IV. METODOLOGI PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Kabupaten Barru Provinsi Sulawesi Selatan. Penentuan lokasi dilakukan secara sengaja (purposive), dengan pertimbangan bahwa tingkat kemiskinan di Kabupaten Barru relatif masih tinggi dan menunjukkan kecenderungan kemiskinan yang berfluktuasi. Di samping itu, Kabupaten Barru juga memiliki tiga tipologi wilayah (wilayah pesisir, dataran rendah, dan pegunungan). Penelitian ini dilaksanakan mulai pada bulan Agustus sampai dengan Desember 2009. Secara rinci penelitian ini dapat dijelaskan dalam Tabel 7 dan lokasi penelitian dapat digambarkan pada Gambar 8. Tabel 7. Tujuan Penelitian, Jenis Data dan Metode Analisis Tujuan
Jenis Data
1. Mengidentifikasi karakteristik rumah tangga miskin berdasarkan tipologi wilayah di Kabupaten Barru
Profil Umum RT, Kondisi Pendidikan, Kondisi Kesehatan, Kewilayahan, Akses RT ke Pelayanan Publik, Kondisi Ekonomi Rumah Tangga, Kelembagaan dan Partisipasi RT Profil Umum, Tingkat Pendidikan, derajat kesehatan, pendapatan, aksesibilitas, tingkat partisipasi masyarakat dalam proses pembangunan, dan aspek kewilayahan
- Data Primer (Survei dan Wawancara)
Datar Primer (survei, dan wawancara)
Model Persamaan Regresi Logit / Minitab
Domisili rumah tangga (wilayah pesisir, dataran rendah, dan pegunungan), Jumlah RTM Rumah Tangga Miskin; PDRB; PDRB/Kapita; Belanja Pemerintah; Inflasi, kebijakan desentralisasi fiskal, Jumlah RTM
Datar Primer (survei, wawancara dan FGD)
Model Persamaan Regresi Logit / Minitab
Kab. Barru Dalam Angka; Data RTM BKKBN; PDRB Kab Barru; BPS (Kab. B arru Dalam Angka); APBD; Lap. Monitoring APBD
Ekonometrika (OLS)/ E-Views
2. Menganalisis pengaruh aspek mikro seperti tingkat pendidikan, kesehatan, aksesibilitas, kondisi ekonomi rumah tangga, kewilayahan, dan partisipasi masyarakat dalam pembangunan dan karakteristik wilayah terhadap kerentanan kemiskinan. 3. Menganalisis tingkat kerentanan rumah tangga miskin berdasarkan karakteristik wilayah di Kabupaten Barru 4. Menganalisis pengaruh pertumbuhan ekonomi, PDRB, PDRB per kapita, belanja pemerintah, PAD, desentralisasi fiskal, krisis moneter, dan inflasi, terhadap tingkat kemiskinan di Kabupaten Barru.
Sumber Data
Metode Analisis Analisis Deskriptif dengan Tabel dan Grafik Serta Analisa Varian (Anova)
77
Gambar 8. Peta Lokasi Penelitian
78
4.2. Teknik Pengambilan Sampel. Dalam penelitian ini data yang digunakan adalah data sekunder dan data primer. Untuk menjawab tujuan penelitian nomor 1, 2, dan 3 pada bab pendahuluan, maka data yang digunakan adalah data primer dengan teknik wawancara. Sedangkan untuk menjawab tujuan penelitian nomor empat digunakan data sekunder dari berbagai instansi. Teknik pengambilan sampel yang digunakan adalah penarikan contoh area secara bertahap (multistage area sampling)
untuk
penentuan
desa
lokasi.
