Oleh:
Djaurotul Iftita Nurrizkiya
Jurusan Pendidikan Ekonomi, Fakultas Ekonomika dan Bisnis, Universitas Negeri Surabaya
Email: djaurotuliftita.20003@mhs.unesa.ac.id
Abstrak
Regresi panel merupakan penggabungan dari Cross Section dan Time Series, untuk mengestimasi
regresi panel ini, peneliti menggunakan tiga pendekatan yaitu Common Effect Model (CEM),
Fixed Effect Model (FEM) dan Random Effect Model (REM). Dalam pendekatan CEM
digunakan Ordinary Last Square (OLS). Pada pendekatan FEM, parameter OLS diestimasi
kemudian ditambahkan variabel dummy. Pada pendekatan REM, error diasumsikan acak dan
diestimasikan dengan metode Generalized Least Square (GLS). Penelitian ini bertujuan untuk
menganalisis prsesentase penduduk miskini di provinsi Jawa Tengah dengan menggunakan
regresi data panel.
Kata kunci : kemiskinan di Jawa Tengah, Common Effect Model, Fixed Effect Model, Random
Effect Model
Abstract
Panel regression is a combination of Cross Section and Time Series, to estimate this panel
regression, the researcher uses three approaches, namely Common Effect Model (CEM), Fixed
Effect Model (FEM) and Random Effect Model (REM). In the CEM approach, Ordinary Last
Square (OLS) is used. In the FEM approach, the estimated OLS parameters are then added with
a dummy variable. In the REM approach, the error is assumed to be random and estimated using
the Generalized Least Square (GLS) method. This study aims to analyze the factors that porvity
in Central Java province by using panel data regression.
Keywords: Poorvity in Central Java, Common Effect Model, Fixed Effect Model, Random Effect
Model
PENDADULUAN
Kemiskinan merupakan sebuah permasalahan dari semua negara, salah satunya negara
Indonesia. Masalah kemiskinan merupakan masalah yang kompleks dan bersifat
multidimensional sehingga menjadi prioritas pembangunan oleh pemerintah (Ferezagia, 2018).
Kemiskinan merupakan gambaran kehidupan di banyak negara berkembang yang mencakup
lebih dari satu milyar penduduk dunia. Kemiskinan merupakan permasalahan yang diakibatkan
oleh kondisi nasional suatu negara dan situasi global. Globalisasi ekonomi dan bertambahnya
ketergantungan antar negara, tidak hanya merupakan tantangan dan kesempatan bagi
pertumbuhan ekonomi serta pembangunan suatu negara, tetapi juga mengandung resiko dan
ketidakpastian masa depan perekonomian dunia (Setiawan, 2017).
Menurut Badan Pusat Statistik (BPS) Untuk mengukur kemiskinan, BPS menggunakan
konsep kemampuan memenuhi kebutuhan dasar (basic needs approach). Konsep ini mengacu
pada Handbook on Poverty and Inequality yang diterbitkan oleh Worldbank. Dengan pendekatan
ini, kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi
kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Selain itu
kemiskinan juga berkaitan dengan keterbatasan lapangan pekerjaan dan biasanya mereka yang
dikategorikan miskin (the poor) tidak memiliki pekerjaan (pengangguran), serta tingkat
pendidikan dan kesehatan mereka pada umumnya tidak memadai. Mengatasi masalah
kemiskinan tidak dapat dilakukan secara terpisah dari masalah-masalah pengangguran,
pendidikan, kesehatan dan masalah-masalah lain yang secara eksplisit berkaitan erat dengan
masalah kemiskinan. Dengan kata lain, pendekatannya harus dilakukan lintas sektor, lintas
pelaku secara terpadu dan terkoordinasi dan terintegrasi (Susanti, 2013).
Jawa Tengah merupakan salah satu propinsi yang tingkat kemiskinannya masih cukup
tinggi sehingga perlu diketahui faktor apa yang mendasarinya dan seberapa besar pengaruh
faktor tersebut sehingga bisa dicari solusi untuk menurunkan tingkat kemiskinan tersebut.
Presentase tingkat kemiskinan di provinsi Jawa Tengah cukup fluktuatif pada tahun 2013-2015
dan menunjuka angka penurunan yang signifikan. Oleh karena itu perlu adanya analisis
berkesinambungan mengenai faktor-faktor apa saja yang mempengaruhi tingkat kemiskinan
yang terjadi setiap tahunnya.
