bab iv hasil dan pembahasan 4.1 gambaran variabel dan...

BAB IV

HASIL DAN PEMBAHASAN

4.1 Gambaran Variabel dan Data Penelitian

Pada bagian ini akan diuraikan gambaran secara umum mengenai variabel-

variabel yang menjadi bahan kajian dalam penelitian ini pada periode 2010-2017

yang meliputi tingkat kemiskinan, Upah Minimum Kabupaten/Kota, pendidikan

yang diukur dengan Rata-rata Lama Sekolah, dan kesehatan yang diukur degan

Angka Harapan Hidup pada 38 kabupaten/kota di Provinsi Jawa Timur. Berikut

merupakan tabel deskripsi statistik dari variabel-variabel yang digunakan dalam

penelitian ini.

Tabel 4. 1 Hasil Deskripsi Statistik

Variable Obs Mean Std. Dev Min Max

POV 304 12.77797 5.378186 4.171884 32.47

MW 304 1274717 543239.4 635000 3296213

EDUC 304 7.204934 1.725413 3.14 11.1

HEALTH 304 70.50635 2.398498 61.13 73.88

Sumber: Hasil pengolahan data Stata14

37

38

4.1.1 Tingkat Kemiskinan

Menurut Badan Pusat Statistik (2018) tingkat kemiskinan (Head Count

Index) merupakan persentase penduduk atau rumah tangga miskin yang memiliki

rata-rata pengeluaran di bawah garis kemiskinan. Berdasarkan Tabel 4.1 diketahui

bahwa tingkat kemiskinan di Provinsi Jawa Timur periode 2010 hingga 2017 yang

ditunjukkan oleh variabel POV memiliki rata-rata sebesar 12,78%. Dengan tingkat

kemiskinan paling rendah selama periode penelitian terdapat di Kota Malang pada

tahun 2017 sebesar 4,17% sedangkan tingkat kemiskinan yang paling tinggi selama

periode penelitian terdapat di Kabupaten Sampang pada tahun 2010 sebesar

32,47%.

Grafik 4. 1 Tingkat Kemiskinan per Kabupaten/Kota di Provinsi

Jawa Timur Periode 2010-2017

Sumber: BPS Jawa Timur (data diolah)

39

Berdasarkan Grafik 4.1 menunjukkan keadaan tingkat kemiskinan di 38

kabupaten/kota di Provinsi Jawa Timur di mana rata-rata kabupaten/kota memiliki

tingkat kemiskinan yang cenderung mengalami penurunan dari tahun 2010-2017.

Pada 2017 diketahui bahwa Kota Malang adalah kota dengan tingkat kemiskinan

paling rendah, yakni sebesar 4,17%, kemudian pada urutan terendah selanjutnya

adalah Kota Batu dengan 4,3%, dan Kota Madiun dengan 4,94% penduduk miskin.

Adapun daerah yang memiliki tingkat kemiskinan tertinggi pada 2017 adalah

Kabupaten Sampang dengan 23,56%, disusul dengan Kabupaten Bangkalan

21,31% dan Kabupaten Probolinggo dengan 20,52% penduduk miskin.

4.1.2 Upah Minimum

Badan Pusat Statistik (2017) menjelaskan upah minimum sebagai upah

terendah bulanan yang terdiri dari upah pokok termasuk tunjangan tetap yang

diberlakukan di suatu wilayah. Berdasarkan Tabel 4.1 diketahui bahwa Upah

Minimum Kabupaten/Kota di Provinsi Jawa Timur periode 2010-2017 yang

ditunjukkan oleh variabel MW memiliki rata-rata sebesar Rp 543.239,4. Dengan

UMK tertinggi selama periode penelitian terdapat di Kota Surabaya pada tahun

2017 sebesar Rp 3.296.213, sedangkan UMK terendah selama periode penelitian

terdapat di Kabupaten Ponorogo, Kabupaten Trenggalek dan Kabupaten Pacitan

pada tahun 2010 sebesar Rp 635.000.

