BAB IV

HASIL DAN PEMBAHASAN

4.1. Identifikasi Model
Dari kajian teori dan metodologi yang digunakan, diketahui persamaan struktural
Y 1 i= 0+ 1 X 1 i + 2 X 2 i + 3 Y 2 i +u1 i

(1)

Y 2 i= 0 + 1 X 2 i + 2 X 3 i+ 3 X 4 i + 4 X 5i + 5 Y 1i +u 2i

(2)

Sebelum melakukan permodelan, dilakukan identifikasi model dari persamaan struktural.

Analisis identifikasi model menggunakan metode order dan rank sebagai berikut
1. Metode order
K
5
5

(1)
(2)

k
2
4

M
2
2

K-k
5-2
5-4

m-1
2-1
2-1

Identifikasi
Overidentified
Exactly Identified

Dari tabel di atas didapatkan bahwa persamaan-1 (pertumbuhan ekonomi)

overidentified dan persamaan-2 (kemiskinan) exactly identified. Oleh karena itu,
untuk mendapatkan nilai parameter persamaan simultan, persamaan-1 menggunakan
metode two stage least square (2SLS) dan persamaan-2 menggunakan indirect least
square (ILS).
2. Metode rank
Metode rank dan order memiliki tujuan yang sama yaitu identifikasi. Ketika
melakukan identifikasi, dapat dipilih salah satu dari kedua metode tersebut. Namun
dalam penelitian ini digunakan kedua metode untuk mendukung kesimpulan
identifikasi dari salah satu metode.
1
(1)

(2)

Y 1i

Y 2i

X1i

X2i

X3i
0
2

X4 i
0

X5i
0

A
2 3 4
1

Identifikasi
Overidentified
Exactly Identified

Dari tabel di atas, memberikan kesimpulan yang sama dengan metode order.
4.2. Metode Persamaan Simultan dan Analisis
1. Persamaan-1 (Pertumbuhan Ekonomi) dengan Two Stage Least Square (2SLS)
Langkah-langkah metode 2SLS sebagai berikut
a. Uji Hausman

Uji ini digunakan untuk mengetahui apakah variabel endogen berhubungan

dengan error. Langkah pengujian ini adalah sebagai berikut
Ho : = 0 [tidak ada masalah simultanitas]
H1 : 0 [ada masalah simultanitas]
Tingkat signifikansi : = 5%
Titik kritis
: p-value kurang dari
Statistik uji
: p-value = 0,5012 (Lampiran 1)
Dari pengujian di atas, keputusan yang diambil adalah gagal tolak Ho. Maka
dari itu, dapat disimpulkan bahwa variabel Y1 adalah variabel endogen dan
tidak ada masalah simultanitas atau tidak ada korelasi antara Y1 dan error.
b. Meregresikan variabel endogen pada semua variabel eksogen

untuk

mendapatkan persamaan reduced form.

Dari penurunan persamaan struktural, didapatkan persamaan reduced form
sebagai berikut untuk persamaan yang overidentified
Y 1 i= 0+ 1 X 1 i + 2 X 2 i + 3 Y^ 2 i +u1 i
dengan
Y^ 2 i=^ 6 + ^ 7 X 1i + ^ 8 X 2 i + ^ 9 X 3 i+ ^ 10 X 4 i + ^ 11 X 5 i
u1 i 3 v^ 2 i+u 1i
c. Menggantikan nilai variabel endogen pada persamaan struktural dengan nilai
estimasi yang diperoleh variabel endogen pada persamaan reduced form dan
kemudian diregresikan dengan metode ordinary least square (OLS).
Dari regresi persamaan struktural dengan mengganti nilai variabel endogen
menjadi nilai estimasi yang diperoleh variabel endogen pada persamaan
reduced form, didapatkan model sebagai berikut (dari Lampiran 2)
Y 1 i=1.606879+ 0.252825 X 1 i+ 0.00074 X 2 i +0.443403 Y 2i
RAdj2=0,155121
Dari persamaan di atas, didapatkan variabel yang signifikan adalah kemiskinan
(Y2). Maka, yang diinterpretasi hanya variabel kemiskinan.

d. Analisis
Secara Bersama-sama Ketiga Variabel
Bila dilihat secara bersama-sama pengaruh variabel pengangguran
(X1), investasi (X2), dan kemiskinan (Y2) terhadap pertumbuhan ekonomi

