ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR 1

Mei Puspita Rini, 2Ismaini Zain, 3Dwiatmono Agus Widodo Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya

1,2,3

1

Email: [email protected] , [email protected], [email protected] Abstrak

Perilaku perempuan dalam kegiatan ekonomi secara individu bisa dilihat dari partisipasi perempuan dalam angkatan kerja. Perempuan yang berpartisipasi ekonomi disebut bekerja, yang tidak berpartisipasi disebut tidak bekerja. Perempuan kawin mempunyai permasalahan cukup kompleks dalam kegiatan ekonomi. Salah satu intensitas kegiatan ekonomi perempuan kawin dapat dilihat dari pendapatan perempuan. Pendapatan perempuan kawin mempunyai skala campuran karena bernilai nol jika tidak bekerja (diskrit) dan mempunyai nilai tertentu jika bekerja (kontinyu). Struktur data seperti itu disebut data tersensor. Metode regresi klasik tidak dapat digunakan untuk menganalisis data campuran, karena terlalu banyak nilai nol. Oleh karena itu digunakan metode regresi tobit. Pada penelitian ini dibedakan antara perkotaan dan pedesaan agar diperoleh karakteristik dan pemodelan perempuan kawin berdasarkan tempat tinggal. Tujuan dari penelitian ini adalah mendeskripsikan karakteristik pendapatan perempuan kawin dan memodelkan pendapatan perempuan kawin dengan faktor-faktor yang mempengaruhi pendapatan perempuan kawin. Berdasarkan pembagian wilayah tempat tinggal terdapat perbedaan karakteristik perkotaan dan pedesaan. Pada perkotaan umur suami tidak berpengaruh signifikan terhadap pendapatan perempuan kawin, sebaliknya pada pedesaan umur suami berpengaruh positif terhadap pendapatan perempuan kawin. Sedangkan dalam bidang pendidikan, pada perkotaan yang mempengaruhi pendapatan perempuan kawin adalah pada jenjang SMP, namun di pedesaan variabel ini tidak berpengaruh signifikan terhadap pendapatan perempuan kawin. Kata kunci : Pendapatan, perempuan kawin, partisipasi ekonomi, regresi, tobit.

1. Pendahuluan Keterlibatan perempuan dalam kegiatan ekonomi mencerminkan perilaku ekonomi. Perilaku ekonomi meliputi berpartisipasi dalam kegiatan ekonomi dan tidak berpartisipasi. Perempuan yang berpartisipasi ekonomi berarti bekerja dan yang tidak berpartisipasi berarti tidak bekerja. Perempuan kawin yang tidak bekerja berpendapatan nol dan yang bekerja mempunyai pendapatan tertentu yang bervariasi. Menurut Greene (2000) data tersebut disebut data campuran karena terdiri dari data yang berskala diskrit (bernilai nol) dan skala kontinyu (mempunyai nilai tertentu yang bervariasi). Oleh karena itu untuk menganalisis digunakan metode regresi tobit. Dengan menggunakan metode regresi tobit diharapkan hasil yang diperoleh menjadi lebih baik dari regresi klasik (Suhardi dan Llewelyn, 2001) Penelitian tentang partisipasi perempuan telah banyak dilakukan antara lain oleh Suroso (2002), Siburian (2009), dan Siagian (2009). Pada penelitian Suroso (2002) dilakukan analisis terhadap perempuan kawin dengan menggunakan metode analisis regresi logistik trikotomus, data dikategorikan menjadi tiga, yaitu tidak bekerja, bekerja formal dan informal. Siburian (2009) meneliti tentang partisipasi perempuan berdasarkan lapangan kerja. Siagian (2009) meneliti tentang partisipasi perempuan berdasarkan status usaha. Pada penelitian-penelian tersebut variabel respon dibatasi hanya skala nominal dan dikategorikan. Hal tersebut mengurangi informasi data yang ada, sehingga dalam penelitian ini data tidak dikategorikan dan mempunyai skala campuran, untuk menganalisis digunakan metode regresi tobit. Beberapa penelitian menggunakan regresi tobit antara lain oleh Zain dan Hartono (1997), Kusfiva (2000), Suhardi dan Llewelyn (2001) dan Zain, Widodo dan Wulandari (2009). Zain dan Hartono (1997) menyimpulkan dengan menggunakan regresi tobit diperoleh variabel independen yang signifikan lebih banyak daripada OLS. Hal serupa juga dinyatakan oleh Suhardi dan Llewelyn 1

