Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression
Asmadhini Handayani Rahmah Department of Statistics Universitas Islam Indonesia, Jalan Kaliurang Km 14,5 Sleman Yogyakarta
[email protected]
ABSTRACT Indonesia has 34 provinces. There are many peoples spread out across Indonesia and the vast area owned makes Indonesia become one of the biggest 4 (four) most population country in the world. However, the population density is not spread evenly in Indonesia. This has become interesting to be observed how the distribution of population in Indonesia by using variable in-migration as a dependent variable that is assumed to be influenced by four (4) independent variables. Those independent variables are the Gross Domestic Product (GDP), the Regional Minimum Wage, Unemployment Rate (TPT) and Labor Force Participation Rate (LFPR). Data is collected from www.BPS.go.id . The analysistool used panel data regression, denote a data type is a combination of time series data (time series) and cross section data. The best selected model used in this research is Fixed Effect model to obtain 33 models for 33 provinces. The variables that influence the inmigration is the Open unemployment rate (TPT), which has a negative correlation to in-migration, while the Labor Force Participation Rate (LFPR) has a positive correlation.
Keywords: In-Migration, Gross Domestic Product (GDP), the Regional Minimum Wage, Unemployment Rate (TPT), Labor Force Participation Rate (LFPR), Panel Data Regression, Fixed Effect model.
ABSTRAK Indonesia terbagi menjadi 34 provinsi. Banyaknya penduduk yang tersebar di Indonesia dan luasnya wilayah yang dimiliki membuat Indonesia menjadi salah satu negara dengan jumlah penduduk nomor 4 (empat) terbesar di dunia. Hal ini disebut dengan kepadatan penduduk. Namun, kepadatan penduduk tidak tersebar secara merata di Indonesia. Hal inilah yang menjadi menarik untuk diteliti, bagaimanakah sebaran penduduk di Indonesia dilihat dengan menggunakan variabel migrasi masuk sebagai variabel terikat yang di duga dipengaruhi oleh 4 variabel bebas. Keempat variable bebas tersebut yaitu Produk Domestik Regional Bruto (PDRB), Upah Minimum Regional (UMR), Tingkat Pengangguran Terbuka (TPT) dan Tingkat Partisipasi Angkatan Kerja (TPAK). Pengambilan data dilakukan melalui www.BPS.go.id. Alat analisis yang digunakan adalah regresi data panel yang merupakan regresi yang jenis datanya merupakan gabungan antara data runtun waktu (time series) dan The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
124
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
data silang (cross section). Model yang terpilih paling baik digunakan pada penelitian ini adalah Fixed Effect sehingga didapatkan 33 model untuk 33 provinsi. Variabel yang berpengaruh terhadap migrasi masuk adalah Tingkat pengangguran Terbuka (TPT) yang memiliki korelasi negatif terhadap migrasi masuk, sedangkan Tingkat Partisipasi Angkatan Kerja (TPAK) memiliki korelasi positif .
Kata – kata kunci: Migrasi Masuk, Produk Domestik Regional Bruto (PDRB), Upah Minimum Regional (UMR), Tingkat Pengangguran Terbuka (TPT), Tingkat Partisipasi Angkatan Kerja (TPAK), Regresi Data Panel, model Fixed Effect.
penduduk ini mengakibatkan lapangan
Pendahuluan Indonesia merupakan negara yang
kerja pun harus tersedia setiap tahunnya.
terdiri dari banyak pulau, sering disebut
Hal inilah yang menjadi salah satu alasan
juga sebagai negara kepulauan. Saat ini,
seseorang untuk melakukan perpindahan
Indonesia terbagi menjadi 34 provinsi.
tempat
Banyaknya penduduk yang tersebar di
migrasi.
yang
sering
disebut
sebagai
Indonesia dan luasnya wilayah yang
Selain kelahiran dan kematian,
dimiliki membuat Indonesia menjadi salah
migrasi merupakan salah satu faktor yang
satu negara dengan jumlah penduduk
meningkatkan pertumbuhan penduduk di
nomor 4 (empat) terbesar di dunia setelah
suatu provinsi. Peninjauan migrasi secara
China,
regional sangat penting untuk ditelaah
India
dan
Amerika
Serikat.
Berdasarkan data Badan Pusat Statistik
secara
(2016), Jumlah penduduk Indonesia saat
kepadatan dan distribusi penduduk yang
ini diperkirakan sebesar 255 juta jiwa
tidak
dengan
penduduk
pendorong dan penarik bagi orang-orang
sebesar 1,4 % per tahunnya yang artinya
untuk melakukan migrasi, serta adanya
ada kemungkinan pertambahan penduduk
desentralisasi
sebesar 3,5 juta setiap tahunnya. Hal ini
Migrasi penduduk terjadi karena diarahkan
tergambar
kepadatan
atau atas kebijakan tertentu yang diatur
penduduk yang terbesar adalah di provinsi
oleh pemerintah, namun lebih banyak
DKI Jakarta, dengan jumlah 15.173 jiwa
karena
/km2, namun kepadatan penduduk ini tidak
individu masyarakat itu sendiri.
laju
pertumbuhan
dengan
jumlah
merata di seluruh provinsi di Indonesia.
khusus
merata,
mengingat
adanya
dalam
spontan
adanya
faktor-faktor
pembangunan.
atau
keinginan
dari
Migrasi menjadi sangat menarik
Semakin padatnya penduduk di suatu
dikarenakan
menurut
teori
yang
daerah dan persentase laju pertumbuhan
dikemukakan
para
ekonom,
bahwa
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
125
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
seharusnya migrasi penduduk membawa
kedua
pengaruh positif terhadap daerah tujuan
dilakukan.
