Jurnal Ilmiah Parameter Edisi Juni 2020
Jurnal Ilmiah Parameter Edisi Juni 2020
PA R A M E T E R
MEDIA PEMERHATI DAN PEMINAT STATISTIKA, EKONOMI, DAN SOSIAL
(Abd. Hakim)
(Zia Ul Fajri)
(Lyli Suryani)
. id
go
(Mansyuri)
eh
(Rizki Hadiman)
s:
tp
ht
DEWAN REDAKSI
PENANGGUNG JAWAB:
Wahyudin (Ketua)
Nuriah
Tasdik Ilhamuddin
Andariati Afrida
Kenda Paryatno
Oriza Santifa
TIM EDITOR:
Azwar (Ketua)
Haniah (Sekretaris)
Devi Indriastuti (Anggota)
Nuri Rosmika (Anggota)
Akhmad Sugito (Anggota)
id
PENYUNTING:
M. Shabri Abd. Majid (Universitas Syiah Kuala)
g o.
s.
Saiful Mahdi (Universitas Syiah Kuala)
bp
LAYOUT:
//a
Ridha Mutia
s:
tp
ht
Redaksi menerima karya tulis ilmiah dari segenap masyarakat pemerhati dan peminat bidang
statistika, ekonomi, dan sosial. Karya ditulis dalam format word sebanyak 5-20 halaman A4 dengan
spasi 1,15 pt dan jenis huruf calibri ukuran 12. Redaksi berhak mengedit tanpa mengubah intisari
tulisan. Terima kasih.
DAFTAR ISI
id
ANALISIS SEKTOR UNGGULAN DAN POTENSIAL PROVINSI ACEH TAHUN 2010-2017
o.
(Rizki Hadiman)........................................................................................
KLASIFIKASI PUTUS SEKOLAH DENGAN METODE NON LINIER SUPPORT VECTOR
g 65
s.
bp
MACHINE (SVM)
(STUDI KASUS: DATA SUSENAS PROVINSI ACEH TAHUN 2016
h.
Hidayat).................................................................................................... 82
//a
s:
tp
ht
ii
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Abstrak
Penelitian ini dilaksanakan di provinsi Aceh menggunakan data dasar hasil Susenas
Maret 2019. Dari data Susenas tersebut dipilih sampel sebanyak 11.399 kepala rumah
tangga yang memiliki angggota rumah tangga 2 orang atau lebih. Tujuan penelitian ini
adalah untuk mengetahui karakteristik kepala rumah tangga miskin dan faktor-faktor yang
mempengaruhinya. Disamping itu juga untuk mengetahui probabilitas rumah tangga
menjadi miskin dengan karakteristik tertentu. Dengan menggunakan model analisis regresi
logirtik, yaitu suatu metode yang menerangkan hubungan antara variabel respon dikotomi
dan satu set variabel penjelas katagori. Lima variabel yang dipilih mampu menjelaskan
variasi kemiskinan pada rumah tangga sampel dengan tingkat signifikan 5%. Variabel
tersebut adalah jenis kelamin, tingkat pendidikan, lapangan pekerjaan, jumlah angggota
id
rumah tangga, dan daerah tempat tinggal. Faktor yang paling dominan adalah jumlah
g o.
anggota rumah tangga, dimana jumlah anggota rumah tangga 5 orang atau lebih
mempunyai probabilitas menjadi miskin lebih besar 3,6 kali dibandingkan dengan jumalh
s.
Pendahuluan
s:
Latar Belakang
tp
1
Fungsional Statistisi Ahli Madya BPS Aceh, Email: ahakim@bps.go.id
Berdasarkan data BPS selama periode sepuluh tahun terakhir tarjadi penurunan
jumlah penduduk miskin sebesar 7.744.100 jiwa, yaitu dari 32.529.970 jiwa (10,72%) pada
tahun 2009 menjadi 24.785.870 jiwa (9,22%) pada tahun 2019. Keberhasilan yang dicapai
bervariasi antar wilayah dengan kesenjangan yang relatif tinggi. Provinsi Aceh termasuk
wilayah cukup tinggi angka kemiskinannya yaitu sebesar 15,01%, angka tersebut merupakan
yang tertinggi dibandingkan dengan provinsi di Sumatera. Namun jika dilihat dari progres
pencapaian selama sepuluh tahun terakhir, penurunannya angka kemiskinan Aceh relatif
tinggi yaitu sebesar 6,79% (dari 21,80% tahun 2009 menjadi 15,01% tahun 2019). Jika dilihat
dari angkat tersebut, prestasi Aceh dalam upaya pengentasan kemiskinan tercatat baik.
Permasalahan kemiskinan bukan hanya pada program-program pengentasan
kemiskinan yang dilaksanakan pemerintah, akan tetapi juga terkait dengan respon
masyarakat itu sendiri terhadap program pemerintah, pemahaman terhadap karakteristik
rumah tangga juga mempunyani peranan penting dalam memerangi kemiskinan.
id
Bertitik tolak dari penjelasan di atas, tulisan ini mencoba mengamati dan meneliti
o.
karakteristik rumah tangga miskin di Provinsi Aceh tahun 2019, adapun perumusan masalah
g
s.
dalam penulisan ini adalah:
bp
tertentu.
Kajian Pustaka
Kerangka Teori
Kemiskinan secara harfiah berasal dari kata miskin, dalam Kamus Besar Bahasa
Indonesia berarti tidak berharta atau serba kekurangan. Sedangkan arti kemiskinan adalah
hal miskin atau keadaan miskin. Sedangkan makna dari kemiskinan secara istilah, banyak
teori dan konsep yang diungkapkan oleh para ahli maupun institusi, yang pada prinsipnya
mengacu pada kemampuan untuk memenuhi kebutuhan hidup layak atau dasar, beberapa
definisi kemiskinan yang dikutip dari laman https://www.seputarpengetahuan.co.id/
2016/06/9-pengertian-kemiskinan-menurut-para-ahli-dan-penyebabnya-lengkap.html
diantaranya adalah sebagai berikut :
1. Reitsma dan Kleinpenning: Kemiskinan adalah ketidakmampuan individu untuk
memenuhi kebutuhannya, baik yang bersifat material maupun non-material.
2. Suparlan: Kemiskinan adalah standar tingkat hidup yang rendah karena kekurangan
materi pada sejumlah atau golongan orang bila dibandingkan dengan standar kehidupan
yang berlaku di masyarakat sekitarnya.
2
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
bertanggungjawab dalam rumah tangga tersebut. Konsep tersebut yang digunakan dalam
Penelitian Sebelumnya
h.
Mempengaruhi Kemiskinan Rumah Tangga di Kota Kendari” tahun 2014, menyatakan bahwa
//a
status migrasi seumur hidup KRT, jenis kelamin KRT, umur KRT, jumlah ART, tingkat
pendidikan yang ditamatkan KRT dan status pekerjaan KRT, mempunyai pengaruh yang
s:
tp
Ayu Setyo dan Lilik Sugiharti dalam penelitiannya yang berjudul “Faktor-faktor
Penentu Kemiskinan di Indoensia” tahun 2016 menyimpulkan bahwa faktor- faktor yang
mempengaruhi kemiskinan pada rumah tangga adalah: jenis kelamin kepala rumah tangga,
usia kepala rumah tangga, jumlah anggota rumah tangga, bekerja, akses terhadap kredit
usaha, pendidikan kepala rumah tangga, kepemilikan HP, dan lokasi tempat tinggal.
Rina Nasmiwati dan Mike Triani menyimpulkan bahwa tingkat pendidikan, jenis
pekerjaan, tingkat kesehatan, jumlah tanggungan, dan sikap mental/spiritual secara
bersama-sama mempunyai pengaruh yang signifikan terhadap kemiskinan rumah tangga di
Kecamatan Bayang Kabupaten Pesisir Selatan. Hal ini diungkapkan dalam penelitiannya
pada tahun 2019 yang berjudul “Analisis Faktor-Faktor yang Mempengaruhi Kemiskinan
Rumah Tangga di Kecamatan Bayang Kabupaten Pesisir Selatan “.
Metode Penelitian
Ruang Lingkup dan Sumber Data
Penelitian ini dilakukan di Provinsi Aceh menggunakan data Survei Sosial Ekonomi
Nasional (Susenas) Maret 2019. Sasaran penelitian adalah rumahtangga dan kepala rumah
tangga terpilih sampel Susenas. Sampel Susenas tersebut berjumlah 12.295 rumah tangga
yang tersebar di seluruh wilayah Provinsi Aceh, dari jumlah tersebut dalam penelitian ini
dipilih sebanyak 11.399 rumah tangga yang memiliki angggota rumah tangga 2 orang atau
lebih. Hal ini dimaksudkan untuk mengeluarkan orang yang tinggal sendiri seperti anak kos
dll yang diasumsikan pola konsumsinya kurang bervariasi.
Adapun variabel-variabel yang menjadi objek penelitian adalah:
1. Jenis kelamin kepala rumah tangga
2. Tingkat pendidikan kepala rumah tangga
3. Lapangan Pekerjaan kepala rumah tangga
4. Jumlah anggota rumah tangga
5. Daerah tempat tinggal
Metode Analisis
a. Analisis Deskriptif
Tujuan analisis ini adalah untuk mendeskripsikan atau memberi gambaran tentang
karakteristik rumah tangga miskin di Provinsi Aceh tahun 2019, agar data yang tersaji mudah
id
difahami dan merupakan penjelasan awal sebelum melakukan analisis inferensia.
b. Analisis Insferensia dengan Regresi Logistik g o.
Menurut Friendly (1995), regresi logistik adalah suatu metode atau teknik untuk
s.
memprediksi ketika varaibel tak bebas dikotomi dan variabel bebasnya dapat berupa
bp
kontinu, diskrit atau kategori. Analisis ini digunakan untuk mengukur hubungan fungsi
h.
antara variabel tak bebas dikotomi dengan variabel-variabel bebas berupa kuantitatif dan
ce
likelihood, yaitu suatu prosedur pencarian satu atau lebih parameter yang secara statistik
s:
Garson (1998) mengatakan bahwa metode estimasi OLS tidak dapat digunakan dalam
ht
model regresi logistik, karena ada beberapa asumsi yang tidak terpenuhi, yaitu:
1. Variabel tak bebas tidak berdistribusi normal karena Y merupakan variabel dikotomi,
akan tetapi diasumsikan berdistribusi keluarga exponensial, seperti poisson, binomial,
gamma.
2. Varaibel tak bebas tidak mempunyai varians yang homogen (heteroscedasticity)
3. Error terms tidak berdistribusi normal
Menurut Nachrowi dan Usman (2002), bentuk model regresi logirtik adalah:
( )
( )
( ) | |
( )
4
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
disebut fungsi likelihood yang menyatakan probabilitas bersama dari data hasil observasi
yang masih merupakan fungsi dari parameter yang tidak diketahui. Analisis ini digunakan
untuk mengestimasi rasio kecenderungan (odds ratio) setiap faktor yang berpengaruh
terhadap kemiskinan pada rumah tangga yang menjadi unit penelitian.
Adapun metode pengujian model dan parameter yang digunakan adalah statistik uji G
yaitu untuk uji secara simultan atau uji semua variabel penjelas dalam model secara
bersama.
H0 : β1 =β2= β3 ……= βj = 0
H1 : minimal terdapat satu βj ≠ 0
Statistik uji yang digunakan: G = -2ln [ ]
Model B: model hanya terdiri dari konstanta saja
Model A: model terdiri dari seluruh variabel
berdistribusi Khi-Kuadrat dengan derajat bebas p atau se ara simbolis ditulis .
id
Selanjutnya Uji Wald, yaitu uji signifikansi tiap-tiap parameter.
H0 : βj = 0 untuk suatu tertentu: j=0,1,2,3, ... , p
g o.
s.
H1 : βj ≠ 0
bp
( )
ce
Statistik ini berdistribusi Khi-Kuadrat dengan derajat bebas 1 atau secara simbolis
ditulis
//a
( )
( )
= ⁄ ( ) = exp(βi)
( )
[ ]
2. adjusted probability merupakan probabilitas terjadinya suatu peristiwa y = 1 dengan
karakteristik yang telah diketahui, ditulis sebagai:
( )
( )
( )
Definisi Variabel Operasional
a. Variabel tak bebas (y)
Variabel tak bebas dalam penelitian ini adalah kemiskinan rumah tangga, yang
dikategorikan menjadi:
Rumah tangga miskin = 1
Rumah tangga tidak miskin = 0
b. Variabel bebas
1. Jenis kelamin kepala rumah tangga (d_jk)
Perempuan = 1
Laki-laki = 0
2. Tingkat pendidikan kepala rumah tangga (d_pdik))
SLTP ke bawah = 1
SLTA ke atas = 0
3. Lapangan pekerjaan kepala rumah tangga (d_lp)
Pertanian = 1
Non pertanian = 0
id
4. Jumlah anggota rumah tangga (d_jart)
5 orang atau lebih = 1
2 - 4 orang = 0
g o.
s.
5. Daerah tempat tinggal (d_dae)
bp
Perdesaan = 1
h.
Perkotaan = 0
ce
//a
s:
Pembahasan
tp
Analisis Deskriptif
ht
6
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
b. Industri 12.94 12.28
c. Perdagangan
d. Lainnya
g o. 11.61
9.45
18.54
18.69
s.
bp
b. Karakterietik Perumahan
Rumah merupakan salah satu kebutuhan pokok yang harus dipenuhi selain kebutuhan
sandang dan pangan. Manusia membutuhkan rumah disamping sebagai tempat untuk
berteduh atau berlindung dari hujan/panas, dan memberi rasa aman dari gangguan, rumah
juga menjadi tempat berkumpul keluarga dalam menjalin hubungan kasih sayang dan saling
berinteraksi satu sama lain. Dengan demikian, rumah dapat dijadikan sebagai salah satu
indikator kesejahteraan. Semakin baik fasilitas yang dimiliki, dapat diasumsikan semakin
sejahtera rumah tangga yang menempatinya. Beberapa fasilitas yang akan diuraikan disini
adalah jenis atap terluas, dinding, lantai, sumber air minum.
Tabel 2. Karakteristik Perumahan
Tidak
Uraian Miskin
Miskin
Beton/Genteng/Asbes 5.06 6.70
id
Atap Seng 88.47 91.33
Bambu/Kayu/lainnya g o. 6.47 1.97
s.
marmer/keramik/karpet/ubin/tegel/semen 81.01 89.96
Lantai
bp
Pada tabel 2 di atas tergambar bahwa, sebagian besar rumah masyarakat Aceh
(rumah tangga miskin maupun tidak) mempunyai kualitas atap dan lantai yang relatif baik
(atap seng, lantai marmer/tegel/semen). Akan tetapi jika dilihat dari kualitaas dinding dan
sumber air minum, ada perbedaan antara rumah tangga miskin dengan tidak miskin. Jenis
dinding dan sumber air minum rumah tangga miskin kualitasnya lebih rendah dibanding
dengan rumah tangga tidak miskin. Dimana sebagian besar rumah tangga miskin berdinding
kayu/papan (59,12%) dengan air minum utama bersumber dari ledeng/sumurbor/terlindung
(46,27%), sedangkan untuk rumah tangga tidak miskin sebagian besar berdinding tembok
(57,84%) dengan sumber air minum utama air kemasan/isi ulang (44,39%.).
8
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
( ) = ( )
Dimana:
Y : kemiskinan rumah tangga (miskin=1, tidak miskin=0)
D_jk : jenis kelamin kepala rumah tangga (perempuan=1, laki-laki=0)
D_pdik : tingkat pendidikan kepala rumah tangga (SLTP ke bawah=1, SLTA ke
atas=0)
D_lp : lapangan pekerjaan kepala rumah tangga (pertanian=1, non pertanian=0)
D_jart : jumlah anggota rumah tangga (5 ke atas=1, 4 ke bawah=0)
D_dae : daerah tempat tinggal (perdesaan=1, perkotaan=0)
id
g o.
Berdasarkan hasil uji statistik menggunakan software SPSS 24, dapat dilihat besar dan
arah pengaruh variabel-variabel yang mempengaruhi kemiskinan rumah tangga secara
s.
bp
signifikan pada taraf uji 𝛼 5%. Variabel-variabel tersebut adalah jenis kelamin, pendidikan,
lapangan pekerjaan, jumlah art, dan daerah tempat tinggal. Berdasarkan hasil pengujian
h.
regresi logistik dengan taraf uji 𝛼 5% yang disajikan pada tabel 2, model persamaannya
ce
( )
ht
Interpretasi
1. Odds ratio (perbandingan resiko)
Dari tabel 4.3 dapat diinterpretasikan sebagai berikut:
Kecenderungan rumah tanggan yang dikepalai perempuan untuk menjadi miskin 1,361
kali dibandingkan dengan rumah tanggan yang dikepalai laki-laki. Perempuan yang
tidak bekerja lebih besar dibanding laki-laki merupakan faktor utama rendahnya
pendapatan. Hal ini terlihat dari persentase kepala rumah tangga perempuan yang
tidak bekerja sebesar 34,93%, sedangkan laki-laki 7,04 %. Selain itu tingkat pendidikan
mereka juga lebih rendah yaitu sebesar 65,97% SD ke bawah, sedangkan laki-laki
sebesar 41,03%.
Variabel selanjutnya adalah tingkat pendidikan. Kecenderungan rumah tangga
menjadi miskin dengan pendidikan kepala rumah tangga SLTP ke bawah 1,934 kali
dibandingkan dengan SLTA ke atas. Semakin tinggi pendidikan seseoranga
diperkirakan akan semakin terampil dan akan mendapat pekerjaan yang lebih baik
yang tentunya akan mempengaruhi upah mereka.
id
Jenis kelamin perempuan
Pendidikan SLTP ke bawah
g o.
s.
Maka probabilita rumah tangga tersebut miskin adalah sebesar 45,66 persen, dan
//a
Kesimpulan
Berdasarkan hasil pembahasan dapat disimpulkan bahwa:
1. Kualitas perumahan rumah tangga miskin lebih rendah dari pada rumah tangga tidak
miskin.
2. Beberapa variabel yang secara signifikan mempengaruhi kemiskinan adalah jenis kelamin,
tingkat pendidikan, lapangan pekerjaan, jumlah anggota rumah tangga, dan daerah
tempat tinggal. semua variabel tersebut berpengaruh secara positif.
10
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
3. Variabel yang cukup besar mempengaruhi tingkat kemiskinan adalah jumlah anggota
keluarga dengan nilai odds ratio sebesar 3,590, artinya rumah tangga dengan jumlah art
5 orang ke atas kecenderungan menjadi miskin 3,590 kali dibanding dengan jumlah art 4
orang ke bawah.
4. Rumah tangga dengan karakteristik KRT perempuan, pendidikan SLTP ke bawah,
lapangan pekerjaan pertanian, jumlah art 5 orang atau lebih, tinggal di daerah perdesaan,
akan mempunyai probabilitas menjadi miskin sebesar 45,66 persen.
Saran rekomendasi
1. Berbagai kajian dan penelitian tentang kemiskinan telah banyak dilakukan, baik oleh
pemerintah, peneliti, maupun swasta. Akan lebih tepat jika program-program
pengentasan kemiskinan merujuk pada berbagai peneliatian termasuk penelitian ini.
2. Pemerintah bersama masyarakat sebaiknya sejalan dalam melaksanakan program
pengentasan kemiskinan dengan memanfaatkan anggaran dan dukungan masyarakat.
id
Misalnya pendidikan merupakan salah satu faktor yang mempengaruhi kemiskinan,
g o.
pemerintah menyediakan anggaran pendidikan dalam melaksanakan program yang pro
kesejahteraan dan masyarakat mendukung dan memanfaatkan dengan baik program
s.
dimaksud.
bp
h.
Daftar Referensi
ce
http://www.datavis.ca/courses/grcat/grc6.html
s:
Garson, David. 2014. Logistic Regression: Binarty and Multinomial. School of Public and
tp
http://www.statisticalassociates.com
Said, Ali Said dan Aiyago Mulia. 2002. Dasar dasar Analisis Kemiskinan. Bank Dunia.
Tterjemahan Badan Pusat Statistik
setyo, Ayu setyo dan lilik. 2016. Faktor-faktor Penentu Kemiskinan di Indonesia. Jurnal Ilmu
Ekonomi Terapan, Universita Airlangga. https://e-
journal.unair.ac.id/JIET/article/view/3252/2473
Wulandari, Nike Roao. 2016. Faktor-faktor yang Mempengaruhi Kemiskinan Rumah
Tangga di Kota Kendari Tahun 2014. Jurnal Progres Ekonomi Pembangunan Universitas
Halu Oleo.
Nasmiwati, Rina Nasmiwati dan Mike Triani. 2019. Analisis Faktor-Faktor yang
Mempengaruhi Kemiskinan Rumah Tangga di Kecamatan Bayang Kabupaten Pesisir
Selatan. Jurnal Kajian Ekonomi dan Pembangunan Univ Negeri Padang.
http://ejournal.unp.ac.id/students/index.php/epb/article/view/5647
https://www.statistikian.com
https://statistikceria.blogspot.com
http://www.statistikolahdata.com
https://www.seputarpengetahuan.co.id/ 2016/06/9-pengertian-kemiskinan-menurut-para-
ahli-dan-penyebabnya-lengkap.html:
https://aceh.bps.go.id/subject/23/kemiskinan.html#subjekViewTab1
https://kbbi.web.id/miskin
id
g o.
s.
bp
h.
ce
//a
s:
tp
ht
12
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Zia Ul Fajri1
Abstrak
Tujuan pertama SDGs adalah pengentasan segala bentuk kemiskinan di semua tempat.
Dalam mencapai tujuan ini sangat terkait dengan tujuan 8 SDGs, yakni pekerjaan layak dan
pertumbuhan ekonomi yang inklusif dan berkelanjutan. Diharapkan dengan penetapan
tujuan tersebut maka tujuan 10 SDGs yaitu mengurangi ketimpangan di dalam dan di antara
negara-negara dapat terwujud. Perkembangan dunia finansial saat ini berlangsung sangat
pesat dengan cepatnya penetrasi teknologi. Sector finansial memegang peranan penting
dalam aliran sumber daya capital antar Negara, antar daerah dan antar golongan
masyarakat dan diharapkan dapat menurunkan ketidaksetaraan di dalam dan di antara
negara/masyarakat. Oleh karena itu studi ini menyelidiki peran teknologi informasi dan
id
komunikasi (TIK) serta akses finansial pada ketimpangan pendapatan di lima negara asia
o.
tenggara periode 2006 hingga 2018 menggunakan OLS regresi linear berganda. Hasilnya,
g
sektor keuangan seperti pemberian kredit serta penggunaan TIK seperti internet dan
s.
jaringan transmisi data terbukti dapat mengurangi ketimpangan distribusi pendapatan pada
bp
negara ASEAN. Untuk itu, disarankan agar TIK dan pemberian kredit pada institusi keuangan
h.
formal dan informal dapat lebih dikembangkan oleh pemerintah. Pada penelitian
ce
selanjutnya sebaiknya ditambahkan variable korupsi dan gender karena salahguna anggaran
//a
Pendahuluan
Sustainable development Goals (SDGs) mempunyai 17 tujuan pokok, tujuan yang
pertama dan yang paling utama adalah pengentasan segala bentuk kemiskinan di semua
tempat. Dalam mencapai tujuan ini akan sangat terkait dengan tujuan 8 SDG, yakni
pekerjaan layak dan pertumbuhan ekonomi yang inklusif dan berkelanjutan. Maksud inklusif
disini yaitu menyasar kepada kelompok rentan seperti penduduk miskin, masyarakat yang
tinggal di daerah perdesaan/terpencil maupun kaum perempuan. Diharapkan dengan
penetapan tujuan tersebut maka tujuan 10 SDG yaitu mengurangi ketimpangan di dalam
dan di antara negara-negara dapat terwujud.
Perkembangan dunia finansial saat ini berlangsung sangat pesat dengan cepatnya
penetrasi teknologi. Sektor finansial memegang peranan penting dalam aliran sumber daya
capital antar Negara, antar daerah dan antar golongan masyarakat. Aliran modal dari
masyarakat kaya maupun Negara maju kepada masyarakat miskin dan Negara berkembang
1
Fungsional Statistisi Ahli Pertama BPS Banda Aceh, Email: zia.ulfajri@bps.go.id
id
mencapai tingkat yang tinggi, maka akan mengurangi kesenjangan pendapatan dan
g o.
karenanya mengurangi ketimpangan. Ini konsisten dengan interpretasi 'Kurva Kuznets', yang
s.
ber hipotesis bahwa ketimpangan pendapatan meningkat pada tahap awal pembangunan
bp
ekonomi dan kemudian menurun ketika reformasi sedang berlangsung (Kuznets, 1955).
h.
Namun, hubungan antara ketimpangan dan perkembangan keuangan ini berubah dari
ce
Berkembang pesatnya teknologi informasi dan komunikasi (TIK) dewasa ini ikut
tp
menetrasi semua sektor ekonomi terutama sektor finansial. Berbeda halnya dengan
ht
perkembangan TIK di negara maju dan yang dinilai telah jenuh, perkembangan TIK di
kawasan Asia Tenggara dinilai masih memiliki potensi penetrasi yang tinggi di (Penard et al,
2012).
Tabel 1. Klasifikasi Pendapatan Negara-negara Asia Tenggara, 2020
No. Negara Klasifikasi Pendapatan
1 Brunei Darussalam High income
2 Indonesia Lower middle income
3 Cambodia Lower middle income
4 Lao PDR Lower middle income
5 Myanmar Lower middle income
6 Malaysia Upper middle income
7 Philippines Lower middle income
8 Singapore High income
9 Thailand Upper middle income
10 Vietnam Lower middle income
Sumber :World Bank
14
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Pada tabel 1 menunjukkan bahwa dari semua negara Asia Tenggara tersebut terdapat
dua negara dengan pendapatan tinggi yang tingkat penetrasi TIK maupun sektor finansial
telah jenuh. Penelitian ini berfokus pada negara dengan pendapatan menengah karena
keterbatasan data, hanya negara Indonesia, Malaysia, Filipina, Thailand dan Vietnam saja
yang termasuk dalam ruang lingkup penelitian. Oleh karena itu, penelitian ini ingin melihat
hubungan antara TIK dan sektor keuangan terhadap ketidaksetaraan pada lima negara-
negara Asia Tenggara tersebut.
Tujuan
Penelitian memiliki tujuan untuk (i) menganalisis pengaruh TIK terhadap penurunan
kesenjangan di negara-negara ASEAN dan (ii) menganalisis pengaruh sektor finansial
terhadap penurunan kesenjangan di negara-negara ASEAN.
Landasan Teori
Sektor keuangan sangat berpengaruh pada pertumbuhan ekonomi inklusif. Dengan
adanya aliran modal yang merata pada masyarakat miskin dan daerah pedesaan akan
id
mendukung berjalannya pertumbuhan ekonomi yang pro-poor. Berkembang pesatnya
g o.
teknologi informasi dan komunikasi (TIK) juga sangat berperan dalam mewujudkan
s.
pertumbuhan ekonomi inklusif. Dengan dunia yang tanpa batas, masyarakat miskin dan di
bp
daerah perdesaan maupun tertinggal sekalipun dapat ikut melakukan aktivitas ekonomi
h.
tanpa pengahalang jarak. Perkembangan TIK ini menetrasi semua sektor ekonomi terutama
ce
sektor finansial. Bahkan sektor keuangan digital berkembang sangat cepat dan pesat
//a
melampaui sektor-sektor lainnya. Diharapkan kemajuan TIK dan sektor keuangan serta
s:
pengembangan sektor keuangan melalui penetrasi TIK ini akan menguatkan terciptanya
tp
Untungnya, penetrasi TIK yang mencapai tingkat kejenuhan di negara maju dan negara-
negara berkembang berpendapatan tinggi dinilai masih memiliki potensi penetrasi yang
tinggi di Asia Tenggara (Penard et al, 2012). Oleh karena itu, diprediksi bahwa
perkembangan TIK yang pesat kedepannya akan mempercepat penurunan kemiskinan dan
ketidaksetaraan di kawasan asia tersebut.
Pengaruh sektor keuangan terhadap kemiskinan dan kesenjangan tersebut sejalan
dengan hubungan antara sektor keuangan dan pertumbuhan ekonomi maupun
pembangunan ekonomi (Kappel, 2010). World Development Report (2016) juga menyatakan
bahwa revolusi digital pada era milenial ini seharusnya akan mendatangkan “Digital
Dividends” apabila akses internet yang tanpa batas dapat diinteraksikan dengan sektor
keuangan yang telah ada agar dapat mendorong ekonomi. Hal ini juga didukung oleh
Laporan Pembangunan Keuangan Global (2014) yang menyatakan bahwa TIK dapat
mewujudkan inklusi keuangan dan berguna untuk penurunan kemiskinan dan pengurangan
kesenjangan ekonomi. Faktanya, penetrasi teknologi informasi dan komunikasi (TIK) dalam
sektor keuangan membuat pengembangan sektor ini menjadi sangat menguntungkan
masyarakat. Pengembangan keuangan ini akan mengurangi biaya transaksi sehingga dapat
mengurangi pengeluaran finansial rumah tangga (Levine, 2009). Di sisi lain, TIK juga dapat
menjadi sarana bagi mereka yang tidak mempunyai rekening di bank agar tetap dapat
mengakses layanan keuangan formal (Asongu dan Nwachukwu,2017). Selain itu, perbankan
digital ini juga berfungsi sebagai Anjungan Tunai Mandiri (ATM) untuk keperluan transaksi
sehingga sangat memudahkan masyarakat.
Penelitian terdahulu
Beberapa bukti empiris yang menjelaskan bahwa pengembangan sektor keuangan
dapat mengurangi kemiskinan dan kesenjangan. Penelitian terdahulu tentang kaitan sektor
keuangan dan TIK terhadap penurunan kemiskinan dan ketimpangan adalah dapat dilihat
pada tabel 2. Selanjutnya, sesuai dengan literatur keuangan dan ketidaksetaraan, penelitian
ini juga memasukkan variabel pengiriman uang/remitansi dan pengeluaran konsumsi
pemerintah sebagai factor yang juga berpengaruh terhadap penurunan kesenjangan.
id
1 Asongu dan 2017 TIK dalam meningkatkan pembangunan manusia yang inklusif di benua Afrika sehingga
2
Le Roux
Corrado dan 2017 o.
dapat menurunkan ketimpangan pendapatan.
g
Sector keuangan inklusif memiliki banyak manfaat pada pertumbuhan ekonomi inklusif
s.
Corroda karena: (i) memungkinkan akses ke berbagai layanan keuangan; (ii) memberi peluang
bp
pelaku ekonomi untuk membuat rencana investasi dan konsumsi jangka panjang; (iii)
melindungi rumah tangga dan bisnis dari guncangan yang merugikan dan (iv) memberi
h.
3 Meniago dan 2018 Akses keuangan bagi semua dan efisiensi keuangan dapat mengurangi ketidaksetaraan.
Asongu
//a
4 Sarma dan 2011 Inklusi keuangan, pembangunan ekonomi, dan perkembangan manusia berhubungan
s:
6 Asongu dan 2018 TIK inklusif berhubungan dengan pertumbuhan ekonomi, ketimpangan dan kemiskinan.
Asongu Meningkatnya penggunaan ponsel untuk membayar tagihan memiliki hubungan positif
dengan pertumbuhan di negara-negara berpenghasilan rendah-menengah. Namun,
berhubungan negative dengan ketimpangan pada negara-negara Amerika Latin.
Meningkatnya penggunaan ponsel utk menerima/mengirimkan uang juga hubungan
negatif dengan kemiskinan di wilayah Asia Pasifik serta Eropa Timur.
7 Asongu dan 2017 Aplikasi mobile banking berperan penting dalam menanggapi tantangan pertumbuhan
Odhiambo eksklusif, ketimpangan dan kemiskinan di negara-negara berkembang.
8 Asongu 2015 Ada efek redistribusi pendapatan dari penetrasi ponsel pro-poor di Afrika.
9 Asongu dan 2018 Terdapat hubungan antara teknologi seluler terhadap pengembangan ekonomi inklusif
Boateng di Afrika.
10 Asongu et al 2018 Perkembangan teknologi informasi dapat meningkatkan akses pada sektor keuangan di
Afrika.
11 Gosavi 2018 Perusahaan di sub-Sahara Afrika Timur yang menggunakan uang digital akan lebih
mudah mendapatkan pinjaman kredit dan akan lebih produktif.
12 Bongomin, 2018 Ada pengaruh jejaring sosial dalam hubungan antara penggunaan uang digital dan inklusi
dkk keuangan di pedesaan Uganda
13 Abor et al 2018 Inklusi keuangan dan penetrasi telepon seluler secara substansial mengurangi
kemungkinan rumah tangga dan mengubah konsumsi per kapita dari produk makanan
ke bukan makanan.
14 Yousefi 2011 Pengaruh pertumbuhan ekonomi pada TIK bervariasi pada kelompok pendapatan yang
berbeda. TIK memainkan peran penting dalam pertumbuhan ekonomi kelompok
berpenghasilan menengah ke atas. Namun, TIK gagal berkontribusi pada pertumbuhan
ekonomi kelompok berpenghasilan menengah ke bawah.
16
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Kerangka Konseptual
Berdasarkan landasan teori dan penelitian sebelumnya di atas, maka dibangun
kerangka konseptual penelitian sebagai berikut:
Sektor Keuangan
- Jumlah uang beredar
- Jumlah pemberian kredit
TIK Kesenjangan
- Internet
pendapatan
- Jaringan transmisi (broadband)
Variable lain
- Pengeluaran Pemerintah
- Arus keuangan antar negara
id
o.
g
Gambar 1. Alur Pikir penelitian
s.
bp
h.
ce
//a
Hipotesis
s:
Berdasarkan alur pikir penelitian di atas maka dibangun hipotesis sebagai berikut:
tp
Ho : variable telepon seluler, internet dan janringan transmisi tidak memiliki pengaruh
ht
Ha : variable telepon seluler, internet dan jaringan transmisi memiliki pengaruh terhadap
kesenjangan pendapatan.
Ho : variable jumlah uang beredar dan jumlah pemberian kredit tidak memiliki pengaruh
terhadap kesenjangan pendapatan.
Ha : variable jumlah uang beredar dan jumlah pemberian kredit memiliki pengaruh
terhadap kesenjangan pendapatan.
Ho : variable pengeluaran pemerintah dan arus keuangan dari luar negeri tidak memiliki
pengaruh terhadap kesenjangan pendapatan.
Ha : variable pengeluaran pemerintah dan arus keuangan antar negara memiliki pengaruh
terhadap kesenjangan pendapatan.
id
- Data pengeluaran pemerintah didekati dengan persentase konsumsi akhir
g o.
pemerintah terhadap PDB sebagai variabel independen kelima (X5).
s.
- Data arus keuangan dari luar negeri didekati dengan persentase pengiriman uang
bp
Dengan metode OLS akan dihasilkan Persamaan regresi linear berganda sebagai berikut:
//a
s:
Keterangan:
Y = Variabel dependen (nilai yang diprediksikan) dalam hal ini adalah Indeks Gni
X1 = Variabel independen persentase jumlah uang beredar terhadap PDB
X2 = Variabel independen persentase jumlah pemberian kredit terhadap PDB
X3 = Variabel independen pengguna internet per 100 orang
X4 = Variabel independen logaritma natural tingkat berlangganan jaringan transmisi
(broadband)
X5 = Variabel independen persentase konsumsi akhir pemerintah terhadap PDB
X6 = Variabel independen persentase pengiriman dan penerimaan uang antar negara
terhadap PDB
a = Konstanta (nilai Y’ apabila X1, X2…..X6 = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
e = eror term
18
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
50
48
46
44
42
40
38
36
id
34
32
Indonesia Malaysia Filipina
o.
g
Thailand Vietnam ASEAN-5
s.
30
bp
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
h.
Indeks Gini mengukur sejauh mana distribusi pendapatan (yang terkadang didekati
tp
dengan pengeluaran konsumsi) di antara individu atau rumah tangga dalam suatu
ht
perekonomian menyimpang dari distribusi yang pemerataan yang sempurna. Kurva Lorenz
memetakan persentase kumulatif dari total pendapatan yang diterima terhadap jumlah
komulatif penerima, dimulai dari individu atau rumah tangga termiskin. Indeks Gini
mengukur area antara kurva Lorenz dan garis hipotetis kesetaraan absolut, yang dinyatakan
sebagai persentase dari area maksimum di bawah garis. Jadi indeks Gini dari 0 mewakili
pemerataan sempurna, sementara indeks bernilai 100 mengimplikasikan ketidaksetaraan
sempurna (definisi data world bank, 2020).
Pada gambar 1 di atas terlihat bahwa rata-rata indeks gini Negara ASEAN mengalami
kemajuan dari angka 40,38 pada tahun 2006 menjadi 38,70 pada tahun 2018. Bila dilihat
berdasarkan negara, Malaysia memiliki angka ketimpangan tertinggi dan Indonesia
mempunyai indeks gini terendah pada tahun 2006. Akan tetapi, Malaysia memiliki
penurunan ketimpangan tertinggi selama 13 tahun terakhir sehingga menjadi Negara
dengan indeks gini tertinggi kedua. Selama tahun 2018, indeks gini tertinggi adalah Filipina
dan yang terendah adalah Vietnam. Negara Vietnam dinilai berhasil oeh dunia internasional
dalam menjalankan pertumbuhan ekonomi yang inklusif. Indonesia dan Thailand sendiri
berada pada urutan kedua dan ketiga terendah pada negara ASEAN.
180,00
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
Indonesia Malaysia Filipina Thailand Vietnam ASEAN-5
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
id
2006-2018
g o.
Jumlah Uang beredar (JUB) adalah jumlah uang di luar bank; giro selain dari
s.
bp
pemerintah pusat; tabungan, dan simpanan mata uang asing dari penduduk selain
pemerintah pusat; cek bank; dan sekuritas lain seperti sertifikat deposito dan surat berharga
h.
(definisi data world bank, 2020). Pada gambar 2 terlihat bahwa rata-rata persentase JUB
ce
terhadap PDB pada Negara ASEAN adalah 82,54 persen selama tahun 2006 dan meningkat
//a
menjadi 104,68 persen. Semakin tinggi angka persentase ini maka semakin cepat pula
s:
perputaran uang yang beredar dan semakin tinggi pula perekonomian yang terbentuk.
tp
Bila dilihat menurut Negara, persentase JUB terhadap PDB Indonesia merupakan yang
terendah selama 13 tahun terakhir, diikuti oleh Filipina. Negara dengan persentase JUB
terhadap PDB tertinggi sepanjang tahun 2006-2015 adalah Malaysia. Sementara itu, negara
dengan perkembangan JUB terhadap PDB tercepat adalah Vietnam. Bahkan sepanjang
tahun 2015-2018 perputaran uang di negara ini merupakan yang tertinggi dibanding negara-
negara ASEAN lainnya. Pertumbuhan ekonomi Vietnam memang sangat cepat dibanding
negara sekitar. Pertumbuhan ekonomi negara ini ditopang oleh sektor manufaktur dan
ekspor. Bahkan Negara ini dapat memanfaatkan momentum perang dagang China dan
Amerika Serikat untuk meningkat perekonomiannya. Negara ini meningkatkan ekspor ke
Amerika Serikat sebagai subsitusi barang ekspor dari China. Di sisi lain, Vietnam juga
menarik minat investor swasta dari negara Jepang, Korea, dan China untuk berinvestasi
dalam bidang industri manufaktur di negara ini. Hal ini membuat Vietnam dapat
berkembang cepat dari negara miskin menjadi negara berkembang.
20
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
Indonesia Malaysia Filipina Thailand Vietnam ASEAN-5
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank
Gambar 3. Persentase jumlah pemberian kredit terhadap PDB Negara-negara ASEAN tahun
2006-2018
id
o.
Pemberian kredit diharapkan akan menstimulus perekonomian dengan adanya aliran
g
s.
modal. Kecukupan modal akan meningkatkan produktivitas sehingga meningkatkan
bp
pendapatan dan menurunkan kesenjangan ekonomi. Pada gambar 3 terlihat bahwa rata-
h.
rata persentase kredit terhadap PDB pada Negara-negara ASEAN adalah sebesar 75,08
ce
persen pada tahun 2006 dan meningkat pesat menjadi 104,17 persen pada tahun 2018. Bila
//a
dirinci menurut negara, persentase kredit terhadap PDB Indonesia adalah yang terendah
selama 13 tahun terakhir. Sementara itu, persentase kredit terhadap PDB Malaysia
s:
tp
PDB yang tertinggi selama 13 tahun ini adalah Vietnam. Pemberian kredit memang dijadikan
faktor pendukung utama negara tersebut untuk mempertahankan pertumbuhan
ekonominya tetap tinggi.
100,00
Indonesia Malaysia Filipina Thailand Vietnam ASEAN-5
80,00
60,00
40,00
20,00
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank
Gambar 4. Pengguna internet per 100 orang Negara-negara ASEAN tahun 2006-2018
14.000.000
Indonesia
12.000.000
Malaysia
Filipina
10.000.000
id
Thailand
o.
Vietnam
8.000.000 g
ASEAN-5
s.
6.000.000
bp
h.
4.000.000
ce
2.000.000
//a
s:
-
tp
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Broadband adalah jaringan koneksi kecepatan tinggi karena lebar jalur data yang besar
sehingga memungkinkan untuk akses internet secara cepat. Teknologi ini berbagi jalur
dengan pengguna sekitarnya. Broadband ini tidak termasuk komunikasi data melalui
jaringan seluler. Pelanggan broadband ini perumahan dan perkantoran.
Gambar 5 menunjukkan bahwa rata-rata tingkat berlangganan broadband pada
Negara-negara ASEAN adalah 524.103 pelanggan pada tahun 2006 dan menjadi 7.534.656
pelanggan pada tahun 2018. Bila dirinci menurut negara, pada tahun 2006 terlihat bahwa
tingkat berlangganan broadband merata pada lima negara. Namun peningkatan terjadi
setiap tahunnya sehingga selama lima tahun terakhir tingkat berlangganan antarnegara
menjadi sangat bervariasi. Perkembangan di Vietnam dan Thailand terjadi sangat cepat.
Pemerintah Thailand dan Vietnam memang menargetkan broadband di seluruh daerah
dengan menetapkan biaya murah.
22
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
18,00
16,00
14,00
12,00
id
o.
10,00
g
8,00
s.
bp
6,00
h.
4,00
ce
2,00
Indonesia Malaysia Filipina Thailand Vietnam ASEAN-5
//a
-
s:
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
tp
Remitansi adalah pengiriman uang pekerja asing ke penerima di negara asalnya. Uang
yang dikirimkan pekerja migran merupakan salah satu arus uang terbesar di negara
berkembang. Remitansi memegang peranan penting bagi perekonomian. Pertumbuhan
aliran dana dari luar negeri ke dalam negeri akan menekan defisit transaksi berjalan (Current
Account Deficit/CAD) sekaligus stabilisasi kurs.
Gambar 7 menunjukkan bahwa rata-rata remitansi ASEAN adalah 4,28 persen pada
tahun 2006 dan stabil hingga mencapai angka 3,95 pada tahun 2018. Bila dilihat menurut
Negara, gambar 7 menunjukkan bahwa Malaysia, Indonesia, dan Thailand memiliki
persentase remitansi terhadap PDB yang rendah. Sementara Vietnam dan Filipina memiliki
tingkat remitansi terhadap PDRB yang cukup tinggi. Dengan jumlah tenaga kerja diluar
negeri yang terbilang rendah, remitansi Negara Filipina tergolong sangat tinggi. Hal ini
dikarenakan jumlah tenaga kerja Filipina di luar negeri memang lebih tinggi. Selain itu,
jumlah uang yang dikirimkan juga tergolong besar dan dilakukan secara digital sehingga
pasti tercatat.
