BAB IV TEMUAN DAN PEMBAHASAN
Bab ini akan membahas tentang hasil penelitian yang telah diperoleh sekaligus pembahasannya. Hasil penelitian ini menjawab masalah penelitian pada Bab I yaitu apakah jumlah penduduk berpengaruh terhadap kemiskinan di Jawa Tengah tahun 2005 – 2010 dan apakah pengangguran berpengaruh terhadap kemiskinan di Jawa Tengah tahun 2005 – 2010. 1.1
Deskripsi Obyek Penelitian
1.1.1 Kondisi Geografis Jawa Tengah sebagai salah satu provinsi di Pulau Jawa letaknya diapit oleh dua provinsi besar yaitu Jawa Barat dan Jawa Timur. Secara geografis letaknya antara 5040’ dan 8030’ Lintang Selatan dan antara 108030’ dan 110030’ Bujur Timur (termasuk Pulau Karimunjawa). Jarak terjauh dari barat ke timur adalah 263 km dan dari utara ke selatan adalah 226 km (tidak termasuk Pulau Karimunjawa). Luas wilayah Jawa Tengah tercatat sebesar 3.254.412 hektar atau sekitar 25,04 persen dari luas Pulau Jawa dan 1,70 persen dari luas Indonesia. Luas wilayah tersebut terdiri dari 991 ribu hektar (30,45 persen) lahan sawah dan 2,26 juta hektar (69,55 persen) bukan lahan sawah. Provinsi Jawa Tengah dengan pusat pemerintahan di Kota Semarang, secara administratif terbagi dalam 35 kabupaten/kota (29 kabupaten dan 6 kota) dengan 565 kecamatan yang meliputi
7872 desa dan 622 kelurahan. Secara administratif Provinsi Jawa Tengah berbatasan oleh : Sebelah Utara : Laut Jawa Sebelah Timur : Jawa Timur Sebelah Selatan : Samudera Hindia Sebelah Barat : Jawa Barat 1.1.2 Gambaran Umum Subyek Penelitian Penelitian ini tentang pengaruh jumlah penduduk dan pengangguran terhadap tingkat kemiskinan di Kabupaten/kota Di Jawa Tengah tahun 2005 – 2010. Data yang diperoleh dalam penelitian ini berasal dari Badan Pusat Statistik (BPS) Jawa Tengah Jl. Pemuda (Simpang Lima), Semarang. Data jumlah penduduk di provinsi Tengah tahun 2005 – 2010 terbesar yaitu berada Kabupaten Brebes yaitu sebanyak 1.814.274 juta jiwa ditahun 2005. Jumlah penduduk yang paling sedikit yaitu di Kota Magelang yaitu sebesar 129.952 juta jiwa di tahun 2006. Tingkat pengangguran di provinsi Jawa Tengah tahun 2005 - 2008 terbesar yaitu berada kota Cilacap yaitu sebanyak 17,76 persen ditahun 2005, tetapi di tahun 2010 yang paling besar yaitu di kota Tegal sebesar 14,22 persen, sedangkan yang paling sedikit yaitu di Kabupaten Blora yaitu sebesar 4,60 persen di tahun 2005, sedangkan di tahun 2010 yang paling sedikit yaitu kabupaten Magelang sebesar 2,97 persen. persentase penduduk miskin provinsi Jawa Tengah tahun 2005 - 2010 terbanyak yaitu berada di Kabupaten Wonosobo yaitu sebanyak 34,43 persen di tahun 2006 dan mengalami penurunan hingga 23,15 persen di
tahun 2010. Dan kabupaten/Kota yang memiliki persentase penduduk miskin paling sedikit yaitu di Kota semarang yaitu sebanyak 4,22 persen di tahun 2005. Penelitian ini menggunakan jenis data panel (pooled data) yang terdiri antara data cross section dan data time series yaitu terdiri dari 35 kabupaten/kota di Jawa Tengah selama 4 tahun. Analisis yang digunakan adalah analisis regresi linear berganda karena variabel independen dalam penelitian ini lebih dari satu. 1.2
Hasil Uji Asumsi Klasik Pengujian asumsi klasik merupakan syarat utama dalam persamaan regresi.
