kabupaten
Temanggung sebelah timur berbatasan dengan kabupaten Semarang
sebelah selatan berbatassan dengan kabupaten Cilacap, kabupaten
Banyumas, dan kabupaten Kebumen sebelah barat berbatasan dengan
provinsi Jawa Barat. Wilayah administrasi kabupaten Pemalang terbagi
menjadi 14 kecamatan, dengan kepadatan penduduk mencapai 1.261.049
jiwa/km2 .
5. Kabupaten Batang
Secara geografis kabupaten Batang terletak di koordinat 110° 03'
06" BT dan 7° 11' 47" LS. Batas – batas kabupaten Batang yaitu sebelah
44
utara berbatasan dengan laut jawa, sebelah timur berbatasan dengan
kabupaten Kendal, sebelah selatan berbatasan dengan Cilacap, dan sebelah
barat berbatasan dengan provinsi Jawa Barat. Wilayah administrasi
kabupaten Batang terbagi menjadi 15 kecamatan, dengan kepadatan
penduduk mencapai 706.764 jiwa/km2.
6. Kota Tegal
Secara geografis kota Tegal terletak di koordinat 109º 08 BT dan 6º
54’ LS. Kota Tegal terletak di dalam kabupaten Pekalongan. Wilayah
administrasi kota Salatiga terbagi menjadi 4 kecamatan dengan kepadatan
253.072 jiwa.
7. Kota Pekalongan
Secara geografis kota Pekalongan terletak di koordinat 109º37’55”
BT dan ”24’05º6. Wilayah administrasi kota Pekalongan terbagi menjadi 4
kecamatan dengan kepadatan 298.595 jiwa.
B. Analisis Deskripsi Variabel Penelitian
Variabel dependen dalam penelitian ini adalah kemiskinan
karesidenan Pekalongan, sedangkan variabel independen yang digunakan
meliputi, inflasi, kebutuhan hidup layak dan indeks pembangunan manusia
karesidenan Pekalongan tahun 2010-2014. Guna memperjelas pemahaman
variabel-variabel yang dianalisis dalam penelitian ini, maka variabel-variabel
penelitian dapat dijelaskan sebagai berikut :
45
1. Variabel penduduk miskin
Penduduk miskin adalah penduduk yang memiliki rata- rata pengeluaran
perkapita perbulan dibawah garis kemisinan mendasarkan pada besarnya
rupiah yang dikeluarkan untuk kebutuhan makan dan minum menggunakan
patokan 2100 kal per hari. Berikut jumlah penduduk miskin yang bisa dilihat
pada tabel 4-1.
Tabel 4-1
Jumlah Penduduk Miskin di Karesidenan Pekalongan tahun 2010-2014
Sumber : BPS Jateng 2015
Berdasarkan tabel 4-1 dapat diketahui kemiskinan di karesidenan
Pekalongan pada tahun 2010-2014 mengalami fluktuasi. Jumlah kemiskinan
tertinggi dari karesidenan Pekalongan dari tahun 2010-2014 terdapat di
kabupaten Pekalongan Semarang dengan rata-rata sebesar 86.770 jiwa, hal ini
terjadi dikarenakan kota atau kabupaten lain yang ada disekitar karesidenan
Pekalongan lebih maju dengan luasnya kesempatan kerja dan peningkatan
taraf hidup berkelanjutan yang cukup baik .
Jumlah Penduduk miskin
Tahun Kab.
Pekalongan
Kab.
Pemalang
Kab.
Brebes
Kab.
Tegal
Kab.
Batang
Kota
Pekalongan
Kota.
Tegal
2010 83.021 12.635 17.367 13.971 70.800 28.201 24.000
2011 84.739 11.692 16.466 14.034 71.550 28.500 24.132
2012 85.439 10.746 16.560 14.094 72.259 29.090 23.390
2013 86.112 11.795 17.649 17.149 73.649 29.371 22.714
2014 86.770 12.841 17.733 14.201 72.959 27.800 24.497
46
2. Variabel Indeks Pembangunan Manusia
Menurut Badan Pusat Statistik (BPS) indeks pembangunan manusia
adalah komponen dasar kualitas hidup . Dengan kata lain indeks
pembangunan manusia dibangun melalui tiga dimensi dasar , dimensi tersebut
mencakup kesehatan, pengetahuan, dan kehidupan layak. Berikut indeks
pembangunan manusia karesidenan Pekalongan yang bisa dilihat pada tabel 4-
2.
