ANALISIS PENGARUH JUMLAH PENDUDUK, ANGKATAN KERJA,

INFLASI TERHADAP TINGKAT PENGANGGURAN DI PULAU JAWA

TAHUN 2015 – 2022

Disusun oleh:
Gregorious Wahyu Djatmiko
NPM: 19 11 25171

Pembimbing
Drs. Andreas Sukamto, M.Si.

Program Studi Ekonomi Pembangunan, Fakultas Bisnis dan Ekonomika

Universitas Atma Jaya Yogyakarta

Abstrak

Penelitian ini dilakukan untuk mengetahui bagaimana hubungan antara Jumlah

Penduduk, Angkatan Kerja, Inflasi terhadap Tingkat Pengangguran di Pulau Jawa
Tahun 2015 – Tahun 2022. Data yang digunakan adalah data cross section dari
empat provinsi di Pulau Jawa Tahun 2015 – Tahun 2022. Metode analisis yang
digunakan dalam penelitian ini adalah Regresi Data Panel. Variabel yang diduga
mempengaruhi tingkat pengangguran adalah jumlah penduduk, angkatan kerja,
dan inflasi.
Hasil dari penelitian yang dilakukan adalah jumlah penduduk berpengaruh
terhadap tingkat pengangguran di Pulau Jawa Tahun 2015 – Tahun 2022. Variabel
angkatan kerja, inflasi tidak berpengaruh terhadap tingkat pengangguran di Pulau
Jawa Tahun 2015 – Tahun 2022.
Kata kunci: Tingkat Pengangguran, Cross Section, Data Panel
1. Pendahuluan

1.1. Latar Belakang

Indonesia merupakan negara kepulauan yang terdiri dari ribuan pulau yang

terbentang dari Sabang sampai Merauke. Jumlah provinsi pada tahun 2023 ini berjumlah

38 provinsi. Pada tahun 2021, dipublikasikan oleh Bank Data, 2021 bahwa Indonesia

memiliki jumlah penduduk berjumlah 273.753.191 juta orang. Dilansir dari Kompas

yang dituliskan oleh Karunia, 2021, penduduk menurut buku Pengelolaan Administrasi

Penduduk Desa (2019) adalah sejumlah orang yang tinggal di suatu daerah pada suatu

negara.

Memiliki banyak jumlah penduduk di Indonesia, akan memberikan kemungkinan

pengaruh terhadap angkatan kerja (orang bekerja) yang ada di Indonesia. Tahun 2021,

dipublikasikan oleh Bank Data, 2021 bahwa angkatan kerja di Indonesia berjumlah

134.381.715 juta orang.

Keadaan jumlah penduduk dan angkatan kerja yang cukup besar, akan dapat

memberikan kemungkinan pengaruh terhadap kondisi inflasi yang terjadi di Indonesia.

Tahun 2021, dipublikasikan oleh Bank Data, 2021 bahwa inflasi yang terjadi di

Indonesia berjumlah 1,6%. Angka tersebut rendah dikarenakan kemungkinan pandemi

yang masih melanda di Indonesia sehingga dapat membatasi kegiatan ekonomi di

masyarakat dan memiliki dampak kepada inflasi yang terjadi.

Kondisi pengangguran yang ada di Indonesia merupakan bagian dari jumlah

penduduk dan angkatan kerja yang ada di Indonesia. Tahun 2021, dipublikasikan oleh

Bank Data, 2021 bahwa pengangguran yang terjadi di Indonesia berjumlah 3,8%.

Menurut Ahmad, 2022 dalam publikasi Gramedia Blog pengangguran merupakan sebuah
istilah yang diberikan untuk seseorang yang tidak bekerja sama sekali atau orang yang

sedang mencari pekerjaan.

Jumlah penduduk, angkatan kerja, inflasi, dan pengangguran merupakan tiga hal yang

perlu diperhatikan pada suatu negara yang sedang berkembang termasuk Indonesia. Saat

ini, ketiga hal tersebut merupakan hal yang perlu diperhatikan oleh pemerintah di

Indonesia dari tingkat daerah hingga ke pusat, karena hal tersebut akan semakin

berkembang melihat kondisi Indonesia yang sedang berkembang saat ini.

Pengangguran yang terjadi di Indonesia termasuk kondisi yang selalu terjadi setiap

tahun. Kemudian, berdasarkan data yang tersedia dalam World Bank Data angkatan kerja

yang ada di Indonesia hampir setengah dari jumlah penduduk di Indonesia. Berangkat

dari beberapa hal diatas dan salah satu pertimbangan bahwa negara Indonesia merupakan

negara yang berkembang, penulis ingin melakukan penelitian terkait jumlah penduduk,

angkatan kerja, inflasi, dan pengangguran.

Di Indonesia terdapat Pulau Jawa, merupakan salah satu pulau yang memiliki

peningkatan dari semua sektor yang luar biasa. Sektor infrastruktur, keadaan manusia,

lapangan pekerjaan, perekonomian masih banyak terpusat atau dilakukan di Pulau Jawa.

Pulau Jawa terdiri dari enam provinsi yang tersebar dari Barat hingga Timur.

Selanjutnya, di Pulau Jawa dikenal dengan pusat perekonomian dari Indonesia karena

salah satu provinsi yang ada menjadi pusat ibu kota dan pemerintahan.