(2001) yang meneliti tentang kepuasan konsumen untuk jasa pengangkutan barang. Selanjutnya Kusfiva (2000) menyimpulkan pada regresi OLS data dibatasi minimal berskala interval sedangkan pada tobit data berupa skala campuran. Dalam penelitian Zain, Widodo dan Wulandari (2009) variabel respon yang diamati adalah pendapatan perempuan dan lamanya jam kerja, perempuan tersebut berstatus kawin ataupun tidak dan diperoleh hasil persentase perempuan kawin yang bekerja cukup besar dibanding persentase perempuan belum kawin. Untuk itu dalam penelitian ini pengamatan lebih dispesifikasikan pada perempuan kawin. Berdasarkan uraian diatas, peneliti melakukan penelitian dengan tujuan mengetahui karakteristik pendapatan perempuan kawin dan memodelkan faktor-faktor yang mempengaruhi perilaku perempuan kawin dalam kegiatan ekonomi, dalam hal ini pendapatan perempuan kawin menurut tempat tinggal. 2. Tinjauan Pustaka Tinjauan pustaka yang digunakan dalam penelitian ini meliputi. 2.1 Uji Korelasi

Uji korelasi digunakan untuk mengukur kekuatan hubungan antara variabel prediktor (X) dengan variabel respon (Y). Pada data kategorik dilakukan pengujian dengan menggunakan uji korelasi range spearmen dan korelasi pearson pada data numerik. Secara umum hipotesis yang digunakan sebagai berikut (Walpole, 1995). H0 : ρYtXtj = ρ0 (antara X dan Y tidak ada hubungan) H1 : ρYtXtj ≠ ρ0, j = 1, 2, 3, , , , , 13 (antara X dan Y ada hubungan) Dengan statistik uji sebagai berikut

Dengan

H0 ditolak jika p-value kurang dari α atau jika Zhitung < - Zα/2.atau Zhitung > Zα/2. Data Tersensor Menurut Greene (2000) variabel respon yang mempunyai sifat mixture (campuran) diskrit dan kontinyu, diskrit untuk yang bernilai nol dan kontinyu untuk yang tidak nol, maka dikategorikan data tersensor. Disebut data tersensor jika pada variabel respon terdapat nilai yang dibatasi (Suhardi dan Llewelyn, 2001). Regresi Tobit (Truncated Regression) Regresi tobit merupakan analisis regresi yang digunakan untuk variabel tak bebas yang sebagian datanya berskala diskrit dan sebagian data berskala kontinyu. Secara umum model dari regresi tobit adalah sebagai berikut (Fair, 1977). (2) Dimana

dan

adalah variabel respon dengan persamaan sebagai berikut. (3)

dengan β : koefisien vektor berukuran kx1 yang tidak diketahui, k adalah banyaknya parameter : matriks berukuran Txk dari variabel prediktor : error yang diasumsikan berdistribusi : matriks variabel respon berukuran Tx1 yang berdistribusi normal (µ,σ2) Jika berdistribusi normal dengan mean Xtβ dan varians σ2, dengan mengikuti distribusi normal maka diperoleh nilai probabilitas sebagai berikut (Madigan dan Rutgers, 2009).

2

adalah cumulative distribusi function (cdf) dari distribusi normal standart. Pendugaan Parameter Dalam menduga parameter regresi tobit digunakan metode Maximum Likelihood Estimation (MLE), menurut Hosmer dan Lemeshow (2000) dengan menggunakan metode ini diperoleh penduga yang konsisten dan efisien untuk sampel yang berukuran besar. Sehingga diperoleh nilai β sebagai berikut (Fair, 1977).

dengan y’ : vektor 1 x R X’ : matrik k x R, dimana R adalah banyaknya pengamatan tidak sama dengan nol : (XR+1, XR+2, . . . , XT) , dimana

adalah pdf dari distribusi normal standart

: (γR+1, γR+2, . . . , γT) : penduga OLS pada pengamatan yang tidak sama dengan nol Pengujian Estimasi Parameter Untuk mendapatkan model regresi tobit digunakan pengujian parameter berikut (Hosmer&Lemeshow, 2000). 1. Uji Parsial Uji Parsial digunakan untuk pengujian individu yang menunjukkan apakah suatu variabel bebas signifikan atau layak untuk masuk model atau tidak. Untuk mengujinya digunakan Wald test. Berikut hipotesisnya. ( koefisien βj tidak signifikan secara statistik) ( koefisien βj signifikan secara statistik), j= 1, 2, . . . p Statistik uji yang digunakan adalah.

Dimana

adalah penaksir parameter

dan SE

adalah penduga standart error dari

,p

adalah banyaknya variabel prediktor. H0 ditolak jika nilai statistik uji W< -Zα/2 atau W>Zα/2 atau jika p-value < yang berarti berpengaruh signifikan terhadap variabel respon. 2. Uji Serentak Uji serentak digunakan untuk memeriksa fungsi koefisien secara keseluruhan atau bersamasama, untuk mengujinya digunakan metode likelihood ratio atau uji G. misalkan y1, y2, . . .yT adalah variabel random yang saling bebas sebanyak T, yang masing-masing mempunyai fungsi distribusi probabilitas f(yt; β1, β2, . . . ,βp) untuk t= 1, 2, 3, . . . ,T. himpunan yang terdiri dari semua parameter titik (β1, β2, . . . ,βp) dinotasikan dengan Ω dan ω subset dari Ω.