Tabel 4-2
Indeks Pembangunan Manusia karesidenan Pekalongan tahun 2010-
2014
Sumber : BPS Jateng 2015
Berdasarkan tabel 4-2 dapat diketahui bahwa nilai indeks
pembangunan manusia di karesidenan Pekalongan pada tahun 2010-2014
mengalami fluktuasi. Indeks pembangunan manusia terendah terdapat di
daerah kabupaten Pemalang yaitu 53.64 nilai mengalami penurunan jika
dibandingkan dengan tahun berikutnya yang meningkat dengan nilai 59.66
serta indeks pembangunan manusia tertinggi terdapat di kota Tegal . Hal
Indeks Pembangunan Manusia
Tahun Kab.
Pekalongan
Kab.
Pemalang
Kab.
Brebes
Kab.
Tegal
Kab.
Batang
Kota
Pekalongan
Kota.
Tegal
2010 63,75 53,64 59,49 61,14 61,64 68,95 69,33
2011 64,72 59,66 60,51 61,97 62,59 69,54 70,03
2012 65,33 60,78 60,92 62,67 63,09 69,95 70,68
2013 66,26 61,81 61,87 63,50 63,60 70,82 71,44
2014 66,98 62,35 62,55 64,10 64,07 71,53 72,20
47
tersebut dapat terjadi dikarenakan beberapa fasilitas kesehatan dan pendidikan
lebih memadai jika dibandingkan dengan beberapa kabupaten kota yang ada
di karesidenan Pekalongan .
3. Variabel Inflasi
Menurut Badan Pusat Statistik (BPS) Inflasi adalah kecenderungan naiknya
harga barang dan jasa pada umumnya yang berlangsung secara terus menerus.
Jika inflasi meningkat, maka harga barang dan jasa di dalam negeri
mengalami kenaikan. Hal ini tentu akan mempengaruhi kondisi perekonomian
suatu daerah. Berikut inflasi karesidenan Pekalongan yang dapat dilihat pada
tabel 4-3.
Tabel 4-3
Inflasi Karesidenan Pekalongan tahun 2010-2014
Sumber : BPS Jateng, 2015
Berdasarkan tabel 4-3 dapat diketahui bahwa nilai inflasi di
karesidenan Pekalongan pada tahun 2010-2014 mengalami fluktuasi. Inflasi
Inflasi
Tahun Kab.
Pekalongan
Kab.
Pemalang
Kab.
Brebes
Kab.
Tegal
Kab.
Batang
Kota
Pekalongan
Kota.
Tegal
2010 6,54 7,38 6,04 6,44 6,62 6,77 6,73
2011 2,65 2,80 3,09 2,74 3,01 2,45 2,58
2012 2,96 4,04 4,61 4,13 3,83 3,55 0,40
2013 8,18 6,52 9,83 7,79 8,08 7,40 5,80
2014 8,32 7,38 6,20 8,48 7,66 7,82 7,40
48
terendah terdapat di kota Tegal yaitu 0,04 dan peningkatan nilai inflasi terjadi
pada tahun 2013 di kabupaten Brebes yaitu 9,83.
4. Variabel Kebutuhan Hidup Layak
Kebutuhan hidup layak adalah standar kebutuhan yang harus dipenuhi
oleh seorang pekerja untuk dapat hidup layak baik secara fisik, non fisik dan
sosial untuk kebutuhan satu bulan. Berikut kebutuhan hidup layak dapat
dilihat pada tabel 4-4 :
Tabel 4-4
Kebutuhan Hidup Layak Karesidenan Pekalongan tahun 2010-2014
Sumber : BPS Jawa Tengah , 2015
Kebutuhan Hidup Layak (rupiah)
Tahu
n
Kab.
Pekalongan
Kab.
Pemalang
Kab.
Brebes
Kab.
Tegal
Kab.
Batang
Kota
Pekalongan
Kota.