40

Grafik 4. 2 Upah Minimum Kabupaten/Kota di Provinsi


Sumber: Disnakertarans Prov. Jatim (data diolah)

Berdasarkan Grafik 4.2 menunjukkan keadaan Upah Minimum

Kabupaten/Kota di Provinsi Jawa Timur di mana memiliki kecendrungan

peningkatan setiap tahunnya dari tahun 2010-2017. Pada 2017 diketahui bahwa

Kota Surabaya adalah kota dengan UMK tertinggi, yakni sebesar

Rp 3.296.213, kemudian pada urutan tertinggi selanjutnya adalah Kabupaten Gersik

dengan UMK sebesar Rp 3.293.506, dan Kabupaten Sidoarjo dengan UMK sebesar

Rp 3.290.800. Adapun daerah yang memiliki UMK terendah pada 2017 di

antaranya Kabupaten Magetan, Pacitan, Trenggalek dan Ponorogo dengan UMK

sebesar Rp 1.388.848.

41

4.1.3 Rata-rata Lama Sekolah

Menurut Badan Pusat Statistik (2018) Rata-rata Lama Sekolah adalah

jumlah tahun belajar penduduk usia 15 tahun ke atas yang telah diselesaikan dalam

pendidikan formal dan tidak termasuk tahun yang mengulang. Berdasarkan

Tabel 4.1 diketahui bahwa pendidikan yang diukur dengan Rata-rata Lama Sekolah

di Provinsi Jawa Timur periode 2010-2017 yang ditunjukkan oleh variabel EDUC

memiliki rata-rata sebesar 7,2 tahun. Dengan RLS tertinggi selama periode

penelitian terdapat di Kota Madiun pada 2017 sebesar 11,1 tahun sedangkan RLS

terendah selama periode penelitian terdapat di Kabupaten Ngawi pada 2010

sebesar 3,14 tahun.

Grafik 4. 3 Rata-rata Lama Sekolah Kabupaten/Kota di Provinsi



42

Berdasarkan Grafik 4.3 menunjukkan keadaan RLS kabupaten/kota di

Provinsi Jawa Timur di mana memiliki kecendrungan peningkatan tiap tahunnya

dari 2010-2017. Pada 2017 diketahui Kota Madiun adalah kota yang memiliki RLS

tertinggi yakni sebesar 11,1 tahun, kemudian pada urutan tertinggi selanjutnya

adalah Kota Surabaya dengan RLS sebesar 10,45 tahun, dan Kabupaten Sidoarjo

dengan RLS sebesar 10,23 tahun. Adapun daerah yang memiliki RLS terendah pada

2017 adalah Kabupaten Sampang dengan RLS sebesar 4,12 tahun, kemudian pada

urutan terendah selanjutnya adalah Kabupaten Bangkalan dengan RLS sebesar 5,14

tahun, dan Kabupaten Sumenep dengan RLS sebesar 5.22 tahun.

4.1.4 Angka Harapan Hidup

Menurut Badan Pusat Statistik (2018) Angka Harapan Hidup adalah

perkiraan rata-rata jumlah jumlah tahun yang akan dijalani seseorang sejak orang

tersebut lahir. Berdasarkan Tabel 4.1 diketahui bahwa kesehatan yang diukur

dengan Angha Harapan Hidup di Provinsi Jawa Timur periode 2010-2017 yang

ditunjukkan oleh variabel HEALTH memiliki rata-rata sebesar 70,5 tahun. Dengan

AHH tertinggi selama periode penelitian terdapat di Kota Surabaya pada 2017

yakni 73,88 tahun sedangkan AHH terendah selama periode penelitian berada di

Kabupaten Kediri pada 2010 yakni 61,13 tahun.

