SKRIPSI
AULIA NABILA
1006689800
FAKULTAS EKONOMI
PROGRAM STUDI ILMU EKONOMI S1
DEPOK
JULI 2014
SKRIPSI
Diajukan sebagai salah satu syarat memperoleh gelar
Sarjana Ekonomi
AULIA NABILA
1006689800
FAKULTAS EKONOMI
PROGRAM STUDI ILMU EKONOMI S1
DEPOK
JULI 2014
Studi ini bertujuan untuk menganalisis pengaruh dari kemiskinan dan karakteristik
sosio-demografi terhadap perilaku migrasi. Status kemiskinan dilihat dari indikator
kemampuan ekonomi, yaitu pengeluaran per kapita, total nilai aset, kepemilikan lahan
pertanian dan juga apakah individu menerima bantuan atau tidak. Perilaku migrasi
dipisah menjadi individu yang bertempat tinggal di perkotaan dan perdesaan. Data panel
yang digunakan adalah data SAKERTI. Hasil regresi logistik menunjukkan bahwa
secara keseluruhan orang miskin cenderung tidak bermigrasi. Namun, ditemukan
kecenderungan penduduk miskin perkotaan untuk bermigrasi ke perkotaan lainnya.
viii
Universitas Indonesia
This paper aims to analyze the effect of poverty and socio-demography characteristics
towards migration behavior. To decide whether someone is poor or not is judged by
their economic ability, including per capita expenditure, total value of asset, the
possession of land for farming and are they a recipient of supporting program or not.
Migration pattern divided into two groups, a group of people living in urban area and
rural area. By using logistic regression with IFLS data, it is found that in general the
poor are more likely not to migrate. However, there is a positive correlation of urban
poor to migrate to another urban area.
Key Words: Poverty, migration, urban migration, rural migration, Indonesia, IFLS
ix
Universitas Indonesia
x
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
BAB 3 METODE PENELITIAN ……………………………………...……...26
3.1 Model ………………………………………………………………..26
3.2 Definisi dan Penetapan Variabel Analisis …………………………...29
3.2.1 Variabel Dependen ………………………………………...29
3.2.1 Variabel Independen ……………………………………....30
3.3 Sumber Data …………………………………………………….…...32
3.4 Pengolahan Data ……………………………………………………..34
3.5 Hipotesis Penelitian ……………………………………………….…34
3.6 Metode Analisis ……………………………………………………..35
xi
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
DAFTAR GAMBAR
Gambar1.1 Persentase Migran dan Tingkat Kemiskinan …....................................2
Gambar 1.2 Migrasi Menjadi Pro-Poor Ketika Biaya Migrasi Menurun ..….…....4
Gambar 4.1 Persentase Migrasi berdasarkan Kuintil Pengeluaran per Kapita dan
Total Nilai Aset ...........……………………………………………...47
DAFTAR TABEL
Tabel 2.1 Ringkasan Penelitian Terdahulu ………………………………….......23
Tabel 4.2 Statistik Deskriptif Umur, Lama Sekolah, Total Nilai Aset dan
Pengeluaran per Kapita ……………………………………………….42
Tabel 4.4 Estimasi Parameter dan Odds Ratio Pengaruh Kemiskinan dan
Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi ……....48
Tabel 4.6 Estimasi Parameter dan Relative Risk Ratio Pengaruh Kemiskinan dan
Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi Perkotaan
………………………………………………………………………...52
xii
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Tabel 4.8 Estimasi Parameter dan Relative Risk Ratio Pengaruh Kemiskinan dan
Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi Perdesaan
………………………………………………………………………...55
DAFTAR LAMPIRAN
Lampiran1. Hasil Regresi Logit ………………………………………………..xvii
xiii
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
BAB 1
PENDAHULUAN
1
Sensus Penduduk 2010, BPS diambil dari http://sp2010.bps.go.id/
1
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
2
relatif rendah, yaitu Kepualauan Riau dan DKI Jakarta, memiliki persentase
migran yang relatif tinggi. Secara kasat mata, dapat dikatakan bahwa wilayah
dengan tingkat kemiskinan yang rendah memiliki persentase migran yang lebih
tinggi. Hal ini terkait dengan faktor pendorong migrasi, di mana sebagian besar
orang akan melakukan migrasi ke daerah yang lebih baik (Stark dan Bloom, 1985
dalam Gibson dan McKenzie, 2011).
47,71
42,44
36,8
15,26 15,38
8,05
3,48 2,47
Namun di sisi lain, menurut data yang dipaparkan oleh World Bank
(2011), persentase orang miskin yang bermigrasi lebih sedikit terutama di negara-
negara berkembang seperti Nepal, Tanzania, Nikaragua dan Albania. Fenomena
migrasi orang miskin ini dijelaskan oleh Hampshire (2002) bahwa orang yang
sangat miskin mungkin memang akan menjadikan migrasi sebagai pilihan mereka
yang paling terakhir ketika alternatif untuk keluar dari status kemiskinan yang lain
gagal (the last resort). Para migran yang miskin di negara-negara tesebut
kemudian berhasil keluar dari status kemiskinan setelah migrasi. Hal ini
menunjukkan bahwa solusi untuk keluar dari status kemiskinan dapat ditempuh
melalui migrasi. Namun, menurut World Bank, hingga saat ini masih banyak
negara berkembang yang belum memanfaatkan potensi cara mengurangi
kemiskinan melalui migrasi.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
3
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
4
$2 per hari
$1 per hari
Probabilitas Migrasi
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
5
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
6
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
BAB 2
STUDI LITERATUR
2.1 Teori
2.1.1 Migrasi
Selain kelahiran dan kematian, migrasi internal menjadi faktor penting
yang juga memengaruhi masa depan demografi dan ekonomi di suatu wilayah
(Biddle dan Hunter, 2013). Studi mengenai migrasi ini penting bagi para pembuat
kebijakan untuk dapat memahami berapa banyak orang yang tinggal di suatu
wilayah dan karakteristik orang seperti apakah yang melakukan perpindahan dari
satu wilayah ke wilayah lain. Wilayah dengan migrasi neto yang tinggi akan
membutuhkan barang dan jasa dalam jumlah banyak, sedangkan wilayah dengan
migrasi neto yang rendah akan mengalami kekurangan tenaga kerja dan tingkat
konsumsi barang dan jasa yang lebih rendah. Walaupun migrasi adalah fenomena
geografis, migrasi mencerminkan keputusan setiap individu di berbagai wilayah.
Dalam beberapa kajian, penelitian di bidang migrasi telah menambah berbagai
variabel yang memiliki hubungan dengan perilaku migrasi (Stark, 1991).
Migrasi merupakan fenomena yang kompleks karena kajian migrasi
merupakan gabungan dari beberapa disiplin ilmu seperti sosiologi, demografi,
geografi dan ekonomi. Konsep migrasi pada awalnya dipopulerkan oleh
Ravenstein pada tahun 1889. Ravenstein mengemb angkan teori migrasi manusia
yang kemudian membentuk dasar dari teori migrasi modern. Berdasarkan hasil
analisisnya dari penelitian di Britania Raya, Ravenstein kemudian mencetuskan
Hukum Migrasi yang terdiri dari:
7
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
8
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
9
+ adalah faktor penarik, - adalah faktor pendorong, dan 0 adalah faktor netral
Sumber: Munir (2011)
Gambar 2.1 Teori Migrasi Lee
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
10
di mana:
E(Wu) = Pendapatan yang diekspektasikan di tempat tujuan
Wu = Upah di tempat tujuan
Eu = Jumlah pekerja di tempat tujuan
Lu = Jumlah angkatan kerja di tempat tujuan
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
11
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
12
2.1.2 Kemiskinan
Kemiskinan sering diasosiasikan dengan hilangnya kesejahteraan pada
seorang individu. Seseorang dikatakan miskin jika tidak memiliki cukup
pendapatan untuk melakukan konsumsi minimumnya (World Bank, 2000).