(Y1), didapatkan nilai F-statistik sebesar 2,958299 sedangkan F-tabel

sebesar 2,68 sehingga F-hitung lebih besar F-tabel. Sehingga dapat diambil
kesimpulan bahwa ada salah satu dari ketiga variabel yang mempengaruhi
nilai pertumbuhan ekonomi.
Kemiskinan (Y2) terhadap Pertumbuhan Ekonomi (Y1)
Hasil estimasi menunjukkan bahwa tingkat kemiskinan berkorelasi
positif terhadap pertumbuhan ekonomi Indonesia. Hal ini berarti bahwa
semakin meningkat tingkat kemiskinan, maka pertumbuhan ekonomi
Indonesia semakin meningkat. Dari hasil pengujian terhadap nilai t-statisik
diperoleh nilai 2.95091 yang lebih besar dibandingkan dengan t-tabel
(=5%). Dengan demikian dapat diartikan bahwa kemiskinan berpengaruh
signifikan terhadap pertumbuhan ekonomi. Walaupun demikian, hasil
penelitian ini tidak sejalan dengan pendapat Todaro (2004), bahwa faktor
kemiskinan dapat berpengaruh terhadap pencapaian laju pertumbuhan
ekonomi.
e. Uji Asumsi
Asumsi Normalitas
Berdasarkan Lampiran 3, didapatkan nilai Jarque-Bera sebesar 44,017
dengan p-value sebesar 0,0000. Jadi, dapat diambil kesimpulan bahwa
asumsi normalitas tidak terpenuhi atau error tidak berdistribusi normal.
Asumsi Autokorelasi
Berdasarkan Lampiran 4, didapatkan nilai Durbin-Watson sebesar
2,26707 dengan p-value 0,0615. Nilai tersebut mendekati nilai 2 dengan pvalue kurang dari alfa 5 persen. Jadi dapat disimpulkan bahwa asumsi
autokorelasi terpenuhi atau tidak terjadi masalah autokorelasi dari error
model tersebut.
Asumsi Homoskedastisitas
Berdasarkan Lampiran 5, didapatkan nilai Breusch-Pagan-Godfrey
sebesar 8,720864 dengan p-value sebesar 0,0003. Jadi, dapat disimpulkan
bahwa asumsi homoskedastisitas tidak terpenuhi atau error dari model
tersebut heteroskedastis.
Asumsi Multikolinieritas
Berdasarkan Lampiran 6, didapatkan nilai VIF dari ketiga variabel
dalam model sebesar kurang dari 10. Jadi, dapat diambil kesimpulan bahwa

asumsi multikolinieritas terpenuhi atau tidak ada multikolineritas antar

variabel.
2. Persamaan-2 (Kemiskinan) dengan Indirect Least Square (ILS)
Langkah-langkah metode ILS sebagai berikut
a. Uji Hausman
Uji ini digunakan untuk mengetahui apakah variabel endogen berhubungan
dengan error. Langkah pengujian ini adalah sebagai berikut
Ho : = 0 [tidak ada masalah simultanitas]
H1 : 0 [ada masalah simultanitas]
Tingkat signifikansi : = 5%
Titik kritis
: p-value kurang dari
Statistik uji
: p-value = 0,4335 (Lampiran 7)
Dari pengujian di atas, keputusan yang diambil adalah gagal tolak Ho. Maka
dari itu, dapat disimpulkan bahwa variabel Y2 adalah variabel endogen dan
tidak ada masalah simultanitas atau tidak ada korelasi antara Y2 dan error.
b. Membuat persamaan reduced form dari persamaan struktural.
Dari penurunan persamaan struktural, didapatkan persamaan reduced form
sebagai berikut
Y 1 i= 0 + 1 X 1 i + 2 X 2 i+ 3 X 3 i + 4 X 4 i+ 5 X 5 i + v1 i
Y 2 i= 6 + 7 X 1i + 8 X 2 i + 9 X 3 i+ 10 X 4 i + 11 X 5 i + v 2i

(3)
(4)

dengan
0=

0+ 3 0
;
(1 3 5)

1=

1
;
(1 3 5 )

2=

2+ 3 1
;
(1 3 5 )

3=

3 2
;
(1 3 5)

4=

3 3
;
(1 3 5 )

5=

3 4
;
(1 3 5)

6=

0 + 0 5
;
(1 3 5)

7=

1 5
;
(1 3 5)

8=

1+ 2 5
;
(1 3 5)

9=

2
;
(1 3 5)

10=

3
;
(1 3 5 )

11=

4
(1 3 5)

sehingga
3=

3
;
9

5=

7
;
1

0= 0 3 6 ;

c. Menerapkan OLS terhadap persamaan reduced form.