14,00
Indonesia Malaysia Filipina Thailand Vietnam ASEAN-5
12,00
10,00
8,00
6,00
4,00
2,00
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank
id
Gambar 7. Persentase pengiriman uang antar Negara (remitansi) terhadap PDB Negara-
negara ASEAN tahun 2006-2018
go.
s.
bp
Analisis Inferensial
h.
ce
R-squared 0.592535
Adjusted R-squared 0.550384
S.E. of regression 3.302730
Sum squared resid 632.6653
Log likelihood -166.1865
F-statistic 14.05728
Prob(F-statistic) 0.000000
24
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Dari gambar d iatas terlihat bahwa uji secara silmultan menghasilkan tingkat signifikan
0,0000. Artinya pada taraf nyata 5 persen semua variabel secara simultan berpengaruh
signifikan terhadap kesenjangan ekonomi di ASEAN. Semua variabel bebas tersebut mampu
menjelaskan indeks gini ASEAN sebesar 59,25 persen, sedangkan 40,75 persen lagi
dijelaskan oleh variabel bebas lain diluar model. Dari enam variable yang diteliti, semua
variable signifikan pada tingkat kesalahan 10 persen. Namun pada tingkat kesalahan lima
persen hanya empat variable yang signifikan, yaitu variable kredit, internet, jaringan
transmisi data, dan pengeluaran pemerintah sehingga terbentuk model sebagai berikut:
id
Bongomin, dkk (2018).
g o.
Variabel kredit berbanding terbalik dengan indeks gini. Semakin tinggi persentase
pemberian kredit terhadap PDB maka akan semakin menurun angka indeks gini, demikian
s.
pula sebaliknya. Dengan kata lain, pemberian kredit dapat menurunkan kesenjangan pada
bp
Negara-negara ASEAN. Hal ini dikarenakan adanya aliran modal akan mendukung
h.
produktifitas sehingga terjadi redistribusi pendapatan yang pada akhirnya akan menurunkan
ce
kesenjangan. Setiap kenaikan 1 persen pemberian kredit terhadap PDB akan menurunkan
//a
Variabel internet berbanding terbalik dengan indeks gini. Semakin tinggi persentase
tp
penggunaan internet akan semakin menurun angka indeks gini, demikian pula sebaliknya.
ht
Dengan kata lain, penggunaan internet dapat menurunkan kesenjangan pada negara-negara
ASEAN. Hal ini dikarenakan ineternet akan menjadikan dunia tanpa batas sehingga akan
mendukung produktifitas dengan semakin luasnya pemasaran, ketersediaan bahan baku
yang semakin beragam, transfer ilmu yang semakin mudah, dan jejaring yang semakin
bertambah. Hal ini akan meredistribusi pendapatan yang pada akhirnya dapat menurunkan
kesenjangan. Setiap kenaikan 1 pengguna internet dari 100 orang maka akan menurunkan
indeks gini negara-negara ASEAN sebesar 0.183223.
Variabel jaringan transmisi berbanding terbalik dengan indeks gini. Semakin tinggi
persentase penggunan jaringan transmisi data maka semakin menurun angka indeks gini,
demikian pula sebaliknya. Dengan kata lain, peningkatan transmisi data dapat menurunkan
kesenjangan pada negara-negara ASEAN. Hal ini dikarenakan hadirnya dunia tanpa batas
akan mendukung produktifitas sehingga terjadi redistribusi pendapatan yang pada akhirnya
akan menurunkan kesenjangan. Setiap kenaikan 1 persen pelanggan broadband,
menurunkan indeks gini negara-negara ASEAN sebesar 2.804162.
Variabel konsumsi pemerintah terhadap PDB berbanding lurus dengan indeks gini.
Semakin tinggi persentase konsumsi pemerintah terhadap PDB semakin meningkat pula
angka indeks gini. Dengan kata lain, konsumsi pemerintah malah menaikkan kesenjangan
pada negara-negara ASEAN. Hal ini kemungkinan besar dikarenakan adanya inefisiensi
anggaran seperti halnya korupsi. Setiap kenaikan satu persen konsumsi pemerintah
terhadap PDB meningkatkan indeks gini negara-negara ASEAN sebesar 0.385849.
Apabila tidak ada peningkatan pemberian kredit, peningkatan penggunaan internet
pelanggan broadband, serta stabilnya pengeluaran pemerintah maka indeks gini akan
meningkat sebesar 0.743934. Peningkatan indeks gini tentu sangat mengkhawatirkan.
Kesimpulan
Berdasarkan hasil penelitian di atas, dapat disimpulkan bahwa TIK berpengaruh
terhadap penurunan kesenjangan di negara-negara ASEAN melalui penggunaan internet dan
jaringan transmisi data. Selain itu, sector keuangan juga terbukti berpengaruh terhadap
penurunan ketidaksetaraan melalui instrumen kredit. Di sisi lain, belanja pemerintah dan
tenaga kerja luar negeri tidak terbukti dapat menurunkan gini ratio.
id
Saran
g o.
Oleh karena itu, untuk mengurangi ketidaksetaraan melalui TIK dan akses keuangan
s.
dapat dilakukan dengan cara sebagai berikut:
bp
1. Pemerintah harus merencanakan regulasi agar layanan TIK dapat diakses oleh rumah
h.
memperlancar arus pemutaran uang dan meningkatkan akses keuangan. Bagi rumah
s:
Daftar Pustaka
Abor, J.Y., Amidu, M., Issahaku, H., 2018. Mobile telephony, financial inclusion
and inclusive growth. J. Afr. Bus. 18 (4), 430–453.
AfDB, 2013. Financial Inclusion in Africa. African Development Bank, Abidjan.
Aghion, P., Bolton, P., 2005. A theory on trickle-down growth and
development. Rev. Econ. Stud. 64 (2), 151–172.
Andrianaivo, M., Kpodar, K., 2011. ICT, financial inclusion, and growth:
evidence from African countries. IMF Working Paper 11 (73), 1–44.
26
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
Asongu, S.A., Nwachukwu, J.C., 2017a. Recent finance advances in information
o.
technology for inclusive development: a survey. In: African Governance and
g
s.
Development Institute Working Paper No. 009, (Yaoundé).
bp
Asongu, S.A., Batuo, E.M., Nwachukwu, J.C., Tchamyou, V.S., 2018. Is information
diffusion a threat to market power for financial access? Insights from the
African banking industry. J. Multinat. Financ. Manag. 45 (June), 88–104.
Beck, T., Demirgüç-Kunt, A., Levine, R., 2003. Law and finance: why does legal
origin matter? J. Comp. Econ. 31 (4), 653–675.
Beck, T., Demirgüç-Kunt, A., Levine, R., 2007. Finance, inequality and the poor. J.
Econ. Growth 12 (1), 27–49.
Bongomin, G.O.C., Ntayi, J.M., Munene, J.C., Malinga, C.A., 2018. Mobile money
and financial inclusion in sub-Saharan Africa: the moderating role of social
networks. J. Afr. Bus. 18 (4), 361–384.
Corrado, G., Corroda, L., 2017. Inclusive finance for inclusive growth and
development. Curr. Opin. Environ. Sustain. 24 (February), 19–23.
Demirgüç-Kunt, A., Levine, R., 2009. Finance and inequality: theory and
evidence. Annu. Rev. Financ. Econ. 1 (1), 287–318.
id
o.
Efobi, U.R., Tanankem, B.V., Asongu, S.A., 2018. Female economic participation
g
with information and communication technology (ICT) advancement:
s.
evidence from sub- Saharan Africa. S. Afr. J. Ecol. 86 (2), 231–246.
bp
Galor, O., Moav, O., 2004. From physical to human capital accumulation:
//a
inequality and the process of development. Rev. Econ. Stud. 71 (4), 1001–
s:
1026.
tp
28
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Tchamyou, V.S., 2018b. The role of information sharing in modulating the effect
of financial access on inequality. J. Afr. Bus.
Tchamyou, V.S., Asongu, S.A., 2017. Information sharing and financial sector
development in Africa. J. Afr. Bus. 18 (7), 24–49.
UNDESA, 2012. Boosting Development With Broadband and ICTS. (New
York). World Development Report, 2016. Digital Dividends. The World
Bank Group, Washington, DC.
Yousefi, A., 2011. The impact of information and communication technology
on economic growth: evidence from developed and developing countries.
Econ. Innov. New Technol. 20 (6), 581–596.
id
go.
s.
bp
h.
ce
//a
s:
tp
ht
Lyli Suryani1
Abstrak
id
pertumbuhan ekonomi. Variabel pada sektor keuangan dibagi menjadi 2, yaitu penawaran
o.
uang dan permintaan uang. Penelitian ini berfokus pada negara-negara berpendapatan
g
s.
menengah ke bawah di kawasan Asia Pasifik yaitu Indonesia, Kamboja, Filipina, Myanmar,
bp
Mongolia, Papua Nugini, Kepulauan Solomon, Timor Leste, dan Vanuatu dengan
menggunakana uji kausalitas Granger dan VAR. Hasilnya, teori demand-following lah yang
h.
ce
berlaku pada 9 negara-negara Asia Pasifik bependapatan menengah ke bawah tersebut. Hal
ini terlihat dari pengaruh pertumbuhan ekonomi terhadap permintaan uang yaitu variabel
//a
permintaan kredit oleh pihak swasta. Pengaruh ini berbentuk U dengan hubungan terbalik
s:
pada tahun pertama dan kedua kemudian menjadi hubungan positif pada tahun-tahun
tp
ht
selanjutnya. Temuan ini akan bermanfaat bagi pemerintah, politisi, dan lembaga
internasional lainnya dalam proses pengambilan keputusan untuk pembangunan ekonomi di
negara-negara berpendapatan menengah ke bawah. Pemerintah pada negara-negara
berpendapatan rendah hendaknya berfokus pada peningkatan ekonomi pada sektor non
keuangan unggulan. Dengan demikian maka sektor keuangan otomatis akan tumbuh
dengan sendirinya.
Pendahuluan
Perdebatan tentang kausalitas antara pengembangan sektor keuangan dan
pertumbuhan ekonomi telah berlangsung sejak abad ke-19. Ada dua teori utama yang
menjelaskan hubungan kausal antara keduanya, yaitu teori demand-following atau tarikan
permintaan (Robinson, 1952) dan teori supply-leading (Schumpeter, 1934 dan Patrick,
1966). Teori demand-following menyatakan bahwa perkembangan keuangan akan
1
Fungsional Statistisi Ahli Pertama BPS Pidie, Email: lyli@bps.go.id
30
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
dihasilkan bukti bahwa teori supply-leading (dorongan penawaran)dan teori demand-
g o.
following (tarikan permintaan) tidak berlaku jika tidak ada kausalitas linier antara keduanya.
Dengan bertolak belakangnya pandangan di atas, penelitian ini menganalisis hubungan
s.
Penelitian ini berfokus pada negara-negara di kawasan Asia Pasifik. Pada Tabel 1
//a
terlihat bahwa dari semua negara di kawasan tersebut terdapat beberapa negara dengan
s:
pendapatan tinggi maupun menengah ke atas yang sektor keuangannya telah jenuh.
tp
Penelitian ini hanya berfokus pada negara dengan pendapatan menengah ke bawah. Karena
ht
keterbatasan data, maka hanya Negara Indonesia, Kamboja, Filipina, Myanmar, Mongolia,
Papua Nugini, Kepulauan Solomon, Timor Leste, dan Vanuatu saja yang termasuk dalam
ruang lingkup penelitian.
Tabel 1. Klasifikasi Pendapatan Negara-negara Asia Pasifik, 2020
No. Negara Klasifikasi Pendapatan
1 Micronesia, Fed. Sts. Lower middle income
2 Indonesia Lower middle income
3 Cambodia Lower middle income
4 Kiribati Lower middle income
5 Lao PDR Lower middle income
6 Myanmar Lower middle income
7 Mongolia Lower middle income
8 Philippines Lower middle income
9 Papua New Guinea Lower middle income
10 Solomon Islands Lower middle income
11 Timor-Leste Lower middle income
12 Vietnam Lower middle income
13 Vanuatu Lower middle income
Sumber :World Bank
Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 31
PAREMETER
Tujuan
Penelitian memiliki tujuan untuk (i) melihat pengaruh sektor keuangan terhadap
pertumbuhan ekonomi (teori supply-leading) pada sembilan negara-negara Asia Pasifik
berpendapatan menengah ke bawah dan (ii) melihat pengaruh pertumbuhan ekonomi
terhadap sektor finansial (teori demand-following) pada negara-negara Asia Pasifik
berpendapatan menengah ke bawah.
Tinjauan Pustaka
Teori supply-leading(dorongan penawaran) menyatakan bahwa perkembangan
keuangan akan mendorong kemajuan ekonomi. Hal ini terjadi dikarenakan perkembangan
keuangan akan mentransformasikan sumber daya dari sektor tradisional (sektor pertanian)
dengan tingkat pertumbuhan ekonomi yang rendah ke pertumbuhan ekonomi yang tinggi
dan modern (sektor jasa-jasa) serta merangsang pelaku wirausaha di sektor modern
(Patrick, 1966). Ini menyiratkan bahwa penciptaan lembaga keuangan terjadi sebelum
adanya permintaan akan jasa keuangan akibat pertumbuhan ekonomi. Dengan kata lain,
id
ketersediaan layanan keuangan akan merangsang para pengusaha di sektor-sektor modern
g o.
untuk memanfaatkan layanan keuangan ini sehingga mendorong pertumbuhan ekonomi.
s.
Banyaknya suplai uang akan dimanfaatkan oleh pengusaha untuk berinvestasi sehingga
bp
permintaan keuangan yang lebih besar ketika ekonomi riil tumbuh. Dengan kata lain,
tp
keuangan bertambah dan sektor keuangan akan maju pesat. Artinya, pertumbuhan ekonomi
terjadi sebelum adanya peningkatan sektor keuangan.
Sementara itu, Murinde dan Eng (1994) berpendapat bahwa kebijakan moneterlah
yang mendorong pengembangan keuangan, bukan teori demand-following. Artinya,
ekspektasi terhadap uang dan keinginan untuk memperoleh uang tunai akan meningkatkan
suplai lembaga keuangan dan meningkatkan pertumbuhan ekonomi. Oleh karena itu, akan
sangat penting bagi pembuat kebijakan untuk menerapkan strategi moneter nasional yang
baik untuk mendukung teori supply-leading (dorongan penawaran). Hal ini sesuai dengan
bukti empiris penelitian yang dilakukan pada negara-negara di Asia Timur.
Penelitian Terdahulu
Terdapat banyak bukti empiris yang menjelaskan bahwa pengembangan sektor
keuangan dan pertumbuhan ekonomi memiliki hubungan yang erat. Penelitian terdahulu
tentang kaitan antara keduanya dapat dilihat pada Tabel 2.
32
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
terhadap perkembangan sektor keuangan. Peningkatan
sektor
o.
keuangan berkontribusi lebih banyak pada
g
pertumbuhan ekonomi di negara berkembang dibandingkan
s.
pada negara-negara industri maju.
bp
6 Al-Yousif 2012 Terdapat hubungan sebab-akibat dua arah yang kuat antara
h.
Lanjutan
No. Peneliti Tahun Hasil Penelitian
14 Gregorio 1995 Ada pengaruh pengembangan sektor keuangan terhadap
dan Guidotti pertumbuhan ekonomi melalui transmisi efisiensi, bukan
melalui volume maupun investasi.
15 Hsueh, et al 2013 Arah kausalitas antara pengembangan sektor keuangan dan
pertumbuhan ekonomi adalah melalui variabel
perkembangan keuangan yang digunakan.
16 Herwartz 2014 Dampak sektor keuangan pada pertumbuhan ekonomi
dan Walle umumnya lebih kuat di negara berpenghasilan tinggi
daripada negara dengan tingkat ekonomi rendah.
17 Valickova, 2015 Menyimpulkan pengaruh sektor keuangan terhadap
et al pertumbuhan ekonomi pada 67 negara harus memasukkan
variabel endogen yang lainnya.
18 Fan, dkk 2018 Menemukan hubungan dua arah yang signifikan antara
pengembangan keuangan dan keterbukaan perdagangan di
Cina. Artinya, teori demand-following dan supply-leading
id
sama-sama berlaku. Sehingga disarankan bagi para
o.
pembuat kebijakan Cina agar lebih meningkatkan reformasi
g
s.
keuangan untuk mempromosikan pengembangan
bp
perdagangan.
19 Horng, et al 2012 Pengembangan sektor keuangan tidak menyebabkan
h.
Hipotesis
Berdasarkan alur pikir penelitian di atas maka dibangun hipotesis sebagai berikut:
Ho : Penawaran uang tidak memiliki pengaruh terhadap pertumbuhan ekonomi.
Ha : Penawaran uang memiliki memiliki pengaruh terhadap pertumbuhan ekonomi.
Ho : Permintaan uang tidak memiliki pengaruh terhadap pertumbuhan ekonomi.
Ha : Permintaan uang memiliki memiliki pengaruh terhadap pertumbuhan ekonomi.
34
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Data
Pertumbuhan ekonomi diukur dengan menggunakan PDB riil. Dalam penelitian ini
Pertumbuhan ekonomi riil tersebut diukur dengan logaritma GDP atas dasar harga konstan
dolar Amerika Serikat tahun 2010. Data ini diperoleh dari Bank Dunia.
Untuk membuktikan Teori supply-leading (dorongan penawaran), perkembangan
sektor keuangan melalui penawaran uang diukur dengan persediaan uang terhadap PDB
nominal (Gelb, 1989 dan King and Levine, 1993). Namun, Demetriades dan Hussein (1996)
berpendapat bahwa data ini tidak tepat karena pada kenyataannya menjadi lebih luas
daripada volume deposito di perbankan itu sendiri. Oleh karena itu, penelitian ini
id
menggunakan rasio kewajiban cadangan likuiditas bank terhadap aset bank sebagai proksi
penawaran uang. Data ini diperoleh dari Bank Dunia. g o.
Sementara itu, untuk membuktikan teori demand-following (tarikan permintaan),
s.
perkembangan sektor keuangan melalui permintaan uang diukur dengan rasio klaim bank di
bp
sektor swasta terhadap PDB nominal (Demetriades dan Hussein, 1996). Dalam penelitian ini
h.
digunakan rasio klaim di sektor swasta sebagai proksi untuk permintaan uang. Klaim swasta
ce
ini merupakan kredit yang diberikan bank pada sektor swasta seperti individu, perusahaan,
//a
dan sektor non finansial. Data ini diperoleh dari Bank Dunia.
s:
tp
Metodologi
ht
Dalam makalah ini ingin dipelajari apakah ada kausalitas searah atau dua arah antara
pengembangan keuangan (penawaran uang dan permintaan uang) terhadap pertumbuhan
ekonomi. Asumsi awal adalah teori supply-leading (dorongan penawaran) dan demand-
following (tarikan permintaan) berlaku sehingga pengembangan keuangan dan
pertumbuhan ekonomi bergerak bersama secara positif. Oleh karena itu digunakan analisis
Vector Autoregresive (VAR) dimana semua variabel diperlakukan sama, tidak membedakan
antara variabel independen dan dependen. Semua variabel dapat menjadi variabel
independen untuk variabel lainnya. Selain itu, semua variabel juga dapat menjadi variabel
dependen untuk variabel lainnya. Dengan menggunakan software Eviews 10.0 dilakukan
pengolahan data dengan langkah-langkah sebagai berikut:
1. Menguji kestationeran data.
Uji Akar Unit dipakai untuk menguji kestasioneran data time series agar hasil analisis
menjadi valid. Uji ini dikembangkan oleh Dickey dan Fuller, dengan menggunakan
Augmented Dickey Fuller Test (ADF). Uji stasioneritas yang digunakan adalah uji ADF
(Augmented Dickey Fuller) dengan menggunakan taraf nyata 5 persen.
3. Uji Kointegrasi.
Uji ini dilakukan untuk mengetahui apakah terjadi keseimbangan dalam jangka
panjang, yaitu terdapat kesamaan pergerakan dan stabilitas hubungan diantara variabel-
variabel di dalam penelitian atau tidak. Uji kointegrasi ini dilakukan dengan menggunakan
metode Johansen’s Cointegration Test dengan melihat besarnya Trace Statistic dan Max
Eigen Statistic pada tingkat kesalahan 5 persen. Apabila terjadi kointegrasi maka model yang
dipakai adalah VECM.
4. Uji Kausalitas Granger (Granger’s Causality Test).
Uji kausalitas ini dilakukan untuk mengetahui apakah suatu variabel endogen dapat
id
diperlakukan sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan pengaruh antar
g o.
variabel. Jika ada dua variabel y dan z, maka apakah y menyebabkan z atau z menyebabkan
y atau berlaku keduanya atau tidak ada hubungan keduanya. Uji kausalitas dalam penelitian
s.
bp
ini dilakukan dengan metode Granger’s Causality. Variabel memiliki hubungan kausalitas
apabila nilai probabilitas lebih kecil daripada alpha 0.05.
h.
ce
variabel lainnya. Kemudian dilakukan uji Stabilitas model VAR agar Impulse Response
s:
Analisis IRF adalah metode yang digunakan untuk menentukan respon suatu variabel
endogen terhadap guncangan (shock) variabel lain. IRF juga digunakan untuk melihat
guncangan dari satu variabel lain dan berapa lama pengaruh tersebut terjadi. Jika gambar
impulse response menunjukkan pergerakan yang semakin mendekati titik keseimbangan
(convergence) atau kembali ke keseimbangan sebelumnya bermakna respon suatu variabel
akibat suatu kejutan makin lama akan menghilang sehingga kejutan tersebut tidak
meninggalkan pengaruh permanen terhadap variabel tersebut.
7. Variance decomposition.
Uji ini mendekomposisi variasi satu variabel endogen kedalam komponen kejutan
variabel-variabel endogen yang lain dalam sistem VAR. Dekomposisi varian ini menjelaskan
proporsi pergerakan suatu series akibat kejutan variabel itu sendiri dibandingkan dengan
kejutan variabel lain. Informasi yang disampaikan dalam analisis ini adalah proporsi
pergerakan secara berurutan yang diakibatkan oleh guncangan variable itu sendiri dan
variabel lain.
36
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Hasil Penelitian
Uji Root Test
Dari Tabel 3 menunjukkan bahwa semua variabel yang digunakan dalam penelitian ini
stasioner pada tingkat level. Hal itu terlihat dari probabilitas ADF dari masing-masing
variabel yang signifikan pada tingkat kesalahan 5 persen. Apabila asumsi stasioner telah
terpenuhi maka analisis yang digunakan lebih valid. Dengan demikian syarat untuk
menggunakan model telah terpenuhi.
