Analisis Dinamika Migrasi Internasional Terhadap Tingkat Kemiskinan Dan Pengangguran Dari Indonesia Ke Kawasan Intra Asia Tenggara

DINAMIKA MIGRASI INTERNASIONAL TERHADAP TINGKAT
KEMISKINAN DAN PENGANGGURAN DARI INDONESIA KE
KAWASAN INTRA ASIA TENGGARA
DISUSUN OLEH :
NADYA SORAYA
01021281520182
EKONOMI PEMBANGUNAN
KEMENTERIAN RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI

UNIVERSITAS SRIWIJAYA
FAKULTAS EKONOMI
2018
BAB I
1. Latar Belakang
Jumlah dan struktur penduduk merupakan faktor pendukung terhadap
keberhasilan pembangunan di suatu wilayah. Namun, jumlah penduduk yang
besar harus pula didukung kualitasnya yang baik. Penduduk yang besar dan
berkualitas diharapkan mampu meningkatkan produktivitas, di mana secara tidak
langsung memberi dampak positif kepada peningkatan kesejahteraan masyarakat.
Salah satu komponen kependudukan yang mempengaruhi jumlah dan struktur
penduduk adalah migrasi. Migrasi merupakan perpindahan yang dilakukan dari
satu tempat ke tempat yang lain dalam jangka waktu tertentu (kusreni, 2017:1).
Menurut Salvatore (1996 : 494-495) ada cukup banyak keuntungan
ekonomi dari migrasi internasional. Bagi para pekerja, tingkat pendapatan di
tempat baru lebih tinggi daripada yang mereka peroleh dari tempat asalnya.
Dengan pendapatan yang lebih tinggi itu mereka akan memperoleh standar hidup
yang lebih baik. Mereka juga dapat menyediakan pendidikan, peluang kerja serta
masa depan yang lebih baik untuk anak-anaknya.
Migrasi internasional merupakan fenomena menarik dalam mengatasi
masalah tenaga kerja di Indonesia. Pada situasi tingkat pengangguran yang terus
meningkat, Indonesia mendapatkan keuntungan dari mengirim tenaga kerja ke luar
negeri, yaitu dapat mengurangi atau mengatasi masalah pengangguran yang ada di
Indonesi dan pengiriman tenaga kerja ke luar negeri bisa membuat keluarga yang
ditinggalkan hidup sejahtera dan juga dapat menambah devisa negara.

Migrasi tenaga kerja yang terjadi merupakan refleksi perbedaan
pertumbuhan ekonomi dan ketidakmerataan fasilitas pembangunan antar suatu
negara dengan negara lain. Tenaga kerja dari negara dengan tingkat pertumbuhan
ekonomi yang lebih rendah akan berpindah menuju negara yang memiliki tingkat
pertumbuhan perekonomi, dan upah yang lebih tinggi, kondisi lingkungan yang
lebih baik, dan kesempatan kerja yang lebih besar.
Jumlah tenaga kerja di Indonesia dengan pendidikan hanya sebatas tamat
SD, SMP, dan SMA sudah cukup banyak dibandingkan dengan latar belakang
pendidikan diploma atau sarjana. Hal ini menguntungkan bagi Indonesia karena
dengan latar belakang pendidikan yang rendah upah yang ditawarkan juga rendah,
sedangkan upah yang ditawarkan luar negeri untuk pekerja sektor informal (yang
tidak membutuhkan keahlian khusus) cenderung lebih tinggi. Harapan penduduk
setelah melakukan migrasi ke luar negeri adalah berubahnya kualitas kehidupan
menjadi lebih baik.
2010 2011 2012 2013 2014 2015 2016
Tingkat 8,320 8,681 8,7,345 7,411 7,245 7,561 7,032
Pengangguran
Sumber: adb.org
Tingginya jumlah pengangguran di Indonesia dan menyempitnya lapangan
pekerjaan, membuat sebagian besar penduduk memilih untuk bermigrasi keluar
negeri guna mendapatkan pekerjaan. Terlihat dari data di atas bahwa walaupun
angka tingkat kemiskinan terus berkurang tetapi angka tersebut masih terbilang
cukup tinggi dan membuat sebagian masyarakat Indonesia bermigrasi untuk
mendapatkan kehidupan yang lebih layak.
Kondisi pembangunan ekonomi negara-negara berkembang dalam
beberapa dasawarsa ini tidak sanggup menyediakan kesempatan kerja yang lebih
banyak daripada pertambahan penduduk, sehinga masalah pengangguran dari
tahun ke tahun semakin serius. Apabila hal tersebut tidak segera diatasi dan dicari
jalan keluarnya, maka akan dapat menimbulkan kerawanan sosial dan berpotensi
menambah tingkat kemiskinan. (Siswosoemarto, 2012:460-461)
2. Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, pokok permasalahan yang akan
diangkat dalam penelitian ini adalah :
 apakah jumlah penduduk miskin berpengaruh secara spasial terhadap
dinamika migrasi ?
 apakah jumlah pengangguran berpengaruh secara parsial terhadap
dinamika migrasi ?
3. Tujuan Penelitian
Tujuan dalam penelitian ini adalah untuk mengetahui apa saja yang menjadi
faktor dalam pemilihan negara di kawasan Intra Asia Tenggara dalam bermigrasi,
bagaimana posisi Indonesia dalam migrasi Intra Asia Tenggara, dan menganalisis
apakah jumlah pengangguran, kualitas pendidikan, dan jumlah penduduk miskin
berpengaruh secara parsial terhadap dinamika migrasi.

4. Manfaat Penelitian
Manfaat penelitian ini adalah untuk memberikan masukan kepada pembuat
kebijakan sebagai bahan pertimbangan dalam membuat kebijakan pengiriman
tenaga kerja ke luar negeri. Mengkaji posisi Indonesia dalam migrasi Intra Asia
Tenggara. Dan memberikan sumbangan infomasi kepada pemerintah bagaimana
meningkatkan kualitas sumber daya manusia di Indonesia agar bisa lebih bersaing
dengan negara luar.

