Disusun oleh :
GRIVANLISCHA
M0718025
i
HALAMAN PENGESAHAN
Mengesahkan,
Kepala Program Studi Statistika Kepala Bidang PEMSOSBUD
Fakultas MIPA UNS BAPPEDA Provinsi Jawa Tengah
ii
KATA PENGANTAR
Penulis
iii
DAFTAR ISI
iv
Lampiran 1. Uji Hausman ................................................................................. 27
Lampiran 2. Random Effect Model .................................................................... 28
Lampiran 3. Random Effect Model Terbaik ...................................................... 29
Lampiran 4. Hasil Uji Normalitas ..................................................................... 30
Lampiran 5. Surat Keterangan Penerimaan Magang ......................................... 31
Lampiran 6. Presensi Kuliah Magang Mahasiswa ............................................ 32
Lampiran 7. Presensi Bimbingan Magang ........................................................ 35
v
DAFTAR TABEL
DAFTAR GAMBAR
vi
BAB I
PENDAHULUAN
1
1.2. Rumusan Masalah
Berdasarkan latar belakang diatas maka masalah yang diambil adalah
sebagai berikut:
1. Faktor apa saja yang berpengaruh secara signifikan terhadap persentase
kemiskinan di Jawa Tengah pada tahun 2015-2019?
2. Bagaimana estimasi parameter model regresi data panel terbaik untuk
persentase kemiskinan di Jawa Tengah tahun 2015-2019?
1.3. Tujuan
Tujuan dari laporan Kuliah Magang Mahasiswa ini adalah sebagai
berikut:
1. Dapat mengetahui faktor apa saja yang berpengaruh secara signifikan
terhadap persentase kemiskinan di Jawa Tengah pada tahun 2015-2019.
2. Dapat mengetahui estimasi parameter model regresi data panel terbaik
untuk persentase kemiskinan di Jawa Tengah tahun 2015-2019.
1.4. Manfaat
Manfaat yang dapat diperoleh dari laporan Kuliah Magang
Mahasiswa ini adalah dapat memberikan hasil analisis faktor-faktor yang
berpengaruh secara signifikan terhadap kemiskinan di Jawa Tengah pada
tahun 2015-2019 serta menjadi referensi dan pertimbangan pemerintah dalam
menyusun kebijakan kedepannya guna memberantas kemiskinan khususnya
di Provinsi Jawa Tengah.
2
BAB II
PELAKSANAAN KEGIATAN
2.1. Profil
2.1.1. Identitas Instansi
Nama : Badan Perencanaan Pembangunan, Penelitian dan
Pengembangan Daerah
Alamat : Jl. Pemuda No.127-133, Kota Semarang, Jawa
Tengah 50132
Telepon : (024) 351 5591
Website : http://bappeda.jatengprov.go.id
Email : bappeda@jatengprov.go.id
Jam Kerja : Senin – Kamis (07.00-15.30 WIB)
Jumat (07.00-14.00 WIB)
2.1.2. Informasi Umum
Badan Perencanaan Pembangunan, Penelitian dan
Pengembangan Daerah, disingkat Bappeda, merupakan unsur
penunjang urusan pemerintahan Bidang Perencanaan dan Bidang
Penelitian dan Pengembangan yang menjadi kewenangan Daerah yang
juga bertindak sebagai unit kerja perangkat Gubernur sebagai wakil
Pemerintah Pusat Bidang Perencanaan. Bappeda dipimpin oleh Kepala
Badan yang berkedudukan dibawah dan bertanggung jawab kepada
Gubernur melalui Sekretaris Daerah. Badan mempunyai tugas
membantu Gubernur melaksanakan pemerintahan bidang pemerintahan
dan sosial budaya, bidang perekonomian, bidang infrastruktur dan
pengembangan wilayah, bidang penyusunan program, monitoring dan
evaluasi pembangunan, bidang riset dan pengembangan, dan bidang
inovasi dan teknologi yang menjadi kewenangan Daerah dan tugas
pembantuan yang ditugaskan kepada Daerah serta tugas Gubernur
sebagai wakil pemerintah pusat di bidang perencanaan pembangunan
daerah.