Tingkat
migrasi
penduduk
migrasi tersebut, namun yang terjadi pada
memiliki
dampak
negatif
terhadap
kenyataannya adalah berkebalikan. Di
konsumsi rumah tangga, dalam hal ini
Indonesia, karena pola migrasi tidak
yang memiiki dampak paling besar adalah
terkontrol
imigrasi.
ke
kota-kota
besar,
hubungan
timbal
Dapat
balik
disimpulkan
yang
bahwa
mengakibatkan meningkatnya pencemaran
dengan tingginya tingkat imigrasi, maka
lingkungan hidup, kemacetan lalu lintas,
pendapatan asli penduduk negara tersebut
bertambah banyaknya pemukiman kumuh
menurun dikarenakan pendapatan negara
dan juga jumlah pengangguran.
tersebut diserap oleh para imigran, dan
Menurut Simanulang dkk. (2011),
akhirnya menyebabkan konsumsi rumah
secara umum masyarakat yang berada
tangga
pada daerah dengan kondisi perekonomian
sebaliknya yang terjadi pada hubungan
relatif rendah, cenderung bermigrasi ke
negatif dari konsumsi terhadap tingkat
daerah dengan kondisi perekonomian lebih
migrasi, didapatkan jika tingkat konsumsi
tinggi. Sehingga disimpulkan bahwa daya
suatu negara meningkat maka negara
tarik suatu daerah adalah faktor penunjang
tersebut akan
ekonomi yang baik seperti tersedianya
emigran dibandingkan imigran.
lapangan pekerjaan, tingginya upah dan
pun
menurun.
memilih
Begitu
lebih
juga
banyak
Menurut Jennissen (2003), pada
harapan untuk mendapatkan penghidupan
penelitiannya
yang lebih layak didaerah tujuan.
ekonomi yang mempengaruhi migrasi neto
Menurut Bᾰlᾰ and Prada (2014) Fenomena
migrasi
faktor-faktor
internasional di Eropa Barat. Didapatkan
konsumsi
hasil bahwa Produk Domestik Bruto
masyarakat merupakan bagian penting
memiliki pengaruh positif terhadap arus
dalam makro ekonomi oleh karena itu
masuknya penduduk ke suatu negara di
dengan menggunakan regresi data panel
wilayah Eropa Barat. Sedangkan tingkat
diteliiti hubungan timbal balik antara
pengangguran memiliki pengaruh negatif,
migrasi dan konsumsi rumah tangga
hal ini dibenarkan bahwa, keinginan
masyarakat 26 negara di Eropa pada
seseorang untuk
periode
wilayah
1996-2011.
dan
terhadap
Migrasi
dalam
berpindah
didasarkan
ke
keinginan
suatu untuk
penelitian ini dibagi menjadi dua, yaitu
mencari lapangan pekerjaan yang baru.
emigrasi dan imigrasi. Hasil dari penelitian
Hal ini
ini adalah terjadi hubungan negatif untuk The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
126
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
Dalam penelitian ini, migrasi yang
dengan
melihat
data
Tingkat
diteliti adalah migrasi masuk dalam satuan
Pengangguran Terbuka (TPT). TPT di
orang, karena dengan melihat migrasi
indikasikan
masuk, maka dapat diteliti faktor apa saja
seseorang untuk
yang
perpindahan
provinsi, karena jika TPT semakin rendah
penduduk ke sebuah provinsi di Indonesia.
artinya provinsi tersebut menyerap tenaga
Faktor-faktor yang diduga mempengaruhi
kerja dengan baik. Oleh karena itu,
migrasi masuk tersebut adalah Produk
penduduk yang melakukan migrasi merasa
Domestik Regional Bruto (PDRB), Upah
memiliki harapan yang besar terhadap
Minimum
provinsi tersebut.
mempengaruhi
Regional
(UMR),
Tingkat
Pengangguran Terbuka (TPT) dan Tingkat Partisipasi Angkatan Kerja (TPAK).
mempengaruhi berpindah
keinginan ke
suatu
Selain TPT, Tingkat Partisipasi Angkatan Kerja (TPAK) juga dianggap
Salah satu indikator penting untuk
memiliki pengaruh terhadap keinginan
mengetahui kondisi ekonomi di suatu
seseorang
daerah tertentu adalah dengan melihat nilai
Angkatan Kerja (TPAK). Menurut BPS,
dari Produk Domestik Regional Bruto
TPAK
(PDRB) daerah tersebut. Menurut BPS,
angkatan kerja terhadap penduduk usia
PDB pada dasarnya merupakan jumlah
kerja
nilai tambah yang dihasilkan oleh seluruh
persentase penduduk usia kerja yang aktif
unit usaha dalam suatu negara tertentu,
secara ekonomi disuatu negara/wilayah.
