1 ANALISIS INTERDEPENDENSI KEMISKINAN DAN KUALITAS HIDUP MANUSIA DENGAN PARTIAL LEAST SQUARE(PLS) KASUS INDONESIA 2007 – 2010 Oleh: Iskandar Putong School of Business Management Universitas Bina Nusantara
[email protected] Abstract Alleviating poverty and improving the quality of human life is the main objective of a country's economic development. In Indonesia has always debated among the experts are the high level of poverty while the relatively low quality of human life. How big is the relationship between poverty and the impact and quality of human life is a key objective in this research. Using time series data for four years (2007-2010)with the main variable levels of poverty and human development index all provinces in Indonesia, using descriptive and inferential statistical analysis of multivariate partial least squares models - PLS, proving that there is a very strong influence and significant and is interdependence between poverty and IPM Keywords: Poverty, Quality of Life, Human Development Index, Interdependence, partial least square(PLS)
I. Pengantar Kemiskinan adalah satu kata yang merepresentasikan tentang kondisi atau keadaan seseorang atau sekelompok orang yang pemenuhan kebutuhan hidupnya serba kekurangan. Orang miskin dikonotasikan orang yang bisa mendapatkan kebutuhannya akan tetapi kurang berdasarkan standar manusia, kemanusian dan ekonomi sosial. Suatu Negara yang banyak penduduk miskinnya cenderung
rendah kualitas hidup dan
kehidupannya. Kualitas hidup biasanya dilihat dari jumlah dan jenis konsumsi makanan, minuman dan perumahan (kebutuhan utama). Kualitas kehidupan bisa dilihat dari tingkat pendidikan/sekolah (formal dan non-formal), tingkat pendapatan dan penguasaan teknologi. Logikanya semakin miskin seseorang semakin rendah kualitas konsumsi kebutuhan utamanya, semakin rendah konsumsinya semakin rendah daya pikirnya, semakin rendah daya pikirnya semakin rendah pendidikannya, semakin rendah pendidikannya semakin rendah pula penguasaan teknologinya dan dampak akhirnya adalah kualitas hidup dan kehidupannya secara keseluruhan rendah. Tujuan pembangunan suatu Negara yang memanfaatkan sumber daya alamnya adalah untuk dipergunakan sebesar-besarnya bagi kemakmuran rakyatnya yaitu pembangunan manusia seutuhnya (jasmani dan rohani) dengan cara meningkatkan kualitas hidup dan kehidupan. Adalah Indonesia, suatu Negara yang melimpah sumber daya alamnya, suatu bangsa yang yang dianugerahi keberagaman corak budaya dan agama yang mumpuni, melakoni kehidupan berbangsa tanpa diskriminasi seharusnya dari semenjak kemerdekaan di proklamasikan tanggal 17 Agustus 1945
2 yang lalu melalui tangan 6 presiden yang pernah memimpinnya, adalah aneh bila tingkat kemiskinan dan di bawah garis kemiskinan masih menjadi pekerjaan utama dalam setiap periode pemerintahanya. Berdasarkan data yang dilansir oleh BPS Indonesia(13) dapat diketahui jumlah penduduk miskin tiap tahun dari 2007 hingga 2010 mengalami penurunan dari sebesar 37.168.300 jiwa menjadi 31.023.400 jiwa atau mengalami pertumbuhan minus rata-rata sebesar 5,48% pertahun. Bila saja ratarata pengurangan jumlah penduduk miskin ini relative tetap tiap tahunnya, dengan asumsi ceteris paribus, maka kurang lebih 17 tahun dari 2010 (atau 15 tahun dari 2012) atau tepatnya tahun 2027 jumlah penduduk miskin Indonesia akan tuntas. Informasi ini tentu saja sangat membahagiakan meskipun tidak mengenakan, berarti sekurangkurangnya setengah generasi dari penduduk miskin Indonesia yang ada sekarang harus melewati hidupnya dalam kondisi serba kekurangan. Bila tingkat kemiskinan relative akan hilang 15 tahun lagi dari sekarang (2012), maka kualitas hidup manusia Indonesia yang diukur berdasarkan Indeks Pembangunan Manusia (IPM) Indonesia yang memberikan gambaran tentang kualitas hidup penduduk Indonesia secara umum (rata-rata) memerlukan waktu 127 tahun dari tahun 2010, atau tepatnya baru pada tahun 2137 yang akan datang indeks pembangunan manusia Indonesia dapat mencapai kondisi yang standar. Angka ini di dapat dari perhitungan berdasarkan data yang dikeluarkan oleh BPS Indonesia antara 2007 hingga 2010 tentang IPM Indonesia tahun 2007 sebesar 70,59 (dari 100) dan tahun 2010 sebesar 72,27 (dari 100) atau ratarata terjadi peningkatan indeks sebesar 0,8% tiap tahunnya. Perserikatan Bangsa – Bangsa(10) melansir bahwa Norwegia memiliki IPM sebesar 96,5 dan Australia sebesar 95,7 pada tahun 2006. Tahun 2011 Norwegia dan Australia menduduki peringkat 1 dan 2 terbaik IPM nya (berdasarkan metode perhitungan UNDP terbaru) masing-masing sebesar 94,3 dan 92,9, sedangkan Indonesia berada di peringkat 124 dengan IPM sebesar 61,7 Untuk mencapai kondisi Norwegia pada 2011, Indonesia bisa menempuhnya selama 117 tahun yang akan datang, bila rata-rata pertambahan IPM hanya sebesar 0,8% pertahun. Agar bisa ditempuh selama 15 tahun dari sekarang maka pertambahan IPM Indonesia harus meningkat sebesar 7,8% tiap tahunnya, itu berarti setara dengan 9,8 kali dari rata-rata IPM Indonesia. IPM jelas berpengaruh terhadap tingkat kemiskinan dan tingkat kemiskinan juga jelas berpengaruh terhadap IPM. Bila di cermati dari logikanya mengapa bisa demikian, karena kondisi miskin tidak akan bisa memperbaiki kualitas hidup dan kehidupan, dan kualitas hidup dan kehidupan yang rendah cenderung membuat miskin.