Berikut hipotesis yang digunakan.

3

minimal ada salah satu

yang tidak sama dengan nol, j=1, 2, 3, . . . , p.

Statistik Uji yang digunakan adalah sebagai berikut.

Dimana

= nilai maksimum likelihood tanpa variabel prediktor tertentu. = nilai maksimum likelihood dengan variabel prediktor tertentu. H0 ditolak jika atau jika p-value < α yang berarti ada salah satu atau lebih

yang

berpengaruh signifikan terhadap variabel respon. Kriteria Kebaikan Model Pada umumnya dalam analisis regresi untuk memperoleh kebaikan model digunakan koefisien determinasi R2. Berikut rumus R2 untuk regresi tobit (Bierens, 2004).

Dimana Konsep Bekerja Dalam konsep ketenaga kerjaan (BPS, 2009) membagi penduduk menjadi dua golongan yaitu penduduk umur kerja dan penduduk bukan umur kerja. Penduduk umur kerja terbagi dua yaitu bekerja dan mengganggur. Penduduk dikatakan bekerja jika penduduk tersebut melakukan suatu kegiatan ekonomi yang dengan maksud memperoleh atau membantu memperoleh pendapatan atau keuntungan, paling sedikit 1 jam (tidak terputus) dalam seminggu yang lalu. Kegiatan tersebut termasuk pula kegiatan pekerja tak dibayar yang membantu dalam suatu usaha atau kegiatan ekonomi. Pendapatan Menurut BPS (2009) pendapatan merupakan upah dan gaji atas jam kerja atau pekerjaan yang telah diselesaikan, upah lembur, semua bonus dan tunjangan, perhitungan waktu-waktu tidak bekerja, bonus yang dibayarkan tidak teratur, penghargaan, dan nilai pembayaran sejenisnya. Pendapatan merupakan suatu hal yang penting dalam mempengaruhi kehidupan seseorang dalam memenuhi kebutuhan hidupnya. Pendapatan bisa berasal dari bidang apa saja, dalam memperoleh pendapatan seseorang bisa memperoleh dari instansi pemerintah dan swasta maupun dengan mendirikan usaha sendiri. Pendapatan bisa diperoleh karena usaha kerja dengan mengeluarkan tenaga ataupun dengan jasa atas kemampuan dan keahlian yang dimiliki seseorang. Faktor-Faktor yang Mempengaruhi Perempuan Kawin dalam Melakukan Kegiatan Ekonomi Menurut Dewi (2006) ada beberapa hal yang mendorong perempuan bekerja antara lain karena kebutuhan finansial atau faktor ekonomi untuk memenuhi kebutuhan sehari-hari, kebutuhan relasional dan sosial akan identitas dan penerimaan sosial melalui komitmen kerja, kebutuhan aktualisasi diri untuk berkarya, berkreasi, mencipta, mengekspresikan diri dengan orang lain, membagikan ilmu dan pengalaman, menghasilkan sesuatu, mendapat penghargaan, penerimaan dan prestasi. Faktor tersebut berasal dari segi psikologis perempuan. Dalam kehidupan pribadinya ada beberapa faktor yang mendorong perempuan melakukan kegiatan ekonomi terutama bagi perempuan yang berkeluarga, antara lain karena jumlah anak, jumlah anak yang bekerja, jumlah anak yang sekolah, jumlah anak balita, umur, umur suami, umur perkawinan pertama, jumlah tahun dalam ikatan perkawinan, jumlah jam kerja suami, pendidikan perempuan kawin tersebut, pendidikan suami, lapangan kerja suami, status pekerjaan suami, rata-rata pengeluaran rumah tangga dalam sebulan (Suroso, 2002). 3. Metodologi Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder SUSENAS di provinsi Jawa Timur tahun 2006 dengan jumlah sampel sebanyak 15.182 responden, yang meliputi perempuan kawin yang tidak bekerja dan yang bekerja formal. Variabel penelitian yang digunakan dalam penelitian ini berasal dari data individu dan data rumah tangga. Variabel Penelitian dan Definisi Operasional Variabel respon penelitian ini adalah partisipasi perempuan kawin dalam kegiatan ekonomi (yt) dimana yt bernilai 0 untuk perempuan kawin yang tidak bekerja dengan skala data diskrit dan bernilai 4

untuk perempuan kawin yang bekerja dalam bidang formal, selanjutnya disebut bekerja, dengan skala data kontinyu. Pada penelitian ini untuk mengetahui perbedaan karakteristik dan pemodelan antara perkotaan dan pedesaan maka digunakan variabel moderator berdasarkan lokasi tempat tinggal. Variabel prediktor yang dilibatkan dalam penelitian ini sebanyak 13 variabel, berikut ditampilkan dalam Tabel 1. Nama Variabel Jumlah ART Jumlah anak yang bekerja Jumlah anak umur balita Umur Umur suami Pendidikan terakhir