Hal
ini
dilakukan
dengan
mempertimbangkan karakteristik wilayah penelitian di Kabupaten Barru, yaitu wilayah pesisir, dataran rendah, dan pegunungan. Penentuan lokasi desa/kelurahan sebagai lokus penelitian di dasarkan pada wilayah fungsional (pesisir, dataran rendah, dan pegunungan). Banyaknya desa/ kelurahan yang menjadi lokus penelitian antara 20 – 25 % untuk wilayah dataran rendah, wilayah pegunungan dan untuk wilayah pesisir. Sampel untuk wilayah dataran rendah sama dengan 25 persen dari 12 desa/kelurahan (3 desa/ kelurahan), sampel untuk wilayah pegunungan sama dengan 25 persen dari 13 desa (3 desa/ kelurahan), dan sampel untuk wilayah pesisir sama dengan 20 persen dari 29 desa/ kelurahan (6 desa/kelurahan). Total desa yang dijadikan lokasi penelitin sebanyak 12 desa/kelurahan dengan mempertimbangkan faktor jarak (Desa/kelurahan yang terjauh dari ibukota kecamatan dan desa/kelurahan dalam ibukota kecamatan). Penentuan sampel rumah tangga dilakukan dengan penarikan contoh acak berlapis (stratified random sampling) dengan populasi sasaran rumah tangga miskin dan rumah tangga tidak miskin. Jumlah responden ditentukan melalui kuota sebanyak 40 rumah tangga pada masing-masing desa/kelurahan dengan pertimbangan homogenitas populasi. Dengan demikian, maka jumlah responden secara keseluruhan adalah 480 rumah tangga. Dari setiap desa/kelurahan diambil 30 rumah tangga miskin masing-masing desa berdasarkan data sekunder dari BPS dan BKKBN dan 10 sampel bukan orang miskin yang ditentukan secara acak. Dengan kriteria ini dianggap sudah mewakili rumah tangga miskin dan tidak miskin berdasarkan wilayah masing-masing. Untuk lebih jelasnya dapat diringkaskan pada Gambar 9 berikut. 79
Kabupaten Barru 54 desa/kelurahan Wilayah Pegunungan dengan 13 Desa/Kelurahan
Wilayah Dataran Rendah dengan 12 desa/kelurahan
Wilayah Pesisir dengan 29 desa/kelurahan
3 Desa/ Kelurahan
3 desa/ kelurahan
6 desa/ kelurahan
n= 120 RT
n = 120 RT
n = 240 RT
Gambar 9. Ilustrasi penarikan sampel dari lokasi penelitian. 4.3. Analisis Data Metode analisis yang digunakan dalam penelitian ini adalah analisis deskriptif dan kuantitatif. Analisis deskriptif dilakukan untuk melihat karakteristik rumah tangga miskin berdasarkan wilayah dengan menggunakan tabel dan grafik. Selanjutnya, untuk mempertegas keragaman karakteristik rumah tangga miskin berdasarkan wilayah dilakukan analisis ragam (Analisis of Variance atau Anova). Analisis kuantitatif dilakukan untuk melihat tingkat kerentanan dan determinan kemiskinan di Kabupaten Barru. Analisis kerentanan dilakukan dengan menggunakan data primer yang diperoleh dari survei dan wawancara yang terkait dengan perspektif mikro rumah tangga. Analisis ini dilakukan dengan menggunakan pendekatan ekonometrika dengan persamaan logit. Sedangkan untuk analisis determinan kemiskinan dengan perspektif makro dilakukan dengan menggunakan ekonometrika metode kuadrat terkecil (Ordinary Least Square/ OLS). Untuk lebih jelasnya dapat diuraikan sebagai berikut : 4.3.1. Analisis Deskriptif. Analisis deskriptif atau kualitatif dilakukan untuk mengetahui karakteristik rumah tangga miskin berdasarkan wilayah. Karakteristik rumah tangga miskin merupakan penciri umum untuk mengidentifikasi secara fisik rumah tangga dan dijadikan sebagai dasar pengambilan kebijakan penanggulangan kemiskinan.