43

Grafik 4. 4 Angka Harapan Hidup Kabupaten/Kota di Provinsi



Berdasarkan Grafik 4.4 menunjukkan keadaan AHH kabupaten/kota di

Provinsi Jawa Timur di mana memiliki kecendrungan peningkatan tiap tahunnya

dari 2010-2017. Pada 2017 diketahui Kota Surabaya adalah kota yang memiliki

AHH tertinggi yakni 73,88 tahun, kemudian pada urutan tertinggi selanjutnya

adalah Kabupaten Sidoarjo dengan AHH sebesar 73,71 tahun, dan Kota Kediri

dengan AHH sebesar 73,69 tahun. Adapun daerah yang memiliki AHH terendah

pada 2017 adalah Kabupaten Bondowoso dengan AHH sebesar 66,04 tahun,

kemudian urutan terendah selanjutnya adalah Kabupaten Probolinggo dengan AHH

sebesar 66,47 tahun, dan Kabupaten Pamekasana dengan AHH sebesar 67,05 tahun.

44

4.2 Hasil Estimasi Model

Estimasi dilakukan untuk melihat seberapa besar variabel independen

mempengaruhi variabel dependen dengan model yang digunakan adalah sebagai

berikut:

POVit = β0 + β1lnMWit + β2EDUCit + β3HEALTHit + εit

Di mana:

POV : Persentase penduduk miskin

MW : Upah Minimum Kabupaten/Kota

EDUC : Pendidikan yang diukur dengan RLS

HEALTH : Kesehatan yang diukur dengan AHH

ln : Notasi dalam bentuk logaritma

β0 : Intersep

β1, β2, β3 : Koefisien regresi

ε : Error term

i : Kabupaten/Kota

t : Tahun

45

Tabel 4. 2 Hasil Estimasi PLS, FEM, REM

Variable Pooled Least Fixed Effect Random

Square Model Effect Model

lnMW Koefisien -0.6757396 -1.389684*** -0.7353738**

Std. Error (0.4904904) (0.4293356) (0.2960353)

EDUC Koefisien

Std. Error

-2.368553***

(0.1405037)

-1.071459**

(0.4662561)

-1.915407***

(0.2579364)

HEALTH Koefisien

Std. Error

-0.185774**

(0.1005471)

-0.358441***

(0.0736481)

-0.328099***

(0.0714159)

Konstata Koefisien

Std. Error

52.39161***

(8.631017)

65.20466***

(5.199984)

59.99554***

(4.672679)

N 304 304 304

Prob > F 0.0000 0.0000

Prob>Chi-Square 0.0000

R-quare

PLS = 0.7008

FEM = 0.6959

REM = 0.6972

Ket:

* = Tingkat signifikasi 10%

** = Tingkat signifikansi 5%

*** = Tingkat signifikansi 1%


Perbandingan hasil estimasi model regresi ini merujuk pada penelitian

terdahulu yang dilakukan oleh Stevans & Sessions (2001) untuk melihat

kekonsistenan korelasi antara variabel independen terhadap variabel dependen dari

setiap model regresinya.

46

4.3 Uji Pemilihan Model

4.3.1 Uji Chow

Gujarati & Porter (2009) menjelaskan pengujian ini digunakan untuk

mengetahui antara Pooled Least Square atau Fixed Effect Model yang terbaik

digunakan dalam penelitian ini. Hasil dari pengujian ini adalah:

Tabel 4. 3 Hasil Uji Chow

Prob > F Signifikasi α

0.0000 0.05


Berdasarkan Tabel 4.3 diketahui bahwa model ini memiliki nilai

probabilitas sebesar 0,0000 di mana nilai tersebut lebih kecil jika dibandingkan

dengan nilai signifikansi α sebesar 0,05. Maka dari itu diketahui bahwa model

terbaik yang digunakan dalam penelitian ini adalah Fixed Effect Model.

4.3.2 Uji Hausman

Menurut Gujarati & Porter (2009) pengujian ini digunakan untuk mengetahi

antara Fixed Effect Model atau Random Effect Model yang terbaik digunakan dalam

penelitian ini. Hasil dari pengujian ini adalah:

Tabel 4. 4 Hasil Uji Hausman

Prob > Chi2 Signifikasi α

0.1775 0.05


47


probabilitas sebesar 0,1775 di mana nilai tersebut lebih besar jika dibandingkan

dengan nilai signifikansi α sebesar 0,05. Maka dari itu diketahui bahwa model

terbaik yang digunakan dalam penelitian ini adalah Random Effect Model.