1.2. Rumusan Masalah

Berdasarkan uraian yang telah disampaikan pada bagian Latar Belakang, rumusan

masalah yang telah disusun oleh penulis dalam melakukan penelitian ini yaitu:

1. Bagaimana pengaruh jumlah penduduk terhadap tingkat pengangguran di Pulau

Jawa tahun 2015 – tahun 2022?

 2. Bagaimana pengaruh angkatan kerja terhadap tingkat pengangguran di Pulau

Jawa tahun 2015 – tahun 2022?

3. Bagaimana pengaruh inflasi terhadap tingkat pengangguran di Pulau Jawa tahun

2015 – tahun 2022?

2. Studi Terdahulu

Penelitian yang pertama dilakukan oleh Prakoso, 2020 dengan judul “ANALISIS

PENGARUH TINGKAT PENDIDIKAN, UPAH MINIMUM, INFLASI DAN

INVESTASI TERHADAP TINGKAT PENGANGGURAN DI INDONESIA PERIODE

2010-2019”. Hasil yang didapatkan dari penelitian ini adalah secara simultan, keempat

variabel bebas memiliki pengaruh yang signifikan, sedangkan secara parsial, Tingkat

Pendidikan, Inflasi dan Upah Minimum memiliki pengaruh yang negatif dan signifikan,

sedangkan Investasi Asing tidak memiliki pengaruh yang signifikan terhadap tingkat

pengangguran di Indonesia pada tahun 2010-2019.

Kedua, penelitian yang dilakukan oleh AYUNINGTYAS, 2019 dengan judul

“PENGARUH INFLASI DAN PERTUMBUHAN PENDUDUK TERHADAP

TINGKAT PENGANGGURAN DI KOTA SAMARINDA”. Hasil yang didapatkan

bahwa variabel inflasi berpengaruh signifikan dan memiliki hubungan positif terhadap

tingkat pengangguran. Dari variabel bebas yaitu inflasi dan pertumbuhan penduduk

secara bersama-sama berpengaruh signifikan terhadap variabel terikat yaitu tingkat

pengangguran.

Ketiga, peneltian yang dilakukan oleh Astuti et al., 2019 dengan judul “PENGARUH

PERTUMBUHAN EKONOMI, TINGKAT INFLASI, DAN PERTUMBUHAN

PENDUDUK TERHADAP TINGKAT PENGANGGURAN TERBUKA DI

INDONESIA”. Hasil dari penelitian yang dilakukan adalah variabel pertumbuhan

ekonomi berpengaruh positif dan tidak signifikan terhadap tingkat pengangguran

terbuka, dan variabel inflasi berpengaruh positif dan tidak signifikan terhadap tingkat

pengangguran terbuka. variabel pertumbuhan penduduk berpengaruh negatif dan

signifikan terhadap tingkat pengangguran terbuka di Indonesia.

Penelitian keempat yang dilakukan oleh Sambaulu1 et al., 2022 dengan judul

“PENGARUH JUMLAH PENDUDUK, UPAH MINIMUM DAN INFLASI

TERHADAP PENGANGGURAN DI KOTA MANADO”. Hasil dari penelitian yang

dilakukan oleh penulis yaitu menunjukkan bahwa jumlah penduduk secara parsial

berpengaruh positif dan signifikan terhadap pengangguran, upah minimum dan inflasi

secara parsial berpengaruh negatif dan signifikan terhadap pengangguran. Secara

simultan jumlah penduduk, upah minimum dan inflasi berpengaruh terhadap

pengangguran.

Kelima, penelitian yang dilakukan oleh Sembiring & Sasongko, 2019 dengan judul

“Pengaruh Produk Domestik Regional Bruto, Inflasi, Upah Minimum, dan Jumlah

Penduduk Terhadap Pengangguran di Indonesia Periode 2011 – 2017”. Hasil dari

penelitian yang dilakukan adalah membuktikan bahwa Produk Domestik Regional Bruto

berpengaruh negatif signifikan terhadap pengangguran, Inflasi berpengaruh negatif

signifikan terhadap pengangguran, Upah Minimum berpengaruh negatif signifikan

terhadap pengangguran, sementara Jumlah Penduduk tidak berpengaruh terhadap

pengangguran.

Penelitian yang keenam, dilakukan oleh Kuntiarti, 2018 dengan judul “PENGARUH

INFLASI, JUMLAH PENDUDUK DAN KENAIKAN UPAH MINIMUM TERHADAP

PENGANGGURAN TERBUKA DI PROVINSI BANTEN TAHUN 2010-2015”. Hasil

dari penelitian yang dilakukan ini adalah menunjukkan bahwa inflasi berpengaruh tidak
signifikan terhadap pengangguran terbuka di Provinsi Banten tahun 2010-2015, jumlah

penduduk berpengaruh negatif dan signifikan terhadap pengangguran terbuka di Provinsi

Banten tahun 2010-2015 dan kenaikan upah minimum berpengaruh negatif dan

signifikan terhadap pengangguran terbuka di Provinsi Banten tahun 2010-2015.

Penelitian ketujuh yang dilakukan Khotimah, 2018 dengan judul “PENGARUH

TINGKAT PENDIDIKAN, PERTUMBUHAN EKONOMI, ANGKATAN KERJA,

DAN UPAH MINIMUM TERHADAP TINGKAT PENGANGGURAN DI DIY

TAHUN 2009-2015”. Hasil dari penelitian yang dilakukan ini adalah tingkat pendidikan,

angkatan kerja, dan upah minimum berpengaruh signifikan terhadap tingkat

pengangguran di DIY tahun 2009-2015. Tingkat pendidikan berpengaruh secara positif

terhadap tingkat pengangguran di DIY tahun 2009-2015, sedangkan angkatan kerja dan

upah minimum berpengaruh negatif terhadap tingkat pengangguran di DIY tahun 2009-

2015. Secara simultan tingkat pendidikan, pertumbuhan ekonomi, angkatan kerja dan

upah minimum juga berpengaruh signifikan terhadap tingkat pengangguran di DIY tahun

2009-2015.

Penelitian kedelapan, Zahroh, 2017 melakukan penelitian dengan judul “ANALISIS

PENGARUH PDRB, ANGKATAN KERJA, DAN UPAH MINIMUM TERHADAP

PENGANGGURAN DI KOTA MALANG”. Hasil dari penelitian yang dilakukan yaitu

PDRB berpengaruh positif dan tidak signifikan terhadap pengangguran, Angkatan Kerja

berpengaruh positif signifikan terhadap pengangguran, sedangkan Upah Minimum

berpengaruh negatif dan signifikan terhadap pengangguran di Kota Malang.

Kesembilan penulis Kurniawan et al., 2021 melakukan penelitian dengan judul

“Pengaruh Pertumbuhan Ekonomi, Upah Minimum, dan Angkatan Kerja terhadap

Tingkat Pengangguran di Provinsi Jambi”. Hasil dari penelitian tersebut adalah rata-rata
tingkat tingkat pengangguran di Provinsi Jambi selama periode 2001 – 2018 adalah 4,45

persen. Baik secara simultan maupun parsial, tingkat pengangguran di Provinsi Jambi

dipengaruhi oleh pertumbuhan ekonomi, upah minimum, angkatan kerja.

Kesepuluh, penulis Lumi et al., 2021 melakukan penelitian dengan judul “ANALISIS

PENGARUH JUMLAH ANGKATAN KERJA DAN INDEKS PEMBANGUNAN

MANUSIA TERHADAP TINGKAT PENGANGGURAN DI KOTA-KOTA PROVINSI

SULAWESI UTARA”. Hasil yang ditemukan dalam penelitian ini variabel jumlah

angkatan kerja berpengaruh positif dan signifikan terhadap tingkat pengangguran.

Variabel indeks pembangunan manusia berpengaruh negatif dan signifikan terhadap

tingkat pengangguran dan secara bersama-sama variabel jumlah angkatan kerja dan

indeks pembangunan manusia berpengaruh signifikan terhadap tingkat pengangguran di

kota-kota Provinsi Sulawesi Utara.

3. Kerangka Berpikir Konseptual dan Hipotesis

Kerangka pemikiran dalam penelitian yang dilakukan ini diawali dengan hipotesis

kemudian analisis regresi, lalu menentukan pendugaan model, melakukan estimasi, dan

melakukan analisis terhadap hasil estimasi yang dihasilkan. Beradasarkan analisis hasil

estimasi ditentukan estimasi pengaruh jumlah penduduk terhadap tingkat pengangguran,

angkatan kerja terhadap tingkat pengangguran, dan inflasi terhadap tingkat

pengangguran. Bagan dalam penelitian yang dilakukan disajikan dalam bentuk berikut

ini :
Menganalisis faktor-faktor yang
mempengaruhi Tingkat Pengangguran

Mengestimasi variabel Jumlah

Penduduk, Angkatan Kerja, Inflasi
terhadap Pengangguran
 Menentukan pengaruh variabel
Jumlah Penduduk, Angkatan Kerja,
Inflasi terhadap Pengangguran

Berdasarkan kerangka konseptual yang telah disusun oleh penulis, dalam bagian

menganalisis faktor-faktor yang mempengaruhi tingkat pengangguran diperoleh hipotesis

dalam penelitian yang dilakukan oleh penulis sebagai berikut :

1) Diduga jumlah penduduk memiliki pengaruh signifikan terhadap tingkat

pengangguran di Pulau Jawa tahun 2015 – tahun 2022;

2) Diduga angkatan kerja memiliki pengaruh signifikan terhadap tingkat

pengangguran di Pulau Jawa tahun 2015 – tahun 2022;

3) Diduga inflasi memiliki pengaruh signifikan terhadap tingkat pengangguran di

Pulau Jawa tahun 2015 – tahun 2022.

4. Metode Penelitian

4.1. Data dan Sumber Data

Jenis data yang digunakan oleh penulis dalam melakukan penelitian yang akan

dilakukan adalah data sekunder. Data sekunder merupakan data yang sudah tersedia pada

sumber-sumber yang terpercaya serta dipublikasikan. Sumber data yang digunakan oleh

penulis bersumber dari Badan Pusat Statistik (BPS) dari masing-masing provinsi dan

Badan Perencanaan Pembangunan Daerah (BAPPEDA).

4.2. Teknik Analisis Data

Penelitian ini menggunakan metode analisis deskriptif yang didukung oleh analisis

kuantitatif dengan teknik analisis regresi data panel yang diestimasi dengan pemilihan

model antara REM, FEM, dan CEM meggunakan EViews 13.0. Pada tahap awal,
 estimasi dilakukan untuk menentukan besarnya pengaruh variabel Jumlah Penduduk,

Angkatan Kerja, Inflasi terhadap Tingkat Pengangguran.

4.2.1. Tahapan Regresi Data Panel

Gujarati, 2003 menyebutkan regresi data panel adalah regresi dari gabungan data

time series dan cross section serta mengamati nilai satu atau lebih variabel selama

periode waktu tertentu. Regresi yang digunakan yaitu Common Effect Model, Fixed

Effect Model, dan Random Effect Model.

4.2.1.1. Common Effect Model (CEM)

Common Effect Model (CEM) menurut Widarjono, 2009 yaitu menggabungkan

data cross section dengan time series serta menggunakan Metode Ordinary Least

Square (OLS) untuk mengestimasi model data panel tersebut. Model regresi ini tidak

bisa membedakan varians antara silang tempat dan titik waktu karena memiliki

intercept yang tetap, dan bukan bervariasi secara random (Kuncoro, 2012).

4.2.1.2. Fixed Effect Model (FEM)

Fixed Effect Model (FEM) menurut Gujarati, 2003 yaitu sebuah model dengan

intercept berbeda-beda untuk setiap subjek (cross section), tetapi slope setiap subjek

tidak berubah seiring waktu. Diasumsikan dalam model ini bahwa intercept adalah

berbeda setiap subjek sedangkan slope tetap sama antar subjek dalam membedakan

satu subjek dengan subjek lainnya digunakan variabel dummy (Kuncoro, 2012).

4.2.1.3. Random Effect Model (REM)

Random Effect Model (REM) menurut Widarjono, 2009 merupakan model regresi

yang digunakan untuk mengatasi kelemahan Fixed Effect Model (FEM) yang
 menggunakan variabel dummy. Selanjutnya, dalam model ini mengestimasi data panel

yang variabel residual diduga memiliki hubungan antar waktu dan antar subjek.

4.2.2. Uji Spesifikasi Model

4.2.2.1. Uji Chow

Uji Chow menurut Widarjono, 2009 adalah pengujian yang dilakukan untuk

membandingkan Common Effect Model (CEM) dengan Fixed Effect Model (FEM).

Hipotesis yang digunakan dalam menentukan model yaitu jika nilai cross section chi-

square < nilai signifikan (0,05), maka Fixed Effect Model (FEM) akan dipilih. Akan

terjadi sebaliknya, apabila nilai cross section chi-square > nilai signifikan, maka

Common Effect Model (CEM) akan dipakai dan Uji Hausman tidak diperlukan.

4.2.2.2. Uji Hausman

Uji Hausman menurut Gujarati, 2003 adalah uji yang dilakukan dalam

membandingkan Common Effect Model (CEM) dengan Fixed Effect Model (FEM)

untuk menentukan model mana yang terbaik dalam regresi data panel. Hipotesis yang

digunakan dalam menentukan model yaitu jika nilai cross section random < nilai

signifikan (0,05), maka Fixed Effect Model (FEM). Akan terjadi sebaliknya, jika nilai

cross section random > nilai signifikan (0,05), maka Random Effect Model (REM)

yang dipilih.

4.2.2.3. Uji Lagrange Multiplier (LM Test)

Widarjono, 2009 menyebutkan bahwa Uji Lagrange Multiplier (LM Test)

memiliki tujuan untuk menentukan model yang terbaik antara pendekatan efek acak

(Random Effect Model) dan pendekatan Common Effect Model yang sebaiknya

dilakukan dalam pemodelan data panel. Uji Lagrange Multiplier dikembangkan oleh

Breusch Pagan. Metode Breusch Pagan untuk uji signifikasi random effect didasarkan
 pada nilai residual dari metode Ordinary Least Square. Uji Lagrange Multiplier tidak

digunakan apabila Uji Chow dan Uji Hausman menunjukan model yang paling tepat

adalah pendekatan efek tetap (Fixed Effect).

4.2.3. Uji Asumsi Klasik

4.2.3.1. Uji Normalitas

Gujarati, 2003 menuliskan bahwa uji normalitas data ini dilakukan bertujuan

untuk menguji apakah dalam model regresi variabel penggangu (residual) memiliki

distribusi normal. Asumsi normalitas merupakan persyaratan yang sangat penting

pada pengujian kebermaknaan (signifikansi) koefisien regresi. Model regresi yang

baik adalah model regresi yang memiliki distribusi normal atau mendekati normal,

sehingga layak dilakukan pengujian secara statistik.

4.2.3.2. Uji Autokorelasi

Ghozali, 2006 memberikan pengertian terkait uji autokorelasi adalah pengujian

untuk melihat apakah dalam regresi linier terdapat korelasi antara kesalahan

penggangu pada periode t dengan kesalahan penggangu pada periode t-1

(sebelumnya). Uji autokorelasi dilakukan hanya pada data runtut waktu (time series)

dan tidak perlu dilakukan pada data cross section seperti kuesioner karena pengukuran

semua variabel yang ada dilakukan secara serempak disaat yang bersamaan.

4.2.3.3. Uji Multikolinearitas

Ghozali, 2006 menyebutkan bahwa Uji Multikolinearitas dilakukan dengan tujuan

mengetahui apakah pada suatu model regresi ditemukan adanya korelasi antar variabel

independent (bebas). Pengujian dapat dilihat dari hasil dengan memperhatikan nilai

Tolerance dan Variance Inflation Factor (VIF) dalam model regresi. Nilai Variance

Inflation Factor (VIF) < 10 atau Tolerance > 0,01 maka tidak ada atau tidak terjadi
 multikolinearitas. Sebaliknya akan terjadi, pada saat Variance Inflation Factor (VIF)

> 10 atau Tolerance < 0,01 maka ada atau terjadi multikolinearitas.

4.2.3.4. Uji Heteroskedastisitas

Heteroskedastisitas menurut Santoso, 2003 merupakan asumsi pokok dari model

regresi linier yang baik adalah bahwa gangguan (disturbance) yang muncul dalam

regresi harus homogen dan tidak terjadi heterokedastisitas yang artinya varians

(ragam) dari residual satu pengamatan ke pengamatan lain dari variabel bebas yang

diuji adalah sama.

4.2.4. Uji Statistik

4.2.4.1. Uji Parsial (Uji t)

Uji Parsial atau yang dikenal dengan Uji t menurut Gujarati, 2003 memiliki tujuan

untuk menguji tingkat signifikansi variabel independen terhadap variabel dependen.

4.2.4.2. Uji F

Uji F yang dilakukan menurut Gujarati, 2003 digunakan untuk mengetahui

apakah variabel penjelas secara bersama-sama (simultan) signifikan memengaruhi

variabel terikat.

5. Hasil dan Pembahasan

5.1. Hasil

5.1.1. Pemilihan Model Estimasi Data Panel

5.1.1.1. Hasil Estimasi Common Effect Model (CEM)

 Tabel 5.1
Hasil Estimasi Common Effect Model (CEM)

Variable Coefficient Std. Error t-Statistic Prob.

C 6.037600 0.261904 23.05276 0.0000

X1 2.73E-06 3.41E-07 7.988414 0.0000

X2 -3.54E-06 6.29E-07 -5.628990 0.0000

X3 -0.332465 0.050040 -6.643939 0.0000

5.1.1.2. Hasil Estimasi Fixed Effect Model (FEM)

Tabel 5.2
Hasil Estimasi Fixed Effect Model (FEM)

Variable Coefficient Std. Error t-Statistic Prob.

C 3.014608 0.865588 3.482730 0.0005

X1 2.27E-06 7.67E-07 2.955757 0.0032

X2 2.87E-07 3.80E-07 0.755798 0.4500

X3 -0.016619 0.031870 -0.521465 0.6022

5.1.1.3. Hasil Estimasi Random Effect Model (REM)

Tabel 5.3
Hasil Estimasi Random Effect Model (REM)

Variable Coefficient Std. Error t-Statistic Prob.

C 4.666386 0.330040 14.13885 0.0000

X1 1.14E-06 2.90E-07 3.939023 0.0001

X2 -2.24E-07 3.67E-07 -0.611162 0.5413

X3 -0.046922 0.031283 -1.499928 0.1341

5.1.2. Uji Pemilihan Model Regresi

5.1.2.1. Uji Chow

Uji Chow merupakan pengujian yang dilakukan untuk melihat model mana yang

lebih baik antara Common Effect Model (CEM) dengan Fixed Effect Model (FEM)

dengan hipotesis yang dimiliki yaitu :

H0 = dipilih menggunakan estimasi Common Effect Model (CEM)

H1 = dipilih menggunakan estimasi Fixed Effect Model (FEM)

Dalam memilih model mana yang akan dipilih dapat dilakukan dengan melihat P-

Value (probabilitas) yang dihasilkan. Nilai signifikansi <5% atau 0,05 maka model

yang dipilih adalah Fixed Effect Model (FEM). Sebaliknya, jika nilai signifikansi

>5% atau 0,05 maka model yang dipilih adalah Fixed Effect Model (FEM).
 Tabel 5.4
Hasil Uji Chow

Effect Test Statistic d.f. Probabilitas

Cross – section F 20.843373 (92,646) 0.0000

Cross – section Chi – square 1022.746485 92 0.0000

Berdasarkan Tabel 5.4 Hasil Uji Chow diatas, nilai probabilitas yang dihasilkan

oleh Cross – section F sebesar 0,0000 dimana nilai tersebut lebih kecil dari 0,05.

Dapat disimpulkan bahwa, Fixed Effect Model (FEM) lebih sesuai dibandingkan

dengan Common Effect Model (CEM).

5.1.2.2. Uji Hausman

Uji Hausman merupakan pengujian yang dilakukan untuk melihat model mana

yang lebih baik antara Fixed Effect Model (FEM) dengan Random Effect Model

(REM) dengan hipotesis yang dimiliki yaitu :

H0 = dipilih menggunakan estimasi Random Effect Model (REM)

H1 = dipilih menggunakan estimasi Fixed Effect Model (FEM)

Dalam memilih model mana yang akan dipilih dapat dilakukan dengan melihat P-

Value (probabilitas) yang dihasilkan. Nilai signifikansi <5% atau 0,05 maka model

yang dipilih adalah Fixed Effect Model (FEM). Sebaliknya, jika nilai signifikansi

>5% atau 0,05 maka model yang dipilih adalah Random Effect Model (REM).
 Tabel 5.5
Hasil Uji Hausman

Test Summary Chi Sq. Statistic Chi Sq d.f. Prob.

Cross – section random 83.216204 3 0.0000

Berdasarkan Tabel 5.5 Hasil Uji Hausman diatas, nilai probabilitas yang

dihasilkan oleh Cross – section random yaitu 0,0000 dimana nilai tersebut lebih

kecil dari 0,05. Dapat disimpulkan bahwa Fixed Effect Model (FEM) lebih sesuai

dibandingkan dengan Random Effect Model (REM).

5.1.2.3. Uji Lagrange Multiplier (LM Test)

Uji Lagrange Multiplier didasarkan dari chi-square dan degree of freedom

sebesar jumlah variabel independen.

Tabel 5.6
Hasil Uji Lagrange Multiplier (LM Test)

Cross-section Test Hypothesis Time Both

1031.204 257.4609 1288.665
Breuch-Pagan
(0.0000) (0.0000) (0.0000)

Tabel 4.5 Hasil Uji Lagrange Multiplier (LM Test) diatas, nilai probabilitas Breuch-

Pagan yang digunakan sebagai acuan hasil Lagrange Multiplier (LM Test)

menunjukan hasil 0.0000 yaitu lebih kecil dari 0,05. Berdasarkan hasil tersebut

maka, Random Effect Model (REM) lebih sesuai dibandingkan Common Effect

Model (CEM).
5.1.2.4. Hasil Pemilihan Model
Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier (LM Test) sudah dilakukan

oleh penulis, selanjutnya adalah penentuan model yang akan digunakan.

Berdasarkan dari ketiga uji yang sudah dilakukan oleh penulis, model terpilih

sebagai model paling sesuai adalah Fixed Effect Model (FEM). Persamaan yang

digunakan dalam penelitian yang dilakukan penulis adalah sebagai berikut

Tabel 5.7
Fixed Effect Model (FEM)

Variable Coefficient Std. Error t-Statistic Prob.

C 3.014608 0.865588 3.482730 0.0005

X1 2.27E-06 7.67E-07 2.955757 0.0032

X2 2.87E-07 3.80E-07 0.755798 0.4500

X3 -0.016619 0.031870 -0.521465 0.6022

𝑃𝑖 = 3.014608 + 2.27E-06JP + 2.87E-07AK - 0.016619INF

5.1.3. Uji Asumsi Klasik

5.1.3.1. Uji Heteroskedastisitas

Uji Heteroskedastisitas merupakan uji yang dilakukan untuk melihat apakah

terdapat penyimpangan asumsi atau tidak dalam model regresi yang dilakukan.

Penyimpangan terjadi karena terdapat ketidaksamaan varians dari residual untuk

semua pengamatan dalam model regresi dengan hipotesis sebagai berikut :

H0 = tidak ada masalah Heteroskedastisitas

H1 = terdapat masalah Heteroskedastisitas

 Tabel 5.8
Hasil Uji Heteroskedastisitas

5
4
3
2
1
0
-1
-2
-3
-4
11 - 15 -
16 - 15 -
21 - 15 -
26 - 15 -
31 - 15 -
36 - 15 -
41 - 15 -
46 - 15 -
51 - 15 -
56 - 16 -
61 - 16 -
66 - 16 -
71 - 16 -
76 - 17 -
81 - 17 -
86 - 17 -
91 - 17 -
1 - 15 -
6 - 15 -

Y Residuals

Tabel 4.8 diatas merupakan hasil Uji Heteroskedastisitas. Berdasarkan tabel

diatas, nilai residual yang dihasilkan tidak lebih dari 500 dan -500 yang dimana nilai

tersebut merupakan batas. Berdasarkan hasil diatas, maka H0 diterima dan tidak ada

masalah heteroskedastisitas.

5.1.3.2. Uji Multikolinearitas

Tabel 5.9
Hasil Uji Multikolinearitas

X1 X2 X3
X1 1.000.000 0.921011 0.05271
X2 0.921011 1.000.000 -0.025936
X3 0.05271 -0.025936 1.000.000
Berdasarkan data dalam tabel 4.9, koefisien korelasi X1 dan X2 sebesar 0.921011

lebih besar 0,9 kemudian X1 dan X3 0.05271 lebih kecil 0,9 serta X2 dan X3 -
 0.025936 lebih kecil 0,9. Artinya bahwa, variabel tersebut lebih dominan tidak

terdapat multikolinearitas atau lulus uji multikolinearitas.

5.1.4. Uji Statistik

5.1.4.1. Uji Parsial (uji t)

Uji t merupakan salah satu uji statistik yang digunakan untuk melihat pengaruh

pada masing-masing variabel bebas (independen) terhadap variabel terikat

(dependen) pada model yang diteliti.

Tabel 5.10
Hasil Uji Parsial (uji t)

Variable Coefficient Std. Error t-Statistic Prob.

C 3.014608 0.865588 3.482730 0.0005

X1 2.27E-06 7.67E-07 2.955757 0.0032

X2 2.87E-07 3.80E-07 0.755798 0.4500

X3 -0.016619 0.031870 -0.521465 0.6022

1) Tabel 4.10 diatas merupakan hasil uji parsial (uji t). Variabel jumlah penduduk

memiliki nilai probabilitas 0.0032 lebih kecil dari 0,05 serta t-statistik 2.955757

lebih kecil dari t-tabel yaitu 4,337. Artinya bahwa variabel jumlah penduduk

berpengaruh terhadap variabel tingkat pengangguran di Pulau Jawa tahun 2015 –

tahun 2022.

2) Variabel angkatan kerja memiliki nilai probabilitas 0.4500 lebih besar dari 0,05

serta t-statistik 0.755798 lebih besar dari t-tabel yaitu 4,337. Artinya bahwa

variabel angkatan kerja tidak berpengaruh terhadap variabel tingkat

pengangguran di Pulau Jawa tahun 2015 – tahun 2022.

 3) Variabel inflasi memiliki nilai probabilitas 0.6022 lebih besar dari 0,05 serta t-

statistik -0.521465 lebih kecil dari t-tabel yaitu 4,337. Artinya bahwa variabel

inflasi tidak berpengaruh terhadap variabel tingkat pengangguran di Pulau Jawa

tahun 2015 – tahun 2022.

5.1.4.2. Uji F

Tabel 5.11

Hasil Uji F

F-statistic 24.31289

Prob (F-statistic) 0.000000

Tabel 4.10 diatas menunjukkan hasil uji f dengan nilai Prob (F-statistic) sebesar

0.000000 lebih kecil dari 0,05. Artinya bahwa, secara bersama-sama atau silmutan

Jumlah Penduduk, Angkatan Kerja, Inflasi berpengaruh terhadap Tingkat

Pengangguran di Pulau Jawa.

5.2. Pembahasan

Tabel 5.12
Hasil Fixed Effect Model (FEM)

Variable Coefficient Std. Error t-Statistic Prob.

C 3.014608 0.865588 3.482730 0.0005

X1 2.27E-06 7.67E-07 2.955757 0.0032

X2 2.87E-07 3.80E-07 0.755798 0.4500

X3 -0.016619 0.031870 -0.521465 0.6022

 Berdasarkan tabel 4.11, bentuk persamaan hasil regresi Random Effect Model (REM)

yang digunakan penulis dalam penelitan ini yaitu :

𝑃𝑖 = 3.014608 + 2.27E-06JP + 2.87E-07AK - 0.016619INF

Nilai konstanta yang diperoleh yaitu sebesar 3.014608 memiliki arti yaitu jika

variabel bebas (Jumlah Penduduk, Angkatan Kerja, Inflasi) adalah tetap atau sama dengan

nol, maka nilai Tingkat Pengangguran adalah 3.014608.

Variabel jumlah penduduk memiliki nilai signifikansi 0.0032 lebih kecil dari alpha

lima persen serta koefisien regresi yang dimiliki sebesar 2.27E-06. Artinya bahwa, jika

jumlah penduduk meningkat sebesar satu satuan, maka tingkat pengangguran akan turun

sebesar 2.27E-06. Hal tersebut bisa disimpulkan bahwa jumlah penduduk berpengaruh

terhadap tingkat pengangguran serta sesuai dengan hipotesis penelitian sebagai dugaan

awal.

Variabel angkatan kerja memiliki nilai probabilitas 0.4500 lebih besar dari alpha lima

persen serta koefisien regresi yang dimiliki sebesar 2.87E-07. Artinya bahwa, variabel

angkatan kerja tidak berpengaruh terhadap tingkat pengangguran serta hasil tersebut tidak

sesuai dengan hipotesis penelitian sebagai dugaan awal.

Variabel inflasi memiliki nilai probabilitas 0.6022 lebih besar dari alpha lima persen

serta koefisien regresi yang dihasilkan sebesar -0.016619. Artinya bahwa, variabel inflasi

tidak berpengaruh negatif terhadap tingkat pengangguran serta hasil tersebut tidak sesuai

dengan hipotesis penelitian sebagai dugaan awal.

Penelitian yang dilakukan Sambaulu1 et al., 2022, Kuntiarti, 2018 memiliki hasil

bahwa jumlah penduduk berpengaruh terhadap tingkat pengangguran, hal tersebut sejalan

dengan hasil penelitian yang dilakukan peneliti saat ini bahwa jumlah penduduk

berpengaruh terhadap tingkat pengangguran di Pulau Jawa tahun 2015 – tahun 2022.
 DAFTAR PUSTAKA

Ahmad. (2022). Pengertian Pengangguran: Penyebab, Dampak dan Jenis Pengangguran.

Gramedia.Com. https://www.gramedia.com/literasi/pengangguran/
Astuti, I. Y., Istiyani, N., & Yuliati, L. (2019). Pengaruh Pertumbuhan Ekonomi, Tingkat Inflasi,
dan Pertumbuhan Penduduk terhadap Tingkat Pengangguran Terbuka di Indonesia. Jurnal
Ekonomi Akuntansi Dan Manajemen, 18(1), 52. https://doi.org/10.19184/jeam.v18i1.10646
AYUNINGTYAS, N. N. (2019). Pengaruh Inflasi Dan Pertumbuhan Penduduk Terhadap Tingkat
Pengangguran Di Kota Samarinda. Jurnal Ilmu Ekonomi Fakultas Ekonomi Dan Bisnis
Universitas Mulawarman, 1–12.
http://journal.feb.unmul.ac.id/index.php/JIEM/article/view/3790
Bank Data, W. (2021). Population, Labor Force, Inflation, Unemployment. Data.Worldbank.Org.
https://data.worldbank.org/indicator/SP.POP.TOTL?end=2021&locations=ID&start=2021
Ghozali, I. (2006). Aplikasi Analisis Multivariate Dengan Program SPSS. Badan Penerbit
Universitas Diponegoro.
Gujarati, D. C. P. (2003). Basic Econometrics by Damodar N.
Idris, M. (2023). Apa Itu Inflasi: Pengertian, Penyebab, Dampak, dan Perhitungannya.
Kompas.Com. https://money.kompas.com/read/2021/03/13/234100826/apa-itu-inflasi-
pengertian-penyebab-dampak-dan-perhitungannya?page=all
Indonesia, B. (2023). Inflasi. Bi.Go.Id. https://www.bi.go.id/id/fungsi-
utama/moneter/inflasi/default.aspx
Ishak, K. (2018). FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DAN
INFLIKASINYATERHADAP INDEK PEMBANGUNAN DI INDONESIA. Ilmiah
Ekonomi Kita, 7(235), 245.
Karunia, M. P. V. (2021). Perbedaan Penduduk dan Bukan. Kompas.Com.
https://www.kompas.com/skola/read/2021/09/14/133000269/perbedaan-penduduk-dan-bukan
Khotimah, K. (2018). Pengaruh Tingkat Pendidikan, Pertumbuhan Ekonomi, Angkatan Kerja, Dan
Upah Minimum Terhadap Tingkat Pengangguran Di Diy Tahun 2009-2015. Jurnal
Pendidikan Dan Ekonomi, 7, 599–609. https://www.antaranews.com
Kuncoro, M. (2012). Ekonomi Pembangunan, Teori, Masalah dan Kebijakan. nit Penerbit dan
Percetakan, Akademi Manajemen Perusahaan YKPN.
Kuntiarti, D. D. (2018). Pengaruh inflasi, jumlah penduduk dan kenaikan upah minimum terhadap
pengangguran terbuka di Provinsi Banten tahun 2010-2015. Jurnal Pendidikan Dan Ekonomi,
7(1), 1–9.
Kurniawan, R., Yulmardi, Y., & Bhakti, A. (2021). Pengaruh Pertumbuhan Ekonomi, Upah
Minimum, dan Angkatan Kerja terhadap Tingkat Pengangguran di Provinsi Jambi. Jurnal
Ekonomi Aktual, 1(2), 77–84. https://doi.org/10.53867/jea.v1i2.18
Lumi, A. N. M., Walewangko, E. N., & Lapian, A. L. C. P. (2021). Analisis pengaruh jumlah
angkatan kerja dan indeks pembangunan manusia terhadap tingkat pengangguran di Kota-
 Kota Provinsi Sulawesi Utara. Jurnal EMBA, 9(3), 162–172.
https://ejournal.unsrat.ac.id/index.php/emba/article/view/34632
Nur, A. L. (2022). Pengertian Angkatan Kerja: Faktor Pengaruh dan Jenis-jenisnya.
Gramedia.Com. https://www.gramedia.com/literasi/pengertian-angkatan-kerja/
Prakoso, E. S. (2020). Analisis pengaruh tingkat pendidikan, upah minimum, inflasi dan investasi
terhadap tingkat pengangguran di indonesia periode 2010-2019. Jurnal Ilmiah Mahasiswa
FEB, 9(2), 1–18. https://jimfeb.ub.ac.id/index.php/jimfeb/article/view/7547
Rahayu, I. R. S. (2022). Berbeda dengan Tenaga Kerja, Apa Pengertian Angkatan Kerja?
Kompas.Com. https://money.kompas.com/read/2022/02/07/154609226/berbeda-dengan-
tenaga-kerja-apa-pengertian-angkatan-kerja?page=all
Rizky, A. (2022). Apa Itu Inflasi? Ini Pengertian, Jenis-jenis dan Dampaknya. Detik.Com.
https://www.detik.com/edu/detikpedia/d-6272153/apa-itu-inflasi-ini-pengertian-jenis-jenis-
dan-dampaknya
Sambaulu1, R. A., Rotinsulu2, T. O., & Agnes Lutherani Ch. P. Lapian3. (2022). PENGARUH
JUMLAH PENDUDUK, UPAH MINIMUM DAN INFLASI TERHADAP PENGANGGURAN
DI KOTA MANADO. 22(6), 37–48.
Santoso, S. (2003). Statistik Deskriptif : Konsep dan Aplikasi dengan MS Excel dan SPSS. Andi.
Sembiring, V. B. P., & Sasongko, G. (2019). Pengaruh Produk Domestik Regional Bruto, Inflasi,
Upah Minimum, dan Jumlah Penduduk Terhadap Pengangguran di Indonesia Periode 2011 –
2017. International Journal of Social Science and Business, 3(4), 430.
https://doi.org/10.23887/ijssb.v3i4.21505
Statistik, B. P., & Badan Perencanaan Pembangunan Daerah (BAPPEDA). (2023). Jumlah
Penduduk, Angkatan Kerja, Inflasi, Tingkat Pengangguran di Pulau Jawa. Bps.Go.Id
Bappeda.Go.Id. https://banten.bps.go.id/indicator/12/46/1/penduduk-menurut-jenis-kelamin-
dan-kabupaten-kota-di-provinsi-banten.html
%0Ahttps://banten.bps.go.id/indicator/6/151/1/jumlah-angkatan-kerja-menurut-kabupaten-
kota-di-provinsi-banten.html %0Ahttps://banten.bps.g
Thea, A. (2022). Penduduk: Pengertian dan Faktor yang Memengaruhi Jumlah Penduduk, Materi
IPAS Kelas 5 SD. Bobo.Id. https://bobo.grid.id/read/083607150/penduduk-pengertian-dan-
faktor-yang-memengaruhi-jumlah-penduduk-materi-ipas-kelas-5-sd?page=all
Widarjono, A. (2009). Ekonometrika Pengantar dan Aplikasinya 3 rd (3rd ed.). Ekonesia.
Zahroh, S. (2017). Analisis Pengaruh PDRB, Angkatan Kerja, dan Upah Minimum Terhadap
Pengangguran Di Kota Malang. Jurnal Ilmiah Universitas Brawijaya, 1–11.
https://jimfeb.ub.ac.id/index.php/jimfeb/article/view/3670