BAB II
Studi Kepustakaan
2.1 Landasan Teori
2.1.1 Teori Migrasi Michael P. Todaro
Todaro berpendapat bahwa motivasi utama seseorang untuk mengambil keputusan
bermigrasi adalah karena motif ekonomi. Di dalam Expected Income model of
rural-urban migration beliau menyebutkan bahwa motivasi tersebut sebagai
pertimbangan ekonomi yang rasional, dimana mobilitas ke kota mempunyai dua
harapan, yaitu harapan untuk memperoleh pekerjaan dan harapan untuk
memperoleh pendapatan yang lebih tinggi daripada yang diperoleh di desa.
Penghasilan yang diharapkan diukur dengan perbedaan dalam penghasilan rill
antara pekerjaan di desa dan di kota. Dengan kata lain bahwa para migran akan
melakukan migrasi bila penghasilannya lebih besar daripada biaya yang
dikeluarkan. ( Todaro, 2003 : 383-385)
2.1.2 Teori Heckser-Ohlin
Teori Heckser-Ohlin menyatakan bahwa suatu wilayah sebaiknya
berspesialisasi pada barang yang wilayah tersebut mempunyai kandungan
(abundance) faktor produksi yang lebih besar dibandingkan dengan wilayah
lainnya. Karena produksi menggunakan sumber daya mempunyai kandungan
besar pada suatu wilayah akan cenderung lebih murah, maka wilayah tersebut
juga akan lebih diuntungkan bila mengekspor barang tersebut kepada wilayah lain
yang biaya produksinya lebih mahal. Misalnya, wilayah kurang maju (Less
Developed Region) biasanya mempunyai kandungan sumber daya tanah dan
tenaga kerja yang besar, sehingga dapat memproduksi dan mengekspor barang
hasil produksi pertanian atau barang-barang yang diproduksi dengan Teknologi
Padat Karya (Labor Intensive Technology) sehingga biaya produksinya menjadi
murah. Sebaliknya, wilayah maju (Developed Region) biasanya mempunyai
kandungan sumber daya modal yang lebih besar sehingga memungkinkannya
untuk menghasilkan dan mengekspor barang hasil produksi industri yang
menggunakan Teknologi Padat Modal (Capital Intensive Technology) dengan
lebih murah. Dengan demikian, terlihat bahwa perdagangan akan memberikan
keuntungan dan kesejahteraan (welfare) kepada kedua wilayah yang terlibat.
(Sjafrizal, 2012:70)
2.1.3 Teori Keuntungan Komparatif
Teori keuntungan komparatif disusun atas dasar asumsi bahwa mobilitas
sumber daya antar wilayah adalah tidak lancar (inmobile). Akan tetapi,
adakalanya para ahli ekonomi wilayah cenderung mengasumsikan bahwa
mobilitas sumber daya antar wilayah tersebut adalah cukup lancar. Hal ini terjadi
karena analisis ekonomi wilayah lebih banyak memerhatikan mobilitas sumber
daya antar wilayah dalam satu negara yang umumnya memang lebih lancar
dibandingkan mobilitas antar negara, sebagaimana yang dilakukan dalam analisis
keuntungan komparatif. Hal ini terlihat dalam kegiatan perdagangan antar wilayah
dimana jarang sekali ada wilayah yang diperbolehkan mengenakan bea masuk
terhadap barang yang masuk ke wilayahnya dan sebaliknya. Dalam keadaan
mobilitas antar wilayah lancar, maka faktor produksi akan bergerak (pindah)
menuju wilayah yang dapat memberikan kompensasi dan tingkat pengembalian
modal (rate of return) yang lebih tinggi. (Sjafrizal, 2012:65)
2.2 Penelitian Terdahulu
Penelitian yang dilakukan oleh Allo (2016) tentang perkiraan pola migrasi antar
provinsi di Indonesia: pendekatan demografi-ekonomi dengan menggunakan
metode kuantitatif, memperoleh hasil yang menyatakan bahwa Kecenderungan
migrasi penduduk di Indonesia dibagi dalam dua tipe yaitu: migrasi antar-pulau
dan migrasi dalam pulau. Tujuan utama migrasi antar pulau masih didominasi
oleh Pulau Jawa (Yogyakarta, Jawa Barat, Jawa Timur, dan DKI Jakarta) dan
Bali. Sedangkan migrasi di dalam pulau lebih disebabkan oleh jarak dan
kedekatan budaya antar provinsi dalam satu pulau. Hal ini menunjukkan bahwa
Pulau Jawa masih merupakan daerah tujuan utama dari para migran. Hal ini
mengindikasikan bahwa pemerataan pembangunan antar- provinsi di Indonesia
belum baik. Dengan demikian, sangat penting untuk melakukan percepatan
terhadap program-program dalam Masterplan Percepatan dan Perluasan
Pembangunan Ekonomi Indonesia (MP3EI). Selain itu, hasil penelitian juga
menunjukkan bahwa masyarakat di Provinsi DI Yogyakarta memiliki
kecenderungan untuk tidak melakukan migrasi, di mana dalam penelitian ini tidak
diteliti secara mendalam. Dengan demikian, perlu untuk melakukan penelitian
mendalam terkait dengan faktor yang mempengaruhi kecenderungan tersebut.
Dalam penelitian yang dilakukan oleh Kusreni (2017) yang berjudul
faktor-faktor yang mempengaruhi migrasi tenaga kerja ke luar negeri berdasarkan

provinsi di Indonesia dengan menggunakan metode regresi data panel,
memperoleh hasil yang menyatakan bahwa variabel pengangguran, PDRB per
kapita, pendidikan, dan kemiskinan secara bersama-sama mempunyai pengaruh
positif dan signifikan terhadap migrasi tenaga kerja keluar berdasarkan provinsi di
Indonesia pada tahun 2010 hingga 2014. Berdasarkan uji F-statistik yang telah
dilakukan sebelumnya. Berdasarkan hasil uji t menunjukan bahwa pengangguran
dan jumlah penduduk miskinmempunyai pengaruh yang positif dan signifikan
terhadap migrasi tenaga kerja keluar berdasarkan provinsi di Indonesia pada tahun
2010 hingga 2014. Rata-rata lama menempuh pendidikan dan PDRB per kapita
memilki pengaruh yang negatif atau tidak signifikan terhadap migrasi tenaga kerja
keluar berdasarkan provinsi di Indonesia pada tahun 2010 hingga 2014.
Penelitian yang dilakukan oleh Wafirotin (2013) yang berjudul dampak
migrasi terhadap kondisi sosial ekonomi keluarga YKI di kecamatan Badadan
kabupaten Ponorogo dengan menggunakan metode kuantitatif yang memperoleh
hasil adanya dampak sosial ekonomi yang dirasakan oleh keluarga TKI antara lain
peningkatan pengetahuan dan pendidikan anggota keluarga TKI, peningkatan
pendapatan keluarga, serta peningkatan status kepemilikan barang berharga yang
dimiliki oleh keluarga TKI. Sedangkan faktor yang menyebabkan migrasi tenaga
kerja asal kecamatan Babadan kabupaten Ponorogo menjadi TKI ke luar negeri
disebabkan beberapa faktor pendorong yang berasal dari daerah asal yaitu
pendapatan yang rendah, sempitnya lapangan pekerjaan,. Sedangkan faktor
penarik yang berasal dari daerah negara tujuan yaitu gaji tinggi, dan peluang kerja
di negara tujuan yang masih luas.