Pendekatan kemiskinan yang lebih luas adalah berdasarkan pada kemampuan
individu dalam masyarakat. Seseorang dikatakan miskin jika memiliki
keterbatasan kemampuan. Maksudnya, mereka yang dikatakan miskin adalah
mereka yang memiliki pendapatan atau pendidikan yang tidak mencukupi, atau
berada dalam kemiskinan kesehatan, merasa dalam kepercayaan diri yang rendah,
serta tidak memiliki kebebasan berpolitik (Sen, 1987). Selain definisi tersebut,
BAPPENAS mendefinisikan kemiskinan sebagai kondisi di mana individu atau
sekelompok orang yang tidak mampu memenuhi hak-hak dasarnya untuk
mempertahankan dan mengembangkan kehidupan yang bermanfaat. Hak-hak
dasar yang dimaksud adalah terpenuhinya kebutuhan pangan, kesehatan,
pendidikan, pekerjaan, perumahan, air bersih, pertanahan, sumber daya alam dan
lingkungan hidup, rasa aman dari ancaman maupun kekerasan serta hak untuk
berpartisipasi dalam kehidupan sosial politik (Kamaluddin, 2004).
2
Sensus Penduduk 2010, BPS diambil dari http://sp2010.bps.go.id/
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
13
Selain pendekatan diatas, definisi kemiskinan juga dilihat dari segi garis
kemiskinan (Todaro dan Smith, 2006). Orang yang miskin adalah orang yang
memiliki pengeluaran atau pendapatan di bawah garis kemiskinan. Ukuran
kemiskinan dari segi ini sering disebut dengan kemiskinan absolut, yang sering
digunakan sebagai ukuran kemiskinan oleh banyak peneliti. Selain ukuran
kemiskinan absolut, terdapat juga ukuran kemiskinan relatif. Ukuran kemiskinan
relatif tidak diukur berdasarkan pada garis kemiskinan, tetapi dengan ukuran lain
misalnya pendapatan rata-rata.
Dari beberapa pendekatan di atas, pendekatan garis kemiskinan adalah
pendekatan yang paling banyak digunakan. Pengukuran garis kemiskinan itu
sendiri memiliki beberapa pendekatan, yaitu metode Direct Calori Intake, metode
Food Energy Intake dan metode Cost of Basic Needs (Asra dan Santos-Fransisco,
2001). Metode Direct Calori Intake adalah metode yang paling sederhana jika
dibandingkan dengan dua metode lainnya. Pada dasarnya, metode Direct Calori
Intake adalah mengelompokan suatu rumah tangga sebagai rumah tangga miskin
jika asupan kalori per kapitanya kurang dari standar kebutuhan kalori per kapita
minimum. Batasan minimum ini beragam di berbagai negara, misalnya di
Bangladesh menggunakan batasan 2.122 kalori per kapita per hari dan Indonesia
menggunakan batasan 2.100 kalori per kapita per hari. Kemudian metode Food
Energy Intake merupakan perkembangan dari Direct Calori Intake, yang
mengukur konsumsi atau pendapatan seseorang dengan menilai (dalam satuan
uang) garis kemiskinan yang mencakup kebutuhan dasar (dalam metode ini
menggunakan kebutuhan kalori yang diperlukan). Metode Cost of Basic Needs
adalah metode yang sering digunakan sebagai pendekatan dalam pengukuran garis
kemiskinan. Dalam metode ini, ditetapkan sekumpulan barang dan jasa yang
diperlukan oleh seseorang atau suatu rumah tangga untuk mencapai standar hidup
yang layak dalam masyarakat. Maka dari itu, metode Cost of Basic Needs
mencakup pengeluaran untuk makanan dan nonmakanan.
Untuk negara berkembang, fitur struktural yang paling penting adalah
perbedaan antara sektor perkotaan dan perdesaan (Ray, 1998). Kemiskinan juga
tidak terlepas dari sudut pandang wilayah ini, apakah daerah perdesaan atau
perkotaan. Kebanyakan penduduk miskin di dunia tinggal di daerah perdesaan.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
14
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
15
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
16
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
17
awalnya adalah negatif lalu positif pada usia produktif sampai pada usia tertentu
hingga akhirnya kembali negatif.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
18
tinggi, namun tingkat pengembalian dari kemampuan ini bervariasi di setiap pasar
tenaga kerja. Secara singkat, selama perbedaan pendapatan daerah (setelah
dikurangi biaya migrasi) cukup besar untuk menginduksi migrasi, tenaga kerja
yang berpendidikan tinggi secara alami akan tertarik untuk pindah ke daerah-
daerah di mana terdapat tingkat pengembalian yang tinggi. Terdapat dua pilihan
yang dihadapi oleh tenaga kerja:
1. Pilihan pindah terjadi ketika tenaga kerja memiliki kemampuan di atas
rata-rata. Arus migrasi akan terjadi dari tempat asal (i) ke tempat tujuan (j)
ketika j menawarkan tingkat pengembalian yang lebih tinggi untuk
kemampuan mereka. Namun akan ada pajak yang dikenakan terhadap
tenaga kerja dengan kemampuan yang tinggi dan beban biaya jaminan
untuk pekerja yang kurang terampil. Hal tersebut membuat pasar tenaga
kerja menjadi seimbang kembali.
2. Pilihan tidak pindah terjadi ketika migran memiliki kemampuan di bawah
rata-rata. Pilihan ini dipilih bila i menawarkan tingkat pengembalian yang
lebih besar untuk kemampuan tenaga kerja terebut. Beberapa tenaga kerja
yang memiliki kemampuan di atas rata-rata kemudian akan pindah dari i.
Jadi, dapat disimpulkan bahwa tenaga kerja dengan kemampuan di atas rata-rata
akan menetap di daerah dengan tingkat pengembalian yang tinggi, begitu pula
sebaliknya (Borjas, 2000).
Untuk mengukur modal manusia, Borjas menggunakan variabel
pendidikan. Ia menjelaskan bahwa semakin tinggi tingkat pendidikan, maka
kecenderungan individu untuk bermigrasi akan semakin tinggi. Hal ini terjadi
karena semakin tinggi pendidikan, ruang lingkup pasar tenaga kerjanya menjadi
semakin luas. Misalnya, seorang profesor mampu ‘menjual’ jasanya hingga ke
pasar nasional, bahkan internasional. Pernyataan Borjas ini didukung oleh bukti
empiris, di mana terdapat korelasi positif antara pendidikan dengan probabilitas
bermigrasi yang semakin tinggi pada individu yang sedang bekerja (Herzog dan
Schlottmann, 1981). Namun, menurut Schwartz (1973), hubungan antara tingkat
pendidikan tenaga kerja dengan kemungkinan pindah pekerjaan adalah negatif.
Hal ini karena pindahnya individu dengan tingkat pendidikan yang lebih tinggi
akan menyebabkan hilangnya tingkat pengembalian dari investasi di pendidikan,
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
19
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
20
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
21
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
22
tangga yang menerima bantuan, baik bantuan dari pemerintah, swasta maupun
suatu lembaga, memiliki korelasi negatif dengan kemungkinan melakukan
migrasi. Menurut hasil penelitian dari Southwick (1981), Wodon dkk (2003) dan
Stecklov dkk (2005), penerima bantuan menganggap mereka memiliki manfaat
yang lebih tinggi di tempat tinggalnya saat ini dan menganggap bahwa mereka
akan mengalami kesulitan administrasi jika mereka melakukan migrasi ke tempat
lain. Maka dari itu, para penerima bantuan cenderung enggan untuk berpindah.
Namun, jenis dari bantuan yang diterima juga memengaruhi
kecenderungan penerima terhadap perilaku migrasi. Di Meksiko, terdapat
program yang bernama Progresa. Program bantuan pemerintah tersebut
mengharuskan penerima berada di tempat pada saat menerima bantuan tersebut.
Jadi, seiring dengan adanya bantuan ini maka semakin kecil kemungkinan
seseorang akan melakukan migrasi (Wodon dkk, 2003).
Selain berdasarkan bantuan, penelitian terdahulu juga melihat kemiskinan
melalui pendapatan per kapita. Variabel pendapatan per kapita memiliki pengaruh
yang tidak signifikan dalam keputusan bermigrasi untuk rumah tangga yang
sedang menerima bantuan (Friedli, 1986). Namun, untuk rumah tangga yang tidak
menerima bantuan, variabel ini memiliki pengaruh signifikan. Menurut analisis
Friedli, kedua kelompok, baik penerima bantuan maupun bukan, memiliki
korelasi positif dengan kemungkinan melakukan migrasi karena adanya
kemampuan untuk membiayai biaya ekonomi dari migrasi.