Pendidikan terakhir suami Hari kerja dalam seminggu Jam kerja dalam seminggu

Bidang pekerjaan utama

Status kerja suami Rata-rata pengeluaran rumah tangga perbulan Rumah tangga penerima BLT

Tabel 1 Variabel Prediktor Kategori 0 ≤ SD sederajat 1 = SMP sederajat 2 ≥ SMA sederajat 0 ≤ SD sederajat 1 = SMP sederajat 2 ≥ SMA sederajat 0 = tidak bekerja 1 = pertanian 2 = industri 3 = perdagangan 4 = jasa 5 = lain-lain 0= Tidak Bekerja 1= Bekerja 0 = Tidak menerima 1 = Menerima

Skala rasio rasio rasio rasio rasio

Ket X1 X2 X3 X4 X5

ordinal

X6

ordinal

X7

rasio rasio

X8 X9

nominal

X10

nominal

X11

rasio

X12

nominal

X13

Sumber : Susenas 2006, diolah

Metode Pengolahan Data Langkah-langkah yang dilakukan dalam penelitian ini meliputi dua tahap yaitu analisis statistika deskripsi dan analisis statistika inferensia. Berikut tahapan analisis statistika deskripsi. 1. Mempersentasekan pendapatan perempuan kawin berdasarkan tempat tinggal yaitu perkotaan dan pedesaan. 2. Mendeskripsikan pendapatan perempuan kawin berdasarkan tempat tinggal. 3. Mendeskripsikan X1 sampai dengan X13 berdasarkan lokasi tempat tinggal, masing-masing dibedakan bekerja dan tidak bekerja. Setelah melakukan analisis statistika deskripsi maka dilakukan analisis statistika inferensia dengan menggunakan metode regresi tobit, berikut langkah-langkah untuk memperoleh model regresi tobit. 1. Melakukan uji korelasi antara Y dengan X1 sampai dengan X13, sebelum melakukan pemodelan regresi tobit, data kategorik di ubah menjadi dummy. 2. Melakukan statistik uji secara parsial terhadap variabel penelitian (Y dan X1 sampai dengan X13) berdasarkan persamaan 4. 3. Melakukan statistik uji secara serentak berdasarkan persamaan 5, terhadap variabel-variabel prediktor= yang telah signifikan dalam uji parsial, pada data perkotaan meliputi X1 sampai dengan X13, pada data pedesaan meliputi X1, X2, X5, X6, X7, X8, X9, X10, X11, X12 dan X13. 4. Memodelkan variabel-variabel prediktor yang telah signifikan dalam uji parsial maupun serentak. 5. Mendapatkan nilai R-Square untuk mengetahui kriteria kebaikan model. 4. Analisis dan Pembahasan 5

Karakteristik Variabel Penelitian Keterlibatan perempuan kawin dalam kegiatan ekonomi ditunjukkan dengan besarnya pendapatan. Pendapatan tersebut bernilai nol jika perempuan kawin tidak bekerja dan mempunyai nilai tertentu jika perempuan kawin bekerja. Pendapatan perempuan kawin yang mempunyai nilai nol (diskrit) dan nilai tertentu (kontinyu) menurut Greene (2000) data seperti itu termasuk data tersensor.

Gambar 1 Persentase Pendapatan Perempuan Kawin

Pada Gambar 1 diketahui terdapat perbedaan antara persentase perempuan kawin yang bekerja dan tidak bekerja. Terlihat bahwa persentase perempuan kawin yang bekerja jauh lebih kecil dibanding dengan persentase perempuan kawin yang tidak bekerja, baik di perkotaan maupun di pedesaan. Hal ini menunjukkan adanya perbedaan karakteristik perempuan kawin bekerja dan tidak bekerja. Jika dilakukan pengamatan terhadap seluruh data perempuan kawin tanpa membedakan yang bekerja dan tidak bekerja akan terjadi bias pada data, untuk menghindari terjadinya bias pada karakteristik perempuan kawin maka dilakukan pengamatan terpisah antara perempuan kawin bekerja dan tidak bekerja. Tabel 2 Deskripsi Pendapatan Perempuan Kawin (Rupiah/bulan) Perkotaan