Permasalahan Berdasarkan pengantar singkat di atas dapat diidentifikasi permasalahan yang berhubungan dengan Kemiskinan dan Kualitas Hidup khususnya di Indonesia yaitu: 1. Apakah Pengaruh antara Kemiskinan dan Kualitas Hidup di Indonesia Signifikan? Berapa besar efek ukurannya?
3 2. Manakah yang lebih dominan pengaruhnya, apakah Kemiskinan terhadap Kualitas Hidup ataukah Kualitas Hidup terhadap Kemiskinan?
Tujuan Penelitian Berdasarkan identifikasi masalah di atas, maka yang menjadi tujuan dalam penelitian ini adalah: 1. Untuk mengetahui apakah Kemiskinan berpengaruh signifikan atau tidak terhadap Kualitas Hidup manusia Indonesia dan berapa besar efek ukurannya 2. Untuk mengetahui apakah pengaruh Kemiskinan lebih dominan atau tidak terhadap Kualitas Hidup Manusia Indonesia
Asumsi Asumsi dalam penelitian ini bertujuan untuk membatasi variable analisis dan pengukuran sebagai berikut: 1. Kemiskinan dan Kualitas Hidup adalah variabel yang interdependen (saling berpengaruh). Tidak dijelaskan berdasarkan typology variabel mengapa variabel ini sama-sama merupakan variabel independen dan juga dependen 2. Ukuran Kemiskinan adalah Jumlah penduduk miskin menurut kreteria yang ditetapkan oleh BPS Indonesia, sedangkan ukuran Kualitas Hidup didasarkan pada Indeks Pembangunan Manusia (IPM). Kualitas Hidup tidak mempertimbangkan faktor moral, etika dan agama sebagai bagian dari perhitungan dan penilaian baik sebagai variabel dummy ataupun variabel lainnya (control, perantara atau anteceden) 3. Pengaruh bersifat simetris 4. Nilai variabel hasil perhitungan adalah variabel yang distandarisasi PLS 5. Propinsi Bali dikelompokan sebagai bagian dari propinsi yang ada di Pulau Jawa 6. Ceteris Paribus
II. Kajian Literatur Pengertian Miskin Menurut Kamus Besar Bahasa Indonesia (KBBI)(14): Miskin adalah tidak berharta; serba kekurangan (berpenghasilan sangat rendah). Sedangkan Miskin Absolut adalah situasi penduduk atau sebagian penduduk yg hanya dapat memenuhi makanan, pakaian, dan perumahan yg sangat diperlukan untuk mempertahankan tingkat kehidupan yg minimum. Menurut Sayogyo(11) Tingkat kemiskinan didasarkan jumlah rupiah pengeluaran rumah tangga yang disetarakan dengan jumlah kilogram konsumsi beras per orang per tahun dan dibagi wilayah pedesaan dan perkotaan. Menurutnya untuk daerah pedesaan dengan katagori Miskin: bila pengeluaran keluarga lebih kecil daripada 320 kg nilai tukar beras per orang per tahun, untuk daerah perkotaan bila pengeluaran keluarga lebih kecil daripada 480 kg nilai tukar beras perorang pertahun.
4 Menurut BPS Indonesia(13), penduduk miskin adalah penduduk yang memiliki pengeluaran rata-rata perkapita perbulan di bawah garis kemiskinan. Sedangkan Kemiskinan adalah ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Apapun arti dan pengertian tentang miskin dan kemiskinan di atas, yang pasti semuanya mencirikan kemiskinan adalah kekurang-mampuan seseorang untuk memenuhi kebutuhannya hidupnya karena rendahnya pengeluaran (dalam pengertian Keynes, tingkat pendapatan seseorang dapat dihitung dari berapa besarnya tingkat pengeluaran). Yang pasti, seorang ahli dalam keilmuan dan kemanusian, yang hidup di jaman Rasulullah dan sekaligus merupakan menantunya, yaitu Sayidina Ali(13) pernah berujar sebagai bahwa: “Jika Kemiskinan berwujud Manusia, Niscaya akan Kubunuh dia (kemiskinan)” Adalah hal yang mengerikan membayangkan tentang kemiskinan berdasarkan versi Sayidina Ali ini, karena membunuh (menghilangkan nyawa orang – Peneliti) manusia sangat-sangat dilarang dan haram hukumnya, akan tetapi bila layak dihilangkan nyawanya, artinya kemiskinan setara dengan orang yang menghilangkan nyawa orang lain.
Indeks Pembangunan Manusia sebagai ukuran kualitas hidup Menurut UNDP(10) Indeks Pembangunan Manusia (IPM) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. IPM diukur dengan menggunakan 3 macam indeks sebagaimana yang digunakan oleh Amartya Sen yaitu: Indeks harapan hidup, indeks Pendidikan dan Indeks PDB dan mulai tahun 2008 ditambah dengan indeks PPP (Purchasing Power Parity). Menurut BPS Indonesia, Nilai IPM yang terbaru mengacu pada ketentuan UNDP yang menetapkan bahwa nilai IPM terdiri atas 4 tingkatan yaitu: 1. IPM > 80 kategori tinggi 2. IPM antara 66 – 79,9 di kategorikan menengah atas 3. IPM antara 50,0 – 65,9 dikategorikan menengah bawah 4. IPM < 50 dikategorikan rendah. IPM berdasarkan pengertian di atas bertujuan untuk menetapkan apakah suatu Negara berhasil dalam pembangunan kualitas hidup manusianya atau tidak. Karena tujuan utama dari pembangunan yang memberdayakan sumber alam adalah untuk kepentingan manusia sebaik dan seadil mungkin. Berdasarkan 3 indikator yang digunakan untuk menghitung IPM, jelas terlihat adanya koneksi antara kesehatan, pendidikan dan tingkat pendapatan. Semakin baik tingkat kesehatan dan pendidikannya maka diharapkan semakin baik pula tingkat pendapatannya.