80
Variabel pengamatan yang terkait dengan karakteristik rumah tangga miskin berdasarkan wilayah dapat diuraikan pada Tabel 8 berikut. Tabel 8. Variabel karakteristik rumah tangga. No A B
C
D
E
F
G
H
Variabel Rumah Tangga Miskin (RTM) Profil Umum Kepala Rumah Tangga 1. Jenis Kelamin KRT 2. Umur KRT 3. Jumlah tanggungan RT 4. Pekerjaan KRT 5. Jumlah anggota keluarga yang bekerja 6. Status kepemilikan rumah 7. Status kepemilikan lahan perumahan 8. Sumber air bersih Kondisi Pendidikan KRT 1. Rata-rata lama sekolah KRT 2. Jenjang pendidikan KRT
3. Kemampuan baca tulis KRT Kondisi Kesehatan Rumah Tangga 1. Tingkat kesehatan KRT. 2. Jaminan kesehatan rumah tangga Akses Rumah Tangga ke Pelayanan Publik 1. Akses ke sekolah dasar 2. Akses ke SMP/sederajat 3. Akses ke SMU/sederajat 4. Akses rumah tangga ke pelayanan kesehatan /Puskesmas 5. Akses rumah tangga ke pelayanan kesehatan / Rumah Sakit 6. Akses ke Pusat Pemerintahan/ Kecamatan 7. Akses ke pelayanan listrik 8. Akses ke pelayanan telekomunikasi 9. Akses ke lembaga keuangan formal Kondisi Ekonomi Rumah Tangga 1. Nilai asset yang dimiliki rumah tangga 2. Kepemilikan lahan 3. Konsumsi bahan makanan 4. Konsumsi bukan bahan makanan Aspek Partisipasi Rumah Tangga 1. Partisipasi dalam perencanaan pembangunan 2. Partisipasi dalam pelaksanaan pembangunan 3. Partisipasi dalam pengendalian pelaksanaan pembangunan Kewilayahan 1. Domisili pada wilayah pesisir 2. Domisili pada wilayah dataran rendah 3. Domisili pada wilayah pegunungan
Indikator Persen (%) 1 = Laki-laki, 0 = Perempuan Tahun Jiwa 1 = Petani, 0 = Lainnya Jiwa 1 = Milik, lainnya = 0 1 = Milik ; 0 = lainnya. 1 = Leding; 0 = lainnya Tahun D1 = 1, Tamat SMP ke bawah; dan 0, jika lainnya D2 = 1, Tamat SMA ke atas 0, lainnya 1 = Ya, dan 0 = lainnya 1= sehat, lainnya =0 1 = Ya, lainnya = 0 Waktu tempuh (menit) Waktu tempuh (menit) Waktu tempuh (menit) Waktu tempuh (menit) Waktu tempuh (menit) Waktu tempuh (menit) 1 = Ya, lainnya = 0 1 = Ya, lainnya = 0 1 = Ya, lainnya = 0 (Rp. Juta) (Ha) Rupiah Rupiah D1 = 1, jika terlibat dalam proses perencanaan, dan 0 = jika lainnya D2 = 1, jika terlibat dalam pelaksanan dan pengendalian, dan 0 = jika lainnya D1 = 1, jika domisili di Pegunungan, dan 0 = jika lainnya D2 = 1, jika domisili di wilayah Pesisir, dan 0 = jika lainnya
Sumber : Diolah dari data primer (survei) rumah tangga Kabupaten Barru Tahun 2009.
81
Dalam analisis ini aspek-aspek yang akan diamati, meliputi profil umum rumah tangga, tingkat pendidikan rumah tangga, tingkat kesehatan rumah tangga, kondisi sumberdaya alam dan kewilayahan, akses ke pelayanan publik, kondisi ekonomi rumah tangga, dan tingkat partisipasi rumah tangga dalam proses pembangunan. Hasil analisis ini menggambarkan karakteristik wilayah yang dapat dijadikan
sebagai
rujukan
dalam
menyusun
strategi
dan
kebijakan
penanggulangan kemiskinan di Kabupaten Barru. Dari hasil analisis deskriptif untuk memperjelas perbedaan karakteristik rumah tangga miskin berdasarkan wilayah dilakukan analisis keragaman yang dikenal sebagai analisis ragam (Analysis of Variance atau Anova). Analisis ragam dilakukan untuk menentukan keragaman karakteristik rumah tangga miskin berdasarkan wilayah yaitu pada wilayah pesisir, dataran rendah, dan pegunungan dengan persamaan sebagai berikut : ……………………………………………….