Penelitian yang dilakukan oleh Tajuddin (2015) dengan judul migrasi
internasional perilaku pekerja migran di Malaysia dan perempuan ditinggal
migrasi di Lombok Timur dengan menggunakan metode studi kasus dan
memperoleh hasil yang menyatakan pengaruh pendapatan terhadap perilaku
pekerja migran relatif besar, terlihat dari mode berpakaian, pola konsumsi,
kebutuhan hiburan dan sifat konsumtif. Pola hidup konsumtif terlihat nyata dan
relatif sama, sedangkan untuk pemenuhan kebutuhan seksual pekerja migran
memilih menikah sesama pekerja dengan alasan lebih aman, irit dan takut tertular
penyakit. Pada bagian lain tugas utama PADMI tidak hanya pemenuhan
kebutahan hidup, tetapi menjaga dan mempertahankan keutuhan rumah
tangganya. Kecendrungan PADMI mendapat gangguan pihak ketiga sangat besar
dan tidak jarang berakhir di meja pengadilan. Tanpa mengabaikan dampak
ekonomis, tingginya angka cerai gugat di daerah pengirim membuktikan aktivitas
migrasi merusak konstruksi rumah tangga pekerja migran.
Penelitian yang dilakukan oleh Prihanto (2013) yang berjudul pengaruh
status pekerjaan dan negara penempatan terhadap remitansi pekerja negara migran
Indonesia dengan menggunakan metode kuantitatif dan memperoleh hasil yang
menyatakan bahwa Pekerja migran Indonesia selama periode tahun 2009-2011
mengalami penurunan rata rata sebesar angka 0,2 persen per tahun. Pada tahun
2009, pekerja migran yang bekerja di sekor informal sebesar 83,6 persen, namun
pada tahun 2011 jumlah pekerja migran yang bekerja di sektor informal berkurang
menjadi 61,9 persen. Hasil analisis regresi linier berganda membuktikan, bahwa
terdapat pengaruh yang positif dan signifikan antara besarnya pekerja migran
sektor Formal, besarnya pekerja migran sektor Informal, dan Negara Penempatan
pekerja terhadap remitan yang dikirimkan.
2.3 Kerangka Pikir
Dinamika Migrasi
Interasional
Faktor-faktor yang
mempengaruhi migrasi
Kualitas pengangguran
Jumlah
pendidikan
penduduk
miskin
Kebijakan pemerintah
dalam meningkatkan
kualitas SDM
Migrasi internasional dipengaruhi oleh faktor rendahnya upah didalam
negeri yang dikarenakan rendahnya kualitas pendidikan, selain itu migrasi
internasional juga dipengaruhi oleh tingginya tingkat pengangguran dan angka
kemiskinan yang membuat masyarakat yang ingin merubah kualitas hidupnya
bermigrasi ke luar negeri. Melalui penelitian ini maka diharapkan agar penelitian
ini dapat membantu memberikan informasi kepada pemerintah mengenai
bagaimana cara meningkatkan kualitas SDM yang ada di Indonesia sehingga bisa
membuat Indonesia lebih bersaing dengan negara luar.

2.4 Hipotesis
Berdasarkan rumusan masalah, pemikiran terdahulu, dan kerangka pikir maka
dapat diambil hipotesa :
“Dinamika migrasi internasional dipengruhi oleh rendahmya kualitas pendidikan,
banyaknya pengangguran dan tingginya angka kemiskinan yang ada di
Indonesia.”
BAB III
Metode Penelitian
3.1 Ruang Lingkup Penelitian
Penelitian ini dilakukan di Indonesia dalam lingkup analisis dinamika migrasi
internasional terhadap tingkat kemiskinan dan pengangguran dari Indonesia ke
kawasan Intra Asia Tenggara. Objek penelitian yang dijadikan unit analisis adalah
jumlah migran yang bermigrasi ke kawasan Intra Asia Tenggara.
3.2 Rancangan Penelitian
untuk memulai penelitian ini maka hal yang harus dilakukan terlebih dahulu
adalah mencari data yang berupa data sekunder di BPS. Data-data tersebut terdiri
dari jumlah migran yang bermigrasi ke kawasan Intra asia Tenggara, tingkat
pengangguran dan jumlah penduduk miskin. Setelah itu maka akan dilakukan
teknis analisis menggunakan teknik analisis regresi linear berganda, dan
melakukan restricted F-test (uji statistik F) yang bertujuan memilih antara Pooled
Least Square (PLS) atau Fixed Effect Model (FEM). Kedua, menggunakan uji
Hausman untuk memilih antara Fixed Effect Model atau Random Effect Model
(REM).
3.3 Jenis dan Sumber Data
Untuk menganalisis masalah dalam penelitian ini maka dibutuhkan sejumlah data.
Data yang digunakan dalam penelitian ini adalah data sekunder yang didapatkan
dari instansi-instansi pemerintah seperti BPS dll. Data ini meliputi, jumlah migran
yang bermigrasi ke kawasan Intra Asia Tenggara, tingkat pengangguran, dan
jumlah penduduk miskin yang ada di Indonesia.
3.4 Teknik Analisis
3.4.1 Regresi Linear Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis
ini untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen berhubungan positif atau
negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
A = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
B = Koefisien regresi (nilai peningkatan ataupun penurunan)
3.4.2 Analisis korelasi
Yaitu analisis yang mencari seberapa besar pengaruh hubugan antara variabel
independen dan variabel dependen.

3.4.3 Uji Asumsi Klasik
Regresi linear berganda harus memenuhi asumsi-asumsi yang ditetapkan agar
menghasilkan nilai-nilai koefisien sebagai penduga yang tidak bias.Adapun
asumsi-asumsi yang dimaksud adalah sebagai berikut.
1. Variabel tak bebas dan variabel bebas memiliki hubungan linear atau
hubungan beruba garis lurus
2. Variabel tak bebas haruslah bersifat kontinu atau setidaknya berskala
interval
3. Keragaman dari selisih nilai pengamatan dan pendugaan harus sama untk
semua pendugaan Y. jadi, (Y – Y’) kira-kira harus sama untuk semua nilai
Y’. apabila konsidi ini tidak terpenuhi maka disebut heteroskedastisitas
dan residu yang dihitung dari pengamatan (Y –Y’) harus menyebar normal
dengan rata-rata nol.
4. Pengamatan-pengamatan variabel tak bebas berikutnya harus tidak
berkorelasi. Pelanggaran asumsi ini disebut autokorelasi yang biasanya
terjadi pada data time series (runtun waktu)
5. Tidak adanya korelasi yang sempurna antara variabel bebas yang satu
dengan variabel bebas yang lain. Apabila asumsi ini dilanggar disebut
multikolinearitas.
3.4.4 Uji Normalitas
Uji normalitas digunakan untuk menguji data variabel bebas(independen) dan
variabel terikat(dependen) pada persamaan regresi yang dihasilkan, apakah
terdistribusi normal atau berdistribusi tidak normal. Pengujian dapat dilakukan

dengan menggunakan histogram dan uji konglomorov-smirnov.Adapun kriteria
uji : jika probabilitas signifikan > 0,05 maka data terdistribusi secara normal.
3.4.4.1 Uji Gejala Heteroskedastisitas
Gejala heteroskedastisitas diuji dengan metode Glejser dengan cara menyusun
regresi antara nilai absolur residual dengan variabel bebas. Apabila masing-
masing variabel bebas tidak berpengaruh signifikan terhadap absolute residual (α
= 0,05) maka dalam model regresi tidak terjadi gejala heteroskedastisitas.
3.4.4.2 Uji Gejala Autokorelasi
Uji autokorelasi merupakan pegujian asumsi dalam regresi dimana variabel
dependen tidak berkorelasi dengan dirinya sendiri.Maksud korelasi dengan diri
sendiri adalah bahwa nilai dari variabel dependen tidak berhubungan dengan
variabel itu sendiri, baik nilai periode sebelumnya maupun nilai periode
sesudahnya.Cara mendeteksi ada tidaknya autokorelasi adalah dengan uji Durbin-
Watson (DW test). Hasil perhitungan Durbin-Watson (d) dibandingkan dengan
nilai dtabel pada α = 0,05. Tabel d memiliki dua nilai, yaitu nilai batas atas (dU) dan
nilai batas bawah (dL) untuk berbagai nilai n dan k.
Jika d < dL; maka terjadi autokorelasi positif
d> 4 - dL; maka terjadi autokorelasi negatif
du< d < 4 - dU; maka tidak terjadi autokorelasi
dL≤ d ≤ dU atau 4 - dU ≤ d ≤ 4 - dL; maka pengujian tidak
meyakinkan.
3.4.4.3 Uji Stasioner
 Uji correlogram
Analisis korelogram (correlogram) merupakan teknik identifikasi kestasioneran
data time series melalui fungsi autokorelasi (ACF) merupakan partial
autocorrelation function (PACF). Fungsi ini bermanfaat untuk menjelaskan suatu
proses stokastik, dan memberikan informasi korelasi data-data yang berdekatan.
Secara grafis terjadinya autokorelasi parsial ditunjukkan oleh keluarnya plot dari
garis putus – putus sebagai band atau batas (marka) yang dikenalkan oleh Barlet
dan kemudian Box dan Pierce, memperkenalkan uji dengan statistic Q atau (Q-
Statistik). Jika nilai probabilitas statistic Q < 0,05 maka tidak signifikan menolak
H0 yang menyatakan Pk = 0. Sedangkan Ha menyatakan paling tidak Pk ≠ 0.
 Uji Akar Unit (Unit Root Test)
Selain korelogram, stasioner juga dapat dilihat dengan menggunakan sebuah uji
formal yang dinamakan Uji Akar Unit (unit root test). Sebuah model Yt = p Yt-1 +
ut. jika p =1 maka model mengalami random walk (fluktuasi) tanpa trend, dimana
data Yt tidak stasioner.
3.4.4.4 Uji Gejala Multikolinieritas
Multikolinieritas digunakan untuk menunjukkan adanya hubungan linier diantara
veriabel-variabel bebas dalam model regresi.Jika variabel-variabel bebas
berkorelasi secara sempurna, maka metode kuadrat terkecil tidak bias
digunakan.variable-variabel yang tidak berkorelasi dikatakan orthogonal, yang
menunjjukan bahwa tidak ada masalah multikolonieritas. Akibat adanya