Maka dari itu harus dilakukan 4 pengujian yaitu: (1) data berdistribusi normal (Uji Normalitas) (2) tidak terdapat autokorelasi (Uji Autokorelasi) (3) tidak terdapat multikolinearitas antar variabel independen (Uji multikolinearitas) (4) tidak terdapat heteroskedastisitas (Uji Heteroskedastisitas). Dalam analisis regresi perlu di perhatikan adanya penyimpangan – penyimpangan atas asumsi klasik, jika tidak di penuhi maka variabel – variabel yang menjelaskan akan menjadi tidak efisien. Tabel 4.4. Hasil Regresi Utama Pengaruh Jumlah Penduduk Dan Pengangguran Terhadap Kemiskinan di Jawa Tengah Tahun 2005 – 2010. C JP PG R-Squared F-statistic Prob(FStatistic) Durbin Watson Sumber: lampiran 1
Coefficient
t-Statistic
Prob.
17.15089 5.54E-06 -0.517534
10.28613 5.155023 -3.379077
0.0000 0.0000 0.0009
0.166247 20.63747 0.000000 0. 454023
1.2.1 Uji Normalitas Uji normalitas dilakukan untuk mengetahui data variabel penelitian berdistribusi normal atau tidak. Pengujian normalitas dalam penelitian ini menggunakan
teknik
analisis
Jarque-Bera
dan
untuk
perhitungannya
menggunakan program Eviews 5. Hasil uji Normalitas dengan Uji Jarque-Bera menunjukan bahwa residual model penelitian mempunyai nilai signifikansi lebih besar dari 0,05 (sig>0,05). Sehingga dari hasil tersebut dapat disimpulkan bahwa semua variabel penelitian berdistribusi normal. Hasil Uji J-B test dapat dilihat pada Gambar 4.1 berikut ini: Gambar 4.1 Hasil Uji Jarque-Bera Pengaruh Jumlah Penduduk Pengangguran terhadap Tingkat Kemiskinan di Jawa Tengah Tahun 2005 – 2010. 24 Series: Residuals Sample 1 210 Observations 210
20 16 12 8 4 0 -15
-10
-5
0
5
10
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
-1.23e-16 -0.468016 16.81517 -17.06807 6.069632 0.177699 3.414752
Jarque-Bera Probability
2.610366 0.271123
15
Tabel 4.5 Hasil Uji Normalitas Variabel Sig. Jumlah Penduduk dan Pengangguran terhadap 0.271123 Kemiskinan di Jawa Tengah Sumber: lampiran 2
Kesimpulan Normal
Pada model persamaan pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010 dengan n = 210 dan k = 2, maka diperoleh degree of freedom (df) = 208 (n-k), dan menggunakan α = 5 persen diperoleh nilai χ2 tabel sebesar 242,64. Dibandingkan dengan nilai Jarque Bera pada Gambar 4.1 sebesar 2,610, dapat ditarik kesimpulan bahwa probabilitas gangguan μ1 regresi tersebut terdistribusi secara normal karena nilai Jarque Bera lebih kecil dibanding nilai χ2 tabel. 1.2.2 Uji Multikolinearitas Multikolinearitas merupakan suatu keadaan dimana terdapat hubungan linier atau terdapat korelasi antara variabel Independen. Dalam penelitian ini, untuk mengkaji ada tidanya multikolinearitas dapat dilihat darai perbandingan antara nilai R2 Regresi Parsial (auxiliary regression) dengan nilai R2 regresi utama. Jika nilai dari R2 Regresi Parsial (auxiliary regression) lebih besar dari pada R2 regresi utama, maka dapat disimpulkan bahwa dalam persamaan tersebut terjadi multikolinearitas. Tabel 4.6 menunjukan bahwa semua variabel independen mempunyai nilai R2 Regresi Parsial (auxiliary regression) lebih kecil dari R2 regresi utama, sehingga dapat disimpulkan bahwa tidak terjadi multikolinearitas. Tabel 4.6 R Auxiliary Regression Pengaruh Jumlah Penduduk dan Pengangguran terhadap Kemiskinan di Provinsi Jawa Tengah Tahun 2005 – 2010. 2
No.