atau merupakan jumlah nilai barang dan
Semakin
jasa akhir yang dihasilkan oleh seluruh
bahwa semakin tinggi pula pasokan tenaga
unit ekonomi.
kerja (labour supply) yang tersedia untuk
Salah satu faktor penentu migrasi adalah faktor yang berkaitan dengan
untuk
berpindah
merupakan
persentase
tempat.
jumlah
yang mengindikasikan besarnya
tinggi
TPAK
menunjukkan
memproduksi barang dan jasa dalam suatu perekonomian.
keuangan, sehingga upah minimum pada
Data pada penelitian ini memiliki
daerah tertentu dirasa memiliki daya tarik
sifat khusus yaitu gabungan antara data
yang kuat bagi para pelaku migrasi.
runtun waktu (time series) dan data silang
Kemudian,
dalam
(cross section). Setiap variabel yang
keuangan, tingkat kebutuhan tenaga kerja
diamati akan memiliki data per tahun pada
dan ketersediaan lapangan pekerjaan dapat
setiap provinsi. Maka data per tahun
digambarkan dengan melihat seberapa
merupakan jenis data runtun waktu (time
banyak
series) dan per provinsi merupakan data
selain
daya
pengangguran
tarik
disuatu
daerah
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
127
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
silang (cross section). Alat analisis yang
yang diadakan BPS setiap 5 tahun sekali.
digunakan untuk mengolah kedua jenis
Pada penelitian ini, dari 34 provinsi, hanya
data tersebut secara bersamaan adalah
33 provinsi yang dipakai, satu provinsi
regresi data panel.
yang
Berdasarkan latar belakang diatas, maka menarik jika membahas “Studi Perpindahan penduduk antar Provinsi di Indonesia dengan Regresi Data Panel”
tidak
dipakai
provinsi
Kalimantan Utara, dikarenakan provinsi ini baru berdiri pada tahun 2012. Alat analisis yang digunakan pada penelitian
ini
panel.Tahapan
adalah
regresi
data
analisis
data
pada
penelitian ini adalah sebagai berikut :
Tujuan Penelitian Dengan
adalah
melihat
dampak
dari
a) Mengumpulkan data
adanya migrasi masuk terhadap provinsi
b) Membentuk model Common Effect
yang ditinggali sekarang, maka tujuan
c) Membentuk Model Fixed Effect
penelitian adalah untuk melihat bagaimana
d) Melakukan uji Chow untuk melihat
pengaruh Pendapatan Domestik Regional
model yang terbaik untuk data yang
Bruto (PDRB), Upah Minimum Regional
digunakan diantara model Common
(UMR), Tingkat Pengangguran Terbuka
Effect dan model Fixed Effect
(TPT) dan Tingkat Partisipasi Angkatan
e) Setelah
memilih,
dilakukan
Kerja (TPAK) terhadap migrasi masuk
kembali pembentukan model yang
pada 33 provinsi di Indonesia.
lain, yaitu Random Effect, agar dapat melakukan pemilihan model terbaik
Metode Penelitian Data yang dipakai pada penelitian
dengan
ketiga
pilihan
model.
adalah data migrasi masuk, Pendapatan
f) Melakukan uji Hausman, yang
Domestik Regional Bruto (PDRB), Upah
digunakan untuk memilih antara
Minimum
model Fixed Effect dan model
Regional
(UMR),
Tingkat
Pengangguran Terbuka (TPT) dan Tingkat Partisipasi Angkatan Kerja (TPAK) pada
Random Effect. g) Terakhir
adalah
uji
Lagrange
33 provinsi di Indonesia, yang bersumber
Multiplier (LM), yang digunakan
dari Badan Pusat Statistik (BPS) pada
untuk memilih antara Common
tahun 2000, 2005, 2010 dan 2015. Hal ini
Effect dan Random Effect.
dikarenakan
data
migrasi
masuk
didapatkan dari hasil sensus penduduk
h) Setelah
model
terbaik
dipilih,
kemudian melakukan uji asumsi
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
128
Eksakta: Jurnal Imu-Ilmu MIPA
klasik,
yang
p. ISSN: 1411-1047 e. ISSN: 2503-2364
digunakan
dalam
Dimana,
penelitian adalah uji autokorelasi
= Variabel terikat (migrasi masuk)
dan uji heterokedastisitas.
= Variabel bebas
i) Setelah
melakukan
pengujian
autokorelasi
dan
,
data silang (provinsi)
heteroskedastisitas, dan didapatkan bahwa
model
mengandung
tersebut
masih
autokorelasi
adalah banyaknya data
,
adalah banyaknya data
runtun waktu (tahun)
dan
Model pendugaan parameter pada
heteroskedastisitas maka dilakukan
model ini sama dengan model regresi linier
perbaikan
biasa yaitu menggunakan metode Ordinary
dengan
merubah
kebentuk pembobotan (weights).