Badan Perencanaan Pembangunan Daerah di bentuk
berdasarkan pertimbangan:
3
a. Bahwa dalam rangka usaha peningkatan keserasian pembangunan
di daerah diperlukan adanya peningkatan keselarasan antara
pembangunan sektoral dan pembangunan daerah.
b. Bahwa dalam rangka usaha menjamin laju perkembangan,
keseimbangan dan kesinambungan pembangunan didaerah,
diperlukan perencanaan yang lebih menyeluruh, terarah dan
terpadu
2.1.3. Visi dan Misi
a. Visi
Profesional, partisipatif dan inovatif guna mewujudkan
perencanaan pembangunan yang efektif dan berkelanjutan.
b. Misi
Guna mewujudkan visi tersebut, Badan Perencanaan
Pembangunan, Penelitian dan Pengembangan Daerah Provinsi
Jawa Tengah menetapkan misi sebagai berikut:
Meningkatkan kapasitas dan kapabilitas SDM;
Mewujudkan sistem dan tata kerja yang efektif dan efisien;
Mewujudkan pengelolaan system database perencanaan dan
statistik daerah yang akurat berbasis teknologi informasi;
Meningkatkan kualitas perencanaan serta koordinasi internal,
horizontal dan vertikal dengan melibatkan secara aktif
pemangku kepentingan.
2.1.4. Tugas dan Fungsi
a. Tugas
Bappeda Prov. Jateng mempunyai tugas membantu
Gubernur melaksanakan pemerintahan bidang pemerintahan dan
sosial budaya, bidang perekonomian, bidang infrastruktur dan
pengembangan wilayah, bidang penyusunan program, monitoring
dan evaluasi pembangunan, bidang riset dan pengembangan, dan
bidang inovasi dan teknologi yang menjadi kewenangan Daerah
dan tugas pembantuan yang ditugaskan kepada Daerah serta tugas
4
Gubernur sebagai wakil pemerintah pusat di bidang perencanaan
pembangunan daerah.
b. Fungsi
Dalam melaksanakan tugas sebagaimana, Bappeda melaksanakan
fungsi:
Penyusunan kebijakan teknis di bidang perencanaan, penelitian
dan pengembangan;
Pelaksanaan tugas dukungan teknis di bidang perencanaan,
penelitian dan pengembangan;
Pemantauan, evaluasi, dan pelaporan pelaksanaan tugas
dukungan teknis di bidang perencanaan dan penelitian
pengembangan;
Pelaksanaan tugas Gubernur sebagai wakil pemerintah pusat di
bidang perencanaan pembangunan daerah;
Pembinaan teknis penyelenggaraan fungsi penunjang Urusan
Pemerintahan Daerah di bidang perencanaan pembangunan,
penelitian dan pengembangan;
Pelaksanaan fungsi lain yang diberikan oleh Gubernur, sesuai
tugas dan fungsinya.
2.1.5. Struktur Organisasi
Struktur Organisasi berdasarkan Pergub No. 1 Tahun 2019
tentang Organisasi dan Tata Kerja Badan Perencanaan Pembangunan,
Penelitian, dan Pengembangan Daerah Provinsi Jawa Tengah.
5
Gambar 1. Struktur Organisasi BAPPEDA Provinsi Jawa Tengah berdasarkan
Pergub No. 1 Tahun 2019
2.2. Paparan Kegiatan
2.2.1. Tempat dan Waktu Pelaksanaan
Kuliah Magang Mahasiswa di Kantor BAPPEDA Provinsi
Jawa Tengah Kota Semarang pada bidang Pemerintahan dan Sosial
Budaya dimulai pada hari Senin, 11 Januari 2021 sampai Kamis, 11
Februari 2021. Jam kerja pada hari Senin sampai Kamis adalah pukul
07.00 sampai 15.30 WIB dan pada hari Jumat adalah pukul 07.00
sampai 14.00 WIB.