2= 2 3 8

Dari penerapan OLS terhadap persamaan reduced form antara variabel

endogen dan variabel eksogen didapatkan persamaan berikut (berdasarkan
Lampiran 8)
Y 1 i=39.68047+0.325638 X 1 i0.000158 X 2i +0.187718 X 3i
0.517476 X 4 i +0.001576 X 5 i
RAdj2=0.376995
Y 2 i=188.22780.104804 X 1 i0.001402 X 2 i1.746507 X 3 i
0.901352 X 4 i+4.469516 X 5 i
RAdj2=0.356551
d. Menghitung koefisien struktural dengan menggunakan koefisien reduced form.
Dari koefisien persamaan reduced form didapatkan koefisien persamaan
struktural sebagai berikut
Y 2 i=200,99860,00146 X 2 i0,06041 X 3 i0,031179 X 4 i
0,000507 X 5 i0,32148 Y 1 i
Dari persamaan di atas, didapatkan variabel yang signifikan adalah konstanta
(C), AHH (X3), AMH (X4), dan MYS (X5). Maka, yang diinterpretasi hanya
variabel konstanta, AHH, AMH, dan MYS.
e. Analisis
Konstanta (C) terhadap Kemiskinan (Y2)
Konstanta dalam model kemiskinan adalah sebesar 200,9986. Angka
tersebut berarti, apabila variabel lain dianggap tetap, maka kemiskinan
sebesar 200,9986.
Angka Harapan Hidup (X3) terhadap Kemiskinan (Y2)
Hasil estimasi menunjukkan bahwa variabel angka harapan hidup
berkorelasi negatif terhadap tingkat kemiskinan Indonesia. Hal ini berarti
bahwa semakin meningkat angka harapan hidup penduduk Indonesia, maka
tingkat kemiskinan Indonesia semakin menurun. Koefisien variabel angka
harapan hidup sebesar 0,06041. Hal ini berarti bahwa setiap kenaikan angka
harapan hidup sebesar 1 tahun akan menyebabkan terjadinya penurunan
angka kemiskinan sebesar 0,06 persen. Hasil penelitian ini tidak berbeda
dengan hasil penelitian Kartasasmita (1996), yang menyatakan bahwa

kondisi kemiskinan disebabkan oleh empat penyebab diantaranya adalah

akibat dari rendahnya derajat kesehatan masyarakat.
Angka Melek Huruf (X4) terhadap Kemiskinan (Y2)
Hasil estimasi menunjukkan bahwa angka melek huruf berkorelasi
negatif terhadap tingkat kemiskinan Indonesia. Hal ini berarti bahwa
semakin meningkat angka melek huruf penduduk Indonesia, maka tingkat
kemiskinan Indonesia semakin menurun. Koefisien variabel angka melek
huruf sebesar -0,031179 yang berarti bahwa setiap kenaikan angka melek
huruf penduduk sebesar 1 persen menyebabkan penurunan jumlah
penduduk yang hidup di bawah garis kemiskinan sebesar 0,03 persen. Hasil
penelitian ini sejalan dengan kesimpulan hasil penelitian Kartasasmita
(1996), yang menyatakan bahwa kondisi kemiskinan di tengah-tengah
masyarakat diantaranya disebabkan oleh faktor rendahnya taraf pendidikan
masyarakat yang tercermin dari angka angka melek huruf penduduk yang
rendah.
Rata-rata Lama Pendidikan (X5) terhadap Kemiskinan (Y2)
Hasil estimasi menunjukkan bahwa rata-rata lama pendidikan
berkorelasi negatif terhadap tingkat kemiskinan Indonesia. Hal ini berarti
bahwa semakin meningkat rata-rata lama pendidikan penduduk Indonesia,
maka tingkat kemiskinan Indonesia semakin menurun. Koefisien variabel
rata-rata lama pendidikan sebesar -0,000507 yang berarti bahwa kenaikan
rata-rata lama pendidikan sebesar 1 tahun akan menurunkan jumlah
penduduk yang hidup di bawah garis kemiskinan sebesar 0,0005 persen.
Hasil penelitian ini sejalan dengan penelitian Sharp, seperti dikutip
Kuncoro (2006), yang menyatakan bahwa penyebab kemiskinan dipandang
dari segi ekonomi di antaranya disebabkan oleh perbedaan dalam kualitas
sumber daya manusia. Kualitas sumber daya manusia yang rendah berarti
produktivitasnya rendah, yang pada gilirannya upahnya juga rendah.
Rendahnya kualitas sumber daya manusia ini disebabkan oleh rendahnya
pendidikan.
f. Uji Asumsi

Tidak dapat dilakukan uji asumsi dalam model ILS. Hal tersebut
disebabkan karena model ILS diperoleh secara tidak langsung dari persamaan
reduced form.