5 Sebagaimana menurut Al-Qu’ran(12) kitab suci agama Islam menerangkan bahwa “ ALLAH SWT akan meninggikan orang – orang yang beriman di antaramu dan orang – orang yang diberi ilmu pengetahuan beberapa derajat”( Surah Al-Mujadilah ayat 11). Wajarlah bila orang-orang yang senang menuntut ilmu pengetahuan dan mengkajinya dengan baik dan benar tanpa memandang dan memilah ilmu dan pengetahuan yang dipelajari (baik ilmu sosial maupun ilmu alam) diberikan derajat yang tinggi dalam bentuk harta, kemuliaan dan ketinggian derajat sosial di mata manusia tanpa memandang agama apa yang dianut. Artinya, siapapun yang mau mempelajari ilmu pengetahuan dengan baik yang dapat dipelajari melalui pendidikan yang baik akan dapat memperbaiki kualitas hidupnya. Maka tidak heran bila Negaranegara yang memiliki IPM yang sangat tinggi seperti Norwegia, Australia, Belanda, Swedia, AS, Inggris, Perancis, Canada, Jepang dan Singapura terkenal sebagai Negara-negara yang memiliki tingkat pendidikan dan lembaga pendidikan terbaik di Dunia. Berdasarkan dasar teori yang dipaparkan di atas, maka dapat dibuatkan hubungan teoritis yang logis antara kedua variable yaitu: Penduduk yang miskin memiliki kondisi gizi yang rendah, gizi yang rendah membuat daya pikirnya rendah, sehingga membuat daya serap pendidikanya rendah. Pendidikan yang rendah membuat upah rendah, upah yang rendah membuat pendapatan rendah, akibatnya pengeluaran untuk kebutuhan hidupnya rendah dan dampaknya kualitas hidupnya rendah, akibatnya penduduk tersebut tetap miskin. Pertanyaannya adalah dimulai dari mana? Apakah mengentaskan kemiskinan atau IPM terlebih dahulu? Dalam riset ini akan terjawab pertanyaan tersebut.
Penelitian Sebelumnya Penelitian tentang pengaruh antara Kemiskinan terhadap Kualitas Hidup (IPM) yang menggunakan data Indonesia atau antar wilayah kepulauan di Indonesia sampai sejauh ini belum saya temukan berdasarkan pencarian di mesin pencari Google, akan tetapi penelitian dalam bentuk skripsi sarjana strata satu (S1) sudah dilakukan, meskipun kajiannya bersifat lokal (dalam 1 propinsi saja), dan analisisnya pun bersifat multipel (artinya, variabel Kemiskinan atau IPM hanyalah merupakan salah satu variabel prediktor dari beberapa variabel prediktor lainnya. Adapun penelitian itu adalah sebagai berikut: 1. Riset yang dilakukan oleh Christina Usmaliadanti(9) tahun 2011 dalam bentuk Skripsi yang berjudul:
“ANALISIS
PENGARUH
TINGKAT
KEMISKINAN,
PENGELUARAN
PEMERINTAH SEKTOR PENDIDIKAN DAN KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH TAHUN 2007-2009” Menggunanakan teknik analisis regresi berganda menyimpulkan bahwa secara bersama-sama tingkat kemiskinan dan pengeluaran pemerintah berpengaruh siginifikan dengan R2 penyesuaian sebesar 98,34 dengan alpha 5%. Meskipun tidak secara parsial dijelaskan tentang seberapa besar
6 pengaruh tingkat kemiskinan terhadap IPM, akan tetapi bisa diakui bahwa tingkat kemiskinan memberikan dampak “bersama” sebagai penyebab berubahnya IPM. 2. Riset yang dilakukan oleh Whisnu Adi Saputra(8) tahun 2011 dalam bentuk skripsi yang berjudul: “ANALISIS PENGARUH JUMLAH PENDUDUK, PDRB, IPM, PENGANGGURAN TERHADAP TINGKAT KEMISKINAN
DI KABUPATEN / KOTA JAWA TENGAH”,
Menggunakan teknik analisis regresi berganda menyimpulkan bahwa terdapat pengaruh yang negative signifikan antara IPM dengan Tingkat Kemiskinan, dan secara bersama – sama dengan jumlah penduduk, PDRB dan Tingkat Pengangguran berpengaruh signifikan sebesar 60,9% dengan alpha 5%. Meskipun tidak dirinci berapa besar pengaruh IPM terhadap Tingkat Kemiskinan, ada bukti bahwa memang tingkat Kemiskinan dan IPM saling berpengaruh. Penelitian ini tidak menyertakan penilaian dampak ukuran antara variabel (effectsize), sehingga tidak bisa diketahui apakah signifikansi hasil perhitungan yang dilakukan tersebut layak untuk
direkomendasikan
ataukah
sesungguhnya
tidak
layak
untuk
di
inferensialkan
(digeneralisasikan). Berdasarkan dua penelitian ini, bila diambil simpulan sederhana, maka dapat diketahui bahwa pengaruh kemiskinan (secara bersama-sama dengan variabel lainnya) terhadap kualitas hidup (IPM) lebih besar dari pada IPM terhadap Kemiskinan dalam konteks lokal (di Jawa Tengah)
Hipotesis Berdasarkan kajian teoritis dan penelitian sebelumnya yang saya anggap relevan, maka hipotesis dalam penelitian ini dapat disusun berdasarkan tujuan penelitiannya sebagai berikut: 1. Kemiskinan saling berpengaruh signifikan terhadap Kualitas Hidup manusia Indonesia dengan efek ukuran yang besar (H1) 2. Pengaruh Kemiskinan lebih besar terhadap Kualitas Hidup Manusia Indonesia ketimbang sebaliknya (H2) III. Metodologi Riset ini dilakukan di Jakarta tahun 2012 dan menggunakan data sekunder yang dipublikasikan secara resmi oleh BPS Indonesia(13) pada websitenya. Data yang digunakan bersifat runtut waktu dari tahun 2007 hingga 2010 tentang Jumlah Penduduk Miskin dan IPM dan ditentukan secara sengaja dengan alasan kelengkapan informasi dan ketersediaan data. Data bersifat parametrik dan kontinyu. Jumlah variabel laten dalam kelompok masing-masing sebanyak lima (setara dengan jumlah wilayah kepulauan di Indonesia). Jumlah kasus atau indikator variable sama dengan jumlah propinsi yang ada di Indonesia yaitu tigapuluh tiga (33). Dengan demikian total varibel latent indogen sebanyak sepuluh(10), dan exogen sebanyak dua (2). Berarti jumlah indikator reflektif sebanyak 66 (propinsi) + 2 (Indonesia).