2.2.2. Paparan Kegiatan
Kegiatan Magang Mahasiswa (KMM) dilaksanakan selama 1
bulan, yaitu mulai 11 Januari sampai 11 Februari 2021. Penulis dapat
menerapkan berbagai ilmu yang telah diperoleh dan dapat
6
menyesuaikan ilmu yang dimiliki dengan kondisi di dunia kerja yang
sesungguhnya. Selama kegiatan magang, penulis melakukan berbagai
aktivitas yang dapat menambah wawasan dan pengalaman penulis.
Aktivitas penulis saat melaksanakan kegiatan magang diberikan pada
Tabel 1.
7
kabupaten.
Melengkapi data intervensi
kegiatan Organisai Perangkat
Daerah (OPD) untuk
penanggulangan kemiskinan.
Membandingkan pemetaan
berdasarkan kecamatan tahun
2019 dan 2020.
Melengkapi data desa dampingan
sebagai perbandingan tahun 2018-
2020.
8. Rabu, 20 Januari 2021 Memperbaiki hasil rekap
pemetaan kelurahan dan desa
berdasarkan kecamatan DTKS.
Membandingkan pemetaan desa
dan kelurahan DTPFM-OTM
dengan DTKS.
Merekap jumlah desa dan
kelurahan menggunakan file
KODE DAN DATA PROVINSI
JAWA TENGAH.
Merekap indikator kesejahteraan
DTKS tahun 2020 sebanyak 8
kabupaten.
9. Kamis, 21 Januari 2021 Merekap indikator kesejahteraan
DTKS tahun 2020 sebanyak 8
kabupaten.
10. Jumat, 22 Januari 2021 Merekap indikator kesejahteraan
DTKS tahun 2020 sebanyak 8
kabupaten.
11. Senin, 25 Januari 2021 Mencari data series indikator
Sustainable Development Goals
(SDG) Provinsi Jawa Tengah
dengan sumber data BPS.
12. Selasa, 26 Januari 2021 Meng-query data DTKS untuk
Anggota Rumah Tangga (ART)
per kabupaten.
13. Rabu, 27 Januari 2021 Meng-query data DTKS untuk
ART per kabupaten.
14. Kamis, 28 Januari 2021 Meng-query data DTKS untuk
ART per kabupaten.
15. Jumat, 29 Januari 2021 Mencari metode peramalan
terbaik untuk data SDG Jawa
Tengah.
16. Senin, 1 Februari 2021 Meramalkan data SDG.
Mengolah data ART DTKS.
17. Selasa, 2 Februari 2021 Mengolah data ART DTKS.
8
18. Rabu, 3 Februari 2021 Mengolah data ART DTKS
Melakukan visualisasi desa
dampingan untuk 15 kabupaten
menggunakan aplikasi QGIS.
19. Kamis, 4 Februari 2021 Mengolah data ART DTKS.
Membandingkan tingkat
kesejahteraan 15 kabupaten
berdasarkan kecamatan dan
kabupaten.
20. Jumat, 5 Februari 2021 Mengolah data ART DTKS.
21. Senin, 8 Februari 2021 Mengolah data ART DTKS.
22. Selasa, 9 Februari 2021 Merekap anggaran dan realisasi
anggaran yang berhubungan
dengan kebijakan
penanggulangan kemiskinan
tahun 2019.
23. Rabu, 10 Februari 2021 Merekap anggaran dan realisasi
anggaran yang berhubungan
dengan kebijakan
penanggulangan kemiskinan
tahun 2020.
24. Kamis, 11 Februari 2021 Mengikuti Rapat Koordinasi
Penyusunan Rencana
Penanggulangan Kemiskinan
Daerah (RKPD) Provinsi Jawa
Tengah Tahun 2022-2023 secara
daring.
9
BAB III
LANDASAN TEORI
3.1. Kemiskinan
Kemiskinan menggambarkan kondisi ketiadaan kepemilikan dan
rendahnya pendapatan, atau secara lebih rinci menggambarkan suatu kondisi
tidak dapat terpenuhinya kebutuhan dasar manusia, yaitu pangan, papan dan
sandang (Bhinadi, 2017). Beberapa definisi menggambarkan kondisi
ketiadaan tersebut. Salah satunya adalah definisi kemiskinan yang digunakan
Badan Pusat Statistik (BPS), yang menjelaskan kemiskinan sebagai
ketidakmampuan individu dalam memenuhi kebutuhan dasar minimal untuk
hidup layak.