Berdasarkan studi empiris yang telah dijelaskan oleh penulis, migrasi
dipengaruhi oleh umur, jenis kelamin, tingkat pendidikan, status pekerjaan,
karakteristik tempat tinggal, status pernikahan, total nilai aset rumah tangga, total
nilai lahan pertanian, penerimaan bantuan dan pendapatan per kapita. Korelasi
masing-masing variabel terhadap migrasi dijelaskan dalam Tabel 2.1. Berdasarkan
Tabel 2.1 diketahui bahwa variabel yang memiliki korelasi negatif terhadap
migrasi adalah umur, nilai aset, kepemilikan tanah (memiliki tanah pertanian) dan
penerima bantuan (menerima bantuan). Sementara variabel yang memiliki
korelasi positif terhadap migrasi adalah jenis kelamin (laki-laki), tingkat
pendidikan, status pekerjaan (pengangguran), karakteristik tempat tinggal
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
23
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
24
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
25
UMUR
JENIS KELAMIN
LAMA SEKOLAH
STATUS
PERNIKAHAN
STATUS
PEKERJAAN
MIGRASI
KARAKTERISTIK RUMAH
KARAKTERISTIK
TEMPAT TINGGAL
TOTAL LUAS
LAHAN PERTANIAN
STATUS
KEMISKINAN
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
BAB 3
METODE PENELITIAN
3.1 Model
Berangkat dari teori Ravenstein, penulis menitikberatkan pada faktor
ekonomi yang merupakan faktor yang paling dominan dalam menentukan
keputusan bermigrasi. Faktor ekonomi yang digunakan dalam penelitian ini dilihat
dari tiga indikator. Indikator-indikator ini didapat dari karakteristik rumah tangga
dari masing-masing individu. Indikator tersebut adalah:
1. Nilai aset yang dimiliki rumah tangga. Semakin tinggi nilai aset yang
dimiliki oleh suatu rumah tangga, maka rumah tangga tersebut dianggap
semakin mampu dalam hal kemampuan ekonomi.
2. Nilai lahan pertanian yang dimiliki rumah tangga. Semakin tinggi nilai
lahan pertanian yang dimiliki oleh rumah tangga, maka rumah tangga
tersebut dianggap semakin mampu dalam hal kemampuan ekonomi.
Namun, setelah dilakukan pengolahan data untuk memasukkan nilai lahan
pertanian yang dimiliki, terdapat banyak data yang missing yang
menyebabkan jumlah responden berkurang banyak. Oleh karena itu,
penulis memutuskan untuk menggunakan variabel lain yang juga mampu
menggambarkan kepemilikan lahan pertanian. Sehingga, variabel yang
digunakan adalah variabel biner apakah rumah tangga tersebut memiliki
lahan yang digunakan untuk usaha pertanian atau tidak.
26
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
27
3
Berita Resmi Statistik: Kemiskinan 2000, BPS
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
28
f(mg) = f(age, age2, sex, educ, formal, urban00, married, total aset,
landown, recip, poor) …… 2
di mana:
mg = Migrasi atau tidak (1 = pindah, 0 = tidak pindah)
age = Umur pada tahun 2000 ditambah 3,5
age2 = Umur ditambah 3,5 kuadrat
sex = Jenis kelamin (1 = laki-laki, 0 = perempuan)
educ = Lama sekolah
formal = Status pekerjaan dan kegiatan lainnya (1 = formal, 0 = lainnya)
urban00 = Karakteristik tempat tinggal (1 = perkotaan, 0 = perdesaan)
married = Status pernikahan (1 = menikah, 0 = lainnya)
total aset = Total nilai aset yang dimiliki rumah tangga (dalam ln)
landown = Kepemilikan lahan pertanian (0 = tidak punya, 1 = punya)
recip = Penerimaan bantuan (1= menerima, 0 = tidak menerima)
poor = Status kemiskinan (1 = miskin, 0 = tidak miskin)
f(mgurban) = f(age, age2, sex, educ, formal, married, total aset, landown,
recip, poor) … … 3)
di mana:
mgurban = Migrasi penduduk perkotaan (1 = migrasi dari daerah perkotaan
kedaerah perkotaan, 2 = migrasi dari daerah perkotaan ke daerah
perdesaan, 3 = tidak melakukan migrasi)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
29
f(mgrural) = f(age, age2, sex, educ, formal, married, total aset, landown,
recip, poor) … … 4)
di mana:
mgrural = Migrasi penduduk perdesaan (1 = migrasi dari darah perdesaan
kedaerah perdesaan, 2 = migrasi dari daerah perdesaan ke daerah
perkotaan, 3 = tidak melakukan migrasi)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
30
adalah migrasi yang dilakukan oleh individu yang bertempat tinggal di daerah
perdesaan. Variabel ini juga memiliki tiga kategori, yaitu 1). Migrasi dari
perdesaan ke perdesaan, 2). Migrasi dari perdesaan ke perkotaan dan 3). Tidak
migrasi.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
31
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
32
tersebut. Variabel ini adalah variabel biner, di mana 0 berarti tidak memiliki
lahan pertanian dan 1 berarti memiliki lahan pertanian.
i. Penerimaan bantuan (recip) adalah variabel yang menjelaskan apakah
rumah tangga menerima bantuan atau tidak pada tahun 2000. Variabel ini
berbentuk biner di mana 1 berarti menerima bantuan dan 0 berarti tidak
menerima bantuan. Rumah tangga dikatakan menerima bantuan apabila, 1).
Rumah tangga tersebut menerima bantuan berupa uang, beras, makanan
lainnya, dari pemerintah baik pusat maupun daerah, atau organisasi bukan
pemerintah (perusahaan, organisasi sosial, organisasi keagamaan dan lain-
lain) selain dari Operasi Pasar Khusus (OPK), Jaringan Pengaman Sosial,
Pasar Murah dan sejenisnya dalam satu tahun terakhir atau 2). Rumah tangga
pernah membeli sembako atau barang lainnya di Pasar Murah, bazar, Operasi
Pasar Khusus (OPK) dan sejenisnya dalam waktu satu tahun terakhir.
j. Status kemiskinan (poor) adalah variabel berbentuk biner di mana 1 berarti
sampel tersebut memiliki pengeluaran per kapita di bawah Garis Kemiskinan
tahun 2000 dan 0 berarti sampel tersebut memiliki pengeluaran di atas Garis
Kemiskinan tahun 2000. Garis Kemiskinan yang digunakan disesuaikan
dengan provinsi dari masing-masing responden. Pengeluaran atau konsumsi
rumah tangga dibedakan menjadi dua, yaitu konsumsi makanan dan
nonmakanan tanpa memerhatikan asal barang dan terbatas pada pengeluaran
untuk kebutuhan rumah tangga saja, tidak termasuk konsumsi/pengeluaran
untuk keperluan usaha rumah tangga atau yang diberikan kepada pihak lain.
Variabel ini diukur berdasarkan satuan mata uang Rupiah dalam waktu satu
bulan.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
33
Pusat Studi Kependudukan dan Kebijakan Universitas Gadjah Mada dan lembaga
penelitian SurveyMETER. SAKERTI merupakan satu-satunya survei di Indonesia
yang berisi data dari berbagai aspek untuk satu individu yang sama dalam
beberapa gelombang waktu, sehingga memungkinkan pengguna data untuk
menganalisis dinamika perilaku individu tersebut. SAKERTI sudah diadakan
sebanyak 4 gelombang hingga saat ini, yaitu tahun 1993 (IFLS1), 1997 (IFLS2),
2000 (IFLS3) dan 2007 (IFLS4). Untuk penelitian ini, data yang digunakan adalah
gelombang ketiga dan keempat. Gelombang ketiga untuk melihat karakteristik
responden dan gelombang keempat untuk melihat apakah responden tersebut
melakukan migrasi atau tidak.