multikolonieritas adanya koefisien-koefisien regresi menjadi tidak bias ditaksir
dengan nilai standar error setiap koefisien regresi menjadi tidak terhingga.
Adanya multikolonieritas dapat dilihat dari nilai tolerance yang lebih kecil dari
0,1 atau Variance Inflation Factor (VIF) yang lebih besar dari 10.
3.4.5 Koefisien Determinasi (R2)
Koefisien determinasi (R2) seringpula disebut dengan koefisien determinasi
majemuk (multiple coffecient of determination) yang hamper sama dengan
koefisin r2. R juga hamper serupa dengan r, tetapi keduanya berbeda dalam fungsi
(kecuali regresi linear sederhana). R2 menjelaskan proporsi variasi variabel terikat
(Y) yang dijelaskan oleh variabel bebas (lebih dari sati variabel: Xi; i=1,2,3,4 …,
k) secara bersama-sama. Sementara itu, r2 mengukur kebaikan sesuai (goodness of
fit) dari persamaan regresi, yaitu memberikan persentase variasi total dalam
variabel terikat )Y) yang dijelaskan oleh hanya satu variabel bebas (X). Lebih
lanjut, r adalah koefisien korelasi yang menjelaskan keeratan hubungan linear di
antara dua variabel, nilainya dapat negatif dan positif.Sementara, R adalah
koefisien korelasi majemuk yang mengukur tingkat hubungan antara variabel
terikat (Y) dengan semua variabel bebas yang menjelaskan secara bersama-sama
dan nilainya selalu positif.
Persamaan regresi linear berganda semakin baik apabila nilai koefisien
determinasi (R2) semakin besar (mendekati 1) dan cenderung meningkat nilainya
sejalan dengan peningkatan jumlah variabel bebas.Dalam tabel ANOVA, nilai
koefisien determinasi (R2) dihitung dengan rumus berikut.

𝑆𝑆𝑅
𝑅2 =
𝑆𝑆𝑇
Dalam praktiknya, nilai koefisien determinasi yang digunakan untuk analisis
adalah nilai R2 yang telah disesuaikan (R2adjusted) yang dihitung dengan
menggunakan rumus berikut.
2
𝑛−𝑖
𝑅𝑎𝑑𝑗𝑢𝑠𝑡𝑒𝑑 = 1 − (1 − 𝑅 2 )
𝑛−𝑘
Nilai koefisien determinasi (R2) memiliki hubungan dengan nilai Fhitung. Dimana
Fhitung dapat dihitung dengan rumus sebagai berikut:
𝑅 2 /𝑘
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
(1 − 𝑅 2 )/[𝑛 − (𝑘 + 1)]
3.4.6 Uji Hipotesis
Uji hipotesis sama artinya dengan menguji signifikansi koefisien regresi linear
berganda secara parsial yang sekait dengan pernyataan hipotesis penelitian. Model
yang dibangun dari hasil perhitungan koefisien regresi untuk masing-masing
variabel bebas termasuk konstantanya.Pengujian hipotesis untuk kasus ini
dilakukan dengan uji student “t” (uji t).dimana langkah-langkah pengujian ini
adalah sebagai berikut.
1. Merumuskan hipotesis nol dan hipotesis alternatif.
H0 : b1 = b2 = b3 = 0
H1 : minimal satu koefisien dari b1≠0
𝑏
2. Menghitung nilai t dengan menggunakan rumus 𝑡 = 𝑆 𝑖 .
𝑏𝑖
3. Membandingkan nilai thitung dengan nilai ttabel yang tersedia pada paraf
nyata tertentu, misailnya 1%; df; n- (k+1)
4. Mengambil keputusan dengan kriteria berikut.
Jika -ttabel≤ thitung ≤ ttabel ; maka H0 diterima
thitung< -ttabel atau thitung> ttabel ; makan H0 ditolak, atau
Nilai Pr ≥ α = 1%; maka H0 diterima
Nilai Pr < α = 1%; maka H0 ditolak.
3.5 Definisi Operasional Variabel
Operasional variabel adalah aspek penelitian yang memberikan informasi
tentang bagaimana caranya mengukur variabel secara operasional, secara praktik,
secara nyata dalam lingkup obyek penelitian/obyek yang diteliti. Adapun variabel
operasional dalam penelitian ini adalah:
 Migran merupakan masyarakat Indonesia yang berpindah atau bermigrasi
dari Indonesia ke kawasan Intra Asia Tenggara
 Tingkat pengangguran merupakan jumlah atau tingginya pengangguran
yang ada di Indonesia
 Jumlah penduduk miskin merupakan banyaknya penduduk miskin yang
ada di Indonesia
BAB IV
Hasil dan Pembahasan
5.1 Hasil Penelitian
Tabel Tingkat Kemiskinan, Migrasi dan Pengangguran di Indonesia 2005-
2016
Tahun Migrasi Kemiskinan Pengangguran

2005 45.9 15.2 10327
2006 46.7 13.7 11356
2007 47.5 11.2 12020
2008 48.3 11.8 13100
2009 49.1 11.2 14002
2010 49.9 12.4 15956
2011 50.7 11.91 15971
2012 51.5 11.7 17329
2013 52.3 11.84 18452
2014 53 11.83 18421
2015 53.7 12.87 17939
2016 54.5 12.4 19459
Sumber: adb.org & bps indonesia
Uji korelasi
MIGRASI KEMISKINAN PENGANGGURAN

MIGRASI 1 -0.3702779161724272 0.9810443891375092
KEMISKINAN -0.3702779161724272 1 -0.4161703927414358
PENGANGGURAN 0.9810443891375092 -0.4161703927414358 1
Uji autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.547742 Prob. F(2,7) 0.6012

Obs*R-squared 1.623844 Prob. Chi-Square(2) 0.4440
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/17/18 Time: 09:06
Sample: 2005 2016
Included observations: 12
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.755700 2.948228 0.256323 0.8051

KEMISKINAN -0.037094 0.185118 -0.200382 0.8469
PENGANGGURAN -2.15E-05 7.30E-05 -0.294464 0.7769
RESID(-1) 0.334781 0.374157 0.894762 0.4006
RESID(-2) -0.360902 0.544923 -0.662299 0.5290
R-squared 0.135320 Mean dependent var 7.49E-16