Pedesaan

Mean

867.809,79

581.769,25

St. Deviasi

930.074,63

1.028.587,51

Min

50.000

50.000

Max

15.000.000

20.000.000

Sumber : Susenas 2006, diolah

Pada Tabel 2 diperoleh mean pendapatan perempuan kawin yang bekerja di perkotaan lebih besar daripada di pedesaan, sebaliknya standart deviasi pendapatan perempuan kawin di pedesaan lebih besar daripada di perkotaan. Hal ini menunjukkan kualitas pendapatan di perkotaan lebih baik daripada di pedesaan. Tabel 3 Deskripsi Variabel Penelitian (Data Kontinyu)

Jumlah ART (X1)

Jumlah anak yang kerja (X2)

Jumlah anak balita (X3)

Umur (X4)

Umur suami (X5)

Mean St. Dev Min Max Mean St.Dev Min Max Mean St.Dev Min Max Mean St.Dev Min Max Mean St.Dev

Perkotaan Tidak bekerja Bekerja 4 3,96 1,38 1,30 2 2 15 12 0,26 0,19 0,58 0,53 0 0 4 4 0,28 0,25 0,51 0,49 0 0 3 3 40,99 39,41 12,31 9,14 14 18 96 80 46,17 43,46 13,20 10,09

Pedesaan Tidak bekerja 3,80 1,34 2 10 0,23 0,52 0 5 0,23 0,46 0 3 41,06 12,88 16 90 46,69 13,52

Bekerja 3,74 1,12 2 9 0,20 0,50 0 4 0,19 0,41 0 2 38,76 9,38 17 85 43,51 10,44

6

Min Max

14 98

20 91

16 98

20 90

Sumber : Susenas 2006, diolah

Tabel 3(Lanjutan) Deskripsi Variabel Penelitian (Data Kontinyu) Perkotaan Tidak bekerja Bekerja Hari kerja dalam seminggu (X8)

Jam kerja dalam seminggu (X9)

Rata-rata pengeluaran RT/bulan (X12)

Mean St.Dev Min Max Mean St.Dev Min Max Mean St.Dev Min Max

1.166.953,46 864.230,46 174.702 22.859.303

5,90 0,78 1 7 41,38 13,68 1 98 1.379.109,14 910.788,63 228.214 7.001.726

Pedesaan Tidak bekerja

730.957,37 513.773,43 129.679 21.769.492

Bekerja 5,86 1,13 1 7 36,94 13,40 5 84 913.327,20 607.872,51 176.961 7.276.435

Sumber : Susenas 2006, diolah

Berdasarkan Tabel 3 dapat diketahui karakteristik jumlah anggota rumah tangga relatif tidak berbeda antara yang bekerja dan tidak bekerja baik di perkotaan maupun di pedesaan. Demikian juga untuk karakteristik jumlah anak yang bekerja dan jumlah anak balita pada data perkotaan dan pedesaan baik yang bekerja maupun yang tidak bekerja. Namun pada karakteristik pengeluaran rumah tangga antara perkotaan dengan pedesaan tampak ada perbedaan. Rata-rata pengeluaran di perkotaan lebih tinggi dibanding dengan pedesaan, begitu juga dengan standart deviasi pengeluaran rumah tangga di perkotaan lebih besar dari pada di pedesaan. Hal ini dimungkinkan karena pola hidup masyarakat perkotaan yang cenderung konsumtif. Menurut Suhartini, dkk (2010) penduduk perkotaaan banyak mengalokasikan pengeluaran untuk perumahan (fasilitas rumah, listrik dan bahan bakar), barang dan jasa (perawatan tubuh, kesehatan dan pendidikan), sedangkan penduduk pedesaan pengeluaran terbesar cenderung pada kebutuhan pokok.

(a) Pendidikan

(b) Pendidikan Suami

7

( c ) Jenis Pekerjaan Utama

( d ) Status Kerja Suami

(e) Rumah Tangga Penerima BLT Gambar 2 Karakteristik Variabel Penelitian Berdasarkan Tempat Tinggal dan Partisipasi Ekonomi

Berdasarkan Gambar 2 tampak terdapat perbedaan karakteristik antara perempuan kawin yang bekerja dengan yang tidak bekerja, serta perbedaan karakteristik di perkotaan dan di pedesaan. Dilihat dari latar belakang pendidikan di perkotaan persentase tertinggi adalah perempuan kawin dengan pendidikan lebih dari sama dengan SMA yang berstatus bekerja di bidang jasa. Sebaliknya pada data pedesaan persentase tertinggi didominasi perempuan kawin berpendidikan kurang dari sama dengan SD dengan status tidak bekerja. Keadaan tersebut tidak jauh berbeda pada karakteristik suami, di perkotaan pendidikan suami sebagian besar berpendidikan lebih dari sama dengan SMA, dengan status istri bekerja. Sebaliknya di pedesaan sebagian besar perempuan kawin yang tidak bekerja mempunyai suami lulusan kurang dari sama dengan SD. Pemodelan Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi Uji korelasi digunakan untuk mengetahui kekuatan hubungan antara variabel penelitian. Pada data kategori dilakukan pengujian dengan menggunakan uji korelasi R spearmen’s dan korelasi pearson pada data kontinyu dengan hipotesis sebagai berikut. H0 : ρYtXtj = 0 (antara X dan Y tidak ada hubungan) H1 : ρYtXtj ≠ 0, j = 1, 2, 3, , , , , 13 (antara X dan Y ada hubungan) Tabel 4 Nilai Koefisien Korelasi Variabel Penelitian (Data Kategorik) R Spearmen's