Survei yang dilakukan mencakup 13 provinsi di Jawa, Bali, Nusa
Tenggara Barat, Sulawesi Selatan, Kalimantan Selatan, Sumatera Selatan,
Lampung, Sumatera Barat dan Sumatera Utara. Survei ini mengumpulkan data
mengenai pengeluaran dan pemasukan rumah tangga, kondisi ekonomi rumah
tangga dan lain-lain. SAKERTI juga mengumpulkan data mengenai sejarah
masyarakat, karakteristik masyarakat dan kondisi fasilitas umum seperti sekolah
dan puskesmas. Data SAKERTI dapat merepresentasikan 83% populasi Indonesia
pada tahun 1993. Di dalam set data SAKERTI tahun 2000, terdapat 39.000
individu dan 10.400 rumah tangga.
Data SAKERTI dipilih karena penulis ingin mengetahui pengaruh dari
karakteristik individu dan rumah tangga pada tahun 2000 terhadap keputusan
migrasi pada tahun 2007. Sehingga, data yang dibutuhkan adalah data longitudinal
atau data panel. Data panel adalah data yang terdiri dari banyak individu yang
diobservasi dalam beberapa periode. Gelombang data SAKERTI yang terbaru
adalah tahun 2007 di mana tahun tersebut akan menjadi periode kedua dan
gelombang data sebelumnya akan menjadi periode pertama, yaitu tahun 2000.
Sampel yang diambil dari data tersebut adalah individu yang datanya
masih tersedia dari tahun 2000 hingga sampai tahun 2007, sehingga sampel yang
meninggal maupun yang pindah ke tempat yang tidak terdeteksi, akan dikeluarkan
dari penelitian. Sampel yang digunakan dalam penelitian ini adalah individu yang
berusia minimal 15 tahun pada tahun 2000 untuk menggambarkan relevansinya
dengan angkatan kerja. Langkah pertama adalah melakukan proses pembersihan
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
34
data, yaitu membuang sampel yang berusia di bawah 15 tahun, sampel yang
datanya missing dan sampel yang menjawab pertanyaan survei dengan tidak tahu.
Setelah proses pembersihan data, sampel yang dapat digunakan untuk penelitian
ini ada 14.215 individu.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
35
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
36
1 1
𝑃 𝑥 = −𝑧
= −(𝛼+𝛽𝑥 1+𝜀)
⋯ ⋯ (5)
1+𝑒 1+𝑒
di mana:
1 𝑒𝑧
𝑃(𝑥) = = ⋯ ⋯ (6)
1 + 𝑒 −𝑍𝑖 1 + 𝑒 𝑧
di mana Zi = β1 + β2Xi
𝑒𝑧 1
1−𝑃 𝑥 =1− = ⋯ ⋯ (7)
𝑒 + 1 1 + 𝑒𝑧
𝑧
Kemudian dibuat odds ratio yang merupakan peluang sukses dibagi dengan
peluang gagal dengan formula sebagai berikut:
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
37
1
𝑃 1 + 𝑒 −𝑧 𝑖 = 1 = 𝑒 𝑧 𝑖 = 𝑒 − 𝛽1 +𝛽2 𝑋1
= −𝑧 ⋯ ⋯ (8)
1−𝑃 𝑒 𝑖 𝑒 −𝑧 𝑖
1 + 𝑒 −𝑧 𝑖
Untuk mendapatkan nilai z yang sudah linier maka sesudah odds ratio diperlukan
adanya perlakuan tambahan yaitu mengalikan persamaan di atas dengan logaritma
natural dengan tujuan membuat persamaan menjadi linier, sehingga bentuk
persamaan akan menjadi seperti berikut:
𝑃
ln = 𝑧 = 𝛼 + 𝛽1 𝑋1 + 𝜀 ⋯ ⋯ (9)
1−𝑃
Logartima natural (ln) dari odds ratio tidak hanya bersifat linier pada X tetapi juga
bersifat linier terhadap β. Odds ratio atau perbandingan risiko, didefinisikan
𝑃
sebagai di mana p menyatakan probabilitas sukses (terjadinya peristiwa Y =
1−𝑃
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
38
𝑃𝑟 𝑌 = 1 𝑥)
𝑧1 𝑥 = ln = 𝛽10 + 𝛽11 𝑥1 + ⋯ + 𝛽1𝑝 𝑥𝑝 ⋯ ⋯ (10)
𝑃𝑟 𝑌 = 0 𝑥)
𝑃𝑟 𝑌 = 2 𝑥)
𝑧2 𝑥 = ln = 𝛽20 + 𝛽21 𝑥2 + ⋯ + 𝛽2𝑝 𝑥𝑝 ⋯ ⋯ (11)
𝑃𝑟 𝑌 = 0 𝑥)
𝑃𝑟 𝑌 = 3 𝑥)
𝑧3 𝑥 = ln = 𝛽30 + 𝛽31 𝑥3 + ⋯ + 𝛽3𝑝 𝑥𝑝 ⋯ ⋯ (12)
𝑃𝑟 𝑌 = 0 𝑥)
𝑃1 1
𝑃1 = = ⋯ ⋯ (13)
𝑃2 + 𝑃3 1 + 𝑒 1 + 𝑒 𝑧2
𝑧
𝑃2 𝑒 𝑧1
𝑃2 = = ⋯ ⋯ (14)
𝑃1 + 𝑃3 1 + 𝑒 𝑧1 + 𝑒 𝑧2
𝑃3 𝑒 𝑧2
𝑃3 = = ⋯ ⋯ (15)
𝑃1 + 𝑃2 1 + 𝑒 𝑧1 + 𝑒 𝑧2
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
39
𝐾
𝜕Pr
(𝑌𝑖 = 𝑘)
= Pr
(𝑌𝑖 = 𝑘) 𝛽𝑘1 − Pr
(𝑌𝑖 = 𝑗)𝛽𝑗 1
𝜕𝑋𝑖
𝑗 =0
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
BAB 4
ANALISIS DAN PEMBAHASAN
40
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
41
informal atau pun sampel yang tidak bekerja karena menjadi ibu rumah tangga,
sedang sekolah atau pensiunan. Untuk variabel dependennya, terdapat 19,70%
sampel yang melakukan migrasi.
