B. SUMBER DATA
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh
dari BPS, BKKBN, dan BI dengan periode waktu tahun 2006 hingga 2014. Data yang
digunakan merupakan data 34 Provinsi di Indonesia. Dalam penelitian ini, dijelaskan
terkait pemodelan faktor-faktor yang berpengaruh terhadap Tingkat Pengangguran
Terbuka di Indonesia. Regresi panel digunakan karena dianggap paling baik dalam
mendeteksi dan mengukur dampak yang secara sederhana tidak bisa dilihat pada data
cross section murni atau time series murni. Meningkatnya angka TPT dari tahun ke
tahun untuk masing-masing daerah mengindikasikan waktu dan lokasi berpengaruh
terhadap TPT sehingga waktu (tahun) diperhitungkan dalam pemodelan.
C. SPESIFIKASI MODEL
1. Variabel yang Digunakan Dalam Model
Tingkat Pengangguran Terbuka (TPT = Y)
Tingkat Pengangguran Terbuka (TPT) adalah persentase jumlah
pengangguran terhadap jumlah angkatan kerja. Dimana, TPT memiliki
kegunaan dalam mengindikasikan besarnya persentase angkatan kerja
yang termasuk dalam pengangguran. Adapun dalam perhitungannya
digunakan rumus sebagai berikut.
Jumlah Pengangguran
TPT = ×100 %
Jumlah Angkatan Kerja
Laju Pertumbuhan Penduduk (X1)
Laju pertumbuhan penduduk adalah angka yang menunjukkan
persentase pertambahan penduduk dalam jangka waktu tertentu 6 .
Laju pertumbuhan penduduk adalah perubahan jumlah penduduk di
suatu wilayah tertentu pada waktu tertentu. Kegunaannya adalah
memprediksi jumlah penduduk sutu wilayah di masa yang akan
mendatang.
Angka Melek Huruf (X2)
Angka melek huruf merupakan tolak ukur penting dalam
mempertimbangkan kemampuan sumber daya manusia di suatu daerah.
Kemampuan baca-tulis juga berarti peningkatan peluang kerja dan
akses yang lebih luas pada pendidikan yang lebih tinggi. Angka Melek
Huruf adalah proporsi penduduk usia 15 tahun ke atas yang
mempunyai kemampuan membaca dan menulis huruf latin dan huruf
lainnya, tanpa harus mengerti apa yang di baca/ditulisnya terhadap
penduduk usia 15 tahun ke atas.
Angka Partisipasi Kasar (APK) SMA (X3)
Angka Partisipasi Kasar (APK) merupakan proporsi jumlah penduduk
yang sedang bersekolah pada suatu jenjang pendidikan tertentu
terhadap jumlah penduduk usia sekolah yang sesuai dengan jenjang
pendidikan tersebut. Indikator ini mengindikasikan partisipasi sekolah
penduduk pada jenjang pendidikan tertentu tanpa memperhatikan usia.
Nilai APK bisa lebih dari 100 persen, karena populasi murid yang
bersekolah pada suatu jenjang pendidikan tertentu mencakup anak di
luar batas usia sekolah pada jenjang pendidikan tersebut. Hal ini
disebabkan antara lain oleh adanya pendaftaran siswa usia dini,
pendaftaran siswa yang telat bersekolah, atau pengulangan kelas.
2. Tanda dan Ukuran dari Parameter Model
Diperoleh model Tingkat Pengangguran Terbuka di Indonesia sebagai berikut.