4.3.3 Uji Bruecsh & Pagan Lagrangian Multiplier

Menurut Gujarati & Porter (2009) pengujian ini digunakan untuk

mengetahui antara Random Effect Model atau Pooled Least Square yang terbaik

digunakan dalam penelitian ini. Hasil dari pengujian ini adalah:

Tabel 4. 5 Uji Bruecsh & Pagan Lagrangian Multiplier

Prob > Chibar Signifikasi α

0.0000 0.05




dengan nilai signifikansi α sebesar 0,05. Maka dari itu dapat disimpulkan bahwa

model terbaik yang digunakan dalam penelitian ini adalah Random Effect Model.

48

4.4 Uji Asumsi Klasik

4.4.1 Uji Heteroskedastisitas

Menurut Gujarati & Porter (2009) pada hasil estimasi yang menggunakan

Random Effect Model merupakan estimasi dengan Generalized Least Square (GLS)

yaitu transformasi variabel sehingga memenuhi asumsi standar kuadrat terkecil, di

mana hasil estimasi dari GLS adalah homoskedastis, sehingga pada model ini dapat

dikatakan tidak terdapat masalah heteroskedastisitas yang berarti persebaran data

menjadi konstan atau tidak terdapat outlier pada data. Kemudian Wooldridge

(2012) menjelaskan Random Effect Model terbebas dari masalah asumsi klasik

lainnya, di mana pada model ini estimasi yang dihasilkan konsisten dan terdistribusi

dengan normal atau dapat dikatakan estimasi yang dihasilakn tidak bias.

4.4.2 Uji Autokorelasi

Menurut Gujarati & Porter (2009) pada hasil estimasi yang menggunakan

Radom Effect Model tidak terdapat korelasi dari error secara individual dan tidak

terdapat autokorelasi antara data time series dan cross section. Lebih lanjut

Wooldridge (2012) menjelaskan pada model ini tidak terdapat korelasi antara error

term, yakni error term pada periode waktu tertentu tidak memiliki korelasi dengan

variabel yang ada pada periode waktu lain.

49

4.4.3 Uji Multikolinearitas

Menurut Gujarati & Porter (2009) masalah multikolinearitas merupakan

masalah yang terjadi ketika terdapat hubungan antara variabel independen dalam

model yang digunakan. Apabila nilai koefisien korelasi antar variabel melebihi 0,8

maka dapat dikatakan terdapat masalah multikolinearitas dalam model. Hasil dari

pengujian ini adalah:

Tabel 4. 6 Uji Multikolinearitas

lnMW EDUC HEALTH

lnMW 1.0000

EDUC 0.3296 1.0000

HEALTH 0.3151 0.7045 1.000


Berdasarkan Tabel 4.6 diketahu bahwa nilai koefisien korelasi antar

variabel independen tidak menunjukkan nilai koefisien yang melebihi 0,8. Maka

dapat disimpulkan dalam model ini tidak terdapat masalah multikolinearitas.

50

4.5 Uji Statistik

4.5.1 Hasil Estimasi Random Effect Model

Tabel 4. 7 Hasil Estimasi Random Effect Model

VAR POV

lnMW - 0.73537**

(0.296)

EDUC - 1.9154***

(0.2579)

HEALTH - 0,3281***

(0.0714)

Constant 59.9955***

(4.6727)

Observations

Number of Region

R-Squared

304

38

0.6972

Standard errors in parentheses

*** p<0.01, ** p<0,05, * p<0,1

Sumber: Hasil pengolahan datat Stata14

Berdasarkan Tabel 4.7 maka dapat dilakukan pengujian signifikansi parsial

guna melihat pengaruh variabel independen secara individual terhadap variabel

dependen, dan juga pengujian koefisien determinasi untuk melihat seberapa besar

variabel independen yang digunakan dalam model dapat menjelaskan variabel

dependennya.