7 Analisis data bersifat multivariate dan parsial, oleh karenaya digunakan alat analisis Model Persamaan Struktural (MPS) atau lebih dikenal dengan SEM. Oleh karena jumlah sampel relative sedikit (hanya terdiri atas empat pengamatan runtut waktu) maka data dianalisis dengan teknik Partial Least Square (PLS), yang bebas distribusi, artinya tidak diperlukan uji asumsi klasik atasnya. Analisis data secara reflektif, dengan mengganggap bahwa kumpulan data setiap propinsi di Indonesia kompositenya merupakan variable laten, sehingga faktor pembentuk nilai variable laten tersebut diharapkan dari masing-masing variable manifesnya (indikator) yang memiliki faktor loading (R) yang tinggi, minimal 0,5. Hal ini tergambar dari outer model structure yang dihasilkan. Besarnya hubungan dan pengaruh antar variable laten (antara Tingkat Kemiskinan dan IPM) tergambar dari inner model structure yang dihasilkan. Untuk mengetahui besarnya pengaruh timbal balik antara Laten Tingkat Kemiskinan dan Laten IPM digunakan analisis Redundancy, dengan cara mengalikan rata-rata masing-masing faktor loading variable square (share of variance) laten dengan nilai R2 antara laten Kemiskinan dan IPM. Adapun parameter utama untuk uji kelayakan model dalam analisis PLS ini adalah: Tabel 1. Kreteria Parameter PLS Parameter
Outer Model
Inner Model (Model Struktur) ≥ 0,5 0,6 – 0,79 ≥ 0,7 ≥ 0,5
AVE ρc = Composite Reliability R2 Reliability α Cronbach Lambada – λ (korelasi antar variabel) 0,5 – 0,69 t – statistik (Boostraping) t > 1,96 Entropy (EN) 0,5 – 0,69 GoF ≥ 0,67 Sumber: Suwasono(7), Presentasi Desertasi Doktor ITS, 2011 halaman 47
Keterangan Cukup Cukup Kuat Bagus Cukup Signifikan Cukup Kuat
Perhitungan data dengan metode PLS ini menggunakan software smartpls versi 2.M3, sedangkan perhitungan effectsize dilakukan secara manual dengan rumus(1) sebagai berikut:
t2 t 2 + df t = nilai t hitung Kreteria : η2 =
η2 0, 01 Small Effect η2 0, 06 Moderate Effect η2 0,14 Large Effect Nilai thitung dapat diketahui dari boostraping dalam analisis PLS Kreteria: Nilai alpha > 10% adalah level signifikan yang besar (digunakan dalam penelitian ini, alpha 10%, dua arah)
8 Tabel 2. Tingkat Signifikansi terhadap EffectSize EffectSize Besar (Large) Kecil (Small) Inferensialnya tidak ada Kecil (Small) Terjadi kesalahan statistik masalah Keliru menyimpulkan, tidak ada Inferensialnya tidak ada Besar (Large) gunanya diteruskan masalah (analisisnya) (2) Sumber: Leary – Hoyle , 2009, (p.85), Diterjemahkan. Significance Level
Untuk menguji apakah dua nilai Redundancy berbeda ada tidak, digunakan rumus konversi Fisher(1) menggunakan kalkulator software R2Z.V2(16). Untuk analisis deskriptif digunakan software Excel 2007. Sedangkan paradigma penelitiannya secara umum adalah sebagai berikut:
Gambar 1. Paradigma Penelitian secara umum (analisis utama)
IV. Hasil dan Pembahasan Data yang akan di analisis adalah sebagai berikut:
9 Tabel 3. Jumlah Penduduk Miskin dan IPM Indonesia per Propinsi 2007 - 2010 Jumlah Penduduk Miskin dan IPM Indonesia per Propinsi 2007 - 2010 Jumlah Penduduk Miskin Propinsi NAD Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung BaBel KepRi DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Indonesia Sumber : BPS Indonesia
IPM (antara 0 - 100)
2007 2008 2009 2010 2007 1083.7 959.70 892.90 861.90 70.35 1768.5 1613.8 1499.7 1490.90 72.78 529.20 477.20 429.30 430.00 72.23 574.50 566.70 527.50 500.30 74.63 281.90 260.30 249.70 241.60 71.46 1331.8 1249.6 1167.9 1125.70 71.40 370.60 352.00 324.10 324.90 71.57 1661.7 1591.6 1558.3 1479.90 69.78 95.10 86.70 76.60 67.80 71.62 148.40 136.40 128.20 129.70 73.68 405.70 379.60 323.20 312.20 76.59 5457.9 5322.4 4983.6 4773.70 70.71 6557.2 6189.6 5725.7 5369.20 70.92 633.50 616.30 585.80 577.30 74.15 7155.3 6651.3 6022.6 5529.30 69.78 886.20 816.70 788.10 758.20 69.29 229.10 215.70 181.70 174.90 70.53 1118.6 1080.6 1050.9 1009.40 63.71 1163.6 1098.3 1013.1 1014.10 65.36 584.30 508.80 434.80 428.80 67.53 210.30 200.00 165.90 164.20 73.49 233.50 218.90 176.00 182.00 68.01 324.80 286.40 239.20 243.00 73.77 250.10 223.50 219.60 206.70 74.68 557.40 524.70 489.80 475.00 69.34 1083.4 1031.7 963.60 913.40 69.62 465.40 435.90 434.30 400.70 68.32 241.90 221.60 224.60 209.90 68.83 189.90 171.10 158.20 141.30 67.72 404.70 391.30 380.00 378.60 69.96 109.90 105.10 98.00 91.10 67.82 266.80 246.50 256.80 256.30 67.28 793.40 733.10 760.30 761.60 63.41 37168.3 34963.3 32530 31023.4 70.59 (13) 2012 , dipisah dan dikelompokan oleh peneliti.
2008 70.76 73.29 72.96 75.09 71.99 72.05 72.14 70.30 72.19 74.18 77.03 71.12 71.60 74.88 70.38 69.70 70.98 64.12 66.15 68.17 73.88 68.72 74.52 75.16 70.09 70.22 69.00 69.29 68.55 70.38 68.18 67.95 64.00 71.17
2009 71.31 73.80 73.44 75.60 72.45 72.61 72.55 70.93 72.55 74.54 77.36 71.64 72.10 75.23 71.06 70.06 71.52 64.66 66.60 68.79 74.36 69.30 75.11 75.68 70.70 70.94 69.52 69.79 69.18 70.96 68.63 68.58 64.53 71.76
2010 71.70 74.19 73.78 76.07 72.74 72.95 72.92 71.42 72.86 75.07 77.60 72.29 72.49 75.77 71.62 70.48 72.28 65.20 67.26 69.15 74.64 69.92 75.56 76.09 71.14 71.62 70.00 70.28 69.64 71.42 69.03 69.15 64.94 72.27
Berdasarkan paradigma penelitian, masing-masing propinsi dikelompokan dalam satu wilayah pulau sebagai variabel latennya. Sedangkan total seluruh propinsi memiliki 1 variabel laten yaitu Indonesia.
10 Sedangkan masing-masing Indonesia(Kemiskinan dan IPM) memiliki 1 variabel manifest. Dengan demikian data yang akan dieksekusi untuk di analisis adalah sebagai berikut: Tabel 4. Pengelompokan Propinsi untuk masing-masing variabel Latennya Sumatera
Jawa+Bali
Kalimantan
Sulawesi
Maluku+Papua+
(10 Propinsi)
(7 Propinsi)
(4 Propinsi)
(6 Propinsi)
NTT (6 propinsi)
2007
Data
Data
Data
Data
Data
Data
2008
Data
Data
Data
Data
Data
Data
2009
Data
Data
Data
Data
Data
Data
2010
Data
Data
Data
Data
Data
Data
Laten A
Laten B
Laten C
Laten D
Laten E
Tahun
Indonesia
Laten Indonesia
Diolah dari Tabel 3.
Deskripsi data Berdasarkan tabel 3, deskkripsi data secara sederhana dapat dilihat dan dibaca sebagai berikut: Tabel 5. Deskripsi data Variabel Penelitian Jumlah Penduduk Miskin 2007 - 2010 Parameter Nilai Mean 33921,25 Standard Error 1352,846169 Median 33746,65 Mode NA Standard Deviation 2705,692338 Sample Variance 7320771,03 Kurtosis Skewness Range Minimum Maximum Sum Count Confidence Level(90,0%) Diolah dengan Excel 2007
IPM 2007 - 2010 Parameter Mean Standard Error Median Mode Standard Deviation Sample Variance
-1,893780126 Kurtosis 0,280650834 6144,9 31023,4 37168,3 135685 4 3183,738707
Skewness Range Minimum Maximum Sum Count Confidence Level(90,0%)
Nilai 71,4475 0,363601774 71,465 NA 0,727203548 0,528825 1,416069194 0,112595864 1,68 70,59 72,27 285,79 4 0,855687119
Secara rata-rata dalam kurun tahun 2007 hingga 2010 rata-rata penduduk miskin di Indonesia berjumlah 33.921.250 jiwa dengan simpangan baku sebesar 2.705.692,338 jiwa, sementara rata-rata IPM Indonesia sebesar 71,4 dengan simpangan baku sebesar 0,73 atau tergolong menengah atas berdasarkan standar UNDP. Akan tetapi dengan tingkat kepercayaan yang hanya sebesar 90%,
11 simpangan baku jumlah pendududuk miskin Indonesia sebesar 3.183.738,707 jiwa dan IPM sebesar 0,86. Nilai Skewness jumlah penduduk miskin yang positif (0,280650834 = menceng kanan) menunjukan bahwa perubahan bersifat menurun, atau data tertinggi ada di awal tahun. Hal ini dapat diartikan bahwa jumlah penduduk miskin setiap tahunnya berkurang. Hal ini bisa ditunjukan secara grafis sebagai berikut: Gambar 1 Perkembangan jumlah Penduduk Miskin Indonesia
Jumlah Penduduk Miskin 38000 37000 36000 35000 34000 33000 32000 31000 30000 29000 28000 27000 2007
2008
2009
2010
Nilai Skewness IPM yang negatif (-0,112595864 = menceng kiri) menunjukan bahwa perubahan bersifat menaik, atau data tertinggi ada di akhir tahun. Hal ini dapat diartikan bahwa jumlah kualitas hidup manusia Indonesia berdasarkan IPM nya relative meningkat. Secara grafis dapat ditunjukan sebagai berikut: Gambar 2 Perkembangan IPM Indonesia
Perkembangan IPM Indonesia 72,5 72 71,5 71 70,5 70 69,5 1
2
3
4
Bila antara tingkat Kemiskinan dan IPM Indonesia dilakukan analisis regresi secara linier maka akan diperoleh hasil sebagai berikut: Tabel 6. Ringkasan nilai korelasi dan ANOVA variabel penelitian Sumarry Multiple R 0,998 R Square Adjusted R Square Standard Error Observations
0,996
ANOVA Intercept
Coeff 80,6
SE 0,394
t Stat 204,22
P-value 2,4E-05
Jumlah Penduduk Miskin
-0,0003
1,16E05
-23,13
0,002
0,994 0,054 4
Sig.F
0,0019
12
Secara grafis, gambarnya adalah sebagai berikut: 72,4
IPM = -0,0003Miskin + 80,6 R² = 0,996
31023,4; 72,27
72,2
IPM Indonesia 2007 - 2010
Gambar 3 Korelasi antara Kemiskinan dengan IPM Indonesia
72
32530; 71,76
71,8 71,6 71,4
34963,3; 71,17
71,2 71 70,8
37168,3; 70,59
70,6 70,4 30000
31000
32000
33000
34000
35000
36000
37000
38000
Jumlah Penduduk Miskin Indonesia 2007 - 2010
Analisis regresi ini dapat menjelaskan dengan baik pengaruh antara Kemiskinan terhadap IPM Indonesia secara linier sebesar 99,6% dan signifikan pada alpha 1% baik modelnya maupun variabelnya. Berdasarkan kurva dan parameter variabel independennya dapat diketahui pengaruh antar variabel bersifat trade-off, artinya untuk meningkatkan IPM harus menurunkan Kemiskinan dan sebaliknya. Analisis diskriptif ini tidak mampu menjelaskan berapa sesunggunya pengaruh IPM terhadap Kemiskinan dan sebaliknya, selain itu juga analisis ini hanya menggunakan data aggregate Indonesia, sehingga tidak mencerminkan adanya pengaruh langsung dan tak langsung dari kontribusi setiap propinsi yang ada di Indonesia. Oleh karenya dibutuhkan analisis jalur dengan pendekatan kuadrat terkecil secara parsial, atau lebih dikenal dengan PLS.
Analisis Partial Least Square Sebagaimana data yang ditampilkan di atas, dapat diketahui bahwa jumlah pengamatan relative sangat sedikit, yaitu hanya empat periode, akan tetapi jumlah variabel manifesnya relative banyak yaitu 33 untuk satu variabel construct di bagian data tentang Kemiskinan dan 33 untuk satu variabel construct lainnya di bagian data tentang IPM. Secara linier dapat dijelaskan secara aggregate, akan tetapi model deskriptif di atas tidak mampu menjelaskan variabel Kemiskinan dan IPM Indonesia secara serempak berdasarkan pengaruh masing-masing propinsi yang juga merupakan bagian dari wilayah kepulauan yang ada di Indonesia. Analisis yang paling tepat adalah menggunakan model SEM yang berbasis Covariance atau sering diistilahkan sebagai hard modeling,akan tetapi karena jumlah amatannya (sampel) sangat sedikit maka digunakan model SEM berbasis variance atau soft modeling dengan PLS. Dengan PLS dapat dilakukan beberapa hal secara bersamaan yaitu: 1. Dapat mengestimasi persamaan model struktur (istilah PLS nya inner model)
13 2. Dapat mengukur nilai variabel laten berdasarkan variabel manifesnya dengan model pengukuran (istilah PLS nya outer model) 3. Dapat mengestimasi model outer dan atau inner secara simultan baik reflektif maupun formatif Dalam analisis ini, seluruh estimasi model bersifat reflektif, sedangkan untuk estimasi model yang bersifat formatif akan disampaikan pada riset berikutnya. Keseluruhan analisis terdiri atas 3 langkah yaitu: 1. Menghitung parameter kreteria kualitas model struktur PLS yaitu R2, AVE, Composite reliability, Alpha Cronbachs, Communality, Goodness of Fit (GoF) dan Redundancy dengan PLS Algorithm 2. Menghitung nilai t statistics dengan PLS Boostraping 3. Menghitung Nilai Entropy statistics dengan PLS FIMIX Dengan 3 langkah perhitungan di atas berdasarkan paradigma penelitian ini akan mampu menjawab apakah hipotesis dalam penelitian ini dapat diterima atau ditolak. Analisis PLS Algorithm – Boostraping dan FIMIX(15) Dengan bantuan software smartpls versi 2.0.M3 sesuai dengan paradigm penelitian hasilnya adalah sebagai berikut:
Gambar 4. Diagram jalur PLS Algorithm antara Kemiskinan dengan IPM Indonesia Berdasarkan diagram jalur ini, hasilnya dapat dirinci pada matriks jalur korelasi antar variabel laten baik untuk inner model maupun outer model sebagai berikut:
14
Tabel 7. Matriks Korelasi Variabel Laten
Berdasarkan matrik korelasi ini dapat diketahui bahwa tingkat Kemiskinan dengan IPM Indonesia saling berhubungan sangat kuat (di atas 0,9). Tingkat Kemiskinan di masing-masing wilayah terhadap tingkat kemiskinan di Indonesia berkorelasi sangat besar dan positif, artinya tingkat kemiskinan di Indonesia adalah representasi dari tingkat kemiskinan dari 5 wilayah di Indonesia dan sebaliknya. Demikian juga halnya dengan IPM Indonesia adalah representasi dari IPM dari 5 wilayah di Indonesia.