Tabel 3. Uji Stasioneritas
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -3.33681 0.0004 3 429
id
Im, Pesaran and Shin W-
o.
stat -5.33251 0.0000
g 3 429
ADF - Fisher Chi-square 49.3022 0.0000 3 429
s.
PP - Fisher Chi-square 48.7874 0.0000 3 429
bp
h.
Tabel 4 menunjukkan bahwa panjang lag optimum adalah 1, sehingga untuk uji
tp
selanjutnya dimasukkan lag 1 agar semua informasi dapat dimasukkan dalam penelitian ini.
ht
Uji Kointegrasi
Tabel 5 menunjukkan bahwa probabilitas nilai “eigen value” dan “tra e statisti ” tidak
signifikan pada alpha 5 persen. Sehingga dapat diambil kesimpulan bahwa variabel
pertumbuhan ekonomi, deposito dan claim kredit tidak mempunyai keseimbangan dalam
jangka panjang (hubungan kointegrasi). Oleh karena itu, alat analisis yang dipakai adalah
VAR.
Tabel 5. Uji Kointegrasi
id
At most 2 0.017383 2.437474 3.841466 0.1185
g o.
s.
bp
38
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Selain itu, pertumbuhan ekonomi mempengaruhi claim kredit. Hal ini merupakan
id
tujuan penelitian ini, yaitu untuk melihat apakah teori supply-leading atau teori demand-
g o.
following yang berlaku pada sembilan negara-negara Asia Pasifik bependapatan menengah
ke bawah. Hasilnya, terbukti bahwa teori teori demand-following (tarikan permintaan) yang
s.
berlaku pada sembilan negara-negara Asia Pasifik bependapatan menengah ke bawah.
bp
Hal ini sesuai dengan penelitian Calderón & Liu (2003), Al-Yousif (2012), Zhang, et al (2012),
ce
negara-negara Asia Pasifik bependapatan menengah ke bawah. Hal ini terlihat dari tidak
tp
cukup bukti untuk menyatakan bahwa variabel deposit dapat mempengaruhi variabel GDP.
ht
Pada negara berpendapatan rendah, jumlah tabungan tentu saja kecil karena sebagian
besar pendapatan digunakan untuk konsumsi. Sehingga investasi yang terbentuk tidak
sanggup menggerakkan pertumbuhan ekonomi. Pertumbuhan ekonomi yang terjadi lebih
dikarenakan produksi sektor selain keuangan. Hal ini sesuai dengan penelitian Horng, et al
(2012), Kar, et al (2011), dan Menyah, et al (2014). Hal yang sama juga diungkapkan oleh
Herwartz dan Walle (2014) yang menyatakan bahwa dampak sektor keuangan terhadap
pertumbuhan ekonomi lebih kuat di negara berpenghasilan tinggi daripada negara dengan
tingkat ekonomi rendah. Selain itu, Valickova, et al (2015) juga menyatakan bahwa
pengaruh sektor keuangan terhadap pertumbuhan ekonomi harus memasukkan variabel
endogen yang lainnya.
Pengaruh klaim kredit sektor swasta terhadap peningkatan deposito signifikan pada
tingkat kepercayaan 10 persen, sehingga tetap ditampilkan pada uji selanjutnya.
mengerucut pada teori demand-following, yaitu hanya membahas variabel klaim kredit
swasta.
1 2 3 4 5 6 7 8 9 10
id
Gambar 2. Respon Klaim sektor swasta terhadap perubahan deposit
go.
s.
Dari gambar 2 terlihat bahwa respon klaim kredit swasta terhadap guncangan
bp
deposito bersifat negatif hingga tahun kedua. Secara teori, hubungan antara tabungan dan
h.
kredit akan bertolak belakang dan sangat dipengaruhi oleh suku bunga. Apabila suku bunga
ce
tinggi maka tabungan lebih diminati oleh masyarakat dan sektor swasta lebih menahan diri
//a
untuk mengambil kredit. Sebaliknya ketika suku bunga rendah, maka masyarakat enggan
s:
untuk menabung dan pihak swasta akan meningkatkan jumlah kredit yang ajukan. Seiring
tp
dengan waktu, sejak tahun ketiga hubungan antara dua variabel menjadi positif. Semakin
ht
banyak jumlah deposito yang tersedia maka semakin tinggi pula jumlah kredit yang
dikucurkan. Sepuluh tahun kemudian akan tercipta keseimbangan, dimana pengaruh
guncangan deposito pada tahun pertama tidak akan berpengaruh lagi terhadap klaim credit
oleh sektor swasta
Response to Cholesky One S.D. (d.f. adjusted) Innovations
.3
.2
.1
.0
-.1
1 2 3 4 5 6 7 8 9 10
40
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Dari gambar 3 terlihat bahwa respon deposito terhadap guncangan klaim kredit
swasta bersifat negatif selama sepuluh tahun kedepan, baru kemudian mencapai titik
keseimbangan. Pada keseimbangan baru ini pengaruh guncangan klaim credit oleh sektor
swasta terhadap deposito pada tahun pertama tidak akan berpengaruh lagi. Secara teori,
hubungan antara tabungan dan kredit bertolak belakang dan sangat dipengaruhi oleh suku
bunga. Apabila suku bunga tinggi maka tabungan lebih diminati oleh masyarakat dan sektor
swasta lebih menahan diri untuk mengambil kredit. Sebaliknya ketika suku bunga rendah,
masyarakat enggan untuk menabung dan pihak swasta meningkatkan jumlah kredit yang
ajukan.
.6
id
o.
.4
g
s.
.2
bp
.0
h.
ce
1 2 3 4 5 6 7 8 9 10
//a
s:
Dari gambar 4 menunjukkan bahwa respon PDB terhadap guncangan klaim kredit
swasta bersifat negatif pada tahun pertama. Secara teori, hubungan antara PDB dan kredit
akan bertolak belakang awalnya dan sangat dipengaruhi oleh suku bunga. Apabila
pertumbuhan ekonomi meningkat maka akan terjadi inflasi sehingga suku bunga tinggi.
Apabila suku bunga tinggi maka tabungan lebih diminati oleh masyarakat dan sektor swasta
lebih menahan diri untuk mengambil kredit. Sebaliknya ketika pertumbuhan ekonomi
rendah maka suku bunga suku bunga ikut rendah, dengan demikian masyarakat enggan
untuk menabung dan pihak swasta akan meningkatkan jumlah kredit yang ajukan. Seiring
dengan waktu, sejak tahun kedua hubungan antara dua variabel ini menjadi positif. Semakin
tinggi perekonomian tumbuh, semakin tinggi pendapatan masyarakat dan semakin
meningkat pula tabungan. Dengan semakin banyak jumlah deposito yang tersedia, semakin
tinggi pula jumlah kredit yang dikucurkan. Hal ini sesuai dengan penelitian Samargandi, et al
(2015) bahwa ada hubungan terbalik berbentuk U antara sektor keuangan dan
pertumbuhan ekonomi dalam jangka panjang pada negara-negara berpenghasilan
menengah. Sepuluh tahun kemudian akan tercipta keseimbangan, dimana pengaruh
guncangan kredit pada tahun pertama tidak akan berpengaruh lagi terhadap PDB.
Variance decomposition
Tabel 7 menunjukkan bahwa pada periode pertama guncangan variabel kredit
dipengaruhi oleh dirinya sendiri sebesar 100 persen. Selanjutnya terus menurun hingga
pada tahun kelima kontribusi ini menjadi hanya 94,28 persen. Artinya, goncangan pada
variabel kredit hanya dipengaruhi oleh dirinya sendiri pada awalnya, tetapi semakin lama
pengaruh variabel deposito dan pertumbuhan ekonomi juga mulai mempengaruhi
walaupun tidak terlalu besar.
Teori demand-following (tarikan permintaan) menyatakan bahwa pertumbuhan
ekonomi akan mempengaruhi guncangan variabel kredit. Guncangan ini baru terasa pada
tahun kedua dengan kontribusi sebesar 0,24 persen dan semakin meningkat menjadi 0,54
persen pada tahun kelima. Sementara itu, pengaruh deposito pada guncangan klaim kredit
mulai berkontribusi pada tahun kedua sebesar 1,73 persen dan terus meningkat hingga
menjadi 5,17 persen pada tahun terakhir.
id
Variance o.
g
s.
Decompos
bp
ition of
h.
CLAIM:
ce
Kesimpulan
Teori demand-following (tarikan permintaan) berlaku pada sembilan negara-negara
Asia Pasifik berpendapatan menengah ke bawah, sementara teori supply-leading tidak
berlaku. Hal ini terbukti dari pengaruh pertumbuhan ekonomi terhadap permintaan kredit
oleh pihak swasta. Pengaruh ini berbentuk U dengan hubungan terbalik pada tahun pertama
dan kedua kemudian menjadi hubungan positif pada tahun-tahun selanjutnya.
42
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Saran
Pemerintah pada negara-negara berpendapatan rendah hendaknya berfokus pada
peningkatan ekonomi pada sektor non keuangan unggulan. Dengan demikian maka sektor
keuangan otomatis akan tumbuh dengan sendirinya. Selain itu, pemerintah pada negara-
negara berpendapatan rendah seharusnya lebih menggalakkan penggunaan teknologi
informasi dan komunikasi dalam sektor keuangan sehingga efisiensi sektor ini lebih
meningkat dan diharapkan dapat menopang pertumbuhan ekonomi kedepannya.
Pada penelitian selanjutnya sebaiknya memasukkan negara-negara asia pasifik dengan
pendapatan menengah ke atas dan juga negara-negara asia pasifik dengan pendapatan
tinggi. Sehingga dapat dibandingkan apakah teori supply-leading atau teori demand-
following (tarikan permintaan) atau kedua teori sama-sama berlaku pada negara-negara
yang berbeda tingkat pendapatannya.
DAFTAR PUSTAKA
id
o.
Adeyeye, P. O., Fapetub, O., Alukob, O.A., Migiro, S.O. (2015). Does Supply-Leading
g
Hypothesis hold in a Developing Economy? A Nigerian Focus: Procedia Economics and
s.
Finance, 30, 30 – 37.
bp
bootstrap panel causality analysis. Theoretical & Applied Economics, 22(3), 171-186.
ce
the evidence from developing countries. Review of Financial Economics, 11 (2), 131-150.
s:
Calderón, C., Liu, L. (2003). The direction of causality between financial development and
tp
Herwartz, H., Walle, Y. (2014). Determinants of the link between financial and economic
development: Evidence from a functional coefficient model. Economic Modelling, 37,
417- 427.
Horng, M.S., Chang, Y.W., Wu, T.Y. (2012). Does insurance demand or financial
development promote economic growth? Evidence from Taiwan. Applied Economics
Letters, 19(2), 105-111.
Hsueh, S., Hu, Y., Tu, C. (2013). Economic growth and financial development in Asian
countries: A bootstrap panel Granger causality analysis, Economic Modelling, 32, 294-
301.
Kar, M., Nazlıoğlu, S., Ağır, H. (2011). Financial development and economic growth nexus
in the MENA countries: Bootstrap panel granger causality analysis. Economic Modelling,
28 (1–2), 685-693.
King, R., Levine, R. (1993). Finance and growth: Schumpeter might be right. Quarterly
Journal of Economics, 108(3), 717-737.
Levine, R. (1997). Financial development and economic growth: views and agenda.
id
o.
Journal of economic literature, 35(2), 688-726. g
Menyah, K., Nazlioglu, S., Wolde-Rufael, Y. (2014). Financial development, trade openness
s.
and economic growth in African countries: New insights from a panel causality
bp
Robinson, J. (1952). The generalization of the general theory, In: the rate of interest and
ht
44
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Mansyuri1
Abstrak
id
pendidikan, sektor pekerjaan dan status perkawinan. Hasil MCA menunjukkan bahwa
g o.
variabel bebas secara simultan memberikan pengaruh yang nyata terhadap pendapatan.
Dari 7 variabel demografi yang diteliti, variabel Lokasi tempat tinggal, tingkat pendidikan
s.
dan conflict prone area level mempunyai pengaruh yang besar terhadap pendapatan
bp
pekerja miskin.
h.
ce
Pendahuluan
tp
secara umum yang ditandai dengan peningkatan pendapatan perkapita masyarakat dalam
jangka panjang (Baxter, Graham, Bannock, Davis: 2004). Kegagalan dalam mengelola
pembangunan akan menciptakan eksternalitas ekonomi yang salah satunya adalah
kemiskinan.
Kemiskinan telah menjadi isu global yang dibicarakan tidak hanya oleh kelompok
negara berkembang saja tapi juga kelompok negara maju. Bank Dunia, (Musrizal: 2019)
menyatakan bahwa pada tahun 2017, jumlah penduduk dunia yang berada dibawah garis
kemiskinan adalah 768,5 juta jiwa. Meski sebagian besar hidup di negara-negara
berkembang, penduduk miskin telah menjadi isu utama seluruh negara dan menjadi
masalah yang harus diatasi setiap tahunnya.
Aceh yang merupakan salah satu provinsi di Indonesia, mengalami cerita yang sama
tentang kemiskinan. BPS Aceh mencatat dalam kurun waktu 10 tahun terakhir (2009 –
2019) persentase penduduk miskin di Aceh masih sangat tinggi, yakni diatas 15%
(aceh.bps.go.id).
1
Fungsional Statistisi Ahli Pertama BPS Langsa, Email: mansyuri@bps.go.id
id
merata di berbagai wilayah yaitu dikisaran 5 persen kecuali Jawa Barat yang berada di
angka 7,7 persen.
g o.
s.
Ketika melihat dua indikator ini secara bersamaan akan terlihat adanya informasi lain
bp
yaitu disatu sisi daerah memiliki angka pengangguran rendah tapi disisi lain mempunyai
h.
angka kemiskinan tinggi. Hal ini mengindikasikan adanya fenomena pekerja miskin atau
ce
merupakan angkatan kerja yang telah bekerja tetapi masih hidup dibawah garis kemiskinan
s:
(Pangestu, Ihsan Margo dalam kompasiana.com 20 Juli 2019, diakses tanggal 1 maret
tp
2020).
ht
46
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Kondisi ini juga berlaku secara nasional, sebanyak 87,67 persen rumah tangga miskin
mempunyai status bekerja dan hanya 12,33 persen yang tidak bekerja.”
Sementara pada tahun 2017 sektor pertanian di Aceh masih menyumbangkan tenaga
kerja sebesar 38,87 % dari seluruh sektor (BPS Aceh: Indikator Tenaga Kerja Provinsi Aceh
Agustus 2017) dan sebanyak 50,71% nya tinggal di Perdesaan. Sebuah penelitian
menyatakan bahwa pertanian di Aceh masih menjadi lumbung kemiskinan (Zulham: 2016)
yang artinya banyak pekerja miskin bekerja di sektor pertanian. Hal tersebut sejalan
dengan hasil survey yang dilakukan BPS tahun 2013 yakni data SPP (Survey Pendapatan
Petani) BPS 2013 di provinsi Aceh. Hasil SPP diantaranya menggambarkan profil rumah
tangga petani di Aceh yang dapat dirangkum pada tabel 1:
Tabel 1
Profil rumah tangga usaha petani (RTUP) di Provinsi Aceh, 2013
No Karakteristik Satuan Jumlah
1 Jumlah RTUP RumahTangga 653 144
2 Rata-Rata Jumlah anggota ruta (rumah Tangga) Orang 4,29
id
3 Persentase Tenaga Kerja di sektor Pertanian Persen 46,53
4 Jumlah Petani g o. Orang 810 000
s.
5 Share Sektor Pertanian terhadap PDB Persen 27,22
bp
76,37
tp
- Pertanian
ht
- BukanPertanian 23,63
9 Rata-Rata pendapatan RTUP menurut sumber
pendapatan utama:
JutaRp/Tahun
- Pertanian
- BukanPertanian 15,581
8,086
10 Rata-Rata Pendapatan perkapita RTUP JutaRp/Tahun 5,511
Fakta bahwa jumlah penduduk Di Aceh pada tahun 2013 yang hampir setengahnya
bekerja di sektor pertanian (46,53%) tidak diiringi dengan produktifitas tenaga kerjanya.
Beberapa peneliti membahas kemiskinan di Aceh dan mengkaitkannya konflik bersenjata
dimasa lalu. Aceh didera konflik bersenjata selama hampir 30 tahun, jelas menjadi
pertanyaan menarik untuk dicarikan jawabnya apakah faktor konflik bersenjata dimasa lalu
masih memiliki dampak terhadap kemiskinan pekerja didaerah yg dilanda konflik. Beberapa
penelitian tentang dampak konflik di Aceh telah dilakukan beberapa peneliti yang
umumnya menyimpulkan bahwa pertumbuhan ekonomi Aceh disaat konflik mengalami
pertumbuhan negatif (Mahjuddin:2012)
Fenomena pekerja miskin di atas tentu saja memunculkan pertanyaan bahwa terdapat
hal yang menjadi faktor penentu mengapa kesejahteraan/pendapatan pekerja masih
menempatkannya di bawah garis kemiskinan. Faktor penentu ini dapat saja berasal dari
internal yaitu kondisi sosial ekonomi pekerja itu sendiri maupun faktor eksternal mereka.
Berdasarkan fakta bahwa kemiskinan juga terjadi pada seseorang yang mempunyai status
bekerja dan hal ini juga didukung dengan berbagai hasil penelitian sebelumnya, maka
menjadi penting untuk dilakukan penelitian tentang faktor-faktor yang menentukan
pendapatan pekerja miskin dalam Provinsi Aceh.
Tinjauan Teoritis
Menurut ILO (2011), kemiskinan pekerja (working poverty) adalah situasi yang
dihadapi individu yang walaupun telah mempunyai pekerjaan yang dibayar, tetapi tidak
id
mempunyai penghasilan yang cukup untuk mengangkat dirinya dan keluarganya keluar dari
g o.
kemiskinan. Pekerja miskin didefinisikan sebagai seseorang yang bekerja dalam suatu rumah
s.
tangga yang anggotanya hidup di bawah garis kemiskinan.
bp
Pekerja miskin adalah orang yang pendapatan pribadinya di bawah ambang tertentu
h.
(Schafer, 1997) dalam Strengmann (2002). Ambang ini dapat berupa garis kemiskinan,
ce
Penelitian terhadap pendapatan pekerja telah banyak dilakukan dan hasilnya cukup
s:
48
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
(1997) Perang menurunkan PDB sebesar 2,2 % dibanding sebelum perang. Senada dengan
Steines, Akhirudin Mahjuddin (2012) menyatakan bahwa konflik menurunkan PDB
Konflik juga menurunkan kesejahteraan rakyat karena memunculkan ketimpangan
distribusi, akses terhadap sumber daya, peluang untuk berkembang dan lainnya, dengan
kata lain kemiskinan bisa muncul karena perbedaan relasi kuasa didalam masyarakat dan
menjadi konflik, bukan karena kemalasan, kelemahan, ataupun kecacatan tapi karena
pengaruh struktur sosialnya akibat konflik (Soetomo: 2006).
Pada penelitian ini penentuan variabel intensitas area konflik, dimana kategori
variabel ini dibagi menjadi rendah, sedang dan tinggi, mengacu kepada dokumen penilitian
Bank Dunia dalam laporanya pada Multistakeholder review on Post Conflict Programing in
Aceh tahun 2009 .
Metode Penelitian
Kajian penelitian ini menggunakan dua model analisis yakni pertama, analisis
deskriptif dan kedua analisis inferensia. Pendekatan deskriptif ini lebih menekankan pada
id
metode tabulasi silang (cross tabulation) untuk mendapatkan gambaran secara sistematis
g o.
dan faktual dari masing-masing variabel operasionalnya. Sementara uji statistik lainnya
digunakan untuk melihat ketergantungan dan hubungan antara dua variabel secara
s.
simetris.
bp
Pearson Chi Square, juga Likelihood ratio. Hipotesis nol (H0) yang digunakan adalah Tidak
ce
Ada ketergantungan antara pendapatan pekerja miskin dengan variabel bebas (Jenis
//a
Kelamin, Lokasi Tempat tinggal, Umur, Pendidikan, Status Pekerjaan, Status Perkawinan,
s:
Intensitas Area Konflik) dengan tingkat keyakinan 95 persen ( α = 5% ), Maka terima H 0 jika
tp
Sedangkan untuk melihat hubungan dua variabel secara simetris akan dilakukan
statistik uji Phi, Cramer’s V dan Contigency Coefficient (Santoso, 2001). Hipotesis null yang
digunakan adalah Tidak ada hubungan antara kedua variabel dan Hipotesis alternatifnya
adalah ada hubungan antara kedua variabel.
Untuk menganalisis faktor-faktor penentu pendapatan pekerja miskin digunakan
Multiple Classification Analysis (MCA). MCA digunakan karena variabel yang dianalisis
merupakan variabel yang bersifat katagorik, dan data yang digunakan bersifat individu
(Adrews, et.al, 1973). Salah satu kegunaan yang penting dari MCA adalah melihat pengaruh
dari satu prediktor terhadap prediktor yang lain dan variabel kontrol dari setiap prediktor,
baik sebelum dibebaskan dari pengaruh prediktor lain maupun sesudah dibebaskan dari
prediktor lain sehingga akan diketahui pengaruh murni dari setiap prediktor dan pengaruh
dari variabel atribut.
MCA merupakan analisis lebih lanjut dari tabel ANOVA, sehingga model yang dipakai
adalah model linier aditif yang ditunjukkan oleh persamaan berikut:
Dimana :
Yijklmno= Pendapatan Pekerja miskin pada kategori ke-i variabel JK (Jenis Kelamin), kategori
ke-j variabel LOK (Lokasi tinggal/Kota-Desa), Kategori ke-k variabel UMUR (usia), kategori
ke-l variabel DIK (Pendidikan), Kategori ke-m variabel STKER (Status Pekerjaan), Kategori
ke-n variabel STKW (Status Perkawinan), Kategori ke-o variabel INTKON (Intensitas Area
Konflik)
id
℮ijklmno = Error untuk individu yang bersesuaian dengan Yijklmno
g o.
s.
Sementara itu
bp
h.
ce
//a
s:
tp
Dimana,
ht
JKi adalah Kategori ke-i pada variabel Jenis Kelamin pekerja miskin
Wi = banyaknya individu kategori ke-i pada variabel JK
Hal yang sama diimplementasikan juga pada variabel LOK, UMUR, DIK, STKER, STKW, dan
INTKON
Sebelum menggunakan MCA, harus ada asumsi yang terpenuhi terlebih dahulu, yakni
simple linear additivity (Anddrew et al.:1972) artinya setiap variabel bebas yang
memengaruhi variabel terikatnya tidak saling berinteraksi. Untuk menguji asumsi tersebut,
digunakan prosedur pengujian dengan Anova. Nilai nyata F (p-value) pada tabel Anova
dibandingkan nilai α sebesar 5 %.
Hipotesis yang digunakan adalah H null: Tidak ada interaksi antara pasangan variabel
bebas, tolak H null jika nilai signifikansi F kurang dari 5 persen, sebaliknya terima H null jika
nilai signifikansi F lebih dari 5 persen.
Selain Anova untuk menguji kolinearitas masing-masing variabel bebasnya akan
digunakan uji multikolinearitas yakni dengan prosedur pengujian nilai Tolerance dan
Variance Inflation Factor (VIF) dimana jika nilai Tolerance > dari 0.1 dan jika nilai VIF < 10,
maka tidak terjadi multikolinearitas.
50
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Variabel Operasional
Variabel operasional yang digunakan pada penelitian ini dapat dilihat pada tabel 2
Tabel 2.
Variabel Operasional Yang Digunakan
Variabel
Kategori
Terikat Bebas
(1) (2) (3)
1 = Laki – laki
X1 = JK
2 = Perempuan
1 = Kota
X2 = LOK
2 = Desa
1 : < 26 tahun
X3 = UMUR 2 : 26 – 54 tahun
3 : > 55 tahun
id
1 = < SMP
Y = Pendapatan X4 = DIK
g o.
2 = SMA
s.
3 = Perguruan Tinggi
bp
1 = Formal
X5 = STKER
h.
2 = Informal
ce
1 = Belum Kawin
X6 = STKW
//a
2 = Kawin/pernah kawin
s:
1 = Rendah
tp
X7 = INTKON 2 = Sedang
ht
3 = Tinggi
Hasil dari tabel 3 tersebut di ekspresikan sebagai deviasi – deviasi dari rata-rata akhir,
dalam tabel ini juga dihasilkan nilai eta dan beta yang merupakan koofisien korelasi. Eta (η)
adalah nilai keeratan hubungan suatu variabel bebas dengan varabel tidak bebas sebelum
diperhitungkan variabel bebas lainnya. Sedangkan Beta (β) adalah nilai Eta setelah
dibebaskan dari pengaruh prediktor lain dan variabel atribut (variabel kontrol). Variabel
bebas yang mempunyai nilai beta yang paling besar dapat dikatakan sebagai variabel yang
memiliki pengaruh paling besar terhadap pendapatan pekerja miskin bila dibandingkan
dengan variabel bebas lainnya.
Sumber Data
Untuk sumber data yang digunakan adalah data sekunder yang berasal dari hasil
Survey BPS yakni Susenas (Survey Sosial Ekonomi Nasional) Maret 2019 yang mencakup
seluruh kabupaten/kota di Provinsi Aceh. Jumlah sampel total sebanyak 1970 Pekerja
Miskin
id
< 26 tahun 15.02
Umur 26 – 54 tahun
g o. 72.08
s.
> 55 tahun 12.89
bp
Formal 33.41
Status Pekerjaan
s:
Informal 66.59
tp
52
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Apabila dilihat dari sisi pendapatan seperti ditunjukkan dalam Grafik 1, secara umum
rata-rata pendapatan perkapita pekerja di Provinsi Aceh adalah sebesar Rp. 1.139.005,-.
Sementara itu, pendapatan rata-rata pekerja miskin adalah sebesar Rp. 404.336,- atau
hampir sepertiga dari pendapatan pekerja rata-rata di Aceh
Grafik 1.
Pendapatan Rata-Rata Pekerja Miskin
id
g o.
s.
bp
h.
ce
Hal ini menggambarkan bahwa masih terdapat kesenjangan pendapatan yang cukup
lebar antara pekerja. Ciri dan karakteristik demografi yang berbeda dari pekerja dapat
//a
memberikan implikasi yang berbeda terhadap pendapatan yang diterima oleh pekerja.
s:
tp
ht
Tabel 4
Hasil Uji Ketergantungan Beberapa Variabel yang Mempengaruhi Pendapatan
Asymp. Sig
Hubungan antara Variabel Uji Statistik Value Df
(2-sided)
id
Pendapatan * Status Pearson Chi Square 309.363a 1 .000
Pekerjaan Likelihood Ratio g o.
265.472
779.335a
1 .000
s.
Pendapatan * Status Pearson Chi Square 1 0.000
bp
Sementara Uji hubungan antar variabel dengan menggunakan statistik uji Phi,
ht
Cramer’s V, dan Contingency Coefficient antara dua variabel secara simetris seperti
ditunjukkan pada Tabel 5, juga menghasilkan keputusan untuk menolak H 0, kecuali untuk
variabel intensitas konflik artinya terdapat hubungan antara pendapatan dengan masing-
masing variabel bebas. Sesuai dengan signifikansi uji ketergantungan sebelumnya,
hubungan terkuat berturut-turut adalah antara pendapatan dengan umur, pendapatan
dengan status perkawinan, dan pendapatan dengan status pekerjaan.
54
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Tabel 5
Hasil Uji Hubungan Beberapa Variabel Terhadap Pendapatan
id
o.
Phi g .042 .000
Pendapatan * Pendidikan Cramer's V .042 .000
s.
Contingency Coefficient .042 .000
bp
Pendapatan * Status
Cramer's V .080 .000
ce
Pekerjaan
Contingency Coefficient .080 .000
//a
Pendapatan * Status
Cramer's V .127 0.000
tp
Perkawinan
Contingency Coefficient .126 0.000
ht
Tabel 6
Main Effect Variabel bebas terhadap pendapatan
Hierarchical Method
Variabel
Sum of Squares df Mean Square F Sig.
(Combined
) 460080399240.137 10 46008039924.014 15.614 0.000
JK 223583036.876 223583036.876 0.076 .783
LOK 308637063984.23
308637063984.237 2 7 104.742 .000
UMUR 16385802854.105 2 8192901427.053 2.780 .062
Pendapatan DIK 30528841470.576 2 15264420735.288 5.180 .006
STKER 5163385620.894 1 5163385620.894 1.752 .186
STKW 10757777949.444 1 10757777949.444 3.651 .056
id
INTKON 88246432924.293 2 44123216462.146 14.974 .000
Sumber: Susenas 2019 (diolah) g o.
s.
bp
Berdasarkan Tabel 6, dalam taraf kepercayaan 5 persen, tidak semua variabel bebas
adalah signifikan, hanya variabel LOK, DIK dan INTKON yang signifikan secara statistik.
h.
ce
Konflik.
s:
Sementara itu, pengujian keberartian model yang memuat semua variabel bebas juga
tp
dilakukan dengan H0 : efek variabel bebas secara simultan adalah tidak berarti dalam model.
ht
Hasil Anova menunjukkan bahwa p-value combined pengujian adalah signifikan, sehingga
diputuskan untuk menolak H0 dan dapat disimpulkan bahwa efek variabel bebas secara
simultan adalah berarti dalam model.
56
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
variabel bebas tidak terjadi gejala multikolinearitas sehingga semua variabel dapat
dimasukkan kedalam MCA
Tabel 7
Nilai Tolerance dan VIF
Collinearity Statistic
Variabel
Tolerance VIF
(1) (2) (3) (4)
Jenis Kelamin .988 1.012
Lokasi Tempat tinggal .951 1.051
Umur .634 1.577
Pendapatan Tingkat Pendidikan .916 1.092
Status Pekerjaan .917 1.091
Status Perkawinan .635 1.574
Intensitas Area Konflik .970 1.031
id
Pengaruh Karakteristik Demografi Terhadap Pendapatan o.
g
s.
Tabel 8 memperlihatkan bahwa variabel bebas Lokasi tempat tinggal mempunyai
bp
pengaruh paling besar terhadap pendapatan per kapita bila dibandingkan dengan variabel
h.
bebas lainnya baik sebelum atau sesudah dibebaskan dari pengaruh variabel lain. Hal ini
ce
ditunjukkan dengan nilai eta dan beta yang dihasilkan yakni sebesar 0,143 dan 0,138.
//a
Besarnya pengaruh lokasi tempat tinggal dapat disebabkan oleh besarnya persentase
s:
pekerja miskin yang tinggal di wilayah perdesaan, yang pada umumnya bergerak pada
tp
sektor pertanian, dimana sektor pertanian sendiri masih identik dengan perdesaan yang
ht
menjadi lumbung kemiskinan, tingkat pendidikan yang rendah, sektor pekerjaan informal
dan produktivitas rendah (Zulham et al.:2016)
Tabel 8
Besar Pengaruh Variabel Bebas Terhadap Pendapatan
Beta (β)
Variabel
Eta(η) Adjusted forFactors
(1) (2) (3) (4)
Jenis Kelamin .004 .004
Lokasi Tempat tinggal .143 .138
Umur .034 .042
Pendapatan Tingkat Pendidikan .057 .044
Status Pekerjaan .045 .017
Status Perkawinan .029 .053
Intensitas Area Konflik .085 .077
Pengaruh yang cukup besar lainnya disebabkan oleh variabel Intensitas Area Konflik
dengan beta sebesar 0.077, variabel Status Perkawinan dengan nilai beta sebesar 0,053 dan
tingkat pendidikan dengan beta sebesar 0,044 Besarnya pengaruh Intensitas Area Konflik
dalam pendapatan pekerja miskin disebabkan kondisi yang melekat pada variabel tersebut.
Wilayah yang terdampak konflik masa lalu yang berkategori tinggi, justru menjadi pemicu
sebagian besar masyarakat untuk melakukan banyak variasi kegiatan ekonomi produktif
yang dimasa konflik tidak bisa dilakukan, karena melibatkan perjalanan jauh/luar kota
seperti perdagangan antar kota. Untuk variable Status Perkawinan dapat dipaparkan secara
logis bahwa ketika pendapatan seorang pekerja miskin yang belum menikah akan lebih
besar ketimbang apabila dia sudah menikah, karena pada pekerja yang sudah menikah,
maka pendapatannya harus dibagi bersama jumlah anggota keluarga, bila kepala keluarga
merupakan pekerja tunggal, sehingga menjadi lebih kecil. Namun sebaliknya, status
perkawinan bisa menambah pendapatan jika pada keluarga tersebut, keala keluarga bukan
satu-satunya pencari nafkah, sehingga pendapatan gabungan rumah tangga menjadi lebih
besar untuk pekerja yang sudah menikah. Pada golongan pekerja miskin, variabel status
id
perkawinan masih signifikan mempengaruhi pendapatan.
g o.
Hasil penghitungan MCA sebagaimana Tabel 9, menunjukkan bahwa variabel yang
s.
memiliki pengaruh pada pendapatan pekerja miskin dari paling tinggi berturut-turut adalah:
bp
variabel lokasi tempat tinggal, variabel tingkat pendidikan, dan variabel intensitas area
h.
konflik. Kemudian diikuti oleh variabel status pekerjaan, umur dan variabel status
ce
Tabel tersebut juga menunjukan bahwa rata-rata pendapatan pekerja miskin laki-laki
s:
lebih tinggi dibandingkan pekerja perempuan baik sebelum maupun sesudah dibebaskan
tp
dari pengaruh faktor lain. Kecenderungan ini sejalan dengan beberapa teori dan hasil
ht
58
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Tabel 9
Hasil Penghitungan MCA Pendapatan Pekerja Miskin
Predicted Mean Deviation
Variabel N Adjusted Unadjuste Adjusted
Unadjusted
for Factors d for Factors
(1) (2) (3) (4) (5) (6)
Jenis Kelamin
402,815.18 402,827.04
Laki-laki 2388 31 87 220.73180 232.59738
402,391.01 402,380.07
Perempuan 2591 34 75 -203.43788 -214.37381
Lokasi_Tinggal
420,008.90 419,450.11 17,414.453 16,855.659
Perkotaan 845 51 09 82 61
id
- -
o.
399,034.89 399149.112 3,559.5581 3,445.3392
g
s.
Perdesaan 4134 31 1 7 3
bp
Umur
h.
-
ce
Lanjutan 80 67
Status Perkawinan
- -
400,968.66 399,661.51 1625.7894 2932.9365
Belum Kawin 2478 18 47 7 6
404,205.28 405,500.41 1610.8381 2905.9643
Kawin/Pernah Kawin 2501 95 56 8 3
Intensitas Area Konflik
- -
398,230.64 397,535.75 4363.8081 5058.6995
Rendah 1827 32 18 0 0
411,547.99 408,918.49 8953.5483 6324.0472
Sedang 914 96 86 5 9
402,500.23 404,141.39 1546.9458
Tinggi 2238 07 71 -94.22064 3
id
g o.
Berdasarkan lokasi tempat tinggal, pendapatan pekerja di perkotaan relatif lebih tinggi
s.
dibandingkan dengan pekerja yang tinggal di perdesaan baik sebelum maupun sesudah
bp
dibebaskan dari pengaruh faktor lain. Perbedaan pendapatan ini dapat terjadi disebabkan
h.
oleh perbedaan karakteristik wilayah masing-masing. Hal ini sejalan dengan pernyataan ILO
ce
menjadi suatu identitas yang melekat dengan perdesaan. Kondisi ini disebabkan oleh
s:
berbagai hal diantaranya: tingkat pendidikan dan kualitas pendidikan di perdesaan masih
tp
rendah; rendahnya asset yang dikuasai masyarakat perdesaan; pelayanan sarana dan
ht
prasarana perdesaan yang kurang memadai; dan terbatasnya kesempatan melakukan usaha
di perdesaan.
Rata-rata pendapatan pekerja umur 25-54 tahun menjadi yang paling tinggi
dibandingkan dengan pekerja muda atau pekerja tua. Pada kelompok umur tersebut
produktivitas pekerja berada pada puncaknya. Berbeda dengan pekerja muda dimana pada
usia muda pekerja baru memulai karier dengan pekerjaan berupah rendah (Eurofond,
2010), sehingga pendapatannya relatif rendah. Kemudian semakin meningkat umur,
produktivitas seorang pekerja juga akan meningkat. Namun ketika umur sudah menua,
produktivitas dan kemampuan berfikir serta kemampuan untuk menerima kemajuan
teknologi mulai menurun. Hal ini memungkinkan pada saat memasuki umur tua,
pendapatan akan menurun dari sebelumnya.
Pada kelompok pekerja miskin, pendapatan paling tinggi dimiliki oleh pekerja dengan
pendidikan Perguruan Tinggi. Hal ini menjadi menarik untuk diuraikan lebih jauh, karena
umumnya rata-rata pekerjaan secara umum yang dilakukan pekerja miskin bersifat informal
(67 persen) sehingga tidak memerlukan keahlian tinggi untuk masuk ke sektor pekerjaan ini.
Seseorang yang berpendidikan rendah cenderung tidak banyak pilihan pekerjaan sehingga
60
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
apapun jenis pekerjaan harus dijalani. Hal inilah yang menyebabkan pendapatan pekerja
masih rendah. Beberapa hal yang menyebabkan pendidikan Perguruan Tinggi menghasilkan
pendapatan paling tinggi di pekerja miskin antara lain. Pertama, pekerjaan dapat
diselesaikan lebih banyak (secara volume pekerjaan) karena dilakukan dengan cara yang
lebih cerdas dari biasanya. Kedua, pekerjaan dapat diselesaikan lebih cepat sehingga dapat
segera mengerjakan pekerjaan lainnya.
Berdasarkan beberapa hasil penelitian sebelumnya diperoleh fakta bahwa pekerja
sektor formal lebih sejahtera dibanding dengan pekerja sektor informal. Hal yang sama
ditemukan pada kelompok pekerja miskin di Aceh di mana berdasarkan hasil MCA diperoleh
bahwa pendapatan rata-rata pekerja formal masih lebih tinggi dibandingkan dengan pekerja
informal baik sebelum atau sesudah dibebaskan dari pengaruh faktor lain.
Rendahnya pendapatan pekerja sektor informal disebabkan karakteristik yang melekat pada
sektor tersebut dimana menurut Laporan ILO dalam Effendi (1985) disebutkan bahwa pada
sektor informal pola kegiatan usaha tidak teratur baik dalam arti lokasi maupun jam kerja,
modal dan perputaran usaha relatif kecil, sehingga skala operasi juga relatif kecil, dan
id
umumnya unit usaha termasuk golongan one-man-enterprises dan mempekerjakan buruh
g o.
berasal dari keluarga. Sektor ini juga rata-rata ditekuni oleh pekerjadengan pendidikan
rendah, karena sektor ini tidak memerlukan keahlian dan kemampuan yang tinggi untuk
s.
dengan status formal, sebaliknya yang memiliki pendidikan rendah akan terserap ke sektor
h.
informal. Memasuki pekerjaan di sektor informal tidak menuntut syarat pendidikan tertentu
ce
seperti pada lapangan pekerjaan di sektor formal. Semua orang dari berbagai tingkat
//a
Pekerja dengan status kawin/pernah kawin cenderung mempunyai pendapatan lebih tinggi
tp
dibandingkan dengan pekerja dengan status belum kawin. Hal ini disebabkan karena
ht
dimana kombinasi pengaruh kategori dari masing-masing variabel bebas akan menghasilkan
berbagai kombinasi rata-rata pendapatan yang diperoleh oleh seorang pekerja miskin.
Berdasarkan model tersebut, maka seorang pekerja miskin akan memperoleh pendapatan
tertinggi jika: berjenis kelamin laki-laki; bertempat tinggal di wilayah perkotaan; berada
pada kelompok umur 25-54 tahun; tingkat pendidikan Perguruan Tinggi; status kawin;
bekerja pada sektor formal; dan berada di daerah yang pernah memiliki dampak konflik
sedang
id
Sedangkan pendapatan terendah dari pekerja miskin adalah tersebut diperoleh pada
o.
kondisi dimana karakteristik pekerja miskin adalah: berjenis kelamin perempuan; bertempat
g
s.
tinggal di wilayah perdesaan; berada pada kelompok umur diatas 55 tahun; tingkat
bp
pendidikan SMP ke bawah; bergerak pada sektor informal; status belum kawin; dan berada
h.
Berdasarkan dua model aditif di atas, terlihat bahwa terdapat perbedaan pengaruh kategori
//a
Kesimpulan
ht
62
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Daftar Pustaka
Agustiyani, Rachmi. 2010. Faktor-faktor yang Mempengaruhi Status Kemiskinan Pekerja
diIndonesia (Analisis Data Susenas dan Sakernas 2008). Thesis, Fakultas Ekonomi
Universitas Indonesia, Depok.
id
Andrews F., Morgan J.N, et all. 1973. Multiple Classification Analysis. A Report On A
o.
ComputerProgram For Multiple Regression Using Categorical Predictors. Second Edition,
g
s.
The University of Michigan.
bp
Makanan diProvinsi Sumatera Utara Tahun 2003. (Tesis). Banda Aceh: Universitas Syiah
ce
Kuala.
//a
Badan Pusat Statistik. 2015. Penghitungan dan Analisis Kemiskinan Makro Indonesia Tahun
ht
Kim, Marlene. 1997. The Working Poor: Lousy Jobs or Lazy Workers? Journal of Economic
Issues, Vol. 32. No. 1 Mar 1998. Association for Evoluntary Economic.
https://www.jstor.org/stable/4227278. Diunduh tanggal 2 April 2020 Jam 16.50 WIB.
Knight M.,N. Loayza and D Villaneuva. 1996. The Peace Dividend: Military Sending Cut and
Economic Growth. IMF Staff Paper 43: 1-37.
LIPI. 2012. Konsep dan Ukuran Kemiskinan Alternatif. Jakarta: Pusat Penelitian Ekonomi
(P2E) LIPI.
Makhjuddin, Akhiruddin. 2012. Dampak Konflik terhadap Perkembangan Ekonomi dan
Tingkat Kesejahteraan Masyarakat. Tesis. Program Magister Perencanaan dan Kebijakan
Publik Fakultas Ekonomi Universitas Indonesia, Jakarta
Musrizal 2019. Analisis Pengaruh Pertumbuhan Ekonomi Terhadap Tingkat Kemiskinan di
Aceh Utara, Jurnal Ekonomi dan Bisnis vol. 21, No.1 Feb 2019, Politeknik Negri
Lhokseumawe, Aceh.
Ngadi. 2003. Pengaruh Upah Minimum Terhadap Kemiskinan dan Kesempatan Kerja di
Indonesia(Analisis Data Tahun 1996, 1999, 2001). Thesis, Fakultas Ekonomi Universitas
id
Indonesia, Jakarta.
g o.
Pemerintah Aceh. 2019. Qanun Aceh No. 3 Tahun 2019 Tentang Rencana Pembangunan
s.
Jangka Menengah Aceh Tahun 2017-2022. Banda Aceh: Pemerintah Aceh.
bp
Priyono, Edy. 2002. Mengapa Angka Pengangguran Rendah di Masa Krisis?: Menguak
h.
Santoso, Singgih. 2001. SPSS versi 10: Mengolah Data Statistik Secara Profesional. Jakarta:
s:
Steines, N. 2004 Economic Performance Over the Conflict Cycle. IMF Working Paper
ht
WP/04/95
Sugiarto. 2018. Multicple Classification Analysis (MCA) Sebagai Metode Alternatif Analisis
Data Untuk Variabel Bebas yang Berkategori. Jurnal Statistika Vol. 6 No. 2, November
2018. Politeknik Statistika STIS, Jakarta
Sukirno, Sadono. 2004. Pengantar Teori Makro Ekonomi Edisi Ke-2. Jakarta: Rajawali Press.