Adjusted R-squared -0.358782 S.D. dependent var 0.534682
S.E. of regression 0.623261 Akaike info criterion 2.186636
Sum squared resid 2.719184 Schwarz criterion 2.388680
Log likelihood -8.119814 Hannan-Quinn criter. 2.111832
F-statistic 0.273871 Durbin-Watson stat 2.058534
Prob(F-statistic) 0.885889
Berdasarkan tabel diatas probabilitas chi-square pada Obs*R-Squared yaitu
sebesar 0,4440. Oleh karena itu nilai p value 0,4440> 0.05 maka H0 diterima atau
dengan anggapan berarti model regresi tidak mengalami autokorelasi.
Uji stasioner
ANALISIS CORRELOGRAM
Data Perubahan Pada Migrasi

Berdasarkan plot dengan korelagram, data migrasi tidak mengalami
penyimpangan karena tidak keluar pada lag1, sehinggan data migrasi tidak
mengalami autokorelasi dan parsial autokorelasi pada lag1. Oleh karena itu data
migrasi stasioner pada tingkat 1st different. Buktinya, probabilitas q-stat semuanya
tidak signifikan atau > 0,05
Data Tingkat kemiskinan
Berdasarkan plot dengan korelagram, data tingkat kemiskinan tidak mengalami
penyimpangan karena tidak keluar pada lag1, sehinggan data tingkat kemiskinan
tidak mengalami autokorelasi dan parsial autokorelasi pada lag1. Oleh karena itu
data tingkat kemiskinan stasioner pada tingkat level. Buktinya, probabilitas q-stat
semuanya tidak signifikan atau > 0,05.

Data Tingkat pengangguran
Berdasarkan plot dengan korelagram, data tingkat pengangguran tidak mengalami
penyimpangan karena tidak keluar pada lag1, sehinggan data tingkat
pengangguran tidak mengalami autokorelasi dan parsial autokorelasi pada lag1.
Oleh karena itu data tingkat pengangguran stasioner pada tingkat 1st different.
Buktinya, probabilitas q-stat semuanya tidak signifikan atau > 0,05.
UJI AKAR UNIT
Variabel migrasi
Tingkat Level
Null Hypothesis: MIGRASI has a unit root

Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=2)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.732051 0.3853

Test critical values: 1% level -4.420595
5% level -3.259808
10% level -2.771129
*MacKinnon (1996) one-sided p-values.

Warning: Probabilities and critical values calculated for 20 observations
and may not be accurate for a sample size of 9
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(MIGRASI)
Date: 02/16/18 Time: 11:26
Sample (adjusted): 2008 2016
Included observations: 9 after adjustments
MIGRASI(-1) -0.013393 0.007732 -1.732051 0.1438

D(MIGRASI(-1)) 0.441964 0.424154 1.041990 0.3452
D(MIGRASI(-2)) -1.093750 0.466064 -2.346782 0.0658
C 1.975446 0.679411 2.907585 0.0335
R-squared 0.655612 Mean dependent var 0.777778

Adjusted R-squared 0.448980 S.D. dependent var 0.044096
S.E. of regression 0.032733 Akaike info criterion -3.699783
Sum squared resid 0.005357 Schwarz criterion -3.612128
Log likelihood 20.64902 Hannan-Quinn criter. -3.888943
Variabel kemiskinan
Tingkat level
Null Hypothesis: KEMISKINAN has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.175352
10% level -2.728985


Dependent Variable: D(KEMISKINAN)
Date: 02/16/18 Time: 11:27

KEMISKINAN(-1) -0.715953 0.181012 -3.955272 0.0033
C 8.574451 2.241736 3.824915 0.0041
R-squared 0.634802 Mean dependent var -0.254545

Tingkat 1st Difference
Null Hypothesis: D(KEMISKINAN) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.212696
10% level -2.747676


Dependent Variable: D(KEMISKINAN,2)
Date: 02/17/18 Time: 10:06
D(KEMISKINAN(-1)) -1.012867 0.327096 -3.096540 0.0147

C -0.132998 0.358995 -0.370473 0.7206

Tingkat 2nd Difference
Null Hypothesis: D(KEMISKINAN,2) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.259808
10% level -2.771129


Date: 02/17/18 Time: 10:08
D(KEMISKINAN(-1),2) -1.787283 0.256973 -6.955131 0.0002

C 0.447744 0.377983 1.184563 0.2748

Variabel pengangguran
Tingkat level
Null Hypothesis: PENGANGGURAN has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.175352
10% level -2.728985

Dependent Variable: D(PENGANGGURAN)
Date: 02/16/18 Time: 11:28
PENGANGGURAN(-1) -0.083337 0.077413 -1.076529 0.3097

C 2079.273 1180.805 1.760894 0.1121

Sum squared resid 4753712. Schwarz criterion 16.25040
Tingkat 1st Difference
Null Hypothesis: D(PENGANGGURAN) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.212696
10% level -2.747676


Dependent Variable: D(PENGANGGURAN,2)
Date: 02/17/18 Time: 10:10
D(PENGANGGURAN(-1)) -1.249619 0.360001 -3.471156 0.0084

C 1000.310 371.2839 2.694192 0.0273

Tingkat 2nd Difference
Null Hypothesis: D(PENGANGGURAN,2) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.403313
10% level -2.841819


Date: 02/17/18 Time: 10:11
D(PENGANGGURAN(-1),2) -4.476997 1.503736 -2.977249 0.0587

D(PENGANGGURAN(-1),3) 2.179924 1.170438 1.862486 0.1594
D(PENGANGGURAN(-2),3) 0.818370 0.600268 1.363341 0.2661
C -325.3401 450.3854 -0.722359 0.5223

Tabel hasil pengujian stasioner data variabel migrasi, kemiskinan, dan
pengangguran
Pengujian Data Level 1st different 2nd different keterangan

Migrasi Stasioner pada Stasioner pada Stasioner pada
Lampiran...
α=5% α = 5% α = 5%
Kemiskinan Stasioner pada Stasioner pada Stasioner pada
Lampiran...
α=5% α = 5% α = 5%
pengangguran Stasioner pada Stasioner pada Stasioner pada
Lampiran....
α = 5% α = 5% α = 5%
Uji Asumsi Klasik
Dependent Variable: MIGRASI