Tegal
2010 836.511 765.622 857.290 794.066 845.4360 839.516 798.000
2011 840.889 788.064 814.931 768.158 972.070 852.4850 802.410
2012 888.978 830.905 827.833 839.344 906.328 895.4814 826.975
2013 967.699 940.734 859.000 850.000 1.031.000 855.0000 940.375
2014 1.135.937 1.104.244 1.023.644 1.012.000 1.145.000 1.040.624 1.077.7
93
49
Nilai kebutuhan hidup layak di karesidenan Pekalongan pada tahun 2010-
2014 mengalami fluktuasi. Kebutuhan hidup layak terendah terdapat di daerah
kabupaten Pemalang pada tahun 2010, hal ini dikarenakan oleh beberapa
faktor dari kurangnya perluasan kesempatan kerja serta nilai upah yang
berbeda di karesidenan Pekalongan yang membuat taraf hidup berkelanjutan
didaerah tersebut rendah.
C. Hasil Analisis Data Penelitian
Penelitian ini berjudul analisis faktor-faktor yang mempengaruhi
kemiskinan di karesidenan Pekalongan. Variabel yang mempengaruhi ada 3
yaitu jumlah inflasi (INF), kebutuhan hidup layak (KHL), indeks
pembangunan manusia (IPM). Adapun alat analisis yang digunakan adalah
dengan regresi data panel dan variabel yang digunakan dalam penelitian ini
adalah Kemiskinan (POV) sebagai variabel yang dipengaruhi Dalam
menganalisis data panel menggunakan tiga metode yaitu:
1. Model common-costant (pooled ordinary least square atau PLS)
Hasil output pada regresi menggunakan metode common atau
pooledleast square dapat ditunjukkan dalam tabel 4-6.
50
Tabel 4-6
Hasil Regresi metode Common atau PooledLeast Square
Sumber : data sekunder yang diolah
Sumber : data sekunder yang diolah
Berdasarkan tabel 4-6 menunjukkan bahwa slope variabel KHL
sebesar 1,02E1-06, slope IPM sebesar -0,846343, slope INF sebesar
0,144930 dan. Nilai konstanta (C) sebesar 68,62606, nilai R-squared
sebesar 0,613406 atau 61,35% dan nilai F-statistic sebesar 16,39582
dengan prob (F-statistic) 0,000001. Model estimasi pooledleast square
adalah sebagai berikut:
POVit = 68,62606 – 0,144930 INFit + 0,144930 KHLit – 0,846343 IPMit *
Keterangan :
* signifikan α = 0,01
Berdasarkan hasil estimasi untuk model regresi data panel
model common-costant secara statistik variabel IPM sebagai variabel
Variable Coefficient Std. Error t-Statistic Prob. KHL 1.02E-06 5.77E-06 0.176493 0.8611
IPM -0.846343 0.126211 -6.705794 0.0000
INF 0.144930 0.260045 -0.557324 0.5813
C 68.62606 8.147118 8.423355 0.0000 R-squared 0.613406 Mean dependent var 13.99971
Adjusted R-squared 0.575994 S.D. dependent var 4.653865
S.E. of regression 3.030400 Akaike info criterion 5.162477
Sum squared resid 284.6830 Schwarz criterion 5.340231
Log likelihood -86.34335 Hannan-Quinn criter. 5.223838
F-statistic 16.39582 Durbin-Watson stat 0.787360
Prob(F-statistic) 0.000001
51
independen berpengaruh signifikan, di mana nilai probabilitas POP
sebesar 0,0000 lebih kecil dari α = 0,01. Sementara variabel
independen lainnya tidak berpengaruh siginifikan.
2. Metode fixed effect (fixed effect model atau FEM)
Hasil output pada regresi menggunakan metode fixed effect dapat
ditunjukkan dalam tabel 4-7.
Tabel 4-7
Hasil regresi metode fixed effect (fixed effect model atau FEM)
Variable Coefficient Std. Error t-Statistic Prob.