(1)
dimana : Yij
= Pengamatan ke-j dari sampel ke-i
μ
= Nilai tengah pengamatan ke-i
α
= Tipologi wilayah
εij
= Simpangan pengamatan ke-j dari nilai tengah sampel ke-i
Untuk menguji apakah pengamatan menyebar normal pada semua wilayah dilakukan uji statistik-F dengan hipotesis statistiknya, adalah : H0 = μ1 = μ2 = ………= μk, = 0 H1 = Sekurang-kurangnya satu nilai tengah tidak sama. Apabila terdapat perbedaan yang signifikan, selanjutnya dilakukan uji beda terkecil (least significant different/LSD). 4.3.2. Analisis Kerentanan Analisis kerentanan dilakukan untuk mengidentifikasi faktor-faktor yang memengaruhi kerentanan rumah tangga terhadap kemiskinan. Kerentanan rumah tangga dalam penelitian ini adalah peluang (probability) rumah tangga untuk menjadi miskin atau berada di bawah garis kemiskinan. Kerentanan rumah tangga terhadap kemiskinan dalam penelitian adalah kerentanan terhadap garis 82
kemiskinan yang didasarkan pada garis kemiskinan Provinsi Sulawesi Selatan Tahun 2009, yaitu sebesar Rp. 200.262 (BPS Sulawesi Selatan 2009). Analisis kerentanan atau peluang rumah tangga untuk menjadi miskin dilakukan dua tahap. Tahap kesatu yaitu untuk wilayah kabupaten secara keseluruhan dan tahap kedua dilakukan analisis kerentanan berdasarkan wilayah dengan parameter yang sama pada semua wilayah. Untuk analisis ini dilakukan dengan menggunakan model persamaan logit. 4.3.2.1. Model Logit Model logit diturunkan berdasarkan fungsi peluang logistik kumulatif yang dispesifikasi (Juanda, 2008) sebagai berikut : (2) e merepresentasikan bilangan dasar logaritma natural (e= 2.718...). Pemilihan sebaran logistik kumulatif ini karena interpretasinya logis dan dapat ditunjukkan bahwa : 0 ≤ E(Y│Xi ) = Pi ≤ 1 Selain itu, dari sisi matematika merupakan fungsi yang sangat fleksibel dan mudah digunakan serta parameter koefisiennya mudah diinterpretasi. Dengan menggunakan aljabar biasa, persamaan dapat ditunjukkan menjadi :
(3) Peubah Pi/(1-Pi) dalam persamaan (3) disebut odds, yang sering juga diistilahkan dengan risiko atau probabilitas, yaitu rasio peluang terjadi pilihan-1 (miskin) terhadap peluang terjadi pilihan-0 alternatifnya (tidak miskin). Dalam ilustrasi ini, jika sebuah rumah tangga dengan pendapatan tertentu peluang menjadi miskin sama dengan 0.2 maka peluang tidak miskinnya sama dengan 0.8. Dengan demikian, odds ini, makin besar peluang rumah tangga miskin ¼ dari peluang tidak miskin. Makin besar odds ini, makin besar peluang rumah tangga menjadi miskin. Jika peluang miskin sama dengan ½ maka odds-nya sama dengan 1. Jika peluang miskin 0.8 (lebih dari ½) maka nilai odds-nya 4 (lebih dari 1), artinya peluang menjadi miskin 4 kali dari peluang tidak menjadi miskin. Oleh karena itu,
83
nilai odds merupakan suatu indikator kecenderungan sebuah rumah tangga menentukan pilihan-1 (menjadi miskin, dalam ilustrasi ini). 4.3.2.2. Pendugaan Parameter Koefisien Model Logit Pada umumnya pendugaan parameter koefisien model logit menggunakan penduga kemungkinan maksium atau maximum likelihood (ML) estimator. Prosedur ML dalam menduga parameter koefisien model logit adalah sebagai berikut : Pi = P(Y=1│xi) = P(Xi)
: peluang bahwa Y=1 jika diketahui X=xi
1-Pi = P(Y=0│xi = 1-P(xi)
: peluang bahwa Y =0 jika diketahui X=xi