Analisis data yang dipakai dalam penelitian ini tidak bisa mnggunakan analisis statistic
biasa, yang mana prosesnya mensyaratkan penggunaan data hanya untuk data cross section atau
data time series saja. Namun penelitian ini menggunakan data cross section dan time series
sehingga penggunaan pendekatan data panel sangatlah cocok untuk menguji variabel-variabel
yang terlibat. Terdapat 4 faktor-faktor yang mempengaruhi kemiskinan suatu wilayah, yaitu ratio
ketergantungan penduduk, pendapatan perkapita, presentase penduduk yang bekerja, rata-rata
lama sekolah, angka haraoan hidup, presentase penduduk usia sekolah yang tidak bersekolah,
presentase penduduk yang mengalami gangguan kesehatan.
KAJIAN PUSTAKA
Konsep Kemiskinan
Pada tahun 2000-an Wordbank memberikan definisi tentang Konsep kemiskinan, bahwa
kemiskinan adalah kehilangan kesejahteraan dan inti dari permasalahan keminskinan adalah
batasan-batasan dalam kesejahteraan. kemiskinan juga dipandang sebagai suatu keadaan dimana
kurangnya akses terhadap pendidikan, kesehatan atau air minum yang bersih, atau untuk
mempengaruhi proses politik dan faktor lainnya yang penting bagi manusia. Jika definisi
kemiskinan dikaitkan dengan kesejahteraan, kemiskinan dapat diartikan sebagai
ketidakmampuan untuk dalam memenuhi kesejahteraan kebutuhan hidupnya.
Garis Kemiskinan
Garis Kemiskinan (GK) mencerminkan nilai rupiah pengeluaran minimum yang diperlukan
seseorang untuk memenuhi kebutuhan pokok hidupnya selama sebulan, baik kebutuhan makanan
maupun non-makanan. GK terdiri dari Garis Kemiskinan Makanan (GKM) dan Garis
Kemiskinan Non-Makanan (GKNM). Garis Kemiskinan Makanan (GKM) merupakan nilai
pengeluaran minimum untuk kebutuhan makanan yang disetarakan dengan 2100 kilokalori per
kapita per hari. Garis Kemiskinan Non-Makanan (GKNM) merupakan nilai pengeluaran
minimum untuk kebutuhan non-makanan berupa perumahan, sandang, pendidikan dan
kesehatan. Rumus perhitungan:
GK = GMK – GKNM
1. Menentukan kelompok referensi (reference population) yaitu 20% penduduk yang berada
di atas Garis Kemiskinan Sementara (GKS). Kelompok referensi ini didefinisikan sebagai
penduduk kelas marginal. GKS dihitung berdasarkan GK periode sebelumnya yang di-
inflate dengan inflasi umum (IHK). Dari penduduk referensi ini, kemudian dihitung Garis
Kemiskinan Makanan (GKM) dan Garis Kemiskinan Non-Makanan (GKNM).
2. Garis Kemiskinan Makanan (GKM) adalah jumlah nilai pengeluaran dari 52 komoditi
dasar makanan yang riil dikonsumsi penduduk referensi, yang kemudian disetarakan
dengan 2100 kilokalori per kapita per hari. Patokan ini mengacu pada hasil Widyakarya
Pangan dan Gizi 1978. Penyetaraan nilai pengeluaran kebutuhan minimum makanan
dilakukan dengan menghitung harga rata-rata kalori dari 52 komoditi tersebut.
Indeks Kedalaman Kemiskinan (Poverty Gap Index-P1) merupakan ukuran rata-rata kesenjangan
pengeluaran masing-masing penduduk miskin terhadap garis kemiskinan. Semakin tinggi nilai
indeks, semakin jauh rata-rata pengeluaran penduduk dari garis kemiskinan.
Gini Ratio
METODE PENELITIAN
Jenis dan Sumber data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang
diperoleh secara langsung dari BPS Provinsi Jawa Tengah yang telah dipublikasikan. Dalam
studi kasus ini, data yang diperoleh merupakan data presentase penduduk miskin, ratio
ketergantungan penduduk, pendapatan perkapita penduduk yang telah di sesuaikan, angka
harapan hidup, presentasi penduduk diatas 7-24 tahun tetapi tidak bekerja.
Variabel Penelitian
Variabel penelitian yang digunakan dalam penelitian ini adalah variabel respon (Y) yaitu
presentase penduduk miskin (dalam persen) dari 35 kota atau kabupaten yang ada di Jawa
Tengah dan juga beberapa variabel predictor yaitu:
X1 = Ratio Ketergantungan Penduduk (RKP)
X2 = Pendapatan Perkapita Penduduk yang telah disesuaikan (PPK)
X3 = Angka Harapan Hidup (AHH)
X4 = Presentasi Penduduk diatas 7-24 tahun tetapi tidak bekerja (PTB)
Berdasarkan output hasil olah data, diperoleh hasil nilai probabilitas (F-Statistic) adalah
0,000000 lebih kecil daripada taraf signifikansi (α) 0,05, maka Ho ditolak, keputusannya
bahwa FEM lebih tepat daripada CEM.