Variabel

Perkotaan

Pedesaan

Pendidikan (X6)

0,17*

0,18*

Pendidikan suami (X7)

0,13*

0,12*

Bidang pekerjaan utama (X10)

0,99*

0,99*

Status kerja suami (X11)

-0,03*

-0,02*

Rumah tangga penerima BLT (X13)

-0.01

-0.03*

Sumber : Susenas 2006, diolah Keterangan : *) Uji korelasi R spearmen’s signifikan pada α= 0.05 Tabel 5 Nilai Koefisien Korelasi Variabel Penelitian (Data Kontinyu) Variabel Jumlah ART (X1)

Corr Pearson Perkotaan

Pedesaan

0,01

0,01

Jumlah anak kerja (X2)

-0,06*

-0,03*

Jumlah anak balita (X3)

-0,01

-0,02

Umur (X4)

-0,01

-0,002

Umur suami (X5)

-0,05*

-0,03*

Hari kerja/minggu (X8)

0,62*

0,47*

Jam kerja/minggu (X9)

0,61*

0,46*

Rata-rata pengeluaran/bulan (X13)

0,21*

0,16*

Sumber : Susenas 2006, diolah

8

Keterangan : *) Uji korelasi pearson signifikan pada α= 0.05

Berdasarkan Tabel 4 dan Tabel 5 diperoleh kesimpulan pada data perkotaan dan pedesaan terdapat korelasi yang relatif tidak berbeda, yang membedakan antara perkotaan dan pedesaan hanya variabel penerima BLT, di perkotaan menunjukkan tidak ada hubungan, sebaliknya di pedesaan mengindikasikan adanya hubungan. Sebelum melakukan pemodelan regresi tobit, variabel yang kategorik didummykan terlebih dahulu untuk mendapatkan model terbaik. Langkah pertama yang dilakukan adalah pengujian

secara parsial, dengan hipotesis sebagai berikut. H0 : βj = 0 H1 : βj ≠ 0, j = 1, 2, 3, , , , ,13 Tabel 6 Koefisien Pengujian Variabel Penelitian Secara Parsial Intercept X1 Intercept X2 Intercept X3 Intercept X4 Intercept X5 Intercept X6_1 X6_2 Intercept X7_1 X7_2 Intercept X8 Intercept X9 Intercept X10_1 X10_2 X10_3 X10_4 X10_5 Intercept X11_ 1 Intercept X12 Intercept X13_1

Perkotaan 160.486* 3.768,15* 190.718* -60.050* 179.257* -13.431* 192.368* -413,65* 262.884* -1.914,19* 56.010* 24.431* 318.768* 66.795* 28.558* 239.009* 7.753,36 140.635* 19.271* 18.671* 0.00000000001658407 312.509* 688.165* 731.638* 1.031.501* 1.245.000* 177.656* -16.757* 15.124* 0,13* 191.553* -126.905*

Pedesaan 48.288* 3.977,03* 68.145* -21.251* 67.430* -18.006 65.328* -48,04 99.278* -774,94* 23.754* 19.429* 389.891* 28.588* 23.100* 224.577* 1.715,27 96.534* 5.868,368 14.291* -0.00000000000952127 215.737* 438.582* 355.000* 1.026.866* 486.000* 64.941* -17.268* -24.855* 0,12* 78.635* -53.249*

Sumber : Susenas 2006, diolah Keterangan : *) Uji wald signifikan pada α= 0.05

Statistik uji yang digunakan adalah statistik uji Wald, sesuai dengan persamaan 5, diperoleh nilai koefisien yang ditampilkan pada Tabel 6. Pada pemodelan perkotaan semua variabel prediktor telah signifikan terhadap pendapatan perempuan kawin, lain halnya dengan pedesaan, terdapat variabel yang tidak signifikan yaitu variabel jumlah anak balita dan umur, hal ini sesuai dengan uji korelasi di pedesaan, variabel umur dan jumlah anak balita tidak ada korelasi dengan pendapatan perempuan kawin di pedesaan. Langkah selanjutnya melakukan uji secara serentak terhadap variabel prediktor yang telah signifikan pada uji parsial, dengan hipotesis sebagai berikut. H0 : β1= β2 = . . . = β13 = 0 H1 : Paling sedikit terdapat satu βj ≠ 0, j = 1, 2, 3, . . . , 13 Adapun statistik uji yang digunakan adalah statistik uji G, sesuai dengan pada persamaan 5. Berikut diperoleh hasil yang ditampilakn pada Tabel 7.