Berdasarkan hasil penelitian, pengangguran, PDRB dan populasi
berpengaruh secara signifikan terhadap tingkat kemiskinan di Provinsi Jawa
Tengah (Puspita, 2015). Kemiskinan juga memiliki dampak negative yaitu
seperti tindak criminal, pengangguran, kesehatan yang terganggu dan masih
banyak lagi.
3.2. Regresi Data Panel
Data panel adalah gabungan antara data cross section dan data time
series, dimana unit cross section yang sama diukur pada waktu yang berbeda
(Jaya, 2009). Secara sederhana regresi data panel dapat diartikan sebagai
metode regresiyang digunakan pada data penelitian yang bersifat panel.
Ordinary Least Square (OLS) yang memiliki kekhususan dari segi jenis data
dan tujuan analisis datanya. Dilihat dari tujuan analisis data, data panel
berguna untuk melihat perbedaan karakteristik antar setiap individu dalam
beberapa periode pada objek penelitian. Terdapat beberapa tahapan dalam
analisis regresi data panel yaitu pemilihan model regresi, pengujian asumsi
klasik, uji kelayakan model dan interpretasi model. Selain itu, terdapat tiga
teknik yang ditawarkan dalam regresi data panel yaitu common effect, fixed
effect dan random effect.
Model persamaan data panel yang merupakan gabungan dari data
cross section dan data time series dapat dituliskan:
10
Keterangan :
: Variabel dependen
: Variabel independen
: Periode ke-t
: Entitas ke-i
: Konstanta
: Koefisien kemiringan untuk semua unit
: Nilai galat
3.3. Estimasi Regresi Data Panel
Estimasi model regresi data panel bertujuan untuk memprediksi
parameter model regresi yaitu nilai intersep atau konstanta dan koefisien
regresi. Untuk mengestimasi parameter model dengan data panel, terdapat
tiga teknik yaitu:
3.3.1. Model Common Effect
Teknik ini merupakan teknik yang paling sederhana untuk
mengestimasi parameter model data panel, yaitu dengan
mengkombinasikan data cross section dan time series sebagai satu
kesatuan tanpa melihat adanya perbedaan waktu dan individu.
Pendekatan yang dipakai pada model ini adalah metode Ordinary
Least Square (OLS). Secara umum, persamaan modelnya dituliskan:
Keterangan :
: Variabel dependen
: Variabel independen
: Periode ke-t
: Entitas ke-i
: Konstanta
: Koefisien kemiringan untuk semua unit
: Nilai galat
11
3.3.2. Model Fixed Effect
Teknik ini mengestimasi data panel dengan menggunakan
variabel dummy untuk menangkap adanya perbedaan intersep.
Pendekatan ini didasarkan adanya perbedaan intersep antara
perusahaan namun intersepnya sama antar waktu. Pendekatan yang
digunakan pada model ini menggunakan metode Least Square Dummy
Variable (LSDV). Secara umum, persamaan modelnya dituliskan:
Keterangan :
: Variabel dependen
: Variabel independen
: Periode ke-t
: Entitas ke-i
: Konstanta
: Koefisien kemiringan untuk semua unit
: Nilai galat
: Variabel dummy
3.3.3. Model Random Effect
Teknik ini akan mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu.
Perbedaan antar individu dan antar waktu diakomodasi lewat error.
Karena adanya korelasi antar variabel gangguan maka metode OLS
tidak bisa digunakan sehingga model random effect menggunakan
metode Generalized Least Square (GLS). Secara umum, persamaan
modelnya dituliskan:
Keterangan :
: Variabel dependen
: Variabel independen
12
: Periode ke-t
: Entitas ke-i
: Konstanta
: Koefisien kemiringan untuk semua unit
: Nilai galat
: Komponen galat table silang
: Komponen galat runtun waktu
: Komponen galat gabungan
3.4. Pemilihan Model Estimasi Regresi Data Panel
3.4.1. Uji Chow
Pengujian untuk menentukan model fixed effect atau common
effect yang paling tepat digunakan dalam mengestimasi data panel.