Persamaan
R2*
R2
Kesimpulan
Non Multikolinearitas Non Multikolinearitas
1.
JP PG
0.007319
0.166247
2.
PG JP
0.007319
0.166247
Sumber: lampiran 3
1.2.3 Uji Heteroskedastisitas Pengujian heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varience dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas dan untuk mengetahui adanya heteroskedastisitas dengan menggunakan uji White. Jika variabel independen tidak signifikan secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi tidak terjadi heteroskedastisitas. Berikut ini adalah hasil uji heteroskedastisitas terhadap model regresi pada penelitian ini. Tabel 4.7 Hasil Uji White Pengaruh Jumlah Penduduk dan Pengangguran terhadap kemiskinan di Provinsi Jawa Tengah Tahun 2005 – 2010. Obs*R-Squared
Sig.
Kesimpulan
3.944391 Sumber: Lampiran 4
0.413584
Non Heteroskedastisitas
Tabel 4.7 menunjukkan bahwa uji white menghasilkan kesimpulan tidak ada masalah heteroskedastisitas, hal ini dibuktikan dengan nilai signifikansinya sebesar 0.413584 lebih besar dari 0,05. 1.2.4 Uji Autokorelasi Autokorelasi adalah korelasi atau hubungan yang terjadi antara anggotaanggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (data time series) maupun tersusun dalam rangkaian ruang atau disebut data cross sectional. Salah satu uji formal yang paling populer untuk mendeteksi autokorelasi
adalah uji Durbin-Watson. Pengujian menggunakan uji Durbin Watson
untuk
melihat gejala autokorelasi : Tabel 4.8 Kriteria Pengujian Durbin Watson Hipotesis Nol Keputusan Kriteria Ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif Ada autokorelasi negatif
Tidak ada keputusan
dl < d
Tolak
4-dl < d < 4
Tidak ada autokorelasi negatif Tidak ada autokorelasi
Tidak ada keputusan
4-du < d < 4-dl
Jangan tolak
du < d < 4-du
Gambar 4.2 Hasil Uji Durbin-Watson
Ada Autokorelasi positif dan menolak H0
DW=0,45
Tidak ada Keputusan
tidak ada keputusan tidak ada Autokorelasi dan tidak menolah Ho
1,74
1,78
4-du=2,26
ada Autokorelasi negatif dan menolak H0
4-dl=2,22
4
Hasil dari Durbin-Watson menunjukkan bahwa nilai d-hitung atau DW sebesar 0,45. Hasil dari Durbin-Watson statistik adalah du=2,26 dan dl=2,22. Sehingga d-hitung atau DW terletak pada 0 < d < dl atau 0,45 < 1,74 < 1,78. Kesimpulan yang dapat ditarik adalah tidak adanya autokolerasi didalam model.
1.3
Pengujian Statistik Analisis Regresi
1.3.1
Uji Signifikansi parameter Indivdual (Uji t) Uji signifikansi parameter individual (Uji t) merupakan pengujian untuk
menunjukkan pengaruh secara individu variabel independen yang ada di dalam model terhadap variabel terikat. Hal ini dimaksudkan untuk mengetahui seberapa jauh pengaruh satu variabel bebas menjelaskan variasi variabel terikat. Apabila nilai t hitung lebih besar dari t tabel dan nilai signifikansi lebih kecil dari 0,05 (sig<0,05), maka dapat disimpulkan bahwa variabel bebas secara parsial berpengaruh signifikan terhadap variabel terikat. Penjelasan hasil uji t untuk masing-masing variabel bebas adalah sebagai berikut: Tabel 4.9 Nilai T-Statistik Pengaruh Jumlah Penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah Tahun 2005 – 2010. Koefisien Ttabel Ttabel Variabel thitung Sig. (α = 5%) (α = 10%) regresi (b) Jumlah Penduduk (JP) 5.54E-06 5.155023 1,645 1,282 0.0000 Pengangguran (PG) -0.517534 -3.379077 1,645 1,282 0.0009 Sumber: Lampiran 1 Hasil regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010, dengan α = 5 persen dan degree of freedom (df) = 207 (n-k =210-3), maka diperoleh nilai t-tabel sebesar 1,645 dan dengan α = 10 persen diperoleh nilai t-tabel sebesar 1,282. Sehingga dapat disimpulkan bahwa variabel jumlah penduduk dan pengangguran secara parsial berpengaruh signifikan terhadap variabel kemiskinan.