Date: 02/16/18 Time: 11:18
Sample: 2005 2016
C 34.89877 2.677317 13.03498 0.0000

KEMISKINAN 0.113863 0.171834 0.662635 0.5242
PENGANGGURAN 0.000908 6.30E-05 14.41867 0.0000

Dari hasil perhitungan regresi dengan menggunakan model diatas diperoleh
persamaan sebagai berikut:
migrasi = 34,89877+ 0,113863+0,000908
Hasil uji regresi yang menggunakan migrasi sebagai variabel dependen
menghasilkan persamaan diatas dimana nilai konstanta positif sebesar 34,89877
menunjukan jika nilai kemiskinan dan pengangguran sama dengan 0 maka
kenaikan migrasi yang akan terjadi sebesar 34,89877. Sedangkan koefisien
kemiskinan mempunyai nilai 0,113863, nilai parameter ini mempunyai arti bahwa
apabila terjadi kenaikan 1% pada tingkat kemiskinan maka akan menyebabkan
peningkatan pada migrasi sebesar 0,113863 persen, hasil sesuai dengan teori dan
hipotesa yang diajukan karena secara teori apabila tingkat kemiskinan meningkat
maka migrasi internasional ikut meningkat. Sedangkan koefisien pengangguran
mempunyai nilai 0,000908, nilai parameter ini mempunyai arti bahwa apabila
terjadi kenaikan sebesar 1% pada tingkat pengangguran maka akan menyebabkan
kenaikan pada tingkat migrasi sebesar 0,000908 persen, hasil ini sesuai dengan
teori karena secara teori apabila tingkat pengangguran meningkat maka tingkat
migrasi internasional juga akan meningkat
Koefisien korelasi dari taksiran dan kuadrat dari koefisien korelasi
(koefisien determinasi) menjelaskan bahwa persentasi dari variabel total
disebabkan oleh variabel bebas, koefisien determinasi menjelaskan
proporsi/persentase sumbangan variabel independet terhadap naik dan turunnya
variabel dependen, dari hasil regresi didapatkan nilai R square sebesar 0.964195
atau 96%, hal ini berarti sebesar 96% tingkat migrasi periode 2005-2016
dipengaruhi oleh kemiskinan dan pengangguran, dan sisanya 4% dipengaruhi oleh
faktor lain di luar model. Hal ini terjadi karena peningkatan migrasi yang
terbilang cukup tinggi dan cenderung secara terus-menerus mengalami
peningkatan yang tinggi, sehingga ketika tingkat kemiskinan meningkat maka
tingkat migrasi juga akan meningkat.
Nilai probabilitasnya adalah untuk variabel kemiskinn sebesar 0,5242 yang
menunjukan bahwa variabel independen berpengaruh secara signifikan terhadap
variabel dependen, dan untuk varibel penagngguran sebesar 0,0000 yang

menunjukkan bahwa variabel independen tidak berpengaruh secara signifikan
terhadap variabel dependen.
Uji Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey

Scaled explained SS 1.482277 Prob. Chi-Square(2) 0.4766
Test Equation:
Dependent Variable: RESID^2
Date: 02/16/18 Time: 11:31
Sample: 2005 2016
C -1.655852 1.551190 -1.067472 0.3136

KEMISKINAN 0.075627 0.099558 0.759627 0.4669
PENGANGGURAN 6.41E-05 3.65E-05 1.756365 0.1129

Berdasarkan tabel diatas probabilitas chi-square pada Obs*R-Squared yaitu
sebesar 0,2161. Oleh karena itu nilai p value 0,2161 > 0.05 maka H0 diterima atau
dengan anggapan berarti model regresi bersifat homoskedastisitas atau dengan
kata lain tidak ada masalah asumsi non heterokedastisitas.

4
Series: Residuals
Sample 2005 2016
Observations 12
3
Mean 7.49e-16
Median -0.022116
Maximum 1.039039
2 Minimum -0.905980
Std. Dev. 0.534682
Skewness 0.078278
Kurtosis 2.720132
1
Jarque-Bera 0.051418
Probability 0.974619
0
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00 1.25
Asumsi normalitas diatas 5 persen berarti data terdistribusi secara normal
Data yang digunakan dalam penelitian ini menggunakan data 11 tahun
terakhir, data hasil regresi menggunakan e-views terlihat bahwa histogram di atas
nilai Jarque-Bera 0,051418 dan probabilitynya 0.974619 dimana > 0.05 sehingga
H0 diterima atau dapat disimpulkan bahwa data terdistribusi secara normal.
Uji Multikolinieritas
Variance Inflation Factors

Date: 02/16/18 Time: 11:33
Sample: 2005 2016
Coefficient Uncentered Centered

Variable Variance VIF VIF
C 7.168028 246.1728 NA
KEMISKINAN 0.029527 155.5623 1.209479
PENGANGGURAN 3.97E-09 33.37832 1.209479
Di atas menunjukan bahwa nilai Centered VIF baik kemiskinan maupun
pengangguran adalah 1,209479 dimana nilai tersebut lebih kecil dari 10, maka
dapat dinyatakan bahwa tidak terdapat masalah multikoliniearitas dalam model
prediksi.
20,000
16,000
12,000
KEMISKINAN
PENGANGGURAN
8,000
4,000
0
44 46 48 50 52 54 56
MIGRASI
4.2 Analisis
Berdasarkan hasil dan pembahasan regresi dengan metode OLS diatas, maka:
1. Tingkat kemiskinan berpengaruh nyata terhadap migrasi di kawasan intra asia
tenggara. Namun, tingkat kemiskinan meningkat, pertambahan jumlah
migrasi juga meningkat. Variabel tingkat kemiskinan memiliki hubungan
positif terhadap jumlah migrasi. Hal ini sama dengan teori migrasi Todaro,
yang menyatakan bahwa motivasi utama seseorang untuk mengambil
keputusan bermigrasi adalah karena motif ekonomi. Di dalam Expected
Income model of rural-urban migration beliau menyebutkan bahwa motivasi
tersebut sebagai pertimbangan ekonomi yang rasional, dimana mobilitas ke
kota mempunyai dua harapan, yaitu harapan untuk memperoleh pekerjaan
dan harapan untuk memperoleh pendapatan yang lebih tinggi daripada yang
diperoleh di desa. Dan pada varibel tingkat pengangguran mempunyai
hubungan positif terhadap migrasi hal ini sudah sesuai dengan teori.
2. Variabel tingkat kemiskinan 96% dapat menjelaskan variabel migrasi, dan 4
persen dijelaskan oleh variabel lain. Faktor-faktor lain yang mempengaruhi
migrasi seperti, kualitas pendidikan, kecilnya upah yang didapatkan di
Indonesia, kurangnya keterampilan khusus masyarakat dalam bekerja.
- Kualitas pendidikan : kurangnya pendidikan akan menyababkan
masyarakat tidak mampu bersaing dalam dunia kerja di Indonesia, hal ini
membuat sebagian masyarakat untuk bermigrasi demi mendapatkan
pekerjaan
- Kurangnya keterampilan khusus masyarakat dalam bekerja: masyarakat
yang tidak memiliki keterampilan khusus akan lebih memilih untuk
bermigrasi karena di luar negeri mereka bisa mendapatkan upah yang
cukup tinggi untuk sebuah pekerjaan yang tidak membutuhkan
keterampilan khusus.
BAB V
Kesimpulan
5.1 Kesimpulan
Berdasarkan hasil regresi data time series dengan menggunakan metode OLS.
Variabel tingkat kemiskinan dan pengangguran berpengaruh secara nyata terhadap
dinamika migrasi Indonesia terhadap negara Intra Asia Tenggara dan hal ini tidak
bertentangan dengan teori atau sesuai dengan teori yang ada. Dan variabel tingkat
kemiskinan dan tingkat pengangguran 96% dapat menjelaskan variabel migrasi,
4% sisanya dijelaskan oleh variabel lain yaitu kualitas pendidikan, tingkat upah
dalam negeri yang kecil dan kurangnya kualitas khusus masyarakat sehingga
membuat mayarakat sulit bersaing di dunia kerja dalam negeri.
5.2 Saran
LAMPIRAN
Tabel 1.1 Tingkat Pengangguran Indonesia 2010-2016 (dalam persen)
2010 2011 2012 2013 2014 2015 2016
Tingkat 8,320 8,681 8,7,345 7,411 7,245 7,561 7,032
Pengangguran
Sumber: adb.org
Tabel 4.1 Tingkat Pngangguran, Migrasi dan Kemiskinan di Indonesia 2005-2016
Tahun Migrasi Kemiskinan Pengangguran