4.3.2.3. Pendugaan Parameter Ragam Koefisien Model Logit Untuk generalisasi secara umum, untuk menduga model regresi logistik ganda (multiple logistic regression model) dengan k-1 peubah bebas. Misalkan k1 peubah bebas (berskala interval) dinotasikan dengan X’=(X2, X3, ....., Xk) yang merupakan vektor peubah bebas, dan peluang bersyarat X=xi bahwa responnya pilihan-1 adalah (P(Y=1│xi)=Pxi), maka logit dari model regresi logistik gandanya adalah : (4) Atau lebih rinci dapat dijabarkan sebagai berikut :
……… (5)
Variabel bebas (Xj) dalam pengamatan ini dapat diringkaskan sebagai berikut : Pi(RTM) = Peluang bahwa suatu obyek pengamatan ke-i akan tergolong dalam rumah tangga miskin berdasarkan nilai tertentu dari variabel bebas Xj D1JNKL = Dummy Jenis Kelamin (1 = laki-laki; 0 = lainnya) Umur = Umur Kepala Rumah Tangga (Tahun) D2_PKKRT = Pekerjaan Kepala Rumah Tangga (1, jika petani/nelayan, 0 = lainnya) JMTG = Jumlah Tanggungan Rumah Tangga (Jiwa) D3PDKRT = Peubah Dummy, yaitu : D1, dimana 1, jika berpendidikan SD dan 0 jika lainnya D2, dimana 1, jika berpendidikan SMP ke atas, dan 0, jika lainnya. Ls_ART = Lama Sekolah Anggota Rumah Tangga (Tahun) 84
D4_BCTLS RT_SAK D5_AkLKeu D6_KESRT D7_JMKES D8_AkPLN D9_PPEMB
KepLHN NlAsset D10_Telek D11_Wil
= Kemampuan Baca Tulis Kepala RumahTangga (1, jika Ya, dan 0, jika lainnya) = Rata-rata Lama Sekolah Anggota Keluarga (Tahun) = Dummy Akses ke Lembaga Keuangan (1 = ya; 0=lainnya). = Tingkat Kesehatan Kepala Rumah Tangga (1, jika sehat, dan 0 jika lainnya). = Jaminan Kesehatan (1, jika dapat, dan 0, jika lainnya) = Dummy Akses ke PLN (1= Ya; 0=tidak). = Peubah dummy, yaitu : D1 = 1, jika berpartisipasi dalam proses perencanaan pembangunan dan 0, jika lainnya. D2 = 1, jika berpartisipasi dalam pelaksanaan dan pengendalian 0, jika selainnya. = Kepemilikan Lahan (Ha) = Nilai asset produktif yang dimiliki masyarakat (Rp Juta). = Akses ke Telekomunikasi (1, jika Ya, dan 0, jika lainnya) = Peubah dummy, yaitu: D1 = 1, jika domisili di wilayah pegunungan, dan 0, jika lainnya. D2, = 1, jika domisili di wilayah pesisir dan 0, jika lainnya
dan model regresi logistik gandanya : (6) Metode pendugaan ragam-peragam (variances and covariances) dari dugaan koefisien berdasarkan teori pendugaan kemungkinan maksimum yang telah dikembangkan dengan baik (lihat Rao, 1973 dalam Juanda 2008). Teori menyatakan bahwa penduga ragamnya diperoleh matriks turunan parsial kedua dari fungsi log likelihood. Turunan parsial kedua ini mempunyai bentuk umum sebagai berikut :
dan
untuk j,u = 1,2,...,k dan P(Xi) = πi untuk meringkaskan tulisan. Misalkan matriks │(β) berisi negatif dari komponen-komponen dalam persamaan sehingga matriks tersebut berukuran (k x k), yang disebut sebagai matriks informasi. Ragam dan
85
peragam dari dugaan koefisien diperoleh dari kebalikan matriks tersebut, yang dinotasikan dengan Ʃ(β) = │-1(β). Untuk pengujian koefisien dan pendugaan selang kepercayaan, digunakan dugaan simpangan baku (standar error) dari dugaan koefisien dengan notasi : Ŝe( ) =
2
j]
0.5
=
(7)
j
4.3.2.4. Pengujian Model Logit dan Pendugaan Selang Kepercayaan Koefisien
Setelah dugaan model (6) diperoleh, langkah selanjutnya menguji apakah model logit tersebut secara keseluruhan dapat menjelaskan keputusan pilihan kualitatif (Y). Hipotesis statistik yang diuji dalam hal ini adalah : H0 : β2=β3=.....=βk = 0
(model tidak dapat menjelaskan)
H1 : minimal ada βj ≠ 0, untuk j=2,3,..k (model dapat menjelaskan) Untuk menguji faktor mana (βj ≠ 0) yang berpengaruh nyata terhadap pilihannya, perlu diuji statistik lanjut. Dalam hal ini kita dapat menguji signifikansi dari parameter koefisien secara parsial dengan statistik uji Wald yang serupa dengan statistik uji-t atau uji-Z dalam regresi linear biasa. 4.3.2.5. Interpretasi Parameter Koefisien Model Logit. Setelah diperoleh dugaan model logit yang dianggap cocok dan dugaan koefisiennya (pengaruh peubahnya) signifikan secara statistik maupun secara ekonomi, maka kita dapat menarik kesimpulan-kesimpulan praktis dari koefisien dalam model. Untuk menginterpretasikan digunakan odds ratio (ѱ) yang di definisikan sebagai rasio odds untuk x=1 terhadap odds untuk x=0, yang diekspresikan di bawah ini. Nilai odds untuk x=1 dan x= 0 adalah sebagai berikut:
Nilai odds rasio biasa diinterpretasikan: “beberapa kali kemungkinan masuk dalam garis kemiskinan akibat pengaruh variabel bebas yang berpengaruh.” Odds rasio ini sering juga digunakan sebagai suatu ukuran asosiasi yang sering ditemukan dalam epidemologi. 4.3.3. Analisis Determinan Kemiskinan Analisis ini dilakukan untuk melihat pengaruh variabel makro ekonomi terhadap kemiskinan di Kabupaten Barru. Variabel-variabel makro ekonomi yang 86
digunakan dan diduga memengaruhi kemiskinan di Kabupaten Barru meliputi: pertumbuhan ekonomi, PDRB per kapita,
Anggaran Pendapatan dan Belanja
Daerah (APBD), Pendapatan Asli Daerah (PAD), share sektor terhadap PDRB, kebijakan desentralisasi fiskal, kenaikan harga barang dan jasa (GDP_Deflator), dan krisis ekonomi. Data yang digunakan adalah data deret waktu “time series” (1990-2008) dengan persamaan sebagai berikut: ......... (8)
Keterangan : : Persentase Rumah Tangga Miskin Kabupaten Barru tahun 1990-2008 (%) α : Intersep PtbhEK : Pertumbuhan Ekonomi Kabupaten Barru tahun 1990 – 2008 (%) PDRBKAP : Produk Domestik Regional Bruto per Kapita Kabupaten Barru berdasarkan harga konstan tahun 1990 – 2008 (Rp. Juta) G_Publik : Belanja Pembangunan Daerah Kabupaten Barru yang dialokasikan pada belanja publik (belanja pendidikan, kesehatan, belanja pertanian, dan belanja infrastruktur) tahun 1990 – 2008 (Rp. Juta) GPov : Belanja Pemerintah Daerah Kabupaten Barru di Bidang Pengentasan Kemiskinan tahun 1990 – 2008 (Rp. Juta) GDP_Def : Perubahan harga secara keseluruhan pada barang dan jasa Kabupaten Barru tahun 1990-2008 (%) SSAGR : Share sektor pertanian terhadap PDRB Kabupaten Barru tahun 1990 – 2008 (Rp. Juta) SSIND : Share sektor industri terhadap PDRB Kabupaten Barru tahun 1990 – 2008 (Rp. Juta) PAD : Pendapatan Asli Daerah Kabupaten Barru tahun 1990 – 2008 (Rp. Juta) DDFIS : Dummy Variabel Desentralisasi fiskal dimulai pada tahun 2001-2008 = 1, lainnya = 0. DKMNT : Dummy Variabel Krisis Moneter, dimana periode krisis ekonomi dimulai pada tahun 1997-2008 =1, lainnya = 0. ε1 : Peubah Pengganggu (disturbance error). RTM
Dalam analisis regresi berganda dengan menggunakan metode kuadrat terkecil (Ordinary Least Square/OLS) beberapa asumsi yang harus dipenuhi (Verbeek 2004; Nachrowi 2006, dan Juanda 2009) sebagai berikut: 87
1) Peubah Xi merupakan peubah non-stokastik (fixed), artinya sudah ditentukan, bukan peubah acak. Selain itu, tidak ada hubungan linier sempurna antara peubah Xi. 2) a) komponen sisaan εi mempunyai nilai harapan sama dengan nol, dan ragam konstan untuk semua pengamatan i, E(εi) = 0 dan Var(εi) =
2
.
b) tidak ada hubungan atau tidak ada korelasi antara sisaan εi sehingga Cov(εi,εj) = 0, untuk i ≠ 0 c) komponen sisaan menyebar normal. Dalam terminologi statistik asumsi nomor (2) ini bisa diringkaskan dengan simbol εi ~ N(0,
2
), artinya komponen εi menyebar normal, bebas stokastik, dan
identik, dengan nilai tengah sama dengan nol dan ragam konstan untuk 1,2,…,N. Dalam konteks analisis deret waktu (time series data), εi dikenal dengan istilah white noice error yang bersifat stasioner. Sifat kestasioneran deret waktu diperlukan untuk melakukan inferensia terhadap struktur deret waktu tersebut atas dasar pengamatan yang jumlahnya terbatas. Sifat kestasioneran ini menyatakan bahwa hukum peluang yang mengendalikan proses stokastik tersebut tidak berubah dengan berubahnya waktu, yaitu proses berada dalam keadaan equilibrium. Menurut Dalil Gaus-Markov, jika asumsi (1), (2), (2a), dan (2b) di atas telah dipenuhi maka pendugaan parameter koefisien regresi menggunakan metode OLS akan menghasilkan pendugaan tak bias linier terbaik (BLUE = Best Linier Unbiased Estimator). Penduga terbaik dalam pengertian ragamnya paling kecil (paling efisien) diantara semua penduga tak bias linear lainnya. Asumsi 2b berkaitan dengan uji-t dan uji-F, dan jarang dilakukan jika ukuran contohnya relatif besar (>30) dengan argument Dalil Limit Pusat (Central Limit Theorem). 4.3.3.1. Metode Pendugaan Metode pendugaan yang digunakan dalam menaksir pengaruh perubahan variabel makro terhadap determinan kemiskinan adalah metode kuadrat terkecil (Ordinary Least Squares (OLS). Selanjutnya untuk menguji apakah model yang dirumuskan dalam penelitian ini mengalami korelasi serial atau tidak, digunakan metode Breusch Godfrey Serial Correlation Test. Uji ini mensyaratkan bahwa jika 88
nilai probability Obs* R-Squared lebih besar dari nilai kritis α = 0,10; 0.05 dan 0,01, maka persamaan tersebut tidak terjadi korelasi serial. Sedangkan untuk menguji apakah peubah-peubah penjelas secara parsial berpengaruh nyata atau tidak terhadap variabel dependent digunakan uji statistik-t dan untuk menguji signifikansi variabel penjelas tersebut secara bersama-sama terhadap variabel dependent digunakan uji statistik-F. 4.3.3.2. Prosedur Pembentukan dan Penerapan Model Model persamaan determinan kemiskinan yang dirumuskan dalam bentuk persamaan ekonometrika, dimaksudkan sebagai perwakilan atau abstraksi dari kondisi aktual kemiskinan di Kabupaten Barru. Prosedur dan penerapan model untuk melihat determinan kemiskinan di Kabupaten Barru secara garis besarnya dilakukan dalam beberapa tahapan dasar, yaitu: (1) formulasi model, (2) pengumpulan data, (3) pendugaan model, (4) pengujian hipotesis, dan (5) interpretasi hasil dugaan model. Untuk lebih jelasnya dapat dilihat dalam bagan alir (flowchart) berikut. Perumusan Masalah Teori Ekonomi, Pengalaman Lalu, Studi Lainnya
Perumusan (Pengembangan Model)
Pengumpulan Data
Uji Hipotesis Tidak Model Layak
Implikasi Kebijakan
Ya
Interpretasi Model
Peramalan
Gambar 10. Bagan Alir Tahapan Studi Empiris (Juanda 2009)
89