Least Square (OLS) dengan mengabaikan data runtun waktu dan data silang. Model
Regresi Data Panel
ini mengasumsikan intersep dan slope
Menurut Ekananda (2015), Regresi
konstan untuk semua unit data runtun
data panel adalah regresi yang jenis
waktu dan data silang (Gujarati dan Porter,
datanya merupakan gabungan antara data
2012)
runtun waktu (time series) dan data silang (cross
section).
mengestimasi
Effect, dimana menginginkan heterogenitas
parameter model dengan data panel,
antar individu subjek dengan memberi
menurut Gujarati dan Porter (2012),
setiap entitas nilai intersep tersendiri.
terdapat beberapa model yang ditawarkan,
Menurut Gujarati dan Porter (2012), model
yaitu yang pertama adalah, jika koefisien
ini meskipun intersepnya berbeda-beda
tetap antar waktu dan antar individu, atau
untuk setiap subjek, tetapi tiap intersep
sering disebut dengan Common Effect.
tiap entiti tidak berubah seiring waktu.
Pendekatan
Dengan demikian, maka
dimensi
ini
individu
Untuk
Model yang kedua yaitu Fixed
tidak dan
memperhatikan waktu.
Jika
konstanta ( ) dan koefisien (β) akan
dan β dapat
diestimasi dengan model berikut dengan pengamatan.
konstan untuk setiap data runtun waktu dan data silang, maka
dan β dapat
(2)
diestimasi dengan model berikut dengan (banyaknya data panel) pengamatan. (1)
Model yang ketiga yaitu Random Effect, dimana teknik ini memperhatikan adanya heterogenitas dari variabel menurut
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
129
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
individu dan memperhatikan dampak yang
perubahan model ke pembobotan Cross
berbeda untuk setiap individu (Gujarati
Section SUR. Penggunaan pembobotan ini
dan Porter, 2012). Perbedaan tersebut
akan menyebabkan koefisien determinasi
diakomodasi lewat error. Teknik ini juga
meningkat
memperhitungkan bahwa error mungkin
sebelum terjadi pembobotan pada model.
jika
dibandingkan
dengan
berkorelasi sepanjang data runtun waktu dan data silang. Berikut model dari
Pembahasan
persamaan tersebut.
Pengujian regresi data panel dengan (3)
Untuk mengetahui model mana yang paling baik untuk digunakan pada data yang dimiliki, terdapat beberapa cara.
memasukkan Common
teknik
yang
digunakan
untuk
Effect
ke
dalam
didapatkan
model keluaran
seperti pada Tabel 1. Tabel 1. Model Regresi Data Panel Model
Teknik yang pertama adalah uji Chow, yaitu
data
p-value
Common effect
0,432955 0,000
memilih model Common Effect atau
Fixed effect
0,922328 0,000
model Fixed Effect. Teknik yang kedua
Random effect
0,013798 0,696
adalah uji Hausman, yang digunakan untuk memilih antara model Fixed Effect dan
Hasil
yang
didapatkan
dari
Random Effect. Kemudian, teknik yang
keluaran model Common Effect pada Tabel
ketiga adalah uji Lagrange Multiplier
1 adalah nilai p-value yang kurang dari
(LM), yang digunakan untuk memilih
tingkat signifikansi 0,05, dengan nilai
antara Common effect dan Random Effect.
Koefisien determinasi sebesar 43,3 %.
Menurut Gujarati dan Porter (2012)
Model
Common
Effect
mengabaikan
data panel sedikit terjadi kolinearitas antar
keragaman
variabel
kecil
digunakan dalam data ini, oleh karena itu,
multikolinearitas.
masih dirasa kurang. Sehingga dilakukan
Oleh karena itu, asumsi klasik yang
langkah selanjutnya yaitu model Fixed
digunakan dalam penelitian adalah uji
Effect.
sehingga
kemungkinan
terjadi
sangat
autokorelasi dan uji heterokedastisitas.
provinsi
Kemudian,
dan tahun
dengan
yang
melakukan
Menurut Pusakasari (2014), pada regresi
percobaan pada model Fixed Effect,
data panel, umumnya terjadi pemenuhan
berdasarkan Tabel 1 didapatkan bahwa
asumsi
model
uji
autokorelasi
dan
heteroskedastisitas, maka perlu dilakukan
tersebut
signifikan
dengan
Koefisien determinasi sebesar 92,23 %.
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
130
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
Nilai ini jauh lebih baik dibandingkan
Berdasarkan Tabel 3 didapatkan
dengan nilai pada Common Effect, namun
hasil bahwa model yang paling baik adalah
untuk memilih model mana yang paling
model Fixed Effect, karena nilai p-value
baik untuk data yang diteliti, harus
lebih kecil dari tingkat signifikansi 5%.
dilakukan uji lanjutan terlebih dahulu.
Oleh karena itu,
model terbaik
Langkah selanjutnya sebelum masuk ke
yang dipilih adalah model Fixed Effect.
dalam perhitungan model Random Effect,
Sebelum
maka terlebih dahulu menguji model
maka
Common Effect dan Fixed Effect yang
autokorelasi
telah didapatkan dengan uji Chow.
didapatkan bahwa model tersebut masih
Tabel 2. Uji Chow
terlebih
dahulu dan
mengandung
diperbaiki
0,000
model,
dilakukan
uji
heteroskedastisitas,
autokorelasi
heteroskedastisitas.
p-value Uji Chow
menginterprestasikan
dengan
Sehingga merubah
dan perlu kebentuk
pembobotan (weights). Berdasarkan
Tabel
2
p-value
Tabel 4. Model Fixed Effect dengan pembobotan (weights)
0,0000 lebih kecil dari tingkat signifikansi
Variabel
5%. Oleh karena itu, model yang terpilih
Koefisien
p-value
adalah model Fixed Effect. Selanjutnya,
konstanta
153742,9
0,0000
menganalisis model Random Effect.Dari
TPT
-4142,550
0,0001
PDRB
-0,020201
0,6137
UMR
-1,666095
0,7226
TPAK
404,0578
0,0031
Tabel 1 dapat dilihat bahwa model Random Effecttidak signifikan Apabila hanya dilihat secara garis besar
dari
diputuskan
analisis bahwa
tersebut, model
dapat Random
0,898019
p-value (F)
0,0000
Effecttidak baik untuk dipilih memodelkan data yang diteliti. Namun akan lebih baik jika
diuji
terlebih
dahulu
Berdasarkan Tabel 4 didapatkan
dengan
model Fixed Effect dengan variabel
menggunakan uji Hausman, untuk memilih
independent yang berpengaruh secara
yang terbaik antara model Fixed Effect dan
signifikan yaitu Tingkat pengangguran
model Random Effect.
Terbuka (TPT) dan Tingkat Partisipasi
Tabel 3. Uji Hausman
Uji Hausman
Angkatan Kerja (TPAK). Konstanta pada
p-value
model pun memiliki pengaruh dengan cara
0,000
penentuan yang sama. Kemudian secara
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
131
Eksakta: Jurnal Imu-Ilmu MIPA
bersama-sama
p. ISSN: 1411-1047 e. ISSN: 2503-2364
keempat
variabel
tujuan, selain karena ketidaktauan, juga
independen mempengaruhi migrasi masuk
keterbatasan
secara signfikan dengan dengan melihat
informasi
nilai p-value pada Tabel 4 dengan nilai
bertolak
koefisien determinasi sebesar 89,80 %.
beberapa
Tingkat
pengangguran
Terbuka
mereka
tersebut. belakang
untuk Hal
dipengaruhi
ini
dengan
pengamatan oleh
mencari memang
hasil
bahwa
faktor
dari
migrasi
keuangan.
(TPT) memiliki korelasi negatif terhadap
Masyarakat Indonesia yang melakukan
migrasi
dikarenakan
migrasi memilih daerah tujuan dengan
semakin kecil nilai TPT maka akan
melihat faktor keuangan dari sisi lain,
semakin baik bagi sebuah provinsi, karena
sebagai contoh, seberapa berhasil kerabat
dapat diartikan penyerapan tenaga kerja di
mereka yang telah bermigrasi di daerah
provinsi
yang
tujuan, seberapa mudah mereka mencari
ketertarikan
pekerjaan ataupun melakukan kegiatan
untuk berpindah ke provinsi tersebut. Oleh
usaha, serta alasan lain yang terkait dengan
karena itu, semakin kecil TPT maka akan
keuangan dalam bentuk kemakmuran yang
semakin tinggi migrasi masuknya.
mereka
masuk.
Hal
tersebut
mneyebabkan
ini
baik.
Inilah
timbulnya
Sedangkan pada Tingkat Partisipasi
dapat
menggambarkan
nilai.
Hal
pula
ini
bahwa
dapat tingkat
Angkatan Kerja (TPAK) memiliki korelasi
pendidikan dari individu yang bermigrasi
positif terhadap migrasi masuk. Semakin
mempengaruhi bagaimana mereka menilai
tinggi TPAK pada suatu provinsi maka
faktor-faktor yang dipilih untuk berpindah
akan
ke suatu daerah.
semakin
tinggi
juga
migrasi
masuknya. Hal ini diduga karena semakin
Setelah
dilakukan
pengujian
tinggi partisipasi angkatan kerja pada suatu
tersebut, maka dapat ditentukan model
wilayah memberikan kesan positif dan
pada masing-masing data cross section,
menarik untuk dijadikan tempat untuk
karena model yang terpilih adalah model
mencari penghidupan, sehingga menambah
Fixed Effect. Hal ini dikarenakan pada
migrasi masuk pada wilayah tersebut.
model Fixed Effect memiliki nilai intersep
PDRB
dan
UMR
tidak
yang berbeda-beda untuk setiap subjek,
berpengaruh secara signifikan, hal ini
tetapi tiap intersep tiap entiti tidak berubah
diduga dikarenakan tujuan masyarakat
seiring waktu. Model migrasi masuk pada
untuk memilih
masing-masing
tempat tujuan untuk
brmigrasi bukanlah berapa PDRB daerah
provinsi
seperti
yang
ditampilkan pada Tabel 5.