KHL -3.42E-06 1.09E-05 -0.314428 0.7556
IPM -0.886728 0.142975 -6.201964 0.0000
INF -0.553291 0.670611 -0.825055 0.4166
C 77.52923 14.52278 5.338456 0.0000 Effects Specification Period fixed (dummy variables) R-squared 0.624450 Mean dependent var 13.99971
Adjusted R-squared 0.527085 S.D. dependent var 4.653865
S.E. of regression 3.200406 Akaike info criterion 5.362064
Sum squared resid 276.5502 Schwarz criterion 5.717572
Log likelihood -85.83612 Hannan-Quinn criter. 5.484785
F-statistic 6.413514 Durbin-Watson stat 0.793226
Prob(F-statistic) 0.000000
Sumber : data sekunder yang diolah
Berdasarkan tabel 4-7 menunjukkan bahwa slope variabel KHL sebesar -
3,42E-06, slope IPM sebesar -0,8867280, slope INF sebesar -0,553291.
Sementara nilai p-value KHL sebesar 0,7556, IPM 0,0000 , INF sebesar
0,4166. Nilai konstanta (C) sebesar 77,529, nilai R-squared 0,624450 atau
62,45% dan nilai F-statistic sebesar 6,413514 dengan Prob (F-statistic)
0,000000. Model estimasi fixed effect ini adalah sebagai berikut :
52
POVit = 77,52923-3,42E-06 KHLit – 0,886728 IPMit - 0,55329 1INFit
Keterangan :
* signifikan α = 0,01
Berdasarkan hasil estimasi untuk model regresi data panel fixed effect
secara statistik hanya variabel IPM sebagai variabel independen berpengaruh
signifikan, di mana nilai probabilitas IPM sebesar 0,0000 lebih kecil dari nilai
α = 0,01. Sementara variabel independen lainnya tidak berpengaruh
siginifikan.
3. Metode random effect
Hasil output pada regresi menggunakan metode random effect dapat
ditunjukkan dalam tabel 4-9.
Tabel 4-9
Hasil Regresi Metode Random Effect
Variable Coefficient Std. Error t-Statistic Prob.
KHL 1.02E-06 6.10E-06 0.167118 0.8684 IPM -0.846343 0.133291 -6.349581 0.0000 INF -0.144930 0.274634 -0.527719 0.6015 C 68.62606 8.604173 7.975905 0.0000 Effects Specification S.D. Rho
Period random 0.000000 0.0000 Idiosyncratic random 3.200406 1.0000
Weighted Statistics
R-squared 0.613406 Mean dependent var 13.99971 Adjusted R-squared 0.575994 S.D. dependent var 4.653865 S.E. of regression 3.030400 Sum squared resid 284.6830 F-statistic 16.39582 Durbin-Watson stat 0.787360 Prob(F-statistic) 0.000001
Unweighted Statistics
R-squared 0.613406 Mean dependent var 13.99971 Sum squared resid 284.6830 Durbin-Watson stat 0.787360
53
Berdasarkan tabel 4-9 menunjukkan bahwa slope variabel KHL sebesar
1,02E-06 , slope IPM sebesar 0,0846343, slope INF sebesar 0,144930 dan.
Sementara itu p-value KHL sebesar 0,8684, p-value IPM sebesar 0,0000, p-
value INF sebesar 0,6015. Nilai konstanta (C) sebesar 68,62606, nilai R-
square sebesar 0,613406 atau 61,35 % dan nilai F-statistic sebesar 16,39582
dengan nilai Prob (F-statistic) sebesar 0,000000. Model estimasi Random
Effect adalah sebagai berikut:
POVit = 68,62606 + 1,02E-06KHLit - 0,0846343IPMit* - 0,144930INFit
Keterangan :
* signifikan α = 0,01
Berdasarkan hasil estimasi untuk model regresi data panel model
random effect secara statistik variabel PDRB dan POP berpengaruh signifikan,
di mana probabilitas IPM sebesar 0,0000 lebih kecil dari α = 0,01. Sementara
variabel independen lainnya tidak berpengaruh siginifikan.
Guna menganalisis mana model terbaik di antara pooledleast square
dengan fixed effect dan fixed effect dengan random effect model maka perlu
dilakukan pengujian (Gujarati, 2012) :
1. Uji Chow (likelihood test ratio)
54
Uji Chow merupakan pengujian yang digunakan untuk melihat apakah
model FEM lebih baik dibandingkan dengan model PLS. Hasil pengolahan uji
Chow seperti nampak pada tabel 4-10.