1.3.2
Uji Signifikansi Simultan (Uji F) Uji F (Fisher) digunakan untuk menguji signifikansi model regresi. yaitu
untuk mengetahui apakah terdapat pengaruh semua variabel bebas jumlah penduduk dan pengangguran secara bersama-sama terhadap kemiskinan di Jawa Tengah. Apabila nilai signifikansi lebih kecil dari 0,05 (p<0,05) maka model regresi signifikan secara statistik. Analisis regresi dilakukan dengan menggunakan Eviews 5. Tabel 4.10 Nilai T-Statistik Pengaruh Jumlah Penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah Tahun 2005 – 2010. Koefisien konstanta Variabel R2 Fhitung Sig. regresi (b) Jumlah Penduduk 5.54E-06 17.15089 0.1662 20,63 0.0000 (JP) -0.517534 47 0.0009 Pengangguran (PG) Sumber: Lampiran 1 Hasil regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010 yang menggunakan taraf keyakinan 95 persen (α = 5 persen), dengan degree of freedom for numerator (dfn) = 2 (k-1 = 3-1) dan degree of freedom for denominator (dfd) = 208 (n-k = 210-2), maka diperoleh F-tabel sebesar 3,04. Dari hasil regresi jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010 diperoleh F-statistik sebesar 20,63 dan nilai probabilitas F-statistik 0,00000. Maka dapat disimpulkan bahwa variabel independen secara bersama-sama berpengaruh terhadap variabel dependen (Fhitung > F-tabel). Berdasarkan perhitungan dengan uji F diketahui bahwa F-hitung sebesar (20,63) > F-tabel (3,04), sehingga inferensi yang diambil adalah menerima H1 dan menolak Ho. Dengan kata lain,
hipotesis yang berbunyi “Ada pengaruh antara variabel jumlah penduduk dan pengangguran secara simultan terhadap kemiskinan”, diterima pada kepercayaan 95%. 1.3.3
Uji Koefisien Determinasi (Uji R2) Koefisien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam
menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Hasil regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah
tahun 2005 - 2010 diperoleh nilai R2 sebesar
0,166247. Hal ini berarti sebesar 16,62 persen variasi kemiskinan kabupaten/kota di Jawa Tengah dapat dijelaskan oleh variasi dua variabel independennya yakni jumlah penduduk (JP) dan PG (Pengangguran), sedangkan sisanya sebesar 83,38 persen dijelaskan oleh variabel lain di luar model. 1.4
Pembahasan
1.4.1 Pengaruh
Jumlah
Penduduk
dan
Pengangguran
Terhadap
kemiskinan di Jawa Tengah Tahun 2005 -2010 Dalam analisis regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010, diperoleh nilai koefisien regresi untuk setiap variabel dalam penelitian dengan persamaan sebagai berikut :
KM = 17,15 – 5,54 (JP) – (-0,51) (PG)..................................(4.1) Interpretasi hasil regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Kabupaten/Kota Jawa Tengah tahun 2005 – 2010 adalah sebagai berikut: 1.4.2 Jumlah Penduduk dan Kemiskinan Variabel jumlah penduduk berpengaruh positif terhadap variabel tingkat kemiskinan dan signifikan. Hal tersebut dibuktikan dari nilai t hitung sebesar 5,155023 dengan nilai signifikansi sebesar 0,0000 dan koefisien regresi memiliki arah positif sebesar 5,54E-06. Dengan demikian dapat dinyatakan bahwa dalam penelitian ini jumlah penduduk berpengaruh terhadap tingkat kemiskinan di Jawa Tengah. Hasil tersebut sesuai dengan teori yang menjadi landasan teori dalam penelitian ini. Menurut Todaro (2000) bahwa besarnya jumlah penduduk berpengaruh positif terhadap kemiskinan. Hal itu dibuktikan dalam perhitungan indek Foster Greer Thorbecke (FGT), yang mana apabila jumlah penduduk bertambah maka kemiskinan juga akan semakin meningkat. Jumlah penduduk yang terlalu besar akan membatasi anggaran pemerintah untuk menyediakan berbagai pelayanan kesehatan, ekonomi dan social bagi generasi baru. Melonjaknya beban pembiayaan atas anggaran pemerintah tersebut jelas akan mengurangi kemungkinan dan kemampuan pemerintah untuk meningkatkan taraf hidup generasi dan mendorong terjadinya masalah kemiskinan kepada generasi mendatang yang berasal dari keluarga berpenghasilan menengah ke bawah. Menurut Todaro (2006), beberapa langkah pengendalian jumlah penduduk antara lain:
(1) pemerintah dapat mempengaruhi masyarakat agar memilih pola keluarga kecil, melalui kegiatan-kegiatan penerangan lewat media massa dan proses pendidikan, baik yang bersifat formal (sistem sekolah) maupun informal (pendidikan di luar sekolah); (2) pemerintah dapat melancarkan program-program keluarga berencana dengan menyediakan dukungan pelayanan kesehatan dan alat kontrasepsi secara besarbesaran dalam rangka mendorong timbulnya suatu pola perilaku masyarakat yang diinginkan; (3) pemerintah secara terencana bisa memanipulasi insentif maupun disinsentif ekonomi guna mengurangi jumlah anak per keluarga, misalnya, melalui penghapusan atau pengurangan jangka waktu cuti hamil dan jumlah tunjangannya, penghapusan atau pengurangan insentif dalam bentuk uang atau pengenaan sanksi keuangan bagi keluarga-keluarga yang mempunyai anak di atas batas maksimum; pengembangan sistem tunjangan hari tua agar orang tua tidak terlalu mengandalkan anak sebagai sandaran hidupnya nanti dan peraturan batas usia minimum bagi tenaga kerja anak untuk bekerja; peningkatan uang sekolah dan penghapusan subsidi pemerintah atas biaya bersekolah di tingkat lanjutan (agar orang tua yang menginginkan anaknya berpendidikan tinggi mau membatasi jumlah anaknya); serta yang terakhir, melalui pemberian bantuan keuangan secara langsung kepada keluarga-keluarga yang anaknya hanya sedikit; (4) pemerintah dapat mencoba memaksa rakyatnya secara langsung agar mereka tidak memiliki banyak anak melalui pemberlakuan peraturan perundang-undangan khusus yang dilengkapi dengan sanksi-sanksi tertentu;
(5) menaikkan status sosial dan ekonomi kaum wanita, dengan cara ini akan tercipta kondisi-kondisi positif yang mendorong kaum wanita menjarangkan kehamilan dan menunda perkawinan. 1.4.3 Pengangguran dan Kemiskinan Pengangguran berpengaruh negatif dan signifikan terhadap variable tingkat kemiskinan. Hal ini dibuktikan dari uji t diperoleh hasil uji t untuk variabel pengangguran diperoleh nilai t hitung sebesar – 3.379077 dengan nilai signifikansi sebesar 0,0009 dan koefisien regresi sebesar – 0,517534. Dengan demikian dapat dinyatakan bahwa dalam penelitian ini pengangguran berpengaruh terhadap tingkat kemiskinan. Hasil tersebut tidak sesuai dengan teori yang menjadi landasan teori dalam penelitian ini. Menurut Licolind Arsyad menyatakan bahwa ada hubungan yang erat sekali antara tingginya tingkat pengangguran dan kemiskinan. Bagi sebagian besar mereka, yang tidak mempunyai pekerjaan yang tetap atau hanya bekerja paruh waktu (part time) selalu berada diantara kelompok masyarakat yang sangat miskin. Selain itu, yang menyebabkan signifikansinya pengangguran dalam mempengaruhi kemiskinan dikarenakan bahwa tidak semua orang menganggur itu selalu miskin, karena seperti halnya penduduk yang termasuk dalam kelompok pengangguran terbuka ada beberapa macam penganggur, yaitu mereka yang mencari kerja, mereka yang mempersiapkan usaha, mereka yang tidak mencari pekerjaan karena merasa tidak mungkin mendapatkan pekerjaan dan yang terakhir mereka yang sudah punya pekerjaan tetapi belum mulai bekerja.