tersebut ataupun berapa UMR di tempat The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
132
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
Tabel 5. Model Migrasi Masuk untuk 33 Provinsi di Indonesia Provinsi
Model Migrasi Masuk
Aceh
MIGRASI_ACEH = -111899.690175 + 153742.944161 - 4142.55010462*TPT_ACEH + 404.057792839*TPAK_ACEH MIGRASI_SUMUT = -13527.7756347 + 153742.944161 4142.55010462*TPT_SUMUT + 404.057792839*TPAK_SUMUT MIGRASI_SUMBAR = -23420.3936395 + 153742.944161 4142.55010462*TPT_SUMBAR + 404.057792839*TPAK_SUMBAR MIGRASI_RIAU = 129872.883578 + 153742.944161 - 4142.55010462*TPT_RIAU + 404.057792839*TPAK_RIAU MIGRASI_JAMBI = -69758.8967504 + 153742.944161 - 4142.55010462*TPT_JAMBI + 404.057792839*TPAK_JAMBI MIGRASI_SUMSEL = -45442.4241213 + 153742.944161 4142.55010462*TPT_SUMSEL + 404.057792839*TPAK_SUMSEL MIGRASI_BENGKULU = -116316.948859 + 153742.944161 4142.55010462*TPT_BENGKULU + 404.057792839*TPAK_BENGKULU MIGRASI_LAMPUNG = -50357.0600258 + 153742.944161 4142.55010462*TPT_LAMPUNG + 404.057792839*TPAK_LAMPUNG MIGRASI_BABEL = -117442.899706 + 153742.944161 - 4142.55010462*TPT_BABEL + 404.057792839*TPAK_BABEL
Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Kepulauan Bangka Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah 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
MIGRASI_KEPRI = 40595.5244039 + 153742.944161 - 4142.55010462*TPT_KEPRI + 404.057792839*TPAK_KEPRI MIGRASI_JAKARTA = 488563.201194 + 153742.944161 4142.55010462*TPT_JAKARTA + 404.057792839*TPAK_JAKARTA MIGRASI_JABAR = 782485.031078 + 153742.944161 - 4142.55010462*TPT_JABAR + 404.057792839*TPAK_JABAR MIGRASI_JATENG = 225517.755925 + 153742.944161 4142.55010462*TPT_JATENG + 404.057792839*TPAK_JATENG MIGRASI_YOGYA = 44782.9461186 + 153742.944161 4142.55010462*TPT_YOGYA + 404.057792839*TPAK_YOGYA MIGRASI_JATIM = 100906.908313 + 153742.944161 - 4142.55010462*TPT_JATIM + 404.057792839*TPAK_JATIM MIGRASI_BANTEN = 297177.172306 + 153742.944161 4142.55010462*TPT_BANTEN + 404.057792839*TPAK_BANTEN MIGRASI_BALI = -67648.0553916 + 153742.944161 - 4142.55010462*TPT_BALI + 404.057792839*TPAK_BALI MIGRASI_NTB = -97995.5089762 + 153742.944161 - 4142.55010462*TPT_NTB + 404.057792839*TPAK_NTB MIGRASI_NTT = -113706.678127 + 153742.944161 - 4142.55010462*TPT_NTT + 404.057792839*TPAK_NTT MIGRASI_KALBAR = -123020.620371 + 153742.944161 4142.55010462*TPT_KALBAR + 404.057792839*TPAK_KALBAR MIGRASI_KALTENG = -73169.2121282 + 153742.944161 4142.55010462*TPT_KALTENG + 404.057792839*TPAK_KALTENG MIGRASI_KALSEL = -72319.1787865 + 153742.944161 4142.55010462*TPT_KALSEL + 404.057792839*TPAK_KALSEL MIGRASI_KALTIM = 24896.5976279 + 153742.944161 4142.55010462*TPT_KALTIM + 404.057792839*TPAK_KALTIM MIGRASI_SULUT = -94809.296622 + 153742.944161 - 4142.55010462*TPT_SULUT + 404.057792839*TPAK_SULUT MIGRASI_SULTENG = -94336.2754141 + 153742.944161 4142.55010462*TPT_SULTENG + 404.057792839*TPAK_SULTENG MIGRASI_SULSEL = -27170.6553204 + 153742.944161 4142.55010462*TPT_SULSEL + 404.057792839*TPAK_SULSEL MIGRASI_SULTENGGA = -89224.5355888 + 153742.944161 4142.55010462*TPT_SULTENGGA + 404.057792839*TPAK_SULTENGGA MIGRASI_GORONTALO = -133410.177736 + 153742.944161 -
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
133
Eksakta: Jurnal Imu-Ilmu MIPA
Sulawesi Barat Maluku Maluku Utara Papua Barat Papua
p. ISSN: 1411-1047 e. ISSN: 2503-2364
4142.55010462*TPT_GORONTALO + 404.057792839*TPAK_GORONTALO MIGRASI_SULBAR = -126365.570732 + 153742.944161 4142.55010462*TPT_SULBAR + 404.057792839*TPAK_SULBAR MIGRASI_MALUKU = -119663.205405 + 153742.944161 4142.55010462*TPT_MALUKU + 404.057792839*TPAK_MALUKU MIGRASI_MALUT = -132629.15986 + 153742.944161 - 4142.55010462*TPT_MALUT + 404.057792839*TPAK_MALUT MIGRASI_PAPBAR = -112441.179232 + 153742.944161 4142.55010462*TPT_PAPBAR + 404.057792839*TPAK_PAPBAR MIGRASI_PAPUA = -108722.621941 + 153742.944161 4142.55010462*TPT_PAPUA + 404.057792839*TPAK_PAPUA
Berdasarkan Tabel
5 didapatkan
(TPAK) memiliki korelasi positif terhadap
33 model terbaik untuk masing-masing
migrasi masuk. Semakin tinggi TPAK
provinsi di Indonesia dengan konstanta
pada suatu provinsi maka akan semakin
yang berbeda-beda pada masing-masing
tinggi juga migrasi masuknya.