Pengujian hipotesis dilakukan sebagai berikut:
Model yang tepat digunakan adalah Common Effect Model.
Model yang tepat digunakan adalah Fixed Effect Model.
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika probabilitas cross-section F atau
chi-square < α = 0,05
3.4.2. Uji Hausman
Pengujian statistic untuk memilih apakah fixed effect atau
random effect yang paling tepat digunakan dalam mengestimasi data
panel. Pengujian hipotesis dilakukan sebagai berikut:
Model yang tepat digunakan adalah Random Effect Model.
Model yang tepat digunakan adalah Fixed Effect Model.
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika probabilitas chi-square < α = 0,05
3.5. Uji Kelayakan Model
Uji kelayakan model dilakukan untuk mengidentifikasi model regresi
yang terbentuk layak atau tidak untuk menjelaskan pengaruh variabel
independen terhadap variabel dependen.
13
3.5.1. Uji F
Uji F diperuntukan guna melakukan uji hipotesis koefisien
regresi secara bersamaan dan memastikan bahwa model yang dipilih
layak atau tidak untuk menginterpretasikan pengaruh variabel
independen terhadap variabel dependen. Pengujian hipotesis dilakukan
sebagai berikut:
(Semua variabel independen tidak
berpengaruh secara signifikan terhadap variabel dependen).
Paling tidak terdapat satu (Paling tidak
terdapat satu variabel independen yang berpengaruh secara
signifikan terhadap variabel dependen).
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika atau probabilitas <
α = 0,05
3.5.2. Uji t
Uji t digunakan untuk menguji koefisien regresi secara
individu. Pengujian hipotesis dilakukan sebagai berikut:
(Variabel independen tidak berpengaruh secara
signifikan terhadap variabel dependen).
(Variabel independen berpengaruh secara signifikan
terhadap variabel dependen).
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika atau probabilitas <
α = 0,05
3.5.3. Koefisien Determinasi
Nilai koefisien determinasi mencerminkan seberapa besar
variasi dari variabel dependen dapat diterangkan oleh variabel
independen. Sebuah model dikatakan baik jika nilai R2 mendekati satu
atau sebaliknya jika nilai R2 mendekati 0 maka model kurang baik.
3.6. Uji Asumsi Klasik
Regresi data panel memberikan pilihan model berupa common effect,
fixed effect dan random effect. Model common effect dan fixed effect
14
menggunakan pendekatan Ordinary Least Square (OLS) sedangkan random
effect menggunakan Generalized Least Squares (GLS). Namun, tidak semua
uji asumsi klasik harus terpenuhi karena autokorelasi biasanya terjadi pada
data time series yang merupakan data satu individu yang diobservasi dalam
rentang waktu (Nachrowi dan Hardius, 2006). Model common effect dan fixed
effect wajib memenuhi uji heteroskedastisitas dan uji multikolinearitas (jika
variabel independennya lebih dari satu), sedangkan untuk model random
effect wajib memenuhi uji normalitas dan uji multikolinearitas (jika variabel
independennya lebih dari satu) (Mardani, 2021).
3.6.1. Uji Normalitas
Uji normalitas merupakan pengujian terhadap kenormalan
distribusi data. Jika residual model tidak terdistribusi normal, maka uji
t kurang relevan digunakan untuk menguji koefisien regresi. Uji
normalitas dapat dilakukan dengan beberapa metode seperti histogram
residual, kolmogrov smirnov, skewness kurtosius dan jarque-bera. Uji
normalitas menggunakan jarque-bera didasarkan pada sampel besar
yang diasumsikan bersifat asymptotic dan menggunkan perhitungan
skewness dan kurtosis. Pengujian hipotesis dilakukan sebagai berikut:
Residu berdistribusi normal
Residu tidak berdistribusi normal
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika nilai jarque-bera (JB) >
5,99 atau probabilitas < 0,05
Statistik Uji :
Uji jarque-bera:
15
mempengaruhi variabel dependen namun nilai koefisien determinasi
tetap tinggi. Metode untuk mendeteksi multikolinearitas antara lain
variance influence factor dan korelasi berpasangan. Metode korelasi
berpasangan untuk mendeteksi multikolinearitas akan lebih bermanfaat
karena dengan menggunakan metode tersebut dapat mengetahui secara
rinci variabel bebas apa saja yang memiliki korelasi yang kuat. Jika
nilai korelasinya lebih dari 0,8 maka terdapat multikolinearitas dalam
variabel tersebut
3.6.3. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk melihat apakah
residual dari model yang terbentuk memiliki varians yang konstan atau
tidak. Uji heteroskedastisitas penting dilakukan pada model yang
terbentuk karena jika terdapat heteroskedastisitas maka hasil uji t dan
uji F menjadi tidak akurat. Metode untuk mendeteksi
heteroskedastisitas antara lain metode grafik, park, glesjer, korelasi
spearman, goldfield-quandt, breusch-pagan dan white.
