ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA,...
Transcript of ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA,...
i
ANALISIS PENGARUH INDEKS PEMBANGUNAN
MANUSIA, JUMLAH PENDUDUK DAN UPAH MINIMUM
DAERAH TERHADAP TINGKAT PENGANGGURAN
TERBUKA DI PROVINSI BANTEN PERIODE 2010-2016
Skripsi
Diajukan untuk Memenuhi Persyaratan Memperoleh
Gelar Sarjana Ekonomi (S.E.)
Oleh
Derma Amrullah
NIM 1113084000025
JURUSAN EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
ii
LEMBAR KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini :
Nama : Derma Amrullah
NIM : 1113084000025
Dengan ini menyatakan bahwa dalam penelitian ini, Saya :
1. Tidak menggunakan ide orang lain tanpa mampu
mengembangkan dan mempetanggung jawabkan.
2. Tidak melakukan plagiat terhadap naskah orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebut sumber asli
atau tanpa izin pemilik karya.
4. Tidak melakukan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu mempertanggung
jawabkan atas karya ini.
jika di kemudian hari ada tuntutan dari pihak lain atas karya Saya dan telah melalui
pembuktian yang dapat dipertangung jawabkan, ternyata memang ditemukan bukti
bahwa Saya telah melanggar pernyataan di atas, maka Saya akan siap dikenai sanksi
berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta.
Demikian pernyataan ini Saya buat dengan sesungguhnya.
Jakarta, 20 Februari 2020
Derma Amrullah
1113084000025
iii
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari Senin, 27 Januari 2020 telah dilaksanakan Ujian Skripsi atas mahasiswa :
1. Nama : Derma Amrullah
2. NIM : 1113084000025
3. Jurusan : Ekonomi Pembangunan
4. Judul Skripsi : Analisis Pengaruh Indeks Pembangunan Manusia,
Jumlah Penduduk dan Upah Minimum Daerah
terhadap Tingkat Pengangguran Terbuka di
Provinsi Banten Periode 2010-2016
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama proses ujian skripsi, maka diputuskan bahwa mahasiswa
tersebut di atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu
syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 27 Januari 2020
1. Dr. M. Hartana I. Putra, M.Si
NIP. 09680605 200801 1 023 (________________)
Ketua
2. Arief Fitrijanto, M.Si
NIP. 19711118 200501 1 003 (________________)
Penguji Ahli
3. Zaenal Muttaqien, MPP
NIP. 19790503 2011 1 006 (________________)
Pembimbing
iv
RIWAYAT HIDUP
Data Pribadi
Nama : Derma Amrullah
Tempat, Tnanggal Lahir : Jakarta, 2 Mei 1995
Alamat : Jalan Siliwangi Raya Gg. Lurah 003/02
Pondok Benda Pamulang Tangerang Selatan
no. 14 A
Kontak : [email protected]
0896 3600 7065
Jenis Kelamin : Laki-laki
Status : Belum Menikah
Latar Belakang Keluarga
Nama Ayah : Sunarso
Tempat dan kelahiran : Banyumas, 4 Mei 1972
Nama Ibu : Siti Muchidah
Tempat dan Kelahiran : Jakarta, 27 November 1974
Anak ke dan dari : Pertama dari 5 bersaudara
Pendidikan
SDN Pondok Cabe Udik 1 2001-2007
MTsN Tangerang II Pamulang 2007-2010
MAN 1 Serpong 2010-2013
Universitas Islam Negeri 2013- Sekarang
Syarif Hidayatullah Jakarta Ekonomi dan Bisnis Jurusan Otonomi
dan Keuangan daerah
v
Kemampuan
Pengoperasian Perangkat lunak sistem operasi
- Sistem Operasi (Windows dan Android)
- Olah Data (Microsoft Office dan Adobe)
Pengoperasian Program Design
- Editing dan Design Gambar (Photoshop)
- Editing dan Design Video (After Effect)
Partisipasi Seminar dan Pelatihan Terkait
1. Kuliah Umum “Fungsi Pengawasan Keuangan Negara sebagai
Katalisator Tercapainya Tujuan Memajukan Kesejahteraan Umum”,
BPK RI dan HMJ IESP UIN Syarif Hidayatullah Jakarta, 2015
2. Seminar Antikorupsi Transparency International Indonesia dan HMJ
IESP UIN Syarif Hidayatullah Jakarta, 2015
3. KOMINFO. Pelatihan dan Sertifikasi Berbasis Standar Kompetensi Kerja
Nasional Indonesia (SKKNI) di Bidang Junior Multimedia 18-20 Juli 2017
4. Dinas Pariwisata. Pengembangan SDM dan Profesionalisme bidang
Pariwisata (sub-sektor UMKM kuliner Tangsel). 20 September 2018
vi
ANALYSIS OF THE EFFECT OF HUMAN DEVELOPMENT
INDEX, NUMBER POPULATION AND REGIONAL MINIMUM
WAGES ON OPEN UNEMPLOYMENT LEVEL IN BANTEN
PROVINCE, PERIOD 2010-2016
By:
Derma Amrullah
1113084000025
ABSTRACT
In sustainable development efforts, human resource problems are important
indicators that determine the direction of development. The welfare relationship
with the population must be an important topic so that employment problems do not
arise. In the period 2010 to 2016, Banten was recorded to have the highest open
unemployment rate among the Provinces in Java. This study aims to determine the
balance between the human development index, population and minimum wage. Is
the open unemployment rate significantly influenced or not.
This research uses secondary data. Taken from the Central Statistics
Agency of Banten Province in the form of quantitative. With panel data analysis
and processed using Eviews 8.
The results of the random effect model research show that the three
independent variables, there are human development index, population and
minimum wage have a significant effect on the level of open unemployment rate in
Banten Province in the period 2010-2016
.
Keywords: Open Unemployment Rate, Human Development Index, Total
Population, Minimum Wage.
vii
ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA,
JUMLAH PENDUDUK DAN UPAH MINIMUM DAERAH TERHADAP
TINGKAT PENGANGGURAN TERBUKA DI PROVINSI BANTEN
PERIODE 2010-2016
Oleh :
Derma Amrullah
1113084000025
ABSTRAK
Dalam usaha pembangunan ekonomi berkelajutan, masalah
sumber daya manusia adalah indikator penting yang menentukan arah
pembangunan. Hubungan kesejahteraan dengan jumlah penduduk harus
dijadikan bahasan penting agar masalah ketenagakerjaan tidak muncul.
Pada periode 2010 sampai 2016, Banten tercatat memiliki tingkat
pengangguran terbuka tertinggi di antara Provinsi di Pulau Jawa.
Penelitian ini bertujuan untuk mengetahui keseimbangan antara indeks
pembangunan manusia, jumlah penduduk dan upah minimum. Apakah
tingkat pengangguran terbuka dipengaruhi secara signifikan atau tidak. Penelitian ini menggunakan data sekunder. Diambil dari Badan
Pusat Statistik Provinsi Banten berbentuk kuantitatif. Dengan analisis data panel dan diolah menggunakan Eviews 8.
Hasil penelitian model random effect menunjukkan bahwa ketiga
variabel independen, yaitu indeks pembangunan manusia, jumlah
penduduk dan upah minimum berpengaruh signifikan terhadap tingkat
pengangguran terbuka di Provinsi Banten periode 2010-2016
.
Kata Kunci: Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, Jumlah Penduduk, Upah Minimum.
viii
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarakatuh.
Puji serta Syukur ke hadirat Allah subhanahu wa ta’ala yang telah
memberikan nikmat, rahmat dan hidayahnya sehingga Penulis dapat menyelesaikan
Skripsi untuk memenuhi persyaratan kelulusan dan memperoleh gelar strata 1
ekonomi dengan judul “Analisis Pengaruh Indeks Pembangunan Manusia, Jumlah
Penduduk dan Upah Minimum Daerah terhadap Tingkat Pengangguran Terbuka Di
Provinsi Banten Periode 2010-2016”. Shalawat dan salaam juga dihaturkan kepada
Baginda besar Rasulullah shallallahu ‘alaihi wa sallam yang telah menjadi
pembawa kabar baik untuk hamba-Nya.
Pada kesempatan kali ini penulis ingin menyampaikan rasa terima kasih
yang sebesar-besarnya kepada semua pihak yang telah memberikan bantuan,
pengarahan, bimbingan serta memberikan dukungan berupa semangat dan do’a
baik secara langsung dan tidak langsung dalam penyusunan skripsi ini, sehingga
skripsi ini dapat diselesaikan dengan sebaik-baiknya. Adapun pihak-pihak terserbut
adalah:
1. Orang tua tercinta, Bapak Sunarso dan Ibu Siti Muchidah serta Kakek dan
Nenek, H. Subandi dan Hj. Karmini Atas doa dan kasih sayangnya yang
telah mengalir tanpa henti. Oom Fendi Sentosa dan Tante Tamini yang
senantiasa selalu memberikan dorongan dan bantuan tulus. Adik-adik
tersayang, Annisa Ayu Damayanti, Alifia Nur Maghfiroh, Khofifah Nurul
Karomah, Isnaini Kalimatus Syahadah, Meily Anggraeni, Yanuar Sentosa
dan Varel Sentosa yang selalu memberiikan semangat juang kepada Penulis.
2. Bapak Prof. Dr. Amilin, S.E., Ak., M.Si., CA, QIA., BKP., CRMP., selaku
Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta
atas kesempatan berharga yang diberikan kepada penulis untuk duduk
di bangku perkuliahan Fakultas Ekonomi dan Bisnis dan
mengenyam pendidikan di kampus ini.
ix
3. Bapak Hartana Iswandi Putra, M.Si, selaku Ketua Jurusan Ekonomi
Pembangunan UIN Syarif Hidayatullah Jakarta atas perannya untuk
selalu memberikan bimbingan kepada penulis baik dalam bentuk
akademik maupun non-akademik.
4. Bapak Zaenal Muttaqin, MPP, dosen pembimbing yang telah banyak
memberi bimbingan, arahan, juga meluangkan waktu serta segala
pelajaran lain selalu dengan kehangatan dan keramahan yang
diberikan kepada penulis sehingga penulis mampu menyelesaikan
penelitian ini. Terima kasih banyak untuk segalanya. Semoga bapak
senantiasa diberikan kesehatan dan keberkahan oleh Allah Swt.
5. Seluruh jajaran dosen Fakultas Ekonomi dan Bisnis yang telah
memberikan ilmu bermanfaat bagi penulis selama perkuliahan serta
jajaran karyawan dan staff akademik UIN Syarif Hidatayullah Jakarta
yang telah melayani dan membantu penulis selama perkuliahan.
6. Saudara-saudara Penulis “Namenye Juga Sodare”(NJS), Yaitu Suhel Jamal
Mashabi, S.T, Rachmat Syaefulloh, Ilham Karunia, Azis Ibrahim, Asep
Sudirja, Lucky Harva Arif, Fahmi Rahman, Handian Putra, S.E dan Aditya
Akbar yang selalu menjadi Saudara yang baik. Penyemangat yang baik.
7. Sahabat seperjuangan, Risky Dwi Aprian, Eko Juli Prasetyo dan Yoga
Ferdiansyah. Yang memberi dorongan di masa skripsian.
8. Para Sahabat “Kosan Berkah” (Kober) yaitu Jihad Adhias,S.E, Dimas
Satrio, S.E, Akhadi, Iqbal Hafidz, S.E, Izzudin, S.E, Zannuar, S.E,
Ahmad Rafiqi, Wiweka Surya, Fauzan Karim, S.E.memberikan kenangan
indah semasa berkuliah. Ditunggu untuk pembuatan kenangan selanjutnya,
kawan.
9. Seluruh jajaran staff pendiri, pasukan bertahan dan anggota Guild
KelinciXXX (KCX). Terutama Hendra Hadi, S.H, Anto Irnando, Alfin
Syaputra, Johannes, S.H, Daniel Datunugu, S.Sn, Mattrach, Nandito
Kharisma Yudha, Devin Ilham dan Adik-adik serta anggota lainnya yang
tak bisa Penulis sebut satu persatu. Tanpa mengurangi rasa hormat, terima
kasih atas ilmu yang diberikan sehingga skripsi dapat terselesaikan.
x
10. Seluruh rekan-rekan jurusan Ekonomi Pembangunan angkatan 2013
yang tidak bisa penulis sebutkan satu persatu. Tanpa mengurangi rasa
hormat penulis, terima kasih karena telah menjadi bagian kehidupan
perkuliahan penulis.
11. Serta semua pihak yang tidak bisa disebutkan satu per satu.
Dalam penyusunan skripsi ini, penulis menyadari bahwa masih memiliki
banyak kekurangan dan masih jauh dari kata sempurna. Oleh karena itu segala
bentuk saran, masukan, dan kritik dari pembaca akan diterima oleh penulis guna
memperbaiki dan mengembangkan penelitian ini sekaligus Penulis. Akhir kata,
semoga penelitian ini dapat berguna serta bermanfaat bagi para pembaca yang
membutuhkan.
Wassalamu’alaikum Warahmatullahi Wabarakatuh.
Jakarta, Desember 2019
Derma Amrullah
xi
DAFTAR ISI
LEMBAR KEASLIAN KARYA ILMIAH ........................................................................... ii
LEMBAR PENGESAHAN UJIAN SKRIPSI ..................................................................... iii
RIWAYAT HIDUP........................................................................................................iv
ABSTRACT .................................................................................................................vi
ABSTRAK .................................................................................................................. vii
KATA PENGANTAR .................................................................................................. viii
DAFTAR ISI ................................................................................................................ xi
BAB 1 PENDAHULUAN ............................................................................................. 1
A. Latar Belakang Penelitian ........................................................................................ 1
B. Rumusan Masalah ................................................................................................... 5
C. Tujuan Penelitian .................................................................................................... 6
D. Manfaat Penelitian .................................................................................................. 6
BAB II TINJAUAN PUSTAKA ...................................................................................... 7
A. Landasan Teori ........................................................................................................ 7
1. Ketenagakerjaan ................................................................................................. 7
2. Kependudukan .................................................................................................. 14
3. Indeks Pembangunan Manusia ......................................................................... 15
4. Upah Minimum ................................................................................................. 19
B. Penelitian Terdahulu ............................................................................................. 20
C. Keterkaitan antar Variabel .................................................................................... 23
Hubungan Indeks Pembangunan Manusia dengan Pengangguran .......................... 23
Hubungan Jumlah Penduduk dengan Pengangguran ............................................... 23
Hubungan Upah Minimum dengan Pengangguran .................................................. 25
D. Kerangka Pemikiran .............................................................................................. 26
E. Hipotesis Penelitian .......................................................................................... 27
BAB III METODE PENELITIAN .................................................................................. 28
A. Ruang Lingkup Penelitian ...................................................................................... 28
B. Metode Pengumpulan Data .................................................................................. 28
C. Metode Analisis Data ............................................................................................ 28
xii
1. Metode Analisis Data Panel .............................................................................. 30
2. Pilihan Metode Data Panel ............................................................................... 31
3. Pemilihan model estimasi data panel ............................................................... 34
4. Pengujian Hipotesis ........................................................................................... 36
5. Definisi Operasional Variabel ............................................................................ 38
BAB IV PEMBAHASAN ............................................................................................ 40
A. Gambaran Umum Objek Penelitian ...................................................................... 40
1. Letak Geografis Provinsi Banten ....................................................................... 40
B. Analisa dan Pembahasan ...................................................................................... 45
1. Analisis Deskriptif .............................................................................................. 45
2. Estimasi Data Panel ........................................................................................... 50
3. Pemilihan Model Terbaik .................................................................................. 52
4. Pengujian Signifikansi ........................................................................................ 54
5. Interpretasi Hasil Estimasi Regresi Data Panel ................................................. 58
6. Analisis Ekonomi Tingkat Pengangguran Terbuka dengan Indeks Pembangunan
Manusia, Jumlah Peduduk dan Upah Minimum ....................................................... 61
BAB V PENUTUP ..................................................................................................... 63
A. KESIMPULAN ......................................................................................................... 63
B. SARAN ................................................................................................................... 64
DAFTAR PUSTAKA ................................................................................................... 65
Buku dan Website ......................................................................................................... 65
Jurnal dan Skripsi .......................................................................................................... 67
LAMPIRAN-LAMPIRAN ............................................................................................ 69
Lampiran 1 : Uji Model Data Panel ........................................................................... 70
Lampiran 2 : Variabel Data Penelitian....................................................................... 73
Lampiran 3 : Unit Data Penelitian ............................................................................. 77
1
BAB 1
PENDAHULUAN
A. Latar Belakang Penelitian
Dalam perencanaan pembangunan berkelanjutan, otonomi daerah
diterapkan guna meningkatkan pembangunan yang lebih efektif dan efisien.
Daerah diharapkan dapat membangun wilayahnya secara mandiri atau
mengelola kekayaan dan potensi yang dimiliki dengan melalui kebijakan
otonomi daerah dan perimbangan keuangan pusat dan daerah yang diatur
dalam UU no. 22 tahun 1999 tentang pemerintahan daerah dan UU no.25
tahun 1999 tentang perimbangan keuangan antara pemerintahan pusat dan
daerah yang kemudian direvisi dengan UU no.32 tahun 2004 dan UU no. 33
tahun 2004.
Berlakunya UU no. 32 tahun 2004 dilatarbelakangi dengan adanya
perkembangan keadaan-keadaan indkator pembangunan ekonomi,
ketatanegaraan dan tuntutan otonomi daerah. Menurut di dalamnya, dalam
penyelenggaraan otonomi menggunakan format otonomi luas.
Pertimbangan ini didasarkan suatu asumsi bahwa hal-hal mengenai urusan
pemerintahan dapat dilaksanakan oleh daerah. Sehingga setiap daerah yang
mengerti betul kebutuhannya dalam upaya meningkatkan kesejahteraan
masyarakat.
Dalam upaya kemandirian daerah, peran masyarakat dalam membantu
menciptakan pembangunan daerah sangat penting. Oleh karena itu, sumber
daya manusia harus berkualitas. Pada umumnya, salah satu masalah yang
dihadapi negara-negara berkembang adalah ketenagakerjaan. Masalah
ketenagakerjaan Indonesia ditunjukkan oleh tingkat pengangguran
terbukanya dari tahun ke tahun.
2
Tabel 1.1 Tingkat Pengangguran Terbuka Indonesia
Tahun Tingkat Penganggran
Terbuka
2010 7,14%
2011 7,48%
2012 6,13%
2013 6, 17 %
2014 5,94%
2015 6,18%
2016 5,61%
Sumber : BPS
Dari tabel 1.1 dapat menunjukkan Banten menjadi provinsi dengan
tingkat pengangguran terbuka yang tinggi jika dibandingkan dengan
provinsi yang berada di pulau Jawa.
Tabel 1.2 Tingkat Pengangguran Terbuka
6 Provinsi di Pulau Jawa
Provinsi 2010 2011 2012 2013 2014 2015 2016
DKI Jakarta 11,05% 11,69% 9,67% 8,63% 8,47% 7,23% 6,12%
Jawa Barat 10,33% 9,96% 9,08% 9,16% 8,45% 8,72% 8,89%
Jawa Tengah 6,21% 7,07% 5,61% 6,01% 5,68% 4,99% 4,63%
DIY 5,69% 4,39% 3,90% 3,24% 3,33% 4,07% 2,72%
Jawa Timur 4,25% 5,38% 4,11% 4,30% 4,19% 4,47% 4,21%
Banten 13,68% 13,74% 9,94% 9,54% 9,07% 9,55% 8,92%
Dari tabel 1.2 dapat diketahui bahwa di antara 6 provinsi di pulau Jawa,
tingkat pengangguran terbuka dari tahun 2010 hingga 2016 Banten
cenderung turun. Namun tingkat pengangguran terbuka provinsi Banten
masih relatif tinggi dibandingkan dengan provinsi-provinsi lain di pulau
Jawa periode tahun 2010-2016.
3
Masalah pengangguran masih menjadi salah satu titik berat dalam
pembangunan di provinsi Banten. Untuk mendukung upaya pemerintah
dalam mengendalikan laju pengangguran, diperlukan indikator-indikator
sebagai dasar perencanaan, monitoring, maupun evaluasi program.
Informasi tersebut memberikan manfaat bagi pemerintah daerah dalam
membuat perencanaan atau kebijakan guna perluasan kesempatan kerja
yang pada akhirnya dapat mengurangi pengangguran serta meningkatkan
kesejahteraan masyarakat (Badan Pusat Statistik, 2015).
Pertambahan penduduk dari waktu ke waktu dapat menjadi pendorong
atau penghambat perkembangan ekonomi (Sukirno, 2013:430). Semakin
meningkatnya jumlah penduduk dapat memberikan dampak kenaikan
jumlah angkatan kerja. Namun di sisi lain kenaikan jumlah angkatan kerja
juga mampu meningkatkan jumlah pengangguran dimana jumlah angkatan
kerja yang ada tidak sebanding dengan jumlah kesempatan kerja. Itulah
sebabnya jumlah penduduk yang besar tidak selalu berdampak positif..
Menurut data dari BPS jumlah penduduk Provinsi Banten tahun 2010
sampai dengan tahun 2016 mengalami peningkatan.
Tabel 1.3 Jumlah Penduduk di Provinsi Banten
Tahun Jumlah Penduduk
2010 10.632.166
2011 11.005.518
2012 11.248.947
2013 11.452.491
2014 11.704.877
2015 11.955.243
2016 12.203.148
Sumber : BPS
Berdasarkan tabel 1.3, penduduk Banten semakin bertambah yang
dikhawatirkan berpotensi memunculkan berbagai masalah kependudukan.
Oleh sebab itu, pertambahan penduduk ini perlu menjadi perhatian khusus
4
bagi pemerintah Provinsi Banten mengingat tingkat pengangguran terbuka
di Provinsi Banten yang masih cukup tinggi dibanding dengan provinsi lain
di Pulau Jawa. Pemerintah dalam hal ini bisa melakukan kerjasama dengan
Disnakertrans Provinsi Banten dalam rangka menggalakkan transmigrasi
serta Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN)
untuk terus meningkatkan program Keluarga Berencana di Provinsi Banten.
Sehingga dengan adanya kerjasama tersebut diharapkan mampu
mengendalikan pertambahan penduduk di Provinsi Banten.
Upah sangat penting peranannya bagi para pekerja yaitu untuk
memenuhi kebutuhan bagi dirinya sendiri maupun keluarganya dan juga
dalam rangka mencapai kesejahteraan hidupnya. Bagi suatu perusahaan
besarnya tingkat upah menentukan biaya yang dikeluarkan. Keadaan
tersebut mempengaruhi harga yang kemudian akan berdampak pada hasil
output. Pada akhirnnya perusahaan akan mengurangi permintaan terhadap
tenaga kerja sehingga pengangguran akan semakin bertambah. Menurut
data dari BPS upah minimum Provinsi Banten tahun 2010 sampai dengan
tahun 2015 mengalami kenaikan.
Tabel 1.4 Upah Minimum Provinsi Banten
Tahun Upah Minimum
2010 Rp. 955.300
2011 Rp. 1.000.000
2012 Rp. 1.042.000
2013 Rp. 1.117.000
2014 Rp. 1.325.000
2015 Rp. 1.600.000
2016 Rp. 1.784.000
Sumber : BPS
Tabel 1.4 menunjukkan bahwa upah minimum di Provinsi Banten
mengalami kenaikan setiap tahunnya. Kenaikan ini dipicu oleh peningkatan
Kebutuhan Hidup Layak (KHL) pekerja. Pemerintah menetapkan upah
5
minimum berdasarkan Kebutuhan Hidup Layak (KHL) yang dilihat dari
produktivitas dan pertumbuhan ekonomi. Sehingga kenaikan Kebutuhan
Hidup Layak (KHL) mengindikasikan adanya kenaikan pertumbuhan
ekonomi di Provinsi Banten.
Dibandingkan dengan provinsi di pulau Jawa, Provinsi Banten tercatat
memiliki tingkat pengangguran terbuka yang lebih tinggi. Tingkat
pengangguran terbuka di Provinsi Banten juga melebihi tingkat
pengangguran terbuka nasional. Keadaan ini membuktikan bahwa masalah
pengangguran terbuka di Provinsi Banten memerlukan perhatian khusus.
Dari penjelasan di atas peneliti tertarik untuk mengetahui pengaruh Indeks
pembangunan manusia, jumlah penduduk serta kenaikan upah minimum
terhadap tingkat pengangguran terbuka di Provinsi Banten tahun 2010
sampai dengan 2016. Dengan demikian Penulis meneliti fenomena tersebut
dengan judul “ANALISIS PENGARUH INDEKS PEMBANGUNAN
MANUSIA, JUMLAH PENDUDUK DAN UPAH MINIMUM
DAERAH TERHADAP TINGKAT PENGANGGURAN TERBUKA
DI PROVINSI BANTEN PERIODE 2010-2016”
B. Rumusan Masalah
Berdasarkan kepada uraian sebelumnya mengenai masalah
pengangguram, maka penulis merumuskan beberapa masalah yang akan
dibahas. Adapun ruang lingkup pembahasannya berkisar pada:
1. Bagaimana pengaruh indeks pembangunan manusia terhadap tingkat
pengangguran terbuka di kabupaten dan Kota Provinsi Banten?
2. Bagaimana pengaruh jumlah penduduk terhadap tingkat pengangguran
terbuka di kabupaten dan kota provinsi Banten?
3. Bagaimana pengaruh upah minimum terhadap tingkat pengangguran
terbuka di kabupaten dan kota provinsi Banten?
6
4. Bagaimana pengaruh indeks pembangunan manusia, jumlah peduduk
dan upah minimum secara simultan terhadap tingkat pengangguran
terbuka di kabupaten dan kota provinsi Banten?
C. Tujuan Penelitian
Tujuan penelitian ini adalah
1. Untuk mengetahui pengaruh indeks pembangunan manusia terhadap
tingkat pengangguran terbuka di kabupaten dan kota provinsi Banten
2. Untuk mengetahui pengaruh jumlah penduduk terhadap tingkat
pengangguran terbuka di kabupaten dan kota provinsi Banten
3. Untuk mengetahui pengaruh upah minimum terhadap tingkat
pengangguran terbuka di kabupaten dan kota provinsi Banten
4. Untuk mengetahui pengaruh indeks pembangunan manusia, jumlah
peduduk dan upah minimum secara simultan terhadap tingkat
pengangguran terbuka di kabupaten dan kota provinsi Banten
D. Manfaat Penelitian
1. Penelitian ini dapat menjadi rujukan oleh Pemerintah Provinsi Banten
dalam menentukan kebijakan terhadap masalah Tingkat Pengangguran
Terbuka.
2. Hasil penelitian ini diharapkan dapat dijadikan sebagai rujukan oleh
peneliti selanjutnya pada penelitian sejenis agar memperoleh hasil
penelitian lebih baik.
7
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Ketenagakerjaan
a. Pengertian Ketenagakerjaan
Menurut Undang-Undang Republik Indonesia Nomor 13
Tahun 2003 tentang ketenagakerjaan bahwa yang disebut dengan
ketenagakerjaan adalah segala hal yang berhubungan dengan tenaga
kerja pada waktu sebelum, selama, dan sesudah masa kerja
1) Tenaga kerja
Dalam studi kependudukan tenaga kerja sering
disebut manpower yaitu seluruh penduduk yang
mempunyai potensi untuk bekerja secara produktif (TIM
Lembaga Demografi FEUI, 2011:199). Sedangkan
menurut Undang-Undang Republik Indonesia Nomor 13
Tahun 2003, Tenaga Kerja adalah setiap orang yang
mampu melakukan pekerjaan guna menghasilkan barang
dan/atau jasa baik untuk memenuhi kebutuhan sendiri
maupun untuk masyarakat. Tenaga Kerja sendiri dibagi
menjadi dua yaitu angkatan kerja dan bukan angkatan
kerja.
2) Angkatan Kerja
Mereka yang sudah aktif dalam kegiatan
menghasilkan barang dan jasa adalah mereka yang
dinamakan bekerja atau employed person. Sebagian lain
adalah mereka yang mencari pekerjaan atau penganggur
(Simanjutak, 1985:3). Jadi dapat disimpulkan bahwa
yang termasuk sebagai angkatan kerja adalah mereka
8
yang bekerja dan golongan menganggur dan mencari
pekerjaan
3) Bukan Angkatan Kerja
Kelompok bukan angkatan kerja terdiri dari
golongan yang masih bersekolah yaitu mereka yang
kegiatannya hanya atau terutama bersekolah, golongan
yang mengurus rumah tangga yaitu mereka yang
mengurus rumah tangga tanpa memperoleh upah, dan
golongan lain-lain seperti penerima pendapatan dan
mereka yang hidupnya bergantung dari orang lain
misalnya karena usia lanjut usia, cacat, dalam penjara
atau sakit kronis ( Simanjuntak, 1985:4)
b. Pengangguran
1) Pengertian Pengangguran
Menurut Badan Pusat Statistik (BPS),
Pengangguran adalah istilah untuk orang yang tidak
bekerja sama sekali, sedang mencari kerja, bekerja
kurang dari dua hari selama seminggu, atau seseorang
yang sedang berusaha mendapatkan pekerjaan. Menurut
Sadono Sukirno (2013), Pengangguran adalah keadaan
tanpa pekerjaan yang dihadapi oleh segolongan tenaga
kerja, yang telah berusaha mencari pekerjaan, tetapi
tidak memperolehnya.
2) Jenis-jenis Pengangguran
Berdasarkan Penyebabnya
- Penganguran friksional adalah pengangguran yang
lebih banyak disebabkan karena sedang proses
mencari pekerjaan. Ketika itu pengusaha banyak
menawarkan gaji yang tinggi pada pekerja sehingga
9
akhirnya kebanyakan dari pekerja memilih
mendapatkangaji tinggi tersebut dan meninggalkan
pekerjaan yang lama untuk mendapatkan pekerjaan
baru tersebut
- Pengangguran siklikal adalah pengangguran yang
terjadi akibat naik turunnya siklus ekonomi yaitu ada
saat permintaan agregrat tinggi dan ada saat
permintaan agregrat turun. Pada saat penurunan
permintaan maka akan menyebabkan perusahaan
dapat mengurangi permintaan akan tenaga kerja.
Sehingga sebagian dari mereka akan terkena PHK.
Mereka inilah yang disebut dengan pengangguran
siklikal.
- Pengangguran struktural adalah pengangguran yang
disebabkan adanya perubahan struktur kegiatan
ekonomi.
- Pengangguran teknologi adalah pengangguran yang
disebabkan oleh kemajuan teknologi dan mesin
sehingga manusia tidak lagi dibutuhkan dalam proses
produksi. (Sukirno, 2013:328-329)
Berdasarkan Cirinya
- Pengangguran terbuka adalah pengangguran akibat
jumlah kesempatan kerja yang tersedia tidak
sebanding dengan banyaknya tenaga kerja.
- Pengangguran tersembunyi adalah pengangguran
yang disebabkan kelebihan tenaga kerja yang
digunakan dalam kegiatan ekonomi.
- Pengangguran bermusim adalah pengangguran yang
disebabkan adanya perubahan musim. Contohnya
yaitu pada musim hujan penyadap karet tidak dapat
melakukan pekerjaannya sehingga mereka terpaksa
menganggur.
10
- Setengah Menganggur adalah pekerja yang hanya
bekerja satu hingga dua hari seminggu atau satu
hingga empat jam sehari. (Sukirno, 2013:330-331)
3) Faktor yang Mempengaruhi Pengangguran
Faktor-faktor yang mempengaruhi
pengangguran sangat beragam. Berikut ini adalah
beberapa faktor yang dapat mempengaruhi jumlah
pengangguran :
- Pendidikan
Tinggi rendahnya pendidikan sangat
mempengaruhi seseorang untuk mendapatkan
pekerjaan. Mereka yang berpendidikan rendah
akan kesulitan dalam mendapatkan pekerjaan. Hal
ini disebabkan perusahaan memberikan standar
kepada calon pegawainya dengan pendidikan
tertentu.
- Pertumbuhan Ekonomi
Pertumbuhan ekonomi memberikan peluang
kesempatan kerja baru ataupun memberikan
kesempatan industri untuk meningkatkan output
yang berdampak pada peningkatan penggunaan
faktor produksi, salah satunya yaitu tenaga kerja,
sehingga mengurangi jumlah pengangguran
- Kurangnya Keterampilan
Masalah yang dihadapi setelah lulus dari
sekolah SMA atau pergurunan tinggi adalah
masalah mencari pekerjaan. Kurangnya
keterampilan akan sangat berpengaruh pada
kesempatan untuk mendapatkan pekerjaan. Karena
jika seseorang tidak memiliki keterampilan maka
akan sulit untuk mendapatkan pekerjaan sehingga
11
akan berdampak pada semakin banyaknya jumlah
pengangguran.
- Kurangnya Lapangan Pekerjaan
Setiap tahunnya, Indonesia mempunyai
jumlah lulusan yang sangat besar. Jumlah lulusan ini
dengan jumlah lapangan pekerjaan yang tersedia
tidak seimbang sehingga akan dapat menambah
jumlah pengangguran.
- Kurangnya Informasi
Kurangnya informasi menjadi salah satu
faktor yang mempengaruhi pengangguran. Hal ini
diakibatkan keadaan atau lingkungan tempat tinggal
yang tidak memungkinkan untuk terus mengupdate
informasi tentang lowongan pekerjaan.
- Inflasi
Inflasi merupakan variabel makro ekonomi
dimana pemerintah harus selalu menjaga tingkat
kestabilannya. Inflasi merupakan cerminan dari
stabilitas tingkat harga yang kemudian
mempengaruhi realisasi pencapaian tujuan
pertumbuhan ekonomi suatu negara. Tingginya
tingkat suatu inflasi akan mengakibatkan nilai
produksi mengalami penurunan dan sebaliknya. Jika
tingkat inflasi tinggi, perusahaan akan mengurangi
jumlah produksi. Penurunan jumlah produksi ini
akan membuat perusahaan mengurangi jumlah
permintaan terhadap tenaga kerja.
- Investasi
Setiap negara selalu berkeinginan untuk
dapat menciptakan iklim investasi terutama investasi
swasta yang dapat membantu membuka lapangan
12
kerja. Oleh sebab itu jika investasi merosot maka
akan berdampak pada pengangguran.
- Upah Minimum
Pemerintah membuat suatu kebijakan yang
dapat meningkatkan taraf hidup pekerja dengan
tingkat upah yang layak. Salah satu upaya yang
dilakukan oleh pemerintah adalah dengan
menetapkan kebijakan tingkat upah minimum. Disisi
lain dampak penetapan upah minimum yang
ditetapkan di atas tingkat upah rata-rata yang
diperoleh pekerja akan menyebabkan pengusaha
mengurangi penggunaan tenaga kerja sehingga
penyerapan tenaga kerja akan berkurang.
- Jumlah Penduduk
Jumlah penduduk yang semakin bertambah
menyebabkan jumlah angkatan kerja meningkat.
Peningkatan jumlah angkatan kerja tanpa diiringi
dengan pertambahan jumlah kesempatan kerja maka
akan mengakibatkan pengangguran.
4) Tingkat Pengangguran Terbuka
Menurut BPS, tingkat pengangguran terbuka
merupakan persentase jumlah pengangguran terhadap
jumlah angkatan kerja. TPT yang tinggi menunjukkan bahwa
terdapat banyak angkatan kerja yang tidak terserap pada pasar
kerja. Misal: TPT 6%, artinya dari 100 penduduk usia 15 tahun
keatas yang tersedia untuk memproduksi barang dan jasa
(angkatan kerja) sebanyak 6 orang merupakan pengangguran
5) Efek Buruk Pengangguran
Bagi individu pengangguran menyebabkan masalah
ekonomi yang berdampak pada masalah sosial. Mereka yang
13
mengangur tidak memiliki pendapatan. Ketiadaan pendapatan
ini menyebabkan para penganggur harus mengurangi
konsumsinya. Hal ini akan mengakibatkan taraf kesehatan
mereka menjadi turun. Apabila keadaan pengangguran di suatu
negara buruk maka kekacauan politik dan sosial selalu berlaku
sehingga akan menimbulkan efek buruk pada kesejahteraan
masyarakat dan prospek pembangunan ekonomi dalam jangka
panjang (Sukirno, 2013:14).
14
2. Kependudukan
a. Pengertian Penduduk
Menurut BPS, Penduduk adalah semua orang yang berdomisili
di wilayah geografis Republik Indonesia selama 6 bulan atau lebih dan
atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan
untuk menetap. Sedangkan penduduk menurut Undang-Undang No. 23
Tahun 2006 yaitu Warga Negara Indonesia dan Orang Asing yang
bertempat tinggal di Indonesia. Jumlah penduduk adalah banyaknya
orang yang menduduki suatu wilayah. Pertambahan penduduk
diakibatkan oleh 3 komponen demografi yaitu fertilitas, mortalitas dan
migrasi. Fertilitas adalah salah satu komponen pertumbuhan penduduk
yang bersifat menambah jumlah penduduk (TIM Lembaga Demografi
FEUI, 2011: 17).
b. Jumlah Penduduk
Ahli ekonomi yang mengaitkan masalah penduduk dengan
dengan ekonomi adalah Leibenstein dalam bukunya yang berjudul
A Theory of Economic Demographic Development. Leibenstein
mengemukakan konsep a low level trap yang menjelaskan
perubahan demografi di negara-negara sedang berkembang. Suatu
kenaikan sedikit dalam pendapatan akan meningkatkan jumlah
penduduk dan persediaan tenaga kerja, yang pada gilirannya akan
menghapuskan pertumbuhan modal, produktivitas, dan sumber
sumber pertumbuhan ekonomi lainnya (TIM Lembaga Demografi
FEUI, 2011:17).
Dalam pandangan Adam Smith dijelaskan bahwa faktor
produksi paling penting adalah manusia. Hal tersebut dikarenakan
tanpa manusia sebagai faktor utama produksi maka alam serta tanah
tidak mampu diolah untuk dijadikan suatu manfaat bagi kehidupan
(Deliarnov, 1995:25). Namun jumlah penduduk yang tinggi akan
berimbas pada kemerosotan kemakmuran masyarakat. Keadaan ini
disebabkan oleh pertambahan tenaga kerja yang tidak dapat
15
menaikkan produksi nasional akibat dari pertumbuhan penduduk
yang lebih cepat (Sukirno, 2013:431).
3. Indeks Pembangunan Manusia
a. Pengertian Indeks Pembangunan Manusia
Manusia adalah kekayaan bangsa yang sesungguhnya,
sehingga tujuan akhir pembangunan harus difokuskan pada
manusia. Kondisi ini akan menciptakan lingkungan yang
memungkinkan masyarakat untuk dapat menikmati umur panjang,
sehat, dan menjalankan kehidupan yang produktif. Konsep ini
menjadi cikal bakal munculnya Indeks Pembangunan Manusia
(IPM). UNDP (United Nation Development Programme)
memperkenalkan IPM pertama kali pada tahun 1990. Saat itu, IPM
dibentuk dari empat indikator yang merefleksikan dimensi umur
panjang dan hidup sehat, pengetahuan, dan standar hidup layak.
Keempat indikator tersebut adalah angka harapan hidup saat lahir,
angka melek huruf, gabungan angka partisipasi kasar, dan Produk
Domestik Bruto (PDB) per kapita. Sejak saat itu, IPM secara berkalo
dipublikasikan setiap tahun dalam suatu Human Development
Report (BPS, 2014).
Pada tahun 2010, UNDP merubah metodologi penghitungan
IPM. Kali ini perubahan drastis terjadi pada penghitungan IPM.
UNDP menyebut perubahan drastic terjadi pada penghitungan IPM
sebagai metode baru. Beberapa indikator diganti menjadi lebih
relevan. Indikator Angka Partisipasi Kasar Gabungan (Combine
Gross Enrollment Ratio) diganti dengan indikator Harapan Lama
Sekolah (Expected Years of Schooling). Indikator Produk Domestik
Bruto (PDB) per kapita diganti dengan Produk Nasional Bruto
(PNB) per kapita. Selain itu, cara penghitungan juga ikut berubah.
Metode rata-rata aritmatik diganti menjadi rata-rata geometrik untuk
menghitung indeks komposit.
16
Tabel 2.1 Perbedaan Indikator
Metode Lama dan Metode Baru UNDP
Dimensi Metode Lama Metode Baru
Umur Panjang
dan Hidup
Sehat
Angka Harapan Hidup
saat Lahir (AHH)
Angka Harapan Hidup
saat Lahir (AHH)
Pengetahuan
Angka Melek Huruf
Kombinasi
Angka Partisipasi Kasar
(APK)
Harapan Lama Sekolah
(HLS)
Rata-rata Lama Sekolah
(RLS)
Standar Hidup
Layak
PDB per Kapita PNB per Kapita
Agregasi Rata-rata Aritmatik Rata-rata Geometrik
Sumber: Badan Pusat Statistik 2014
b. Komponen Indeks Pembangunan Manusia
Sebagai ukuran kualitas hidup, IPM dibangun melalui tiga
pendekatan dimensi dasar. Ketiga dimensi tersebut memiliki
pengertian sangat luas karena terkait banyak faktor. Berikut
merupakan komponen-komponen IPM menurut Badan Pusat
Statistik (2014: 102), di antaranya:
1) Angka Harapan Hidup
Menurut Preston (dalam BPS, 2014) Angka Harapan Hidup
saat lahir (AHH) merupakan rata-rata perkiraan banyak tahun
yang dapat ditempuh oleh seseorang selama hidup. Perhitungan
angka harapan hidup melalui pendekatan tak langsung (indirect
estimation). Jenis data yang digunakan Anak Lahir Hidup
(ALH) dan Anak Masih Hidup (AMH). Paket program
Mortpack digunakan untuk menghitung angka harapan hidup
17
berdasarkan input data ALH dan AMH. Selanjutnya dipilih
metode Trussel dengan model West, yang sesuai dengan histori
kependudukan dan kondisi Indonesia dengan negara-negara
Asia Tenggara umumnya.
2) Tingkat Pendidikan
Salah satu komponen pembentuk IPM adalah dari dimensi
pengetahua yang diukur melalui tingkat pendidikan. Dalam hal
ini, indikator yang digunakan adalah rata-rata lama sekolah
(mean years of schooling) dan harapan lama sekolah (expected
years of schooling). Pada proses pembentukan IPM, rata-rata
lama sekolah dan harapan lama sekolah diberi bobot yang sama,
kemudian penggabungan kedua indikator ini digunakan sebagai
indeks pendidikan sebagai salah satu komponen pembentuk
IPM.
Rata-rata lama sekolah menggambarkan jumlah tahun yang
digunakan oleh penduduk usia 25 tahun ke atas dalam menjalani
pendidikan formal. Penghitungan rata-rata lama sekolah
menggunakan dua batasan yang dipakai sesuai kesepakatan
UNDP. Rata-rata lama sekolah memiliki batas maksimumnya 15
tahun dan batas minimum sebesar 0 tahun.
Harapan lama sekolah didefinisikan sebagai lamanya
sekolah (dalam tahun) yang diharapkan akan dirakan oleh anak
pada umur tertentu di masa mendatang. Harapan lama sekolah
dihitung untuk penduduk berusia 7 tahun ke atas. Indikator ini
dapat digunakan untuk mengetahui kondisi pembangunan sistem
pendidikan di berbagai jenjang yang ditunjukan dalam bentuk
lamanya pendidikan (dalam tahun) yang diharapkan dapat
dicapai oleh setiap anak. Seperti halnya rata-rata lama sekolah,
harapan lama sekolah juga menggunakan batasan yang dipakai
18
sesuia kesepakatan UNDP. Batas maksimum untuk harapan
lama sekolah adalah 18 tahun, sedangkan batas minimumnya 0.
3) Standar Hidup Layak
Dimensi lain dari ukuran kualitas hidup manusia adalah
standar hidup layak. Dalam cakupan lebih luas, standar hidup
layak menggambarkan tingkat kesejahteraan yang dinikmati
oleh penduduk sebagai dampak semakin membaiknya ekonomi.
UNDP mengukur standar hidup layak menggunakan Produk
Nasional Bruto (PNB) per kapita yang disesuaikan, sedangkan
BPS dalam menghitung standar hidup layak menggunakan rata-
rata pengeluaran per kapita riil yang disesuiakan dengan paritas
daya beli (purchasing power parity) berbasis formula Rao.
4) Pengukuran Indeks Pembangunan Manusia
Sebelum menghitung IPM, setiap komponen IPM harus
dihitung indeksnya. Formula yang digunakan dalam
penghitungan indeks komponen IPM seperti dala Buku Indeks
Pembangunan Manusia (BPS, 2014) adalah sebagai berikut:
𝐼𝐴𝐻𝐻 = AHH − AHHmin
AHHmax − AHHmin
𝐼𝐻𝐿𝑆 = HLS − HLSmin
HLSmax − HLSmin
𝐼𝑅𝐿𝑆 = RLS − RLSmin
RLSmax − RLSmin
𝐼𝑝𝑒𝑛𝑔𝑒𝑡𝑎ℎ𝑢𝑎𝑛 = IHLS + IRLS
2
𝐼𝑝𝑒𝑛𝑔𝑒𝑙𝑢𝑎𝑟𝑎𝑛 = In(𝑝𝑒𝑛𝑔𝑒𝑙𝑢𝑎𝑟𝑎𝑛) − In(𝑝𝑒𝑛𝑔𝑒𝑙𝑢𝑎𝑟𝑎𝑛min)
In(𝑝𝑒𝑛𝑔𝑒𝑙𝑢𝑎𝑟𝑎𝑛max) − In(𝑝𝑒𝑛𝑔𝑒𝑙𝑢𝑎𝑟𝑎𝑛min)
Selanjutnya nilai IPM dapat dihitung sebagai berikut:
19
𝐼𝑃𝑀 = √𝐼𝑘𝑒𝑠𝑒ℎ𝑎𝑡𝑎𝑛 X 𝐼𝑝𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛 X 𝐼𝑝𝑒𝑛𝑔𝑒𝑙𝑢𝑎𝑟𝑎𝑛 3
Untuk mengukur kecepatan perkembangan IPM dalam
suatu kurun waktu digunakan ukuran pertumbuhan per tahun.
Pertumbuhan IPM menunjukan perbandingan antara perubahan
capaian terkini dengan capaian tahun sebelumnya. Semakin
tinggi nilai pertumbuhan IPM, maka semakin cepat pula
peningkatan IPM. Indikator pertumbuhan IPM ini dapat
digunakan sebagai kinerja pembangunan manusia suatu wilayah
pada kurun waktu tertentu (Buku Indeks Pembangunan Manusia
BPS, 2014: 106)
𝑃𝑒𝑟𝑡𝑢𝑚𝑏𝑢ℎ𝑎𝑛 𝐼𝑃𝑀 = 𝐼𝑃𝑀𝑡 − 𝐼𝑃𝑀𝑡−1
𝐼𝑃𝑀𝑡−1 𝑋 100%
Menurut Buku Indeks Pembangunan Manusia (BPS, 2014:
106) capaian pembangunan manusia di suatu wilayah pada
waktu tertentu dapat dikelompokan ke dalam empat kelompok.
Pengelompokan ini bertujuan mengorganisasikan wilayah-
wilayah menjadi kelompok-kelompok yang sama dalam hal
pembangunan manusia. Urutannya adalah sebagai berikut:
- Kelompok “sangat tinggi” : IPM ≥ 80
- Kelompok “tinggi” : 70 ≤ IPM < 80
- Kelompok “sedang” : 60 ≤ IPM < 70
- Kelompok “rendah” : IPM < 60
4. Upah Minimum
Dalam Undang-Undang Republik Indonesia Nomor 13 Tahun 2003
pasal 1 ayat 31 defisini upah adalah hak pekerja/buruh yang diterima dan
dinyatakan dalam bentuk uang sebagai imbalan dari pengusaha atau
pemberi kerja kepada pekerja/buruh yang ditetapkan dan dibayarkan
menurut suatu perjanjian kerja, kesepakatan, atau peraturan perundang-
20
undangan, termasuk tunjangan bagi pekerja/buruh dan keluarganya atas
suatu pekerjaan dan/atau jasa yang telah atau akan dilakukan.
Upah minimum adalah upah yang paling rendah untuk setiap jam,
setiap hari atau setiap bulan yang dapat diterima oleh setiap tenaga kerja
atau buruh (Wirawan, 2015:394). Dalam Undang- Undang Republik
Indonesia Nomor 13 tahun 2003 pada pasal 89 dijelaskan bahwa upah
minimum terdiri dari upah minimum terdiri atas: (a). Upah minimum
berdasarkan wilayah provinsi atau kabupaten/kota; (b). Upah minimum
berdasarkan sektor pada wilayah provinsi atau kabupaten/kota.
B. Penelitian Terdahulu
1. Muhammad Burhanudin (2015) dengan penelitiannya yang berjudul
“Pengaruh Produk Domestik Bruto, Upah Minimum Kabupaten/Kota,
dan Indeks Pembangunan Manusia terhadap Tingkat Pengangguran di
Provinsi Banten Periode 2008-2013” dengan hasil penelitian yaitu
Produk Domestik Bruto berpengaruh tidak signifikan terhadap
pengangguran di Provinsi Banten, upah minimum kabupaten/kota
berpengaruh negatif dan signifikan terhadap pengangguran di Provinsi
Banten, dan indeks pembangunan manusia berpengaruh negatif dan
signifikan terhadap pengangguran di Provinsi Banten. Persamaan
penelitian ini dengan penelitian yang dilakukan oleh Muhammad
Burhanudin adalah sama-sama menggunakan variabel upah minimum
dan indeks pembangunan manusia untuk mengetahui pengaruhnya
terhadap tingkat pengangguran. Sedangkan perbedaan penelitian ini
dengan penelitian yang dilakukan oleh Muhammad Burhanudin adalah
penelitian ini tidak menggunakan variabel produk domestik bruto.
Dalam penelitian ini dilakukan di Provinsi Banten tahun 2010-2016
sedangkan penelitian yang dilakukan oleh Muhammad Burhanudin
menganalisis Provinsi Banten tahun 2008-2013.
2. Dwi Aprilia Putri (2017) dengan penelitiannya yang berjudul”
Analisis Beberapa Faktor yang Mempengaruhi Tingkat Pengangguran
Terbuka di Jawa Timur Tahun 2003-2014 dengan hasil penelitian
21
bahwa inflasi berpengaruh positif terhadap tingkat pengangguran
terbuka di Jawa Timur. Sedangkan upah minimum berpengaruh negatif
terhadap tingkat pengangguran terbuka di Jawa Timur tahun 2003
hingga 2014. Persamaan penelitian ini dengan penelitian yang
dilakukan oleh Dwi Aprilia Putri adalah menggunakan variabel upah
minimum untuk mengetahui pengaruhnya terhadap tingkat
pengangguran terbuka. Perbedaan penelitian ini dengan penelitian yang
dilakukan oleh Dwi Aprilia Putri adalah penelitian ini tidak
menggunakan variabel pertumbuhan ekonomi dan dilakukan di
Provinsi Banten tahun 2010 sampai dengan tahun 2016. Sedangkan
dalam penelitian Dwi Aprilia Putri dilakukan di Provinsi Jawa Timur
tahun 2003 sampai dengan tahun 2014.
3. Dewi Kartika Sari (2017) dalam skripsinya yang berjudul “Analisis
Pengaruh Produk Domestik Bruto, Upah Minimum Kota, Indeks
Pembangunan Manusia, Jumlah Penduduk dan Beban/Tanggungan
Penduduk terhadap Tingkat Pengangguran Terbuka di kota-kota
Provinsi Jawa Timur Tahun 2010-2015” dengan hasil penelitian bahwa
PDRB Provinsi Jawa Timur berpengaruh positif dan tidak signifikan
terhadap pengangguran terbuka, UMK berpengaruh negatif dan
signifikan terhadap tingkat pengangguran terbuka, IPM berpengaruh
negatif dan tidak signifikan terhadap pengangguran terbuka, jumlah
penduduk berpengaruh negatif dan signifikan terhadap pengangguran,
dan beban/tanggungan penduduk berpengaruh negatif dan signifikan
terhadap pengangguran terbuka di Kota-Kota Provinsi Jawa Timur.
Persamaan penelitian ini dengan penelitian yang dilakukan oleh Dewi
Kartika Sari adalah mengunakan variabel upah minimum dan jumlah
penduduk untuk mengetahui pengaruhnya terhadap pengangguran.
Perbedaan penelitian ini dengan penelitian yang dilakukan oleh Dewi
Kartika Sari yaitu tidak menggunakan variabel PDRB dan
beban/tanggungan. Penelitian ini dilakukan di Provinsi Banten tahun
2010 sampai dengan tahun 2016. Sedangkan penelitian yang dilakukan
22
oleh Dewi Kartika dilakukan di Kota-Kota Provinsi Jawa Timur tahun
2010-2015.
4. Jihad panjana dan Daryono Soebagiyo (2014) dengan penelitiannya yang
berjudul “Efek Peningkatan Upah Minimum terhadap Tingkat
Pengangguran” dengan hasil penelitian bahwa upah minimum dan jumlah
penduduk memiliki pengaruh positif signifikan terhadap tingkat
pengangguran, Produk Domestik Regional Bruto (PDRB) memiliki
pengaruh negatif signifikan terhadap tingkat pengangguran, sedangkan
inflasi tidak memiliki pengaruh signifikan terhadap tingkat pengangguran.
Persamaan penelitian ini dengan penelitian yang dilakukan oleh Jihad
panjana dan Daryono Soebagiyo adalah mengunakan variabel upah
minimum untuk mengetahui pengaruhnya terhadap tingkat
pengangguran. Perbedaan penelitian ini dengan penelitian yang
dilakukan oleh Jihad panjana dan Daryono Soebagiyo yaitu tidak
menggunakan variabel PDRB dan Inflasi. Penelitian ini dilakukan di
Provinsi Banten tahun 2010 sampai dengan tahun 2016. Sedangkan
penelitian yang dilakukan oleh Jihad panjana dan Daryono Soebagiyo
dilakukan di Karisidenan Surakarta tahun 1999-2013.
5. Dita Dewi Kuntiarti (2017) dengan peelitiannya yang berjudul
“Pengaruh Inflasi, Jumlah Penduduk Dan Kenaikan Upah Minimum
Terhadap Pengangguran Terbuka Di Provinsi Banten Tahun 2010-
2015” dengan hasil penelitian inflasi tidak berpengaruh signifikan
terhadap tingkat pengangguran terbuka. Sedangkan jumlah penduduk
dan upah minimum berpengaruh signifikan negatif terhadap tingkat
pengangguran terbuka. Perbedaaan penelitian ini dengan yang
dilakukan oleh penulis terdapat pada pemilihan variabel independen
inflasi dengan indeks pembangunan manusia.
23
C. Keterkaitan antar Variabel
Hubungan Indeks Pembangunan Manusia dengan Pengangguran
Pembangunan manusia adalah tujuan dari pembangunan itu sendiri.
Dimana peranan manusia adalah kunci membentuk suatu negara dalam
mengembangkan kapasitasnya untuk melakukan pembangunan yang
berkelanjutan (Todaro, 2000). Dengan teratasinya masalah pengangguran,
kualitas pembangunan manusia akan semakin baik. Juga semakin baik
kualitas sumber dayanya, semakin kecil suatu daerah memiliki masalah
pengangguran.
Secara langsung, pengangguran dapat menurunkan daya beli
masyarakat dan pendapatan daerah. Lalu menurunkan kemakmmuran
sehingga berpotensi terjebaknya masyarakat pada masalah rendahnya
indeks pembangunan manusia. Yang selanjutnya memunculkan masalah
pollitik dan sosial (Sadono Sukirno, 2013). Dengan dampaknya yang begitu
besar bagi negara, masalah pengangguran harus segera diatasi dengan
meningkatkan indikator-indikator yang mampu membangun kualitas
sumber daya manusia.
Hubungan Jumlah Penduduk dengan Pengangguran
Penduduk yang bertambah akan memperbesar jumlah tenaga kerja,
dan penambahan tersebut memungkinkan negara itu menambah jumlah
produksi (Sukirno, 2013:430). Thomas Robert Malthus mempublikasikan
sebuah teori tentang hubungan pertambahan penduduk dengan pendapatan
perkapita. Teori ini dikenal dengan teori optimum population. Jika dilihat
dari gambar 2 maka hubungan jumlah penduduk dengan produk per kapita
berbentuk U terbalik.
24
Gambar 2.1. Kurva Hubungan
Jumlah Penduduk dan Output Perkapita
Dari kurva diatas dapat dijelaskan bahwa jika penduduk belum
mencapai jumlah OA , kurva AP itu masih mengarah ke kanan atas. Hal
itu berarti jika jumlah penduduk meningkat, maka meningkat pula
pendapatan perkapita. Selanjutnya jika jumlah penduduk bertambah
hingga OA dan tidak ada perbaikan input apapun sehingga kurva AP
tidak bergeser maka dicapailah tingkat produk perkapita maksimum
yakni sebesar OC. Itulah yang disebut optimum population. Dan ketika
penduduk terus bertambah maka berangsur-angsur turunlah produk per
kapita sehingga berlaku the law of diminishing return dan kini negara
tersebut memasuki wilayah overpopulation (Rosyidi, 2011:89-90).
Jika pendapatan perkapita tinggi maka pertumbuhan ekonomi juga
tinggi sehingga semakin besar harapan untuk tidak menganggur,
sebaliknya jika pertumbuhan ekonomi turun maka besarlah tingkat
pengangguran. Hubungan pertumbuhan ekonomi dengan tingkat
pengangguran dapat dijelaskan dengan hukum Okun yang
dipublikasikan oleh seorang ekonom yang bernama Arthur Okun.
Hukum Okun ini menjelaskan bahwa untuk setiap penurunan 2% GDP
angka pengangguran meningkat 1%. Hal ini berarti terdapat hubungan
negatif antara pertumbuhan ekonomi dengan pengangguran.
25
Hubungan Upah Minimum dengan Pengangguran
Menurut pendapat ahli-ahli ekonomi Klasik dalam suatu
perekonomian modern akan dapat dilihat bahwa tingkat upah tidak mudah
mengalami penurunan. Hal tersebut membuat pengangguran menjadi lebih
sulit untuk dihapuskan (Sukirno, 2013:84). Dalam suatu kurva Philips yang
menerangkan antara : hubungan kenaikan upah dan pengangguran, dan
hubungan tingkat inflasi dan pengangguran. Kesimpulan dari kurva tersebut
adalah terdapat satu hubungan yang negatif diantara kenaikan tingkat upah
dengan pengangguran. Ketika tingkat pengangguran tinggi maka tingkat
upah rendah dan sebaliknya jika pengangguran rendah maka tingkat upah
tinggi (Sukirno, 2013:245-246).
Gambar 2.2. Hubungan Antara Prosentase Kenaikan Upah dengan
Pengangguran
Kurva Phillips diperoleh semata-mata atas dasar studi empirik, tidak
ada dasar teorinya (Nopirin, 2000: 37). Perkembangan selanjutnya dari
studi empiris ini, Lipsey (1960) mencoba untuk mengisi dasar teorinya
dengan menggunakan teori pasar tenaga kerja. Dalam pasar tenaga
kerja, tingkat upah cenderung turun apabila terdapat kelebihan
penawaran tenaga kerja (pengangguran) dan akan naik apabila terdapat
kelebihan permintaan tenaga kerja. Pengangguran mempunyai
hubungan negatif dengan kelebihan permintaan akan tenaga kerja.
Dengan demikian, apabila dalam pasar terdapat kelebihan penawaran,
ini akan tercermin pada banyaknya orang yang mencari pekerjaan.
26
Namun Ia mengakui adanya kenyataan bahwa pasar tenaga kerja tidak
sempurna sehingga inilah yang menyebabkan terjadinya pengangguran
friksional atau pengangguran alamiah (Nopirin, 2000:37).
D. Kerangka Pemikiran
Dalam penelitian ini, penulis menguraikan bagaimana pengaruh
variabel bebas terhadap variabel terikat sebagai berikut :
Bagaimana pengaruh masing-masing variabel bebas terhadap
variabel terikat dan bagaimana pengaruh variabel bebas secara simultan
terhadap variabel terikat.
Indeks
Pembangunan
Manusia (X1)
Jumlah
Penduduk
(X2)
Tingkat
Pengangguran
Terbuka (Y)
Upah
Minimum
(X3)
27
E. Hipotesis Penelitian
Dari rumusan masalah yang terdapat pada bab 1, maka penulis
menentukan hipotesis sebagai berikut:
𝐻1 : Diduga terdapat pengaruh yang signifikan antara variable Indeks
Pembangunan Manusia (IPM) terhadap Tingkat Pengangguran
terbuka di Provinsi Banten
𝐻1 : Diduga terdapat pengaruh yang signifikan antara variable Jumlah
Penduduk terhadap Tingkat Pengangguran terbuka di Provinsi
Banten
𝐻1 : Diduga terdapat pengaruh yang signifikan antara variable Upah
Minimum terhadap Tingkat Pengangguran terbuka di Provinsi
Banten
𝐻1 : Diduga terdapat pengaruh yang signifikan antara variable Indeks
Pembangunan Manusia, Jumlah Penduduk dan Upah Minimum
secara simultan terhadap Tingkat Pengangguran terbuka di Provinsi
Banten
28
BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Ruang lingkup dalam penelitian ini adalah menganalisis tentang
pengaruh Indeks Pembangunan Manusia, Jumlah Penduduk dan Upah
Minimum terhadap Tingkat Pengangguran Terbuka di seluruh kabupaten dan
kota yang ada di Provinsi Banten, yang pada akhirnya nanti akan melihat
kontribusi variabel-variabel bebas mempengaruhi variabel terikat, baik itu
secara simultan (bersama-sama) ataupun secara parsial (sendiri-sendiri).
Penelitian ini dilakukan dalam periode 7 tahun yaitu dari tahun 2010 sampai
dengan tahun 2016 di Kabupaten Pandeglang, Kabupaten Lebak, Kabupaten
Serang, Kabupaten Tangerang, Kota Cilegon, Kota Serang, Kota Tangerang,
dan Kota Tangerang Selatan
B. Metode Pengumpulan Data
Di dalam penelitian ini data yang digunakan adalah data sekunder.
Data sekunder merupakan data yang didapat dari pihak lain, tidak secara
langsung didapat dari subjek penulisnya. Proses pencarian data sekunder
dilakukan dengan cara mempelajari catatan-catatan dan dokumen-dokumen
yang terdapat dalam instansi yang diteliti dengan menggunakan metode
dokumentasi atau data laporan yang sudah tersedia. Data yang digunakan
dalam penelitian ini meliputi: Investasi Publik, Investasi Swasta, Pertumbuhan
Ekonomi dan Indeks Pembangunan Manusia yang diperoleh dari Badan Pusat
Statistik Provinsi Banten dan Badan Koordinasi Penanaman Modal.
C. Metode Analisis Data
Pada penelitian ini menggunakan data panel atau data pool dengan
bantuan software eviews version 8. Data panel sendiri adalah gabungan antara
data seksi silang (cross section) dan data runtut waktu (time series). Data panel
diperkenalkan oleh Howles tahun 1950 yang mengatakan bahwa data seksi
29
silang (terdiri atas beberapa variabel), dan sekaligus terdiri atas beberapa
waktu. Sedangkan data pool sendiri merupakan bagian dari data panel, kecuali
masing-masing kelompok dipisahkan berdasarkan objeknya (Winarno, 2015).
Sedangkan menurut Widyantoro (2014) data panel secara substansial
mampu menurunkan masalah omitted variable. Model yang mengabaikan
tentang variabel yang relevan. Untuk mengatasi interkorelasi di antara
variabel-variabel bebas yang pada akhirnya dapat mengakibatkan tidak
tepatnya penaksiran regresi, sehingga metode panel lebih tepat digunakan.
Terdapat kelebihan serta keunggulan dalam menggunakan data panel.
Seperti yang disampaikan Baltagi (dalam Gujarati, 2012) keunggulan-
keunggulan tersebut di antaranya adalah:
1. Dapat mengontrol heterogenitas individu dengan memberikan variabel
spesifik-subjek.
2. Dengan menggabungkan antara observasi runtut waktu dan seksi silang,
data panel member lebih banyak informasi, lebih banyak variasi, sedikit
kolinearitas antar variabel lebih banyak degree of freedom dan lebih
efisien.
3. Dengan mempelajari observasi seksi silang berulang-ulang, data panel
paling tepat untuk mempelajari dinamika perubahan.
Data panel paling baik untuk mendeteksi dan mengukur dampak
yang secara sederhana tidak bisa dilihat pada data seksi silang murni dan
runtut waktu murni. Pemodelan data panel pada dasarnya menggabungkan
pembentukan model yang dibentuk berdasarkan runtut waktu (time series)
dan berdasarkan cross section
30
1. Metode Analisis Data Panel
Untuk mengestimasi parameter model dengan data panel, terdapat
beberapa teknik seperti yang dijelaskan oleh Nachrowi dan Usman (2006)
antara lain:
Pool Least Square
Metode ini dikenal pula sebagai Common Effect Model.
Teknik ini merupakan teknik yang paling sederhana untuk
mengestimasi data panle yaitu dengan cara mengkombinasikan data
time series dengan cross section. Dengan hanya menggabungkan
data tersebut tanpa melihat perbedaan antar waktu dan antar individu
maka kita dapat menggunakan metode OLS untuk mengestimasikan
data panel. Dalam pendekatan ini tidak memperhatikan dimensi
individu maupun waktu (Widarjono, 2013).
Fixed Effect Model
Pendekatan ini adalah teknik untuk mengestimasi data panel
dengan menggunakan variabel dummy untuk menangkap adanya
perbedaan antar intersep antara cross section maupun intersepnya
sama antar waktu (time variant). Di samping itu, model ini pun
mengasumsikan bahwa koefisien regresi tetap antar cross section
dan antar waktu (Widarjono, 2013).
Random Effect Model
Model Random Effect Model (REM) adalah variasi dari
estimasi generalizes least square (GLS). Prinsip dasar GLS pada
dasarnya sama dengan OLS, yaitu meminimkan jumlah kuadrat
penyimpangan error nilai-nilai obeservasi terhadap rata-ratanya.
Model GLS memiliki nilai lebih dibandingkan OLS dalam
mengestimasi parameter regresi. Metode GLS memiliki nilai lebih
dibandingkan OLS dalam mengestimasi parameter regresi. Metode
OLS dalam mengestimasi bahwa varians error adalah
31
homokedastisitas, pada kenyataannya variansi data pada data
khususnya data time series cenderung heterogen
(heterokedastisitas). Metode GLS sudah memperhitungkan
hetergonitas yang terdapat pada variabel independen secara eksplisit
(Ajija dkk, 2011).
2. Pilihan Metode Data Panel
Terdapat tiga tahapan untuk memilih metode dalam data panel, yang
akan dipilih untuk mendapatkan model yang paling tepat atau sesuai.
Pertama-tama kita harus membandingkan PLS dan FEM terlebih
dahulu. Kemudian dilakukan uji F-test. Apabila hasil menunjukan
model PLS yang diterima, maka model PLS–lah yang akan dianalisa.
Tetapi apabila model FEM yang diterima, maka tahap kedua dijalankan,
yaitu melakukan perbandingan lagi dengan model REM. Selanjutnya
dilakukan pengujian dengan Hausman Test untuk menentukan metode
mana yang akan dipakai, apakah FEM atau REM. Apabila hasil yang
didapat menunjukan REM maka perlu digunakan uji LM (Lagrange
Multiplier) yaitu REM dengan CEM.
Uji Chow
` Pengujian ini dilakukan guna mengetahui model PLS (Pooled Least
Square) atau FEM (Fixed Effect Model) yang akan dipakai di dalam
estimasi. Relatif terhadap Fixed Effect Model, Pooled Least Square
adalah restricted model di mana ia menerapkan intercept yang sama
untuk seluruh individu. Padahal asumsi bahwa setiap unit cross section
memiliki perilaku yang sama cenderung tidak realistis mengingat
dimungkinkan saja setiap unit tersebut memiliki perilaku yang berbeda.
Untuk mengujinya dapat digunakan restricted F-test, dengan hipotesis
sebagai berikut:
𝐻0 : Model Pooled Least Square (restricted)
𝐻1 : Model Fixed Effect (unrestricted)
32
Dasar penolakan terhadap hipotesis nol tersebut adalah dengan
menggunakan F statistic seperti yang dirumuskan oleh Chow:
𝐶ℎ𝑜𝑤 = (𝑅𝑆𝑆𝑆 − 𝑈𝑅𝑆𝑆)/(𝑁 − 1)
𝑈𝑅𝑆𝑆/(𝑛𝑡 − 𝑁 − 𝐾)
Di mana:
RSSS = Restricted Residual Sum Square (Sum Square
Residual PLS)
URSS = Unrestricted Residual Sum Square (Sum Square
Residual Fixed)
N = Jumlah data cross section
T = Jumlah data time series
K = Jumlah variabel independen
Di dalam pengujian ini mengikuti distribusi F yaitu FK(N−1,NT−N−K).
Apabila nilai chow statistic (F statistic) hasil pengujian lebih besar dari
F tabel, maka cukup bukti bagi kita untuk melakukan penolakan terhadap
H0 sehingga model yang kita gunakan adalah Fixed Effect Model (FEM),
begitu pula sebaliknya.
Uji Hausman
Uji Hausman merupakan pengujian statistik sebagai dasar
pertimbangan kita dalam memilih apakah menggunakan Fixed
Effect Model atau Random Effect Model. Pengujian ini dilakukan
dengan hipotesis sebagai berikut:
𝐻0 : Model Random Effect
𝐻1 : Model Fixed Effect
33
Berdasarkan penolakan Ho maka digunakan statistik Hausman dan
membandingkannya dengan Chi square. Adapun rumus Statistik
Hausman adalah sebagai berikut:
𝐻 = (𝛽𝑅𝐸𝑀 − 𝛽𝐹𝐸𝑀)′(𝑀𝐹𝐸𝑀 − 𝑀𝑅𝐸𝑀)−1 (𝛽𝑅𝐸𝑀 − 𝛽𝐹𝐸𝑀) ~ 𝑥2(𝑘)
Di mana M merupakan matriks kovarians untuk parameter β.
Dan k merupakan degree of freedom yang merupakan jumlah
variabel independen. Jika nilai H hasil pengujian lebih besar dari X2
(k), maka cukup bukti untuk melakukan penolakan terhadap H0
sehingga model yang digunakan adalah Fixed Effect Model, begitu
pula sebaliknya.
Penelitian ini memakai analisis pendekatan secara sederhana
menggabungkan seluruh data time series dan cross-section dengan
mengestimasi data panel. Model data panel untuk teknik regresi
diformulasikan seperti berikut:
𝑌 = 𝛼 + 𝛽1𝑋1 + 𝛽 2𝑋2 + 𝛽3𝑋3 + 𝑒
Di mana:
Y = Tingkat Penganggura Terbuka
X1 = Indeks Pembangunan Manusia
X2 = Jumlah Penduduk
X3 = Upah Minimum Kabupaten/Kota
β = Koefisien masing-masing variabel
α = Konstanta
e = error term
34
3. Pemilihan model estimasi data panel
Teknik analisis data panel dalam penelitian ini dapat
dilakukan dengan metode common effect, fixed effect dan random
effect, sedangkan untuk menentukan metode mana yang lebih sesuai
dengan penelitian ini maka digunakan Uji Chow dan Uji Hausman :
(Mahulete, 2016).
1) Model Pooled (Common Effect)
Model Common Effect adalah model yang paling
sederhana, karena metode yang digunakan dalam metode
Common Effect hanya dengan mengkombinasikan data time
series dan cross section. Dengan hanya menggabungkan
kedua jenis data tersebut, maka dapat digunakan metode
Ordinal Least Square (OLS) atau teknik kuadrat terkecil
untuk mengestimasi model data panel. Dalam pendekatan
ini tidak memperhatikan dimensi individu maupun waktu,
dan dapat diasumsikan bahwa perilaku data antar
perusahaan sama dalam rentan waktu. Asumsi ini jelas
sangat jauh dari realita sebenarnya, karena karakteristik
antar perusahaan baik dari segi kewilayahan jelas sangat
berbeda. Persamaan metode ini dapat dirumuskan sebagai
berikut : (Mahulete, 2016).
Dimana : (Silalahi, 2014).
𝑌𝑖𝑡 : Variabel terikat individu ke-i pada waktu ke-i
𝑋𝑖𝑡𝑗 : Variabel bebas ke-j individu ke-i pada waktu ke-t
i : Unit cross-section sebanyak N
j : Unit time siries sebanyak T
35
𝜀𝑖𝑡 : Komponen error individu ke-i pada waktu ke-t
α : Intercept
𝛽𝑗 : Parameter untuk variabel ke-j (Silalahi, 2014).
2) Model Efek Tetap (Fixed Effect)
Model ini digunakan untuk mengatasi kelemahan
dari analisis data panel yang menggunakan metode common
effect, penggunaan data panel common effect tidak realistis
karena akan menghasilkan intercept ataupun slope pada
data panel yang tidak berubah baik antar individu (cross
section) maupun antar waktu (time series). (Mahulete,
2016).
Model ini juga untuk mengestimasi data panel
dengan menambahkan variabel dummy. Model ini
mengasumsikan bahwa terdapat efek yang berbeda antar
individu. Perbedaan ini dapat diakomodasi melalui
perbedaan diintersepnya. Oleh karena itu dalam model fixed
effect, setiap individu merupakan parameter yang tidak
diketahui dan akan diestimasi dengan menggunakan teknik
variabel dummy yang dapat dirumuskan sebagai berikut :
(Silalahi, 2014).
Dimana :
𝑌𝑖𝑡 : Variabel terikat individu ke-i pada waktu ke-i
: Variabel bebas ke-j individu ke-i pada waktu ke-t
𝐷𝑖 : Dummy variavel
𝜀𝑖𝑡 : Komponen error individu ke-i pada waktu ke-t
α : Intercept
36
𝛽𝑗 : Parameter untuk variabel ke-j (Silalahi, 2014).
Teknik ini dinamakan Least Square Dummy Variabel
(LSDV). Selain diterapkan untuk efek tiap individu, LSDV
ini juga dapat mengkombinasikan efek waktu yang bersifat
sismatik. Hal ini dapat dilakukan melalui penambahan
variabel dummy waktu di dalam model. (Silalahi, 2014).
3) Model Efek Acak (Random Effect)
Dalam metode ini perbedaan karakteristik individu
dan waktu diakomodasikan dengan error dari model.
Mengingat terdapat dua komponen yang mempunyai
kontribusi pada pembentukan error yaitu (individu dan
waktu), maka pada metode ini perlu diuraikan menjadi error
dari komponen individu, error untuk komponen waktu dan
error gabungan. Persamaan random effect dapat
dirumuskan sebagai berikut : (Mahulete, 2016).
Dimana :
𝑢𝑖 : Komponen error cross-section
𝑉𝑡 : Komponen time series
𝑊𝑖𝑡 : Komponen error gabungan. (Silalahi, 2014).
4. Pengujian Hipotesis
Pengujian ini dilakukan guna mengetahui variabel-variabel independen
secara individu dan bersama-sama mempengaruhi signifikan terhadap
variabel dependen. Uji statistik meliputi Uji-F, Uji t dan koefisiensi
determinasi.
Koefisiensi Determinasi (R2)
Menurut Kuncoro (2003) koefisiensi determinasi mengukur
seberapa jauh kemampuan model dalam menerangkan variabel
37
dependennya. Nilai koefisien determinasi adalah antara nol dan satu nilai
R2 yang kecil berarti kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen sangat terbatas dan nilai yang
mendekati satu berarti variabel-variabel independen memberikan hampir
semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependennya.
Uji Signifikansi Simultan (Uji-F)
Dilakukan guna mengetahui apakah semua variabel independen
dalam penelitian secara bersama-sama berpengaruh terhadap variabel
dependen, perlu dilakukan pengujian koefisien regresi secara serentak.
Pengujian menggunakan derajat signifikansi nilai F. Pengujian ini
dilakukan menggunakan software e-views 9.0.
H0 : Semua variabel independen tidak berpengaruh terhadap
variabel dependen.
H1 : Semua variabel independen berpengaruh terhadap variabel
dependen.
Dasar pengambilan:
1. Jika nilai probabilitas (signifikansi) > 0,05 maka H0 diterima dan
H1 ditolak.
2. Jika nilai probabilitas (signifikansi) < 0,05 maka H0 ditolak dan H1
diterima.
Uji Parsial (Uji-t)
Guna mengetahui apakah variabel independen secara parsial
berpengaruh terhadap variabel dependen. Pengujian ini dilakukan dengan
melihat derajat signifikansi masing-masing variabel bebas menggunakan
software e-views 9.0.
H0 : Masing-masing variabel independen tidak berpengaruh
terhadap variabel dependen.
H1 : Masing-masing variabel independen berpengaruh terhadap
variabel dependen.
38
Dasar pengambilan keputusan:
1. Jika nilai probabilitas (signifikansi) > 0,05 maka H0 diterima dan
H1 ditolak.
2. Jika nilai probabilitas (signifikansi) < 0,05 maka H0 ditolak dan H1
diterima.
5. Definisi Operasional Variabel
Penelitian ini berjudul “Analisis Pengaruh Indeks Pembangunan
Manusia Jumlah Penduduk dan Upah Minimum Daerah terhadap Tingkat
Pengangguran Terbuka di Provinsi Banten Periode 2010-2016”. Maka
variabel dependen di dalam penelitian ini adalah tingkat pengangguran
terbuka. Dan variabel independen yang akan diuji keterkaitannya denan
variabel dependennya adalah indeks pembangunan mannusia, jumlah
penduduk dan upah minimum. Untuk mengukur variabel-variabel di atas,
penulis terlebih dahulu akan menjelaskan dan menentukan indikator yang
terkait pada variabel tersebut, yaitu sebagai berikut:
1. Tingkat Pengangguran Terbuka
Pengangguranj adalah istilah untuk orang yang tidak bekerja
sama sekali, sedang mencari kerja, bekerja kurang dari dua hari
selama seminggu, atau seseorang yang sedang berusaha
mendapatkan pekerjaan (BPS).. Menurut Sadono Sukirno (2013),
Pengangguran adalah keadaan tanpa pekerjaan yang dihadapi oleh
segolongan tenaga kerja, yang telah berusaha mencari pekerjaan,
tetapi tidak memperolehnya.
2. Indeks Pembangunan Manusia
Indeks Pembangunan Manusia (IPM) adalah indeks yang
menjelaskan bagaimana penduduk dapat mengakses hasil
pembangunan dalam memperoleh pendapatan, kesehatan,
pendidikan, dan sebagainya. IPM diperkenalkan oleh UNDP pada
tahun 1990 dan dipublikasikan secara berkala dalam laporan
39
tahunan Human Development Report (HDR). IPM dibentuk oleh
tiga dimensi dasar, yaitu umur panjang dan hidup sehat,
pengetahuan, serta standar hidup layak (BPS, 2014).
3. Jumlah Penduduk
faktor produksi paling penting adalah manusia. Hal tersebut
dikarenakan tanpa manusia sebagai faktor utama produksi maka
alam serta tanah tidak mampu diolah untuk dijadikan suatu manfaat
bagi kehidupan (Deliarnov, 1995:25)Data jumlah penduduk yang
digunakan untuk penelitian ini adalah data yang sudah dilog untuk
selanjutnya diolah kembali di Eviews.
4. Upah Minimum
Dalam Undang-Undang Republik Indonesia Nomor 13 Tahun
2003 pasal 1 ayat 31 defisini upah adalah hak pekerja/buruh yang
diterima dan dinyatakan dalam bentuk uang sebagai imbalan dari
pengusaha atau pemberi kerja kepada pekerja/buruh yang ditetapkan
dan dibayarkan menurut suatu perjanjian kerja, kesepakatan, atau
peraturan perundang-undangan, termasuk tunjangan bagi
pekerja/buruh dan keluarganya atas suatu pekerjaan dan/atau jasa
yang telah atau akan dilakukan. Data upah minimum yang
digunakan untuk penelitian ini adalah data yang sudah dilog untuk
selanjutnya diolah kembali di Eviews
40
BAB IV
PEMBAHASAN
A. Gambaran Umum Objek Penelitian
1. Letak Geografis Provinsi Banten
Secara astronomis, Provinsi Banten terletak antara 05°07’50’’ dan 07°01’01’’
Lintang Selatan, serta 105°01’11’’ dan 106°07’12’’ Bujur Timur.
Gambar 4.1 Peta Provinsi Banten
Sumber: Provinsi Banten Dalam Angka 2017
Berdasarkan posisi geografisnya, Provinsi Banten memiliki batas-
batas: Utara – Laut Jawa; Selatan – Samudera Hindia; Barat – Selat Sunda;
Timur – Provinsi DKI Jakarta dan Provinsi Jawa Barat.
Pada penghujung tahun 2016, wilayah administrasi Provinsi Banten
terdiri dari empat wilayah kabupaten dan empat kota, menurut Peraturan
Menteri Dalam Negeri No. 6 Tahun 2008 luas dataran masing-masing
41
kabupaten/kota di Provinsi Banten, adalah sebagai berikut: Kabupaten
Pandeglang (2.746,89 km2), Kabupaten Lebak (3.426,56 km2), Kabupaten
Tangerang (1.011,86 km2), Kabupaten Serang (1.734,28 km2), Kota
Tangerang (153,93 km2), Kota Cilegon (175,50 km2), Kota Serang (266,71
km2), dan Kota Tangerang Selatan (147,19 km2). Dari data tersebut dapat
kita lihat bahwa di Provinsi Banten, Kabupaten Lebak merupakan daerah
dengan luas terbesar, dan Kota Tangerang Selatan merupakan daerah
dengan luas wilayah terkecil di Provinsi Banten.
Adapun jarak antara Ibukota Provinsi ke daerah Kabupaten/Kota di
Provinsi Banten adalah sebagai berikut:
1. Serang – Pandeglang (Kabupaten Pandeglang): 21 km.
2. Serang – Rangkasbitung (Kabupaten Lebak): 41 km.
3. Serang – Tigaraksa (Kabupaten Tangerang): 33 km.
4. Serang – Ciruas (Kabupaten Serang): 9 km.
5. Serang – Tangerang (Kota Tangerang): 65 km.
6. Serang – Purwakarta (Kota Cilegon): 20 km.
7. Serang – Pamulang (Kota Tangerang Selatan): 73 km
1) Pemerintahan
Mulanya Banten adalah bagian dari Provinsi Jawa Barat. Lalu,
lewat Undang-undang Nomor 23 Tahun 2000 tentang Pembentukan
Provinsi Banten yang disahkan oleh Presiden Abdurrahman Wahid
pada tanggal 17 Oktober 2000, Banten menjadi sebuah provinsi
yang otonom. Sebulan setelah itu pada 18 November 2000 dilakukan
peresmian Provinsi Banten dan pelantikan Pejabat Gubernur Banten
definitif. Pada tahun 2002 DPRD Banten memilih Dr. Ir. H. Djoko
Munandar, M.Eng dan Hj. Ratu Atut Choisiyah, SE. Sebagai
Gubernur dan Wakil Gubernur Banten pertama. Dan pada tahun
2018 ini, yang menjabat sebagai Gubernur dan Wakil Gubernur
Provinsi Banten adalah Wahidin Halim dan Andika Hazrumy.
42
Sejak berdirinya, Provinsi Banten telah mengalami
perkembangan yang cukup sigifikan dalam bidang pemerintahan, di
mana pada awalnya terdiri dari 6 (enam) kabupaten/kota dan pada
saat ini terdiri dari 8 (delapan) kabupaten/kota yang terbagi menjadi
155 kecamatan dan 1.551 desa atau kelurahan (BPS Provinsi Banten,
2017).
2) Populasi Penduduk
Berdasarkan proyeksi penduduk tahun 2016, jumlah penduduk
Provinsi Banten adalah sebanyak 12.203.148 jiwa yang terdiri atas
6.221.640 jiwa penduduk laki-laki dan 5.981.508 jiwa penduduk
perempuan. Dibandingkan dengan jumlah penduduk tahun 2015,
penduduk Banten mengalami pertumbuhan sebesar 2,07 persen.
Sementara itu besarnya angka rasio jenis kelamin tahun 2016 penduduk
laki-laki teradap penduduk perempuan sebesar 104,01 (BPS Provinsi
Banten, 2017).
Gambar 4.2 Jumlah Penduduk Menurut
Kabupaten/Kota di Provini Banten tahun 2016
Sumber: BPS Provinsi Banten 2017
Kepadatan penduduk di Provinsi Banten tahun 2016 mencapai
1.263 jiwa/km2 dengan rata-rata jumlah penduduk per rumah tangga 4
43
orang. Kepadatan penduduk di 8 kabupaten/kota cukup beragam
dengan kepadatan penduduk tertinggi terletak di Kota Tangerang
dengan kepadatan sebesar 13.602 jiwa/km2 dan terendah di Kabupaten
Lebak sebesar 373 jiwa/km2.
3) Sosial
Pada tahun 2016, penduduk Provinsi Banten usia 7-24 tahun yang
masih bersekolah sebesar 68,57 persen. Untuk kelompok umur 7-12
tahun yang masih bersekolah sebesar 99,43 persen, lalu kelompok umur
13-15 tahun yang masih bersekolah sebesar 95,59 persen, kelompok
umur 16-18 tahun sebesar 67,00 persen, dan kelompok umur 19-24
tahun sebesar 19,97 persen. Di Provinsi Banten terdapat 4.589 Sekolah
Dasar (SD) dengan 59.342 guru dan 1.295.282 murid. Untuk Sekolah
Menengah Pertama (SMP), pada tahun 2015 terdapat 1.326 unit SMP
dengan 27.895 guru dan 445.545 murid. Sementara itu, utnuk Sekolah
Lanjutan Tingkat Atas (SLTA), di Provinsi Banten terdapat 532 unit
Sekolah Menengah Atas (SMA) dengan 14.351 guru dan 154.814
murid, serta 641 unit Sekolah Menengah Kejuruan (SMK) dengan
10.342 guru dan 202.060 murid. Di Provinsi Banten juga terdapat 1.028
unit Madrasah Ibtidaiyah (MI), 979 unit Madrasah Tsanawiyah (MTs),
381 unit Madrasah Aliyah (MA) serta 3.122 pondok pesantren (BPS
Provinsi Banten 2017).
Fasilitas kesehatan yang tersedia di Provinsi Banten pada tahun 2016
antara lain tersedia 105 unit Rumah Sakit, 236 Puskesmas, dan 985
Klinik/Balai Kesehatan. Tenaga kerja yang tersedia di Provinsi Banten
sebanyak 6.029 orang, yang terdiri dari 919 tenaga medis, 2.229 tenaga
keperawatan, 2.613 tenaga kebidanan, dan 268 tenaga kefarmasian.
Pada Maret 2016 terdapat 658,11 ribu penduduk miskin di Provinsi
Banten (5,42%), sementara pada September 2016 terdapat 657,74 ribu
penduduk miskin (5,36%). Persentase penduduk miskin tersebut
menurun dari tahun 2015 yang sebesar 5,90 persen pada bulan Maret
44
2015 dan 5,75 persen pada bulan September 2015 (BPS Provinsi
Banten, 2017).
4) Keuangan Daerah
Pada Tahun Anggaran 2016, realisasi pendapatan Pemerintah
Provinsi Banten mencapai 8,66 triliun rupiah, sementara belanja daerah
Pemerintah Provinsi Banten mencapai 8,92 triliun rupiah. Pendapatan
Asli Daerah (PAD) masih merupakan sumber penerimaan rutin terbesar
Pemerintah Provinsi Banten yaitu sebesar 5,46 triliun atau memberi
kontribusi sekitar 63,05 persen dari total penerimaan. Untuk belanja
daerah, porsi pengeluaran tertinggi digunakan untuk belanja tidak
langsung yang mencapai 5,84 triliun rupiah atau 65,47 persen dari total
belanja daerah, sementara sisanya sebanyak 3,09 triliun (34,53%)
digunakan untuk belanja langsung (BPS Provinsi Banten 2017).
5) Kondisi Perekonomian
Pada tahun 2016, PDRB Provinsi Banten atas dasar harga berlaku
sebesar 516,33 triliun rupiah. Tiga sektor utama penyumbang PDRB
Provinsi Banten terbesar adalah sektor Industri Pengolahan sebesar
168,39 triliun rupiah (32,61%), disusul sektor Perdagangan besar dan
eceran, reparasi mobil dan sepeda motor sebesar 61,64 triliun rupiah
(11,94%) dan sektor Transportasi dan Pergudangan sebesar 55,34 triliun
rupiah (10,72%). Pertumbuhan ekonomi di Provinsi Banten pada tahun
2016 mencapai 5,26 persen, lebih lambat dibandingkan pertumbuhan
ekonomi di tahun 2015 (5,40%) dan pada tahun 2014 (5,51%) (BPS
Provinsi Banten, 2017)
45
B. Analisa dan Pembahasan
1. Analisis Deskriptif
a. Analisis Deskriptif Tingkat Pengangguran Terbuka
Penganggutan terbuka terdiri dari mereka yang tidak
memiliki pekerjaan dan mencari pekerjaan, mereka yang tidak
bekerja dan mempersiapkan usaha, mereka yang tidak bekerja
dan tidak mencari pekerjaan karena merasa tidak mungkin
mendapatkan pekerjaan, dan mereka yang tidak bekerja dan
tidak mencari pekerjaan karena sudah diterima bekerja tetapi
belum memulai bekerja. Tingkat pengangguran terbuka
merupakan persentase jumlah pengangguran terhadap jumlah
angkatan kerja (BPS). TPT yang tinggi menunjukkan bahwa
terdapat banyak angkatan kerja yang tidak terserap pada pasar
kerja. Berikut ini adalah data tingkat pengangguran terbuka
menurut kabupaten/kota di Provinsi Banten periode 2010-2016.
Tabel 4.1 TPT di Provinsi Banten
Kabupaten/
Kota 2016 2015 2014 2013 2012 2011 2010
Kab
Pandeglang 8,3 10.22 7.03 12.34 9.30 11.32 11,34
Kab Lebak 8,88 10.74 9.57 7.23 9.07 12.10 13,35
Kab
Tangerang 10,57 9.00 8.45 11.94 11.46 14.42 14,01
Kab Serang 13 14.80 14.76 13.69 12.96 13.29 16,19
Kota
Tangerang 7,16 8.00 7.81 8.62 8.31 12.89 14,09
Kota
Cilegon 11,88 12.00 11.83 7.16 11.31 13.14 19,84
Kota Serang 8,43 9.49 10.03 11.29 10.80 13.84 17,11
Kota
Tangsel 6,83 6.13 6.92 4.56 8.07 11.98 8,22
Sumber :BPS
46
Berdasarkan tabel 4.1 diketahui bahwa tingkat pengangguran
terbuka di masing-masing kabupaten atau kota selama kurun waktu
6 tahun mengalami tren fluktuatif. Tingkat pengangguran terbuka
tertinggi berada di Kota Cilegon pada tahun 2010. Hal ini
dikarenakan industri yang berada di Kota Cilegon sebagian besar
merupakan industri padat modal sehingga hanya menyerap tenaga
kerja sedikit. Tingkat pengangguran terbuka terendah di Kota
Tangerang Selatan tahun 2013. Tingkat pengangguran terbuka di
Kota Tangerang Selatan menunjukkan angka lebih kecil daripada
tingkat pengangguran terbuka kabupaten/kota lain kecuali tahun
2011. Hal tersebut dapat dimanfaatkan pemerintah agar angkatan
kerja di Kota Tangerang Selatan dapat terus terserap dalam dunia
kerja dan mempunyai daya saing.
b. Analisis Deskriptif Indeks Pembangunan Manusia
Indeks Pembangunan Manusia (IPM) adalah bagaimana
penduduk dapat mengakses hasil pembangunan dalam memperoleh
pendapatan, kesehatan, pendidikan dan sebagainya. IPM
diperkenalkan oleh UNDP pada tahun 1990 dan dipublikasikan
secara berkala dalam laporan tahunan Human Development Report
(HDR). Indeks Pembangunan Manusia dibentuk oleh 3 (tiga)
dimensi dasar: Umur panjang dan hidup sehat; pengetahuan; dan
standar hidup layak (Badan Pusat Statistik, 2017).
47
Gambar 4.3 Indeks Pembangunan Manusia
Provinsi Banten Tahun 2010-2016
Sumber: BPS Provinsi Banten (data diolah)
Dilihat dari Grafik 4.2 selama kurun waktu tahun 2010-2016, Indeks
Pembangunan Manusia di seluruh kabupaten dan kota yang ada di
Provinsi Banten, menunjukan bahwa Kota Tangerang Selatan memiliki
nilai Indeks Pembangunan Manusia (IPM) yang terbesar di antara
kabupaten/kota lainnya di Provinsi Banten. Pada tahun 2010, Indeks
Pembangunan Manusia (IPM) di Kota Tangerang Selatan adalah
sebesar 74,97. Dan dari tahun ke tahun, nilai Indeks Pembangunan
Manusia di Kota Tangerang Selatan selalu naik. Pada tahun 2016, nilai
Indeks Pembangunan Manusia di Kota Tangerang Selatan mencapai
80,11. Sedangkan daerah di Provinsi Banten yang nilai Indeks
Pembangunan Manusia terrendah adalah Kabupaten Lebak. Pada tahun
2010 nilai Indeks Pembangunan Manusia (IPM) di Kabupaten Lebak
adalah 58,83. Dan pada tahun 2016 Kabupaten Lebak masih menjadi
yang terrendah diantara seluruh kabupaten/kota yang ada di Provinsi
Banten yaitu sebesar 62,78.
0
10
20
30
40
50
60
70
80
90Kab. Pandeglang
Kab. Lebak
Kab. Tangerang
Kab. Serang
Kota Tangerang
Kota Cilegon
Kota Serang
Kota TangerangSelatan
48
Yang membedakan besaran nilai Indeks Pembangunan Manusia
(IPM) di daerah terbesar (Kota Tangerang Selatan) dan daerah terendah
(Kabupaten Lebak) adalah tersedianya fasilitas penunjang. Mulai dari
akses sarana dan prasarana pendidikan hingga kesehatan. Bila fasilitas
itu terpenuhi akan meningkatkan kualitas Sumber Daya Manusia yang
berimplikasi pada besaran Indeks Pembangunan Manusia (IPM).
c. Analisis Deskriptif Jumlah Penduduk
Jumlah penduduk adalah banyaknya orang yang menduduki suatu
wilayah. Pertambahan atau pengurangan jumlah penduduk diakibatkan
oleh 3 komponen demografi yaitu fertilitas, mortalitas dan migrasi.
Tabel 4.2 Jumlah Penduduk di Provinsi Banten
Kabupaten/
Kota 2016 2015 2014 2013 2012 2011 2010
Kab
Pandeglang 1999981 1737000 1418000 1182000 1050000 1015000 1149610
Kab Lebak 1965000 1728000 1490000 1187500 1047800 1007500 1204095
Kab
Tangerang 3021650 2710000 2442000 2200000 1527000 1285000 2834376
Kab Serang 3010500 2700000 2340000 2080000 1320500 1189600 1402818
Kota
Tangerang 3043950 2730000 2444301 2203000 1527000 1290000 1798610
Kota
Cilegon 3078057 2760590 2443000 2200000 1347000 1224000 374559
Kota Serang 2648125 2375000 2166000 1798446 1231000 1156000 577785
Kota
Tangsel 3021650 2710000 2442000 2200000 1527000 1290000 1290322
Sumber : BPS
Berdasarkan tabel 4.2 dapat diketahui bahwa jumlah
penduduk di masing-masing kebupaten/kota mengalami kenaikan.
Jumlah penduduk tebanyak berada di Kabupaten Tangerang pada
tahun 2016 yaitu sebesar 3043950 dan jumlah penduduk terendah
berada di Kota Cilegon pada tahun 2010 yaitu 374.559.
49
d. Analisis Deskriptif Upah Minimum
Menurut Peraturan Menteri Tenaga Kerja dan Transmigrasi
Nomor 7 Tahun 2013, upah minimum kabupaten/kota adalah upah
minimum yang berlaku untuk seluruh kabupaten/kota di satu
provinsi. Berikut ini adalah table upah minimum pada masing-
masing kabupaten/kota di Provinsi Banten
Tabel 4.3. Upah Minimum Provinsi Banten
Kabupaten/kota 2010 2011 2012 2013 2014 2015 2016
Kab.Pandeglang 964.500 1.015.000 1.050.000 1.182.000 1.418.000 1.737.000 1.999.981
Kab.Lebak 959.500 1.007.500 1.047.800 1.187.500 1.490.000 1.728.000 1.965.000
Kab.Serang 1.101.000 1.189.600 1.320.500 2.080.000 2.340.000 2.700.000 3.010.500
Kab.Tangerang 1.117.245 1.285.000 1.527.000 2.200.000 2.442.000 2.710.000 3.021.650
Kota Tangerang 1.118.009 1.290.000 1.527.000 2.203.000 2.444.301 2.730.000 3.043.950
Kota Cilegon 1.174.000 1.224.000 1.347.000 2.200.000 2.443.000 2.760.590 3.078.057
Kota Serang 1.050.000 1.166.000 1.231.000 1.798.446 2.166.000 2.375.000 2.648.125
Kota Tangsel 1.130.000 1.290.000 1.527.000 2.200.000 2.442.000 2.710.000 3.021.650
Sumber : BPS
Dari tabel 4.3 dapat diketahui bahwa upah minimum selama
tahun 2013 sampai dengan 2016 dari masing-masing kabupaten/kota
mengalami kenaikan. Kenaikan upah minimum tertinggi di Kota
Cilegon dari Rp. 1.347.000 menjadi Rp. 2.200.000 dan kenaikan
upah terendah berada di Kota Serang dari Rp. 1.130.000 hanya
menjadi Rp. 1.290.000. Salah satu penyebab peningkatan upah
minimum kabupaten/kota ini adalah menyesuaikan dengan tingkat
inflasi sehingga pekerja tidak mengalami penurunan kesejahteraan.
50
2. Estimasi Data Panel
Terdapat 3 model pendekatan estimasi data panel yaitu, (a) pendekatan
kuadrat kecil Common Effect Model (CEM); (b) pendekatan efek tetap
Fixed Effect Model (FEM); dan (c) pendekatan efek acak Random Effect
Model (REM). Yang mana untuk memilih mana metode terbaik yang
digunakan dalam data panel maka dilakukan Uji Chow (CEM vs FEM) dan
juga Uji Hausman (REM vs FEM).
a. Uji Chow
Uji Chow dilakukan guna memilih apakah yang akan digunakan
dalam data panel Common Least Square Model atau Fixed Effect
Model, maka digunakan uji F Restricted dengan membandingkan
nilai cross-section F. Dalam uji chow ini dilakukan dengan hipotesis
seperti berikut:
H0: Common Effect Model
H1: Fixed Effect Model
Pengujian ini dilakukan dengan kriteria seperti berikut:
Jika nilai probabilitas cross-section F > dari α (0,05) maka
diterima H0 dan tolak H1.
Jika nilai probabilitas cross-section F < dari α (0,05) maka
terima H1 dan tolak H0.
Tabel 4.4 Hasil Uji Chow
Sumber : Hasil olah data Eviews
Redundant Fixed Effects Tests
Pool: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 4.644804 (7,45) 0.0006
Cross-section Chi-square 30.452310 7 0.0001
51
Dari pengolahan data seperti dalam Tabel 4.4 diperoleh nilai
probabilitas cross-section F adalah sebesar 0,0006 yang menunjukan
bahwa nilai probabilitas cross-section F < 0,05 yang menunjukan
bahwa tolak H0 dan terima H1. Maka dari itu model yang digunakan
adalah model Fixed Effect Model (FEM).
b. Uji Hausman
Uji Hausman sendiri merupakan pengujian statistik sebagai
dasar pertimbangan memilih antara Fixed Effect Model atau Random
Effect Model. Pengujian ini dilakukan dengan hipotesis sebagai
berikut:
a. H0: Random Effect Model
b. H1: Fixed Effect Model
Yang menjadi dasar penolakan H0 maka digunakan statistik
Hausman dan membandingkannya dengan Chi-square.
Tabel 4.5 Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Pool: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.684916 3 0.1964
Sumber : Hasil olah data Eviews
Dari hasil Uji Hausman seperti yang dapat kita lihat dala tabel 4.5
diperoleh nilai probabilitas cross-section random sebesar 0,1964
yang berarti menunjukan nilai ini lebih dari nilai siginifikansi (0,05)
sehingga terima H0 dan tolak H1. Maka model terpilih yang tepat
digunakan dalam penelitian ini adalah Random Effect Model (REM).
52
3. Pemilihan Model Terbaik
a. Random Effect Model
Model data panel yang digunakan dalam penelitian ini
adalah dengan menggunakan Random Effect Model (REM) dapat
dijelaskan melalui persamaan seperti sebagai berikut:
Tabel 4.6 Random Effect Model
Dependent Variable: TPT?
Method: Pooled EGLS (Cross-section random effects)
Date: 11/16/19 Time: 15:55
Sample: 1 7
Included observations: 7
Cross-sections included: 8
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 21.29293 6.896945 3.087299 0.0032
IPM? -0.186642 0.093065 -2.005503 0.0481
JP? 0.264264 0.113599 2.326281 0.0239
UMK? -0.073826 0.022677 -3.255557 0.0020
Random Effects (Cross)
_KABLEBAK—C -1.490505
_KABPANDEGLANG--C -1.926873
_KABSERANG—C 1.543658
_KABTANGERANG--C 0.449772
_KCILEGON—C 1.573548
_KOTASERANG—C 0.801127
_KTANGERANG—C 0.073684
_KTANGSEL—C -1.024410
Effects Specification
S.D. Rho
Cross-section random 0.097693 0.9897
Idiosyncratic random 0.005505 0.0003
Weighted Statistics
53
R-squared 0.744792 Mean dependent var 0.142928
Adjusted R-squared 0.744106 S.D. dependent var 0.012387
S.E. of regression 0.009826 Sum squared resid 0.001635
F-statistic 172.5688 Durbin-Watson stat 0.682015
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.401635 Mean dependent var 4.284054
Sum squared resid 0.279735 Durbin-Watson stat 0.004341
Sumber : Hasil olah data Eviews
54
4. Pengujian Signifikansi
a. Adjusted R-Square
Penggunaan pengujian koefisien determinasi (r-squared)
adalah untuk mengukur kemampuan model dalam menjelaskan
hubungan antara variabel dependen dan variabel independen.
Nilai koefisien determinasi bernilai di antara nol dan satu (0 ≤
R-squared ≤ 1). Semakin besar nilai adjusted r-squared maka
semakin tinggi variabel independen menjelaskan variabel
dependennya.
Tabel 4.7 Adjusted R-Square
R-squared 0.744792
Adjusted R-squared 0.744106
Sumber : Hasil olah data Eviews
Bersarkan hasil estimasi seperti dapat dilihat pada Tabel 4.4
diperoleh nilai adjusted r-squared sebesar 0,744106 atau 74%.
Hasil tersebut menunjukan bahwa seluruh variabel bebas atau
variabel independen dapat menjelaskan variabel terikat atau
variabel dependen sebesar 74%, sedangkan 26% sisanya
dijelaskan oleh variabel lain di luar model yang terdapat dalam
penelitian ini.
b. Uji F-Statistic
Guna menguji apakah terdapat pengaruh variabel bebas
secara bersama-sama atau secara simultan terhadap variabel
terikat, maka dari itu digunakan Uji F yaitu dengan cara
membandingkan F-statistik dengan F-tabel. Jika model
signifikan maka model bisa digunakan untuk
prediksi/peramalan, sebaliknya jika non/tidak signifikan maka
model regresi tidak bisa digunakan untuk peramalan. Uji F dapat
dilakukan dengan membandingkan F hitung dengan F tabel, jika
55
F hitung > dari F tabel, (Ho di tolak Ha diterima) maka model
signifikan.
Tabel 4.8 F-Statistic
F-statistic 172.5688
Prob(F-statistic) 0.000000
Sumber : Hasil olah data Eviews
Dapat dilihat pada Tabel 4.5 bahwa diperoleh nilai F =
172.5688dengan p value = 0,000000 < 0,05 maka yang berarti
sekumpulan variabel bebas secara serentak signifikan
mempengaruhi variabel terikat dengan asumsi ceteris paribus.
c. Uji T-Statistic
Pengujian ini dilakukan guna mengetahui apakah variabel
bebas berpengaruh secara parsial (secara individu) terhadap
variabel terikat dan seberapa besar pengaruhnya secara parsial.
Dengan persyaratan membandingkan nilai probabilitas masing-
masing variabel. Apabila nilai probabilitas masing-masing
variabel < 0,05 maka tolak H0 dan terima H1, dan apabila nilai
probabilitas masing-masing variabel > 0,05 maka terima H0 dan
tolak H1
Tabel 4.9 T-Statistic
Variable Coefficient Std. Error t-Statistic Prob.
C 21.29293 6.896945 3.087299 0.0032
IPM? -0.186642 0.093065 -2.005503 0.0481
JP? 0.264264 0.113599 2.326281 0.0239
UMK? -0.073826 0.022677 -3.255557 0.0020
Sumber : Hasil olah data Eviews
Keterangan: Tingkat signifikansi α = 5%
56
Dalam penelitian ini memakai Random Effect Model (REM),
peneliti menguraikan hipotesis penelitian yang telah disusun, di
antaranya adalah sebagai berikut:
a) H0 : diduga tidak terdapat pengaruh parsial yang signifikan pada
variabel Indeks Pembangunan Manusia terhadap Tingkat
pengangguran terbuka di 8 kabupaten/kota yang terdapat di
dalam Provinsi Banten pada periode 2010-2016.
H1 : diduga terdapat pengaruh parsial yang signifikan pada
variabel Indeks Pembangunan Manusia terhadap Tingkat
Pengangguran Terbuka 8 kabupaten/kota yang terdapat di dalam
Provinsi Banten pada periode 2010-2016.
b) H0 : diduga tidak terdapat pengaruh parsial yang signifikan pada
variabel Jumlah Penduduk terhadap Tingkat Pengangguran
Terbuka di 8 kabupaten/kota yang terdapat di dalam Provinsi
Banten pada periode 2010-2016.
H1 : diduga terdapat pengaruh parsial yang signifikan pada
variabel Jumlah Penduduk terhadap Tingkat Pengangguran
Terbuka di 8 kabupaten/kota yang terdapat di dalam Provinsi
Banten pada periode 2010-2016.
c) H0 : diduga tidak terdapat pengaruh parsial yang signifikan pada
variabel Upah Minimum terhadap Tingkat Pengangguran
Terbuka di 8 kabupaten/kota yang terdapat di dalam Provinsi
Banten pada periode 2010-2016.
H1 : diduga terdapat pengaruh parsial yang signifikan pada
variabel Upah Minimum terhadap Tingkat Pengangguran
Terbuka di 8 kabupaten/kota yang terdapat di dalam Provinsi
Banten pada periode 2010-2016.
Dengan berdasarkan hasil estimasi yang telah diperoleh
seperti tercantum dalam Tabel 4.6 maka pembuktian dari
57
hipotesis-hipotesis yang sebelumnya telah diuraikan di atas
adalah sebagai beikut:
a) Variabel X1 (Indeks Pembangunan Manusia)
Nilai t parsial variabel X1 terhadap Y = -2.005503 dengan p
value 0,0481. Dikarenakan 0,0481 < 0,05 yang berarti H1
diterima maka variabel X1 signifikan dalam mempengaruhi
variabel terikat (Y) dalam penelitian ini.
b) Variabel X2 (Jumlah Penduduk)
Nilai t parsial variabel X2 terhadap Y = 2.326281dengan p
value 0,0239. Dikarenakan 0,0239 > 0,05 yang berarti H1
diterima maka variabel X2 signifikan dalam mempengaruhi
variabel terikat (Y) dalam penelitian ini.
c) Variabel X3 (Upah Minimum)
Nilai t parsial variabel X3 terhadap Y = -3.255557dengan p
value 0,0020. Dikarenakan 0,0020 < 0,05 yang berarti H1
diterima maka variabel X3 signifikan dalam mempengaruhi
variabel terikat (Y) dalam penelitian ini.
58
5. Interpretasi Hasil Estimasi Regresi Data Panel
Variable Coefficient Std. Error t-Statistic Prob.
C 21.29293 6.896945 3.087299 0.0032
IPM? -0.186642 0.093065 -2.005503 0.0481
JP? 0.264264 0.113599 2.326281 0.0239
UMK? -0.073826 0.022677 -3.255557 0.0020
Random Effects (Cross)
_KABLEBAK--C -1.490505
_KABPANDEGLANG--C -1.926873
_KABSERANG--C 1.543658
_KABTANGERANG--C 0.449772
_KCILEGON--C 1.573548
_KOTASERANG--C 0.801127
_KTANGERANG--C 0.073684
_KTANGSEL--C -1.024410
Sumber : Hasil olah data Eviews
Tabel 4.10 Cross Section dan Individual Effect
Cross Section Individual Effect
Kab. Lebak 19,802425
Kab. Pandeglang 19,366057
Kab. Serang 22,836588
Kab. Tangerang 21,742702
Kota Cilegon 22,866478
Kota Serang 22,094057
Kota Tangerang 21,366614
Kota Tangsel 20,268520
59
a. Kabupaten Lebak
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 19,80%.
b. Kabupaten Pandeglang
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 19,36%.
c. Kabupaten Serang
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 22,83%.
d. Kabupaten Tangerang
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 21,74%.
e. Kota Cilgeon
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 22,86%.
60
f. Kota Serang
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 22,09%.
g. Kota Tangerang
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 21,36%.
h. Kota Tangerang Selatan
Apabila masing-masing dari variabel Indeks Pembangunan
Manusia, Jumlah Penduduk dan Upah Minimum mengalami
perubahan sebesar 1% maka Kabupaten Lebak akan menerima
pengaruh individu terhadap nilai Tingkat Pengangguran Terbuka
sebesar 20,26%.
61
6. Analisis Ekonomi Tingkat Pengangguran Terbuka dengan Indeks
Pembangunan Manusia, Jumlah Peduduk dan Upah Minimum
a. Indeks Pembangunan Manusia
Berdasarkan hasil penelitian ini, nilai t-parsial variabel X1
terhadap Y sebesar -2.005503 dengan p value 0, 0481 yang berarti
Indeks Pembangunan Manusia memiliki pengaruh signifikan kepada
Tingkat Pengangguran terbuka dengan hasil hubungan negatif.
Hasil ini pun sesuai dengan teori yang dikemukakan oleh
Sadono Sukirno (2004) yang mengatakan bahwa pengangguran
dapat mengurangi pendapatan masyarakat yang pada akhirnya
mempengaruhi kesejahteraan. Semakin berkurangnya kesejahteraan
masyarakat maka semakin besar peluang efek buruk seperti
kekacauan politik dan sosial. Begitu pun sebaliknya. Semakin
menurunnya kualitas sumber daya manusia, maka semakin sedikit
tenaga kerja berkualitas yang mampu diserap lapangan kerja dan
menimbulkan meningkatnya tingkat pengangguran.
b. Jumlah Penduduk
Dari hasil penelitian ini, nilai t-parsial variabel X2 terhadap
Y sebesar 2.326281 dengan p value 0,0239. Dapat disimpulkan
bahwa variabel Jumlah Penduduk memiliki pengaruh positif
signifikan terhadap tingkat pengangguran terbuka.
Hasil ini sesuai dengan teori Robbin dan Cannan tentang
penduduk optimum. Teori tersebut menjelaskan hubungan positif
antara jumlah penduduk dengan pengangguran. Ketika jumlah
peduduk meningkat, maka pengangguran berpotensi meningkat
juga.
62
c. Upah Minimum
Berdasarkan hasil penelitian ini, besaran nilai t-parsial variabel X3
terhadap Y yaitu -3.255557 dengan p value 0,0020 yang berarti upah
minimum berpengaruh signifikan terhadap tingkat pengangguran
terbuka dengan hubungan negatif.
Hal ini sesuai dengan teori yang dikemukakan oleh Philips yang
membahas hubungan inflasi dengan pengangguran. Dapat disimpulkan
bahwa ketika inflasi naik, maka upah minimum akan naik dan dari sisi
tenaga kerja akan terjadi peningkatan permintaan lapangan pekerjaan.
Dengan kata lain, kebijakan pemerintah dalam menentukan upah
minimum pada periode 2010-2016 sudah sesuai di segi permintaan
lapangan pekerjaan.
pada periode 2010-2016, upah minimum kabupaten/kota Provinsi
Banten mengalami kenaikan dan membawa dampak positif untuk
masalah pengangguran. Digambarkan bahwa tenaga kerja
kabupaten/kota di Provinsi Banten periode 2010-2016 cocok dengan
jumlah minimum upah yang ditentukan. Dengan asumsi bahwa
kebutuhan tenaga kerja dapat terpenuhi sehingga memilih untuk tidak
menganggur.
d. Hubungan variabel X dan Y secara simultan
Berdasarkan hasil penelitian, diperoleh nilai prob F
statistic171,4614 dengan p value 0,000000 < 0,05 maka yang berarti
sekumpulan variabel bebas secara serentak signifikan mempengaruhi
variabel terikat
63
BAB V
PENUTUP
A. KESIMPULAN
Berdasarkan pengujian statistik dengan menggunakan analisis data
panel, maka kesimpulan dari penelitian ini adalah sebagai berikut:
1. Hasil uji estimasi data panel secara simultan menyatakan bahwa
terdapat hubungan antara variabel dependen dengan variabel
independen di mana nilai adjusted r-squared sebesar 0.744792
atau 74%. Hasil tersebut menunjukan bahwa seluruh variabel
bebas atau variabel independen yaitu Indeks Pembangunan
Manusia, jumlah penduduk dan upah minimum dapat
menjelaskan variabel terikat atau variabel dependen sebesar
74%, sedangkan 26% sisanya dijelaskan oleh variabel lain di
luar model yang terdapat dalam penelitian ini
2. Nilai t parsial variabel Indeks Pembangunan Manusia terhadap
Tingkat Pengangguran Terbuka sebesar -2.005503 dengan p
value 0,0481. Dikarenakan 0,0481 < 0,05 yang berarti H1
diterima maka variabel X1 signifikan dalam mempengaruhi
variabel terikat (Y) dalam penelitian ini.
3. Nilai t parsial variabel Jumlah Penduduk terhadap Tingkat
Pengangguran Terbuka sebesar 2.326281dengan p value
0,0239. Dikarenakan 0,0239 > 0,05 yang berarti H1 diterima
maka variabel X2 signifikan dalam mempengaruhi variabel
terikat (Y) dalam penelitian ini.
4. Nilai t parsial variabel Upah Minimum terhadap Tingkat
Pengangguran Terbuka sebesar -3.255557dengan p value
0,0020. Dikarenakan 0,0020 < 0,05 yang berarti H1 diterima
64
maka variabel X3 signifikan dalam mempengaruhi variabel
terikat (Y) dalam penelitian ini.
B. SARAN
Merujuk pada hasil penelitian yang telah dilakukan, peneliti
mengharapkan penyempurnaan untuk penelitian selanjutnya karena penulis
menyadari masih adanya kekurangan-kekurangan di dalam penelitian ini.
Berikut ini beberapa saran peneliti:
1. Untuk Pemerintah
Diharapkan bagi pemerintah agar lebih aktif dalam penyediaan
lapangan kerja agarseimbang dengan jumlah kesediaan tenaga
kerja sekaligus menggebrakan sosialisasi dan pelatihan guna
meningkatkan kualitas sumber daya manusia agar mampu
menghasilkan kualitas output yang diharapkan.
2. Untuk peneliti selanjutnya
Diharapkan pada penelitian selanjutnya lebih memperkaya
penelitian dengan menambahkan variabel-variabel yang
mendukung teori yang berhubungan dengan Tingkat
Pengangguran Terbuka.
65
DAFTAR PUSTAKA
Buku dan Website
Badan Pusat Statistik. (2011). Banten Dalam Angka 2011. Provinsi Banten :
Badan Pusat Statistik Provinsi Banten.
Badan Pusat Statistik. (2012). Banten Dalam Angka 2012. Provinsi Banten :
Badan Pusat Statistik Provinsi Banten.
Badan Pusat Statistik. (2013). Banten Dalam Angka 2013. Provinsi Banten :
Badan Pusat Statistik Provinsi Banten.
Badan Pusat Statistik. (2014). Banten Dalam Angka 2014. Provinsi Banten :
Badan Pusat Statistik Provinsi Banten.
Badan Pusat Statistik. (2013). Laporan Perekonomian Kabupaten Pandeglang
2012. Kabupaten Pandeglang : Badan Pusat Statistik Kabupaten Pandeglang.
Badan Pusat Statistik. (2016). PDRB Kabupaten Serang 2011-2015 Menurut
Lapangan Usaha. Kabupaten Serang : Badan Pusat Statistik Kabupaten
Serang.
Badan Pusat Statistik. (2016). Statistik Daerah Kota Cilegon 2016. Kota Cilegon
:Badan Pusat Statistik Kota Cilegon.
Badan Pusat Statistik. (2016). Statistik Daerah Kota Serang 2016. Kota Serang :
Badan Pusat Statistik Kota Serang.
66
Badan Pusat Statistik. (2016). Statistik Daerah Kota Tangerang 2016. Kota
Tangerang : Badan Pusat Statistik Kota Tangerang.
Deliarnov. (1995). Perkembangan Pemikiran Ekonomi. Jakarta : PT Raja
Grafindo Persada.
Gujarati, D. & Dawn, P. (2012). Dasar-Dasar Ekonometrika Buku 2. Jakarta:
Salemba Empat.
Halim, M.A. (2012). Teori Ekonomika. Tangerang : Jelajah Nusa.
https://banten.bps.go.id/linkTableDinamis/view/id/78. Diakses tanggal 7 Januari
2017.
https://banten.bps.go.id/linkTableDinamis/view/id/91. Diakses tanggal 7 Januari
2017.
https://www.bps.go.id/linkTabelStatis/view/id/981. Diakses tanggal 7 Januari
2017.
Wirawan. (2015). Manajemen Sumber Daya Manusia Indonesia. Jakarta : PT Raja
Grafindo Persada.
Depnaker. (2013). Peraturan Menteri Tenaga Kerja dan Transmigrasi Nomor 7
Tahun 2013 Tentang Upah Minimum.
Depnaker. (2003). Undang-Undang Republik Indonesia Nomor 13 Tahun 2003
Tentang Ketenagakerjaan.
Disdukcapil. (2006). Undang-Undang No. 23 Tahun 2006 Tentang Administrasi
Kependudukan.
67
Sugiyono. (20112). Metode Penelitian Pendidikan Pendekatan Kuantitatif,
Kualitatif dan R&D. Bandung : Alfabeta Bandung.
Kuncoro, M. (2003). Metode Riset Untuk Bisnis dan Ekonomi. Jakarta :
Erlangga.
Nopirin. (1992). Ekonomi Moneter. Yogyakarta: BPFE-Yogyakarta.
Panjawa, J. & Soebagiyo, D. (2014). Efek Peningkatan Upah Minimum
Terhadap Tingkat Pengangguran. Jurnal Ekonomi dan Studi
Pembangunan Vol.15 Nomor 1. 48-54
Sukirno, S. (2013). Makroekonomi Teori Pengantar Edisi Ketiga.
Jakarta :Rajawali Pres.
Jurnal dan Skripsi
Kartika, D.(2017). Analisis Pengaruh Produk Domestik Bruto, Upah Minimum
Kota, Indeks Pembangunan Manusia, Jumlah Penduduk dan
Beban/Tanggungan Penduduk terhadap Tingkat Pengangguran Terbuka
di Kota-Kota Provinsi Jawa Timur Tahun 2010-2015. Skripsi, Universitas
Muhammadiyah Surakarta.
Putri, D.A. (2014). Analisis Beberapa Faktor Yang Mempengaruhi Tingkat
Pengangguran Terbuka di Jawa Timur Tahun 2003-2014. Skripsi,
Universitas Negeri Surabaya.
Tirta, A.S. (2013). Analisis Pengaruh Inflasi, Pertumbuhan Ekonomi, Dan
Investasi Terhadap Pengangguran Di Provinsi Jawa Tengah. Skripsi,
Universitas Negeri Semarang.
Kristiyana. 2011. Skripsi “Pengaruh Upah Minimum Kabupaten/kota(UMK),
Pertumbuhan Ekonomi dan Inflasi terhadap Pengangguran Terbuka di
68
Jawa Tengah tahun 2004-2009”. Jurusan ekonomi pembangunan Fakultas
Ekonomi Universitas Negeri Semarang.
Alghofari, Farid. Jurnal “Analisis Tingkat Pengangguran di Indonesia tahun
1980-2007.” Fakultas Ekonomi Universitas Diponegoro Semarang
Wijaya, Radewa Rizki Mirma. 2014. Jurnal. “Pengaruh Upah Minimum, PDRB
dan Populasi Penduduk terhadap tigkat penangguran terbuka (studi kasus
Gerbangkertasusila tahun 2007-2012” Jurusan Ilmu Ekonomi, Fakultas
Ekonomi dan Bisnis Universitas Brawijaya Malang.
Utomo, Fajar Wahyu. 2013. Jurnal “Pengarh Inflasi dan Upah terhadap
Pengangguran di Indonesia Periode Tahun 1980-2010” Jurusan Ilmu
Ekonomi Fakultas Ekonomi dan Bisnis Universitas Brawijaya Malang.
69
LAMPIRAN-LAMPIRAN
70
Lampiran 1 : Uji Model Data Panel
Common Effect Model
Dependent Variable: TPT?
Method: Pooled Least Squares
Date: 12/25/19 Time: 13:49
Sample: 1 6
Included observations: 6
Cross-sections included: 8
Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 667.8929 102.5533 6.512640 0.0000
IPM? 0.272529 0.182462 1.493626 0.1438
JP? -48.17647 7.834942 -6.148925 0.0000
UMK? -0.060449 0.017860 -3.384501 0.0017
Fixed Effects (Cross)
_KABLEBAK--C 10.34660
_KABPANDEGLANG--C -0.202607
_KABSERANG--C 5.901358
_KABTANGERANG--C 46.06439
_KCILEGON--C 23.72181
_KOTASERANG--C 8.832096
_KTANGERANG--C -35.36594
_KTANGSEL--C -59.29771 Effects Specification Cross-section fixed (dummy variables) R-squared 0.781227 Mean dependent var 11.08375
Adjusted R-squared 0.722099 S.D. dependent var 3.074309
S.E. of regression 1.620661 Akaike info criterion 4.001596
Sum squared resid 97.18211 Schwarz criterion 4.430413
Log likelihood -85.03830 Hannan-Quinn criter. 4.163647
F-statistic 13.21252 Durbin-Watson stat 2.488973
Prob(F-statistic) 0.000000
71
Random Effect Model (model terpilih)
Dependent Variable: TPT?
Method: Pooled EGLS (Cross-section random effects)
Date: 11/16/19 Time: 15:55
Sample: 1 7
Included observations: 7
Cross-sections included: 8
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 21.29293 6.896945 3.087299 0.0032
IPM? -0.186642 0.093065 -2.005503 0.0481
JP? 0.264264 0.113599 2.326281 0.0239
UMK? -0.073826 0.022677 -3.255557 0.0020
Random Effects (Cross)
_KABLEBAK—C -1.490505
_KABPANDEGLANG--C -1.926873
_KABSERANG—C 1.543658
_KABTANGERANG--C 0.449772
_KCILEGON—C 1.573548
_KOTASERANG—C 0.801127
_KTANGERANG—C 0.073684
_KTANGSEL—C -1.024410 Effects Specification
S.D. Rho Cross-section random 0.097693 0.9897
Idiosyncratic random 0.005505 0.0003 Weighted Statistics R-squared 0.744792 Mean dependent var 0.142928
Adjusted R-squared 0.744106 S.D. dependent var 0.012387
S.E. of regression 0.009826 Sum squared resid 0.001635
F-statistic 172.5688 Durbin-Watson stat 0.682015
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.401635 Mean dependent var 4.284054
Sum squared resid 0.279735 Durbin-Watson stat 0.004341
72
Uji Chow
Uji Hausman
Correlated Random Effects - Hausman Test
Pool: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.684916 3 0.1964
Redundant Fixed Effects Tests
Pool: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 4.644804 (7,45) 0.0006
Cross-section Chi-square 30.452310 7 0.0001
73
Lampiran 2 : Variabel Data Penelitian
Tingat Pengangguran Terbuka (Y)
Kabupaten/Kota 2016 2015 2014 2013 2012 2011 2010
Kab Pandeglang 8,3 10.22 7.03 12.34 9.30 11.32 11,34
Kab Lebak 8,88 10.74 9.57 7.23 9.07 12.10 13,35
Kab Tangerang 10,57 9.00 8.45 11.94 11.46 14.42 14,01
Kab Serang 13 14.80 14.76 13.69 12.96 13.29 16,19
Kota Tangerang 7,16 8.00 7.81 8.62 8.31 12.89 14,09
Kota Cilegon 11,88 12.00 11.83 7.16 11.31 13.14 19,84
Kota Serang 8,43 9.49 10.03 11.29 10.80 13.84 17,11
Kota Tangsel 6,83 6.13 6.92 4.56 8.07 11.98 8,22
74
Indeks Pembangunan Manusia (X1)
Kabupaten/Kota 2010 2011 2012 2013 2014 2015 2016
Kab. Pandeglang 59.08 59.92 60.48 61.35 62.06 62.71 63.4
Kab. Lebak 58.83 59.82 60.22 61.13 61.64 62.03 62.78
Kab. Tangerang 68.01 68.45 68.83 69.28 69.57 70.05 70.44
Kab. Serang 60.96 61.97 62.97 63.57 63.97 64.61 65.12
Kota Tangerang 73.69 74.15 74.57 75.04 75.87 76.08 76.81
Kota Cilegon 68.8 69.26 70.07 70.99 71.57 71.81 72.04
Kota Serang 68.25 68.69 69.43 69.69 70.26 70.51 71.09
Kota Tangsel 76.45 76.99 77.68 78.65 79.17 79.38 80.11
75
Jumlah Penduduk (X2)
Kabupaten/Kota 2016 2015 2014 2013 2012 2011 2010
Kab Pandeglang 1999981 1737000 1418000 1182000 1050000 1015000 1149610
Kab Lebak 1965000 1728000 1490000 1187500 1047800 1007500 1204095
Kab Tangerang 3021650 2710000 2442000 2200000 1527000 1285000 2834376
Kab Serang 3010500 2700000 2340000 2080000 1320500 1189600 1402818
Kota Tangerang 3043950 2730000 2444301 2203000 1527000 1290000 1798610
Kota Cilegon 3078057 2760590 2443000 2200000 1347000 1224000 374559
Kota Serang 2648125 2375000 2166000 1798446 1231000 1156000 577785
Kota Tangsel 3021650 2710000 2442000 2200000 1527000 1290000 1290322
76
Upah Minimun (X3)
Kabupaten/kota 2010 2011 2012 2013 2014 2015 2016
Kab.Pandeglang 964.500 1.015.000 1.050.000 1.182.000 1.418.000 1.737.000 1.999.981
Kab.Lebak 959.500 1.007.500 1.047.800 1.187.500 1.490.000 1.728.000 1.965.000
Kab.Serang 1.101.000 1.189.600 1.320.500 2.080.000 2.340.000 2.700.000 3.010.500
Kab.Tangerang 1.117.245 1.285.000 1.527.000 2.200.000 2.442.000 2.710.000 3.021.650
Kota Tangerang 1.118.009 1.290.000 1.527.000 2.203.000 2.444.301 2.730.000 3.043.950
Kota Cilegon 1.174.000 1.224.000 1.347.000 2.200.000 2.443.000 2.760.590 3.078.057
Kota Serang 1.050.000 1.166.000 1.231.000 1.798.446 2.166.000 2.375.000 2.648.125
Kota Tangsel 1.130.000 1.290.000 1.527.000 2.200.000 2.442.000 2.710.000 3.021.650
77
Lampiran 3 : Unit Data Penelitian
No. Kabupaten/Kota tahun TPT JP IPM UMK
1 kabpandeglang 2010 11,34 13,95 59,08 4,96
2 kabpandeglang 2011 11,32 13,97 59,92 5,24
3 kabpandeglang 2012 9,3 13,98 60,48 3,45
4 kabpandeglang 2013 12,34 13,98 61,35 12,57
5 kabpandeglang 2014 7,03 13,99 62,06 19,97
6 kabpandeglang 2015 10,22 13,99 62,72 22,5
7 kabpandeglang 2016 8,3 6,25 63,4 6,3
8 kablebak 2010 13,35 14,15 58,83 6,89
9 kablebak 2011 12,1 14,16 59,82 15,02
10 kablebak 2012 9,07 14,19 60,22 11
11 kablebak 2013 7,23 14,19 61,13 57,52
12 kablebak 2014 9,57 14,2 61,64 12,5
13 kablebak 2015 10,74 14,2 62,03 15,38
14 kablebak 2016 8,88 6,28 62,78 6,29
15 kabtangerang 2010 14,01 14,86 68,01 5,9
16 kabtangerang 2011 14,42 14,9 68,45 15,02
17 kabtangerang 2012 11,46 14,93 68,83 18,83
18 kabtangerang 2013 11,94 14,97 69,28 44,07
19 kabtangerang 2014 8,45 15 69,57 11
20 kabtangerang 2015 9 15,03 70,05 10,97
21 kabtangerang 2016 10,57 6,72 70,44 6,48
22 kabserang 2010 16,19 14 60,96 4,52
23 kabserang 2011 13,29 14,02 61,97 5
24 kabserang 2012 12,96 14,03 62,97 4
25 kabserang 2013 13,69 14,04 63,57 13,33
26 kabserang 2014 14,76 14,05 63,97 25,47
27 kabserang 2015 14,8 14,05 64,61 15,97
28 kabserang 2016 13 6,36 65,12 6,47
29 ktangerang 2010 14,09 13,27 73,69 1,94
30 ktangerang 2011 12,89 13,3 74,15 10,1
31 ktangerang 2012 8,31 13,32 74,57 6,49
32 ktangerang 2013 8,62 13,34 75,04 46,1
33 ktangerang 2014 7,81 13,36 75,87 20,44
34 ktangerang 2015 8 13,37 76,08 9,65
35 ktangerang 2016 7,16 6,5 76,81 6,48
36 kcilegon 2010 19,84 14,4 68,8 5,03
37 kcilegon 2011 13,14 14,44 69,26 15,38
78
38 kcilegon 2012 11,31 14,47 70,07 18,37
39 kcilegon 2013 7,16 14,48 70,99 44,27
40 kcilegon 2014 11,83 14,51 71,57 10,95
41 kcilegon 2015 12 14,53 71,81 11,69
42 kcilegon 2016 11,88 5,8 72,04 6,48
43 kotaserang 2010 17,11 14,07 68,25 7,11
44 kotaserang 2011 13,84 14,12 68,69 14,16
45 kotaserang 2012 10,8 14,16 69,43 18,37
46 kotaserang 2013 11,29 14,18 69,69 44,07
47 kotaserang 2014 10,03 14,22 70,26 11
48 kotaserang 2015 9,49 14,25 70,51 10,97
49 kotaserang 2016 8,43 5,99 71,09 6,42
50 ktangsel 2010 8,22 12,83 68,01 6,82
51 ktangsel 2011 11,98 12,86 76,99 4,26
52 ktangsel 2012 8,07 12,89 77,68 10,05
53 ktangsel 2013 4,56 12,89 78,65 63,33
54 ktangsel 2014 6,92 12,91 79,17 10,05
55 ktangsel 2015 6,13 12,93 79,38 13
56 ktangsel 2016 6,83 6,37 80,11 6,48