provinsi.
Kesimpulan Pola migrasi masuk di Indonesia lebih baik di modelkan melalui Fixed Effect sehingga didapatkan 33 model untuk 33 provinsi. Variabel yang berpengaruh terhadap migrasi masuk dengan model Fixed Effect adalah Tingkat pengangguran Terbuka (TPT) dan Tingkat Partisipasi Angkatan
Kerja
(TPAK).
Tingkat
pengangguran Terbuka (TPT) memiliki korelasi negatif terhadap migrasi masuk, semakin rendah TPT maka akan semakin tinggi Tingkat
migrasi
masuknya
Partisipasi
sedangkan
Angkatan
Kerja
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
134
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
Appendix A. Grafik Pola Migrasi Masuk 33 Provinsi di Indonesia MIGRASI_ACEH 8 0 ,0 00
MIGRASI_BABEL 8 0 ,0 0 0
6 0 ,0 00
6 0 ,0 0 0
4 0 ,0 00
4 0 ,0 0 0
2 0 ,0 00
2 0 ,0 0 0
0
0
MIGRASI_BALI 1 6 0 ,0 0 0 1 4 0 ,0 0 0 1 2 0 ,0 0 0 1 0 0 ,0 0 0
MIGRASI_J ABAR 1 ,1 0 0 ,0 0 0
80 ,0 0 0 60 ,0 0 0
MIGRASI_J AKARTA 7 2 0,00 0
MIGRASI_JAMBI 1 2 0 ,0 0 0
6 8 0,00 0 1 ,0 0 0 ,0 0 0 6 4 0,00 0 9 0 0 ,0 0 0
1 0 0 ,0 0 0
6 0 0,00 0 5 6 0,00 0
80 ,0 0 0
8 0 0 ,0 0 0 5 2 0,00 0 7 0 0 ,0 0 0
4 8 0,00 0
MIGRASI_KALSEL 1 1 0 ,0 0 0
60 ,0 0 0
MIGRASI_KALTENG 1 4 0,00 0
MIGRASI_KALTIM 2 4 0 ,0 0 0
1 2 0,00 0
1 0 0 ,0 0 0
2 0 0 ,0 0 0 1 0 0,00 0
9 0 ,0 00
8 0 ,0 0 0 8 0 ,0 00
1 6 0 ,0 0 0
6 0 ,0 0 0 1 2 0 ,0 0 0
7 0 ,0 00
4 0 ,0 0 0
6 0 ,0 00
2 0 ,0 0 0
MIGRASI_MALUT 2 5 ,0 00
2 0 ,0 00
1 5 ,0 00
1 0 ,0 00
80 ,0 0 0
MIGRASI_NTB 80 ,0 0 0
1 0 0,00 0
70 ,0 0 0
8 0 ,0 0 0
60 ,0 0 0
6 0 ,0 0 0
50 ,0 0 0
4 0 ,0 0 0
40 ,0 0 0
2 0 ,0 0 0
MIGRASI_SULBAR 4 0 ,0 00
MIGRASI_NTT
1 2 0,00 0
30 ,0 0 0
MIGRASI_SULSEL 1 4 0,00 0
MIGRASI_SULTENG 76 ,0 0 0 72 ,0 0 0
3 6 ,0 00 1 2 0,00 0
68 ,0 0 0
3 2 ,0 00
64 ,0 0 0 1 0 0,00 0
60 ,0 0 0
2 8 ,0 00 56 ,0 0 0 2 4 ,0 00
8 0 ,0 0 0
MIGRASI_SUMSEL 2 0 0 ,0 0 0
1 6 0 ,0 0 0
52 ,0 0 0
MIGRASI_SUMUT
MIGRASI_YOGYA
1 5 0,00 0
2 3 0 ,0 0 0
1 4 0,00 0
2 2 0 ,0 0 0
1 3 0,00 0
2 1 0 ,0 0 0
1 2 0,00 0
2 0 0 ,0 0 0
1 1 0,00 0
1 9 0 ,0 0 0
1 0 0,00 0
1 8 0 ,0 0 0
1 2 0 ,0 0 0
8 0 ,0 00
4 0 ,0 00
MIGRASI_BANTEN 7 0 0 ,0 0 0
MIGRASI_BEN GKULU 7 0 ,0 0 0
6 0 0 ,0 0 0
MIGRASI_GOR ON TALO 2 8 ,0 0 0 2 4 ,0 0 0
6 0 ,0 0 0
5 0 0 ,0 0 0
2 0 ,0 0 0 5 0 ,0 0 0
4 0 0 ,0 0 0
1 6 ,0 0 0 4 0 ,0 0 0
3 0 0 ,0 0 0 2 0 0 ,0 0 0
1 2 ,0 0 0
3 0 ,0 0 0
MIGRASI_JATENG 5 2 0 ,0 0 0
8 ,0 0 0