3.6.4. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam
satu variabel. Metode untuk mendeteksi adanya autokorelasi antara
lain metode grafik, durbin-watson, run dan lagrange multiplier.
Pengujian hipotesis menggunakan durbin-watson dilakukan sebagai
berikut:
Tidak ada autokorelasi positif atau negatif
Ada autokorelasi positif atau negatif
Taraf signifikansi α = 0,05
Daerah Kritis :
1. Jika , artinya terdapat autokorelasi positif.
2. Jika , artinya tidak dapat diambil kesimpulan.
3. Jika , artinya tidak terdapat autokorelasi.
4. Jika , artinya tidak dapat diambil
kesimpulan.
5. Jika , artinya terdapat autokorelasi negatif.
16
Statistik Uji :
Uji Durbin-Watson :
17
BAB IV
HASIL DAN PEMBAHASAN
18
Statistik Uji :
Statistik uji chow menggunakan software Eviews dapat dilihat pada
Tabel 3.
Tabel 3. Hasil Uji Chow
Statistik d.f. Probabilitas
Cross-section F 73,54 (34,135) 0,00
Cross-section Chi-square 520,01 34 0,00
Kesimpulan :
Dapat dilihat pada Tabel 3, nilai prob. cross-section F dan chi-
square = 0,00 < α = 0,05 maka ditolak sehingga model yang
tepat digunakan adalah Fixed Effect Model. Selanjutnya dilakukan
uji hausman untuk melihat apakah Fixed Effect Model atau
Random Effect Model yang lebih tepat untuk digunakan.
4.2.2. Uji Hausman
Model yang tepat digunakan adalah Random Effect Model.
Model yang tepat digunakan adalah Fixed Effect Model.
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika probabilitas chi-square < α = 0,05
Statistik Uji :
Statistik uji hausman menggunakan software Eviews didaparkan
nilai probabilitasnya adalah 0,3358 (Lampiran 1).
Kesimpulan :
Karena probabilitas chi-square = 0,3358 > α = 0,05 maka gagal
ditolak sehingga model yang tepat digunakan adalah Random
Effect Model.
Dari hasil uji chow dan uji hausman di atas dapat disimpulkan bahwa
model yang tepat digunakan adalah Random Effect Model. Selanjutnya
menguji apakah model regresi data panel sudah layak digunakan atau belum
dengan menggunakan uji F dan uji t.
19
4.3. Uji Kelayakan Model Regresi Data Panel
4.3.1. Uji F
(Semua variabel independen
tidak berpengaruh secara signifikan terhadap variabel dependen).
Paling tidak terdapat satu (Paling tidak
terdapat satu variabel independen yang berpengaruh secara
signifikan terhadap variabel dependen).
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika < α = 0,05
Statistik uji :
Statistik uji F menggunakan software Eviews didapat nilai
probabilitas dari uji F adalah 0,00 (Lampiran 2).
Kesimpulan :
Karena nilai probabilitas dari uji F adalah 0,00 < α = 0,05 maka
ditolak sehingga paling tidak terdapat satu variabel independen
yang berpengaruh secara signifikan terhadap variabel dependen.
Selanjutnya kita melakukan uji t untuk melihat variabel independen
mana saja yang berpengaruh secara signifikan terhadap variabel
dependen.
4.3.2. Uji t
(Variabel independen tidak berpengaruh secara
signifikan terhadap variabel dependen).