^y ¿ =α i+ β ' X +e ¿
¿
^y ¿ =20,799+0,358 X 1¿−0,046 X ¿
2¿−0,157 X 3¿ ¿ ¿
Dimana :
^y ¿ = Tingkat Pengangguran Terbuka (TPT)
αi = Konstanta
βi = Koefisien Regresi
X1 = Laju Pertumbuhan Penduduk
X2 = Angka Melek Huruf
X3 = Angka Partisipasi Kasar (APK) SMA
e = Error Term
i = Observasi
t = Waktu
D. ESTIMASI MODEL
Data yang digunakan dalam penelitian ini adalah data panel dengan
pendekatan regresi panel. Dimana, regresi panel merupakan analisis regresi dengan
struktur data gabungan dari data cross section dan data time series. Data cross section
merupakan data dari satu variabel atau lebih yang dikumpulkan untuk beberapa
individu dalam satu waktu. Sedangkan data time series merupakan data dari satu
variabel atau lebih yang dikumpulkan dari waktu ke waktu. Sehingga dalam data
panel, unit cross section yang sama dikumpulkan dari waktu ke waktu.
Untuk mengestimasi model regresi data panel ada beberapa kemungkinan
yang akan muncul. Ada tiga kemungkinan dalam melakukan estimasi model regresi
panel, diantaranya adalah Common Effect Model (CEM), Fixed Effect Model (FEM)
dan Random Effect Model (REM). Pada pendekatan Common Effect Model, seluruh
data digabungkan tanpa memperhatikan individu dan waktu. Kemudian, Fixed Effect
Model (FEM) merupakan pendekatan untuk mengestimasi data panel yang dapat
dibedakan berdasarkan individu dan waktu dengan memasukkan nilai intersep
berbeda-beda untuk setiap unit cross section tetapi masih memiliki asumsi slope
koefisien tetap. Sedangkan pendekatan Random Effect Model (REM) melibatkan
korelasi antar error terms karena berubahnya waktu maupun unit observasi.
Dalam teknik estimasi parameternya, CEM menggunakan pendekatan
Ordinary Least Squared (OLS) dan REM dengan Generalized Least Squares (GLS).
Sedangkan dalam memilih model FEM digunakan pendekatan Least Square Dummy
Variable (LSDV). Untuk mengetahui model yang akan dipakai, dilakukan uji
spesifikasi model. Pengujian yang digunakan antara lain uji chow, uji hausman, dan
uji lagrange multiplier.
Kesesuaian tanda :
Nilai koefisien dari variabel Laju Pertumbuhan Penduduk memiliki
tanda positif menunjukkan bahwa semakin tinggi Laju
Pertumbuhan penduduk, maka nilai TPT akan semakin tinggi. Hal
tersebut sudah sesuai dengan teori ekonomi.
Nilai koefisien dari variabel Angka Melek Huruf memiliki tanda
negatif menunjukkan bahwa semakin tinggi Angka Melek Huruf,
maka nilai TPT akan semakin rendah. Hal tersebut sudah sesuai
dengan teori ekonomi.
Nilai koefisien dari variabel Angka Partisipasi Kasar SMA
memiliki tanda negatif menunjukkan bahwa semakin tinggi Angka
Partisipasi Kasar SMA, maka nilai TPT akan semakin rendah. Hal
tersebut sudah sesuai dengan teori ekonomi.
2. Kriteria Statistika
a. Koefisien Determinasi
Berikut ini untuk melihat kebaikan model, dapat dilihat dari nilai R2.
Adapun hasil R2 model FEM cross section weight adalah sebagai berikut.
Berdasarkan hasil review dan pembahasan pada jurnal penelitian ini dapat
diperoleh kesimpulan dan sebagai berikut. Hasil pemodelan dan kesesuaian yang
dihasilkan dalam jurnal ini sudah memenuhi teori ekonomi dengan baik dan benar.
Selain itu, seluruh pengujian dan hasil dari pengujian tersebut sudah tecantum dalam
jurnal ini dengan baik dan benar. Namun, nilai korelasi antar variabel predictor tidak
tercantum sehingga tidak dapat diketahui kekuatan dari korelasi antar variabel
tersebut. Seharusnya peneliti mencantumkan data pada jurnal tersebut pada bagian
lampiran, sehingga pembaca dapat memudahkan pembaca.