Tabel 4.1 Distribusi Responden 15 tahun ke atas, SAKERTI 2000
Nama Variabel Kategori n (%)
Laki-Laki 7.962 56,01
Jenis Kelamin
Perempuan 6.253 43,99
15-25 3.207 22,56
26-35 3.796 26,70
Umur 36-45 3.361 23,64
46-55 2.076 14,60
56+ 1.775 12,49
Belum Lulus SD 4.674 32,88
Sudah Lulus SD 3.417 24,04
Pendidikan SMP 2.225 15,65
SMA 2.874 20,22
PT 1.025 7,21
Karakteristik Tempat Perkotaan (Urban) 6.406 45,07
Tinggal Perdesaan (Rural) 7.809 54,93
Menikah 10.550 74,22
Status Pernikahan
Lainnya 3.665 25,78
Status Pekerjaan dan Kerja di Formal 5.744 40,41
Kegiatan Lainnya 8.471 59,59
Kepemilikkan Lahan Memiliki Lahan Pertanian 5.647 39,73
Pertanian Tidak Memiliki Lahan Pertanian 8.568 60,27
Menerima Bantuan 6.060 42,63
Bantuan
Tidak Menerima Bantuan 8.155 57,37
Miskin 1.700 11,96
Status Kemiskinan
Tidak Miskin 12.515 88,04
Migrasi 2.801 19,70
Status Migrasi
Tidak Migrasi 11.414 80,30
Total 14.215 100%
*Status migrasi berdasarkan SAKERTI 2000 - 2007
Sumber: SAKERTI 2000 dan 2007(diolah)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
42
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
43
Tabel 4.3 Distribusi Sampel berdasarkan Kategori Migrasi Perkotaan Perdesaan, Perkotaan dan Perdesaan
Perkotaan+Perdesaan (%) Perkotaan (K) (%) Perdesaan (D) (%)
Nama Variabel Kategori Migran Migran Migran Migran
Migran Nonmigran Total Nonmigran Total Nonmigran Total
K-K K-D D-D D-K
Laki-Laki 20,89 79,11 100 18,55 3,16 78,28 100 15,03 5,16 79,81 100
Jenis Kelamin
Perempuan 18,20 81,80 100 17,38 3,54 79,08 100 11,99 4,05 83,96 100
15-26 28,31 71,69 100 23,83 6,32 69,86 100 15,86 10,77 73,37 100
26-36 20,23 79,77 100 20,27 3,27 76,47 100 12,81 4,42 82,76 100
Umur 36-46 15,71 84,29 100 14,45 1,61 83,94 100 13,03 2,37 84,59 100
46-56 16,57 83,43 100 14,61 2,18 83,21 100 14,06 2,33 83,61 100
56+ 14,25 85,75 100 11,06 2,01 86,93 100 12,65 2,21 85,14 100
< SD 15,83 84,17 100 12,72 2,76 84,52 100 13,54 2,43 84,03 100
SD 19,93 80,07 100 14,57 3,60 81,83 100 17,15 3,83 79,02 100
Pendidikan SMP 19,96 80,04 100 17,08 3,74 79,18 100 12,17 6,90 80,93 100
SMA 23,87 76,13 100 21,52 3,85 74,63 100 10,03 10,68 79,29 100
PT 24,39 75,61 100 25,63 1,86 72,51 100 6,62 9,19 84,19 100
Perkotaan
21,37 78,63 100
Karakteristik (Urban)
Tempat Tinggal Perdesaan
18,34 81,66 100
(Rural)
Menikah 17,99 82,01 100 17,22 2,38 80,41 100 13,62 3,21 83,16 100
Status Pernikahan
Tidak Menikah 24,64 75,36 100 19,89 5,44 74,67 100 13,88 9,95 76,18 100
Kerja di Formal 24,27 75,73 100 20,86 3,89 75,24 100 16,44 7,07 76,49 100
Status Pekerjaan
Tidak Kerja di
dan Kegiatan 16,61 83,39 100 14,66 2,64 82,69 100 12,56 3,69 83,76 100
Formal
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
44
Tabel 4.3 Distribusi Sampel berdasarkan Kategori Migrasi Perkotaan Perdesaan, Perkotaan dan Perdesaan (Lanjutan)
Perkotaan+Perdesaan (%) Perkotaan (K) (%) Perdesaan (D) (%)
Nama Variabel Kategori Migran Migran Migran Migran
Migran Nonmigran Total Nonmigran Total Nonmigran Total
K-K K-D D-D D-K
Memiliki Lahan
12,98 87,02 100 13,84 2,66 83,50 100 9,48 2,66 87,86 100
Kepemilikan Pertanian
Lahan Pertanian Tidak Memiliki
24,14 75,86 100 18,91 3,46 77,63 100 19,55 7,47 72,98 100
Lahan Pertanian
Menerima Bantuan 17,82 82,18 100 19,04 1,56 79,40 100 12,24 3,87 83,89 100
Penerimaan
Tidak Menerima
Bantuan 21,10 78,90 100 17,48 4,32 78,19 100 15,00 5,39 79,61 100
Bantuan
Miskin 17,53 82,47 100 20,76 1,98 77,26 100 10,48 3,33 86,19 100
Status Kemiskinan
Tidak Miskin 20,00 80,00 100 17,71 3,49 78,80 100 14,14 4,86 81,00 100
Total 19,70 80,30 100 18,05 3,33 78,63 100 13,68 4,66 81,66 100
Sumber: SAKERTI 2000 dan 2007 (diolah)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
45
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
46
lahan pertanian dan tidak melakukan migrasi lebih tinggi daripada responden yang
memiliki lahan pertanian dan melakukan migrasi. Hal ini dapat diartikan bahwa
responden yang memiliki sumber pendapatan dari sektor pertanian lebih banyak
yang tidak melakukan migrasi untuk mengelola lahan pertanian tersebut.
Lalu untuk penerimaan bantuan, secara umum persentase migran yang
menerima bantuan lebih rendah daripada responden yang tidak menerima bantuan
karena mereka merasa manfaat yang mereka terima saat ini lebih tinggi daripada
biaya yang harus mereka keluarkan untuk bermigrasi sehingga mereka memilih
untuk tetap tinggal di tempatnya yang sekarang. Namun, kecenderungan ini
berbeda untuk jenis migrasi dari perkotaan ke perkotaan. Pada migrasi jenis ini,
responden yang menerima bantuan justru lebih banyak yang melakukan migrasi.
Hal ini berarti bahwa kebanyakan penduduk perkotaan yang menerima bantuan
menjadikan bantuan tersebut sebagai sesuatu yang dapat menyokong ekonomi
mereka sehingga mereka memiliki modal untuk melakukan migrasi.
Tidak berbeda dengan penerimaan bantuan, orang miskin juga sebagian
besar tidak melakukan migrasi. Hal ini sesuai dengan hipotesis bahwa secara
umum migran yang miskin lebih sedikit daripada migran yang tidak miskin.
Tetapi, lain halnya dengan migrasi dari perkotaan ke perkotaan di mana migran
yang miskin justru lebih banyak daripada yang tidak miskin. Hal ini menunjukan
adanya kecenderungan orang miskin di daerah perkotaan untuk mencari manfaat
yang lebih tinggi daripada di tempatnya sekarang ke daerah perkotaan lainnya.
Untuk indikator kemampuan ekonomi yang berjenis numerik, yaitu
pengeluaran per kapita dan total nilai aset rumah tangga, dibagi menjadi lima
kelompok (per kuintil). Dari Gambar 4.1 terlihat bahwa semakin tinggi
pengeluaran per kapita, maka persentase responden yang melakukan migrasi
semakin meningkat. Berdasarkan pernyataan tersebut dapat dikatakan bahwa
pengeluaran per kapita dapat menggambarkan kemampuan responden untuk
membayar biaya migrasi, sehingga korelasinya positif. Korelasi ini berbeda
dengan total nilai aset rumah tangga, di mana semakin tinggi nilai aset yang
dimiliki rumah tangga, maka kecenderungan anggota rumah tangga tersebut untuk
melakukan migrasi akan menurun. Dalam hal ini nilai aset yang semakin tinggi
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
47
berarti bahwa manfaat bagi responden di tempat tinggalnya saat ini juga tinggi
sehingga responden dengan manfaat yang tinggi cenderung tidak bermigrasi.
30
25
20
% Migrasi
0 Kuintil
1 2 3 4 5
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
48
Tabel 4.4 Estimasi Parameter dan Odds Ratio Pengaruh Kemiskinan dan
Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi
Nama Variabel Kategori 𝛃 or
Umur -0,06** 0,94
Umur Kuadrat 0,0005** 1,00053
Laki-Laki 0,89** 1,09
Jenis Kelamin
Perempuan - ref
Lama Sekolah 0,01** 1,01
Status Pekerjaan dan Kerja di Formal 0,21** 1,23
Kegiatan Tidak Kerja di Formal - ref
Karakteristik Tempat Perkotaan (Urban) -0,21** 0,80
Tinggal Perdesaan (Rural) - ref
Menikah -0,13** 0,87
Status Pernikahan
Tidak Menikah - ref
Total Nilai Aset -0,05** 0,94
Memiliki Lahan Pertanian -0,70** 0,49
Kepemilikan Lahan
Tidak Memiliki Lahan
Pertanian
Pertanian - ref
Menerima Bantuan -0,18** 0,83
Penerimaan Bantuan Tidak Menerima Bantuan -
ref
Miskin -0,17** 0,83
Status Kemiskinan
Tidak Miskin - ref
*Signifikan pada 0,05
**Signifikan pada 0,01
-ref = kategori pembanding
Sumber: SAKERTI 2000 dan 2007 (diolah)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
49
individu yang tidak memiliki lahan pertanian. Hasil ini sama dengan hasil analisis
deskriptif, di mana responden yang sumber pendapatannya berasal dari sektor
pertanian (tradisional) akan cenderung tidak migrasi. Kemudian, variabel status
pekerjaan dan kegiatan dengan migrasi memiliki korelasi positif. Hasil ini sama
dengan hasil analisis deskriptif.
Sesuai dengan hipotesis, individu yang menerima bantuan akan cenderung
tidak melakukan migrasi. Sama halnya dengan penerimaan bantuan, status
kemiskinan juga memiliki korelasi negatif dengan kecenderungan bermigrasi. Hal
ini dapat dikaitkan dengan pernyataan Sjastaad (1962) bahwa migrasi
membutuhkan pelakunya untuk mengeluarkan sejumlah biaya. Biaya ini tidak bisa
dibayar oleh individu yang miskin karena mereka tidak mampu. Sehingga
individu yang miskin cenderung tidak melakukan migrasi.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
50
usia 15 tahun ke atas. Namun pada titik tertentu korelasi tersebut akan berubah
menjadi positif karena pada umur tertentu kecenderungan seseorang untuk
melakukan migrasi akan meningkat seiring dengan pertambahan usia. Untuk
mengetahui lokasi titik balik tersebut digunakan rumus sebagai berikut:
𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑎𝑔𝑒
𝑇𝑖𝑡𝑖𝑘 𝑏𝑎𝑙𝑖𝑘 = ⋯ ⋯ (16)
2 × 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑎𝑔𝑒2
.25
.2
.15
20 40 60 80 100
age now
Korelasi umur dengan migrasi digambarkan oleh Gambar 4.1. Fenomena ini
diduga mendeskripsikan arus balik migrasi, di mana orang-orang yang sudah tidak
produktif lagi akan kembali dari daerah tempat mereka merantau menuju ke
daerah tempat asalnya.
Korelasi positif terdapat pada lama sekolah dengan migrasi. Semakin
tinggi pendidikan yang diperoleh seseorang maka probabilitas orang tersebut
untuk melakukan migrasi akan semakin tinggi. Pertambahan 1 tahun pendidikan
akan meningkatkan kemungkinan migrasi sebesar 0,277%. Hal ini relevan dengan
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
51
pembahasan pasar tenaga kerja di mana individu dengan pendidikan yang tinggi
akan bermigrasi untuk memperluas area pencarian tenaga kerja.
Kemudian untuk total nilai aset, semakin tinggi nilai aset yang dimiliki
maka kecenderungan individu untuk melakukan migrasi akan semakin menurun.
Jika seseorang mengalami peningkatan nilai aset sebesar Rp. 1 maka probabilitas
individu tersebut untuk melakukan migrasi akan mengalami penurunan sebesar
0,804%. Peningkatan nilai aset dapat berarti adanya peningkatan manfaat bagi
individu di tempat tinggalnya yang sekarang, sehingga individu tersebut akan
cenderung tidak migrasi.
Dari hasil regresi logit untuk model migrasi secara umum diperoleh model
sebagai berikut:
𝑃
ln = 1,263 − 0,06𝑎𝑔𝑒3 + 0,0005𝑎𝑔𝑒32 + 0,089𝑠𝑒𝑥 + 0,01𝑒𝑑𝑢𝑐
1−𝑃
+ 0,21𝑓𝑜𝑟𝑚𝑎𝑙 − 0,21𝑢𝑟𝑏𝑎𝑛00 − 0,13𝑚𝑎𝑟𝑟𝑖𝑒𝑑
− 0,05 ln _𝑡𝑜𝑡𝑎𝑙_𝑎𝑠𝑒𝑡 − 0,7𝑙𝑎𝑛𝑑𝑜𝑤𝑛 − 0,18𝑟𝑒𝑐𝑖𝑝 − 0,17𝑝𝑜𝑜𝑟
+𝜀 ⋯ ⋯ (16)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
52
perkotaan, 2). Jika individu melakukan migrasi dari perkotaan ke perdesaan dan
3). Jika individu tidak melakukan migrasi sama sekali. Model multinomial logit
ini menggunakan kategori ketiga sebagai referensi pembanding.
Berdasarkan Tabel 4.6 terlihat bahwa probabilitas individu yang berada di
daerah perkotaan untuk melakukan migrasi, baik menuju ke perkotaan maupun ke
perdesaan, akan semakin rendah jika individu tersebut adalah laki-laki. Hal ini
menunjukkan bahwa perempuan di perkotaan memiliki tingkat mobilitas yang
lebih tinggi daripada laki-laki, namun menurut hasil penelitian dari Ravenstein
(1885) perpindahan seperti ini biasanya terjadi pada jarak dekat.
Tabel 4.6 Estimasi Parameter dan Relative Risk Ratio Pengaruh Kemiskinan
dan Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi Perkotaan
Migran K-K Migran K-D
Nama Variabel Kategori
𝛃 rrr 𝛃 rrr
Umur -0,.06** 0,93 -0,13** 0,87
Umur Kuadrat 0,0005** 1,0005 0,001** 1,001
Laki-Laki -0,03** 0,97 -0,18** 0,82
Jenis Kelamin
Perempuan - ref
Lama Sekolah 0,07** 1,07 -0,03** 0,96
Status Pekerjaan dan Kerja di Formal 0,25** 1,29 0,39** 1,48
Kegiatan Tidak Kerja di Formal - ref
Menikah 0,12** 1,12 -0,27** 0,76
Status Pernikahan
Tidak Menikah - ref
Total Nilai Aset -0,56** 0,94 -0,12** 0,88
Memiliki Lahan Pertanian -0,25** 0,77 -0,16** 0,84
Kepemilikan Lahan
Tidak Memiliki Lahan
Pertanian
Pertanian - ref
Menerima Bantuan 0,17** 1,18 -1,12** 0,32
Penerimaan Bantuan
Tidak Menerima Bantuan - ref
Miskin 0,25** 1,29 -0,56** 0,56
Status Kemiskinan
Tidak Miskin - ref
*Signifikan pada 0,05
**Signifikan pada 0,01
-ref = kategori pembanding
Sumber: SAKERTI 2000 dan 2007(diolah)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
53
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
54
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
55
𝑚𝑖𝑔𝑟𝑎𝑛 𝐾𝐾
ln = 0,101 − 0,06𝑎𝑔𝑒3 + 0,0005𝑎𝑔𝑒32 − 0,03𝑠𝑒𝑥 + 0,07𝑒𝑑𝑢𝑐 +
𝑛𝑜𝑛𝑚𝑖𝑔𝑟𝑎𝑛
Tabel 4.8 Estimasi Parameter dan Relative Risk Ratio Pengaruh Kemiskinan
dan Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi Perdesaan
Migran D-D Migran D-K
Nama Variabel Kategori
𝛃 rrr 𝛃 rrr
Umur -0,02** 0,97 -0,13** 0,87
Umur Kuadrat 0,0001** 1,0001 0,001** 1,001
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
56
Tabel 4.8 Estimasi Parameter dan Relative Risk Ratio Pengaruh Kemiskinan
dan Karakteristik Sosio-Demografi terhadap Probabilitas Migrasi Perdesaan
(Lanjutan)
Migran D-D Migran D-K
Nama Variabel Kategori
𝛃 rrr 𝛃 rrr
Laki-Laki 0,29** 1,34 0,12** 1,13
Jenis Kelamin
Perempuan - ref
Lama Sekolah -0,05** 0,94 0,08** 1,09
Status Pekerjaan Kerja di Formal 0,09** 1,09 0,12** 1,13
dan Kegiatan Tidak Kerja di Formal - ref
Menikah -0,10** 0,89 -0,73** 0.,47
Status Pernikahan
Tidak Menikah - ref
Total Nilai Aset -0,05** 0,94 -0,01** 0,98
Memiliki Lahan Pertanian -0,87** 0,41 -1,21** 0,29
Kepemilikan
Tidak Memiliki Lahan
Lahan Pertanian
Pertanian - ref
Penerimaan Menerima Bantuan -0,33** 0,71 -0,28** 0,75
Bantuan Tidak Menerima Bantuan - ref
Miskin -0,49** 0,61 -0,40** 0,66
Status Kemiskinan
Tidak Miskin - ref
*Signifikan pada 0,05
**Signifikan pada 0,01
-ref = kategori pembanding
Sumber: SAKERTI 2000 dan 2007(diolah)
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
57
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
58
𝑚𝑖𝑔𝑟𝑎𝑛 𝐷𝐾
ln = 0,949 − 0,13𝑎𝑔𝑒3 + 0,001𝑎𝑔𝑒32 + 0,12𝑠𝑒𝑥 + 0,08𝑒𝑑𝑢𝑐 +
𝑛𝑜𝑛𝑚𝑖𝑔𝑟𝑎𝑛
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil analisis deskriptif dan analisis inferensial, penulis
membuat beberapa kesimpulan untuk menjawab pertanyaan penelitian. Model
yang dibangun menunjukkan hasil yang signifikan secara statistik, sehingga
mampu menjelaskan variasi perilaku migrasi. Dari hasil analisis migrasi secara
keseluruhan, semua variabel independen memengaruhi migrasi dengan korelasi
yang sama dengan hipotesis, kecuali variabel umur, status pekerjaan dan kegiatan,
karakteristik tempat tinggal dan total nilai aset. Pada model migrasi yang tidak
menghiraukan karakteristik tempat tinggal individu ini, status kemiskinan
berpengaruh signifikan secara statistik terhadap keputusan migrasi.
Dari hasil analisis deskriptif dan regresi terlihat bahwa individu yang
miskin akan cenderung tidak melakukan migrasi. Hal ini dijelaskan oleh
pernyataan Sjastaad (1962) bahwa orang miskin tidak bermigrasi karena tidak
mampu membayar biaya migrasi. Temuan ini tidak membuktikan pernyataan
Hampshire (2002), di mana orang yang sangat miskin cenderung akan melakukan
migrasi sebagai alternatif bagi mereka untuk bisa keluar dari status kemiskinan
59
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
60
ketika cara lain gagal, karena sebagian besar responden yang miskin tidak
melakukan migrasi.
Sementara, jika individu dipisah berdasarkan karakteristik tempat tinggal,
terdapat perbedaan pada perilaku migrasi penduduk perkotaan. Orang miskin yang
tinggal di daerah perkotaan cenderung melakukan migrasi ke daerah perkotaan
lainnya dan korelasi ini signifikan secara statistik. Namun, penduduk perkotaan
yang miskin memiliki kecenderungan untuk tidak bermigrasi ke daerah perkotaan.
Hasil ini rasional secara ekonomi, di mana orang miskin perkotaan akan mencari
penghidupan yang lebih baik karena adanya manfaat yang lebih tinggi, seperti
adanya jaminan layanan dan fasilitas yang lebih baik, sehingga mereka lebih
memilih untuk pindah ke daerah perkotaan juga.
Kemudian untuk penduduk miskin perdesaan, kecenderungan mereka
untuk melakukan migrasi, baik ke daerah perdesaan lainnya maupun daerah
perkotaan, menunjukkan korelasi negatif. Perbedaan antara pola perilaku
penduduk miskin perkotaan dan perdesaan berkaitan dengan perbedaan garis
kemiskinan di masing-masing karakteristik wilayah, di mana garis kemiskinan
perdesaan lebih rendah daripada garis kemiskinan perkotaan. Sehingga, jika
dikaitkan dengan biaya migrasi, penduduk miskin perkotaan bisa membayar biaya
migrasi karena mereka sedikit lebih mampu dibandingkan dengan penduduk
miskin perdesaan.
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
61
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
DAFTAR PUSTAKA
xiv
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Harris, John dan Todaro, Michael. 1970. Migration, Unemployment and
Development: A Two Sector Analysis. www.aeaweb.org/aer/top20/60.1.126-
142.pdf [Online]
Kamaluddin, Rustian. 2004. Kemiskinan Perkotaan di Indonesia: Perkembangan,
Karakteristik dan Upaya Penanggulangan.
http://www.bappenas.go.id/files/3513/5022/6052/04rustian__200910141311
55__2259__0.pdf [online]
Indonesian Family Life Survey 3. http://www.rand.org/labor/FLS/IFLS/ifls3.html
[Online]
Lee, Everett. 1966. A Theory of Migration. Demography, Vol. 3, No. 1, pp 47-57.
Liebig, Thomas. 2003. Migration Theory from a Supply-Side Perspective.
University of St. Gallen, Switzerland. Discussion Paper No. 92
McCulloch, Neil dkk. 2006. The Pathways Out of Poverty in Rural Indonesia: An
Empirical Assessment. Research Committee Development Economics, No.
29. Berlin: Econstor.
Mckenzie, David dan Gibson, John. How Can Developing Country Governments
Facilitate International Migration for Poverty Reduction? Washington, DC:
World Bank.
Murrugarra, Edmundo dkk. 2011. Migration and Poverty. Washington, DC:
World Bank.
Nachrowi, Nachrowi dan Usman, Hardius. 2002. Penggunaan Teknik Ekonometri.
Jakarta: Rajagrafindo Persada.
Piracha, dkk. 2010. Immigrant Over and Under Education: The Role of Home
Country Labour Market Experience. Forschungsinstitut zur Zukunft der
Arbeit, No. 5302
Qin, Hua. 2010. Rural-to-Urban Labor Migration, Household Livelihoods, and
the Rural Environment in Chongqing Municipality, Southwest China.
Human Ecology, Vol. 38, No. 5, pp. 675-690.
Ravenstein, E. G. 1885. The Laws of Migration. Journal of the Statistical Society
in London, vol. 48, no. 2 pp 167-235.
Ray, Debraj. 1998. Development Economics. Oxford: Oxford University Press.
xv
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Schlottman, Alan dan Herzog, Henry. 1981. Employment Status and the Decision
to Migrate. The Review of Economics and Statistics, Vol. 63, No. 4, pp.
590-598.
Sensus Penduduk tahun 2010 http://sp2010.bps.go.id/ [Online]
Stark, Oded. 1991. The Migration of Labor. Massachusetts: Basil Blackwell, Inc.
Stark, Oded dan Taylor, J. Edward. 1989. Relative Deprivation and International
Migration. Demography, Vol. 26, No. 1, pp. 1-14.
Stark, Oded dan Taylor, J. Edward. 1991. Relative Deprivation and Migration:
Theory, Evidence, and Policy Implications. The World Bank: Population
and Human Resources Department and Agriculture and Rural Development
Department, WPS 656
Statistika Indonesia tahun 2000. Badan Pusat Statistika (BPS)
Stecklov, Guy dkk. 2005. Do Conditional Cash Transfers Influence Migration? A
Study Using Experimental Data from the Mexican Progresa Program.
Demography, Vol. 42, No. 4, pp. 769-790.
Tjiptoherijanto, Prijono. 2000. Urbanisasi dan Perkembangan Perkotaan di
Indonesia. http://www.geocities.ws/nuds2/18.html [Online]
Todaro, Michael dan Smith, Stephen. 2005. Economic Development, ninth
edition. Massachusetts: Addison-Wesley.
Vanwey, Leah. 2003. Land Ownership as a Determinant of Temporary Migration
in Nang Rong, Thailand. European Journal of Population, Vol. 19, No. 2,
pp. 121-145.
Winters, Paul dkk. 2001. Family and Community Networks in Mexico-U.S.
Migration. The Journal of Human Resources. Vol. 36, No. 1, pp. 159-184.
Wodon, Quentin dkk (World Bank). 2003. Migration and Poverty in Mexico’s
Southern States. MPRA Paper No. 10574
xvi
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Lampiran 1. Hasil Regresi Logit
Odds Ratio
xvii
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Efek Marjinal
Conditional marginal effects Number of obs = 14215
Model VCE : OIM
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
xviii
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
LAMPIRAN 2. UJI MULTIKORELASI
Variable VIF 1/VIF Variable VIF 1/VIF
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
xix
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
LAMPIRAN 4. HASIL REGRESI MULTINOMIAL LOGIT
PERKOTAAN
1
age3 -.0655158 .0169033 -3.88 0.000 -.0986456 -.032386
age32 .000578 .0001899 3.04 0.002 .0002057 .0009502
sex -.0301151 .0684718 -0.44 0.660 -.1643174 .1040871
educ .0726912 .0092588 7.85 0.000 .0545443 .0908381
formal .2548458 .0711295 3.58 0.000 .1154345 .3942571
married .1211486 .088318 1.37 0.170 -.0519515 .2942488
ln_total_aset -.0561847 .0147762 -3.80 0.000 -.0851455 -.0272239
landown -.2525688 .0974361 -2.59 0.010 -.44354 -.0615976
recip .1709272 .0720727 2.37 0.018 .0296673 .3121872
poor .2575249 .1056565 2.44 0.015 .0504419 .4646079
_cons .1012559 .3915117 0.26 0.796 -.6660929 .8686048
2
age3 -.1361346 .0331068 -4.11 0.000 -.2010226 -.0712465
age32 .0011992 .0003757 3.19 0.001 .0004628 .0019356
sex -.189607 .1455978 -1.30 0.193 -.4749735 .0957594
educ -.0309527 .0194457 -1.59 0.111 -.0690657 .0071602
formal .3924956 .154584 2.54 0.011 .0895164 .6954748
married -.2717414 .1801606 -1.51 0.131 -.6248497 .0813669
ln_total_aset -.1239842 .0205254 -6.04 0.000 -.1642133 -.083755
landown -.1699398 .2099346 -0.81 0.418 -.5814041 .2415245
recip -1.125234 .1911111 -5.89 0.000 -1.499804 -.7506629
poor -.5652484 .2887904 -1.96 0.050 -1.131267 .0007704
_cons 2.713252 .6902546 3.93 0.000 1.360378 4.066126
3 (base outcome)
xx
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Relative Risk Ratios
Multinomial logistic regression Number of obs = 6406
LR chi2(20) = 356.62
Prob > chi2 = 0.0000
Log likelihood = -3737.0792 Pseudo R2 = 0.0455
1
age3 .9365842 .0158313 -3.88 0.000 .9060637 .9681328
age32 1.000578 .00019 3.04 0.002 1.000206 1.000951
sex .9703338 .0664405 -0.44 0.660 .8484727 1.109697
educ 1.075398 .0099569 7.85 0.000 1.056059 1.095092
formal 1.290263 .0917758 3.58 0.000 1.122361 1.483282
married 1.128793 .0996927 1.37 0.170 .9493749 1.342118
ln_total_aset .9453645 .0139689 -3.80 0.000 .9183786 .9731433
landown .7768028 .0756886 -2.59 0.010 .6417606 .9402611
recip 1.186404 .0855074 2.37 0.018 1.030112 1.36641
poor 1.293724 .1366904 2.44 0.015 1.051736 1.59139
_cons 1.10656 .4332311 0.26 0.796 .5137118 2.383583
2
age3 .8727252 .0288931 -4.11 0.000 .8178939 .9312323
age32 1.0012 .0003762 3.19 0.001 1.000463 1.001937
sex .8272842 .1204508 -1.30 0.193 .6219016 1.100494
educ .9695214 .0188531 -1.59 0.111 .9332654 1.007186
formal 1.480671 .2288882 2.54 0.011 1.093645 2.004661
married .7620513 .1372916 -1.51 0.131 .5353419 1.084769
ln_total_aset .8833938 .0181321 -6.04 0.000 .848561 .9196565
landown .8437156 .1771251 -0.81 0.418 .5591128 1.273189
recip .3245766 .0620302 -5.89 0.000 .2231738 .4720535
poor .568219 .1640962 -1.96 0.050 .3226242 1.000771
_cons 15.07823 10.40782 3.93 0.000 3.897666 58.33057
3 (base outcome)
xxi
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Efek Marjinal
Average marginal effects Number of obs = 6406
Model VCE : OIM
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
xxii
. Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
LAMPIRAN 5. PREDIKSI PROBABILITAS MIGRASI PERKOTAAN
Migrasi Kota-Kota
Adjusted predictions Number of obs = 1156
Model VCE : OIM
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
Migrasi Kota-Desa
Adjusted predictions Number of obs = 213
Model VCE : OIM
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
Tidak Migrasi
Adjusted predictions Number of obs = 5037
Model VCE : OIM
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
xxiii
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
LAMPIRAN 6. HASIL REGRESI MULTINOMIAL LOGIT
PERDESAAN
1
age3 -.0211955 .0146624 -1.45 0.148 -.0499333 .0075424
age32 .000137 .0001553 0.88 0.378 -.0001674 .0004414
sex .2955177 .0711461 4.15 0.000 .1560738 .4349615
educ -.0529927 .0099766 -5.31 0.000 -.0725465 -.0334389
formal .0920506 .0773067 1.19 0.234 -.0594678 .243569
married -.1081277 .0936348 -1.15 0.248 -.2916486 .0753931
ln_total_aset -.0549176 .0180645 -3.04 0.002 -.0903233 -.0195118
landown -.8712624 .07209 -12.09 0.000 -1.012556 -.7299685
recip -.3369269 .0695381 -4.85 0.000 -.4732191 -.2006347
poor -.4934858 .1132604 -4.36 0.000 -.7154721 -.2714995
_cons .5356848 .3931889 1.36 0.173 -.2349513 1.306321
2
age3 -.1374889 .0234996 -5.85 0.000 -.1835473 -.0914305
age32 .0012864 .0002582 4.98 0.000 .0007802 .0017925
sex .1243185 .1162193 1.07 0.285 -.1034671 .3521041
educ .0872767 .0161343 5.41 0.000 .055654 .1188994
formal .1246413 .1207433 1.03 0.302 -.1120111 .3612937
married -.739685 .1403751 -5.27 0.000 -1.014815 -.4645549
ln_total_aset -.0104885 .0308896 -0.34 0.734 -.071031 .050054
landown -1.21943 .1236306 -9.86 0.000 -1.461741 -.977118
recip -.2819023 .1178164 -2.39 0.017 -.5128182 -.0509865
poor -.4032062 .1967175 -2.05 0.040 -.7887655 -.0176469
_cons .9494613 .6179675 1.54 0.124 -.2617327 2.160655
3 (base outcome)
xxiv
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Relative Risk Ratios
Multinomial logistic regression Number of obs = 7809
LR chi2(20) = 648.21
Prob > chi2 = 0.0000
Log likelihood = -4208.4962 Pseudo R2 = 0.0715
1
age3 .9790276 .0143549 -1.45 0.148 .9512928 1.007571
age32 1.000137 .0001553 0.88 0.378 .9998326 1.000442
sex 1.343822 .0956077 4.15 0.000 1.168913 1.544904
educ .9483869 .0094617 -5.31 0.000 .9300225 .967114
formal 1.09642 .0847607 1.19 0.234 .9422659 1.275794
married .897513 .0840385 -1.15 0.248 .747031 1.078308
ln_total_aset .9465632 .0170992 -3.04 0.002 .9136357 .9806773
landown .418423 .0301641 -12.09 0.000 .3632892 .4819242
recip .713961 .0496475 -4.85 0.000 .6229935 .8182112
poor .6104946 .0691449 -4.36 0.000 .4889612 .7622357
_cons 1.708618 .6718096 1.36 0.173 .7906094 3.692563
2
age3 .871544 .020481 -5.85 0.000 .8323125 .9126248
age32 1.001287 .0002586 4.98 0.000 1.000781 1.001794
sex 1.132376 .131604 1.07 0.285 .9017057 1.422057
educ 1.091199 .0176057 5.41 0.000 1.057232 1.126257
formal 1.132742 .136771 1.03 0.302 .8940343 1.435185
married .4772642 .066996 -5.27 0.000 .3624694 .6284148
ln_total_aset .9895663 .0305673 -0.34 0.734 .931433 1.051328
landown .2953986 .0365203 -9.86 0.000 .2318323 .3763943
recip .7543474 .0888745 -2.39 0.017 .5988057 .9502915
poor .6681743 .1314416 -2.05 0.040 .4544054 .9825079
_cons 2.584317 1.597024 1.54 0.124 .7697168 8.676822
3 (base outcome)
xxv
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
Efek Marjinal
Average marginal effects Number of obs = 7809
Model VCE : OIM
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
Delta-method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
xxvi
. Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014
LAMPIRAN 7. PREDIKSI PROBABILITAS MIGRASI PERDESAAN
Migrasi Desa-Desa
Adjusted predictions Number of obs = 1068
Model VCE : OIM
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
Migrasi Desa-Kota
Adjusted predictions Number of obs = 364
Model VCE : OIM
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
Tidak Migrasi
Adjusted predictions Number of obs = 6377
Model VCE : OIM
Delta-method
Margin Std. Err. z P>|z| [95% Conf. Interval]
xxvii
Universitas Indonesia
Pengaruh kemiskinan ..., Aulia Nabila, FE UI, 2014