9

Tabel 7 Koefisien Pengujian Variabel Secara Serentak terhadap Pendapatan Perempuan Kawin Perkotaan Intercept

Pedesaan

-172.280*

-90.433*

X1

1.714,94

493,58

X2

-33.052*

-11.331

X3

1.418,93

X4

3.233,92*

X5 X6_1 X6_2 X7_1 X7_2 X8

-1.145,43 36.695* 99.743* -29.033* -1.383,25 -115.911*

1.207,14* -189,18 91.625* 1.464,21 27.495* -33.665*

X9 X10_1 X10_2 X10_3 X10_4 X10_5 X11_1 X12

6.446,24* 809.687* 1.103.523* 1.087.092* 1.389.618* 1.525.585* -7.007.73* 0,06*

7.359,29* 185.161* 325.087* 251.009* 874.531* 401.124* -16.703* 0,04*

X13_1

-34.612*

-368,53

Sumber : Susenas 2006, diolah Keterangan : *) Uji G signifikan pada α = 0.05

Berdasarkan pengujian secara serentak diketahui terdapat beberapa variabel prediktor yang telah signifikan terhadap pendapatan perempuan kawin. Sehingga diperoleh model regresi tobit untuk data di perkotaan adalah sebagai berikut. = -172.280 – 33.052X2 + 3.233,92X4 + 36.695X6(1) + 99.743X6(2) – 29.033X7(1) – 115.911X8 + 6.446,24 X9 + 809.687X10(1) + 1.103.523X10(2) + 1.087.092X10(3) + 1.389.618X10(4) + 1.525.585X10(5) – 7.007.73 X11(1) + 0,06 X12 – 34.612 X13 Berikut untuk pemodelan pendapatan perempuan kawin di pedesaan. = - 90.433 + 1.207,14 X5+ 91.625 X6(2)+ 27.495 X7(2) – 33.665 X8+ 7.359,29 X9+ 185.161 X10(1) + 325.087 X10(2) + 251.009 X10(3) + 874.531 X10(4) + 401.124 X10(5) – 16.703 X11(2) + 0.04 X12 Berdasarkan pemodelan tersebut dilihat antara perkotaan dan pedesaan terdapat perbedaan pada variabel umur suami dan pendidikan SMP. Pada perkotaan umur suami tidak berpengaruh signifikan terhadap pendapatan perempuan kawin, sebaliknya pada pedesaan umur suami berpengaruh positif terhadap pendapatan perempuan kawin. Sedangkan dalam bidang pendidikan, pada perkotaan pendidikan yang mempengaruhi pendapatan perempuan kawin adalah pada jenjang SMP, namun pada pedesaan variabel ini tidak berpengaruh signifikan terhadap pendapatan perempuan kawin. Pada pemodelan pendapatan perempuan di perkotaan diperoleh nilai R2 sebesar 47 persen, hal ini mengartikan bahwa sembilan variabel yang telah signifikan terhadap pendapatan perempuan kawin di perkotaan bisa dijelaskan sebesar 47 persen. Sedangkan pada data pedesaan, ada delapan variabel prediktor yang bisa menjelaskan model pendapatan perempuan kawin sebesar 32 persen. 5. Kesimpulan dan Saran Kesimpulan Berdasarkan pembahasan sebelumnya, maka diperoleh kesimpulan sebagai berikut. 1. Persentase perempuan kawin yang bekerja di perkotaan lebih besar dari pada di pedesaan, dimana sebagian besar bekerja di bidang jasa. Selain itu rata-rata pendapatan perempuan kawin di perkotaan juga lebih besar dari pada di pedesaan. Sebaliknya standart deviasi di perkotaan lebih kecil dibanding pedesaan. Perempuan kawin yang bekerja di perkotaan sebagian besar berpendidikan lebih dari sama dengan SMA, lain halnya dengan di pedesaan sebagian besar perempuan kawin yang bekerja berpendidikan terakhir kurang dari sama dengan SD.