Dari matrik korelasi itu juga dapat
diketahui adanya hubungan yang sangat kuat dan bersifat tradeoff antara Kemiskinan terhadap IPM dan sebaliknya, menandakan bahwa untuk meningkatkan kualitas hidup, kemiskinan harus diturunkan, dan sebaliknya.
Pembahasan Uji Hipotesis 1 Telah diketahui bahwa terdapat hubungan yang sangat kuat antara kemiskinan dengan kualitas hidup di Indonesia, oleh karenanya akan dengan mudah diketahui berapa besar pengaruhnya dengan cara mengkuadratkan nilai korelasi tersebut. Untuk mengetahui apakah nilai pengaruh antar variabel tersebut signifikan atau tidak dilakukan uji t melalui boostraping dan hasilnya adalah sebagai berikut:
15
Tabel 8. Rsquare dan Uji t
IPM Indonesia Kemiskinan Indonesia
Besarnya R2 antara Kemiskinan Indonesia dengan IPMnya sebesar 0,985 atau setara dengan 98,5% IPM dipengaruhi oleh kemiskinan, lainnya dijelaskan oleh variasi dari variabel lainnya. Nilai R2 ini berdasarkan uji statistik sangat signifikan karena tstatistik = 794,44 > tkritis = 1,96. Dengan demikian secara statistik tingkat Kemiskinan di Indonesia sangat berpengaruh signifikan terhadap Kualitas Hidup yang di ukur dengan IPM. Adapun model struktur dari Kemiskinan terhadap IPM Indonesia berdasarkan Algoritma PLS adalah sebagai berikut:
IPM 0,993Kemiskinan Residu Untuk mengetahui apakah model struktur ini valid dan reliabel untuk memprediksi secara tepat setiap perubahan (variasi) Tingkat Kemiskinan terhadap IPM atau sebaliknya, maka dilakukan analisis uji kelayakan model dan struktur, hasilnya sebagai berikut:
Tabel 9. Nilai Parameter Uji Kelayakan Model Struktur dan Pengukuran
16 Untuk uji validitas konvergen (bahwa model layak untuk dijadikan alat prediksi), dapat dilihat dari nilai Average Variance Extracted (AVE) sebesar 1, padahal dengan nilai sebesar 0,5 pun dianggap cukup. Nilai ini dapat diartikan bahwa model sangat valid untuk memprediksi dengan baik. Berdasarkan nilai alpha Cronbach yang sebesar 1, menjelaskan juga bahwa model ini sangat konsisten secara teoritis. Yang terakhir harus ditentukan adalah apakah model secara umum baik untuk memprediksi, yaitu dengan menghitung nilai Goodness of Fit (GoF) dengan rumus:
GoF Communality *R 2 GoF 1*0,985 0,993 Hasil ini menjelaskan bahwa tidak bisa dipungkiri, secara statistik model struktur (inner model) yang menjelaskan pengaruh langsung antara Kemiskinan dengan IPM Indonesia sangat layak dengan signifikansi pengaruh yang sangat besar. Dengan demikian berdasarkan model struktur tersebut dapat menjelaskan bahwa untuk setiap terjadinya penurunan jumlah orang miskin sebanyak 1 juta orang, maka kualitas hidup manusia Indonesia akan meningkat sebesar 0,993 angka indeks (IPM). Bila misalkan dilakukan resampling pada penelitian berikutnya, berapa besarkah tingkat probabilitas model struktur tersebut dapat memprediksi nilai variasi (variance) yang relative tidak berbeda dari data yang digunakan pada penelitian ini?, untuk itu perlu dilakukan perhitungan nilai entropy dengan Finite Mixture PLS atau FIMIX PLS yang hasilnya adalah sebagai berikut: Tabel 10. Nilai Entropy
Nilai Entropy sebesar 1, artinya 100% model struktur tersebut dapat menjelaskan variasi yang tidak berbeda dari sebelumnya (dalam penelitian ini). Dengan demikian model yang ditentukan dengan PLS sangat layak digunakan untuk prediksi dan estimasi sesuai variabel dalam penelitian ini. Yang menjadi persoalan adalah apakah, model struktur ini dapat digeneralisir untuk tahun-tahun berikutnya ataukah terjadi kesalahan statistik atau salah menyimpulkan. Untuk mengetahuinya perlu dilakukan perhitungan effectsize variabel Kemsikinan dan IPM sebagai berikut:
2 2
t2 t 2 df
(794, 44) 2 631134,91 0,999 2 (794, 44) 2 631136,91
Angka ini menunjukan bahwa bahwa effectsize besar (karena di atas 0,14). Mengingat dalam analisis ini tingkat signifikansi yang digunakan relative kecil yaitu antara 1% - 10%, maka dapat dikatakan bahwa model struktur IPM 0,993Kemiskinan Residu sangat layak untuk digeneralisir
17 pada tahun – tahun berikutnya. Bandingkan dengan prediksi linier menggunakan regresi yang modelnya adalah: IPM 0, 0003Kemiskinan 80, 6 e , model ini menjelaskan bahwa bila jumlah penduduk miskin berkurang sebanyak 1 juta jiwa, maka IPM akan meningkat sebesar 0,0003 nilai indeks (IPM) + 80,6 IPM, cobalah renungkan apakah hasil ini tidak membahayakan? Padahal rata-rata IPM Indonesia hanya sebesar 71,45. Dengan mempertimbangkan hasil uji model dan pengukuran, maka dapat dinyatakan bahwa hipotesis penelitian pertama (nomor 1) diterima.
Uji Hipotesis 2. Untuk mengetahui manakah yang lebih dominan, apakah sebaiknya mengurangi kemiskinan untuk meningkatkan kualitas hidup ataukah meningkatkan kualitas hidup untuk mengurangi kemiskinan, atau sama saja? Untuk keperluan ini perlu dihitung nilai redundancy index(4) dengan rumus sebagai berikut:
RI R 2 model * R 2 struktur Untuk R2 variabel laten Kemiskinan terhadap Kemiskinan Indonesia rata-ratanya adalah sebagai berikut:
R
2
miskin
R 2 miskin
R 2 sumatera R 2 jawa R 2 kalimantan R 2 sulawesi R 2 maluku papua ntt
5 0,989807 0,996735 0,939818 0,963483 0,966575 5 R 2 miskin 0,971
Untuk R2 variabel laten IPM terhadap IPM Indonesia rata-ratanya adalah sebagai berikut:
R
2
IPM
R 2 IPM
R 2 sumatera R 2 jawa R 2 kalimantan R 2 sulawesi R 2 maluku papua ntt
5 0,999989 0,999926 0,991482 0,998913 0,999871 5 R 2 IPM 0,998 Hasilnya adalah sebagai berikut:
RI Miskin = 0,971* 0,985 = 0,956 RI IPM = 0,998* 0,985 = 0,983 Secara angka, hasil ini menunjukan bahwa Redundancy Index Kemiskinan lebih kecil dari Redundancy Index IPM, berarti seharusnya IPM yang terlebih dahulu ditingkatkan untuk mengurangi jumlah penduduk miskin. Apakah angka Indeks Redundancy tersebut sama atau berbeda, maka dilakukan uji antar 2 korelasi(3).
18
RI Miskin = 0,971* 0,985 = 0,956 R = 0,978 RI IPM = 0,998* 0,985 = 0,983 R = 0,991 Perhitungan dengan menggunakan software calculator R2Z_V2, dan hasilnya adalah sebagai berikut:
Secara statistik nilai Indeks Redundancy antara Kemiskinan dan IPM tidak berbeda untuk alpha 1% hingga 10%, uji 2 arah. Dengan demikian bila mempertimbangkan hasil uji ini maka hipotesis penelitian kedua (nomor 2) ditolak.
Kesimpulan dan Saran Kesimpulan Hasil penelitian menggunakan PLS berdasarkan uji kelayakan model dan parameter membuktikan secara statistik bahwa: 1. Tingkat Kemiskinan dan Kualitas Hidup yang diukur dengan Indeks Pembangunan Manusia di Indonesia saling berpengaruh sangat signifikan dengan efek ukuran yang besar 2. Pengaruh Kemiskinan terhadap IPM secara statistik sama dengan Pengaruh IPM terhadap Kemiskinan. Sehubungan dengan dua simpulan di atas, Pemerintah sebagai penyelenggara Negara dapat melakukan dua pendekatan, yaitu lebih dahulu mengurangi kemiskinan untuk meningkatkan kualitas hidup penduduk Indonesia atau meningkatkan kualitas hidup terlebih dahulu agar kemiskinan berkurang. Rekomendasi penelitian ini adalah meningkatkan IPM terlebih dahulu.
Saran Para peneliti berikutnya atau lainnya dapat menguji hasil penelitian ini dengan menggunakan data yang berbeda, baik dalam hal jumlah amatan maupun jumlah indikatornya. Sangat disarankan memperbanyak jumlah amatan (sampel data runtutnya).
19
Referensi Buku: Cohen – Cohen – West – Aiken, 2003, Applied Multiple Regression/Correlation Analysis for Behavioral Science – 3rd, Lawrence Erlbaum Associate, London (1) Leary – Hoyle, 2009, Handbook of Individual Differences in Social Behavioral, Guilford Press, New York (2) Schumacker – Lomax, 2004, A Beginners Guide To Structural Equation Modelling – Third Edition, (3) Lawrence Erlbaum Associate, London Tabachnick – Fidel, 2007, Using Multivariate Statistics – Fifth Edition, Pearson Inc, Boston(4) Vinzi – Chin – Henseler – Wang(editors), 2010, Handbook of Partial Least Square – Consept, Methods and Applications, Springer, Verlag Berlin Heidelberg – Germany(5) Jalur Internet/Website http://cahayalangitmu.blogspot.com/2012/02/ (6) http://digilib.its.ac.id/ITS-PhD-3100011045189-/17247 (7) http://eprints.undip.ac.id/28982/1/Skripsi018.pdf (8) http://eprints.undip.ac.id/30995/1/Skripsi020.pdf (9) http://hdr.undp.org/en/ (10) http://id.shvoong.com/social-sciences/sociology (11) http://www.alquran-indonesia.com/ (12) http://www.bps.go.id (13) http://www.KamusBahasaIndonesia.org (14) http://www.smartpls.de (15) http://www.wepapers.com/DownloadPaper/356720/Calculator_R2Z_V2 (16)