51

4.5.2 Uji Signifikansi Parsial

Berdasarkan hasil estimasi Random Effect Model di softwere Stata14,

pengujian signifikansi parsial menggunakan uji z untuk melihat pengaruh variabel

independen secara individual terhadap variabel dependen dalam model. Hasil dari

pengujian ini adalah:

Tabel 4. 8 Uji Signifikansi Parsial dengan Uji z

Variabel Prob z H0 Keterangan

lnMW 0.013 H0 ditolak Signifikan pada α = 0.05

EDUC 0.000 H0 ditolak Signifikan pada α = 0.01

HEALTH 0.000 H0 ditolak Signifikan pada α = 0.01


Berdasarkan Tabel 4.8 diketahui bahwa variabel upah minimum secara

parsial mempengaruhi tingkat kemiskinan secara signifikan pada tingkat

signifikansi 0,05. Sedangkan variabel pendidikan dan kesehatan secara parsial

mempengaruhi tingkat kemiskinan secara signifikan pada tingkat signifikansi 0,01.

4.5.3 Uji Signifikansi Simultan

Berdasarkan hasil estimasi Random Effect Model di softwere Stata14,

pengujian signifikansi simultan menggunakan uji Walad Chi-Square untuk melihat

apakah semua variabel independen yang digunakan dalam model mempengaruhi

variabel dependen secara signifikan. Hasil dari pengujian ini adalah:

52

Tabel 4. 9 Uji Signifikansi Simultan dengan Uji Walad Chi-Square

Prob > Chi-Square Signifikasi α

0.0000 0.05




dengan nilai signifikansi α sebesar 0,05. Maka dapat dikatakan, variabel-variabel

independen yang digunakan dalam penelitian ini meliputi, upah minimum,

pendidikan dan kesehatan secara bersama-sama mempengaruhi variabel dependen

yaitu tingkat kemiskinan.

4.5.4 Uji Koefisien Determinasi (R2)

Menurut Gujarati & Porter (2009) pengujian ini digunakan untuk

mengetahui seberapa besar variabel independen yang digunakan dalam model dapat

menjelaskan variabel dependennya. Nilai ini dapat dilihat dari besaran R-Squared

yang terdapat pada hasil estimasi. Berdasarkan Tabel 4.7 diketahui nilai R-Squared

sebesar 0,6972. Hal ini menjelaskan bahwa variabel independen yang digunakan

dalam model meliputi upah minimum, pendidikan, dan kesehatan dapat

menjelaskan variabel dependen yaitu tingkat kemiskinan sebesar 69,72%.

Sedangkan sisanya 30,28% dijelaskan oleh variabel independen lain di luar model.

53

4.6 Analisis Ekonomi

4.6.2.1 Intersep

Berdasarkan hasil estimasi dari model yang digunakan, nilai intersep yang

dihasilkan sebesar 59,996 yang artinya tanpa dipengaruhi oleh variabel lain tingkat

kemiskinan di Provinsi Jawa Timur periode 2010-2017 adalah sebesar 59,99%,

ceteres paribus.

4.6.2 Pengaruh Upah Minimum Terhadap Tingkat Kemiskinan

Berdasarkan Tabel 4.7 diketahui variabel upah minimum yang

dilogaritmakan memiliki pengaruh yang signifikan terhadap tingkat kemiskinan di

Provinsi Jawa Timur periode 2010-2017. Variabel ini mempunyai koefisien regresi

sebesar -0,735. Angka ini menjelaskan bahwa setiap terjadi kenaikan pada variabel

ini sebesar satu persen, maka tingkat kemiskinan akan turun sebesar 0,735%,

ceteres paribus.