LAMPIRAN
Lampiran 1. Uji Hausman (Y1)
Dependent Variable: Y1_PDRB
Method: Least Squares
Date: 01/26/15 Time: 22:19
Sample: 1 33
Included observations: 33
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X1_TPT
X2_INVESTASI
Y2_EST
RESID_Y2

-1.607786
0.252980
0.000740
0.443400
-0.082892

3.384499
0.331990
0.000777
0.151671
0.121649

-0.475044
0.762012
0.952651
2.923435
-0.681402

0.6384
0.4524
0.3489
0.0068
0.5012

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.246800
0.139200
4.175929
488.2747
-91.28208
2.293681
0.084258

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

6.827166
4.500927
5.835278
6.062021
5.911570
2.271398

Lampiran 2. Metode 2SLS untuk Model Y1

Dependent Variable: Y1_PDRB
Method: Two-Stage Least Squares
Sample: 1 33
Included observations: 33
Instrument specification: X1_TPT X2_INVESTASI X3_AHH X4_AMH
X5_MYS
Constant added to instrument list
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X1_TPT
X2_INVESTASI
Y2_ESTIMATE

-1.606879
0.252825
0.000740
0.443403

3.352778
0.328899
0.000770
0.150260

-0.479268
0.768701
0.961771
2.950910

0.6353
0.4483
0.3441
0.0062

R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
J-statistic
Prob(J-statistic)

0.234329
0.155121
4.137130
2.958299
0.048745
9.090825
0.010616

Mean dependent var

S.D. dependent var
Sum squared resid
Durbin-Watson stat
Second-Stage SSR
Instrument rank

6.827166
4.500927
496.3595
2.267070
496.3656
6

 Lampiran 3. Uji Normalitas Model Y1

20

Series: Residuals
Sample 1 33
Observations 33

16

12

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

2.91e-15
-0.120922
13.98781
-12.31097
3.938478
0.360065
8.611980

Jarque-Bera
Probability

44.01774
0.000000

0
-10

-5

10

15

Lampiran 4. Uji Autokorelasi Model Y1

Breusch-Godfrey Serial Correlation LM Test:
Obs*R-squared

5.577210

Prob. Chi-Square(2)

0.0615

Lampiran 5. Uji Homoskedastisitas Model Y1

Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
Obs*R-squared
Scaled explained SS

8.720864
15.65129
46.00296

Prob. F(3,29)
Prob. Chi-Square(3)
Prob. Chi-Square(3)

0.0003
0.0013
0.0000

Lampiran 6. Uji Multikolinieritas Model Y1

Coefficientsa
Model

Unstandardized
Coefficients
B

(Constant)

Std. Error

-1,610

3,353

X1

,253

,329

X2

,001

Y2

,444

a. Dependent Variable: y1

Standardized
Coefficients

Sig.

Beta

Collinearity
Statistics
Tolerance

VIF

-,480

,635

,143

,769

,448

,758

1,319

,001

,193

,962

,344

,657

1,523

,150

,549 2,952

,006

,764

1,309

 Lampiran 7. Uji Hausman (Y2)

Dependent Variable: Y2_KEMISKINAN
Method: Least Squares
Date: 01/26/15 Time: 22:32
Sample: 1 33
Included observations: 33
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X2_INVESTASI
X3_AHH
X4_AMH
X5_MYS
Y1_EST
RESID_Y1

200.9986
-0.001453
-1.686091
-1.067898
4.470023
-0.321842
-0.286643

88.10617
0.001309
0.787658
0.849852
2.074919
1.638506
0.360335

2.281323
-1.110085
-2.140638
-1.256569
2.154313
-0.196424
-0.795491

0.0310
0.2771
0.0419
0.2201
0.0407
0.8458
0.4335

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.469989
0.347679
6.651750
1150.390
-105.4222
3.842603
0.007087

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

14.42909
8.235791
6.813468
7.130909
6.920278
1.810903

Lampiran 8. Metode ILS untuk Model Y2

Dependent Variable: Y1_PDRB
Method: Least Squares
Sample: 1 33
Included observations: 33
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X1_TPT
X2_INVESTASI
X3_AHH
X4_AMH
X5_MYS

39.68047
0.325638
-0.000158
0.187718
-0.517476
0.001576

28.36116
0.284967
0.000751
0.402839
0.140820
1.108263

1.399113
1.142721
-0.210138
0.465988
-3.674745
0.001422

0.1732
0.2632
0.8351
0.6450
0.0010
0.9989

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.474339
0.376995
3.552612
340.7684
-85.34745
4.872787
0.002641

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

6.827166
4.500927
5.536209
5.808301
5.627760
1.552390

Dependent Variable: Y2_KEMISKINAN

Method: Least Squares
Sample: 1 33
Included observations: 33
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
X1_TPT
X2_INVESTASI
X3_AHH
X4_AMH
X5_MYS

188.2278
-0.104804
-0.001402
-1.746507
-0.901352
4.469516

52.73982
0.529920
0.001396
0.749111
0.261865
2.060903

3.568988
-0.197774
-1.004545
-2.331441
-3.442046
2.168717

0.0014
0.8447
0.3240
0.0274
0.0019
0.0391

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.457090
0.356551
6.606364
1178.389
-105.8190
4.546392
0.003893

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

14.42909
8.235791
6.776910
7.049002
6.868460
1.881999