World Bank. 2009. Multi Stakeholder Review on Post-Conflict Programming in Aceh. Doc
No. 55603 v.1 . www.documents.worldbank.org diunduh tanggal 3 April jam 17.20 WIB
64
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Rizki Hadiman1
Abstrak
Aceh Province has various potential resources that are expected to boost economic
development. This study aims to find out and analyze the leading and potential sectors that
can spur the economy of Aceh in the future. The data used in this study are secondary data,
namely the Gross Regional Domestic Product (GRDP) of Aceh Province and Indonesia's Gross
Domestic Product (GDP) from 2010 to 2017. The analytical methods used are LQ analysis,
Shift Share, MRP, Klassen Typology, and specialization index. We found that (1) the
Agriculture, Forestry, Fisheries sector, (2) the Large Trade and Retail sector; Car and
Motorcycle Repair, (3) the Transportation and Warehousing sector, (4) the Real Estate
sector, (5) the Health Services and Social Activities sector, and (6) the Government
id
Administration, Defense and Obligatory Social Security sectors as the leading sectors in the
Aceh Province. Whereas the potential sector is (1) the Electricity and Gas Procurement
Sector, (2) the Supply and Accommodation Accommodation Sector, and (3) the Water
g o.
s.
Abstrak
tp
Provinsi Aceh memiliki berbagai potensi sumber daya yang diharapkan mampu
ht
Pendahuluan
Setiap daerah memiliki potensi yang berbeda-beda baik dari potensi sumber daya
alam, kondisi geografis maupun potensi unik daerah lainnya. Oleh karena itu penyusunan
kebijakan pembangunan daerah, tidak dapat serta merta mengadopsi kebijakan nasional,
Provinsi maupun daerah induk atau daerah lain yang dianggap berhasil. Untuk membangun
suatu daerah, kebijakan yang diambil harus sesuai dengan permasalahan, kebutuhan dan
potensi daerah yang bersangkutan. Oleh karena itu penelitian mendalam perlu dilakukan
untuk memperoleh informasi bagi kepentingan perencanaan pembangunan daerah (Arsyad,
1999). Terkait dengan pentingnya identifikasi kebutuhan dan potensi dalam proses
perencanaan pembangunan di daerah, maka berbagai pendekatan model perencanaan
pembangunan daerah dapat dilakukan untuk menentukan arah dan bentuk kebijakan yang
diambil. Salah satu model pendekatan pembangunan daerah yang dapat digunakan yaitu
pendekatan sektoral. Sebagaimana yang dikemukakan Aziz (1994), pendekatan sektoral
dalam peren anaan pembangunan daerah selalu diawali dengan pertanyaan “sektor
ekonomi apa yang perlu dikembangkan”.
id
Tabel 1. PDRB Seri 2010 Atas Dasar Harga Berlaku Menurut Lapangan Usaha (Juta
g o.
s.
Rupiah) Provinsi Aceh
bp
Kategori Uraian 2010 2011 2012 2013 2014 2015 2016 2017
h.
(1) (2) (5) (6) (7) (8) (9) (10) (11) (12)
ce
Pertanian, Kehutanan,
A 25.579.574,5 27.553.522,6 29.643.043,4 32.254.068,2 34.376.593,73 37.598.849,2 40.245.353,4 43.404.302,4
dan Perikanan
//a
Pertambangan dan
B 15.582.032,5 15.912.461,0 15.363.815,0 14.745.738,5 13.578.025,9 7.495.694,7 6.397.113,2 6.798.255,8
Penggalian
s:
C Industri Pengolahan 8.982.947,9 9.359.997,7 9.859.251,3 9.759.312,0 9.481.095,7 7.718.443,2 7.356.575,3 7.533.238,2
tp
D Pengadaan Listrik dan 112.027,1 116.661,6 120.162,5 121.834,1 135.461,6 147.972,5 168.124,0 193.201,6
E Pengadaan Air, 25.239,5 28.545,8 32.476,2 35.739,8 39.475,2 45.404,3 55.739,2 62.506,0
ht
66
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Tabel 2. Laju Pertumbuhan PDRB Seri 2010 Menurut Lapangan Usaha Provinsi Aceh
Kategori Uraian 2011 2012 2013 2014 2015 2016 2017
(1) (2) (3) (4) (5) (6) (7) (8) (9)
Pertanian, Kehutanan,
A 3,7 4,4 4,7 2,5 5,0 3,8 5,2
dan Perikanan
Pertambangan dan
B -2,0 -2,5 -5,2 -9,4 -27,2 -12,8 5,6
Penggalian
C Industri Pengolahan 0,9 2,4 -4,8 -7,6 -20,7 -5,9 -3,0
D Pengadaan Listrik dan 7,0 8,7 4,0 9,4 7,4 10,4 4,5
E Pengadaan Air, 6,0 6,9 6,0 4,8 6,7 9,3 4,5
F Konstruksi 5,9 6,6 4,6 6,0 4,9 12,8 -4,1
Perdagangan Besar dan
G 5,4 6,3 5,6 4,2 3,9 3,1 3,5
Eceran; Reparasi Mobil
H Transportasi dan 5,0 5,3 4,3 2,6 2,2 -0,6 5,1
I Penyediaan Akomodasi 7,8 8,0 6,2 6,7 6,7 8,4 11,3
J Informasi dan 4,1 7,2 5,0 4,1 2,1 2,8 2,9
Jasa Keuangan dan
K 8,4 2,0 6,1 1,5 3,0 9,9 4,5
Asuransi
L Real Estate 4,2 4,9 5,3 7,7 7,0 7,8 7,9
M,N Jasa Perusahaan 4,7 5,0 4,1 8,7 2,4 7,1 4,7
Administrasi
Pemerintahan,
O 4,6 2,3 2,9 7,1 6,8 9,8 8,6
Pertahanan dan Jaminan
Sosial Wajib
P Jasa Pendidikan 2,3 3,6 4,4 6,1 6,4 10,0 10,0
id
Jasa Kesehatan dan
Q 4,5 11,4 6,7 5,6 6,0 7,2 9,2
o.
Kegiatan Sosial
R,S,T,U Jasa lainnya 4,2 5,7 4,7 g 5,9 5,4 6,4 8,3
PDRB MIGAS 3,3 3,9 2,6 1,6 -0,7 3,3 4,2
s.
PDRB NONMIGAS 4,4 4,9 4,2 4,0 4,3 4,3 4,1
bp
Ditinjau dari PDRB berdasarkan sektor ekonominya, sektor pertanian, kehutanan, dan
h.
perikanan masih mendominasi perekonomian Provinsi Aceh semenjak tahun 2010 hingga
ce
2017 dengan nilai tambah yang masih terus meningkat dari tahun ke tahun. Sektor lainnya
//a
yang terindikasi memiliki potensi yaitu sektor perdagangan besar dan eceran. Berdasarkan
s:
hasil Sensus Ekonomi 2016, sektor ini memberikan share hingga 44,82 persen dari total
tp
usaha/perusahaan perdagangan besar dan eceran yang ada di Provinsi Aceh. Begitu juga
ht
dari penyerapan tenaga kerjanya yang memberikan pangsa tertinggi mencapai 29,67
persen.
Sektor Transportasi dan Pergudangan di Aceh juga memberikan share terbaik selama
kurun waktu tersebut, terlihat pada pertumbuhannya di tahun 2017 yang tumbuh cukup
meyakinkan sebesar 5,1 persen. Namun yang harus diperhatikan adalah pertumbuhan
ekonomi Aceh masih berada di bawah pertumbuhan ekonomi nasional yang tumbuh
sebesar 5,19 persen juga masih di bawah pertumbuhan ekonomi se-Sumatera yang
mencapai 4,43 persen. Sehingga aktivitas ekonomi sektoral harus ditinjau ulang apakah
kebijakan-kebijakan yang mendukung sudah berjalan optimal dalam upaya mendorong
perekonomian di Aceh.
Hidayat dan Darwin (2017) melakukan penelitian untuk menganalisis sektor unggulan
dalam pengembangan wilayah Kabupaten Meranti, Provinsi Riau. Dari hasil kombinasi
analisis menggunakan Location Quotient (LQ), Shift Share, dan indeks Spesialisasi ditemukan
bahwa sektor transportasi, sektor pertanian dan sektor industri pengolahan merupakan
sektor potensial. Khusus untuk sektor pertanian dan sektor transportasi, keduanya
terspesialisasikan dalam interaksi inter-regional.
Penelitian yang dilakukan Andani, dkk (2015) untuk menganalisis sektor unggulan di
Kabupaten Merauke, dengan menggunakan SLQ, DLQ, SSA, IS dan MRP ditemukan bahwa
sektor yang basis di Kabupaten Merauke adalah sektor pertanian, subsektor peternakan dan
hasilnya, subsektor kehutanan, subsektor perikanan, sektor pertambangan dan penggalian,
sektor industi pengolahan dan sektor listrik dan air bersih. Sedangkan sektor unggulannya
adalah sektor pertanian.
id
go.
s.
bp
h.
ce
//a
Metode Penelitian
ht
Penelitian ini menggunakan data sekunder dari Badan Pusat Statistik yaitu Produk
Domestik Regional Bruto (PDRB) Provinsi Aceh dan Produk Domestik Bruto (PDB) Indonesia
dari tahun 2010 hingga 2017. Untuk memperoleh sektor-sektor unggulan dan potensi di
Provinsi Aceh dalam kurun waktu tersebut, digunakan alat analisis sebagai berikut:
1. Location Quotient (LQ)
Analisis LQ digunakan untuk menunjukkan besarnya peranan sektor
perekonomian suatu wilayah dengan membandingkan sektor yang sama pada wilayah
yang lebih besar. Metode ini digunakan untuk mengidentifikasi sektor ekonomi
potensial yang menjadi unggulan dan dapat dikembangkan di suatu wilayah.
Disamping itu juga digunakan untuk mengidentifikasi keunggulan komparatif
(comparative advantage) suatu wilayah.
Rumus untuk mendapatkan sektor unggulan di suatu wilayah analisis adalah
sebagai berikut:
Keterangan:
68
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
2. Analisis Shift-Share
id
Analisis shift share merupakan salah satu teknik untuk menganalisis data statistik
g o.
regional, seperti PDRB, tenaga kerja dan lain-lain untuk mengamati struktur
s.
perekonomian daerah dan perubahannya secara deskriptif. Caranya dengan
bp
kegiatan ekonomi di wilayah tersebut dengan data yang terbatas (Firdaus, 2007).
ce
Analisis ini merupakan salah satu teknik kuantitatif yang biasa digunakan untuk
//a
( )
( )
( )
Keterangan:
= PDB wilayah referensi periode akhir tahun.
= PDB wilayah referensi periode awal tahun.
= PDB wilayah referensi sektor ke-i periode tahun akhir.
= PDB wilayah referensi sektor ke-i periode tahun awal.
= PDRB wilayah analisis sektor ke-i periode tahun akhir.
= PDRB wilayah analisis sektor ke-i periode tahun awal.
Interpretasi dari hasil pengukuran diatas sebagai berikut:
o Jika PSij > 0, artinya bahwa sektor i pada suatu wilayah analisis tumbuh lebih
cepat daripada sektor i di wilayah referensi, dan sebaliknya.
id
o Jika DSij > 0, artinya bahwa daya saing sektor i pada suatu wilayah analisis lebih
g o.
tinggi dari daya saing sektor i di wilayah referensi, dan sebaliknya.
o Jika SSij > 0, artinya terjadi penambahan nilai absolut atau mengalami kenaikan
s.
Dari ukuran diatas, maka sektor unggulan wilayah adalah sektor-sektor yang
h.
mempunyai daya saing yang tinggi. Daya saing suatu sektor menunjukkan potensi yang
ce
70
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
berpotensi baik di tingkat regional maupun global (wilayah referensi)
g o.
s.
4. Tipologi Klassen
bp
Model yang paling popular untuk mengidentifikasi daerah diperkenalkan oleh Leo
h.
Keterangan:
Gi : Pertumbuhan sektor i di wilayah analisis
G : Pertumbuhan sektor i di wilayah referensi
Si : Kontribusi sektor i di wilayah analisis
S : Kontribusi sektor i di wilayah referensi
id
o.
5. Indeks Spesialisasi g
Indeks Spesialisasi (IS) merupakan teknik analisis yang dapat melengkapi dan/atau
s.
memperkuat hasil analisis LQ. Teknik analisis IS menunjukkan apakah suatu wilayah
bp
yang tidak terspesialisasi. Apabila suatu wilayah memiliki aktivitas yang terdiversifikasi
ce
berarti wilayah tersebut tidak memiliki aktivitas basis tertentu, sebaliknya jika suatu
//a
spesialisasi regional yang lain sebagaimana yang diterapkan oleh Kim (1995)
ht
∑| |
Keterangan:
= Indeks Spesialisasi Kabupaten/Kota j dan k;
= PDRB sektor i pada Kabupaten/kota j;
= Total PDRB Kabupaten / kota j;
= PDRB sektor i pada Kabupaten / kota k;
= Total PDRB Kabupaten k
Kriteria pengukuran menurut Kim:
a) Bila Indeks Spesialisasi regional mendekati nol maka kedua daerah j dan k tidak
memiliki spesialisasi, dan bila angka indeks mendekati dua maka kedua daerah j dan k
memiliki spesialisasi;
b) Batas tengah antara angka nol dan dua tersebut adalah satu, oleh karena itu nilai
indeks spseialisasi yang lebih besar dari satu dapat diangaap sebagai sektor/ subsektor
yang memiliki spesialisasi;
72
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
c) Untuk melihat tinggi rendahnya tingkat spesialisasi suatu daerah terhadap daerah
lainnya, sebagai pembanding digunakan nilai ratarata indeks spesialisasi seluruh
daerah.
Kategori Uraian 2010 2011 2012 2013 2014 2015 2016 2017 Rata-Rata
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
id
Pertanian, Kehutanan,
o.
A 1,81 1,85 1,89 1,95 1,98 2,12 2,17 2,21 2,00
dan Perikanan
Pertambangan dan
B 1,47 1,42 1,37 1,30
g
1,22 0,97 0,85 0,90 1,19
Penggalian
s.
C Industri Pengolahan 0,40 0,39 0,39 0,36 0,33 0,27 0,24 0,23 0,33
bp
D Pengadaan Listrik dan 0,10 0,11 0,11 0,11 0,12 0,13 0,14 0,15 0,12
E Pengadaan Air, 0,29 0,30 0,32 0,34 0,35 0,37 0,39 0,40 0,35
F Konstruksi 0,88 0,88 0,90 0,92 0,94 0,98 1,07 0,96 0,94
h.
J Informasi dan 0,87 0,84 0,82 0,80 0,78 0,77 0,74 0,70 0,79
Jasa Keuangan dan
s:
L Real Estate 1,07 1,07 1,07 1,08 1,15 1,25 1,31 1,37 1,17
M,N Jasa Perusahaan 0,37 0,36 0,36 0,36 0,37 0,37 0,37 0,36 0,37
ht
Administrasi
Pemerintahan,
O 1,87 1,89 1,93 2,00 2,16 2,33 2,52 2,71 2,18
Pertahanan dan Jaminan
Sosial Wajib
P Jasa Pendidikan 0,67 0,66 0,64 0,64 0,67 0,70 0,75 0,81 0,69
Jasa Kesehatan dan
Q 2,20 2,16 2,28 2,31 2,34 2,46 2,55 2,63 2,36
Kegiatan Sosial
R,S,T,U Jasa lainnya 0,75 0,75 0,76 0,77 0,77 0,80 0,80 0,80 0,78
TOTAL 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Sedangkan sektor-sektor lainnya yang perlu diperhatikan karena memiliki potensi yang
cukup besar untuk dikembangkan yaitu sektor Pengadaan Air, Pengelolaan Sampah, Limbah
dan Daur Ulang, serta sektor Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial
Wajib. Kedua sektor ini dikatakan Highly Potential kaena memiliki potensi daya saing yang
tinggi.
Tabel 4. Hasil Analisis Shift Share (Komponen Proportional Shift) Provinsi Aceh
id
g o.
s.
bp
h.
ce
//a
s:
tp
ht
74
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Tabel 5. Hasil Analisis Shift Share (Komponen Differential Shift) Provinsi Aceh
id
g o.
s.
bp
h.
ce
Kategori Uraian 2011 2012 2013 2014 2015 2016 2017 Rata-Rata
tp
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
ht
Pertanian, Kehutanan,
A 935,91 2.105,54 3.400,86 4.110,99 5.606,80 6.780,37 8.467,22 4486,81
dan Perikanan
Pertambangan dan
B -314,62 -692,39 -1.461,17 -2.782,05 -6.262,32 -7.457,27 -6.998,30 -3709,73
Penggalian
C Industri Pengolahan 82,34 299,24 -144,62 -818,16 -2.508,21 -2.888,54 -3.071,51 -1292,78
D Pengadaan Listrik dan 7,89 18,32 23,56 36,34 47,38 63,96 71,95 38,49
E Pengadaan Air, 1,51 3,37 5,07 6,54 8,68 11,84 13,52 7,22
F Konstruksi 484,83 1.058,85 1.489,02 2.071,76 2.570,68 3.950,67 3.447,45 2153,32
Perdagangan Besar dan
G 754,90 1.671,07 2.540,69 3.225,79 3.892,56 4.448,06 5.092,62 3089,38
Eceran; Reparasi Mobil
H Transportasi dan 366,33 778,68 1.131,05 1.350,24 1.540,96 1.491,07 1.941,26 1228,51
I Penyediaan Akomodasi 70,90 149,22 214,56 290,10 370,03 477,48 633,99 315,18
J Informasi dan 134,80 379,47 560,81 717,61 802,26 916,49 1.039,78 650,17
Jasa Keuangan dan
K 123,32 154,88 253,06 278,51 331,18 508,28 596,33 320,79
Asuransi
L Real Estate 133,57 295,88 478,91 757,24 1.031,19 1.356,69 1.714,38 823,98
M,N Jasa Perusahaan 25,35 53,43 77,59 131,16 147,10 196,13 230,46 123,03
Administrasi
Pemerintahan,
O 333,01 508,30 735,07 1.300,04 1.879,54 2.763,52 3.621,34 1591,54
Pertahanan dan Jaminan
Sosial Wajib
P Jasa Pendidikan 45,07 117,39 210,72 346,11 496,32 744,90 1.017,99 425,50
Jasa Kesehatan dan
Q 96,32 354,49 522,72 673,12 842,59 1.059,05 1.355,62 700,56
Kegiatan Sosial
R,S,T,U Jasa lainnya 47,55 113,93 172,67 249,78 323,56 416,47 543,84 266,83
Selain itu, sepuluh sektor lainnya di Provinsi Aceh termasuk sektor Developing karena
memiliki potensi pertumbuhan yang cepat walaupun daya saing masih rendah. Sektor-
sektor tersebut yaitu (1) sektor Konstruksi, (2) Perdagangan Besar dan Eceran; Reparasi
Mobil dan Sepeda Motor, (3) Transportasi dan Pergudangan, (4) Informasi dan Komunikasi,
(5) Jasa Keuangan dan Asuransi, (6) Real Estate, (7) Jasa Perusahaan, (8) Jasa Pendidikan, (9)
Jasa Kesehatan dan Kegiatan Sosial, dan (10) Jasa Lainnya.
Namun secara keseluruhan, hanya terdapat dua sektor yang memiliki total Shift Share
yang bernilai negatif. Artinya hampir seluruh sektor kecuali sektor Pertambangan dan
Penggalian serta sektor Industri Pengolahan memiliki kenaikan kinerja ekonomi melalui
komponen Regional Share yang mengindikasikan adanya peningkatan kegiatan ekonomi
daerah akibat kebijakan nasional yang berlaku.
id
atau potensi secara regional. Hasil ini menguatkan apa yang diperoleh dari analisis Shift
g o.
Share di mana kedua sektor tersebut kurang potensial dan masih kurang terdukung dengan
s.
kebijakan nasional yang berlaku.
bp
h.
Kategori Uraian 2011 2012 2013 2014 2015 2016 2017 Rata-Rata
//a
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
s:
Pertanian, Kehutanan,
A 1,12 1,13 1,32 1,37 2,00 1,81 1,70 1,49
dan Perikanan
tp
Pertambangan dan
B -0,62 -0,61 -0,93 -1,52 -3,67 -3,27 -2,31 -1,85
ht
Penggalian
C Industri Pengolahan 0,28 0,46 -0,16 -0,77 -2,55 -2,20 -1,76 -0,96
D Pengadaan Listrik dan 2,15 2,25 2,09 2,76 3,86 3,91 3,31 2,90
E Pengadaan Air, 1,83 1,84 2,00 2,20 3,14 3,21 2,76 2,43
F Konstruksi 1,80 1,78 1,80 2,15 2,86 3,29 2,16 2,26
Perdagangan Besar dan
G 1,66 1,66 1,82 1,98 2,56 2,20 1,89 1,97
Eceran; Reparasi Mobil
H Transportasi dan 1,51 1,45 1,52 1,55 1,90 1,38 1,35 1,53
I Penyediaan Akomodasi 2,37 2,26 2,34 2,71 3,71 3,59 3,59 2,94
J Informasi dan 1,25 1,59 1,70 1,86 2,23 1,91 1,63 1,74
Jasa Keuangan dan
K 2,57 1,46 1,72 1,61 2,06 2,37 2,09 1,98
Asuransi
L Real Estate 1,29 1,29 1,51 2,04 2,99 2,95 2,80 2,13
M,N Jasa Perusahaan 1,43 1,37 1,43 2,07 2,49 2,49 2,20 1,93
Administrasi
Pemerintahan,
O 1,41 0,97 1,02 1,54 2,39 2,63 2,60 1,79
Pertahanan dan Jaminan
Sosial Wajib
P Jasa Pendidikan 0,69 0,81 1,05 1,48 2,28 2,56 2,63 1,64
Jasa Kesehatan dan
Q 1,36 2,26 2,41 2,65 3,56 3,35 3,23 2,69
Kegiatan Sosial
R,S,T,U Jasa lainnya 1,29 1,39 1,52 1,88 2,62 2,53 2,49 1,96
76
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
M,N Jasa Perusahaan 8,27 5,23 1,57 0,57 IV -
o.
Administrasi
Pemerintahan,
O 3,34 6,03
g
3,85 8,10 I Unggulan
Pertahanan dan Jaminan
s.