10

2. Pada pemodelan pendapatan perempuan kawin di perkotaan maupun di pedesaan hampir semua variabel mempunyai pengaruh yang sama kecuali pada variabel umur suami, pendidikan SMP dan rumah tangga penerima BLT. Pada data perkotaan variabel yang berpengaruh positif terhadap pendapatan perempuan kawin adalah umur, pendidikan SMP, pendidikan diatas atau sama dengan SMA, jumlah jam kerja/minggu, bidang pekerjaan utama pertanian, bidang pekerjaan utama industri, bidang pekerjaan utama perdagangan, bidang pekerjaan utama jasa, bidang pekerjaan utama lain-lain dan rata-rata pengeluaran rumah tangga perbulan, sedangkan variabel jumlah anak yang bekerja, pendidikan terakhir suami SMP, banyaknya hari kerja/minggu, status kerja suami bekerja dan penerima BLT berpengaruh negatif terhadap pendapatan perempuan kawin. Pada data pedesaan diperoleh variabel yang berpengaruh positif terhadap peningkatan pendapatan perempuan kawin adalah faktor umur suami, pendidikan lebih dari atau sama dengan SMA, jumlah jam kerja/minggu, bidang pekerjaan utama pertanian, bidang pekerjaan utama industri, bidang pekerjaan utama perdagangan, bidang pekerjaan utama jasa, bidang pekerjaan utama lainlain dan rata-rata pengeluaran/bulan, yang berpengaruh negatif adalah variabel jumlah hari kerja/minggu dan status kerja suami. Saran Berdasarkan analisis yang telah dilakukan terdapat beberapa kendala yang dapat dijadikan sebagai saran untuk ke depan yaitu pada penelitian ini data terbatas hanya pada perempuan kawin yang bekerja formal, hal ini mungkin berkaitan dengan nilai R- square yang kecil, sehingga untuk penelitian selanjutnya disarankan melibatkan pendapatan perempuan yang bekerja informal. DAFTAR PUSTAKA Bierens, H. J. 2004 .The Tobit Model. http://econ.la.psu.edu/~hbierens/EasyRegTours/TOBIT_Tourfiles/TOBIT.PDF. diakses tanggal 10 Maret 2010 BPS. 2009. Perkembangan Beberapa Indikator Utama Sosial-Ekonomi Indonesia Oktober 2009. Jakarta: Badan Pusat Statistik. Dewi, I. S. 2006. Kesiapan Menikah pada Wanita Dewasa Awal yang Bekerja. Medan : UNSU. Fair, R. C. 1977. “A Note on the Computation of the Tobit Estimator”. Jurnal Econometrica, Vol. 45, No.7. Greene, W. H. 2000. Econometrics Analysis, 4th edition. New Jersey: Prentice Hall. Hosmer, D. W. & Lemeshow, S., 2000. Applied Logistic Regression. New York: John Wiley and Son. Kusfiva, E. 2000. Analisis Regresi Linier Berganda dengan Metode OLS, Probit dan Tobit pada Pengeluaran Rumah Tangga untuk Konsumsi Buah-Buahan. Surabaya: ITS. Madigan, D. & Rutgers. 2009. Logistic & Tobit Regression. CWRU: University of Washington & Thomas Love. Siagian, S. 2009. Analisis Regresi Logistik Multinormal pada Faktor-Faktor yang Berpengaruh terhadap Partisipasi Perempuan dalam Kegiatan Ekonomi berdasarkan Status Usaha di Jawa Timur. Surabaya: ITS. Siburian, M. L. 2009. Analisis Regresi Logistik Multinomial pada Faktor-Faktor yang Berpengaruh terhadap Partisipasi Ekonomi Perempuan berdasarkan Lapangan Pekerjaan Utama di Jawa Timur. Surabaya : ITS. Suhartini, S. H., Nurwati, A. & Wahyu, K. 2010. Dampak Krisis Ekonomi terhadap Ketahanan Pangan Masyarakat Berpendapatan Rendah di Nusa Tenggara Barat. Suroso, H. 2002. Model Logistik untuk Mengetahui Faktor-Faktor yang Mempengaruhi Istri Bekerja di Propinsi Jawa Timur. Surabaya : ITS. Suhardi, I. Y. dan Llewelyn. R. 2001. “Penggunaan Model Regresi Tobit untuk Menganalisa FaktorFaktor yang Berpengaruh terhadap Kepuasan Konsumen untuk Jasa Pengangkutan Barang”. Jurnal Manajemen & Kewirausahaan, Vol.3, No.2: 106-112. Tobin, J. 1958. “Estimation of Relationships for Limited Dependent Variabel”. Jurnal Econometrica, Vol.26, No.1, pp. 24-36. Zain, I. & Suhartono. 1997. Model Regresi Tobit dan Aplikasinya. Surabaya: ITS. Zain, I., Widodo, D. A. & Wulandari, I. A. 2009. Pemodelan Data Tersensor partisispasi Ekonomi Perempuan pada Rumah Tangga miskin (RTM) dan Non RTM dengan Metode Regresi Tobit Multivariat. Surabaya: ITS. 11