2005 45.9 15.2 10327
2006 46.7 13.7 11356
2007 47.5 11.2 12020
2008 48.3 11.8 13100
2009 49.1 11.2 14002
2010 49.9 12.4 15956
2011 50.7 11.91 15971
2012 51.5 11.7 17329
2013 52.3 11.84 18452
2014 53 11.83 18421
2015 53.7 12.87 17939
2016 54.5 12.4 19459
Sumber: adb.org & bps indonesia
Tabel 4.2 Uji Korelasi
MIGRASI KEMISKINAN PENGANGGURAN

MIGRASI 1 -0.3702779161724272 0.9810443891375092
KEMISKINAN -0.3702779161724272 1 -0.4161703927414358
PENGANGGURAN 0.9810443891375092 -0.4161703927414358 1
tabel 4.3 Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: 02/17/18 Time: 09:06
Sample: 2005 2016
Presample missing value lagged residuals set to zero.
C 0.755700 2.948228 0.256323 0.8051

KEMISKINAN -0.037094 0.185118 -0.200382 0.8469
PENGANGGURAN -2.15E-05 7.30E-05 -0.294464 0.7769
RESID(-1) 0.334781 0.374157 0.894762 0.4006
RESID(-2) -0.360902 0.544923 -0.662299 0.5290
R-squared 0.135320 Mean dependent var 7.49E-16

Adjusted R-squared -0.358782 S.D. dependent var 0.534682
Tabel 4.4 Uji stasioner menggunakan analisis correlogram pada data perubahan
pada migrasi
Tabel 4.5 Uji stasioner menggunakan analisis correlogram pada data tingkat
kemiskinan
Tabel 4.6 Uji stasioner menggunakan analisis correlogram pada data tingkat
pengangguran
Tabel 4.7 Uji akar unit terhadap variabel migrasi pada tingkat level
Null Hypothesis: MIGRASI has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.259808
10% level -2.771129


Dependent Variable: D(MIGRASI)
Date: 02/16/18 Time: 11:26
MIGRASI(-1) -0.013393 0.007732 -1.732051 0.1438

D(MIGRASI(-1)) 0.441964 0.424154 1.041990 0.3452
D(MIGRASI(-2)) -1.093750 0.466064 -2.346782 0.0658
C 1.975446 0.679411 2.907585 0.0335

S.E. of regression 0.032733 Akaike info criterion -3.699783
Sum squared resid 0.005357 Schwarz criterion -3.612128
Log likelihood 20.64902 Hannan-Quinn criter. -3.888943
Tabel 4.8 Uji akar unit terhadap variabel tingkat kemiskinan pada tingkat level
Null Hypothesis: KEMISKINAN has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.175352
10% level -2.728985

Dependent Variable: D(KEMISKINAN)
Date: 02/16/18 Time: 11:27
KEMISKINAN(-1) -0.715953 0.181012 -3.955272 0.0033

C 8.574451 2.241736 3.824915 0.0041

Tabel 4.9 Uji akar unit terhadap variabel tingkat kemiskinan pada tingkat 1st
difference
Null Hypothesis: D(KEMISKINAN) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.212696
10% level -2.747676


Date: 02/17/18 Time: 10:06

D(KEMISKINAN(-1)) -1.012867 0.327096 -3.096540 0.0147
C -0.132998 0.358995 -0.370473 0.7206

Tabel 4.10 Uji akar unit terhadap variabel tingkat kemiskinan pada tingkat 2nd
Difference
Null Hypothesis: D(KEMISKINAN,2) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.259808
10% level -2.771129


Date: 02/17/18 Time: 10:08
D(KEMISKINAN(-1),2) -1.787283 0.256973 -6.955131 0.0002

C 0.447744 0.377983 1.184563 0.2748

Tabel 4.11 Uji akar unit terhadap variabel tingkat pengangguran pada tingkat level
Null Hypothesis: PENGANGGURAN has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.175352
10% level -2.728985


Dependent Variable: D(PENGANGGURAN)
Date: 02/16/18 Time: 11:28
PENGANGGURAN(-1) -0.083337 0.077413 -1.076529 0.3097

C 2079.273 1180.805 1.760894 0.1121

Tabel 4.12 Uji akar unit terhadap variabel tingkat pengangguran pada tingkat 1st
Difference
Null Hypothesis: D(PENGANGGURAN) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.212696
10% level -2.747676

Date: 02/17/18 Time: 10:10
D(PENGANGGURAN(-1)) -1.249619 0.360001 -3.471156 0.0084

C 1000.310 371.2839 2.694192 0.0273

Tabel 4.13 Uji akar unit terhadap variabel tingkat pengangguran pada tingkat 2nd
Difference
Null Hypothesis: D(PENGANGGURAN,2) has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -3.403313
10% level -2.841819


Date: 02/17/18 Time: 10:11

D(PENGANGGURAN(-1),2) -4.476997 1.503736 -2.977249 0.0587
D(PENGANGGURAN(-1),3) 2.179924 1.170438 1.862486 0.1594
D(PENGANGGURAN(-2),3) 0.818370 0.600268 1.363341 0.2661
C -325.3401 450.3854 -0.722359 0.5223

Tabel 4.14 Hasil pengujian stasioner data variabel migrasi, kemiskinan, dan
pengangguran
Pengujian Data Level 1st different 2nd different keterangan

Migrasi Stasioner pada Stasioner pada Stasioner pada
Lampiran...
α=5% α = 5% α = 5%
Kemiskinan Stasioner pada Stasioner pada Stasioner pada
Lampiran...
α=5% α = 5% α = 5%
pengangguran Stasioner pada Stasioner pada Stasioner pada
Lampiran....
α = 5% α = 5% α = 5%
Tabel 4.15 Uji Asumsi Klasik
Dependent Variable: MIGRASI

Date: 02/16/18 Time: 11:18
Sample: 2005 2016
C 34.89877 2.677317 13.03498 0.0000

KEMISKINAN 0.113863 0.171834 0.662635 0.5242
PENGANGGURAN 0.000908 6.30E-05 14.41867 0.0000

Tabel 4.16 Uji Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey

Scaled explained SS 1.482277 Prob. Chi-Square(2) 0.4766
Test Equation:
Dependent Variable: RESID^2
Date: 02/16/18 Time: 11:31
Sample: 2005 2016
C -1.655852 1.551190 -1.067472 0.3136

KEMISKINAN 0.075627 0.099558 0.759627 0.4669
PENGANGGURAN 6.41E-05 3.65E-05 1.756365 0.1129

Tabel 4.17 Uji Multikolinieritas
Variance Inflation Factors

Date: 02/16/18 Time: 11:33
Sample: 2005 2016
Coefficient Uncentered Centered

Variable Variance VIF VIF
C 7.168028 246.1728 NA
KEMISKINAN 0.029527 155.5623 1.209479
PENGANGGURAN 3.97E-09 33.37832 1.209479
Grafik 4.1 Uji normalitas
4
Series: Residuals
Sample 2005 2016
Observations 12
3
Mean 7.49e-16
Median -0.022116
Maximum 1.039039
2 Minimum -0.905980
Std. Dev. 0.534682
Skewness 0.078278
Kurtosis 2.720132
1
Jarque-Bera 0.051418
Probability 0.974619
0
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00 1.25
grafik 4.2
20,000
16,000
12,000
KEMISKINAN
PENGANGGURAN
8,000
4,000
0
44 46 48 50 52 54 56
MIGRASI
DAFTAR PUSTAKA
Allo, Albertus Girik. 2016. Perkiraan Pola Migrasi Antar Provinsi di Indonesia:
Pendekatan Demografi-Ekonomi. jurnal fakultas ekonomi universitas negeri
Papua. 06(1), 1-112.
Kusreni, Sri. 2017. Faktor-faktor Yang Mempengaruhi Migrasi Tenaga Kerja
Keluar Negeri Berdasarkan Provinsi di Indonesia. Jurnal fakultas ekonomi
dan bisnis universitas Airlangga. 02(1), 49-64.
Prihanto, Purwaka Hari. 2013. Pengaruh Status Pekerja dan Negara Penempatan
Terhadap Remitansi Pekerja Migran Indonesia. 1(7).
Salvatore, D. 1997. Ekonomi Internasional. Edisi kelima jilid 1. Erlangga. Jakarta.
Hal 494.
Sjafrizal, 2012. Ekonomi Wilayah dan Perkotaan. Rajawali Pers. Jakarta. 65-70.
Siswosoemarto, Rubijanto. 2012. Intelejen Ekonomi : Teori dan Aplikasi. Jakarta:
Kedua. Jakarta: Fakultas Ekonomi UI.
Sukirno, Sadono. 2006. Ekonomi Pembangunan Proses Masalah dan Dasar
Kebijaksanaan. Penerbit Barta Gorad:Medan.
Todaro, Michael. 2003. Pembangunan Ekonomi di Dunia Ketiga, terjemahan,
penerbit Ghalia Indonesia, Jakarta. Edisi ke delapan jilid I.
Wafirotin, Khusnatul Zulfa. 2013. Dampak Migrasi Terhadap Kondisi Sosial
Ekonomi Keluarga TKI di Kecamatan Babadan Kabupaten Ponorogo. Jurnal
fakultas ekonomi universitas Muhammadiyah Ponorogo. 11(2).
Tajddin, Lalu. 2015. Migrasi Internasional Perilaku Pekerja Migran di Malaysia
dan Perempuan Ditinggal Migrasi di Lombok. Jurnal fakultas keguruan dan

ilmu pendidikan universitas Muhammadiyah Mataram – Nusa Tenggara
Barat. 5(3), 221-328.
Adb.org
Bps.go.id

Analisis Dinamika Migrasi Internasional Terhadap Tingkat Kemiskinan Dan Pengangguran Dari Indonesia Ke Kawasan Intra Asia Tenggara

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Dinamika Migrasi Internasional Terhadap Tingkat Kemiskinan Dan Pengangguran Dari Indonesia Ke Kawasan Intra Asia Tenggara

Diunggah oleh

Hak Cipta:

Format Tersedia

DINAMIKA MIGRASI INTERNASIONAL TERHADAP TINGKAT

KEMISKINAN DAN PENGANGGURAN DARI INDONESIA KE

KAWASAN INTRA ASIA TENGGARA

KEMENTERIAN RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI

Jumlah dan struktur penduduk merupakan faktor pendukung terhadap

keberhasilan pembangunan di suatu wilayah. Namun, jumlah penduduk yang

berkualitas diharapkan mampu meningkatkan produktivitas, di mana secara tidak

langsung memberi dampak positif kepada peningkatan kesejahteraan masyarakat.

Salah satu komponen kependudukan yang mempengaruhi jumlah dan struktur

penduduk adalah migrasi. Migrasi merupakan perpindahan yang dilakukan dari

Menurut Salvatore (1996 : 494-495) ada cukup banyak keuntungan

ekonomi dari migrasi internasional. Bagi para pekerja, tingkat pendapatan di

masa depan yang lebih baik untuk anak-anaknya.

Migrasi internasional merupakan fenomena menarik dalam mengatasi

meningkat, Indonesia mendapatkan keuntungan dari mengirim tenaga kerja ke luar

ditinggalkan hidup sejahtera dan juga dapat menambah devisa negara.

pertumbuhan ekonomi dan ketidakmerataan fasilitas pembangunan antar suatu

lebih baik, dan kesempatan kerja yang lebih besar.

Jumlah tenaga kerja di Indonesia dengan pendidikan hanya sebatas tamat

tidak membutuhkan keahlian khusus) cenderung lebih tinggi. Harapan penduduk

setelah melakukan migrasi ke luar negeri adalah berubahnya kualitas kehidupan

menjadi lebih baik.

2010 2011 2012 2013 2014 2015 2016

Tingkat 8,320 8,681 8,7,345 7,411 7,245 7,561 7,032

Tingginya jumlah pengangguran di Indonesia dan menyempitnya lapangan

pekerjaan, membuat sebagian besar penduduk memilih untuk bermigrasi keluar

mendapatkan kehidupan yang lebih layak.

Kondisi pembangunan ekonomi negara-negara berkembang dalam

banyak daripada pertambahan penduduk, sehinga masalah pengangguran dari

menambah tingkat kemiskinan. (Siswosoemarto, 2012:460-461)

diangkat dalam penelitian ini adalah :

 apakah jumlah penduduk miskin berpengaruh secara spasial terhadap

 apakah jumlah pengangguran berpengaruh secara parsial terhadap

apakah jumlah pengangguran, kualitas pendidikan, dan jumlah penduduk miskin

berpengaruh secara parsial terhadap dinamika migrasi.

Manfaat penelitian ini adalah untuk memberikan masukan kepada pembuat

kebijakan sebagai bahan pertimbangan dalam membuat kebijakan pengiriman

Tenggara. Dan memberikan sumbangan infomasi kepada pemerintah bagaimana

dengan negara luar.

2.1 Landasan Teori

2.1.1 Teori Migrasi Michael P. Todaro

Todaro berpendapat bahwa motivasi utama seseorang untuk mengambil keputusan

bermigrasi adalah karena motif ekonomi. Di dalam Expected Income model of

rural-urban migration beliau menyebutkan bahwa motivasi tersebut sebagai

pertimbangan ekonomi yang rasional, dimana mobilitas ke kota mempunyai dua

harapan, yaitu harapan untuk memperoleh pekerjaan dan harapan untuk

memperoleh pendapatan yang lebih tinggi daripada yang diperoleh di desa.

Penghasilan yang diharapkan diukur dengan perbedaan dalam penghasilan rill

melakukan migrasi bila penghasilannya lebih besar daripada biaya yang

dikeluarkan. ( Todaro, 2003 : 383-385)

2.1.2 Teori Heckser-Ohlin

Teori Heckser-Ohlin menyatakan bahwa suatu wilayah sebaiknya

berspesialisasi pada barang yang wilayah tersebut mempunyai kandungan

(abundance) faktor produksi yang lebih besar dibandingkan dengan wilayah

lainnya. Karena produksi menggunakan sumber daya mempunyai kandungan

hasil produksi pertanian atau barang-barang yang diproduksi dengan Teknologi

Padat Karya (Labor Intensive Technology) sehingga biaya produksinya menjadi

murah. Sebaliknya, wilayah maju (Developed Region) biasanya mempunyai

kandungan sumber daya modal yang lebih besar sehingga memungkinkannya

untuk menghasilkan dan mengekspor barang hasil produksi industri yang

menggunakan Teknologi Padat Modal (Capital Intensive Technology) dengan

lebih murah. Dengan demikian, terlihat bahwa perdagangan akan memberikan

keuntungan dan kesejahteraan (welfare) kepada kedua wilayah yang terlibat.

2.1.3 Teori Keuntungan Komparatif