Sosial Wajib
bp
Menurut analisis Tipologi Klassen, sektor pertanian masih merupakan sektor unggulan
tp
yang tumbuh pesat, selain itu terdapat pula sektor Real Estate dan sektor Administrasi
ht
Pemerintahan. Adapun (1) sektor pertambangan dan penggalian, (2) sektor Perdagangan
Besar dan Eceran; Reparasi Mobil dan Sepeda Motor, (3) sektor Transportasi dan
Pergudangan, dan (4) sektor Jasa Kesehatan dan Kegiatan Sosial juga termasuk sektor
unggulan namun pertumbuhannya masih tertekan. Selain itu terdapat pula sektor-sektor
yang potensial dan masih dapat dikembangkan dengan pertumbuhannya yang tinggi
meskipun sharenya secara regional masih relatif rendah yaitu (1) Sektor Pengadaan Listrik
dan Gas, (2) sektor Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang, (3) sektor
Penyediaan Akomodasi dan Makan Minum, dan (4) sektor Jasa Pendidikan. Adapun enam
sektor lainnya masih termasuk sektor yang bukan potensial dengan pertumbuhannya yang
cenderung lambat serta share nya yang rendah.
Kategori Uraian 2010 2011 2012 2013 2014 2015 2016 2017
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
Pertanian, Kehutanan,
A 0,1126 0,1165 0,1197 0,1265 0,1298 0,1464 0,1497 0,1540
dan Perikanan
Pertambangan dan
B 0,0488 0,0428 0,0369 0,0294 0,0200 -0,0027 -0,0123 -0,0079
Penggalian
C Industri Pengolahan -0,1319 -0,1341 -0,1345 -0,1382 -0,1446 -0,1579 -0,1614 -0,1634
D Pengadaan Listrik dan -0,0095 -0,0094 -0,0097 -0,0097 -0,0097 -0,0091 -0,0091 -0,0087
E Pengadaan Air, -0,0006 -0,0006 -0,0006 -0,0005 -0,0005 -0,0005 -0,0005 -0,0005
F Konstruksi -0,0105 -0,0109 -0,0092 -0,0080 -0,0060 -0,0022 0,0064 -0,0036
Perdagangan Besar dan
G 0,0019 0,0003 0,0044 0,0095 0,0131 0,0232 0,0242 0,0240
Eceran; Reparasi Mobil
H Transportasi dan 0,0370 0,0375 0,0381 0,0389 0,0388 0,0404 0,0366 0,0359
I Penyediaan Akomodasi -0,0202 -0,0200 -0,0198 -0,0198 -0,0195 -0,0186 -0,0180 -0,0174
J Informasi dan -0,0050 -0,0061 -0,0073 -0,0085 -0,0097 -0,0107 -0,0126 -0,0153
Jasa Keuangan dan
K -0,0205 -0,0200 -0,0215 -0,0221 -0,0220 -0,0227 -0,0231 -0,0232
Asuransi
L Real Estate 0,0021 0,0020 0,0020 0,0025 0,0045 0,0074 0,0091 0,0109
id
M,N Jasa Perusahaan -0,0091 -0,0095 -0,0096 -0,0099 -0,0102 -0,0104 -0,0106 -0,0111
Administrasi
o.
Pemerintahan,
O 0,0329 0,0338 0,0341 0,0354
g 0,0402 0,0460 0,0516 0,0562
Pertahanan dan Jaminan
Sosial Wajib
s.
P Jasa Pendidikan -0,0098 -0,0101 -0,0108 -0,0110 -0,0102 -0,0094 -0,0076 -0,0059
bp
R,S,T,U Jasa lainnya -0,0036 -0,0038 -0,0036 -0,0035 -0,0035 -0,0033 -0,0033 -0,0034
TOTAL 0,2470 0,2444 0,2481 0,2559 0,2607 0,2791 0,2944 0,2989
ce
Tingkat spesialisasi di Provinsi Aceh dari tahun 2010 hingga 2017 cukup rendah namun
//a
memiliki nilai yang cenderung meningkat dari 0,247 pada tahun 2010 hingga 0,299 pada
s:
tahun 2017, dengan rata-rata selama rentang delapan tahun tersebut hanya sebesar 0,266.
tp
ekonominya menurun semenjak tahun 2015 hingga 2017 dibandingkan dengan kondisi 2010
hingga 2014. Sektor yang menjadi pembeda yaitu sektor pertambangan dan penggalian.
Sektor ini menunjang spesialisasi sektoral selama tahun 2010 hingga 2014 selain enam
sektor lainnya yaitu (1) Pertanian, Kehutanan, Perikanan, (2) Perdagangan Besar dan Eceran;
Reparasi Mobil dan Sepeda Motor, (3) Transportasi dan Pergudangan, (4) Real Estate, (5)
Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib, dan (6) Jasa Kesehatan
dan Kegiatan Sosial. Keenam sektor ini selama delapan tahun berturut-turut selalu
terspesialisasikan aktivitas ekonominya. Namun pada tahun 2015 hingga 2017 sektor
pertambangan dan penggalian kurang terspesialisasikan. Selain itu, hanya Pada tahun 2016
muncul konsentrasi pada sektor konstruksi. Hal ini disebabkan oleh aktivitas sektor tersebut
yang sedang meningkat sehingga sektor ini merupakan sektor dengan pertumbuhan
ekonomi tertinggi (12,80 persen) dibanding sektor lainnya pada saat itu.
78
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
id
J Informasi dan - + - + + - - -
Jasa Keuangan dan
o.
K - + - + + - - -
Asuransi g
L Real Estate Basis + - + + Unggulan Konsentrasi Unggulan
s.
M,N Jasa Perusahaan - + - + + - - -
bp
Administrasi
Pemerintahan,
O Basis -
h.
Sosial Wajib
P Jasa Pendidikan - + - + + Potensial - -
//a
membedakan sektor ini dibanding sektor unggulan lainnya yaitu sektor ini memiliki daya
saing sektor yang lebih tinggi dibanding rata-rata nasional. Secara rata-rata selama tahun
2010 hingga 2017, keenam sektor ini meningkatkan kinerja ekonomi Provinsi Aceh sehingga
nilai tambah yang dihasilkan setiap tahun selalu tumbuh positif.
Adapun untuk sektor potensial, sebagaimana sektor unggulan, juga diperoleh dengan
membandingkan hasil-hasil analisis yang sudah dilakukan di atas. Sektor Pengadaan Listrik
dan Gas serta sektor Penyediaan Akomodasi Makan dan Minum keduanya memiliki
pertumbuhan yang lebih cepat serta daya saing yang lebih tinggi terhadap rata-rata
nasional. Begitu juga yang dihasilkan dari analisis MRP dan Tipologi Klassen, keduanya
memiliki potensi secara regional. Dengan terus meningkatnya jumlah penduduk serta
berbagai investasi di Provinsi Aceh, maka kedua sektor ini cukup potensial untuk terus
menopang perekonomian Aceh. Sektor potensi lainnya di Provinsi Aceh yaitu sektor
Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang. Meskipun hasil Proporsional
Shift nya bernilai negatif, namun Differential Shiftnya menunjukkan nilai positif yang artinya
sektor ini masih memiliki daya saing di atas rata-rata nasional.
id
Kesimpulan dan Saran
g o.
s.
Simpulan
bp
1. Berdasarkan hasil analisis LQ, Shift Share, MRP, Tippologi Klassen, serta indeks
h.
spesialisasi, selama tahun analisis 2010 hingga 2017 ditemukan bahwa (1) sektor
ce
Pertanian, Kehutanan, Perikanan, (2) sektor Perdagangan Besar dan Eceran; Reparasi
//a
Mobil dan Sepeda Motor, (3) sektor Transportasi dan Pergudangan, (4) sektor Real
Estate, (5) sektor Jasa Kesehatan dan Kegiatan Sosial, serta (6) sektor Administrasi
s:
2. Berdasarkan hasil analisis LQ, Shift Share, MRP, Tippologi Klassen, serta indeks
spesialisasi, selama tahun analisis 2010 hingga 2017 ditemukan bahwa (1) Sektor
Pengadaan Listrik dan Gas, (2) sektor Penyediaan Akomodasi Makan dan Minum, serta
(3) sektor Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang merupakan
sektor potensial di wilayah Provinsi Aceh.
Saran
1. Sektor-sektor unggulan, khususnya yang menjadi sektor basis sebaiknya terus
ditingkatkan untuk menciptakan pertumbuhan ekonomi Provinsi Aceh yang
berkelanjutan. Namun sektor-sektor non basis juga agar terus dibina sehingga mampu
mendukung sektor-sektor basis dan mampu meningkatkan spesialisasi perekonomian
Aceh di sektor lainnya. Seperti sektor pertambangan dan penggalian yang dalam
beberapa tahun sempat menurun, misalnya dengan mempermudah izin usaha
pertambangan.
2. Sektor-sektor potensial seperti Penyediaan Akomodasi Makan dan Minum dapat terus
ditingkatkan melalui event-event besar/nasional yang digelar oleh pemerintah Aceh
sehingga memacu peningkatan nilai tambah sektor tersebut. Sedangkan untuk sektor
80
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
pengadaan listrik dan gas, pemerintah dapat mengupayakan agar pelayanan penyaluran
listrik dan gas tetap terjaga. Begitu juga untuk sektor Pengadaan Air, Pengelolaan
Sampah, Limbah dan Daur Ulang peningkatan inovasi juga diharapkan mampu memacu
sektor-sektor tersebut.
DAFTAR PUSTAKA
Andani, Rizka, dkk. 2015. Analisis Sektor Unggulan Di Kabupaten Merauke Tahun 2007-2013.
Jurnal Kajian Ekonomi dan Studi Pembangunan, Volume II No. 3, Desember 2015.
Arsyad, Lincolyn. 1999. Pengantar Perencanaan Dan Pembangunan Ekonomi Daerah, Edisi
Pertama, BPFE – UGM, Yogyakarta.
Arsyad, Lincolin. 2006. Ekonomi Pembangunan (Edisi 5). Yogyakarta: UPP STIM YKPN.
Aziz, Iwan Jaya. 1994. Ilmu Ekonomi Regional Dan Beberapa Aplikasinya Di Indonesia. LPFE-
UI. Jakarta.
BPS. 2017. Sensus Ekonomi 2016 Analisis Hasil Listing: Potensi Ekonomi Indonesia. Jakarta:
BPS.
BPS Aceh. 2017. Sensus Ekonomi 2016 Analisis Hasil Listing: Potensi Ekonomi Dan Daya
id
o.
Saing Aceh. Banda Aceh: BPS Aceh. g
BPS Aceh. 2018. Berita Resmi Statistik: Pertumbuhan Ekonomi Aceh Triwulan IV-2017.
s.
Hidayat, M., 2014. Inequality across districts and cities in the Riau. Economic Journal of
bp
Hidayat, M.,& Darwin, R. 2017. Analisis Sektor Unggulan Dalam Pengembangan Wilayah
ce
Kabupaten Kepulauan Meranti. Media Trend, Berkala kajian Ekonomi dan Studi
//a
Pembangunan.
s:
Kim, S., 1995. Expansion of Markets and the Geographic Distribution of Eco¬nomic
tp
Abstrak
id
pendekaan beberapa fungsi kernel, dimana memiliki beberapa kelebihan dibandingkan
g o.
metode klasifikasi linier lainnya. Berdasarkan analisis didapatkan hasil bahwa Non Linear
SVM dapat memprediksi klasifikasi putus sekolah pada anak usia sekolah dengan ketepatan
s.
bp
mencapai 95%.
h.
Kata kunci: klasifikasi, putus sekolah, sosial ekonomi, Non Linear support vector machine
ce
//a
Latar Belakang
s:
Pendidikan adalah salah satu bentuk perwujudan kebudayaan manusia yang dinamis dan
tp
sarat perkembangan. Oleh karena itu, perubahan atau perkembangan pendidikan adalah hal
ht
yang memang seharusnya terjadi sejalan dengan perubahan budaya kehidupan. Perubahan
dalam arti perbaikan pendidikan pada semua tingkat perlu terus menerus dilakukan sebagai
antisipasi kepentingan masa depan. (Trianto, 2001)
Pendidikan merupakan hal yang tidak dapat dipisahkan dari kehidupan manusia.
Pendidikan memegang unsur penting untuk membentuk pola pikir, akhlak dan perilaku
manusia agar sesuai dengan norma-norma yang berlaku, seperti norma agama, norma
kesusilaan, norma kesopanan, dan norma hukum sesuai dengan Undang-Undang No. 20
Tahun 2003 tentang Sistem Pendidikan Nasional yang menyatakan bahwa “Pendidikan
nasional berfungsi mengembangkan kemampuan dan membentuk watak serta peradaban
bangsa yang bermartabat dalam rangka mencerdaskan kehidupan bangsa. Pendidikan
bertujuan untuk mengembangkan potensi peserta didik agar menjadi manusia yang beriman
dan bertakwa kepada Tuhan Yang Maha Esa, berakhlak mulia, sehat, berilmu, cakap, kreatif,
1
Pegawai BPS Kota Subulussalam, Email: risma.sarah@bps.go.id
2
Pegawai BPS Kab Ogan Komering Ulu Timur
3
SMK Negeri 1 Cirebon
82
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
mandiri dan menjadi warga negara yang demokratis serta bertanggung jawab”. (Trianto,
2001)
Dirasakan atau tidak, pendidikan merupakan faktor penting dalam memartabatkan
negara maupun meningkatkan kemajuan secara majemuk sebuah negara. Tanpa pendidikan,
kemajuan sebuah bangsa akan semakin pudar tergerus oleh maraknya perkembangan
zaman.
Dalam Undang – Undang No.20 Tahun 2003 pasal 17 ayat (1) tentang Pendidikan Dasar
mengatakan bahwa “Pendidikan dasar merupakan jenjang pendidikan yang melandasi
jenjang pendidikan menengah” dan pasal 18 ayat (2) tentang Pendidikan Menengah
mengatakan bahwa “Pendidikan menengah terdiri atas pendidikan menengah umum dan
pendidikan menengah kejuruan”. (kelembagaan.ristekdikti.go.id)
Pemerintah telah melakukan berbagai upaya untuk meningkatkan mutu Pendidikan di
Indonesia dengan mencanangkan wajib belajar 6 tahun, wajib belajar 9 tahun dan wajib
belajar 12 tahun. Kemendikbud akan mulai menjalankan kebijakan baru terkait upaya
peningkatan mutu dan kualitas pendidikan di Tanah Air melalui beberapa program.
id
Diantaranya Pendidikan Menengah Universal (PMU), atau dikenal dengan Rintisan Wajib
merupakan pekerjaan rumah yang tidak mudah bagi pemerintah. Salah satu faktor yang
h.
dapat menjadi tolak ukur rendahnya tingkat pendidikan di Indonesia adalah tingginya angka
ce
Putus sekolah merupakan salah satu permasalahan pendidikan yang tak pernah berakhir.
s:
Masalah ini telah berakar dan sulit untuk dipecahkan penyebabnya, tidak hanya karena
tp
kondisi ekonomi, tetapi ada juga yang disebabkan oleh permasalahan dalam keluarga, dan
ht
lain-lain. Anak putus sekolah secara umum masalah utamanya berasal dari kondisi ekonomi
keluarga yang kurang mendukung. Sebagian besar lainnya adalah faktor sosial terkait
keluarga yang menyebabkan anak- putus sekolah.
Pemerintah dalam hal ini memiliki dua upaya dalam menghadapi permasalahan anak
putus sekolah yaitu upaya pencegahan dan upaya pembinaan. Upaya pencegahan dilakukan
sebelum anak mengalami putus sekolah yang dapat dilakukan dengan kegiatan mengamati,
memperhatikan permasalahan-permasalahan anak-anak dan dengan meningkatkan
kesadaran orang tua akan pentingnya pendidikan demi menjamin masa depan anak serta
memberikan motivasi belajar kepada anak. Adapun upaya pembinaan yang dilakukan adalah
dengan mengajarkan nilai-nilai keagamaan dan sosial kemasyarakatan kepada anak, serta
memberikan pekerjaan yang sesuai dengan kemampuannya supaya anak disibukkan serta
dapat menghindarinya dari pikiran yang menyimpang. Menurut Arini (2018), faktor – faktor
yang mempengaruhi anak putus sekolah diantaranya: tingkat pendapatan orangtua rendah,
persepsi orangtua tentang pendidikan rendah, minat belajar anak rendah, tingkat pendidikan
orang tua rendah, serta jarak tempat tinggal yang jauh.
Dari penjelasan di atas, kemajuan bangsa salah satunya didasarkan atas tingkat
pendidikan yang meningkat, namun dalam prakteknya tidak mudah. Banyak faktor yang
menyebabkan anak putus sekolah, yang dapat mempengaruhi tingkat pendidikan di
Indonesia. Oleh karena itu peneliti tertarik untuk meneliti permasalahan anak putus sekolah
secara multidimensional, yaitu dikaitkan dengan indikator sosial ekonomi. Penelitian ini
terutama bertujuan untuk melakukan klasifikasi anak putus sekolah berdasarkan karakteristik
sosial ekonomi anak di Provinsi Aceh Tahun 2016. Karakteristik sosial yang digunakan adalah
klasifikasi daerah tempat tinggal, usia anak, pendidikan anak dan kepala rumah tangga,
status pekerjaan anak, jenis kelamin anak, serta jumlah anggota rumah tangga. Sementara
karakteristik ekonomi yang digunakan adalah pengeluaran rumah tangga. Penelitian ini dapat
dimanfaatkan baik oleh pemerintah pusat maupun daerah sebagai alat pertimbangan dan
evaluasi dalam merumuskan kebijakan khususnya dalam mengatasi permasalahan putus
sekolah program wajib belajar 12 tahun.
Tujuan Penelitian
id
Tujuan dari penelitian ini sebagai berikut:
g o.
1. Membandingkan hasil klasifikasi data putus sekolah di Provinsi Aceh berdasarkan faktor-
s.
faktor yang mempengaruhi dengan menggunakan metode Non Linear Support Vector
bp
3. Membuat model prediksi untuk klasifikasi data putus sekolah di Provinsi Aceh
tp
Landasan Teori
Putus Sekolah
Menurut Departemen Pendidikan di Amerika Serikat (MC Millen Kaufman, dan Whitener,
1994) anak putus sekolah adalah murid yang tidak dapat menyelesaikan program belajarnya
sebelum waktunya selesai atau murid yang tidak tamat menyelesaikan program belajarnya.
Faktor penyebab anak putus sekolah dapat dibagi menjadi dua yaitu faktor internal serta
faktor eksternal. Diantara faktor internal adalah:
Faktor yang berasal dari dalam diri, diantaranya malas untuk pergi sekolah karena merasa
minder, tidak dapat bersosialisasi dengan lingkungan sekolahnya, sering dicemoohkan
karena tidak mampu membayar kewajiban biaya sekolah yang dipengaruhi oleh berbagai
faktor. Ketidakmampuan ekonomi keluarga dalam menopang biaya pendidikan yang
berdampak terhadap masalah psikologi anak sehingga anak tidak bisa bersosialisasi
dengan baik dalam pergaulan dengan teman sekolahnya. Selain itu, faktor lingkungan
tempat tinggal anak juga merupakan salah satu faktor yang berpengaruh.
84
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Karena pengaruh teman, sebagai contoh bermain game online yang diikuti dengan
kegiatan membolos yang dapat mengakibatkam tidak naik kelas, prestasi di sekolah
menurun sehingga malu pergi kembali ke sekolah.
Anak yang kena sanksi karena mangkir sekolah sehingga drop out.
Sementara faktor eksternal adalah:
Keadaan status ekonomi keluarga, dalam keluarga miskin cenderung timbul berbagai
masalah yang berkaitan dengan pembiayaan hidup anak, sehingga anak sering
dilibatkan untuk membantu memenuhi kebutuhan ekonomi keluarga yang dapat
mengakibatkan terganggunya kegiatan belajar dan kesulitan mengikuti pelajaran.
Perhatian orang tua. Kurangnya perhatian orang tua cenderung akan menimbulkan
berbagai masalah. Semakin besar usia anak, semakin besar pula perhatian orang tua
yang diperlukan. Salah satu penyebab kurangnya perhatian orang tua adalah kenakalan
anak
Hubungan orang tua kurang harmonis. Hubungan keluarga yang tidak harmonis dapat
berupa perceraian orang tua ataupun hubungan antar keluarga yang tidak saling peduli.
id
Keadaan ini merupakan penyebab dasar anak mengalami permasalahan yang serius dan
o.
mengalami hambatan dalam pendidikannya sehingga mengakibatkan anak mengalami
g
s.
putus sekolah.
bp
orangtua, keadaan ekonomi keluarga, latar belakang pendidikan ayah dan ibu, status ayah
dalam masyarakat dan dalam pekerjaan, hubungan sosial psikologis antara orang tua dan
//a
antara anak dengan orang tua, aspirasi orang tua tentang pendidikan anak, serta
s:
perhatiannya terhadap kegiatan belajar anak, besarnya keluarga serta orang – orang yang
tp
(1) (2)
Gambar 1
Kemungkinan Hyperplane dalam Model Klasifikasidan Optimal Hyperplane
Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 85
PAREMETER
Bagian (1) pada Gambar 1 menunjukkan ada sejumlah pilihan hyperplane yang mungkin
untuk set data, sedangkan pada bagian (2) merupakan hyperplane dengan margin paling
maksimum. Hyperplane (batas keputusan) pemisah terbaik antara kedua kelas didapatkan
dengan mengukur margin hyperplane tersebut dan mencari titik maksimalnya. Margin adalah
jarak antara hyperplane tersebut dengan data terdekat dari masing masing kelas. Data yang
paling dekat itu disebut sebagai support vector.
Setiap training data dinyatakan ( ) dengan , dan
merupakan atribut set untuk data ke i. Untuk menyatakan label kelas.
Hyperplane klasifikasi linear SVM seperti pada gambar diatas dinotasikan sebagai
Dengan nilai merupakan vector bobot dan merupakan bias. Data yang masuk
dalam kelas (-1) adalah data yang memenuhi pertidaksamaan
(1)
(2)
Sementara data yang masuk dalam kelas (-1) adalah data yang memenuhi
pertidaksamaan
id
o.
(3)
Klasifikasi kelas data pada SVM pada persamaan (2) dan (3) dapat digabungkan dengan
g
s.
notasi :
bp
( )
h.