(Variabel independen berpengaruh secara signifikan
terhadap variabel dependen).
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika probabilitas < α = 0,05
Statistik Uji :
Statistik uji t menggunakan software Eviews dapat dilihat pada
Tabel 4.
20
Tabel 4. Hasil Uji t
Variabel Koefisien Standar Error Uji t Probabilitas
C -1,22 8,32 -0,15 0,88
X1 0,01 0,04 0,27 0,79
X2 -0,46 0,38 -1,18 0,24
X3 -3,63E-06 3,46E-07 -10,49 0,00
X4 0,00 0,02 0,26 0,79
X5 0,47 0,14 3,32 0,00
Kesimpulan :
Dapat dilihat pada Tabel 4, nilai probabilitas dari uji t yang kurang
dari α = 0,05 adalah variabel X3 dan X5 saja yaitu sebesar 0,00 dan
0.00 sehingga variabel Upah Minimum Kabupate/Kota dan Rasio
Ketergantungan berpengaruh secara signifikan terhadap variabel
dependen, sedangkan untuk variabel Laju Pertumbuhan PDRB,
Rata-rata Lama Sekolah dan Angka Partisipasi Murni tidak
berpengaruh secara signifikan terhadap variabel dependen.
4.4. Model Terbaik Regresi Data Panel
Berdasarkan hasil output software Eviews (Lampiran 3), diperoleh
model terbaik untuk memodelkan hubungan variabel dependen (Y) dengan
variabel independen X3 dan X5 sebagai berikut :
Interpretasi :
Setiap kenaikan satu satuan variabel independen Upah Minimum
Kabupaten/Kota maka variabel dependen Persentase Penduduk Miskin
akan turun sebesar 0,00000379
Setiap kenaikan satu satuan variabel independen Rasio Ketergantungan
maka variabel dependen Persentase Penduduk Miskin akan naik sebesar
0,557932
Berdasarkan nilai R-squared Weighted Statistics, variasi Persentase
Penduduk Miskin mampu dijelaskan variabel Upah Minimum
Kabupaten/Kota dan Rasio Ketergantungan sebesar 67,7%.
21
4.5. Uji Asumsi Klasik
Selanjutnya dilakukan uji asumsi klasik terhadap Random Effect
Model terbaik yang sudah didapat.
4.5.1. Uji Normalitas
Residu berdistribusi normal
Residu tidak berdistribusi normal
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika nilai jarque-bera (JB) >
5,99 atau probability < α = 0,05
Statistik Uji :
Dengan menggunakan software Eviews diperoleh diperoleh nilai
jarque-bera sebesar 4,233635 dan probabilitas sebesar 0,120414
(Lampiran 4).
Kesimpulan :
Karena nilai jarque-bera sebesar 4,233635 < 5,99 dan
probabilitas = 0,120414 > α = 0,05 maka gagal ditolak sehingga
residu berdistribusi normal.
4.5.2. Uji Multikolinearitas
Tidak terdapat multikolinearitas antara Upah Minimum
Kabupaten/Kota dengan Rasio Ketergantungan.
Terdapat multikolinearitas antara Upah Minimum
Kabupaten/Kota dengan Rasio Ketergantungan.
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika nilai mutlak korelasi lebih dari 0,8
Statistik Uji :
Dengan menggunakan software Eviews diperoleh output seperti
pada Tabel 5.
Tabel 5. Hasil Uji Multikolinearitas
X3 X5
X3 1 -0,37
X5 -0,37 1
22
Kesimpulan :
Dari Tabel 5 diperoleh nilai korelasi antara X3 dan X5 sebesar -
0,37 maka gagal ditolak sehingga tidak terdapat
multikolinearitas antara Upah Minimum Kabupaten/Kota dengan
Rasio Ketergantungan.
4.5.3. Uji Heteroskedastisitas
Tidak terdapat masalah heteroskedastisitas.
Terdapat masalah heteroskedastisitas.
Taraf signifikansi α = 0,05
Daerah Kritis : ditolak jika nilai probabilitas < α = 0,05
Statistik Uji :
Dengan menggunakan software Eviews diperoleh output seperti
pada Tabel 6.