MIGRASI_JATIM
MIGR ASI_KALBAR
3 2 0 ,0 0 0
5 0 ,0 0 0
2 8 0 ,0 0 0
4 0 ,0 0 0
2 4 0 ,0 0 0
3 0 ,0 0 0
2 0 0 ,0 0 0
2 0 ,0 0 0
4 8 0 ,0 0 0 4 4 0 ,0 0 0 4 0 0 ,0 0 0 3 6 0 ,0 0 0 3 2 0 ,0 0 0 2 8 0 ,0 0 0
1 6 0 ,0 0 0
MIGRASI_KEPR I
1 0 ,0 0 0
MIGRASI_LAMPUNG
2 2 0 ,0 0 0
1 6 0 ,0 0 0
2 0 0 ,0 0 0
1 4 0 ,0 0 0
1 8 0 ,0 0 0
1 2 0 ,0 0 0
1 6 0 ,0 0 0
1 0 0 ,0 0 0
1 4 0 ,0 0 0
8 0 ,0 0 0
MIGR ASI_MALUKU 3 0 ,0 0 0 2 5 ,0 0 0 2 0 ,0 0 0 1 5 ,0 0 0
MIGRASI_PAPBAR
1 0 ,0 0 0 5 ,0 0 0
MIGRASI_PAPU A
MIGR ASI_RIAU
8 0 ,0 0 0
7 0 ,0 0 0
3 6 0 ,0 0 0
6 0 ,0 0 0
6 0 ,0 0 0
3 2 0 ,0 0 0
4 0 ,0 0 0
5 0 ,0 0 0
2 8 0 ,0 0 0
2 0 ,0 0 0
4 0 ,0 0 0
2 4 0 ,0 0 0
0
3 0 ,0 0 0
MIGR ASI_SULTENGGA
2 0 0 ,0 0 0
MIGRASI_SU LUT
MIGR ASI_SUMBAR
1 2 0 ,0 0 0
6 0 ,0 0 0
1 4 0 ,0 0 0
1 0 0 ,0 0 0
5 0 ,0 0 0
1 3 0 ,0 0 0
8 0 ,0 0 0
4 0 ,0 0 0
1 2 0 ,0 0 0
6 0 ,0 0 0
3 0 ,0 0 0
1 1 0 ,0 0 0
4 0 ,0 0 0
2 0 ,0 0 0
1 0 0 ,0 0 0
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
135
Eksakta: Jurnal Imu-Ilmu MIPA
p. ISSN: 1411-1047 e. ISSN: 2503-2364
Statistik, Universitas Brawijaya,
Pustaka Bᾰlᾰ,
RM
dan
Prada,
Migration
EM.,
and
2014, Private
Consumption in Europe : a Panel th
Data Analysis, 7
International
Vol 2, No 6, 2014, 477-480. Simanulang, E., Silaen, F & Budiani, S., Pola
Migrasi
dan
Pembangunan
Ekonomi
antar
2012,
Conference on Applied Statistics,
Provinsi di Indonesia, Program
Procedia Economics and Finance
Studi
10, 2014, 141-149.
Kependudukan
Badan
Pusat
Statistik
http://www.bps.go.id/
Pascasarjana
(BPS),
Ketenagakerjaan,
Diakses
Indonesia, Jakarta.
Kajian dan Universitas
tanggal 17 Januari 2016. Ekananda, M., 2015, Ekonometrika Dasar untuk
Penelitian
Ekonomi,
Sosial
di
Bidang
dan
Bisnis,
Penerbit Mitra Wacana Media, Jakarta. Gujarati, D dan Porter, D., 2012,DasarDasar Ekonometrika Edisi 5, Penerbit Salemba Empat, Jakarta. Jennissen,
RPW.,
2003,
Economic
Determinants of net International Migration in Western Europe, Europian Journal of Population, 19, 171-198. Pusakasari, A., 2014, Regresi Panel dengan metode Weighted Cross Section
SUR
pengamatan
pada
Gross
Product
data
Domestic dengan
Heteroskedastisitas dan Korelasi antar
Individu
(Cross-Section
Correlation), Jurnal Mahasiswa
The Study of In-Migration between Provinces in Indonesia by Panel Data Regression (Asmadhini Handayani Rahmah)
136