Sesuai persamaan (2) maka hyperplane untuk kelas (-1) adalah data pada support vector
ce
Sementara untuk kelas (+1) adalah data pada support vectoryang memenuhi persamaan
tp
ht
Dengan demikian maka margin dapat dihitung dengan mengurangkan persamaan (4)
(5)
dengan (5) didapatkan
( )
Margin hyperplane diberikan oleh jarak antara dua hyperplane dari dua kelas
tersebut( ). Notasi diatas diringkas menjadi
‖ ‖ atau ‖ ‖
Hyperplane maksimal didapatkan dengan meminimumkan norm w (‖ ‖). Norm adalah
suatu fungsi yang memberikan ukuran panjang pada semua vektor dalam sebuah vector
space. Norm yang digunakan pada penelitian ini adalah norm euclidian. Memaksimumkan
margin ( ) sama dengan meminimumkan ‖ ‖ atau . Selanjutnya masalah ini
diformulasikan ke dalam problem Quadratic Programming (QP) yaitu:
Minimalkan : ‖ ‖ (6)
Syarat (constraint) : ( )
Optimalisasi ini dapat diselesaikan dengan Lagrange multiplier:
86
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
‖ ‖ ∑𝛼 ( )
𝛼 adalah lagrange multiplier yang berkorespondensi dengan . Nilai 𝛼 adalah nol atau
positif.
Masalah optimasi di atas masih sulit diiselesaikan karena banyaknya parameter ( ,
dan 𝛼 ). Sehingga untuk menyederhanakannya, persamaan optimasi lagrange harus
ditransformasi ke dalam fungsi lagrange multiplier itu sendiri (disebut dualitas masalah).
Persamaan lagrange multiplier dapat dijabarkan menjadi:
‖ ‖ (∑ 𝛼 ( ) ∑𝛼 ∑𝛼 ) (7
)
Syarat optimal ada dalam suku ketiga di ruas kanan dalam persamaan dan memaksa
suku ini menjadi sama dengan 0. Dengan mengganti pada persamaan (6) dan suku‖ ‖
, maka persamaan di atas akan berubah menjadi dualitas Lagrange multiplier berupa
𝑑 dan didapatkan:
id
Maksimalkan:
∑𝛼 ∑𝛼 𝛼
g o.
s.
bp
Penjelasan di atas berdasarkan asumsi bahwa kedua kelas dapat terpisah secara
ce
sempurna oleh hyperplane. Akan tetapi, pada umumnya kedua kelas tersebut tidak dapat
//a
terpisah secara sempurna. Hal ini menyebabkan proses optimasisasi tidak dapat diselesaikan
s:
karena tidak ada w dan b yang memenuhi persamaan (6). Selanjutnya masalah ini
tp
Minimalkan : ‖ ‖ ∑
Syarat (constraint) : ( )
Parameter C berguna untuk mengontrol trade off antara margin dan error klasifikasi.
Semakin besar variabel C maka akan semakin besar pula pelanggaran yang dikenakan pada
tiap klasifikasi.
Gambar 2
Transformasi Data ke Dimensi yang Lebih Tinggi
Pemetaan ini dilakukan dengan menjaga topologi data, dalam artian dua data yang
berjarak dekat pada input space akan berjarak dekat juga pada feature space, sebaliknya
dua data yang berjarak jauh pada input space juga akan berjarak jauh pada feature space.
id
Proses pembelajaran pada SVM dalam menemukan titik titik support vector, hanya
g o.
bergantung pada dot product dari data yang sudah ditransformasikan pada ruang baru yang
berdimensi lebih tinggi. Karena umumnya transformasi 𝛷 ini tidak diketahui, dan sangat
s.
bp
sulit difahami secara mudah, maka perhitungan dot product dapat digantikan dengan fungsi
kernel 𝐾( ) yang mendefinisikan secara implisit transformasi 𝛷. Hal ini disebut sebagai
h.
ce
Kernel Trick.
Kernel trick memberikan berbagai kemudahan, karena dalam proses pembelajaran SVM,
//a
untuk menentukan support vector, kita hanya cukup mengetahui fungsi kernel yang dipakai
s:
dan tidak perlu mengetahui wujud dari fungsi nonlinier 𝛷. Pemilihan Kernel yang dipakai
tp
bukan merupakan perhatian yang utama, namun perhatian utama adalah optimasi fungsi
ht
kernel yang dipilih. Pada penelitian ini fungsi kernel yang akan dipakai adalah kernel Radial
Basis Function dengan fungsi sebagai berikut:
| |
𝐾( ) { }
Pada penelitian ini parameter yang dioptimasi adalah parameter gamma ( ) dan cost.
Optimasi Parameter SVM
Pada penelitian ini digunakan metode grid search untuk mencari parameter terbaik. Grid
search secara umum adalah merupakan kombinasi dari parameter yang diujikan kepada
model SVM untuk mendapatkan nilai error klasifikasi. Untuk menghitung nilai error
klasifikasi pada data training set. Nilai error klasifikasi diujikan pada training set dengan
menggunakan tekhnik cross validation.
Pada penelitian ini akan digunakan metode 10-fold cross validation. Pada 10 fold cross
validation data training set dipartisi secara acak menjadi 10 subset berukuran sama. Pada
subset 1, subset 1 digunakan sebagai data test dan sisanya (9 subset) digunakan sebagai
data training. Proses validasi silang dilakukan sebanyak 10 kali. Hasil dari setiap proses
validasi kemudian dirata-ratakan untuk mendapatkan nilai error klasifikasi tunggal.
88
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Keuntungan dari metode ini adalah setiap data pada penelitian ini digunakan baik untuk
validasi dan training tepat satu kali pada setiap proses validasi.
Pemilihan titik grid search pada cross validation menjadi poin krusial kedua dalam
menentukan model terbaik. Pemilihan titik grid search yang salah akan menurunkan
kemampuan generalisasi dari SVM. Chapelle et al. dalam Johra (2018) merekomendasikan
nilai pencarian grid search pada SVM seperti pada Tabel 1.
Tabel 1
Titik Grid search Pada Rough Grid
Parameter Nilai
Gamma 2-3, 2-2, 2-1, 20, 21, 22, 23
Cost 10-1, 100, 101, 102
Evaluasi Ketepatan Model
Deteksi Keseimbangan Frekuensi
Penentuan keseimbangan frekuensi penting untuk menentukuan alat evaluasi dari
model yang terbentuk. Pada kasus data yang tidak seimbang maka ukuran ketepatan model
id
dapat menjadi bias. Metode yang digunakan untuk mengukur keseimbangan model pada
o.
penelitian ini adalah nilai Geometrik-mean (G-mean). G-mean mengindikasikan
g
s.
keseimbangan antara kinerja klasifikasi pada kelas mayoritas dan minoritas. Nilai G-mean
bp
AKTUAL
TRUE FALSE
s:
tp
TRUE
ht
FALSE
√( )( )
dengan kriteria G-mean yang berarti data tidak seimbang, sedangkan G-mean>
yang berarti data seimbang. Jika data pada penelitian seimbang, maka evaluasi ketepatan
model dapat menggunakan nilai APER, jika tidak maka evaluasi ketepatan model dapat
menggunakan precision dan recall. Apparent Error Rate (APER) menyatakan nilai proposi
sampel yang salah diklasifikasikan oleh fungsi klasifikasi. Penentuan kesalahan klasifikasi
dirumuskan sebagai berikut:
id
Variabel Prediktor-Karakteristik Sosial
o.
1: SD/Sederajat
g
s.
2: SMP/Sederajat
Pendidikan Kepala Rumah Tangga (KRT)
bp
3: SMA/Sederajat
4: Pendidikan Tinggi
h.
1: Perkotaan
Klasifikasi Daerah Tempat Tinggal
ce
2: Perdesaan
//a
1: Laki-Laki
Jenis Kelamin Anak
2: Perempuan
s:
tp
1: <13 tahun
ht
2: <16 tahun
Usia Anak
3: <19 tahun
4: 19-24 tahun
1: SD/Sederajat
2: SMP/Sederajat
Pendidikan Terakhir Anak
3: SMA/Sederajat
4: Pendidikan Tinggi
90
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Metode analisis yang digunakan dalam penelitian ini adalah Support Vector Machine
(SVM). Data diolah menggunakan program aplikasi Rapid MinerStudio v.7.2 dan software R
package e1071.
Tahapan Analisis
Tahapan yang akan dilakukan dalam penelitian ini terangkum dalam tahapan analisis
data. Adapun penjelasan tahapan analisis data adalah sebagai berikut:
1. Menyiapkan data responden usia kurang dari 24 tahun yang masih bersekolah dan yang
tidak bersekolah lagi dengan label tidak putus sekolah dan putus sekolah
2. Pemeriksaan data untuk melihat apakah terdapat missing value atau tidak.
3. Pemeriksaan data untuk melihat apakah data tidak seimbang (unbalanced data)
4. Membagi data menjadi data training dan testing menggunakan metode cross validation
dengan k-fold = 10 dan jenis sampling adalah stratified sampling. Pada 10-fold cross
validation, data training set dipartisi secara acak menjadi 10 subset berukuran sama.
Pada setiap bagian akan digunakan untuk training dan testing secara bergantian.
id
5. Melakukan proses optimasi parameter menggunakan metode grid search
a. Menghitung nilai APER parameter gamma dan cost yang optimal menggunakan
bp
metode grid search dipadukan dengan metode cross validation yang diterapkan pada
h.
data training.
ce
b. Menghitung tingkat akurasi berdasarkan nilai parameter gamma dan cost pada setiap
//a
fungsi kernel (Linier, Radial, Polinomial) untuk optimasi hyperplane pada data
s:
training.
tp
c. Melakukan pemodelan SVM menggunakan nilai parameter gamma dan cost optimal.
ht
d. Menggunakan hyperplane dengan nilai parameter gamma dan cost optimal yang
diperoleh untuk setiap fungsi kernel pada klasifikasi data testing.
e. Validasi model klasifikasi dengan metode SVM. Tahap ini dilakukan untuk mengetahui
persentase ketepatan model dalam melakukan klasifikasi, yaitu menggunakan tingkat
akurasi yang dihasilkan dari penghitungan nilai precision dan recall pada tabel
confusion matrix.
Setelah dilakukan pemodelan menggunakan metode SVM, maka ketepatan klasifikasi
model dapat diperoleh menggunakan tingkat akurasi. Setelah didapatkan model yang
terbaik, dilakukan prediksi terhadap data baru. Berikut merupakan diagram alur tahapan
analisis dalam penelitian.
id
g o.
s.
Gambar 3
bp
Eksplorasi data adalah informasi dasar mengenai set data. Tujuan dari eksplorasi data
ht
diantaranya untuk mengetahui struktur data, distribusi nilai, ada tidaknya nilai ekstrim dan
hubungan antar atribut. Eksplorasi data juga berfungsi sebagai alat untuk menentukan
metode analisis lanjutan. Tabel pivot sederhana, rata-rata, deviasi, plot data merupakan
bagian dari eksplorasi data yang banyak digunakan. Eksplorasi data dapat dibagi menjadi dua
jenis, yaitu statistik deskriptif dan visualisasi data. Deskriptif statistik biasa diwujudkan dalam
ukuran-ukuran rata-rata, standar deviasi dan korelasi. Pada tahap ini dapat diketahui
informasi mengenai tipe data, ada atau tidaknya data hilang serta plot dari data.
Statistik data menunjukkan bahwa terdapat 2.493 sampel dengan 7 variabel prediktor
yang bertipe kategorik dan 1 variabel predictor yang bertipe numerik yaitu jumlah anggota
rumah tangga. Berdasarkan hasil pengolahan data didapatkan bahwa anak yang mengalami
putus sekolah adalah sebesar 886 (36 persen), sedangkan sebanyak 1.607 (64 persen) masih
bersekolah. Kemudian dilakukan eksplorasi terhadap karakteristik data pada setiap variable
prediktor dengan label putus sekolah yang dapat dilihat pada Gambar 4.
92
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
(i) (ii)
id
o.
g
s.
bp
(vi) (vii)
Gambar 4
Eksplorasi Data Variable (i) Pendidikan Terakhir KRT; (ii) Usia Anak; (iii) Pengeluaran
RT; (iv) Klasifikasi Daerah Tempat Tinggal; (v) Jenis Kelamin Anak; (vi) Status Bekerja
Anak; (vii) Pendidikan Terakhir Anak
Sumber: Susenas 2016 (diolah)
Pada Gambar 4(i) dapat diketahui bahwa anak putus sekolah memiliki jenjang pendidikan
KRT paling banyak pada tingkat SD/Sederajat (77 persen). Selain itu dapat diketahui pula
bahwa anak putus sekolah sebagian besar berasal dari rumah tangga dengan tingkat
pengeluaran terendah sebesar < 4 juta per bulan yang dapat dilihat pada Gambar 4(ii).
Pada penelitian ini, faktor wilayah geografis sangat berpengaruh terhadap tingkat putus
sekolah pada anak. Anak putus sekolah paling banyak berasal dari wilayah pedesaan jika
dibandingkan dengan wilayah perkotaan seperti pada Gambar 4(iii). Begitu pula sama halnya
dengan faktor jenis kelamin, dimana anak laki-laki lebih rentan mengalami putus sekolah
dibandingkan anak perempuan seperti pada Gambar 4(iv). Sedangkan untuk faktor status
pekerjaan dapat diketahui dari Gambar 4(v) bahwa mayoritas anak mengalami putus sekolah
berstatus bekerja.
Pada Gambar 4(vi) dapat diketahui bahwa persentase anak mengalami putus sekolah
hampir sama untuk setiap jenjang pendidikan. Namun pada Gambar 4(vii) diketahui bahwa
pada usia 16-24 tahun paling banyak anak mengalami putus sekolah. Hal ini mungkin terjadi
dikarenakan banyaknya anak usia sekolah yang tidak sesuai dengan jenjang yang diikuti pada
usia tersebut. Untuk jumlah anggota rumah tangga diketahui bahwa rata-rata di provinsi
Aceh memiliki 5,39 anggota rumah tangga, dimana anak mengalami putus sekolah.
Klasifikasi SVM
id
Klasifikasi menggunakan metode k-fold cross validation untuk membagi data menjadi
g o.
data training dan data testing. Pada penelitian ini digunakan 10-fold cross validation dengan
s.
stratified random sampling dikarenakan jumlah data banyaknya sekitar 2.000. Klasifikasi awal
bp
tanpa optimasi parameter mendapatkan Confusion Matrix didapatkan hasil sebagai berikut:
h.
ce
Tabel 4
//a
PREDIKSI
tp
SEKOLAH SEKOLAH
PUTUS SEKOLAH 126 6
TIDAK PUTUS SEKOLAH 47 320
Sumber: Susenas 2016 (diolah)
Hasil prediksi menggunakan SVM awal menunjukkan terdapat 47 anak yang tidak putus
sekolah tetapi diprediksi putus sekolah oleh model SVM dan terdapat 6 anak putus sekolah
yang diprediksi tidak putus sekolah oleh model SVM. Ketepatan model SVM awal sebesar
89,38 persen.
Optimasi Parameter
Ketika mengevaluasi suatu model, performance dari model biasanya dijadikan sebagai
indikator untuk memilih kombinasi parameter yang paling optimum. Optimasi parameter
dibutuhkan untuk mendapatkan parameter terbaik model yang sesuai dengan kebutuhan
spesifikasi. Operator optimasi memiliki dua fungsi, yaitu menentukan nilai parameter untuk
setiap iterasi dan menentukan kapan iterasi selesai. RapidMiner memiliki tiga jenis operator
94
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
optimasi untuk menentukan nilai parameter, diantaranya grid search, greedy search, dan
evalutionary search (genetic search). Dalam penelitian ini digunakan grid search untuk
mengoptimalkan parameter.
Penggunaan metode grid search menghasilkan nilai parameter optimum cost dan gamma
untuk setiap fungsi kernel. Nilai parameter yang optimum dapat menghasilkan tingkat
akurasi terbaik data model yang dapat dilihat pada tabel confusion matrix sesuai Tabel 1.
Kernel yang digunakan dalam penelitian ini adalah kernel linear, RBF, dan Polinomial yang
dioptimasi berdasarkan cost dan gamma sesuai Tabel 2. Berdasarkan hasil penghitungan
didapatkan nilai cost dan gamma sebagai berikut
Tabel 5
Nilai Parameter Optimum Beberapa Tipe Kernel
Kernel Cost Gamma APER
Linear 0,1 0,125 11,28
Radial 10 0,125 6,41
Polinomial 10 0,125 7,72
id
g o.
Setelah didapatkan parameter optimum dari data training set untuk setiap kernel seperti
s.
tabel diatas, langkah selanjutnya yaitu melakukan pengujian ketepatan parameter model
bp
masing-masing kernel tersebut pada data test set. Hasil pengujian parameter model terhadap
h.
Tabel 6
tp
Tabel 7
Confusion Matrix Model SVM Optimal
PREDIKSI
AKTUAL PUTUS TIDAK PUTUS
SEKOLAH SEKOLAH
PUTUS SEKOLAH 154 7
TIDAK PUTUS
19 319
SEKOLAH
Sumber: Susenas 2016 (diolah)
Hasil prediksi menggunakan SVM Optimal menunjukkan terdapat 19 anak yang tidak
putus sekolah tetapi diprediksi putus sekolah oleh model SVM dan terdapat 7 anak putus
sekolah yang diprediksi tidak putus sekolah oleh model SVM.
id
o.
Evaluasi Ketepatan Model g
Evaluasi ketepatan model diawali dengan mendeteksi keseimbangan frekuensi
s.
menggunakan G-mean. Dari Tabel 11 diperoleh nilai G-mean sebesar 0,93 maka dapat
bp
disimpulkan bahwa data penelitian seimbang. Jika data seimbang, maka evaluasi ketepatan
h.
model menggunakan Apparent Error Rate (APER). Ketepatan prediksi yang dihasilkan dari
ce
model SVM dengan parameter optimal adalah sebesar 94,79 persen. Nilai APER ini lebih baik
//a
Pada penelitian ini jumlah variabel prediktor sebanyak 8 variabel, sehingga dimensi yang
terbentuk sulit untuk divisualisasikan. Pada Tabel 8 disajikan contoh aplikasi penerapan SVM
untuk model terpilih pada data profil responden yang baru.
Tabel 8
Penentuan Keputusan SVM pada Profil Responden Baru
Responden X1 X2 X3 X4 X5 X6 X7 X8 Hasil
1 1 2 1 3 1 1 1 5 Putus Sekolah
2 2 1 2 4 2 2 2 Putus
2 Sekolah
3 3 2 1 1 3 2 3 Tidak
4 Putus Sekolah
4 4 1 2 2 4 1 4 Tidak
6 Putus Sekolah
Berdasarkan tabel di atas, dapat terlihat contoh aplikasi penerapan SVM. Responden
pertama dengan profil pendidikan terakhir kepala rumah tangga SD/Sederajat, tinggal di
perdesaan, jenis kelamin laki-laki, umur <19 tahun, pendidikan terakhir SD/Sederajat,
bekerja, serta pengeluaran perkapita kurang dari 4 juta per bulan akan memiliki risiko putus
sekolah. Interpretasi yang sama untuk responden kedua.
96
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
Kesimpulan
Berdasarkan hasil analisis klasifikasi menggunakan metode Non Linear SVM dengan
pendekatan fungsi Kernel pada data putus sekolah dan faktor-faktor yang mempengaruhi di
Provinsi Aceh pada tahun 2016, didapatkan kesimpulan sebagai berikut:
1. Klasifikasi data putus sekolah menggunakan metode Non Linear SVM dengan pendekatan
fungsi kernel terbukti meningkatkan akurasi mencapai 95 persen dibandingkan klasifikasi
menggunakan metode SVM
2. Penggunaan algoritma Non Linear SVM dengan pendekatan fungsi kernel radial pada data
putus sekolah di Provinsi Aceh menghasilkan performance klasifikasi yang sangat baik
terbukti dengan tingkat keakuratan mencapai 94,79 persen dan nilai APER terendah
sebesar 6,41persen.
3. Pembuatan model prediksi dengan pendekatan metode Non Linear SVM dapat digunakan
untuk mengetahui klasifikasi anak mengalami putus sekolah atau tidak berdasarkan set
data baru yang berisi karakteristik sosial dan ekonomi anak usia sekolah
id
Rekomendasi g o.
Dari hasil pembahasan dan analisis di atas, maka dapat diusulkan beberapa rekomendasi,
s.
diantaranya:
bp
1. Pemerintah memiliki peran dalam upaya pencegahan anak usia sekolah mengalami putus
h.
sekolah dengan memperhatikan faktor-faktor apa saja yang dapat menjadi penyebab
ce
anak mengalami putus sekolah. Dalam perumusan dan pembuatan kebijkan khususnya
//a
mengenai pengentasan anak mengalami putus sekolah diharapkan pemerintah baik pusat
s:
2. Pemerintah memiliki peran dalam upaya pembinaan anak usia sekolah terhindar
ht
Daftar Referensi
Eka, Arini Putri. 2018. Skripsi, Analisis Faktor – Faktor Penyebab Anak Putus Sekolah Jenjang
Pendidikan Dasar Di Kecamatan Ambarawa Kabupaten Pringsewu’. Bandar Lampung:
Fakultas Keguruan dan Ilmu Pendidikan Universitas Lampung
Han. J., Kamber. M., dan Pei. J., 2012. Data Mining Concepts and Techniques Third Edition.
Elsevier
Johra, Muhamad Budiman. 2018. Tesis, Perbandingan Kernel Trick Pada Non-Linier Support
Vector Machine (Studi Kasus : Pemilihan Penolong Persalinan di Provinsi Maluku Utara
2016). Bandung: Universitas Padjadjaran
McMillen, M. M. , Kaufman, P., & Whitener, S. D. 1994. Dropout rates in the United States:
1993. Washington, DC: U.S. Department of Education Office of Educational Research and
Improvement. (ERIC Document Reproduction Service No. ED 375 222)
Trianto. 2001. Mendesain Model Pembelajaran Inovatif – Progresif. Jakarta: Kencana
Prenada Media Group
Utsman, Utsman. 2013. Esensi Wajib Belajar 12 Tahun Sebagai Kebijkan Publik. Magelang:
id
Conference Seminar Kajian Jarlit
g o.
s.
bp
h.
ce
//a
s:
tp
ht
98
| Volume 5 . Nomor 10. Juni 2020
id
.
go
p s.
.b
eh
c
//a
s:
tp
ht
I S S N 2 4 6 1 - 1 2 5 5
9 7 7 2 4 6 1 1 2 5 0 0 4