Tabel 6. Hasil Uji Heteroskedastisitas
Variabel Koefisien Standar Error Uji t Probabilitas
C 0,59 2,16 0,27 0,78
X3 -9,65E-07 5,60E-07 -1,72 0,09
X5 0,07 0,04 1,91 0,06
Kesimpulan :
Dari Tabel 6 diperoleh nilai probabilitas X3 dan X5 sebesar 0,09
dan 0,06 > α = 0,05 maka gagal ditolak sehingga tidak terdapat
masalah heteroskedastisitas.
4.5.4. Uji Autokorelasi
Tidak terdapat autokorelasi positif.
Terdapat autokorelasi positif.
Taraf signifikansi α = 0,05
Daerah Kritis :
ditolak jika DW < dL
gagal ditolak jika DW > dL
Tidak dapat disimpulkan jika dL < DW < dU
Berdasarkan tabel Durbin-Watson dengan n = 175 dan k = 2
diperoleh dL = 1,7296 dan dU = 1,7758
23
Statistik Uji :
Dengan menggunakan software Eviews diperoleh DW = 1.200057
(Lampiran 3)
Kesimpulan :
Karena nilai DW = 1,200057 < dL = 1,7296 maka ditolak
sehingga terdapat autokorelasi positif.
24
BAB V
PENUTUP
5.1. Kesimpulan
Berdasarkan hasil analisis yang diperoleh, dari lima faktor hanya dua
faktor saja yang berpengaruh secara signifikan terhadap Persentase Penduduk
Miskin di Jawa Tengah pada tahun 2015 sampai 2019, yaitu Upah Minimum
Kabupaten/Kota dan Rasio Ketergantungan. Sedangkan untuk Laju
Pertumbuhan PDRB, Rata-rata Lama Sekolah dan Angka Partisipasi Murni
tidak berpengaruh secara signifikan terhadap Persentase Penduduk Miskin di
Jawa Tengah pada tahun 2015 sampai 2019.
Estimasi parameter pada model regresi terbaik untuk data Persentase
Penduduk Miskin di Jawa Tengah pada tahun 2015 sampai 2019 adalah
sebagai berikut :
25
DAFTAR PUSTAKA
Jaya, I. G. N. M., & Sunengsih, N. (2009). Kajian Analisis Regresi dengan Data
Panel. In Prosiding Seminar Nasional Penelitian. Universitas Negeri
Yogyakarta, Yogyakarta.
BAPPEDA Provinsi Jawa Tengah. (n.d.). Tentang Kami. Diakses 2 April 2021,
dari http://bappeda.jatengprov.go.id/tentang-kami/
Mardani, R. (n.d.). Uji Asumsi Klasik untuk Regresi Data Panel. M Jurnal.
Diakses 3 April 2021 dari https://mjurnal.com/skripsi/uji-asumsi-klasik-
untuk-regresi-data-panel/
26
LAMPIRAN
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Effects Specification
27
Lampiran 2. Random Effect Model
Method: Panel EGLS (Cross-section random effects)
Date: 04/02/21 Time: 19:08
Sample: 2015 2019
Periods included: 5
Cross-sections included: 35
Total panel (balanced) observations: 175
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
28
Lampiran 3. Random Effect Model Terbaik
Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 04/02/21 Time: 19:52
Sample: 2015 2019
Periods included: 5
Cross-sections included: 35
Total panel (balanced) observations: 175
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
29
Lampiran 4. Hasil Uji Normalitas
20
Series: Standardized Residuals
Sample 2015 2019
16 Observations 175
12 Mean 7.11e-15
Median -0.165174
Maximum 7.773093
8 Minimum -6.134633
Std. Dev. 2.961428
4
Skewness 0.338869
Kurtosis 2.651741
0 Jarque-Bera 4.233635
-6 -4 -2 0 2 4 6 8
Probability 0.120414
30
Lampiran 5. Surat Keterangan Penerimaan Magang
31
Lampiran 6. Presensi Kuliah Magang Mahasiswa
32
33
34
Lampiran 7. Presensi Bimbingan Magang
PRESENSI BIMBINGAN MAGANG
35