Tabel 4-10
Hasil Estimasi Data Panel dengan Uji Chow
Effects Test Statistic d.f. Prob. Cross-section F 83.266277 (6,25) 0.0000
Cross-section Chi-square 106.531453 6 0.0000
Sumber : data sekunder yang diolah
Adapun langkah-langkah uji Chow adalah:
a. Formulasi hipotesis
H0 : model polled least square/PLS
Ha : model fixed effect method/FEM
b. Menentukan tingkat signifikansi
α = 0,05
c. Menentukan kriteria pengujian
H0 diterima bila p-value > 0,05
H0 ditolak bila p-value < 0,05
d. Simpulan
Nilai probabilitas F test sebesar 0,0000 < 0,05 sehingga H0 ditolak maka
model mengikuti fixed effect method
.
55
2. Uji Hausman
Uji Hausman yakni pengujian yang digunakan untuk melihat apakah
model FEM lebih baik daripada model REM. Hasil pengolahan uji Hausman
nampak pada tabel 4-11.
Tabel 4-11
Hasil Estimasi Data Panel dengan Uji Hausman
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 3.395857 3 0.3345 Sumber : data sekunder yang diolah
Adapun langkah-langkah uji Hausman adalah:
a. Formulasi hipotesis
H0 : model random effect method/REM
Ha : model fixed effect method/FEM
b. Menentukan tingkat signifikansi α
α = 0,05
c. Menentukan kriteria pengujian
H0 diterima bila prob > α
Ha ditolak bila prob ≤ α
d. Simpulan
Nilai probabilitas dari chi-square statistic atau cross section random
sebesar 0,3345 > 0,05 sehingga H0 diterima maka model megikuti
56
random effect method. Berdasarkan hasil estimasi data panel untuk
memilih model yang terbaik dengan uji chow dan uji hausman, maka
terpilih model yang terbaik yaitu random effect method atau REM.
Tabel 4-12
Hasil Regresi Metode Random Effect
Variable Coefficient Std. Error t-Statistic Prob. KHL 1.02E-06 6.10E-06 0.167118 0.8684
IPM -0.846343 0.133291 -6.349581 0.0000
INF -0.144930 0.274634 -0.527719 0.6015
C 68.62606 8.604173 7.975905 0.0000 Effects Specification
S.D. Rho Period random 0.000000 0.0000
Idiosyncratic random 3.200406 1.0000 Weighted Statistics R-squared 0.613406 Mean dependent var 13.99971
Adjusted R-squared 0.575994 S.D. dependent var 4.653865
S.E. of regression 3.030400 Sum squared resid 284.6830
F-statistic 16.39582 Durbin-Watson stat 0.787360
Prob(F-statistic) 0.000001 Unweighted Statistics R-squared 0.613406 Mean dependent var 13.99971
Sum squared resid 284.6830 Durbin-Watson stat 0.787360
Sumber : data sekunder yang diolah
Selanjutnya dianalisis dengan menggunakan uji hipotesis yang terdiri
dari: (Gujarati, 2012) :
1. Uji validitas pengaruh (uji t)
Uji validitas pengaruh atau uji t menunjukkan tingkat signifikasi
pengaruh masing-masing variabel kebutuhan hidup layak (KHL), indeks
pembangunan manusia (IPM) dan inflasi (INF) terhadap tingkat kemiskinan
57
(POV). Formulasi hipotesis menggunakan uji t maka variabel bebas yang
digunakan adalah sebagai berikut:
a. Variabel kebutuhan hidup layak (KHL)
1) Formulasi hipotesis
H0 : βi= 0 variabel independen ke i tidak memiliki pengaruh signifikan.
Ha : βi ≠ 0 variabel independen ke i memiliki pengaruh signifikan.
2) Menentukan tingkat signifikansi α = 0,1
ttabel = t (α/2,N-k)
= t (0,01/2,35-5)
= t (0,005,31)
= 2,744
3) Menentukan kriteria pengujian
H0 diterima apabila : -ttabel ≤ thitung ≤ ttabel
H0 ditolak apabila : thitung < -ttabel atau thitung> ttabel
4) Menentukan thitung -0,167
5). Kesimpulan
Gambar 4-2
Daerah Kritis Uji t KHL
-0,167 -2,744 2,744
58
Berdasarkan hasil regresi diketahui besarnya nilai thitung sebesar -0,167
sedangkan nilai ttabel = -2,744. Dengan demikian nilai -ttabel ≤ thitung ≤
ttabel maka Ho diterima, artinya KHL tidak berpengaruh signifikan
terhadap tingkat kemiskinan pada α = 0,1
b. Variabel indeks pembangunan manusia (IPM)
1) Formulasi hipotesis
H0 : βi= 0 variabel independen ke i tidak memiliki pengaruh signifikan.
Ha : βi ≠ 0 variabel independen ke i memiliki pengaruh signifikan.
2) Menentukan tingkat signifikansi α = 0,01
ttabel = t (α/2,N-k)
= t (0,01/2,35-5)
= t (0,005,49)
= 2,728
3) Menentukan kriteria pengujian
H0 diterima apabila : -ttabel ≤ thitung ≤ ttabel
H0 ditolak apabila :thitung < -ttabel atau thitung> ttabel
4) Menentukan thitung 0,527
5) Kesimpulan
59
Gambar 4-3
Daerah Kritis Uji t IPM
Berdasarkan tahun 2010-2014 menunjukan bahwa hasil regresi
diketahui besarnya nilai thitung sebesar -6,350 sedangkan nilai ttabel =
2,728. Dengan demikian nilai thitung < -ttabel atau thitung > ttabel maka Ho
ditolak, artinya IPM berpengaruh signifikan terhadap tingkat
kemiskinan pada α = 0,01
c. Variabel inflasi (INF)
1) Formulasi hipotesis
H0 : βi = 0 variabel independen ke i tidak memiliki pengaruh
signifikan.
Ha : βi ≠ 0 variabel independen ke i memiliki pengaruh signifikan.
2) Menentukan tingkat signifikansi α=0,1
ttabel = t (α/2,N-k)
= t (0,01/2,35-4)
= t (0,005,31)
= 2,744
-6,350 -2,728 2,728
60
3). Menentukan kriteria pengujian
H0 diterima apabila : ttabel ≤ thitung ≤ ttabel
H0 ditolak apabila : thitung < -ttabel atau thitung> ttabel
4) . Menentukan thitung yaitu 0,527
5). Kesimpulan
Gambar 4-3
Daerah Kritis Uji t INF
Berdasarkan hasil regresi diketahui besarnya nilai thitung sebesar 0,527,
sedangkan nilai ttabel = 2,744. Dengan demikian nilai ttabel ≤ thitung ≤ ttabel
maka Ho diterima, artinya INF tidak berpengaruh signifikan terhadap
tingkat kemiskinan pada α= 0,1
2. Uji statistik F (uji F)
Uji F digunakan untuk menguji pengaruh semua variabel
independen terhadap variabel dependen secara bersama-sama atau
2,744 -2,744 0,527
61
menguji apakah model yang dipakai eksis atau tidak.Secara teoritis,
langkah-langkah uji F dapat dilakukan sebagai berikut :
a. Formulasi Hipotesis
Ho:β₁ = β₂ = β₃ = β₄ = 0, model yang dipakai tidak eksis
Ha: β₁ ≠ β₂ ± β₃ ≠ β₄ ≠ 0, model yang dipakai eksis
b. Pemilihan tingkat signifikan α = 0,05
Ftabel = F(α;k-1;n-k)
Ftabel = F(0,01;4-1;35-4)
Ftabel = F(0,01;3;31)
Ftabel = 4,48
Gambar 4-5
Daerah Kritis Uji F
Sumber : Data sekunder yang diolah
c. Kriteria pengujian
H0 diterima bila Fstatistik ≤ Ftabel
4,48 16,395
62
H0 ditolak bila Fstatistik > Ftabel
d. Kesimpulan
Nilai Fstatistik > Ftabel yaitu 16,395 > 2,12 maka Ho ditolak berarti model
yang dipakai eksis. Sehingga variabel kebutuhan hidup layak (KHL),
indeks pembangunan manusia (IPM), dan inflasi (INF) yang terdapat
dalam persamaan regresi secara simultan atau bersama-sama berpengaruh
terhadap tingkat kemiskinan (POV) pada α = 0,01.
3. Koefisien determinasi atau adjusted R-square (Adj R2)
Hasil output regresi menunjukkan adjusted R2 sebesar 0.575994 maka
interpretasinya adalah 57,60% variasi variabel tingkat kemiskinan
(POV) dapat dijelaskan oleh variabel kebutuhan hidup layak (KHL),
indeks pembangunan manusia (IPM) ,dan inflasi (INF) dan sisanya
48,4% dipengaruhi variabel bebas yang tidak dimasukan dalam model.
4. Konstanta ( C )
a. Fixed effect
Intersep yang berbeda untuk tiap individu dalam model FEM dapat
dilakukan dengan teknik variabel dummy, khususnya turunan
dummy konstanta sehingga disebut least square dummy variabel
(LSDV).
63
Konstanta (C) pada model dijumlahkan dengan masing- masing
konstanta daerah (tabel 4-8), sehingga menunjukkan besarnya intersept tiap
daerah yang berbeda. Konstanta kabupaten Batang sebesar (77.52923) -
1.155210 maka nilai intersep aktualnya adalah 76,37402, konstanta kabupaten
Pekalongan sebesar (77.52923) + (0.568147) maka nilai intersep aktualnya
adalah 78097377, konstanta kabupaten Pemalang sebesar (77.52923) +
4.470486 maka nilai intersep aktualnya adalah 81999809, konstanta
kabupaten Tegal sebesar (77.52923) - (3.465302) maka nilai intersep
aktualnya adalah 4287621, kostanta kabupaten Brebes sebesar (77.52923) +
(6.722100) maka nilai intersep aktualnya adalah 14475023, konstanta kota
Pekalongan sebesar (77.52923) - 3.944696 maka nilai intersep aktualnya
adalah -3168773, konstanta kota Tegal 77.52923 - 3.195525 maka nilai
intersep aktualnya 4557398.
No. KABUPATEN_KOTA Efek
1 Kabupaten Batang -1.155210
2 Kabupaten Pekalongan 0.568147
3 Kabupaten Pemalang 4.470486
4 Kabupaten Tegal -3.465302
5 Kabupaten Brebes 6.722100
6 Kota Pekalongan -3.944696
7 Kota Tegal -3.195525
64
b. Random effect
Intersep yang berbeda untuk tiap individu dalam model FEM dapat
dilakukan dengan teknik variabel dummy, khususnya turunan
dummy konstanta sehingga disebut least square dummy variabel
(LSDV).
Konstanta (C) pada model dijumlahkan dengan masing- masing
konstanta daerah (tabel 4-8), sehingga menunjukkan besarnya intersept tiap
daerah yang berbeda. Konstanta kabupaten Batang sebesar (68.62606) -
1.319744 maka nilai intersep aktualnya adalah 8182350, konstanta kabupaten
Pekalongan sebesar (68.62606) + ( 0.588273) maka nilai intersep aktualnya
adalah 69.214333, konstanta kabupaten Pemalang sebesar (68.62606) +
4.118857 maka nilai intersep aktualnya adalah 72.744917, konstanta
kabupaten Tegal sebesar (68.62606) - (3.530847) maka nilai intersep
aktualnya adalah , kostanta kabupaten Brebes sebesar (68.62606) +
(6.459502) maka nilai intersep aktualnya adalah 75.08508, konstanta kota
Pekalongan sebesar (68.62606) -3.548043 maka nilai intersep aktualnya
adalah 65.078017, konstanta kota Tegal 68.62606 - 2.767998 maka nilai
intersep aktualnya 65.858062.
No. KABUPATEN_KOTA Efek
1 Kabupaten Batang -1.319744
2 Kabupaten Pekalongan 0.588273
3 Kabupaten Pemalang 4.118857
4 Kabupaten Tegal -3.530847
5 Kabupaten Brebes 6.459502
6 Kota Pekalongan -3.548043
7 Kota Tegal -2.767998
65
D. Interpretasi Ekonomi
Berdasarkan hasil uji t dapat diketahui bahwa variabel kebutuhan hidup
layak (KHL) dan inflasi (INF) tidak berpengaruh signifikan terhadap variabel
tingkat kemiskinan (POV) pada α = 10% sedangkan variabel indeks
pembangunan manusia berpengaruh signifikan terhadap tingkat kemiskinan
(POV) pada α = 1%. Adapun interpretasi ekonomi untuk setiap variabel
adalah sebagai berikut :
1. Kebutuhan hidup layak (KHL)
Berdasarkan hasil estimasi data panel menunjukkan bahwa
kebutuhan hidup layak (KHL) tidak mempengaruhi tingkat kemiskinan
(POV) tahun 2010 – 2014 pada α 10%. Oleh karena itu maka hipotesis
yang pertama berbunyi “Variabel KHL diduga berpengaruh terhadap
tingkat kemiskinan di daerah karesidenan Pekalongan tahun 2010-2014
tidak didukung”
Febrika Nurtiyas (2010) dalam penelitiannya dengan judul
“Analisis Yang Mempengaruhi Kemiskinan Pulau Jawa 2010-2015”
mendapatkan hasil bahwa kebutuhan hidup layak tidak berpengaruh
secara signifikan pada α = 10%. Hal tersebut juga terjadi pada
karesidenan Pekalongan di karenakan nilai KHL yang stabil pada daerah
tersebut sehingga tidak terlalu berpengaruh terhadap kemiskinan.
2. Indeks pembangunan manusia (IPM)
Berdasarkan hasil estimasi data panel menunjukkan bahwa indeks
pembangunan manusia (IPM) berpengaruh terhadap tingkat kemiskinan.
66
Hal tersebut dapat diartikan bahwa semakin berkurangnya tingkat kualitas
pada sumber daya manusia yang ada maka akan berdampak pada tingkat
kemiskinan suatu daerah. Oleh karena itu, maka hipotesis yang pertama
yang berbunyi “Variabel indeks pembangunan manusia diduga
berpengaruh terhadap tingkat kemiskinan di daerah karesidenan
Pekalongan tahun 2010-2014” didukung.
Wisnu Adhi Saputra (2011) dengan judul “Analisis Pengaruh
Jumlah Penduduk PDRB IPM Inflasi Terhadap Tingkat Kemiskinan Jawa
Tengah”. Hasil penelitian tersebut menunjukan bahwa indeks
pembangunan manusia berpengaruh signifikan terhadap kemiskinan α =
1%
3. Inflasi (INF)
Berdasarkan hasil estimasi data panel menunjukkan bahwa inflasi
(INF) tidak berpengaruh signifikan terhadap tingkat kemiskinan pada α
10%. Oleh karena itu maka hipotesis ke tiga yang “Variabel inflasi diduga
berpengaruh terhadap tingkat kemiskinan di daerah karesidenan
Pekalongan tahun 2010-2014’ tidak didukung.
Khairul Amin (2015) dalam penelitiannya dengan judul dampak
inflasi dan pertumbuhan ekonomi terhadap tingkat kemiskinan di Madura
mendapatkan hasil bahwa inflasi tidak berpengaruh terhadap kemiskinan
di Madura pada α = 10%. Hal tersebut juga terjadi di karesidenan
Pekalongan di karenakan inflasi pada tahun 2010-2014 merupakan tingkat
67
inflasi yg ringan sehingga memiliki pengaruh yang sangat kecil terhadap
tingkat kemiskinan .
4. Konstanta
Untuk konstanta berdasarkan hasil estimasi data panel tersebut setiap
variabel menunjukan kenaikannya sebesar satu satuan maka jika
dilihat dari tingkat kemiskinan mengalami peningkatan sebesar 1
satuan maka indeks pembangunan manusia yang berpengaruh
terhadap tingkat kemiskinan akan mengalami peningkatan sebesar
0,847 persen.
Sedangkan untuk variabel kebutuhan hidup layak serta inflasi
keduanya menunjukan kenaikan yang sama sebesar 1 satuan namun
tidak berpengaruh maka hal tersebut akan mengalami penurunan
sebesar 0,145 dan 1,021 persen