Hasil penelitian ini sejalan dengan penelitian Stevans & Sessions (2001)

yang menjelaskan tentang kebijakan upah minimum dan beberapa faktor

pendukung lain terhadap kemiskinan di Amerika Serikat dan menunjukan bahwa

kebijakan upah minimum dapat menurunkan tingkat kemiskinan. Kemudian hasil

penelitian ini didukung oleh Lemos (2009) yang menjelaskan pengaruh dari

kebijakan upah minimum terhadap tenaga kerja dan kemiskinan di Brazil, dan

menemukan bukti bahwa meningkatkan upah minimum dapat menjadi kebijakan

yang efektif dalam mengatasi masalah kemiskinan tanpa membuat pekerja

dirugikan akibat kehilangan pekerjaan.

54

Dan hasil penelitian ini sejalan dengan beberapa penelitian yang dilakukan

Mincy (1990), Lustig & McLeod (1997), Addison & Blackburn (1999), Saget

(2001), Gindling & Terrel (2010), dan Alaniz et. al (2011) yang juga menjelaskan

pengaruh kebijakan upah minimum terhadap kemiskinan dan menemukan bukti

bahwa meningkatkan upah minimum dapat menurunkan tingkat kemiskinan.

4.6.3 Pengaruh Pendidikan Terhadap Tingkat Kemiskinan

Berdasarkan Tabel 4.7 diketahui variabel pendidikan yang diukur dengan

Rata-rata Lama Sekolah memiliki pengaruh yang signifikan terhadap tingkat

kemiskinan di Provinsi Jawa Timur periode 2010-2017. Variabel ini mempunyai

koefisien regresi sebesar -1,915. Angka ini menjelaskan bahwa setiap terjadi

kenaikan pada variabel ini sebesar satu tahun, maka tingkat kemiskinan akan turun

sebesar 1,915%, ceteres paribus.

Hasil penelitian ini sejalan dengan penelitian Olavarria-Gambi (2003)

menjelaskan tingkat pendidikan di atas rata-rata dapat menurunkan tingkat

kemiskinan di Chili pada tahun 1987-1998. Selain itu, hasil penelitian ini juga

sejalan dengan Stevans & Sessions (2001) yang menjelaskan bahwa tingkat

pendidikan yang diukur dengan rasio populasi berpendidikan perguruan tinggi

terhadap rasio populasi berpendidikan SMA memiliki hubungan negatif terhadap

tingkat kemiskinan di Amerika Serikat pada tahun 1984-1998. Dan hasil penelitian

ini sejalan dengan Bakhtiari and Meisami (2010) yang menemukan bukti bahwa

pendidikan memiliki pengaruh negatif terhadap tingkat kemiskinan di 37 negara

islam pada tahun 1970-2005.

55

4.6.4 Pengaruh Kesehatan Terhadap Tingkat Kemiskinan

Berdasarkan Tabel 4.7 diketahui variabel kesehatan yang diukur dengan

Angka Harapan Hidup memiliki pengaruh yang signifikan terhadap tingkat

kemiskinan di Provinsi Jawa Timur periode 2010-2017. Variabel ini memiliki

koefisien regresi sebesar -0,328. Angka ini menjelaskan bahwa setiap terjadi

kenaikan pada variabel ini sebesar satu tahun, maka tingkat kemiskinan akan turun

sebesar 0,328%, ceteres paribus.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan Olavarria-

Gambi (2003) yang menjelaskan bahwa adanya peningkatan kualitas pada bidang

kesehatan akan berdampak pada penurunan tingkat kemiskinan yang lebih efektif

di Chili pada tahun 1987-1998. Dan hasil penelitian ini didukung Bakhtiari &

Meisami (2010) yang menemukan bukti bahwa status kesehatan yang lebih baik

dapat menurunkan tingkat kemiskinan di 37 negara islam pada tahun 1970-2005.

Sebagai mana menurut penelitian terdahulu yang dilakukan Strauss &

Thomas (1998) kesehatan memiliki peranan penting dalam mengurangi tingkat

kemiskinan, karena kesehatan dapat meningkatkan produktivitas pekerja dan

meningkatkan pendapatan yang diterima, yang kemudian akan berdampak pada

penurunan tingkat kemiskinan di suatu wilayah.

bab iv hasil dan pembahasan 4.1 gambaran variabel dan...

Documents