bab iv gambaran umum dan hasil analisis data …eprints.ums.ac.id/67697/7/bab iv.pdf41 bab iv...

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


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


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


Prob(F-statistic) 0.000000


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 :


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 :


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


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


S.E. of regression 3.030400 Sum squared resid 284.6830


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


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)


H0 : βi= 0 variabel independen ke i tidak memiliki pengaruh signifikan.


2) Menentukan tingkat signifikansi α = 0,01


= 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)


H0 : βi = 0 variabel independen ke i tidak memiliki pengaruh

signifikan.


2) Menentukan tingkat signifikansi α=0,1


= 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

bab iv gambaran umum dan hasil analisis data …eprints.ums.ac.id/67697/7/bab iv.pdf41 bab iv...

Documents