Dari hasil analisis data yang dilakukan antara FEM, CEM, dan REM. REM merupakan
model yang terpilih dan paling tepat daripada kedua model lainnya (FEM dan REM).
Berdasarkan output hasil pengolahan data, diketahui bahwa nilai korelasi dari
masing-masing variabel bebas < 0,105. Maka Ho diterima sehingga tidak ada
multikolinieritas abtar variabel bebas dalam model regresi.
3. Uji Heteroskesdatisitas
Hipotesis:
Ho = Tidak ada masalah heteroskesdatisitas pada model regresi
Ha = terdapat masalah heteroskedastisitas pada model regresi
Kaidah pengambilan keputusan adalah:
Ho diterima apabila nilai Probabilitas t-statistic masing-masing variabel bebas
lebih besar dari taraf signifikansi (α) 0,05 atau 5%.
Ho ditolak apabila nilai Probabilitas t-statistic masing-masing variabel bebas
lebih kecil dari taraf signifikansi (α) 0,05 atau 5%.
Tabel 3 Hasil Uji REM metode Cross Section Weight
Variabel Coefficient Std. Error t-Statistic Prob.
C 26,00762 11,71007 2,220961 0,1286
RKP -0,064122 0,064618 -0,992329 0,3234
PPK 0,105100 0,171681 0,612181 0,5418
AHH -0,311028 0,119385 -2,605241 0,1106
PTB 0,050519 0,052599 0,960448 0,3391
Berdasarkan hasil output pengolahan data, diperolehnilai probabilitas masing-masing
variabel bebas lebih besar dibandingkan taraf signifikansi (α) 0,05. Maka Ho diterima
sehingga tidak ada masalah heteroskedastisitas pada model regresi.
4. Uji AutoKorelasi
Hipotesis:
Ho = Tidak ada Autokorelasi pada model regresi
Ha = Terdapat Autokorelasi pada modl regresi
Kaidah keputusan Uji Autokorelasi metode Durbin-Wetson adalah:
du < DW < 4 – dU maka Ho diterima yang artinya tidak terjadi autokorelasi
DW < dL atau DW < 4 – Dl, maka Ho ditolak artinya terjadi Autokorelasi
dL < DW < dU atau 4 – dU < DW < 4 – dL, artinya tidak ada kepastian atau
kesimpulan yang pasti.
Kriteria alternatif : Nilai DW berada diantara -2 dan +2 (-2 < dw < + 2) tidak terjadi
autokorelasi.
Tabel 4 data REM Weighted Statistics (Durbin-Watson)
R-Squared 0,509098 Mean dependent var 0,876478
Adjusted R-Squared 0,489461 S.D. dependent var 0,50822
S.E. of regression 0,359991 Sum squared resid 12,95935
F-Statistic 25,92662 Durbin-Watson stat 1,966047
Prob (F-Statistic) 0,000000
Berdasarkan hasil pengolahan data, diperoleh nilai DW adalah 1,966047, nilai dU tabel
Durbin Watson pada penelitian ini adalah 1,7617 berarti nilai dU < DW – 4 – dU
sehingga Ho diterima yang artinya tidak terjadi autokorelasi pada model regresi.
c. Uji Kelayakan Model
1. Analisis Koefisien Determinasi
Berdasarkan output regresi REM pada tabel 4 REM Weighted Statistics (Durbin-Watson)
diatas diperolah nilai koefisien determinasi R-Squared model regresi sebesar 0,509098.
Dapat disimpulkan bahwa kontribusi atau sumbangan pengaruh Ratio Ketergantungan
Penduduk (RTP), Pendapatan PerKapita (PPK), Angka Harapan Hidup (AHH) dan
Presentase penduduk diatas 7-24 tahun tetapi tidak bekerja secara bersama-sama terhadap
variasi tingkat kemiskinan (Y) adalah sebesar 0,509098% dan sisanya sebesar 0,490902%
dipengaruhi oleh faktor-faktor lain yang tidak diteliti.
KESIMPULAN
Berdasarkan hasil analisis dengan menggunakan persamaan regresi data panel melalui
metode Random Effect Model (REM) dengan pendekatan OLS Weights Cross-section untuk
kemiskinan di Provinsi Jawa Tengah, maka dapat disimpulkan hal-hal sebagai berikut:
1. Model regresi data panel yang sesuai untuk mengetahu faktor-faktor yang berpengaruh
terhadap kemiskinan di Jawa Tengah adalah: