Page 1
PENGARUH TENAGA KERJA, PENGANGGURAN DAN INDEKS
PEMBANGUNAN MANUSIA TERHADAP PDRB
DI PROVINSI DKI JAKARTA TAHUN 2010-2017
SKRIPSI
Diajukan Untuk Memenuhi Persyaratan Memperoleh
Gelar Sarjana Ekonomi (S.E)
Oleh:
Maulana Yusuf
11140840000012
JURUSAN EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1441 H / 2019 M
Page 2
i
LEMBAR PENGESAHAN PEMBIMBING
PENGARUH TENAGA KERJA, PENGANGGURAN DAN INDEKS
PEMBANGUNAN MANUSIA TERHADAP PDRB
DI PROVINSI DKI JAKARTA TAHUN 2010-2017
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Persyaratan Meraih Gelar Sarjana Ekonomi (S.E)
Oleh:
Maulana Yusuf
NIM. 11140840000012
Di bawah Bimbingan:
JURUSAN EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1440 H / 2019 M
Page 3
ii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini Kamis, 08 Maret 2018 telah dilakukan ujian komprehensif atas mahasiswa :
1. Nama : Maulana Yusuf
2. NIM : 11140840000012
3. Jurusan : Ekonomi Pembangunan
4. Judul Skripsi : Pengaruh Tenaga Kerja, Pengangguran dan
Indeks Pembangunan Manusia Terhadap PDRB
Di Provinsi DKI Jakarta Tahun 2010-2017
Setelah mencermati dan memperhatikan penampilan serta kemampuan yang
bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa mahasiswa
tersebut dinyatakan LULUS dan diberi kesempatan untuk melanjutkan ke tahap ujian
skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada
Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 08 Maret 2018
1. Lukman., Dr
NIP. 195706170617198503 1 002
2. Rosita Melani Dewi, SE., M.Si
NIDN. 0321058004
Page 4
iii
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Rabu, 21 Agustus 2019 telah dilakukan Ujian Skripsi atas mahasiswa :
1. Nama : Maulana Yusuf
2. NIM : 11140840000012
3. Jurusan : Ekonomi Pembangunan
4. Judul Skripsi : Pengaruh Tenaga Kerja, Pengangguran dan
Indeks Pembangunan Manusia Terhadap PDRB
Di Provinsi DKI Jakarta Tahun 2010-2017
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, 21 Agustus 2019
1. Deni Pandu Nugraha, SE., M.Sc
NIDN. 2012108503
2. Dr. Sofyan Rizal, M.Si
NIP. 197604302011011002
3. Dr. Sofyan Rizal, M.Si
NIP. 197604302011011002
4. Arief Fitrijanto, M.Si
NIP. 197111182005011003
Page 5
iv
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan dibawah ini :
Nama : Maulana Yusuf
NIM : 11140840000012
Jurusan : Ekonomi Pembangunan
Fakultas : Ekonomi dan Bisnis
Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan
mempertanggungjawabkan.
2. Tidak melakukan plagiasi terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli atau
tanpa izin pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya
ini.
Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah melalui
pembuktian yang dapat dipertanggungjawabkan, ternyata memang ditemukan bukti
bahwa saya telah melanggar penyataan ini, maka saya siap dikenai sanksi berdasarkan
aturan yang berlaku di Falkutas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
Demikian pernyataan ini saya buat dengan sesungguhnya.
Jakarta, 31 Juli 2019
Maulana Yusuf
NIM. 11140840000012
Page 6
v
DAFTAR RIWAYAT HIDUP
I. DATA PRIBADI
Nama : Maulana Yusuf
Tempat, Tanggal Lahir : Jakarta, 02 April 1996
Alamat : Jl. H. Muchtar Raya No. 61b RT 002/ RW 011,
Petukangan Utara, Jakarta Selatan 12260.
Agama : Islam
No. Telepon : 089606762597
Email : [email protected]
II. LATAR BELAKANG KELUARGA
Ayah : Syafei
Tempat, Tanggal Lahir : Jakarta, 12 Oktober 1963
Ibu : Nursiyah
Tempat, Tanggal Lahir : Jakarta, 12 Agustus 1972
III. PENDIDIKAN FORMAL
1. SDN 05 Pagi Jakarta 2002 - 2008
2. SMPN 142 Jakarta 2008 - 2011
3. SMAN 32 Jakarta 2011 - 2014
4. UIN Syarif Hidayatullah Jakarta 2014 - 2019
IV. PENGALAMAN ORGANISASI
1. Himpunan Mahasiswa Jurusan Ekonomi Pembangunan 2015 - 2016
2. Lembaga Dakwah Kampus UIN Syarif Hidayatullah Jakarta 2015 - 2017
3. Galeri Inventasi Syariah FEB 2016 - 2018
4. Dewan Mahasiswa UIN Syarif Hidayatullah Jakarta 2017 - 2018
5. Komunitas Mahasiswa Untuk Musholla FEB 2015 - 2019
Page 7
vi
ABSTRACT
This era of globalization requires every country to further advance its economy.
One important indicator to find out the economic conditions in a country in a given period
is the Gross Domestic Product (GDP) data, while at the regional level is the Gross
Regional Domestic Product (GRDP) data. This study aims to determine the effect of
labor, unemployment and the human development index on GDP in DKI Jakarta
Province. In this study using GRDP data at a constant price of 2010. This research is in
the form of secondary data from 6 districts or cities in the DKI Jakarta Province in 2010-
2017. The analytical method used is panel data regression with the best model, namely
Fixed Effect. The results of this study indicate that labor variables and human
development index have a positive and significant effect while the unemployment variable
has a negative and significant effect on GRDP in Province DKI Jakarta.
Keywords: Gross Regional Domestic Product (GRDP), Labor, Unemployment,
Human Development Index
Page 8
vii
ABSTRAK
Era globalisasi ini menuntut setiap negara untuk semakin memajukan
perekonominnya. Salah satu indikator penting untuk mengetahui kondisi ekonomi di
suatu negara dalam suatu periode tertentu adalah data Produk Domestik Bruto (PDB),
sedangkan pada tingkat daerah adalah data Produk Domestik Regional Bruto (PDRB).
Penelitian ini bertujuan untuk mengetahui pengaruh tenaga kerja, pengangguran dan
indeks pembangunan manusia terhadap PDRB di Provinsi DKI Jakarta. Dalam penelitian
ini menggunakan data PDRB atas harga konstan 2010. Penelitian ini berupa data sekunder
dari 6 kabupaten/kota di Provinsi DKI Jakarta tahun 2010-2017. Metode analisis yang
digunakan adalah regresi data panel dengan model terbaik yaitu Fixed Effect. Hasil
penelitian ini menunjukkan bahwa variabel tenaga kerja dan indeks pembangunan
manusia berpengaruh positif dan signifikan sedangkan variabel pengangguran
berpengaruh negatif dan signifikan terhadap PDRB di Provinsi DKI Jakarta.
Kata kunci: Produk Domestik Regional Bruto (PDRB), Tenaga Kerja, Pengangguran,
Indeks Pembangunan Manusia
Page 9
viii
KATA PENGANTAR
Bismillᾱhirrahmᾱnirrahim
Assalamu’alaykum Warahmatullᾱhi Wabarakatuh
Alhamdulillaahi ’Alaa Ni’mati Al-iimaan wa Al-islaam, Laa Haula wa Laa
Quwwata Illaa Billaah. Segala puji dan syukur kepada Allah Subhanahu Wata’ala, berkat
izin-Nya penulis dapat menyelesaikan skripsi dengan segala kemudahan dan kelancaran
yang Allah berikan. Shalawat serta salam semoga tercurah kepada Rasulullah Shallallahu
’Alaihi Wasallam beserta keluarga para sahabatnya dan kita selaku umatnya.
Hanya dengan ridho dan pertolongan-Nya lah penulis dapat menyelesaikan skripsi
ini dengan judul “Pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan
Manusia Terhadap PDRB di Provinsi DKI Jakarta Tahun 2010-2017” guna
memenuhi salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi Jurusan Ekonomi
Pembangunan di Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Penulis menyadari bahwa skripsi ini tidak akan terwujud jika tanpa bantuan dari
berbagai pihak. Oleh karena itu, penulis mengucapkan rasa terima kasih yang sebesar-
besarnya dan semoga Allah SWT memberikan pahala serta balasan yang setimpal atas
amal kebaikan dari semua pihak yang telah membantu penulis dalam menyelesaikan
skripsi ini, diantaranya adalah:
1. Kedua orang tua tercinta, Ayah (Syafei) dan Mamah (Nursiyah), Abang
(Ardiansyah), dan Adik (Mitha) yang selalu mendoakan dan memberi dukungan
kepada penulis. Juga Alm. Engkong (Nursaih) dan Nyai (Sainah) yang memberi
keceriaan di kala penulis merasa penat. Terima kasih atas segala kebaikan kalian
yang tidak pernah bisa dibalas dengan apapun di dunia ini.
2. Bapak Prof. Dr. Amilin, SE., Ak., CA., M.Si., BKP., QIA., CRMP, selaku Dekan
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, beserta seluruh
jajaran yang telah memberikan ilmu yang sangat bermanfaat bagi penulis.
3. Bapak Dr. Sofyan Rizal, M.Si selaku pembimbing skripsi yang telah meluangkan
waktu untuk selalu membimbing, membantu, dan memotivasi dalam
menyelesaikan skripsi. Semoga Bapak selalu diberikan rahmat dan karunia oleh
Allah SWT.
Page 10
ix
4. Bapak M. Hartana I. Putra, M.Si selaku Ketua Jurusan Ekonomi Pembangunan dan
Bapak Deni Pandu Nugraha, SE., M.Sc selaku Sekretaris Jurusan Ekonomi
Pembangunan yang telah banyak memberi bimbingan selama perkuliahan.
5. Seluruh jajaran Dosen Fakultas Ekonomi dan Bisnis yang telah memberikan ilmu
yang sangat bermanfaat selama perkuliahan.
6. Seluruh jajaran karyawan dan staff UIN Syarif Hidayatullah Jakarta yang telah
melayani dan membantu dalam menyelesaikan skripsi.
7. Teman-teman Ekonomi Pembangunan 2014, terkhusus kepada penghuni (Kosan
Thoriq) yaitu Adi, Wahyu, Thoriq, Raha, Iksan, Jody, Riko, Tanu, Hanif, Faikar,
Indra dan Asep. Terima kasih atas support, doa, dan kebaikan yang diberikan.
8. Keluarga besar LDK Syahid, terkhusus An-Naml yang senantiasa membantu,
bersedia mendengarkan suka-duka, dan berbagi kenangan manis. Sucipto dan
Azhar Pratama yang selalu memberikan dukungan.
9. Keluarga Besar KKN Berikatan terutama gengs Honey yang telah memberikan
dukungan dan pengalaman yang menarik selama perkuliahan.
10. Keluarga Besar KOMUS dan GIS yang telah berbagi pengalaman dan kemampuan
selama perkuliahan. Terima kasih atas support, doa, dan kebaikan yang diberikan.
11. Keluarga Mahasiswa Berpikir Cerdas (Amir, Azka, Afif, Bungsu, Ipeng, Irul, Iban.
Farhan, Kojek, Wawan) teman seperjuangan yang telah berbagi suka duka maupun
pengalaman yang tak terlupakan selama diperkuliahan. Semoga kalian sukses dunia
maupun akhirat.
12. Seluruh pihak yang tidak bisa disebutkan satu per satu. Terima kasih atas seluruh
kebaikan yang diberikan.
Semoga Allah memberi pahala yang besar atas kebaikan yang telah diberikan.
Penulis menyadari bahwa masih banyak kekurangan dalam penulisan skripsi ini. Oleh
karena itu, penulis menerima saran dan kritik yang membangun demi kesempurnaan
skripsi ini. Penulis berharap semoga skripsi ini dapat bermanfaat untuk banyak pihak.
Wassalamu‘alaykum Warahmatullahi Wabarakatuh
Jakarta, 31 Juli 2019
Maulana Yusuf
Page 11
x
DAFTAR ISI
LEMBAR PENGESAHAN PEMBIMBING ........................................................... i
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ........................................ ii
LEMBAR PENGESAHAN UJIAN SKRIPSI ......................................................... iii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ................................. iv
DAFTAR RIWAYAT HIDUP .................................................................................. v
ABSTRACT ................................................................................................................. vi
ABSTRAK .................................................................................................................. vii
KATA PENGANTAR ............................................................................................... viii
DAFTAR ISI .............................................................................................................. x
DAFTAR TABEL ...................................................................................................... xii
DAFTAR GAMBAR ................................................................................................. xiii
DAFTAR LAMPIRAN ............................................................................................. xiv
BAB I PENDAHULUAN ......................................................................................... 1-14
A. Latar Belakang .................................................................................................. 1
B. Rumusan Masalah ............................................................................................. 13
C. Tujuan Penelitian .............................................................................................. 13
D. Manfaat Penelitian ............................................................................................ 14
BAB II TINJAUAN PUSTAKA ............................................................................ 15-51
A. Landasan Teori ................................................................................................. 15
1. Produk Domestik Regional Bruto (PDRB) ................................................ 15
2. Tenaga Kerja .............................................................................................. 22
3. Pengangguran ............................................................................................. 26
4. Indeks Pembangunan Manusia ................................................................... 31
B. Penelitian Terdahulu ......................................................................................... 40
C. Keterkaitan Antar Variabel ............................................................................... 46
D. Kerangka Pemikiran ......................................................................................... 49
E. Hipotesis Penelitian .......................................................................................... 51
Page 12
xi
BAB III METODE PENELITIAN ....................................................................... 52-70
A. Ruang Lingkup Penelitian ................................................................................ 52
B. Metode Penentuan Sampel ............................................................................... 52
C. Metode Pengumpulan Data .............................................................................. 52
D. Metode Analisis Data ....................................................................................... 54
1. Metode Data Panel ..................................................................................... 54
2. Estimasi Data Panel ................................................................................... 56
3. Estimasi Parameter .................................................................................... 59
4. Pemilihan Model Estimasi ......................................................................... 62
5. Pengujian Asumsi Klasik ........................................................................... 64
6. Pengujian Statistik ..................................................................................... 66
E. Operasional Variabel Penelitian ...................................................................... 68
BAB IV ANALISIS DAN PEMBAHASAN ......................................................... 71-96
A. Gambaran Objek Penelitian ............................................................................. 71
B. Deskripsi Data Penelitian ................................................................................ 73
C. Pemilihan Model Estimasi ............................................................................... 80
1. Uji Chow .................................................................................................... 80
2. Uji Hausman .............................................................................................. 81
D. Uji Asumsi Klasik ............................................................................................ 82
E. Analisa Teknis ................................................................................................. 85
1. Uji Statistik ................................................................................................ 85
a. Uji Koefisien Determinasi (R2) ........................................................... 85
b. Uji F Statistik ....................................................................................... 86
c. Uji t Statistik ........................................................................................ 87
2. Interpretasi Hasil Analisis Model .............................................................. 89
3. Interpretasi Hasil Individual Effect ............................................................ 91
F. Analisa Ekonomi .............................................................................................. 92
BAB V KESIMPULAN DAN IMPLIKASI ....................................................... 97-115
A. Saran ................................................................................................................. 97
B. Implikasi ........................................................................................................... 97
DAFTAR PUSTAKA ................................................................................................. 99
LAMPIRAN ............................................................................................................... 103
Page 13
xii
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu ..................................................................................... 40
Tabel 3.1 Kriteria Uji Durbin Watson ........................................................................... 65
Tabel 4.1 Laju Pertumbuhan PDRB Menurut Kabupaten/Kota di Provinsi
DKI Jakarta Tahun 2013-2017 ..................................................................... 74
Tabel 4.2 Tenaga Kerja Menurut Kabupaten/Kota di Provinsi DKI Jakarta
Tahun 2011-2015 .......................................................................................... 76
Tabel 4.3 Tingkat Pengangguran Terbuka Menurut Kabupaten/Kota di Provinsi
DKI Jakarta Tahun 2013-2017 ..................................................................... 77
Tabel 4.4 Perkembangan Indeks Pembangunan Manusia Menurut
Kabupaten/Kota Provinsi DKI Jakarta Tahun 2013-2017 ............................ 79
Tabel 4.5 Hasil Uji Chow ............................................................................................... 80
Tabel 4.6 Hasil Uji Hausman ......................................................................................... 81
Tabel 4.7 Hasil Uji Multikolinearitas ............................................................................ 83
Tabel 4.8 Hasil Uji Autokorelasi ................................................................................... 84
Tabel 4.9 Hasil Uji Heteroskedastisitas ........................................................................ 84
Tabel 4.10 Hasil Uji Koefisien Determinasi ................................................................. 85
Tabel 4.11 Hasil Uji F Statistik ..................................................................................... 86
Tabel 4.12 Hasil Uji t Statistik ...................................................................................... 87
Tabel 4.13 Hasil Individual Effect .................................................................................. 91
Page 14
xiii
DAFTAR GAMBAR
Gambar 1.1 PDRB Provinsi DKI Jakarta Atas Dasar Harga Konstan 2010
Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah) ................. 3
Gambar 1.2 PDRB Provinsi DKI Jakarta Atas Dasar Harga Berlaku
Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah) ................. 4
Gambar 1.3 Jumlah Tenaga Kerja Provinsi DKI Jakarta Tahun 2013-2017 ................ 6
Gambar 1.4 Jumlah Tingkat Pengangguran Terbuka Provinsi DKI Jakarta
Tahun 2013-2017 ...................................................................................... 8
Gambar 1.5 Perkembangan Indeks Pembangunan Manusia Provinsi DKI
Jakarta Tahun 2013-2017 ......................................................................... 11
Gambar 2.1 Kerangka Pemikiran ................................................................................. 50
Gambar 4.1 Peta Provinsi DKI Jakarta ......................................................................... 72
Gambar 4.2 Hasil Uji Normalitas ................................................................................. 82
Page 15
xiv
DAFTAR LAMPIRAN
Lampiran 1 Data Variabel Penelitian ....................................................................... 104
Lampiran 2 Data Variabel Penelitian setelah Ditransformasi ke Logaritma
Natural .................................................................................................. 106
Lampiran 3 Hasil Uji Chow ..................................................................................... 108
Lampiran 4 Hasil Uji Hausman ............................................................................... 109
Lampiran 5 Hasil Common Effect Model ................................................................. 110
Lampirab 6 Hasil Fixed Effect Model ...................................................................... 111
Lampiran 7 Hasil Random Effect Model .................................................................. 112
Lampiran 8 Hasil Uji Normaitas .............................................................................. 113
Lampiran 9 Hasil Uji Multikolinearitas ................................................................... 113
Lampiran 10 Hasil Uji Autokorelasi ........................................................................ 114
Lampiran 11 Hasil Uji Heteroskedastisitas .............................................................. 114
Page 16
1
BAB I
PENDAHULUAN
A. Latar Belakang
Pembangunan nasional merupakan usaha peningkatan kualitas manusia
dan masyarakat yang dilakukan secara berkelanjutan berlandaskan kemampuan
nasional. Tujuan utama dalam pembangunan ekonomi adalah tercapainya
masyarakat adil dan sejahtera. Agar tercapainya tujuan ini pemerintah dituntut
dapat menjadikan pertumbuhan ekonomi yang baik sehingga dapat dinikmati oleh
seluruh segenap masyarakat Indonesia. Arah dari pembangunan nasional sendiri
yaitu dengan mengusahakan untuk tercapainya pertumbuhan ekonomi yang cukup
tinggi sehingga pada akhirnya dapat memungkinkan terwujudnya peningkatan
taraf hidup dan kesejahteraan seluruh masyarakat (Todaro, 2011).
Pembangunan ekonomi tak dapat lepas kaitannya dari pertumbuhan
ekonomi. Pembangunan ekonomi akan mendorong pertumbuhan ekonomi dan
sebaliknya, pertumbuhan ekonomi memperlancar proses pembangunan ekonomi.
Pertumbuhan ekonomi mencerminkan kegiatan ekonomi suatu negara atau
daerah. Pertumbuhan ekonomi dapat bernilai positif dan dapat bernilai negatif.
Jika pada suatu periode perekonomian mengalami pertumbuhan positif berarti
kegiatan ekonomi pada periode tersebut mengalami peningkatan, sedangkan jika
pada suatu periode perekonomian mengalami pertumbuhan negatif, berarti
kegiatan ekonomi pada periode tersebut mengalami penurunan (Widodo, 2016).
Page 17
2
Era otonomi dalam pembangunan nasional Indonesia telah berjalan
dengan cukup baik. Dalam hal pelaksanaan UU Nomor 32 Tahun 2004 tentang
Pemerintahan daerah, masih banyak mengalami hambatan. Hal ini disebabkan
karena setiap daerah memiliki sumber daya dan kemampuan yang berbeda-beda,
sehingga penerapan konsep otonomi ini menimbulkan kesenjangan antar daerah
yang relatif tinggi. Otonomi daerah diharapkan dapat mendorong pembangunan
di daerah lebih cepat dengan adanya otonomi dalam hal pengelolaan sektor-sektor
pembangunan termasuk pengelolaan keuangannya. Namun pada kenyataannya
hal ini juga menimbulkan dampak lain diantaranya maraknya korupsi di daerah.
Menurut Undang-Undang Nomor 32 Tahun 2004 Pasal 1 dinyatakan
bahwa Otonomi daerah adalah hak, wewenang, dan kewajiban daerah otonom
untuk mengatur dan mengurus sendiri urusan pemerintahan dan kepentingan
masyarakat setempat sesuai dengan peraturan perundang-undangan. Hal ini
mengindikasikan bahwa daerah memiliki kewenangan mengurusi berbagai aspek
pembangunan termasuk masalah pembangunan ekonomi dan sosial.
DKI Jakarta sebagai salah satu provinsi yang merupakan Ibukota Negara
Indonesia dengan memiliki tingkat pertumbuhan ekonomi cukup baik saat ini.
Pembangunan di provinsi ini juga mengalami banyak hambatan. Berbagai
hambatan pembangunan ini juga dihadapi dalam pembangunan ekonomi dan
sosial. Namun demikian, pembangunan kedua sektor ini dinilai cukup berhasil hal
ini dapat dilihat dari indikator kinerja pembangunan ekonomi dan sosialnya.
Strategi pembangunan di negara sedang berkembang berorientasi pada kemajuan
ekonominya, terutama diutamakan capaian pertumbuhan ekonomi yang tinggi.
Page 18
3
Pertumbuhan ekonomi adalah salah satu indikator penting dalam
melakukan analisis tentang pembangunan ekonomi yang terjadi pada suatu
negara. Pertumbuhan ekonomi merupakan gambaran kuantitatif perkembangan
suatu perekonomian dalam suatu tahun tertentu yang dibandingkan dengan tahun
sebelumnya. Dengan itu berarti perkembangan kegiatan dalam perekonomian
menyebabkan barang dan jasa yang diproduksikan dalam masyarakat bertambah
dan kemakmuran masyarakat meningkat maka hal tersebut dapat digunakan untuk
menganalisis kinerja perekonomian suatu negara (Sukirno, 2006).
Menurut Suparmoko (2002), salah satu indikator penting untuk
mengetahui kondisi ekonomi di suatu negara dalam suatu periode tertentu adalah
data Produk Domestik Bruto (PDB), sedangkan pada tingkat daerah/wilayah
adalah data Produk Domestik Regional Bruto (PDRB). Baik atas dasar harga
berlaku maupun atas dasar harga konstan. PDRB pada dasarnya merupakan
jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah
tertentu, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh
seluruh aktivitas perekonomian secara menyeluruh. (BPS, 2016).
Gambar 1.1
PDRB Provinsi DKI Jakarta Atas Dasar Harga Konstan 2010
Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah)
1.296.6941.373.389
1.454.3451.539.376
1.635.896
0
200000
400000
600000
800000
1000000
1200000
1400000
1600000
1800000
2013 2014 2015 2016 2017
Sumber: BPS DKI Jakarta 2017
Page 19
4
Gambar 1.2
PDRB Provinsi DKI Jakarta Atas Dasar Harga Berlaku
Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah)
Berdasarkan data di atas menunjukan bahwa kenaikan PDRB baik atas
dasar harga konstan maupun atas dasar harga berlaku selama periode tersebut
selalu mengalami kenaikan. Ini menunjukkan bahwa pertumbuhan ekonomi di
Provinsi DKI Jakarta selalu mengalami kenaikan pada setiap tahunnya. Dengan
masing-masing peningkatan tiap tahunnya mencapai 50-100 miliar rupiah.
Sehingga pada pencapaian akhir tahun 2017 atas dasar harga konstan maupun atas
dasar harga berlaku mencapai sebesar 1.635.896 dan 2410.373 miliar rupiah.
PDRB berperan untuk mengukur tingkat pendapatan bruto yang berada
dalam suatu provinsi. PDRB berpengaruh pada perekonomian dengan cara
meredistribusi pendapatan bruto dan kekayaan serta menambah tingkat output.
PDRB yang selalu menurun menyebabkan ketidakpastian bagi pembangunan di
daerah dan kesejahteraan masyarakat. Pembangunan di daerah akan menurun jika
PDRB selalu menurun setiap tahunnya. Bukan hanya itu, kegiatan perekonomian
juga akan menurun dan mengakibatkan pendapatan nasional mengalami
1.546.8761.762.316
1.989.3292.177.119
2.410.373
0
500000
1000000
1500000
2000000
2500000
3000000
2013 2014 2015 2016 2017
Sumber: BPS DKI Jakarta 2017
Page 20
5
kemunduran serta pengangguran yang semakin bertambah serta semakin
meningkatnya angka kemiskinan. Tingginya tingkat kemiskinan tersebut akan
berdampak pada naiknya tingkat kriminalitas dalam suatu daerah (Murni, 2009).
Menurut Solow-Swan dalam teori pertumbuhan ekonomi, tergantung pada
ketersediaan fakor-faktor produksi (penduduk, tenaga kerja, dan akumulasi
modal) dan tingkat kemajuan teknologi. Pandangan teori ini didasarkan pada
analisis ekonomi klasik yaitu bahwa perekonomian berada pada tingkat
pengerjaan penuh (full employment) dan tingkat pemanfaatan penuh (full
utilization) dari faktor-faktor produksinya. Dengan kata lain, perekonomian akan
terus berkembang dikarenakan peningkatan jumlah penduduk, tenaga kerja,
akumulasi kapital, dan kemajuan teknologi yang akan mempengaruhi perubahan
pada tingkat output yang dihasilkan. (Arsyad, 2016)
Tenaga kerja juga merupakan suatu faktor yang dapat mempengaruhi
output perekonomian suatu daerah. Angkatan kerja yang besar akan terbentuk dari
jumlah penduduk yang besar. Namun pertumbuhan penduduk dikhawatirkan akan
menimbulkan efek buruk terhadap pertumbuhan ekonomi. Jumlah penduduk yang
besar berarti tenaga kerja yang tersedia juga semakin besar. (Disnaker, 2006).
Dengan ketersediaan tenaga kerja yang melimpah maka ini yang akan
berpengaruh terhadap tingkat output dalam perekonomian. Output perekonomian
yang tinggi dapat dihasilkan dari produksi barang dan jasa yang dilakukan oleh
tenaga kerja. Selain itu jumlah tenaga yang besar juga akan mempengaruhi luas
pasar yang akan menampung barang dan jasa yang dihasilkan. Hal tersebut
selanjutnya akan mendorong pertumbuhan ekonomi.
Page 21
6
Gambar 1.3
Jumlah Tenaga Kerja Provinsi DKI Jakarta
Tahun 2013-2017
Berdasarkan data di atas menunjukan bahwa tenaga kerja di Provinsi DKI
Jakarta selama kurun waktu 5 tahun mengalami tren fluktuatif. Jumlah tenaga
kerja pada tahun 2013 sampai 2014 terlihat mengalami penurunan, dari jumlah
sebanyak 4.712,836 jiwa turun menjadi 4.634,369 jiwa. Kemudian pada tahun
2015 jumlah tenaga kerja tersebut cenderung naik kembali sebesar 4.724,029
jiwa. Jumlah tenaga kerja yang tertinggi berada pada tahun 2016 sebanyak
4.861,832 jiwa. Sedangkan jumlah tenaga kerja pada tahun 2017 mengalami
penurunan yang cukup signifikan sebanyak 4.509,171 jiwa. Hal ini dikarenakan
jumlah penduduk yang bertambah tidak diimbangi dengan kualitas penduduknya.
Sehingga jumlah tenaga kerja tidak dapat terserap dengan baik ke dalam lapangan
pekerjaan kemudian menyebabkan pertumbuhan ekonomi menjadi lambat.
4.712,836
4.634,369
4.724,029
4.861,832
4.509,171
4300000
4400000
4500000
4600000
4700000
4800000
4900000
2013 2014 2015 2016 2017
Sumber: BPS DKI Jakarta 2017
Page 22
7
Menurut Todaro (2000), menyebutkan bahwa pertumbuhan penduduk
yang cepat mendorong timbulnya masalah keterbelakangan dan membuat prospek
pembangunan menjadi semakin jauh. Selanjutnya dikatakan bahwa masalah
kependudukan yang timbul bukan karena banyaknya jumlah anggota keluarga,
melainkan karena mereka terkonsentrasi pada daerah perkotaan saja sebagai
akibat dari cepatnya laju migrasi dari desa ke kota.
Penduduk yang bertambah akan memperbesar jumlah tenaga kerja, dan
penambahan tersebut memungkinkan negara itu menambah produksi. Di samping
itu, sebagai akibat dari pendidikan, latihan, dan pengalaman kerja, keterampilan
penduduk akan selalu bertambah tinggi. Hal ini akan menyebabkan produktivitas
bertambah, dan ini selanjutnya akan menimbulkan pertambahan produksi yang
lebih cepat daripada pertambahan tenaga kerja (Sukirno, 2006).
Penduduk yang bertambah dari waktu ke waktu dapat menjadi pendorong
maupun penghambat kepada perkembangan ekonomi. Semakin meningkatnya
jumlah penduduk akan menyebabkan dampak positif yaitu kenaikan jumlah
angkatan kerja. Namun di sisi lain kenaikan jumlah angkatan kerja ini akan turut
andil dalam peningkatan jumlah pengangguran manakala jumlah angkatan kerja
yang ada tidak sebanding dengan jumlah kesempatan kerja yang tersedia. Itulah
sebabnya jumlah penduduk yang besar bukan menjadi hal untuk dikatakannya
sebuah pembangunan yang berhasil, justru karena itu bisa menjadi suatu beban
bagi pembangunan itu sendiri. (Sukirno, 2013).
Page 23
8
Selain itu salah satu faktor yang mempengaruhi pertumbuhan ekonomi
adalah pengangguran. Pengangguran merupakan masalah yang sangat sulit
dihindari oleh suatu negara maupun daerah, karena pengangguran ini dapat
menimbulkan masalah sosial seperti tindakan kriminalitas dan masalah ekonomi.
Kondisi ini dapat menyebabkan tingkat kesejahteraan dan daya beli masyarakat
menurun. Semakin rendah angka pengangguran maka akan semakin makmur
kehidupan masyarakat suatu negara, begitu pula sebaliknya. (Sukirno, 2013).
Pengangguran terjadi karena ketidakseimbangan antara jumlah angkatan
kerja dengan jumlah kesempatan kerja yang tersedia. Menurut Keynes
perekonomian selalu menghadapi masalah pengangguran dan penggunaan tenaga
kerja penuh jarang berlaku.
Gambar 1.4
Jumlah Tingkat Pengangguran Terbuka
Provinsi DKI Jakarta Tahun 2013-2017
Berdasarkan data di atas menunjukan bahwa tingkat pengangguran
terbuka di Provinsi DKI Jakarta selama kurun waktu 5 tahun mengalami tren
fluktuatif. Tingkat pengangguran pada tahun 2013 sampai 2014 terlihat
8.63 8.47
7.23
6.12
7.14
0
1
2
3
4
5
6
7
8
9
10
2013 2014 2015 2016 2017
Sumber: BPS DKI Jakarta 2017
Page 24
9
mengalami penurunan, dari jumlah sebesar 8,63 persen turun menjadi 8,47 persen.
Kemudian pada tahun 2015 tingkat pengangguran tersebut cenderung menurun
kembali sebesar 7,23 persen dan pada tahun 2016 tingkat pengangguran terbuka
semakin menurun cukup signifikan sebesar 6,12 persen. Hal ini menujukan bahwa
daya serap tenaga kerja di Provinsi DKI Jakarta terpenuhi akan kesempatan kerja
yang tersedia. Namun tingkat pengangguran terbuka pada tahun 2017 mengalami
kenaikan kembali sebesar 7,14 persen. Hal ini dikarenakan tenaga kerja yang
bertambah tidak diimbangi dengan kualitas yang baik dari kesempatan kerja yang
tersedia. Sehingga jumlah tenaga kerja tidak dapat terserap dengan baik ke dalam
lapangan pekerjaan kemudian menyebabkan pengangguran.
Menurut Badan Pusat Statistik (2016), pengangguran terbuka adalah
pengangguran dimana mereka sama sekali tidak memiliki pekerjaan. Padahal
apabila angkatan kerja bekerja satu jam dalam sehari sudah tidak dikategorikan
dalam pengangguran terbuka. Pengangguran terbuka yang tidak memiliki
penghasilan ini akan menambah beban keluarga dan masyarakat. Selain itu
tingginya jumlah pengangguran terbuka akan membawa dampak pada penurunan
produktivitas dan daya beli masyarakat, kemiskinan, kriminalitas, serta masalah
sosial lainnya yang tentu akan mempengaruhi stabilitas ekonomi maupun politik.
Pengangguran yang tinggi menyebabkan masyarakat tidak dapat
memaksimalkan kesejahteraannya. Keberhasilan pembangunan ekonomi suatu
daerah dapat dilihat dari pertumbuhan ekonomi yang tinggi, dengan
meningkatnya pertumbuhan ekonomi diharapkan juga dapat meningkatkan
kesejahteraan masyarakat dan meningkatkan pembangunan manusia dengan
indikator Indeks Pembanguan Manusia (IPM) (Baeti, 2013).
Page 25
10
IPM merupakan indikator penting untuk mengukur keberhasilan dalam
upaya membangun kualitas hidup manusia (masyarakat/penduduk). IPM
menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam
memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. IPM
diperkenalkan oleh UNDP pada tahun 1990 dan metode penghitungan direvisi
pada tahun 2010. BPS mengadopsi perubahan metodologi penghitungan IPM
yang baru pada tahun 2014 dan melakukan backcasting sejak tahun 2010.
IPM dibentuk oleh tiga dimensi dasar, yaitu umur panjang dan hidup
sehat, pengetahuan, dan standard hidup layak. Umur panjang dan hidup sehat
digambarkan oleh Angka Harapan Hidup saat lahir (AHH) yaitu jumlah tahun
yang diharapkan dapat dicapai oleh bayi yang baru lahir untuk hidup, dengan
asumsi bahwa pola angka kematian menurut umur pada saat kelahiran sama
sepanjang usia bayi. Pengetahuan diukur melalui indikator Rata-rata Lama
Sekolah dan Harapan Lama Sekolah. Rata-rata Lama Sekolah (RLS) adalah rata-
rata lamanya (tahun) penduduk usia 25 tahun ke atas dalam menjalani
pendidikan formal. Harapan Lama Sekolah (HLS) didefinisikan sebagai lamanya
(tahun) sekolah formal yang diharapkan dirasakan oleh anak pada umur tertentu
di masa mendatang. Standar hidup yang layak digambarkan oleh pengeluaran
per kapita disesuaikan, yang ditentukan dari nilai pengeluaran per kapita dan
paritas daya beli. Indikator-indikator tersebut berpengaruh satu sama lain. Selain
itu IPM juga dapat dipengaruhi oleh faktor-faktor lain seperti ketersediaan
lapangan dan kesempatan kerja yang ditentukan oleh pertumbuhan ekonomi,
infrastruktur dan kebijakan pemerintah sehingga IPM akan meningkat apabila
Page 26
11
ketiga unsur tersebut dapat ditingkatkan dan nilai IPM yang tinggi menandakan
keberhasilan pembangunan ekonomi suatu Negara (UNDP, 1995).
Gambar 1.5
Perkembangan Indeks Pembangunan Manusia
Provinsi DKI Jakarta Tahun 2013-2017
Berdasarkan data diatas menunjukan bahwa, IPM selama kurun waktu 5
tahun mengalami tren peningkatan. Pencapaian IPM tertinggi berada pada tahun
2017 sebesar 80,06 persen. Sedangkan capaian terendah berada pada tahun 2013
sebesar 78,08 persen. Selain itu, dari data tersebut dapat dilihat juga bahwa IPM
Provinsi DKI Jakarta selalu meningkat setiap tahunnya, Dengan masing-masing
peningkatan tiap tahunnya mencapai 0,50-1 persen. Meskipun tidak meningkat
secara signifikan, namun tetap berubah kearah yang positif. Hal ini menunjukkan
peningkatan kualitas manusia yang ada di Jakarta, yang selanjutnya menjadi
barometer bagi kualitas pembangunan manusia di Indonesia.
Pemerintah sebagai pelaksana pembangunan tentunya membutuhkan
modal manusia yang berkualitas sebagai modal dasar pembangunan.
Pembangunan tidak hanya persoalan pertumbuhan melainkan juga pada
78,08
78,39
78,99
79,60
80,06
77
77.5
78
78.5
79
79.5
80
80.5
2013 2014 2015 2016 2017
Sumber: BPS DKI Jakarta 2017
Page 27
12
peningkatan kesejahteraan, keamanan, serta kualitas sumber daya baik sumber
daya manusia maupun sumber daya lingkungan hidup. Pembangunan ekonomi
maupun pembangunan pada bidang-bidang lainnya selalu melibatkan sumber
daya manusia sebagai salah satu pelaku pembangunan. Untuk mempertahankan
dan meningkatkan kesejahteraan masyarakat saat ini dan generasi mendatang
dibutuhkan pembangunan yang berkelanjutan. Pembangunan berkelanjutan
sendiri terdiri dari tiga pilar, yaitu pembangunan ekonomi, pembangunan sosial
dan perlindungan lingkungan. Karena pengembangan sumber daya manusia
(SDM) memiliki kapasitas yang besar untuk kemajuan negara (Oluwatobi, 2011).
Berdasarkan uraian di atas, terlihat bahwa tenaga kerja, pengangguran,
serta indeks pembangunan manusia mempunyai pengaruh terhadap Produk
Domestik Regional Bruto (PDRB) di Provinsi DKI Jakarta. Apabila nilai dari
masing-masing variabel meningkat maka peningkatan juga terjadi pada
pertumbuhan ekonomi dalam hal ini adalah PDRB. Apabila terjadi penurunan dari
variabel-variabel tersebut penurunan juga terjadi terhadap PDRB, dari fenomena
tersebut maka perlu adanya suatu penelitian yang diharapkan dapat memberikan
rekomendasi demi kelangsungan pertumbuhan ekonomi di Provinsi DKI Jakarta.
Hal ini yang melatarbelakangi penulis tertarik untuk melakukan penelitian dengan
judul : “Pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan
Manusia Terhadap PDRB di Provinsi DKI Jakarta Tahun 2010-2017”.
Page 28
13
B. Rumusan Masalah
Dari beberapa faktor penunjang yang nampaknya berpengaruh besar
terhadap PDRB di Provinsi DKI Jakarta tersebut, maka dihasilkan rumusan
masalah sebagai berikut:
1. Bagaimana pengaruh tenaga kerja terhadap PDRB di Provinsi DKI Jakarta
tahun 2010-2017?
2. Bagaimana pengaruh pengangguran terhadap PDRB di Provinsi DKI Jakarta
tahun 2010-2017?
3. Bagaimana pengaruh indeks pembangunan manusia terhadap PDRB di
Provinsi DKI Jakarta tahun 2010-2017?
4. Bagaimana pengaruh tenaga kerja, pengangguran dan indeks pembangunan
manusia secara simultan terhadap PDRB di Provinsi DKI Jakarta tahun
2010-2017?
C. Tujuan Penelitian
Berdasarkan rumusan masalah yang telah dikemukakan di atas, maka
tujuan yang akan dicapai dalam penelitian ini adalah sebagai berikut:
1. Untuk mengetahui pengaruh tenaga kerja terhadap PDRB di Provinsi DKI
Jakarta tahun 2010-2017.
2. Untuk mengetahui pengaruh pengangguran terhadap PDRB di Provinsi DKI
Jakarta tahun 2010-2017.
3. Untuk mengetahui pengaruh indeks pembangunan manusia terhadap PDRB
di Provinsi DKI Jakarta tahun 2010-2017.
4. Untuk mengetahui pengaruh tenaga kerja, pengangguran dan indeks
pembangunan manusia secara simultan terhadap PDRB di Provinsi DKI
Jakarta tahun 2010-2017.
Page 29
14
D. Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
1. Bagi pemerintah, diharapkan dapat menjadi masukan sebagai bahan
pertimbangan dalam menentukan kebijakan untuk meningkatkan
pertumbuhan dan pembangunan ekonomi.
2. Bagi akademisi dan peneliti, diharapkan dapat menjadi literatur atau referensi
dalam menyusun penelitian yang relevan dengan bidang ekonomi.
Page 30
15
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Produk Domestik Regional Bruto (PDRB)
a. Pengertian Produk Domestik Regional Bruto
Produk Domestik Regional Bruto merupakan jumlah nilai tambah
yang dihasilkan untuk seluruh wilayah usaha dan jasa dalam suatu wilayah.
Dengan menerapkan jumlah seluruh nilai barang dan jasa akhir yang
dihasilkan seluruh unit ekonomi. PDRB sendiri dapat diartikan sebagai
jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha atau jumlah
seluruh nilai barang dan jasa oleh seluruh unit ekonomi di suatu wilayah
selama kurun waktu tertentu dan biasanya satu tahun (BPS, 2017).
PDRB dapat menggambarkan kemampuan suatu daerah mengelola
sumber daya alam yang dimilikinya. Besaran PDRB yang dihasilkan oleh
masing-masing daerah sangat bergantung kepada potensi sumber daya
alam dan faktor produksi daerah tersebut. Dengan itu pertumbuhan
ekonomi menggambarkan perkembangan aktivitas perekonomian suatu
daerah. Semakin tinggi pertumbuhan ekonomi suatu daerah menunjukkan
semakin berkembangnya aktivitas perekonomian. Menurut Aryanto
(2011), yang lebih relevan untuk digunakan adalah nilai PDRB berdasar
harga konstan dari pada PDRB atas dasar harga berlaku.
Page 31
16
b. Jenis-Jenis Produk Domestik Regional Bruto
Menurut Badan Pusat Statistik (2017), jenis-jenis Produk Domestik
Regional Bruto terbagi menjadi dua yaitu sebagai berikut:
1) PDRB Atas Dasar Harga Berlaku
PDRB atas dasar harga berlaku atau PDRB nominal adalah
PDRB yang di ukur dengan nilai harga pada tahun berjalan atau nilai
uang saat ini. Semua komponen PDRB dinilai pada harga saat ini.
PDRB ini menggambarkan nilai tambah barang dan jasa yang dihitung
menggunakan harga pada setiap tahun. PDRB atas dasar harga berlaku
digunakan untuk melihat pergeseran dan struktur ekonomi.
2) PDRB Atas Dasar Harga Tetap
PDRB dengan harga tetap atau PDRB riil, PDRB yang di ukur
dengan nilai yang didasarkan kepada harga satu tahun
dasar tertentu. Angka-angka PDRB tetap merupakan hasil perkalian
antara jumlah produksi (Q) dan harga (P), apabila harga-harga
mengalami kenaikan dari satu tahun ke tahun yang di sebabkan oleh
inflasi, maka besarnya PDRB akan naik juga, tetapi belum tentu
menunjukkan kenaikan jumlah produksi (PDRB riil).
c. Cara Menghitung Produk Domestik Regional Bruto
Menurut Case and Fair (2010), Terdapat tiga pendekatan yang
biasanya digunakan dalam menghitung angka-angka PDRB yaitu
pendekatan produksi, pendapatan, dan pengeluaran.
Page 32
17
1) Pendekatan Produksi
Pendekatan ini sering disebut juga pendekatan nilai tambah
dimana nilai tambah bruto dengan cara mengurangkan nilai output
yang dihasilkan oleh seluruh kegiatan ekonomi dengan biaya antara
lain dari masing-masing nilai produksi bruto dari setiap sektor
ekonomi, nilai tambah ini merupakan nilai yang ditambahkan pada
barang dan jasa yang diperoleh oleh unit produksi sebagai input antara
nilai yang ditambahkan sama dengan balas jasa faktor produksi atas
keikutsertaannya dalam proses produksi. Unit-unit produksi dalam
penyajian ini dikelompokkan dalam 17 lapangan usaha yaitu:
a) Pertanian, Kehutanan dan Perikanan
b) Pertambangan dan Penggalian
c) Industri Pengolahan
d) Pengadaan Listrik dan Gas
e) Pengadaan Air, Pengolahan Sampah dan Limbah Daur Ulang
f) Kontruksi
g) Perdagangan Besar dan Eceran, Reparasi Mobil dan Sepeda Motor
h) Transportasi dan Pergudangan
i) Penyediaan Akomodasi dan Makan Minum
j) Informasi dan Komunikasi
k) Jasa Keuangan dan Asuransi
l) Real Estate
m) Jasa Perusahaan
n) Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib
Page 33
18
o) Jasa Pendidikan
p) Jasa Kesehatan dan Kegiatan Sosial
q) Jasa Lainnya
2) Pendekatan Pendapatan
Pendekatan ini merupakan jumlah balas jasa yang diterima
oleh faktor-faktor produksi yang ikut serta dalam proses produksi di
suatu wilayah dalam jangka waktu tertentu (satu tahun). Balas jasa
faktor produksi yang dimaksud adalah upah dan gaji, sewa tanah,
bunga modal dan keuntungan, semuanya sebelum dipotong pajak
penghasilan dan pajak langsung lainnya. Dalam definisi ini, PDRB
mencakup juga penyusutan dan pajak tidak langsung neto (pajak atas
produksi dan impor dikurangi subsidi). Untuk lebih jelasnya adalah
sebagai berikut:
a) Kompensasi karyawan, meliputi upah, gaji, dan berbagai
tambahan kontribusi perusahaan pada asuransi sosial dan dana
pensiun, misalnya yang dibayar pada rumah tangga oleh
perusahaan dan pemerintah.
b) Pendapatan perusahaan tingkat perseorangan, pendapatan dalam
bisnis yang tidak berbentuk perseroan.
c) Pendapatan sewa, meliputi pendapatan yang diterima oleh
pemilik properti dalam bentuk sewa.
d) Laba perseroan terbatas, meliputi pendapatan bisnis korporasi.
e) Bunga neto, meliputi bunga yang dibayakan oleh bisnis.
Page 34
19
f) Pajak tak langsung dikurangi subsidi, pajak yang dikurangi
subsidi yang dibayar oleh pemerintah di mana pemerintah tidak
menerima keuntungan balik baik barang atau jasa sebagai
imbalannya.
g) Pembayaran transfer neto, meliputi pembayaran transfer neto
oleh bisnis pada pihak yang lain.
h) Surplus perusahaan pemerintah, meliputi pendapatan yang
berlebih dari suatu anggaran perusahaan pemerintah.
3) Pendekatan Pengeluaran
Pendekatan ini merupakan jumlah seluruh pengeluaran untuk
konsumsi rumah tangga dan lembaga swasta yang tidak mencari
untung, konsumsi pemerintah, pembentukan modal tetap domestik
bruto, dan perubahan stok dan ekspor netto di suatu wilayah.
Penghitungan PDRB melalui pendekatan ini dilakukan dengan bertitik
tolak dari penggunaan akhir barang dan jasa yang dihasilkan di
wilayah domestik dengan komponen yang terdiri dari:
a) Pengeluaran Konsumsi Rumah Tangga mencakup, semua
pengeluaran untuk konsumsi barang dan jasa dikurangi dengan
penjualan neto barang bekas dan sisa yang dilakukan rumah
tangga.
b) Pengeluaran Lembaga Non Profit yang Melayani Rumah Tangga,
mencakup kegiatan dan pengeluaran yang dilakukan oleh
lembaga nirlaba yang konsentrasi konsumennya adalah rumah
tangga, seperti yayasan dan lainnya.
Page 35
20
c) Pengeluaran Konsumsi Pemerintah, mencakup pengeluaran
untuk belanja pegawai, penyusutan dan belanja barang
pemerintah daerah, tidak termasuk penerimaan dari produksi
barang dan jasa yangdihasilkan.
d) Pembentukan Modal Tetap Domestik Bruto, mencakup
pembuatandan pembelian barang-barang modal baru dari dalam
daerah dan barang modal bekas atau baru dari luar daerah.
Metode yang dipakai adalah pendekatan arus barang.
e) Perubahan Inventori, yakni perubahan stok dihitung dari PDRB
hasil penjumlahan nilai tambah bruto sektoral dikurangi
komponen permintaan akhir lainnya.
f) Ekspor barang dinilai menurut harga free on board (fob).
g) Impor barang dinilai menurut cost insurance freight (cif).
d. Kegunaan Produk Domestik Regional Bruto
Data PDRB adalah salah satu indikator ekonomi makro yang dapat
menunjukkan kondisi perekonomian daerah setiap tahun. Manfaat yang
dapat diperoleh dari data ini antara lain:
1) PDRB atas dasar harga berlaku (nominal) menunjukkan kemampuan
sumber daya ekonomi yang dihasilkan oleh suatu daerah. Nilai PDRB
yang besar menunjukkan kemampuan sumber daya ekonomi yang
besar, begitu juga sebaliknya.
Page 36
21
2) PDRB atas dasar harga konstan (riil) dapat digunakan untuk
menunjukkan laju pertumbuhan ekonomi secara keseluruhan atau
setiap lapangan usaha dari tahun ke tahun.
3) Distribusi PDRB atas dasar harga berlaku menurut lapangan usaha
menunjukkan struktur perekonomian atau peranan setiap lapangan
usaha dalam suatu daerah. Lapangan usaha yang mempunyai peran
besar menunjukkan basis perekonomian suatu daerah.
4) PDRB per kapita atas dasar harga berlaku menunjukkan nilai PDRB
per kepala atau per satu orang penduduk.
5) PDRB per kapita atas dasar harga konstan berguna untuk mengetahui
pertumbuhan nyata ekonomi per kapita penduduk suatu daerah.
Rahardjo Adisasmita (2011) berpendapat bahwa indikator yang
digunakan untuk mengukur pertumbuhan ekonomi adalah tingkat
pertumbuhan Produk Domestik Regional Bruto (PDRB) yaitu:
1) PDRB dihitung atas dasar konsep arus barang, artinya perhitungan
PDRB hanya mencakup nilai produk yang dihasilkan pada suatu
periode tertentu. Aliran konsep ini memungkinkan kita untuk
membandingkan jumlah output yang dihasilkan pada tahun ini dengan
tahun sebelumnya.
2) Batas wilayah perhitungan PDRB adalah daerah (perekonomian
domestik). Hal ini memungkinkan untuk mengukur sejauh mana
kebijakan-kebijakan ekonomi yang diterapkan pemerintah mampu
mendorong aktivitas perekonomian domestik
Page 37
22
2. Tenaga Kerja
a. Pengertian Tenaga Kerja
Tenaga kerja adalah penduduk yang sudah atau sedang bekerja, yang
sedang mencari pekerjaan dan yang melakukan kegiatan lain seperti
bersekolah dan mengurus rumah tangga. Pencari kerja, bersekolah, dan
mengurus rumah tangga walaupun tidak bekerja, tetapi mereka secara fisik
mampu dan sewaktu-waktu dapat ikut bekerja (Simanjuntak, 1998).
Tenaga kerja juga merupakan penduduk dalam usia kerja (berusia 15-64
tahun) atau jumlah penduduk dalam suatu negara yang dapat
memproduksi barang dan jasa jika ada permintaan terhadap tenaga kerja
dan mereka mau berpartisipasi dalam aktifitas tersebut (Mulyadi, 2003).
Berdasarkan UU No. 13 tahun 2003 tentang ketenagakerjaan, yang
disebut tenaga kerja adalah setiap orang yang mampu melakukan
pekerjaan guna menghasilkan barang dan jasa baik untuk memenuhi
kebutuhan sendiri maupun untuk masyarakat. Penduduk usia kerja sesuai
dengan yang disarankan oleh International Labor Organization (ILO)
adalah penduduk usia 15 tahun ke atas yang dikelompokkan ke dalam
angkatan kerja dan bukan angkatan kerja.
b. Kelompok Tenaga Kerja
1) Angkatan Kerja
Angkatan kerja adalah penduduk dalam usia kerja yang terlibat atau
berusaha untuk terlibat dalam kegiatan produktif yaitu memproduksi
barang dan jasa. Angkatan kerja terdiri dari golongan bekerja serta
golongan menganggur dan mencari pekerjaan. (Simanjuntak, 1998).
Page 38
23
Menurut BPS (2008) yang tergolong dalam kelompok angkatan
kerja yaitu mereka yang termasuk usia kerja selama seminggu yang lalu
mempunyai pekerjaan, baik yang bekerja maupun sementara tidak bekerja
dikarenakan suatu alasan tertentu, contohnya pegawai yang sedang
mengambil cuti maupun petani yang menunggu masa panen. Disamping
itu mereka yang tidak mempunyai pekerjaan tetapi sedang mencari
berusaha maupun yang sedang mengharapkan pekerjaan juga yang
tergolong kedalam kelompok angkatan kerja.
2) Bukan Angkatan Kerja
Bukan angkatan kerja adalah penduduk dalam usia kerja yang tidak
bekerja, tidak mempunyai pekerjaan dan sedang tidak mencari pekerjaan.
Bukan angkatan kerja terdiri dari golongan yang bersekolah, golongan
yang mengurus rumah tangga dan golongan lain-lain atau penerima
pendapatan. Ketiga golongan dalam kelompok ini sewaktu-waktu dapat
menawarkan jasanya untuk bekerja. Oleh sebab itu, kelompok ini sering
juga dinamakan sebagai angkatan kerja potensial (potensial labor force).
c. Penyerapan Tenaga Kerja
Haryo (2002) penyerapan tenaga kerja merupakan banyaknya
lapangan kerja yang sudah terisi yang tercermin dari banyaknya jumlah
penduduk bekerja. Penduduk yang bekerja terserap dan tersebar di
berbagai sektor perekonomian. Terserapnya penduduk bekerja disebabkan
oleh adanya permintaan akan tenaga kerja. Indonesia dengan jumlah
penduduk yang besar berarti memiliki sumber daya yang besar pula. Oleh
Page 39
24
karena itu, sumber daya manusia yang berupa tenaga kerja harus
dimanfaatkan semaksimal mungkin.
Tenaga kerja yang ada harus mampu diserap oleh semua kegiatan
dan sektor ekonomi. Penyerapan tenaga kerja bisa dikaitkan dengan
keseimbangan interaksi antara permintaan tenaga kerja dan penawaran
tenaga kerja, yang di mana permintaan tenaga kerja pasar dan penawaran
tenaga kerja pasar secara bersama untuk menentukan suatu penggunaan
tenaga kerja keseimbangan (Fuad, 2013).
Dalam dunia kerja atau dalam hal penyerapan tenaga kerja setiap
sektornya berbeda-beda untuk penyerapan tenaga kerjanya, misalnya saja
tenaga kerja di sektor formal. Penyeleksian tenaga kerjanya di butuhkan
suatu keahlian khusus, pendidikan, keahlian dan pengalaman untuk bisa
bekerja pada sektor formal. Usaha perluasan lapangan pekerjaan dapat
dilakukan untuk menyerap tenaga kerja dengan dua cara yaitu :
1) Pengembangan industri yaitu jenis industri yang bersifat padat karya
yang dapat menyerap relatif banyak tenaga kerja dalam industri
termasuk industri rumah tangga.
2) Melalui berbagai proyek pekerjaan umum, misalnya pembuatan
jembatan, jalan raya atau bendungan.
d. Permintaan Tenaga Kerja
Permintaan adalah suatu hubungan antar harga dan kuantitas.
Sehubungan dengan tenaga kerja, permintaan tenaga kerja adalah
hubungan antar tingkat upah (harga tenaga kerja) dan kuantitas tenaga
kerja yang dikehendaki untuk dipekerjakan dalam jangka waktu tertentu.
Page 40
25
Permintaan perusahaan terhadap tenaga kerja berbeda dengan
permintaan konsumen terhadap barang dan jasa. Orang membeli barang
karena barang itu memberikan nikmat (utility) kepada si pembeli.
Sementara pengusaha mempekerjakan seseorang karena membantu
memproduksikan barang atau jasa untuk dijual kepada konsumen. Oleh
karena itu, kenaikan permintaan perusahaan terhadap tenaga kerja
tergantung dari kenaikan permintaan masyarakat akan barang yang
diproduksinya. Permintaan akan tenaga kerja yang seperti itu disebut
derived demand (Simanjuntak, 1998).
Permintaan tenaga kerja berkaitan dengan jumlah tenaga kerja yang
dibutuhkan oleh perusahan atau instansi tertentu, dimana keuntungan
usaha yang didapat akan memberikan hasil yang maksimum. Secara
umum permintaan tenaga kerja dipengaruhi oleh:
1) Perubahan tingkat upah akan mempengaruhi tinggi rendahnya biaya
produksi perusahaan, selanjutnya akan meningkatkan pula harga per
unit produksi.
2) Perubahan permintaan akan hasil produksi perusahaan meningkat,
perusahaan cenderung untuk menambah kapasitas produksinya. Untuk
itu perusahaan akan menambah penggunaan tenaga kerjanya.
3) Harga barang modal turun, maka biaya produksi turun dan tentunya
mengakibatkan harga jual barang per unit ikut turun. Pada keadaan ini
perusahaan akan cenderung meningkatkan produksi karena permintaan
hasil produksi bertambah besar, akibatnya permintaan tenaga kerja
meningkat pula.
Page 41
26
3. Pengangguran
a. Pengertian Pengangguran
Menurut Badan Pusat Statistik (2017), 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.
b. Jenis-jenis Pengangguran
1) Berdasarkan Penyebabnya
a) Penganguran friksional adalah pengangguran yang lebih banyak
disebabkan karena sedang proses mencari pekerjaan. Ketika itu
pengusaha banyak menawarkan gaji yang tinggi pada pekerja
sehingga akhirnya kebanyakan dari pekerja memilih
mendapatkan gaji tinggi tersebut dan meninggalkan pekerjaan
yang lama untuk mendapatkan pekerjaan baru tersebut.
b) 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.
Page 42
27
c) Pengangguran struktural adalah pengangguran yang disebabkan
adanya perubahan struktur kegiatan ekonomi.
d) Pengangguran teknologi adalah pengangguran yang disebabkan
oleh kemajuan teknologi dan mesin sehingga manusia tidak lagi
dibutuhkan dalam proses produksi.
2) Berdasarkan Cirinya
a) Pengangguran terbuka adalah pengangguran akibat jumlah
kesempatan kerja yang tersedia tidak sebanding dengan banyaknya
tenaga kerja.
b) Pengangguran tersembunyi adalah pengangguran yang disebabkan
kelebihan tenaga kerja yang digunakan dalam kegiatan ekonomi.
c) Pengangguran bermusim adalah pengangguran yang disebabkan
adanya perubahan musim. Contohnya yaitu pada musim hujan
penyadap karet tidak dapat melakukan pekerjaannya sehingga mereka
terpaksa menganggur.
d) Setengah Menganggur adalah pekerja yang hanya bekerja satu hingga
dua hari seminggu atau satu hingga empat jam sehari. (Sukirno, 2013).
c. Faktor-faktor yang Mempengaruhi Pengangguran
Faktor-faktor yang mempengaruhi pengangguran sangat beragam.
Berikut ini adalah beberapa faktor yang dapat mempengaruhi jumlah
pengangguran antara lain sebagai berikut:
1. Pendidikan
Tinggi rendahnya pendidikan sangat mempengaruhi seseorang untuk
mendapatkan pekerjaan. Mereka yang berpendidikan rendah akan
Page 43
28
kesulitan dalam mendapatkan pekerjaan. Hal ini disebabkan perusahaan
memberikan standar kepada calon pegawainya dengan pendidikan
tertentu.
2. 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.
3. 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 akan
berdampak pada semakin banyaknya jumlah pengangguran.
4. 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.
5. 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.
Page 44
29
6. 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.
7. Investasi
Setiap negara selalu berkeinginan untuk dapat menciptakan iklim
investasi terutama investasi swasta yang dapat membantu membuka
lapangan kerja. Oleh sebab itu jika investasi merosot maka akan
berdampak pada pengangguran.
8. 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.
Page 45
30
9. 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.
d. Tingkat Pengangguran Terbuka
Menurut BPS, tingkat pengangguran terbuka merupakan persentase
jumlah pengangguran terhadap jumlah angkatan kerja. Sehingga dalam
perhitungannya yaitu:
TPT =jumlah Penduduk Menganggur
Jumlah Angkatan Kerja 𝑥 100%
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.
e. Efek Buruk Pengangguran
Bagi individu pengangguran menyebabkan masalah ekonomi yang
berdampak pada masalah sosial. Mereka yang menganggur 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).
Page 46
31
4. Indeks Pembangunan Manusia
a. Pengertian Indeks Pembangunan Manusia
Indeks pembangunan manusia dikembangkan pertama kali oleh lembaga
Perserikatan Bangsa-Bangsa (PBB) untuk program pembangunan yaitu United
Nation Development Program. Indeks pembangunan manusia merupakan
konsep yang mendasari pembangunan untuk mencapai kesejahteraan manusia
sebagai tujuan akhir pembangunan. Upaya untuk mensejahterakan masyarakat
di dalam pembangunan manusia mencakup tiga komponen dasar yaitu peluang
hidup (kesehatan), pengetahuan (pendidikan) dan hidup layak (pendapatan).
Proses pembangunan sumber daya manusia adalah suatu proses yang berjangka
panjang yang membutuhkan interaksi dari semua sektor yang akan terjadi
dengan bertahap (UNDP, 2008).
Dalam mengukur kualitas pembangunan manusia yaitu berdasarkan
kondisi fisik manusia (kesehatan dan kesejahteraan) maupun berdasarkan
kondisi non fisik (Intelektualitas). Pembangunan dari kondisi fisik didasarkan
dari angka harapan hidup dan kemampuan daya beli, sedangkan pembangunan
dari kondisi non-fisik dilihat dari kualitas pendidikan manusia (Susanti, 2013).
Menurut Badan Pusat Statistik (2017), Indeks pembangunan manusia
adalah suatu ukuran yang digunakan dalam mengetahui kualitas hidup
pembangunan manusianya. Adapun indikator dalam indeks pembangunan
manusia yaitu capaian umur panjang di bidang kesehatan, kemudian capaian
bidang pendidikan yang dilihat melalui angka melek huruf, rata-rata sekolah
dan rata-rata lamanya bersekolah serta kemampuan daya beli masyarakat yang
dilihat dari pengeluaran perkapita.
Page 47
32
b. Tujuan Indeks Pembangunan Manusia
Menurut UNDP (1995), tercapainya tujuan pembangunan manusia, ada
empat hal penting yang harus diperhatikan adalah produktivitas, pemerataan,
kesinambungan dan pemberdayaan. Empat hal pokok tersebut memuat pijakan-
pijakan yang dijelaskan secara singkat sebagai berikut:
1) Produktivitas
Kemampuan masyarakat dalam meningkatkan produktifitas dan
berperan penuh dalam proses penciptaan pendapatan dan memenuhi
kebutuhan hidup. Sehingga pembangunan ekonomi juga dapat
digolongkan dalam bagian pembangunan manusia.
2) Pemerataan
Dalam hal mendapatkan kesempatan dan akses terhadap semua
sumber daya ekonomi dan sosial, penduduk memiliki kesempatan yang
sama dalam hal tersebut. Oleh karena itu kegiatan yang dapat
meminimalisir kesempatan untuk mendapatkan akses tersebut harus
diperhatikan, sehingga mereka dapat memperoleh manfaat dan
kesempatan yang ada dan ikut berperan dalam kegiatan produktif yang
dapat meningkatkan kualitas hidup.
3) Kesinambungan
Akses terhadap sumber daya ekonomi dan sosial harus dipastikan
tidak hanya untuk generasi sekarang tapi juga disiapkan untuk generasi
yang akan datang. Segala bentuk sumber daya baik fisik, manusia maupun
lingkungan harus senantiasa diperbarui.
Page 48
33
4) Pemberdayaan
Pemberdayaan dalam hal keputusan dan proses yang akan
menentukan arah kehidupan mereka, penduduk harus turut berpartisipasi
dan berperan penuh. Begitu pula dalam hal mengambil manfaat dari proses
pembangunan penduduk juga harus dilibatkan.
c. Komponen Indeks Pembangunan Manusia
Menurut UNDP (1995), indeks pembangunan manusia digunakan
sebagai tolak ukur pembangunan sumber daya manusia yang yang dirumuskan
secara konstan, dianggap tidak akan pernah memberikan gambaran
pembangunan secara menyeluruh. Adapun indikator yang digunakan untuk
mengukur ukuran indeks pembangunan manusia adalah sebagai berikut:
1) Indeks Harapan Hidup (longevity)
Indeks harapan hidup atau dsebut juga lamanya hidup diartikan
bahwa bertahan lebih lama dapat diukur dengan indeks harapan hidup saat
lahir dan angka kematian bayi per seribu penduduk. Dengan menyertakan
informasi tentang angka kelahiran dan kematian per tahunnya, dimana
variabel tersebut diharapkan mampu mempresentasikan rata-rata lama
hidup beserta hidup sehat masyarakat. Dikarenakan sulitnya untuk
mendapatkan informasi orang yang meninggal pada periode waktu
tertentu, maka digunakan metode tidak langsung. Untuk perhitungan
secara tidak langsung dilakukan berdasarkan dua data dasar yaitu rata-rata
jumlah lahir hidup dan rata-rata anak yang masih hidup dari wanita yang
pernah kawin untuk mendapatkan indeks harapan hidup dengan
Page 49
34
menetapkan standar angka harapan hidup berdasarkan nilai maksimum
dan minimumnya.
2) Indeks Pendidikan
Untuk menghitung Indeks Pendidikan dalam perhitungan IPM,
mencakup dua parameter yaitu angka melek huruf (LIT) dan rata-rata lama
sekolah (MYS). Populasi yang digunakan adalah penduduk berusia 15
tahun ke atas yang bisa membaca dan menulis dalam huruf latin atau huruf
lainnya. Perlunya batasan tersebut agar angkanya dapat mencerminkan
kondisi sebenarnya mengingat penduduk yang berumur dibawah 15 tahun
masih dalam proses sekolah akan sekolah sehingga belum pantas untuk
rata-rata lama sekolahnya. Kedua parameter tersebut disertakan agar
mampu menggambarkan tingkat pengetahuan, Dimana LIT merupakan
rasio penduduk yang memiliki kemampuan baca tulis dalam suatu
kelompok penduduk secara keseluruhan. Sedangkan angka MYS
merupakan cerminan terhadap keterampilan yang dimiliki penduduk.
3) Indeks Hidup Layak
Untuk mengukur dimensi standar hidup layak (daya beli), UNDP
mengunakan indikator yang dikenal dengan real per kapita. Untuk
perhitungan IPM sub nasional (provinsi atau kabupaten/kota) tidak
memakai PDRB per kapita karena PDRB per kapita hanya mengukur
produksi suatu wilayah dan tidak mencerminkan daya beli riil masyarakat
yang merupakan konsentrasi IPM. Untuk mengukur daya beli penduduk
antar provinsi di Indonesia, BPS menggunakan data rata-rata konsumsi 27
komoditi terpilih dari Survei Sosial Ekonomi Nasional (Susenas) yang
Page 50
35
dianggap paling dominan dikonsumsi oleh masyarakat Indonesia dan telah
distandarkan agar bisa dibandingkan antar daerah dan antar waktu yang
disesuaikan dengan indeks PPP (Purchasing Power Parity).
d. Karakteristik Indeks Pembangunan Manusia dalam Perspektif Islam
Dalam Arab Human Development Report (2002), pembangunan sumber
daya manusia digunakan untuk mengembangkan masyarakat agar dapat
membangun kemampuannya sendiri. Pembangunan manusia menegaskan
bahwa manusia harus turut serta berpartisipasi dalam merangsang proses-
proses yang dapat meningkatkan kualitas dari sumber daya manusia itu sendiri.
Dasar pembuatan indeks pembangunan manusia ini adalah karena melihat
betapa pentingnya memperhatikan kualitas dari sumber daya manusia. Dengan
itu negara-negara Muslim di dunia harus terus lebih meningkatkan kualitas
sumber daya manusia yang menjunjung tinggi nilai ketuhanan untuk
berperilaku sesuai tuntunan pedoman Al-Qur’an dan Sunnah.
Pembangunan manusia dan kesejahteraan manusia memiliki tempat
penting dalam konsep pembangunan Islam. Mayoritas ulama Islam sampai
pada kesimpulan bahwa tujuan dari Maqasid Syariah yaitu untuk
mempromosikan kesejahteraan seluruh umat manusia, yang terletak dalam
menjaga iman, diri mereka, kecerdasan mereka, keturunan mereka dan
kekayaan mereka. Sehingga, pembangunan manusia dalam perspektif Islam
harus didasarkan pada Maqasid Syariah untuk kesmalahatan umat.
Page 51
36
Maqasid Syariah adalah hal- hal dasar yang harus dipenuhi manusia demi
mencapai falah, yaitu kebutuhan di dunia dan di akhirat. Tanpa memenuhi
seluruh hal tersebut, maka manusia tidak akan mendapatkan kebahagiaan yang
sempurna. Menurut Imam Asy-Syatibi kebutuhan dasar tersebut mencakup
lima pokok kemaslahatan dengan peringkatnya masing- masing. Kelima pokok
tersebut dijelaskan sesuai dengan urutannya yaitu agama, jiwa, akal, keturunan
dan harta. Jika salah satu dari kebutuhan dasar manusia tersebut tidak terpenuhi
atau terpenuhi dengan tidak seimbang niscaya kebahagiaan hidup juga tidak
tercapai dengan sempurna. Kemudian digolongan lagi menjadi tiga kelompok
kebutuhan, yaitu dharuriyyah, hajiyah, dan tashiniyyah yang akan dijelaskan
berdasarkan tingkat kepentingan atau kebutuhannya (Djamil,2004).
Menurut (Rafsanjani, 2014), pada tulisannya menguraikan empat filosofis
dasar-dasar pendekatan Islam dalam pembangunan, yaitu: Tauhid,
Rububbiyyah, Khilafah, dan Tazkiyah, serta fitur penting dari konsep
pembangunan Islam, sebagai berikut:
1. Pembangunan ekonomi dalam Islam bersifat komprehensif dan
mengandung unsur spiritual, moral dan material. Pembangunan merupakan
aktivitas yang berorientasi pada tujuan dan nilai. Aspek material, moral,
ekonomi, sosial spiritual dan fiskal tidak dapat dipisahkan. Kebahagiaan
yang ingin di capai tidak hanya kebahagiaan dan kesejahteraan material di
dunia, tapi juga di akhirat.
2. Fokus utama pembangunan adalah manusia dengan lingkungan kulturnya.
Ini berbeda dengan konsep pembangunan ekonomi modern yang
menegaskan bahwa wilayah operasi pembangunan adalah lingkungan fisik
Page 52
37
saja. Dengan demikian Islam memperluas wilayah jangkauan obyek
pembangunan dari lingkungan fisik kepada manusia.
3. Pembangunan ekonomi adalah aktivitas multidimensional sehingga semua
usaha harus diserahkan pada keseimbangan berbagai faktor dan tidak
menimbulkan ketimpangan.
4. Pembangunan ekonomi melibatkan sejumlah perubahan, baik secara
kuantitatif maupun kualitatif, danseimbang antara satu sama lain.
Adapun terkait dalil tentang indeks pembangunan manusia dalam prespektif
Islam adalah sebagai berikut:
كروا وٱذأ ل ٱلل ض وٱبأتغوا من فضأ رأ لوة فٱنتشروا فى ٱلأ فإذا قضيت ٱلص
كثيرا لعلكمأ تفأل حون ٱلل
Artinya:
“Apabila telah ditunaikan shalat, maka bertebaranlah kamu di muka bumi;
dan carilah karunia Allah dan ingatlah Allah banyak-banyak supaya kamu
beruntung.” (Q.S. Al-Jumu’ah: 10)
Penekanan utama dalam pembangunan menurut Islam, terletak pada
pemanfaatan sumber daya yang telah diberikan Allah kepada ummat manusia
dan lingkungannya semaksimal mungkin dan pemanfaatan sumber daya
tersebut melalui pembagian, peningkatannya secara syukur dan adil dan
mengutuk sikap kufur dan zalim.
Page 53
38
Menurut (Ahmad, 2006), berikut indeks pembangunan dengan indikator
perspektif Islam sebagai berikut:
1. Indeks Keyakinan berupa wujud dari semangat beragama yang dilihat dari
jumlah masjid, puasa, zakat, haji, dana amal, tingkat kriminalitas, tingkat
korupsi, dan tingkat kekerasan.
2. Indeks Kehidupan berupa wujud dari menjaga jiwa dengan melihat rata-
rata usia harapan hidup pengguna narkoba dan perokok.
3. Indeks Pengetahuan atau yang lebih dikenal dengan upaya menjaga akal
berupa tingkat pendidikan, jumlah lembaga pendidikan, angka harapan
lama sekolah, rata-rata lama sekolah, dan jumlah hak untuk sekolah.
4. Indeks Sosial Kekeluargaan sebagai upaya menjaga keturunan jumlah
keluarga, tingkat kelahiran, tingkat kematian, dan tingkat perceraian.
5. Indeks Kekayaan dengan melihat GDP per kapita, pertumbuhan ekonomi,
GDP per pertumbuhan penduduk, rasio gini, dan tingkat kemiskinan.
6. Selain dari yang lima tersebut ia juga menambahkan indeks tambahan
berupa kebebasan berpolitik dan kebebasan ekonomi
Keadilan dan kemaslahatan yang ditampilkan secara nyata dalam rupa
indeks pembangunan manusia menjadi barometer seberapa kuat kualitas
syari’ah dalam suatu agenda pembangunan ekonomi manusia. Laporan
Tahunan (UNDP, 2008) menyebutkan bahwa IPM negara-negara yang
berpenduduk Muslim masih rendah. Rendah dalam tingkat literasi, tingkat
pendidikan, partisipasi politik dan ekonomi maupun standar hidup yang layak.
Namun disisi lain ada juga negara-negara muslim yang kualitas pembangunan
manusianya sangat tinggi seperti Dubai, Turki, Brunei Darussalam dan Saudi
Page 54
39
Arabia. Negara-negara tersebut sangat menjunjung kebutuhan dasar Maqasid
Syariah dengan kelima pokok dasar kebutuhan sesuai dengan urutannya yaitu
agama, jiwa, akal, keturunan dan harta. Untuk itu pencapaian barometer pada
indeks pembangunan manusia dalam prespektif Islam sangat tinggi.
e. Skala Indeks Pembangunan Manusia
Pembangunan manusia menegaskan bahwa manusia harus turut serta
berpartisipasi dalam merangsang proses-proses yang dapat meningkatkan
kualitas dari sumber daya manusia itu sendiri. Dasar pembuatan indeks
pembangunan manusia ini adalah karena melihat betapa pentingnya
memperhatikan kualitas dari sumber daya manusia. Konsep pembangunan
manusia yang dikembangkan oleh Perserikatan Bangsa-Bangsa (PBB),
menetapkan peringkat kinerja manusia pada skala 0.0-100.0 dengan kategori
sebagai berikut:
1) Tinggi : IPM lebih dari 80.0
2) Menengah atas : IPM antara 66.0-79.9
3) Menengah bawah : IPM antara 50.0-65.9
4) Rendah : IPM kurang dari 50.0
Nilai IPM suatu Negara maupun daerah menunjukkan sejauh mana suatu
Negara atau daerah mampu mencapai sasaran yang ditentukan yaitu berupa
angka harapan hidup 85 tahun. Pendidikan dasar bagi seluruh lapisan
masyarakat tanpa kecuali, serta tingkat konsumsi dan pengeluaran yang telah
mencapai standar hidup yang layak. Semakin dekat nilai IPM suatu wilayah
terhadap angka 100, semakin dekat jalan yang capaian yang harus dicapai
untuk mencapai sasaran tersebut.
Page 55
40
B. Penelitian Terdahulu
Sebelum penulis melakukan penelitian ini, berbagai penelitian telah banyak
dilakukan yang berkaitan dengan peran tenaga kerja, tingkat pengangguran
maupun indeks pembangunan manusia terhadap PDRB. Pada bagian ini
ditampilkan beberapa penelitian terdahulu yang berkaitan dengan penelitian ini,
diantaranya sebagai berikut:
Tabel 2.1
Penelitian Terdahulu
No Peneliti dan
Tempat Penelitian Metode Variabel Hasil Penelitian
1. Avanda Fahri
Atahrim (2013)
di Jawa Tengah
Regresi
Data Panel
Dependen:
PDRB
Independen:
-Tenaga Kerja
-Pengeluaran
Pemerintah
Variabel tenaga kerja memiliki
pengaruh positif dan signifikan
terhadap PDRB
Variabel pengeluaran pemerintah
memiliki pengaruh positif dan
signifikan terhadap PDRB
2. Denty Octavia
Ningrum (2015) di
Daerah Istimewa
Yogyakarta
Regresi
Data Panel
Dependen:
PDRB
Independen:
-Tenaga Kerja
-Investasi
-Pendidikan
Variable tenaga kerja memiliki
pengaruh positif namun tidak
signifikan terhadap PDRB
Variabel investasi dan pendidikan
memiliki pengaruh positif dan
signifikan terhadap PDRB
3. Fitrah Afrizal
(2013) di Sulawesi
Selatan
Regresi
Linier
Berganda
Dependen:
PDRB
Independen:
-Tenaga Kerja
-Investasi
-Pengeluaran
Pemerintah
Variabel tenaga kerja dan
pengeluaran pemerintah memiliki
pengaruh negatif dan signifikan
terhadap PDRB
Variabel Investasi memiliki
pengaruh positif dan signifikan
terhadap PDRB
4. Christiawan Eka
Arianto, Sonny
Sumarsono dan M.
Adenan (2015) di
Kabupaten Jember
Regresi
Linier
Berganda
Dependen:
PDRB
Independen:
-Pengangguran
-Jumlah
Penduduk
Variable pengangguran memiliki
pengaruh positif namun tidak
signifikan terhadap PDRB
Variabel jumlah penduduk
memiliki pengaruh positif dan
signifikan terhadap PDRB
Page 56
41
5. Moh. Arif
Novriansyah (2018)
di Gorontalo
Regresi
Linier
Berganda
Dependen:
PDRB
Independen:
-Pengangguran
-Kemiskinan
Variable pengangguran memiliki
pengaruh negatif dan signifikan
terhadap PDRB
Variabel kemiskinan memiliki
pengaruh positif dan signifikan
terhadap PDRB
6. Lilik Joko Saputro
(2017) di Klaten
Ordinary
Least
Square
Dependen:
PDRB
Independen:
-Tenaga Kerja
-Belanja Total
-Ekspor
Variabel tenaga kerja dan belanja
total memiliki pengaruh positif
dan signifikan terhadap PDRB
Variabel ekspor memiliki
pengaruh negatif dan signifikan
terhadap PDRB
7. Rusmarinda
Rakhmawati (2016)
di Jawa Tengah
Ordinary
Least
Square
Dependen:
PDRB
Independen:
-IPM
-Tenaga kerja
-Pendidikan
Variable IPM memiliki pengaruh
positif namun tidak signifikan
terhadap PDRB
Variabel tenaga kerja memiliki
pengaruh positif dan signifikan
terhadap PDRB
Variabel pendidikan memiliki
pengaruh negatif dan signifikan
terhadap PDRB
8. Nurul Izzah (2015)
di Riau
Ordinary
Least
Square
Dependen:
PDRB
Independen:
-IPM
-Inflasi
Variable IPM memiliki pengaruh
positif dan signifikan terhadap
PDRB
Variabel inflasi memiliki
pengaruh negatif namun tidak
signifikan terhadap PDRB
9. Bella Anindita
Apsari (2017) di
Jawa Timur
Regresi
Data Panel
Dependen:
PDRB
Independen:
-IPM
-Pengangguran
-Ketimpangan
Pendapatan
Variable IPM memiliki pengaruh
positif dan signifikan terhadap
PDRB
Variable pengangguran dan
ketimpangan pendapatan memiliki
pengaruh negatif dan signifikan
terhadap PDRB
10. Asya Yandi Dea
Kristina (2017) di
Jawa Timur
Regresi
Data Panel
Dependen:
PDRB
Independen:
-IPM
-Tenaga kerja
-PAD
Variable IPM memiliki pengaruh
negatif dan signifikan terhadap
PDRB
Variable tenaga kerja dan PAD
memiliki pengaruh positif dan
signifikan terhadap PDRB
Sumber: Jurnal-jurnal Ilmiah, (diolah)
Page 57
42
1. Avanda Fahri Atahrim (2013) melakukan penelitian dengan judul “Analisis
Pengaruh Tenaga Kerja dan Pengeluaran Pemerintah terhadap Pertumbuhan
Ekonomi Sektor Industri Kabupaten/Kota di Provinsi Jawa Tengah”. Data yang
digunakan adalah data PDRB sektor industri dan jumlah tenaga kerja sektor
industri. Data ini terdiri atas data time series 2001-2011 dan data cross section 35
kabupaten/kota di Provinsi Jawa Tengah. Metode penelitian yang digunakan adalah
data panel dengan pendekatan Random Effect Model. Hasil penelitian ini
menunjukkan bahwa tenaga kerja berpengaruh postif dan signifikan terhadap
pertumbuhan ekonomi daerah di Jawa Tengah.
2. Denty Oktavianingrum (2015) melakukan penelitian tentang pengaruh investasi,
tenaga kerja, dan tingkat pendidikan terhadap pertumbuhan ekonomi di 5
kabupaten/kota di Provinsi DIY. Variabel pertumbuhan ekonomi dalam penelitian
ini menggunakan data PDRB. Penelitian ini berupa data sekunder dari 5
kabupaten/kota di Provinsi DIY tahun 2007-2013. Model analisis yang digunakan
adalah data panel dengan model Fixed Effect. Hasil penelitian ini menunjukkan
bahwa tenaga kerja berpengaruh positif dan signifikan terhadap pertumbuhan
ekonomi di Provinsi Daerah Istimewa Yogyakarta.
3. Fitrah Afrizal (2013) melakukan penelitian tentang pengaruh tingkat investasi,
belanja pemerintah, dan tenaga kerja terhadap PDRB di Provinsi Sulawesi Selatan.
Persamaan dari penelitian ini berfokus untuk melihat seberapa besar dampak dari
tenaga kerja terhadap PDRB. Metode penelitian ini menggunakan analisis regresi
linier berganda dengan menggunakan data sekunder dalam rentang waktu 11 tahun
mulai dari 2001-2011. Hasil penelitian ini menunjukkan bahwa tenaga kerja
berpengaruh negatif dan signifikan terhadap PDRB di Provinsi Sulawesi Selatan.
Page 58
43
4. Christiawan Eka Arianto, Sonny Sumarsono, dan M. Adenan (2015) melakukan
penelitian terkait pengaruh pengangguran dan jumlah penduduk terhadap PDRB di
Kabupaten Jember. Dalam hal memperoleh pendekatan permasalahan digunakan
data tahunan yang berupa deret berkala (time series) selama periode tahun 2000-
2012. Penelitian ini menggunakan data sekunder dengan analisis data regresi linier
berganda. Hasil penelitian ini menunjukkan bahwa pengangguran memiliki
pengaruh yang positif dan tidak signifikan terhadap PDRB di Kabupaten Jember.
5. Moh. Arif Novriansyah (2018) melakukan penelitian yang bertujuan untuk melihat
pengaruh pengangguran dan kemiskinan terhadap PDRB di Provinsi Gorontalo.
Penelitian ini menggunakan data sekunder berupa data tahunan. Metode yang
digunakan adalah analisis regresi linier berganda selama periode tahun 2006-2014.
Hasil penelitian ini menunjukkan bahwa pengangguran memiliki pengaruh negatif
dan signifikan terhadap PDRB di Provinsi Gorontalo.
6. Lilik Joko Saputro (2017) melakukan penelitian dengan judul “Analisis Pengaruh
Belanja Total, Tenaga Kerja, Ekspor Terhadap PDRB Di Kabupaten Klaten Tahun
1996-2015”. Penelitian ini bertujuan untuk menghitung arah dan besarnya pengaruh
belanja total, tenaga kerja, ekspor terhadap PDRB Di kabupaten Klaten. Jenis data
yang digunakan dalam penelitian ini adalah data sekunder dengan metode analisis
yang digunakan adalah Ordinary Least Square (OLS). Hasil penelitian ini
menunjukkan bahwa tenaga kerja berpengaruh positif dan signifikan terhadap
PDRB di Kabupaten Klaten.
Page 59
44
7. Rusmarinda Rakhmawati (2016) melakukan penelitian dengan judul “Pengaruh
Indeks Pembangunan Manusia (IPM), Pendidikan, dan Tenaga Kerja Terhadap
Pertumbuhan Ekonomi di Provinsi Jawa Tengah”. Penelitian ini bertujuan untuk
menganalisis pengaruh indeks pembangunan manusia, tenaga kerja, dan pendidikan
terhadap pertumbuhan ekonomi di Provinsi Jawa Tengah melalui data PDRB riil.
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan metode
analisis yang digunakan adalah Ordinary Least Square (OLS). Hasil penelitian ini
menunjukkan bahwa indeks pembangunan manusia berpengaruh positif dan tidak
signifikan sedangkan tenaga kerja memiliki pengaruh positif dan signifikan
terhadap PDRB di Jawa Tengah.
8. Nurul Izzah (2015) melakukan penelitian dengan judul “Analisis Pengaruh Indeks
Pembangunan Manusia dan Inflasi Terhadap Pertumbuhan Ekonomi di Provinsi
Riau Tahun 1994-2013”. Penelitian ini bertujuan untuk mengetahui tingkat inflasi
dan indeks pembangunan manusia terhadap pertumbuhan ekonomi Di Provinsi
Riau. Pertumbuhan ekonomi dalam penelitian ini menggunakan data PDRB.
Penelitian ini menggunakan data sekunder berupa data tahunan secara berkala.
Metode analisis yang digunakan adalah Ordinary Least Square (OLS). Hasil
penelitian ini menunjukkan bahwa indeks pembangunan manusia berpengaruh
positif dan signifikan terhadap pertumbuhan ekonomi Di Provinsi Riau.
Page 60
45
9. Bella Anindita Apsari (2017) melakukan penelitian ini yang bertujuan untuk
mengetahui hubungan pengaruh Indeks Pembangunan Manusia, ketimpangan
pendapatan dan pengangguran terhadap pertumbuhan ekonomi pada
Kota/kabupaten di Jawa Timur periode 2008-2015. Metode yang digunakan dalam
penelitian ini adalah regresi data panel. Hal ini tidak lepas dari peranan kawasan
baru yaitu Kawasan Gerbang Kertasusila yang terdiri dari Gresik, Bangkalan,
Mojokerto, Surabaya, Sidoarjo dan Lamongan yang mana dalam tahun ke tahun
sanggup untuk memberikan kontribusi terhadap PDRB Jawa Timur hampir
mencapai 50%. Hasil penelitian ini menunjukkan bahwa indeks pembangunan
manusia berpengaruh positif dan signifikan sedangkan pengangguran memiliki
pengaruh negatif dan signifikan terhadap pertumbuhan ekonomi di Jawa Timur.
10. Asya Yandi Dea Kristina (2017) melakukan penelitian terkait perkembangan dari
pendapatan asli daerah, indeks pembangunan manusia dan tenaga kerja terhadap
PDRB kabupaten/kota di Provinsi Jawa Timur. Penelitian ini bertujuan untuk
menghitung seberapa besar indeks pembangunan manusia dan peran tenaga kerja
terhadap PDRB. Data ini terdiri atas data time series 2011-2016 dan data cross
section 38 kabupaten/kota di Provinsi Jawa Timur. Metode penelitian yang
digunakan adalah data panel dengan pendekatan Fixed Effect Model. Hasil
penelitian ini menunjukkan bahwa indeks pembangunan manusia berpengaruh
negatif dan signifikan sedangkan tenaga kerja memiliki pengaruh positif dan
signifikan terhadap PDRB di Jawa Timur.
Page 61
46
C. Keterkaitan Antar Variabel
1. Hubungan Tenaga Kerja dengan PDRB
Menurut Todaro (2003), pertumbuhan penduduk dan pertumbuhan tenaga
kerja secara tradisional dianggap sebagai salah satu faktor positif yang memacu
pertumbuhan ekonomi. Jumlah tenaga kerja yang besar berarti akan menambah
tingkat produksi, sedangkan pertumbuhan penduduk yang besar berarti
meningkatkan ukuran pasar domestik. Meski demikian hal tersebut masih
dipertanyakan apakah benar laju pertumbuhan penduduk yang semakin cepat
akan memberikan dampak positif atau negatif dari pembangunan ekonominya.
Pertumbuhan penduduk yang meningkat dari waktu ke waktu akan
mempengaruhi jumlah tenaga kerja yang ada. Namun jumlah tenaga kerja yang
besar harus diikuti dengan kualitas tenaga kerja memadai. Sehingga, keadaan
tersebut mampu meningkatkan kapasitas produksi dan mampu memacu
pertumbuhan ekonomi. Input tenaga kerja dilihat dari kualitas dan kreativitas
angkatan kerja. Tenaga kerja yang melimpah harus diikuti dengan kualitas
yang dimilikinya. Kualitas input tenaga kerja tersebut meliputi pengetahuan,
ketrampilan, dan kedisplinan bekerja yang maksimal (Samuelson, 2004).
Kemajuan teknologi yang semakin cepat akan efektif apabila digunakan
oleh tenaga kerja yang terampil dan terlatih. Dengan adanya perbaikan dalam
bidang pendidikan, kesehatan, serta disiplin tenaga kerja akan menambah
produktivitas tenaga kerja. Semakin tinggi jumlah tenaga kerja yang produktif
maka akan meningkatkan output yang dihasilkan sehingga hal tersebut dapat
meningkatkan PDRB dan mendorong pertumbuhan ekonomi. Hasil ini sejalan
Page 62
47
dengan penelitian (Lilik, 2017) dan (Denty, 2015) yang menyatakan bahwa
tenaga kerja memiliki pengaruh yang positif dan signifikan terhadap PDRB.
2. Hubungan Pengangguran dengan PDRB
Menurut Sukirno (2013), Pengangguran adalah keadaan tanpa pekerjaan
yang dihadapi oleh segolongan tenaga kerja, yang telah berusaha mencari
pekerjaan, tetapi tidak memperolehnya. Tingkat pengangguran dapat dilihat
kondisi suatu negara, apakah perekonomiannya berkembang atau tidak dan
atau mungkin mengalami kemunduran. Selain itu tingkat pengangguran, dapat
dilihat pula dari ketimpangan atau kesenjangan distribusi pendapatan yang
diterima suatu masyarakat negara tersebut.
Pengangguran dapat terjadi sebagai akibat dari tingginya tingkat
perubahan angkatan kerja yang tidak diimbangi dengan adanya lapangan
pekerjaan yang cukup luas dan memadai serta penyerapan tenaga kerja yang
cenderung kecil persentasenya, dikarenakan tingkat pertumbuhan penciptaan
lapangan kerja untuk menampung tenaga kerja yang siap bekerja sangat
rendah. Pengangguran ini dapat menimbulkan masalah sosial seperti tindakan
kriminalitas dan masalah ekonomi. Kondisi ini dapat menyebabkan tingkat
kesejahteraan, produktivitas dan daya beli masyarakat semakin menurun. Oleh
karena itu semakin tinggi angka pengangguran maka akan menurun tingkat
kemakmuran masyarakat sehingga dapat menurunkan tingkat PDRB suatu
daerah dan pertumbuhan ekonomi menjadi terhambat. Hasil ini sejalan dengan
penelitian (Arif, 2018) dan (Bella, 2017) yang menyatakan bahwa
pengangguran memiliki pengaruh yang negatif dan signifikan terhadap PDRB.
Page 63
48
3. Hubungan Indeks Pembangunan Manusia dengan PDRB
Menurut UNDP (2008), IPM merupakan indikator penting untuk
mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. IPM
menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam
memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya.
Pembangunan manusia memainkan peran dalam membentuk kemampuan
sebuah negara dalam menyerap teknologi modern untuk mengembangkan
kapasitas agar tercipta kesempatan kerja untuk meningkat produktivitas dan
kemampuan masyarakat guna melakukan pembangunan manusia yang
berkelanjutan.
Hubungan pembangunan manusia dengan pertumbuhan ekonomi
sangat erat sekali dan merupakan prasyarat tercapainya pembangunan manusia.
Upaya perbaikan kualitas pembangunan manusia akan mendukung
peningkatan produktivitas dan usaha-usaha produktif yang pada akhirnya
meningkatkan pendapatan. Dimana semakin tinggi kualitas sumber daya
manusia maka akan meningkatkan produktivitas masyarakat sehingga dapat
meningkatkan PDRB dan pertumbuhan ekonomi menjadi tinggi. Hasil ini
sejalan dengan penelitian (Rusmarinda, 2016) dan (Nurul, 2015) yang
menyatakan bahwa indeks pembangunan manusia memiliki pengaruh yang
positif dan signifikan terhadap PDRB dikarenakan masyarakat lebih produktif
dalam mencari penghasilan yang dapat mendorong pertumbuhan ekonomi.
Page 64
49
D. Kerangka Pemikiran
Tingkat PDRB merupakan gambaran kegiatan dalam perekonomian pada
suatu daerah yang akan membentuk angka PDB pada tingkat nasional.
Berdasarkan pemaparan sebelumnya dapat dijelaskan bahwa PDRB memiliki
keterkaitan dengan tenaga kerja, pengangguran dan indeks pembangunan
manusia. Dari pemaparan tersebut, dapat ditentukan model yang paling sesuai
untuk menjelaskan bagaimana pengaruh model yang sesuai terhadap PDRB di
Provinsi DKI Jakarta. Model yang dapat digunakan adalah model pertumbuhan
neoklasik Solow-Swan.
Menurut Solow, kualitas perekonomian berasal dari tiga faktor berikut:
peningkatan dalam kuantitas dan kualitas penduduk atau pekerja, kenaikan dalam
kapital atau modal (melalui tabungan dan investasi) dan peningkatan dalam
teknologi. Setiap peningkatan pada jumlah penduduk atau tenaga kerja, kapital
dan teknologi akan mempengaruhi perubahan pada tingkat output yang
dihasilkan. Modal yang dimaksud salah satunya adalah dari indeks pembangunan
manusia. Di samping itu, terdapat variabel bebas lainnya yaitu pengangguran.
Kemudian peningkatan tenaga kerja, pengangguran dan indeks pembangunan
manusia ini akan memberikan pengaruh kepada PDRB di provinsi di DKI Jakarta.
Pemaparan kerangka pemikiran diatas dapat digambarkan sebagai berikut:
Page 65
50
Gambar 2.1
Kerangka Pemikiran
Pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan Manusia
Terhadap PDRB di Provinsi DKI Jakarta Tahun 2010-2017
Tenaga Kerja (X1) Pengangguran (X2) Indeks Pembangunan
Manusia (X3)
Produk Domestik
Regional Bruto (Y)
Provinsi DKI Jakarta
Pemilihan Model :
- Uji Chow
- Uji Hausman
Uji Statistik :
- Uji R2
- Uji F
- Uji t
Kesimpulan dan Saran
Page 66
51
E. Hipotesis Penelitian
Hipotesis adalah sebuah dugaan yang bersifat sementara terhadap masalah
yang diajukan dan jawaban itu masih diuji secara empiris kebenarannya. Adapun
perumusan hipotesis penelitian ini adalah sebagai berikut:
1. Tenaga Kerja (X1)
a. H0 : Diduga tidak terdapat pengaruh tenaga kerja secara parsial terhadap
PDRB di Provinsi DKI Jakarta tahun 2010-2017.
b. H1 : Diduga terdapat pengaruh tenaga kerja secara parsial terhadap PDRB
di Provinsi DKI Jakarta tahun 2010-2017.
2. Pengangguran (X2)
a. H0 : Diduga tidak terdapat pengaruh pengangguran secara parsial terhadap
PDRB di Provinsi DKI Jakarta tahun 2010-2017.
b. H1 : Diduga terdapat pengaruh pengangguran secara parsial terhadap
PDRB di Provinsi DKI Jakarta tahun 2010-2017.
3. Indeks Pembangunan Manusia (X3)
a. H0 : Diduga tidak terdapat pengaruh indeks pembangunan manusia secara
parsial terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017.
b. H1 : Diduga terdapat pengaruh indeks pembangunan manusia secara
parsial terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017.
4. PDRB Provinsi DKI Jakarta (Y)
a. H0 : Diduga tidak terdapat pengaruh tenaga kerja, pengangguran, indeks
pembangunan manusia secara simultan terhadap PDRB di Provinsi DKI
Jakarta tahun 2010-2017.
b. H1 : Diduga terdapat pengaruh tenaga kerja, pengangguran, indeks
pembangunan manusia secara simultan terhadap PDRB di Provinsi DKI
Jakarta tahun 2010-2017.
Page 67
52
BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini merupakan jenis penelitian kuantitatif karena data yang
digunakan dalam penelitian merupakan data yang berbentuk angka (Arikunto,
2010). Penelitan ini merupakan penelitian empiris yang dilakukan untuk
mengetahui pengaruh tenaga kerja, pengangguran dan indeks pembangunan
manusia terhadap PDRB Provinsi DKI Jakarta. Data yang digunakan dalam
penelitian ini merupakan data sekunder tahun 2010 hingga tahun 2017.
B. Metode Penentuan Sampel
Populasi merupakan keseluruhan subjek penelitian. Dalam penelitian ini tidak
diperlukan sampel karena keseluruhan objek penelitian dapat dijangkau oleh
peneliti. Populasi yang diteliti adalah PDRB riil atas dasar harga konstan, tenaga
kerja, pengangguran dan indeks pembangunan manusia di Kabupaten/Kota di
Provinsi DKI Jakarta dari tahun 2010-2017.
C. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah data
sekunder dan studi kepustakaan. Untuk mendapat hasil penelitian yang baik
diperlukan data dan informasi yang mendukung penelitian ini.
Page 68
53
1. Data Sekunder
Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu
data yang diperoleh dalam bentuk jadi dan telah diolah oleh pihak lain.
Periode waktu yang digunakan pada penelitian ini meliputi tahun 2010-2017
dengan menggunakan metode data panel, yaitu gabungan antara time series
dan cross section. Sumber data diperoleh dari Badan Pusat Statistik (BPS).
Data tersebut meliputi:
a. PDRB riil
b. Tenaga Kerja
c. Pengangguran
d. Indeks Pembangunan Manusia
2. Studi Kepustakaan
Merupakan teknik pengambilan data yang dilakukan dengan cara
membaca, memahami, dan menganalisa sumber-sumber yang bersumber dari
berbagai macam buku dan jurnal yang berkaitan dengan penelitian ini. Hal
tersebut dilakukan dengan tujuan untuk mendapatkan landasan teori dan
konsep. Penulis melakukan penelitian dengan membaca dan menganalisa
serta mengutip bahan-bahan yang berkaitan dengan penelitian.
Page 69
54
D. Metode Analisis Data
1. Metode Data Panel
Metode analisis data yang digunakan dalam penelitian ini merupakan
metode analisis kuantitatif dengan menggunakan data panel. Dalam teori
ekonometri, data panel merupakan gabungan antara data croos section dan data
time series. Data croos section dalam penelitian ini merupakan data yang
diperoleh dari 6 kabupaten/kota administrasi di Provinsi DKI Jakarta. Sedangkan,
data time series dalam penelitian ini merupakan data yang diambil antara tahun
2010-2017. Pengolahan data menggunakan Eviews 9 dan juga software Microsoft
Excel sebagai software pembantu dalam mengkonversi data. Model dasar yang
akan digunakan dalam penelitian ini adalah sebagai berikut:
PDRBit = β0 + β1 TKit + β2 TPit + β3 IPMit + εit
Keterangan :
PDRB : variabel PDRB riil atas dasar harga konstan
TK : variabel tenaga kerja
TP : variabel tingkat pengangguran
IPM : variabel indeks pembangunan manusia
β0 : konstanta
β1, β2, β3 : koefisien regresi
i : kabupaten/kota
t : tahun
ε : error term
Page 70
55
Menurut Gujarati (2007), keunggulan penggunaan data panel dibandingkan
data time series dan data cross section adalah:
1. Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap individu.
2. Dengan data panel, data lebih informasif, lebih bervariasi, mengurangi
kolinearitas antar variabel, meningkatkan derajat kebebasan (degree of freedom),
dan lebih efisien.
3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis
dibandingkan dengan studi berulang dari cross-section.
4. Data panel lebih mendeteksi dan mengukur efek yang secara sederhana tidak
dapat diukur oleh data time-series atau cross section.
5. Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks.
6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau
perusahaan karena unit data lebih banyak.
Menurut Suliyanto (2011), ada beberapa kelebihan dari data panel yaitu :
1. Data panel melibatkan beberapa individu dalam beberapa waktu, maka data panel
memiliki tingkat heterogenitas yang lebih tinggi.
2. Data panel dapat mengestimasikan karakteristik data untuk setiap individu
berdasarkan tingkat heterogenitasnya.
3. Data panel memberikan data yang lebih informatif, bervariasi, memiliki
tingkat kolinieritas yang cukup rendah, dan sudah jelas lebih efisien.
4. Data panel mampu mendeteksi dan mengukur pengaruh yang tidak dapat
diobservasi dengan data time series murni atau data cross section murni.
Page 71
56
2. Estimasi Data Panel
Dalam Basuki (2014), dalam metode estimasi regresi data panel dapat
dilakukan melalui tiga pendekatan, yaitu:
a. Common Effect Model
Merupakan pendekatan model data panel yang paling sederhana karena
hanya mengkombinasikan data time series dan cross section. Pada model ini
tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan
bahwa perilaku data individu sama dalam berbagai kurun waktu. Metode ini
bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik
kuadrat terkecil untuk mengestimasi model data panel. Adapun persamaan
regresi dalam model common effects dapat ditulis sebagai berikut:
Yit = α + Xitβ + εit
Dimana:
i = KepSer, Jaksel,....., JakUt
t = 2010, 2014,......, 2017
Dimana i menunjukkan cross section (individu) dan t menunjukkan
periode waktunya. Dengan asumsi komponen error dalam pengolahan
kuadrat terkecil biasa, proses estimasi secara terpisah untuk setiap unit cross
section dapat dilakukan.
Page 72
57
b. Fixed Effect Model
Model ini mengasumsikan bahwa terdapat efek yang berbeda antar
individu. Perbedaan antar individu dapat diakomodasi dari perbedaan
intersepnya. Untuk mengestimasi data panel model Fixed Effects
menggunakan teknik variable dummy untuk menangkap perbedaan intersep
antar individu. Namun demikian slopnya sama antar individu. Salah satu
cara untuk memperhatikan heterogenitas unit cross section pada model
regresi data panel adalah dengan mengizinkan nilai intersep yang berbeda-
beda untuk setiap unit cross section tetapi masih mengasumsikan slope
konstan. Model fixed effect dapat dinyatakan sebagai berikut:
Yit = α + iαit + X’itβ + εit
Dimana:
i = KepSer, Jaksel,....., JakUt
t = 2010, 2014,......, 2017
Model estimasi ini sering juga disebut dengan teknik Least Squares
Dummy Variable (LSDV). Selain diterapkan untuk efek tiap individu,
LSDV ini juga dapat mengakomodasi efek waktu yang bersifat sistematik.
Hal ini dapat dilakukan melalui penambahan variabel dummy waktu di
dalam model.
Page 73
58
c. Random Effect Model
Model ini akan mengestimasi data panel dimana variabel gangguan
mungkin saling berhubungan antar waktu dan antar individu. Pada model
Random Effect perbedaan intersep diakomodasi oleh error terms masing-
masing individu. Keuntungan menggunakan model Random Effect yakni
menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error
Component Model (ECM). Dengan demikian, persamaan model Random
Effects dapat dituliskan sebagai berikut:
Yit = α + X’itβ + wit
Dimana:
i = KepSer, Jaksel,....., JakUt
t = 2010, 2014,......, 2017
Dimana model ini dengan wit = εi + uit, εi adalah komponen error cross
section, dan uit adalah error secara menyeluruh yang merupakan
kombinasi time series dan cross section. Pendekatan ini mencoba untuk
meningkatkan efisiensi proses permodelan Ordinary Least Square,
penganggu-penganggu antar unit cross section dan time series
diperhitungkan sehingga metode yang digunakan adalah Generalized
Least Square (GLS).
Page 74
59
3. Estimasi Parameter
Estimasi yaitu suatu proses dengan menggunakan sampel statistik untuk
menduga atau menaksir hubungan parameter populasi yang tidak diketahui.
Estimasi juga merupakan suatu pernyataan mengenai parameter populasi yang
diketahui berdasarkan populasi dari sampel, dalam hal ini sampel random, yang
diambil dari populasi yang bersangkutan. Jadi dengan estimasi ini, keadaan
parameter populasi dapat diketahui. Menurut Hasan (2017), ciri-ciri penduga
yang baik adalah tidak bias (unbiased), efisien, dan konsisten. Terdapat dua
estimasi parameter, yaitu:
a. Ordinary Least Square (OLS)
Estimasi kuadrat terkecil biasa (Ordinary Least Square) merupakan
salah satu metode bagian dari kuadrat terkecil dan sering hanya disebut
kuadrat terkecil saja. Metode ini sering digunakan oleh para ilmuwan atau
peneliti dalam proses penghitungan suatu persamaan regresi sederhana.
Dalam penggunaan regresi, terdapat beberapa asumsi dasar yang dapat
menghasilkan estimator linier tidak bias yang terbaik dari model regresi yang
diperoleh dari metode kuadrat terkecil biasa atau biasa dikenal dengan regresi
OLS agar taksiran koefisien regresi itu bersifat BLUE (Best Linier Unbiased
Estimator). Misalkan:
𝒀𝒊 = 𝜷𝟎 + 𝜷𝟏𝑿𝟏𝒊 + 𝜷𝟐𝑿𝟐𝒊 + ⋯ + 𝜷𝒌𝑿𝒌𝒊 + 𝜺𝒊
Yang dapat secara ringkas ditulis dalam notasi matrik sebagai berikut:
Y = Xβ + ε
Page 75
60
Dengan β yaitu suatu vektor kolom k-unsur dari penaksiran parameter
kuadrat terkecil biasa dan ε adalah suatu vektor kolom n x 1 dari n residual
(Gujarati, 2006). Variabel ε sangat memegang peran dalam model
ekonometrika, tetapi variabel ini tidak dapat diteliti dan tidak pula tersedia
informasi tentang bentuk distribusi kemungkinannya. Di samping asumsi
mengenai distribusi probabilitasnya, beberapa asumsi lainnya khusus tentang
sifat statistik perlu dibuat dalam menerapkan metode OLS (Rizki, 2011).
b. Generalized Least Squares (GLS)
Menurut Greene (1997), untuk menanggulangi permasalahan
heteroskedastisitas dapat dilakukan dengan estimasi melalui pembobotan
(weighted) yang dapat pula dikatakan sebagai kuadrat terkecil yang
diberlakukan secara umum atau disebut Generalized Least Squares (GLS).
Permasalahan heteroskedastisitas ini sering muncul apabila data yang
digunakan adalah cross-section. Menurut Gujarati (2006), mengatakan bahwa
untuk data panel, estimasi dengan Generalized Least Squares (GLS) ini lebih
baik dan konsisten dibandingkan dengan metode OLS. Metode estimasi GLS
mampu memperhitungkan informasi secara eksplisit dan karenanya mampu
menghasilkan estimator yang BLUE. Untuk melihat bagaimana hal ini
tercapai kemudian dilanjutkan dengan dua model variabel yang dikenal:
Yi = β1 + β2Xi + β3Xi + ui
Untuk memudahkan manipulasi aljabar maka ditulis sebagai
Yi = β1X0i + β2Xi + β3Xi + ui
Page 76
61
Dimana X0i = 1 untuk masing-masing i. Dapat dilihat bahwa kedua formulasi
ini identik. Sekarang asumsikan bahwa varians heteroskedastisitas
𝜎𝑖2 diketahui. Dibagi melalui σi untuk mendapatkan:
𝒀𝒊
𝝈𝒊= 𝜷𝟏 (
𝑿𝟎𝒊
𝝈𝒊) + 𝜷𝟐 (
𝑿𝒊
𝝈𝒊) + 𝜷𝟑 (
𝑿𝒊
𝝈𝒊) + (
𝒖𝒊
𝝈𝒊)
Untuk memudahkan eksposisi maka ditulis sebagai
𝒀𝒊∗ = 𝜷𝒊
∗𝑿𝟎𝒊∗ + 𝜷𝟐
∗ 𝑿𝒊∗ + 𝜷𝟑
∗ 𝑿𝒊∗ + 𝒖𝒊
∗
yang dibintangi, atau diubah, adalah variabel asli dibagi dengan yang
diketahui σi. Penggunaan notasi 𝛽𝑖∗ dan 𝛽2
∗ parameter dari model yang diubah,
untuk membedakan GLS dengan parameter OLS β1 dan β2.
Menurut Gujarati (2006), estimasi GLS juga dapat dianalisis dengan
model fixed effect dan common effect. Estimasi GLS mengambil informasi
secara eksplisit dan oleh karenanya mampu memproduksi BLUE.
Penggunaan estimasi GLS sudah memenuhi asumsi klasik, sehingga tidak
diperlukan lagi uji asumsi klasik pada estimasi GLS. Sementara itu menurut
Sedyadi (2014), metode estimasi yang menggunakan GLS, dapat
mengabaikan persoalan pelanggaran-pelanggaran asumsi klasik. Dalam
penggunaaan estimasi GLS, Perlu dilakukan pengujian untuk menentukan
model yang paling tepat antara Fixed Effect GLS dan Common Effect GLS.
Penentuan model terbaik ini akan dilakukan melalui Uji Chow.
Page 77
62
4. Pemilihan Model Estimasi
a. Uji Chow
Uji Chow ialah pengujian untuk menentukan model Fixed Effect atau
Common Effect yang lebih tepat digunakan dalam mengestimasi data panel.
Hipotesis dalam uji chow adalah:
H0 : Common Effect Model
H1 : Fixed Effect Model
Pengujian hipotesis juga dapat dilakukan dengan membandingkan
perhitungan F-statistik dengan F-tabel. Perbandingan dipakai apabila hasil F
hitung lebih besar (>) dari F tabel, maka H0 ditolak yang berarti model yang
lebih tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika
F hitung lebih kecil (<) dari F tabel, maka H0 diterima dan model yang
digunakan adalah Common Effect Model. Perhitungan F statistik dapat
dilakukan dengan rumus:
Fn-1, nt,n,k = SSE1 – SSE2 /(n-1)
SSE2 / (nt–n –t)
Dimana:
SSE1 : Sum Square Error dari model Common Effect
SSE2 : Sum Square Error dari model Fixed Effect
N : Jumlah individual (cross section)
t : Jumlah kurun waktu (time series)
k : Jumlah variabel independen
Page 78
63
Sedangkan F tabel didapat dari:
𝐹𝑡𝑎𝑏𝑒𝑙 = |𝑎: 𝑑𝑓(𝑛 − 1, 𝑛𝑡 − 𝑛 − 𝑘)|
Dimana:
α : Tingkat signifikansi yang dipakai (alpha)
n : Jumlah data (cross section)
t : Kurun waktu (time series)
k : Jumlah variabel independen
b. Uji Hausman
Uji Hausman adalah pengujian statistik untuk memilih apakah model
Fixed Effect atau Random Effect yang lebih tepat digunakan dalam regresi
data panel. Uji ini dikembangkan oleh Hausman dengan didasarkan pada ide
bahwa LSDV di dalam model Fixed Effect dan GLS adalah efesien sedangkan
model OLS adalah tidak efesien, di lain pihak alternatifnya metode OLS
efesien dan GLS tidak efesien. Karena itu uji hipotesis nulnya adalah hasil
estimasi keduanya tidak berbeda sehingga Uji Hausman bisa dilakukan
berdasarkan perbedaan estimasi tersebut. Pengujian dilakukan dengan
hipotesis berikut:
H0 : Random Effect Model
H1 : Fixed Effect Model
Page 79
64
Statistik Uji Hausman ini mengikuti distribusi statistik Chi-Squares
dengan degree of freedom sebanyak k, dimana k adalah jumlah variabel
independen. Jika nilai statistik Hausman lebih besar dari nilai kritisnya maka H0
ditolak dan model yang tepat adalah model Fixed Effect sedangkan sebaliknya
bila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat
adalah model Random Effect.
5. Pengujian Asumsi Klasik
Untuk melakukan analisis data maka data diuji sesuai asumsi klasik, jika
terjadi penyimpangan akan asumsi klasik digunakan pengujian statistik
nonparametrik sebaliknya asumsi klasik terpenuhi apabila digunakan statistik
parametrik untuk mendapatkan model regresi yang baik, model regresi tersebut
harus terbebas dari multikolinearitas, autokorelasi, dan heteroskedastisitas serta
data yang dihasilkan harus berdistribusi normal. Maka digunakan untuk menguji
penyimpangan asumsi klasik adalah sebagai berikut :
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual mempunyai distribusi normal. Model
regresi yang terbaik adalah yang terdistribusi secara normal atau
mendekati normal. Dalam penelitian ini pengujian normalitas yang
digunakan uji Jarque-Bera (JB). Jika nilai probabilitas pada JB test >0,05
maka variabel-variabel tersebut berdistribusi normal, begitu pula
sebaliknya. Apabila probabilitas JB test <0,05 maka variabel-variabel
tersebut tidak berdistribusi normal. (Ghazali dan Ratmono, 2013).
Page 80
65
b. Uji Autokorelasi
Uji autokorelasi adalah sebuah uji yang berjuan untuk mengetahui
apakah ada tidaknya korelasi antar variabel. Uji autokorelasi bertujuan
untuk menguji apakah dalam model regresi linear ada korelasi antar
kesalahan penganggu (residual) pada periode t dengan kesalahan pada
periode sebelumnya. Jika terjadi korelasi, maka dinamakan terjadi
masalah autokorelasi (Ghazali dan Ratmono, 2013).
Cara mendeteksi ada tidaknya masalah autokorelasi adalah dengan
uji Durbin-Watson. Keunggulan dari uji D-W dalam mendeteksi masalah
autokorelasi adalah karena uji ini didasarkan pada residual yang ditaksir.
Kriteria dari uji DW sebagai berikut:
Tabel 3.1
Kriteria Uji Durbin Watson
Hipotesis Nol Keputusan Kriteria
Ada autokorelasi positif Tolak 0 < d < dl
Tidak ada autokorelasi
positif
Tidak ada
keputusan dl < d < du
Ada autokorelasi negatif Tolak 4-dl < d < 4
Tidak ada autokorelasi
negatif
Tidak ada
keputusan 4-du < d < 4-dl
Tidak ada autokorelasi Jangan tolak du < d < 4-du
Sumber : Gujarati, 2006
c. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas atau independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Menurut Gujarati (2006), jika koefisien korelasi antarvariabel
bebas lebih dari 0,8 maka dapat disimpulkan bahwa model mengalami
Page 81
66
masalah multikolinearitas. Sebaliknya, koefisien korelasi kurang dari 0,8
maka model bebas dari multikolinearitas.
d. Uji Heteroskedasitisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
ke pengamatan yang lain. Jika varians dari residual dan satu pengamatan
ke pengamatan yang lain tetap, maka disebut homoskedastisitas. Jika
varian berbeda disebut heteroskedastisitas. Adanya sifat
heteroskedastisitas ini dapat membuat penaksiran dalam model bersifat
tidak efisien. Umumnya masalah heteroskedastisitas lebih biasa terjadi
pada data cross section dibandingkan dengan time series. Uji
heteroskedastisitas ini menggunakan metode uji Glejser dengan
penambahan residual absolut pada model. Jika nilai probability < 0.05
maka terjadi heteroskedastisitas dan sebaliknya jika nilai probability >
0.05 maka tidak terjadi heteroskedastisitas. (Gujarati, 2006).
6. Pengujian Statistik
Uji statistik merupakan prosedur yang digunakan untuk menguji kesalahan
atau kebenaran dari hasil hipotesis nol dari sampel. Adapun uji signifikasi yang
digunakan adalah sebagai berikut:
a. Koefisien Determinasi (R2)
Koefisien determinasi ini mengukur seberapa jauh kemampuan
model dalam menerangkan variasi variabel dependen (uji goodness of fit).
Koefisien ini nilainya antara 0 (nol) sampai dengan 1 (satu). Semakin besar
nilai koefisien tersebut maka variabel-variabel independen lebih mampu
Page 82
67
menjelaskan variasi variabel dependen. Nilai koefisien determinasi
merupakan suatu ukuran yang menunjukkan besar sumbangan dari
variabel independen terhadap variabel dependen, atau dengan kata lain
koefisien determinasi mengukur variasi turunan Y yang diterangkan oleh
pengaruh linier X.
Nilai koefisien determinasi (R²) adalah antara nol dan satu. Nilai R²
yang kecil berarti kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen amat terbatas. Nilai yang
mendekati satu berarti variabel-variabel independen memberikan hampir
semua informasi yang dibutuhkan untuk memprediksi variasi variabel
dependen (Ghozali dan Ratmono, 2013).
b. Uji Signifikansi bersama-sama (Uji F Statistik)
Uji F statistik dilakukan untuk melihat seberapa besar pengaruh
variabel independen secara keseluruhan atau bersama- sama terhadap
variabel dependen. Pada tingkat signifikan 5%, maka hasil pengujian yang
akan digunakan adalah sebagai berikut:
1) Jika F hitung > F table maka Ho ditolak dan H1 diterima, artinya
variabel indenden secara bersama-sama mempengaruhi
(negatif/positif) variabel dependen secara signifikan.
2) Jika F hitung < F table maka H0 diterima dan H1 diolak, artinya
variabel independen secara bersama-sama tidak mempengaruhi
variabel dependen secara signifikan.
Page 83
68
c. Uji Signifikansi Individual (Uji t Statistik)
Uji t statistik pada dasarnya menunjukkan seberapa jauh pengaruh
satu variabel independen terhadap variabel dependen dengan menganggap
variabel independen lainnya konstan (Ghazali dan Ratmono, 2013). Uji
statistik t dilakukan untuk mengetahui apakah variabel independen secara
individual mempengaruhi variabel dependen. Uji ini dapat dilakukan
dengan membandingkan t hitung dengan t tabel. Pada tingkat signifikansi
5%, kriteria pengujian yang dilakukan adalah sebagai berikut:
1) Jika t hitung < t tabel artinya salah satu variabel bebas
(independent) tidak mempengaruhi variabel terikat (dependent)
secara signifikan.
2) Jika t hitung > t tabel maka artinya salah satu variabel bebas
(independent) mempengaruhi variabel terikat (dependent) secara
signifikan.
E. Operasional Variabel Penelitian
1. Variabel Dependen (Y)
Pertumbuhan ekonomi adalah proses kenaikan produksi suatu
perekonomian yang dilihat dari kenaikan nilai PDRB. Nilai PDRB tersebut
menunjukkan peningkatan output rill yang dihasilkan oleh suatu
perekonomian sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit
usaha atau jumlah seluruh nilai barang dan jasa oleh seluruh unit ekonomi di
suatu wilayah selama kurun waktu tertentu dan biasanya satu tahun
Page 84
69
Data operasional yang digunakan dalam penelitian ini diperoleh dari
Badan Pusat Statistik berdasarkan perhitungan tahunan Produk Domestik
Regional Bruto atas dasar harga konstan tahun 2010 pada 6 Kabupaten/Kota
Administrasi di Provinsi DKI Jakarta dengan kurun waktu dari tahun 2010
sampai dengan 2017 yang dinyatakan dalam satuan jutaan Rupiah.
2. Variabel Independen
a. Tenaga Kerja (X1)
Tenaga kerja menurut BPS yaitu seseorang yang melakukan pekerjaan
dengan maksud memperoleh atau membantu memperoleh pendapatan atau
keuntungan dan lamanya bekerja paling sedikit 1 jam secara terus menerus
selama seminggu yang lalu dalam suatu usaha atau kegiatan ekonomi.
Data operasional yang digunakan dalam penelitian ini diperoleh dari
Badan Pusat Statistik berdasarkan perhitungan tahunan pada 6
Kabupaten/Kota Administrasi di Provinsi DKI Jakarta dengan kurun waktu
dari tahun 2010 sampai dengan 2017 yang dinyatakan dalam satuan jiwa.
b. Pengangguran (X2)
Pengangguran menurut BPS yaitu keadaan tanpa pekerjaan yang
dihadapi oleh segolongan tenaga kerja, yang telah berusaha mencari
pekerjaan, tetapi tidak memperolehnya. Seseorang yang dikategorikan
sebagai pengangguran terbuka adalah penduduk yang sedang mencari
pekerjaan, penduduk yang sedang mempersiapkan suatu usaha, penduduk
yang merasa tidak mungkin mendapatkan pekerjaan, penduduk yang sudah
punya pekerjaan tetapi belum mulai bekerja.
Page 85
70
Data operasional yang digunakan dalam penelitian ini diperoleh dari
Badan Pusat Statistik berdasarkan perhitungan persentase jumlah
pengangguran terhadap jumlah angkatan kerja pada 6 Kabupaten/Kota
Administrasi di Provinsi DKI Jakarta dengan kurun waktu dari tahun 2010
sampai dengan 2017 yang dinyatakan dalam satuan persen.
c. Indeks Pembangunan Manusia (X3)
Menurut UNDP (2008), Indeks Pembangunan Manusia merupakan
suatu indeks komposit yang mencakup tiga bidang pembangunan manusia
yang dianggap sangat mendasar, yaitu usia hidup (longevity), pengetahuan
(knowledge), dan standar hidup layak (decent living).
Data operasional yang digunakan dalam penelitian ini diperoleh dari
Badan Pusat Statistik berdasarkan perhitungan tahunan pada 6
Kabupaten/Kota Administrasi di Provinsi DKI Jakarta dengan kurun waktu
dari tahun 2010 sampai dengan 2017 yang dinyatakan dalam satuan indeks.
Page 86
71
BAB IV
ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Provinsi DKI Jakarta dalam lingkup kerangka Negara Kesatuan Republik
Indonesia (NKRI) memiliki peran strategis, yaitu sebagai Ibukota Negara.
Provinsi DKI Jakarta yang merupakan Ibukota Negara sehingga tidak memiliki
kawasan terpencil maupun kawasan pedalaman. Secara astronomis Provinsi DKI
Jakarta terletak antara 6o 12’ Lintang Selatan dan 106o 48’ Bujur Timur. Dilihat
dari posisi geostrategis, Provinsi DKI Jakarta terletak di sisi utara bagian barat
Pulau Jawa, dengan bagian utara berbatasan langsung dengan Laut Jawa,
sedangkan sisi timur dan selatan Provinsi DKI Jakarta berbatasan langsung
dengan wilayah Provinsi Jawa Barat, serta sisi barat Provinsi DKI Jakarta
berbatasan langsung dengan Provinsi Banten.
Sebagian wilayah Provinsi DKI Jakarta merupakan kawasan pesisir, dengan
luas wilayah pesisir sekitar 155 km yang membentang dari timur ke barat kurang
lebih 35 km, dan menjorok ke darat sekitar 4-10 km. Selain memiliki kawasan
pesisir, DKI Jakarta juga memiliki 110 pulau yang tersebar pada 2 (dua)
Kecamatan yang berada di wilayah Kabupaten Administrasi Kepulauan Seribu.
Page 87
72
Gambar 4.1
Peta Provinsi DKI Jakarta
Sumber: Jakarta.go.id
DKI Jakarta dianalisis dari aspek ketinggian dan kemiringan lahan, yaitu
terletak pada dataran rendah dengan ketinggian rata-rata kurang lebih 7 meter
diatas permukaan laut. Sedangkan, sekitar 40 persen wilayah Provinsi DKI Jakarta
berupa dataran yang permukaan tanahnya berada 1-1,5 meter di bawah muka laut
pasang. Dengan kondisi kemiringan lahan yang demikian, ditambah dengan 17
sungai yang mengalir di Provinsi DKI Jakarta menyebabkan kecenderungan
semakin rentannya wilayah Jakarta tergenang air dan banjir pada musim hujan.
Terlebih jika melihat tingginya tingkat perkembangan wilayah di sekitar Jakarta,
menyebabkan rendahnya resapan air kedalam tanah, yang pada gilirannya akan
memperbesar ancaman banjir di wilayah Jakarta.
Page 88
73
B. Dekskripsi Data Penelitian
Penelitian ini bertujuan untuk mengetahui pengaruh tenaga kerja,
pengangguran dan indeks pembangunan manusia terhadap PDRB di Provinsi DKI
Jakarta tahun 2010 sampai dengan tahun 2017. Penelitian ini menggunakan data
sekunder yang diperoleh melalui BPS, dan lembaga lain yang menunjang dalam
penelitian ini. Data penelitian diambil selama 8 tahun mulai dari tahun 2010
sampai dengan 2017 dengan data cross section sebanyak 6 Kabupaten/Kota
Administrasi di Provinsi DKI Jakarta.
Ada dua variabel yang digunakan dalam penelitian ini yaitu variable terikat
dan variabel bebas. Dalam hal ini variabel terikat yang digunakan adalah produk
domestik regional bruto dan variabel bebas meliputi tenaga kerja, pengangguran
dan indeks pembangunan manusia. Berikut ini adalah deskripsi secara
keseluruhan dari variabel-variabel tersebut:
1. Produk Domestik Regional Bruto (PDRB)
Produk Domestik Regional Bruto (PDRB) adalah nilai tambah yang
terbentuk dari keseluruhan kegiatan ekonomi dalam suatu wilayah dengan rentang
waktu tertentu. PDRB disajikan menurut harga konstan dan harga berlaku.
Berdasarkan data PDRB atas dasar harga konstan dapat dihitung pertumbuhan
ekonomi yang menggambarkan pertambahan rill kemampuan ekonomi suatu
wilayah. Adapun dengan PDRB harga berlaku dapat dilihat struktur ekonomi
yang menggambarkan andil masing-masing sektor ekonomi. Dengan itu, PDRB
menjadi salah satu indikator keberhasilan pembangunan ekonomi suatu daerah.
Page 89
74
Berdasarkan hasil distribusi PDRB Provinsi DKI Jakarta atas harga
konstan 2010, menunjukkan bahwa sektor perdagangan besar dan eceran, dan
reparasi mobil dan sepeda motor merupakan sektor yang paling tinggi
menyumbang bagi PDRB di Provinsi DKI Jakarta yaitu sebesar 16,55 persen
(rata-rata selama lima tahun terakhir). Sektor konstruksi adalah sektor kedua yang
paling tinggi menyumbang ke PDRB Provinsi DKI Jakarta dengan periode
pengamatan yang sama yaitu sebesar 13,67 persen dan sektor industri pengolahan
merupakan sektor yang paling besar ketiga untuk PDRB Provinsi DKI Jakarta
yaitu sebesar 13,21 persen. Sektor yang paling kecil menyumbang terhadap
distribusi PDRB Provinsi DKI Jakarta adalah sektor pertanian, perkebunan dan
perikanan yaitu sebesar 0,10 persen.
Tabel 4.1
Laju Pertumbuhan PDRB Menurut Kabupaten/Kota
di Provinsi DKI Jakarta Tahun 2013-2017
Sumber: Badan Pusat Statistik, diolah
Berdasarkan tabel 4.1 diatas menunjukan bahwa laju pertumbuhan di
masing-masing kabupaten atau kota selama kurun waktu 5 tahun mengalami tren
fluktuatif. Laju pertumbuhan tertinggi berada di Kota Jakarta Pusat pada tahun
2015 sebesar 6,67 persen. Kemudian di tahun 2016 dan 2017 mengalami
Kab/Kota Administrasi 2013 2014 2015 2016 2017
Kepulauan Seribu 0,79 0,36 0,30 0,27 1,22
Jakarta Selatan 5,86 6,03 6,12 6,14 6,32
Jakarta Timur 5,89 6,14 5,50 5,87 6,21
Jakarta Pusat 6,08 5,83 6,67 6,36 6,02
Jakarta Barat 6,66 5,96 6,01 6,07 6,41
Jakarta Utara 5,82 5,79 5,59 4,62 6,36
Page 90
75
penurunan sebesar 6,36 dan 6,02 persen dikarenakan tingkat pertumbuhan sektor-
sektor tertentu mengalami penurunan. Berbeda dengan laju pertumbuhan Kota
Jakarta Selatan yang mengalami kenaikan yang stabil dari mulai tahun 2010
sebesar 5,86 persen sampai tahun 2017 sebesar 6,32 persen. Hal tersebut
menunjukan perkembangan perekonomian di Kota Jakarta Selatan berjalan baik.
Sedangkan laju pertumbuhan terendah berada di Kabupaten Kepulauan Seribu
pada tahun 2015 dan 2016 dengan laju pertumbuhan sebesar 0,30 dan 0,27 persen.
2. Tenaga Kerja
Tenaga kerja adalah penduduk usia kerja (berumur 15 tahun atau lebih)
yang selama seminggu sebelum pencacahan bekerja atau punya pekerjaan tetapi
sementara tidak bekerja tetapi sedang mencari pekerjaan sedangkan yang
termasuk bukan angkatan kerja, diantaranya adalah mereka yang selama
seminggu yang lalu hanya bersekolah (pelajar dan mahasiswa), mengurus rumah
tangga, dan mereka yang tidak melakukan kegiatan yang dapat dikategorikan
sebagai pekerja, sementara tidak bekerja atau mencari pekerjaan (Disnaker, 2006).
Banyaknya orang yang menempati suatu negara atau daerah akan
menentukan kepadatan penduduk. Jumlah penduduk dalam suatu negara atau
daerah dapat menentukan jumlah tenaga kerja pada negara atau daerah tersebut.
Dari penambahan jumlah penduduk dan tenaga kerja, maka penambahan tersebut
memungkinkan negara atau daerah itu untuk menambah produksi. Di samping itu,
sebagai akibat dari pendidikan, latihan, dan pengalaman kerja, keterampilan
tenaga kerja akan terus meningkat. Hal ini akan menyebabkan peningkatan
produktivitas, dan selanjutnya menyebabkan pertambahan produksi yang lebih
cepat dari pada penambahan tenaga kerja.
Page 91
76
Berikut ini adalah data tenaga kerja menurut kabupaten/kota di Provinsi
DKI Jakarta tahun 2011 sampai dengan tahun 2015:
Tabel 4.2
Tenaga Kerja Menurut Kabupaten/Kota
di Provinsi DKI Jakarta Tahun 2011-2015
Sumber: Badan Pusat Statistik, diolah
Berdasarkan tabel 4.2 diatas menunjukan bahwa tenaga kerja di masing-
masing kabupaten atau kota selama kurun waktu 5 tahun mengalami tren
fluktuatif. Tenaga kerja tertinggi berada di Kota Jakarta Timur pada tahun 2015
sebanyak 1.239.832 jiwa. Hal ini dikarenakan industri yang berada di Kota Jakarta
Timur sebagian besar merupakan industri padat karya sehingga banyak menyerap
tenaga kerja untuk mengembangkan sumber daya. Tenaga kerja terendah berada
di Kabupaten Kepulauan Seribu tahun 2011 sebanyak 9.020 jiwa. Tenaga kerja di
Kabupaten Kepulauan Seribu menunjukkan angka lebih kecil daripada tenaga
kerja di kabupaten/kota lainnya. Dikarenakan daerah kawasan tersebut sangat
kecil dan jumlah penduduknya lebih sedikit dibandingkan lainnya. Hal tersebut
dapat dimanfaatkan pemerintah agar tenaga kerja di daerah mempunyai daya
saing tinggi terutama di bidang pariwisata dan kelautan.
Kab/Kota Administrasi 2011 2012 2013 2014 2015
Kepulauan Seribu 9.020 9.384 9.142 9.967 9.410
Jakarta Selatan 989.097 1.020.343 999.783 1.010.810 1.050.861
Jakarta Timur 1.275.316 1.199.918 1.239.710 1.240.635 1.239.832
Jakarta Pusat 433.764 539.596 502.080 437.622 427.351
Jakarta Barat 1.096.817 1.146.574 1.180.279 1.142.592 1.183.961
Jakarta Utara 784.404 822.781 781.842 792.744 812.614
Page 92
77
3. Pengangguran
Pengangguran 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. Menurut
BPS, tingkat pengangguran terbuka merupakan persentase jumlah pengangguran
terhadap jumlah angkatan kerja. Tingkat pengangguran 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 DKI tahun 2013 sampai dengan tahun 2017:
Tabel 4.3
Tingkat Pengangguran Terbuka Menurut Kabupaten/Kota
di Provinsi DKI Jakarta Tahun 2013-2017
Sumber: Badan Pusat Statistik, diolah
Kab/Kota Administrasi 2013 2014 2015 2016 2017
Kepulauan Seribu 6,03 5,42 5,51 6,38 7,33
Jakarta Selatan 8,56 7,56 6,36 6,48 6,86
Jakarta Timur 9,47 8,72 9,13 8,64 7,82
Jakarta Pusat 8,60 7,81 6,51 6,38 6,82
Jakarta Barat 8,69 9,00 6,31 6,26 6,40
Jakarta Utara 9,67 8,88 7,11 7,43 7,67
Page 93
78
Berdasarkan tabel 4.3 diketahui bahwa tingkat pengangguran terbuka di
masing-masing kabupaten atau kota selama kurun waktu 5 tahun mengalami tren
fluktuatif. Tingkat pengangguran terbuka tertinggi berada di Kota Jakarta Utara
pada tahun 2013 sebesar 9,67 persen. Hal ini dikarenakan industri yang berada di
Kota Jakarta Utara sebagian besar merupakan industri padat modal sehingga
hanya menyerap tenaga kerja sedikit. Tingkat pengangguran terbuka terendah di
Kabupaten Kepulauan Seribu tahun 2015 sebesar 5,51 persen. Tingkat
pengangguran terbuka di Kabupaten Kepulauan Seribu menunjukkan angka lebih
kecil daripada tingkat pengangguran terbuka kabupaten/kota lain kecuali tahun
2017. Hal tersebut dapat dimanfaatkan pemerintah agar angkatan kerja di
Kabupaten Kepulauan Seribu dapat terus terserap dalam dunia kerja dan
mempunyai daya saing tinggi untuk meningkatkan perekonomian daerah.
4. Indeks Pembangunan Manusia (IPM)
Pengukuran keberhasilan pembangunan suatu negara tidak hanya ditandai
oleh tingginya pertumbuhan ekonomi, namun juga mencakup kualitas
manusianya. Oleh karena itu, konsep pengukuran keberhasilan pembangunan
harus berorientasi kepada manusia atau masyarakatnya, yaitu bagaimana
pertumbuhan ekonomi mampu dirasakan seluruh lapisan masyarakat dan
meningkatkan kualitas masyarakat sebagai manusia. Pembangunan manusia yang
mencakup tiga dimensi pokok yaitu kesehatan (umur panjang), pendidikan
(pengetahuan) dan daya beli (standar kehidupan layak) dapat dilihat dari
perkembangan Indeks Pembangunan Manusia (IPM) di suatu wilayah.
Page 94
79
Berikut ini adalah data perkembangan indeks pembangunan manusia
menurut Kabupaten/Kota di Provinsi DKI Jakarta tahun 2013-2017:
Tabel 4.4
Perkembangan Indeks Pembangunan Manusia Menurut
Kabupaten/Kota Provinsi DKI Jakarta Tahun 2013-2017
Sumber: Badan Pusat Statistik, diolah
Berdasarkan tabel 4.4 menunjukan bahwa, Kota Administrasi Jakarta Selatan
memiliki capaian IPM tertinggi dibandingkan wilayah lainnya di Provinsi DKI
Jakarta dengan pencapaian di tahun 2017 sebesar 84,13 persen. Capaian tersebut
diikuti oleh wilayah Kota Administrasi Jakarta Timur di tahun 2017 sebesar 81,61
persen. Sedangkan capaian terendah berada di Kabupaten Kepulauan Seribu di
tahun 2013 sebesar 67,62 persen. Selain itu, dari data tersebut dapat dilihat juga
bahwa IPM Provinsi DKI Jakarta selalu meningkat setiap tahunnya, meskipun tidak
meningkat secara signifikan, namun tetap berubah kearah yang positif. Hal ini
menunjukkan peningkatan kualitas manusia yang ada di Jakarta, yang selanjutnya
menjadi barometer bagi kualitas pembangunan manusia di Indonesia.
Kab/Kota Administrasi 2013 2014 2015 2016 2017
Kepulauan Seribu 67,62 68,48 68,84 69,52 70,11
Jakarta Selatan 82,72 82,94 83,37 83,94 84,13
Jakarta Timur 79,88 80,40 80,73 81,28 81,61
Jakarta Pusat 78,81 79,03 79,69 80,22 80,49
Jakarta Barat 78,79 79,38 79,72 80,34 80,47
Jakarta Utara 77,16 77,29 78,30 78,78 79,47
Page 95
80
C. Pemilihan Model Estimasi
Dalam menentukan model estimasi yang dapat digunakan untuk penelitian ini
dilakukan beberapa pengujian yaitu uji chow dan uji hausman. Uji chow digunakan
untuk menentukan model yang lebih baik antara fixed effect model atau common
effect model. Sedangkan uji hausman digunakan untuk menentukan model yang lebih
baik antara fixed effect model atau random effect model. Namun apabila dalam uji
chow ditemukan hasil bahwa model terbaik yang dapat digunakan adalah common
effect model maka tidak perlu dilanjutkan dengan uji hausman.
1. Uji Chow
Uji Chow digunakan untuk menentukan model yang sebaiknya
digunakan antara model fixed effect atau model common effect. Hipotesis
yang digunakan dalam uji Chow yaitu sebagai berikut:
H0 : Common Effect Model
H1 : Fixed Effect Model
Apabila hasil probabilitas Chi-square > 0,05 maka H0 diterima,
sehingga model yang dipilih adalah common effect. Sebaliknya, jika hasil
probabilitas Chi-square < 0,05 maka H0 ditolak sehingga model yang tepat
digunakan adalah fixed effect. Berikut adalah tampilan dari hasil uji Chow
dengan menggunakan tes Likelihood Ratio pada aplikasi E-views :
Tabel 4.5
Hasil Uji Chow
Redundant Fixed Effects Tests Pool: Untitled Test cross-section fixed effects
Effects Test Statistic d.f. Prob. Cross-section F 223.907380 (5,39) 0.0000
Cross-section Chi-square 162.784874 5 0.0000 Sumber: Hasil Olahan E-views 9
Page 96
81
Berdasarkan hasil uji chow pada tabel 4.5 menunjukkan bahwa
probability cross-section Chi-square menunjukan angka 0.0000 artinya
kurang dari taraf signifikansi yaitu 0.05. Maka dapat diputuskan bahwa H0
ditolak dan H1 diterima sehingga model yang terpilih adalah fixed effect
model. Dikarenakan Fixed effect model terpilih sehingga perlu dilakukan
pengujian lebih lanjut yaitu uji hausman untuk pembuktian yang lebih akurat.
2. Uji Hausman
Uji Hausman digunakan untuk memilih apakah Fixed Effect Model atau
Random Effect Model yang lebih tepat digunakan dalam model. Pengujian uji
Hausman dalam penelitian ini dilakukan dengan hipotesis berikut:
H0 : Random Effect Model
H1 : Fixed Effect Model
Apabila hasil uji hausman menghasilkan probabilitas Chi-square lebih
besar dari 0,05 maka H0 diterima, sehingga model yang baik digunakan
adalah random effect model. Sedangkan apabila hasil uji hausman
menghasilkan probabilitas Chi-square lebih kecil dari 0,05 maka H0 ditolak
sehingga model yang baik digunakan adalah fixed effect model.
Tabel 4.6
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 6.424334 3 0.0269
Sumber: Hasil Olahan E-views 9
Page 97
82
Berdasarkan hasil uji hausman pada tabel 4.6 menunjukkan bahwa
probability Cross-section random menunjukan angka 0.0269 artinya kurang
dari taraf signifikansi yaitu 0.05. Maka dapat diputuskan bahwa H0 ditolak
dan H1 diterima. Sehingga model terbaik yang digunakan dalam penelitian ini
adalah Fixed Effect Model.
D. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data yang dimiliki
berdistribusi normal atau tidak. Uji normalitas dapat dilakukan dengan melihat
hasil probability J-B. Jika nilai probability J-B < dari taraf signifikansi yaitu
0.05 maka data tersebut disimpulkan tidak normal, sebaliknya jika probability
J-B > 0.05 maka data yang dimiliki berdistribusi normal.
Gambar 4.2
Hasil Uji Normalitas
0
2
4
6
8
10
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20
Series: Standardized Residuals
Sample 2010 2017
Observations 48
Mean 1.40e-17
Median -0.009484
Maximum 0.178643
Minimum -0.143171
Std. Dev. 0.068679
Skewness 0.529996
Kurtosis 3.496015
Jarque-Bera 2.739225
Probability 0.254205
Sumber: Hasil Olahan E-views 9
Berdasarkan hasil uji normalitas di atas, diperoleh probability J-B
sebesar 0.254205 lebih besar dari tingkat signifikansi 0,05 sehingga dapat
disimpulkan bahwa data tersebut berdistribusi normal.
Page 98
83
2. Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui apakah terdapat
korelasi antar variabel independent. Jika tidak terjadi masalah pada
multikolineritas yaitu jika nilai korelasi kurang dari 0.8. Namun apabila
koefisien antar variabel independent lebih dari 0,8 maka dapat disimpulkan
bahwa model mengalami masalah multikolinearitas. Berikut adalah tabel
hasil uji multikolinearitas :
Tabel 4.7
Hasil Uji Multikolinearitas
Sumber: Hasil Olahan E-views 9
Berdasarkan hasil uji multikolinearitas yang telah dilakukan di atas,
seluruh koefisien korelasi kurang dari 0,8. Oleh karena itu, dapat disimpulkan
bahwa tidak terdapat multikolinearitas dalam penelitian ini.
3. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengatahui ada tidaknya korelasi
antar variabel. Uji autokorelasi bertujuan untuk mengguji apakah dalam
model regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 (sebelumnya). Untuk mendeteksi ada
tidaknya masalah tersebut maka apat dilihat melalui uji Durbin Watson (DW).
Berikut nilai Durbin-Watson dari hasil dari regresi :
LNTK LNTPT LNIPM
LNTK 1.000000 0.176340 0.717335
LNTPT 0.176340 1.000000 -0.078328
LNIPM 0.717335 -0.078328 1.000000
Page 99
84
Tabel 4.8
Hasil Uji Autokorelasi
Sumber: Hasil Olahan E-views 9
Berdasarkan hasil tabel di atas menunjukan bahwa nilai Durbin-Watson
adalah 2.273282. Untuk melihat ada tidaknya masalah autokorelasi diketahui
dengan cara membandingkan nilai Durbin Watson dengan tabel Durbin
Watson. Dalam penelitian ini n=48 serta k= 4, dl=1.40640 dan du=1.67076.
Oleh karena nilai du (1.67076) < d (2.173282) < 4-du (2.32924) sehingga dapat
disimpulkan tidak terjadi masalah autokorelasi.
4. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk mengetahui apakah terjadi
ketidaksamaan varian residual satu dari pengamatan ke pengamatan lain. Uji
heteroskesdasitas ini menggunakan metode uji park. Jika nilai probability
lebih kecil 0.05 maka terjadi heteroskedastisitas dan sebaliknya jika nilai
probability lebih besar dari 0.05 maka tidak terjadi heteroskedastisitas.
Tabel 4.9
Hasil Uji Heteroskedastisitas dengan Metode Glejser
Sumber: Hasil Olahan E-views 9
R-squared 0.941781 Mean dependent var 18.67936
Adjusted R-squared 0.938044 S.D. dependent var 1.609024
S.E. of regression 0.075395 Akaike info criterion 2.164792
Sum squared resid 0.221692 Schwarz criterion 1.813942
Log likelihood 60.95501 Hannan-Quinn criter. 2.032205
F-statistic 2670.891 Durbin-Watson stat 2.173282
Prob(F-statistic) 0.000000
Variable Coefficient Std. Error t-Statistic Prob. C 2.201534 2.198554 1.001356 0.3228
LNTK 0.280465 0.089089 3.148144 0.2315 LNTPT -0.055058 0.032476 -1.695363 0.0980 LNIPM 0.311810 0.410634 0.759339 0.4522
Page 100
85
Berdasarkan tabel diatas menunjukkan bahwa semua variabel
independen yaitu tenaga kerja, pengangguran dan indeks pembangunan
manusia memiliki nilai probabilitas lebih dari 0.05 sehingga dapat
disimpulkan bahwa tidak terjadi masalah heteroskedastisitas dalam model.
E. Analisa Teknis
1. Uji Statistik
Pengujian statistik dilakukan untuk mengetahui apakah model
penelitian sudah bagus atau belum secara statisitk. Terdapat beberapa
pengujian dalam uji hipotesis ini, diantaranya adalah uji koefisien determinasi
(R2), uji F statistik, serta uji t statistik. Model yang digunakan dalam estimasi
penelitian ini adalah Fixed Effect Model. Uji statistik dalam penelitian ini
menggunakan software e-views 9, maka hasilnya sebagai berikut :
a. Uji Koefisien Determinasi (R2)
Koefisien Determinasi digunakan untuk mengetahui seberapa besar
kemampuan model dalam menjelaskan variasi variabel dependennya. Nilai
koefisien determinasi adalah antara nol dan satu.
Tabel 4.10
Hasil Uji Koefisien Determinasi
Sumber: Hasil Olahan E-views 9
R-squared 0.941781
Adjusted R-squared 0.938044
Page 101
86
Berdasarkan hasil uji koefisien determinasi pada tabel 4.10
menunjukkan bahwa nilai koefisien determinasi sebesar 0,941781. Hal ini
berarti bahwa 94,17 persen dari variasi PDRB di Provinsi DKI Jakarta mampu
dijelaskan variabel independen yaitu tenaga kerja, pengangguran dan indeks
pembangunan manusia. Sedangkan 0,06 persen dijelaskan oleh variabel lain
di luar model atau faktor-faktor lain diluar penelitian ini.
b. Uji Signifikansi Bersama-sama (Uji F Statistik)
Uji F statistik dilakukan untuk mengetahui apakah semua variabel
independen yang dimasukkan dalam model regresi memiliki pengaruh yang
signifikan secara bersama-sama dengan variabel dependen. Dalam penelitian
ini, pengujian secara bersama-sama dilakukan untuk mengetahui apakah
variabel tenaga kerja, pengangguran dan indeks pembangunan manusia
memiliki pengaruh yan signifikan terhadap PDRB di Provinsi DKI Jakarta.
Untuk mengetahui apakah pengujian variabel independen secara
bersama-sama terhadap variabel dependen dapat dilihat dari nilai
probabilitasnya. Jika nilai probabilitas dari F statistik < 0,05 maka dapat
diartikan bahwa semua variabel independen secara simultan memiliki
pengaruh yang signifikan terhadap variabel dependen. Namun sebaliknya
apabila nilai probabilitas F statistik > 0,05 maka diartikan bahwa semua
variabel independen secara simultan tidak memiliki pengaruh signifikan.
Tabel 4.11
Hasil Uji F Statistik
F-statistic 2670.891
Prob(F-statistic) 0.000000 Sumber: Hasil Olahan E-views 9
Page 102
87
Berdasarkan hasil uji F pada tabel 4.11 menunjukkan bahwa nilai
probabilitas F-statistik sebesar 0,000000. Nilai tersebut lebih kecil dari 0,05,
sehingga dapat disimpulkan bahwa variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia secara bersama-sama berpengaruh signifikan
terhadap PDRB di Provinsi DKI Jakarta.
c. Uji Signifikansi Parsial (Uji t Statistik)
Uji t statistik dilakukan untuk mengetahui apakah variabel independen
memiliki pengaruh yang signifikan terhadap variabel dependen secara parsial.
Untuk uji t statistik dapat dilakukan dengan melihat nilai probabilitas dan
derajat kepercayaan yang ditentukan dalam penelitian ini. Bila nilai
probabilitas < derajat kepercayaan yang ditentukan maka suatu variabel dapat
dikatakan memiliki pengaruh yang signifikan terhadap variabel dependennya,
dan sebaliknya apabila nilai probabilitas > derajat kepercayaan yang
ditentukan maka suatu variabel dapat dikatakan tidak memiliki pengaruh
yang signifikan terhadap variabel dependennya. Dalam penelitian ini
digunakan derajat kepercayaan sebesar 5 % atau 0,05.
Tabel 4.12
Hasil Uji t Statistik
Sumber: Hasil Olahan E-views 9
Variable Coefficient Std. Error t-Statistic Prob.
C 4.010422 5.763425 8.348824 0.0000
LNTK? 0.130409 0.233543 4.098658 0.0021
LNTPT? -0.117147 0.085134 -1.376029 0.0128
LNIPM? 0.229594 1.076461 6.408853 0.0000
Page 103
88
Berdasarkan hasil uji t pada tabel 4.12 menunjukkan bahwa:
1) Pengaruh Tenaga Kerja Terhadap PDRB
Variabel tenaga kerja memiliki pengaruh positif dan signifikan
terhadap PDRB di Provinsi DKI Jakarta. Dimana nilai probabilitas dari
variabel tenaga kerja sebesar 0,0021 < 0,05 sehingga dapat disimpulkan
bahwa variabel tenaga kerja memiliki pengaruh yang signifikan terhadap
PDRB di Provinsi DKI Jakarta. Begitu pula dengan nilai koefisiennya
sebesar 0,130409 yang artinya jika tenaga kerja naik sebesar 1 persen
maka PDRB di Provinsi DKI Jakarta akan naik sebesar 0,130409 persen
dengan asumsi ceteris paribus.
2) Pengaruh Pengangguran Terhadap PDRB
Variabel pengangguran memiliki pengaruh negatif dan signifikan
terhadap PDRB di Provinsi DKI Jakarta. Dimana nilai probabilitas dari
variabel pengangguran sebesar 0,0128 < 0,05 sehingga dapat disimpulkan
bahwa variabel pengangguran memiliki pengaruh yang signifikan
terhadap PDRB di Provinsi DKI Jakarta. Begitu pula dengan nilai
koefisiennya sebesar -0,117147 yang artinya jika pengangguran naik
sebesar 1 persen maka PDRB di Provinsi DKI Jakarta akan turun sebesar
-0,117147 persen.
Page 104
89
3) Pengaruh Indeks Pembangunan Manusia Terhadap PDRB
Variabel indeks pembangunan manusia memiliki pengaruh positif
dan signifikan terhadap PDRB di Provinsi DKI Jakarta. Dimana nilai
probabilitas variabel indeks pembangunan manusia sebesar 0,0000 < 0,05
sehingga dapat disimpulkan bahwa variabel indeks pembangunan manusia
memiliki pengaruh yang signifikan terhadap PDRB di Provinsi DKI
Jakarta. Begitu pula dengan nilai koefisiennya sebesar 0,229594 yang
artinya jika indeks pembangunan manusia naik sebesar 1 persen maka
PDRB di Provinsi DKI Jakarta akan naik sebesar 0,229594 persen dengan
asumsi ceteris paribus.
2. Interpretasi Hasil Analisis Model
Analisis data panel dalam penelitian ini bertujuan untuk mengetahui
pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan Manusia
terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017. Berdasarkan hasil
pengolahan data panel dengan model fixed effect diperoleh persamaan regesi
sebagai berikut:
Keterangan :
PDRB : variabel PDRB riil atas dasar harga konstan
TK : variabel tenaga kerja
TP : variabel tingkat pengangguran
IPM : variabel indeks pembangunan manusia
Log : nilai variabel yang disederhanakan
i : kabupaten/kota
t : tahun
LNPDRBit = 4.010422 + 0.130409 LNTKit - 0.117147 LNTPit + 0.229594 LNIPMit
Page 105
90
Berdasarkan persamaan regresi tersebut, maka dapat dianalisis pengaruh
masing-masing variabel independen terhadap variabel dependen adalah sebagai
berikut:
1. Konstanta regresi sebesar 4.010422 menyatakan bahwa jika nilai dari
tenaga kerja, pengangguran dan indeks pembangunan manusia adalah
konstan maka nilai variabel PDRB adalah sebesar 4.010422.
2. Nilai koefisien regresi LNTKit memiliki hubungan positif 0.130409
untuk variabel tenaga kerja, artinya setiap peningkatan 1% pada tenaga
kerja, maka PDRB akan mengalami peningkatan sebesar 0.130409%.
3. Nilai koefisien regresi LNTPit memiliki hubungan negatif -0.117147
untuk variabel pengangguran, artinya setiap peningkatan 1% pada
pengangguran, maka PDRB akan mengalami penurunan sebesar -
0.117147%
4. Nilai koefisien regresi LNIPMit memiliki hubungan positif 0.229594
untuk variabel indeks pembangunan manusia, artinya setiap peningkatan
1% pada indeks pembangunan manusia, maka PDRB akan mengalami
peningkatan sebesar 0.229594%.
Page 106
91
3. Interpretasi Hasil Individual Effect
Tabel 4.13
Hasil Individual Effect
Sumber: Hasil Olahan E-views 9
Berdasarkan tabel di atas menunjukan bahwa:
a. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia pada model adalah 0, maka nilai PDRB
Jakarta Barat sebesar 4.46%.
b. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia pada model adalah 0, maka nilai PDRB
Jakarta Pusat sebesar 4.82%.
c. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia pada model adalah 0, maka nilai PDRB
Jakarta Selatan sebesar 4.52%.
d. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia pada model adalah 0, maka nilai PDRB
Jakarta Timur sebesar 4.42%.
Interpretasi Koefisien Fixed Effect Model
Variabel Koefisien Individual Effect
C 4.010422 TENAGAKERJA? 0.130409
TPT? -0.117147 IPM? 0.229594
Fixed Effect (Cross) _JAKBAR—C 0.450858 4.461280 _JAKPUS—C 0.815459 4.825881 _JAKSEL—C 0.508756 4.519178 _JAKTIM—C 0.405999 4.416421 _JAKUT—C 0.645298 4.655720
_KEPSER—C -2.826371 1.184051
Page 107
92
e. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia pada model adalah 0, maka nilai PDRB
Jakarta Utara sebesar 4.65%.
f. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan
indeks pembangunan manusia pada model adalah 0, maka nilai PDRB
Kepulauan Seribu sebesar 1.18%.
F. Analisa Ekonomi
1. Tenaga Kerja
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 dapat juga diartikan penduduk usia
kerja (berusia 15-64 tahun) atau jumlah seluruh penduduk dalam suatu negara
yang dapat memproduksi barang dan jasa jika ada permintaan terhadap tenaga
mereka, dan jika mereka mau berpartisipasi dalam aktivitas tersebut.
Dari hasil pengujian statistik dapat diketahui bahwa tenaga kerja
memiliki pengaruh positif dan signifikan terhadap PDRB di Provinsi DKI
Jakarta. Hal ini berarti setiap kenaikan 1 persen pada tenaga kerja maka akan
menyebabkan PDRB di Provinsi DKI Jakarta akan naik sebesar 0,130409
persen dengan asumsi ceteris paribus (keadaan lainnya tetap). Banyaknya
orang yang menempati suatu negara atau daerah akan menentukan kepadatan
penduduk. Jumlah penduduk dalam suatu negara atau daerah dapat
menentukan jumlah tenaga kerja pada negara atau daerah tersebut. Dari
penambahan jumlah penduduk dan tenaga kerja, maka penambahan tersebut
Page 108
93
memungkinkan negara atau daerah itu untuk menambah produksi. Di samping
itu, sebagai akibat dari pendidikan, pelatihan, dan pengalaman kerja,
keterampilan tenaga kerja akan terus meningkat. Hal ini akan menyebabkan
peningkatan produktivitas, dan selanjutnya menyebabkan pertambahan
produksi yang lebih cepat sehingga akan meningkatkan pendapatan.
Dengan ketersediaan tenaga kerja yang melimpah maka ini yang akan
berpengaruh terhadap tingkat output dalam perekonomian. Tingkat output
perekonomian yang tinggi dapat dihasilkan dari produksi barang dan jasa yang
dilakukan oleh tenaga kerja. Selain itu jumlah tenaga yang besar juga akan
mempengaruhi luas pasar yang akan menampung barang dan jasa yang
dihasilkan. Untuk itu pemerintah perlu mengawasi dan mengelola program-
program dengan baik seperti peningkatan kualitas pendidikan dan keterampilan
tenaga kerja, pelatihan pengembangan diri dan pengalaman yang kerja yang
kreatif. Hal tersebut selanjutnya akan meningkatkan produktivitas ekonomi
dan output yang dihasilkan sehingga akan mampu meningkatkan PDRB dan
mendorong pertumbuhan ekonomi di Provinsi DKI Jakarta.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh
Avanda Fahri Atahrim (2013) yang meneliti tentang pengaruh tenaga kerja dan
pengeluara pemerintah terhadap PDRB di Provinsi Jawa Tengah. Hasil tersebut
menunjukkan bahwa tenaga kerja memiliki pengaruh positif dan signifikan
terhadap PDRB di Provinsi Jawa Tengah. Hasil ini juga sejalan dengan
penelitian yang dilakukan oleh Denty Oktavianingrum (2015) yang meneliti
tentang pengaruh investasi, tenaga kerja, dan tingkat pendidikan terhadap
pertumbuhan ekonomi di 5 kabupaten/kota di Provinsi DIY.
Page 109
94
2. Pengangguran
Menurut Badan Pusat Statistik (2017), 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.
Dari hasil pengujian statistik dapat diketahui bahwa pengangguran
memiliki pengaruh negatif dan signifikan terhadap PDRB di Provinsi DKI
Jakarta. Hal ini berarti setiap kenaikan 1 persen pada pengangguran maka akan
menyebabkan PDRB di Provinsi DKI Jakarta akan turun sebesar -0,117147
persen dengan asumsi ceteris paribus (keadaan lainnya tetap). Dikarenakan
peningkatan angkatan kerja baru yang lebih besar dibandingkan dengan
lapangan kerja yang tersedia terus menunjukkan jurang (gap) yang terus
membesar. Kondisi tersebut semakin membesar setelah krisis ekonomi.
Dengan adanya krisis ekonomi tidak saja jurang antara peningkatan angkatan
kerja baru dengan penyediaan lapangan kerja yang rendah terus makin dalam,
tetapi juga terjadi pemutusan hubungan kerja (PHK). Hal ini menyebabkan
tingkat pengangguran semakin tinggi sehingga pertumbuhan ekonomi menjadi
terhambat dan menurunkan PDRB di Provinsi DKI Jakarta. Untuk itu
pemerintah perlu mengawasi dan mengelola program-program dengan baik
seperti dengan membuka lapangan pekerjaan yang luas, mengadakan mobilitas
dan pelatihan keterampilan tenaga kerja, pengembangan proyek-proyek umum,
dan mendirikan industri padat karya guna menekan angka pengangguran.
Page 110
95
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Moh.
Arif Novriansyah (2018) yang meneliti tentang pengaruh pengangguran dan
kemiskinan terhadap PDRB di Provinsi Gorontalo pada tahun 2006-2014.
Hasil tersebut menunjukkan bahwa pengangguran memiliki pengaruh negatif
dan signifikan terhadap PDRB di Provinsi Gorontalo. Hasil ini juga sejalan
dengan penelitian yang dilakukan oleh Bella Anindita Apsari (2017), tentang
pengaruh pengangguran, indeks pembangunan manusia, dan ketimpangan
pendapatan terhadap pertumbuhan ekonomi pada Kota/Kabupaten di Jawa
Timur periode 2008-2015. Semakin tinggi angka pengangguran maka akan
menurun tingkat kemakmuran masyarakat sehingga dapat menurunkan tingkat
PDRB suatu daerah dan pertumbuhan ekonomi menjadi terhambat.
3. Indeks Pembangunan Manusia
Menurut Badan Pusat Statistik (2017), Indeks pembangunan manusia
adalah suatu ukuran yang digunakan dalam mengetahui kualitas hidup
pembangunan manusianya. Adapun indikator dalam indeks pembangunan
manusia yaitu capaian umur panjang di bidang kesehatan, kemudian capaian
bidang pendidikan yang dilihat melalui angka melek huruf, rata-rata sekolah
dan rata-rata lamanya bersekolah serta kemampuan daya beli masyarakat yang
dilihat dari pengeluaran perkapita.
Dari hasil pengujian statistik dapat diketahui bahwa indeks
pembangunan manusia memiliki pengaruh positif dan signifikan terhadap
PDRB di Provinsi DKI Jakarta. Hal ini berarti setiap kenaikan 1 persen pada
indeks pembangunan manusia maka akan menyebabkan PDRB di Provinsi
Page 111
96
DKI Jakarta akan naik sebesar 0.229594 persen dengan asumsi ceteris paribus
(keadaan lainnya tetap). Tingkat pembangunan manusia yang tinggi sangat
menentukan kemampuan penduduk dalam menyerap dan mengelola sumber-
sumber pertumbuhan ekonomi. Hubungan pembangunan manusia dengan
pertumbuhan ekonomi sangat erat sekali dan merupakan prasyarat tercapainya
pembangunan manusia. Upaya perbaikan kualitas pembangunan manusia akan
mendukung peningkatan produktivitas dan usaha-usaha produktif yang pada
akhirnya meningkatkan pendapatan. Untuk itu pemerintah perlu mengawasi
dan mengelola program-program dengan baik seperti peningkatan fasilitas
pendidikan, kesehatan dan pemberdayaan masyarakat yang memadai agar
kualitas sumber daya manusia meningkat sehingga akan meningkatkan pula
nilai PDRB dan pertumbuhan ekonomi yang tinggi di Provinsi DKI Jakarta.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh
Rusmarinda Rakhmawati (2016), yang meneliti tentang pengaruh indeks
pembangunan manusia, tenaga kerja, dan pendidikan terhadap Pertumbuhan
Ekonomi melalui data PDRB rill di Provinsi Jawa Tengah. Hasil tersebut
menunjukkan bahwa indeks pembangunan manusia memiliki pengaruh positif
dan signifikan terhadap PDRB di Provinsi Jawa Tengah. Hasil ini juga sejalan
dengan penelitian yang dilakukan oleh Nurul Izzah (2015), tentang pengaruh
indeks pembangunan manusia dan inflasi terhadap pertumbuhan ekonomi di
Provinsi Riau Tahun 1994-2013. Semakin tinggi kualitas sumber daya manusia
maka akan meningkatkan produktivitas masyarakat sehingga dapat
meningkatkan PDRB dan pertumbuhan ekonomi menjadi tinggi.
Page 112
97
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan hasil analisis dan pembahasan yang telah dilakukan, maka dapat
diperoleh beberapa kesimpulan sebagai berikut:
1. Variabel tenaga kerja memiliki pengaruh positif dan signifikan terhadap
PDRB di Provinsi DKI Jakarta tahun 2010-2017.
2. Variabel pengangguran memiliki pengaruh negatif dan signifikan terhadap
PDRB di Provinsi DKI Jakarta tahun 2010-2017.
3. Variabel indeks pembangunan manusia memiliki pengaruh positif dan
signifikan terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017.
4. Variabel tenaga kerja, pengangguran dan indeks pembangunan manusia
secara bersama-sama memiliki pengaruh signifikan terhadap PDRB di
Provinsi DKI Jakarta tahun 2010-2017.
B. Saran
Berdasarkan kesimpulan yang telah dikemukakan diatas, maka peneliti
mencoba untuk memberi beberapa saran, diantaranya adalah sebagai berikut:
1. Bagi pemerintah:
a. Jumlah tenaga kerja memberi pengaruh positif terhadap PDRB.
Sebaiknya dapat dimbangi dengan adanya peningkatan kualitas tenaga
kerja. Dengan meningkatnya kualitas tenaga kerja, maka akan
meningkatkan produktivitas para pekerja untuk menghasilkan output
yang lebih tinggi guna meningkatkan PDRB di Provinsi DKI Jakarta.
Page 113
98
b. Jumlah penduduk yang mengalami peningkatan setiap tahunnya harus
dikelola dengan baik agar tidak menyebabkan banyaknya pengangguran
seperti dengan membuka lapangan pekerjaan yang luas, mengadakan
mobilitas tenaga kerja, pelatihan keterampilan tenaga kerja,
pengembangan proyek-proyek umum, dan mendirikan industri padat
karya guna menekan angka pengangguran di Provinsi DKI Jakarta.
c. Tingkat pembangunan manusia yang tinggi sangat menentukan kualitas
pemerataan pembangunan dan pertumbuhan ekonomi. Dengan itu
perlunya perbaikan kualitas pembangunan manusia seperti peningkatan
fasilitas pendidikan, kesehatan dan pemberdayaan yang memadai guna
meningkatkan pertumbuhan ekonomi di Provinsi DKI Jakarta.
2. Bagi para akademisi dan peneliti, apabila ingin melakukan penelitian yang
sejenis, maka alangkah baik datanya diperbanyak dengan menambahkan
rentang waktu penelitian dan variabel-variabel lain yang tidak digunakan
dalam penelitian ini agar hasil penelitian dapat lebih baik.
Page 114
99
DAFTAR PUSTAKA
Adisasmita, Rahardjo. (2011). Pengelolaan Pendapatan dan Anggaran Daerah.
Yogyakarta; Graha Ilmu.
Afrizal, F. (2013). Analisis Pengaruh Tingkat Investas, Belanja Pemerintah, dan Tenaga
Kerja terhadap PDRB di Provinsi Sulawesi Selatan Tahun 2001-2011. Skripsi.
Universitas Hasanuddin Makasar.
Ahmad, Khursid. (2006). Economic development in Islamic Framework, in Khursid
Ahmad, ed., Studies in Islamic Economics. Liecester: The Islamic Foundation
and Jeddah: International Centre for Reseatch in Islamic Economics, King Abdul
Aziz University.
Apsari, Bella. A. (2017). Pengaruh Indeks Pembangunan Manusia, Ketimpangan
Pendapatan dan Pengangguran Terhadap Tertumbuhan Ekonomi pada
Kota/Kabupaten di Jawa Timur periode 2008-2015. Skripsi. Universitas
Brawijaya Malang.
Arab Human Development Report. (2002). Human Development: Definition Concept and
Larger Context. Saudi Arabia.
Arikunto, S. (2010). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka
Cipta.
Arsyad, L. (2016). Ekonomi Pembangunan. Edisi Kelima. Yogyakarta: STIE YKPN.
Aryanto, Rudy. (2011). “Analisis Kemampuan Keuangan Daerah dan Pertumbuhan
Ekonomi Kabupaten/Kota di Sumatera Selatan”. Jurnal Ilmiah Volume III No. 2.
Sumatra Selatan.
Atahrim, A.F. (2013). Analisis Pengaruh Tenaga Kerja dan Pengeluaran Pemerintah
terhadap Pertumbuhan Ekonomi Sektor Industri Kab/Kota di Provinsi Jawa
Tengah. Skripsi. UIN Syarif Hidayatullah Jakarta.
Badan Pusat Statistik Jakarta Barat, (2017). Jakarta Barat Dalam Angka 2010-2017.
Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik Jakarta Pusat, (2017). Jakarta Pusat Dalam Angka 2010-2017.
Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik Jakarta Selatan, (2017). Jakarta Selatan Dalam Angka 2010-2017.
Jakarta: Badan Pusat Statistik.
Page 115
100
Badan Pusat Statistik Jakarta Tumur, (2017). Jakarta Timur Dalam Angka 2010-2017.
Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik Jakarta Utara, (2017). Jakarta Utara Dalam Angka 2010-2017.
Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik Kepulauan Seribu, (2017). Kepulauan Seribu Dalam Angka 2010-
2017. Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik. (2008). Analisis dan Penghitungan Tingkat Kemiskinan Tahun
2008. Jakarta: BPS.
Badan Pusat Statistik. (2016). Statistical Yearbook of Indonesia 2016. BPS: Jakarta.
Badan Pusat Statistik. (2017). Jakarta Dalam Angka 2010-2017. Jakarta: Badan Pusat
Statistik Provinsi DKI Jakarta.
Baeti, Nur. (2013). Pengaruh Pengangguran, Pertumbuhan Ekonomi, dan Pengeluaran
Pemerintah terhadap Pembangunan Manusia Kabupaten/Kota di Provinsi Jawa
Tengah tahun 2007-2011. Jurnal Ekonomi dan Studi Pembangunan: Volume 2.
Basuki, Ismet dan Hariyanto. (2014). Assesmen Pembelajaran. Bandung: PT Remaja
Rosdakarya.
Case Karl E, R. C. (2010). Prinsip-prinsip Ekonomi Makro Edisi Kelima. Jakarta:
Erlangga.
Daulay, Murni. (2009). Kemiskinan Pedesaan. Medan: USU Press.
Dea Kristina, dkk. (2017). Pengaruh Pendapatan Asli Daerah, Indeks Pembangunan
Manusia dan Tenaga Kerja terhadap PDRB kabupaten/kota di Provinsi Jawa
Timur. Jurnal Ilmu Ekonomi. Universitas Muhammadiyah Malang.
Depnaker. (2003). Undang-Undang Republik Indonesia Nomor 13 Tahun 2003 Tentang
Ketenagakerjaan.
Disnakertrans, (2006). “Konsep Ketenagakerjaan”. Jakarta: Dinas Tenaga Kerja dan
Transmigrasi.
Djamil, Fathurrahman, (2004). Metode Majlis Tarjih Muhammadiyah. Jakarta: Logos.
Eka, Christiawan, dkk. (2015). Pengaruh Jumlah Penduduk dan Angka Pengangguran
Terhadap Pertumbuhan Ekonomi Kabupaten Jember. Jurnal Ekonomi
Pembangunan. Universitas Negeri Jember.
Fuad, Anis dan Kandung Sapto Nugroho. (2014). Panduan Praktis Penelitian Kualitatif.
Yogyakarta: Graha Ilmu.
Page 116
101
Ghozali, I dan Ratmono D. (2013). Analisis Multivariat dan Ekonometrika Teori, Konsep,
dan Aplikasi dengan Eviews 8. Semarang: Universitas Diponegoro Semarang.
Greene, W.H. (1997). Economic Analysis. Prentice-Hall International, Lnc.USA.
Gujarati, D. (2006). Dasar-dasar Ekonometrika. Edisi Kedua, Jakarta: Erlangga,
Gujarati, D. (2007). Dasar-dasar Ekonometrika. Edisi Ketiga, Jakarta: Erlangga,
Hariyanto, B. (2004). Sistem Manajemen Basis Data: Pemodelan, Perancangan, dan
Terapannya, Informatika, Bandung.
Hasan, I. M. (2017). Pokok-pokok Materi Statistik. Jakarta: PT. Bumi Aksara.
Izzah, Nurul. (2015). Analisis Pengaruh Indeks Pembangunan Manusia dan Inflasi
Terhadap Pertumbuhan Ekonomi di Provinsi Riau Tahun 1994-2013. Jurnal.
Padang: IAIN Padangsidimpuan.
Kuncoro, Haryo. (2002). Upah Sistem Bagi Hasil dan Penyerapan Tenaga Kerja. Jurnal
Ekonomi Pembangunan, Vol 7.
Mulyadi S. (2003). Ekonomi Sumber Daya Manusia dalam Perspektif Pembangunan.
Jakarta: PT Raja Grafindo Persada.
Novriansyah, Arif. (2018). Pengaruh Pengangguran dan Kemiskinan Terhadap
Pertumbuhan Ekonomi di Provinsi Gorontalo. Jurnal Ekonomi Pembangunan
Volume 1. Universitas Gorontalo.
Oktavianingrum, D. (2015). Analisis Pengaruh Invesasi, Tenaga Kerja, dan Tingkat
Pendidikan terhadap Pertumbuhan Ekonomi di Daerah Isimewa Yogyakarta:
Studi 5 Kabupaten/Kota. Skripsi. Universitas Negeri Yogyakarta.
Oluwatobi, dkk. (2011). “Government Expenditure on Human Capital Development:
Implications for Economic Growth in Nigeria”. Journal of Sustainable
Development, Vol. 4, No. 3.
Rafsanjani, Haqiqi. (2014). Analisis Islamic Human Development Index Di Indonesia.
Tesis, Surabaya: Program Pascasarjana Universitas Airlangga.
Rakhmawati, Rusmarinda. (2016) Pengaruh Indeks Pembangunan Manusia, Pendidikan,
dan Tenaga Kerja Terhadap Pertumbuhan Ekonomi di Provinsi Jawa Tengah.
Skripsi. Solo: Universitas Muhammadiyah Surakarta.
Rizki, N. A. (2011). Estimasi Parameter Model Regresi Data Panel Random Effect
dengan Metode Generalized Least Square (GLS). Malang: UIN Maulana Malik
Ibrahim.
Page 117
102
Samuelson, P.A. (2004). Ilmu Makro Ekonomi. (Alih Bahasa Gretta, Theresa T, Bosco
C, Anna E). Media Global Edukasi. Jakarta.
Saputro, Lilik. (2017). Analisis Pengaruh Belanja Total, Tenaga Kerja, Ekspor Terhadap
PDRB Di Kabupaten Klaten Tahun 1996-2015. Skripsi. Solo: Universitas
Muhammadiyah Surakarta.
Sedyadi, G. S. (2014). Kajian Pengaruh Desentralisasi Fiskal Asimetri Di Indonesia
Terhadap Efisiensi Penyediaan Barang dan Layanan Publik Sektor Pendidikan.
Jurnal Ekonomi ITB.
Simanjuntak, Payaman. (1998). Pengantar Ekonomi Sumber Daya Manusia. Jakarta:
Fakultas Ekonomi Universitas Indonesia.
Sukirno, Sadono. (2006). Ekonomi Pembangunan: Proses, Masalah, dan Dasar
Kebijakan. Jakarta: Kencana.
Sukirno, Sadono. (2013). Teori Pengantar Mikro Ekonomi Edisi Ketiga. Jakarta:
Rajawali Press.
Suliyanto. (2011). Ekonometrika Terapan: Teori Dan Aplikasi Dengan SPSS. Edisi I.
Yogyakarta: ANDI Yogyakarta.
Suparmoko, M. (2002). “Ekonomi Publik untuk Keuangan dan Pembangunan Daerah”
Edisi Satu. Yogyakarta: BPEF.
Susanti, Agustina (2013). Perpustakaan Prasekolahku, Seru. Bandung: CV Restu Bumi
Kencana.
Todaro, Michael P. (2003). Pembangunan Ekonomi di Dunia Ketiga. Jakarta: Erlangga.
Todaro, Michael P. (2011). Pembangunan Ekonomi Di Dunia Ketiga. Edisi Kelima. Alih
Bahasa: Aminuddin dan Drs.Mursid. Jakarta: Erlangga.
Undang-Undang Nomor 32 Tahun (2004). tentang Perimbangan Keuangan antara
Pemerintah Pusat dan Pemerintah Daerah. Republik Indonesia.
UNDP. (1995). Human Development Report 1995. New York: Oxford University Press.
UNDP. (2008). The Economics Democracy: Financing Human Development in
Indonesia. Published Jointly by BPS-Statistic Indonesia.
Widodo, Tri. (2016). Perencanaan Pembangunan. Aplikasi Komputer (Era Otonomi
Daerah). Yogyakarta: UUP STIM YKPN.
Page 118
103
LAMPIRAN NYE DI MARIH CING
Page 119
104
Lampiran 1
Data Variable Penelitian
Kab/Kota Administrasi Tahun PDRB Tenaga Kerja TPT IPM
Kepulauan Seribu 2010 3584569.574 9160 9.89 64.96
Kepulauan Seribu 2011 3737994.276 9020 11.38 65.79
Kepulauan Seribu 2012 3753238.822 9384 13.97 66.92
Kepulauan Seribu 2013 3782748.154 9142 6.03 67.62
Kepulauan Seribu 2014 3796477.366 9967 5.42 68.48
Kepulauan Seribu 2015 3807772.583 9410 5.51 68.84
Kepulauan Seribu 2016 3828192.216 8756 6.38 69.52
Kepulauan Seribu 2017 3856432.312 8304 7.33 70.11
Jakarta Selatan 2010 241225133.9 977432 9.93 80.26
Jakarta Selatan 2011 258049207.3 989097 10.36 81.22
Jakarta Selatan 2012 275317710.2 1020343 8.96 81.72
Jakarta Selatan 2013 292545902.7 999783 8.56 82.72
Jakarta Selatan 2014 310185285.6 1010810 7.56 82.94
Jakarta Selatan 2015 329136718.3 1050861 6.36 83.37
Jakarta Selatan 2016 349202050.8 1028546 6.48 83.94
Jakarta Selatan 2017 362453284.6 988835 6.86 84.13
Jakarta Timur 2010 186512337.2 1220420 13.03 78.06
Jakarta Timur 2011 198226283.5 1275316 10.95 78.82
Jakarta Timur 2012 210383749.2 1199918 10.39 79.52
Jakarta Timur 2013 222785516.6 1239710 9.47 79.88
Jakarta Timur 2014 236464307.7 1240635 8.72 80.4
Jakarta Timur 2015 249259728.7 1239832 9.13 80.73
Jakarta Timur 2016 264138209.3 1218424 8.64 81.28
Jakarta Timur 2017 285728284.6 1170685 7.82 81.61
Jakarta Pusat 2010 258419704.9 430258 10.91 77.3
Jakarta Pusat 2011 276997678.2 433764 11.21 77.97
Jakarta Pusat 2012 296540046.1 539596 10.72 78.44
Jakarta Pusat 2013 314562244.7 502080 8.6 78.81
Jakarta Pusat 2014 332896524.2 437622 7.81 79.03
Jakarta Pusat 2015 354947357.2 427351 6.51 79.69
Jakarta Pusat 2016 377965882.3 424845 6.38 80.22
Jakarta Pusat 2017 393654237.4 421365 6.82 80.49
Jakarta Barat 2010 182020884.6 1074825 9.88 76.65
Jakarta Barat 2011 194609504.4 1096817 10.72 77.41
Jakarta Barat 2012 208109599.9 1146574 9.31 78.05
Jakarta Barat 2013 221960378.1 1180279 8.69 78.79
Page 120
105
Jakarta Barat 2014 235186461.8 1142592 9 79.38
Jakarta Barat 2015 249263416.8 1183961 6.31 79.72
Jakarta Barat 2016 264251833.8 1148622 6.26 80.34
Jakarta Barat 2017 284837463.6 1082035 6.4 80.47
Jakarta Utara 2010 203420850.4 767665 11.15 75.15
Jakarta Utara 2011 216349996.2 784404 10.98 76.12
Jakarta Utara 2012 229401776.9 786781 10.33 76.89
Jakarta Utara 2013 242743312.5 788842 9.67 77.16
Jakarta Utara 2014 256807476.3 792744 8.88 77.29
Jakarta Utara 2015 271210200.6 812614 7.11 78.3
Jakarta Utara 2016 283819614.8 826386 7.43 78.78
Jakarta Utara 2017 296532846.5 838047 7.67 79.47
Page 121
106
Lampiran 2
Data Variabel Penelitian setelah Ditransformasi ke Logaritma Natural
Kab/Kota Administrasi Tahun LNPDRB LNTK LNTPT LNIPM
Kepulauan Seribu 2010 15.092149 9.122601 2.291524 4.173772
Kepulauan Seribu 2011 15.134060 9.107200 2.431857 4.186468
Kepulauan Seribu 2012 15.138130 9.146761 2.636912 4.203498
Kepulauan Seribu 2013 15.145961 9.120634 1.796747 4.213904
Kepulauan Seribu 2014 15.149584 9.207035 1.690096 4.226542
Kepulauan Seribu 2015 15.152555 9.149528 1.706565 4.231785
Kepulauan Seribu 2016 15.157903 9.077494 1.853168 4.241614
Kepulauan Seribu 2017 15.165253 9.024493 1.991976 4.250065
Jakarta Selatan 2010 19.301241 13.792684 2.295560 4.385271
Jakarta Selatan 2011 19.368661 13.804548 2.337952 4.397162
Jakarta Selatan 2012 19.433436 13.835649 2.192770 4.403299
Jakarta Selatan 2013 19.494132 13.815294 2.147100 4.415461
Jakarta Selatan 2014 19.552680 13.826263 2.022871 4.418117
Jakarta Selatan 2015 19.611984 13.865120 1.850028 4.423289
Jakarta Selatan 2016 19.671161 13.843657 1.868721 4.430102
Jakarta Selatan 2017 19.708406 13.804283 1.925707 4.432363
Jakarta Timur 2010 19.044008 14.014706 2.567254 4.357478
Jakarta Timur 2011 19.104920 14.058705 2.393339 4.367167
Jakarta Timur 2012 19.164444 13.997764 2.340844 4.376009
Jakarta Timur 2013 19.221720 14.030388 2.248129 4.380526
Jakarta Timur 2014 19.281308 14.031134 2.165619 4.387014
Jakarta Timur 2015 19.334006 14.030486 2.211566 4.391110
Jakarta Timur 2016 19.391983 14.013069 2.156403 4.397900
Jakarta Timur 2017 19.470552 13.973100 2.056685 4.401952
Jakarta Pusat 2010 19.370096 12.972140 2.389680 4.347694
Jakarta Pusat 2011 19.439520 12.980256 2.416806 4.356324
Jakarta Pusat 2012 19.507693 13.198576 2.372111 4.362334
Jakarta Pusat 2013 19.566693 13.126515 2.151762 4.367040
Jakarta Pusat 2014 19.623342 12.989111 2.055405 4.369828
Jakarta Pusat 2015 19.687480 12.965361 1.873339 4.378144
Jakarta Pusat 2016 19.750314 12.959480 1.853168 4.384773
Jakarta Pusat 2017 19.790984 12.951255 1.919859 4.388133
Jakarta Barat 2010 19.019632 13.887668 2.290513 4.339250
Jakarta Barat 2011 19.086506 13.907923 2.372111 4.349116
Jakarta Barat 2012 19.153575 13.952289 2.231089 4.357350
Page 122
107
Jakarta Barat 2013 19.218009 13.981261 2.162173 4.366786
Jakarta Barat 2014 19.275889 13.948810 2.197225 4.374246
Jakarta Barat 2015 19.334021 13.984376 1.842136 4.378520
Jakarta Barat 2016 19.392413 13.954074 1.834180 4.386268
Jakarta Barat 2017 19.467429 13.894354 1.856298 4.387884
Jakarta Utara 2010 19.130788 13.551109 2.411439 4.319486
Jakarta Utara 2011 19.192408 13.572679 2.396075 4.332311
Jakarta Utara 2012 19.250986 13.575705 2.335052 4.342376
Jakarta Utara 2013 19.307515 13.578321 2.269028 4.345881
Jakarta Utara 2014 19.363837 13.583256 2.183802 4.347565
Jakarta Utara 2015 19.418405 13.608011 1.961502 4.360548
Jakarta Utara 2016 19.463849 13.624817 2.005526 4.366659
Jakarta Utara 2017 19.507669 13.638829 2.037317 4.375380
Page 123
108
Lampiran 3
Hasil Uji Chow
Redundant Fixed Effects Tests
Pool: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 223.907380 (5,39) 0.0000
Cross-section Chi-square 162.784874 5 0.0000
Cross-section fixed effects test equation:
Dependent Variable: LNPDRB?
Method: Panel Least Squares
Date: 08/18/19 Time: 00:22
Sample: 1 8
Included observations: 8
Cross-sections included: 6
Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 2.782988 10.99566 2.508535 0.0159
LNTK? 0.577085 0.103834 5.557739 0.0000
LNTPT? 0.135433 0.310086 0.436760 0.6644
LNIPM? 0.855719 0.233421 3.251783 0.0022 R-squared 0.945878 Mean dependent var 18.67936
Adjusted R-squared 0.942188 S.D. dependent var 1.609024
S.E. of regression 0.386875 Akaike info criterion 1.018226
Sum squared resid 6.585588 Schwarz criterion 1.174160
Log likelihood -20.43743 Hannan-Quinn criter. 1.077154
F-statistic 256.3273 Durbin-Watson stat 0.025761
Prob(F-statistic) 0.000000
Page 124
109
Lampiran 4
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 6.424334 3 0.0269
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob. LNTK? 0.023041 0.514466 0.038382 0.0121
LNTPT? -0.117147 -0.085075 0.000171 0.0142
LNIPM? 0.045960 0.020724 0.036122 0.0152
Cross-section random effects test equation:
Dependent Variable: LNPDRB?
Method: Panel Least Squares
Date: 08/17/19 Time: 18:40
Sample: 1 8
Included observations: 8
Cross-sections included: 6
Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 2.010422 5.763425 -1.348824 0.7291
LNTK? 0.023041 0.233543 0.098658 0.9219
LNTPT? -0.117147 0.085134 -1.376029 0.1767
LNIPM? 0.045960 0.076461 4.408853 0.0001 Effects Specification Cross-section fixed (dummy variables) R-squared 0.998178 Mean dependent var 18.67936
Adjusted R-squared 0.997804 S.D. dependent var 1.609024
S.E. of regression 0.075395 Akaike info criterion -2.164792
Sum squared resid 0.221692 Schwarz criterion -1.813942
Log likelihood 60.95501 Hannan-Quinn criter. -2.032205
F-statistic 2670.891 Durbin-Watson stat 0.273282
Prob(F-statistic) 0.000000
Page 125
110
Lampiran 5
Hasil
Common Effect Model
Dependent Variable: LNPDRB?
Method: Pooled Least Squares
Date: 08/17/19 Time: 18:35
Sample: 1 8
Included observations: 8
Cross-sections included: 6
Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. LNTK? 0.821382 0.038080 21.56966 0.0000
LNTPT? -0.365505 0.250789 -1.457420 0.1519
LNIPM? 0.034822 0.161095 12.63122 0.0000 R-squared 0.938138 Mean dependent var 18.67936
Adjusted R-squared 0.935388 S.D. dependent var 1.609024
S.E. of regression 0.408994 Akaike info criterion 1.110231
Sum squared resid 7.527439 Schwarz criterion 1.227181
Log likelihood -23.64554 Hannan-Quinn criter. 1.154427
Durbin-Watson stat 0.039907
Page 126
111
Lampiran 6
Hasil
Fixed Effect Model
Dependent Variable: LNPDRB?
Method: Pooled Least Squares
Date: 09/03/19 Time: 11:16
Sample: 1 8
Included observations: 8
Cross-sections included: 6
Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 4.010422 5.763425 8.348824 0.0000
LNTK? 0.130409 0.233543 4.098658 0.0021
LNTPT? -0.117147 0.085134 -1.376029 0.0128
LNIPM? 0.229594 1.076461 6.408853 0.0000
Fixed Effects (Cross)
_JAKBAR—C 0.450858
_JAKPUS—C 0.815459
_JAKSEL—C 0.508756
_JAKTIM—C 0.405999
_JAKUT—C 0.645298
_KEPSER—C -2.826371 Effects Specification Cross-section fixed (dummy variables) R-squared 0.941781 Mean dependent var 18.67936
Adjusted R-squared 0.938044 S.D. dependent var 1.609024
S.E. of regression 0.075395 Akaike info criterion 2.164792
Sum squared resid 0.221692 Schwarz criterion 1.813942
Log likelihood 60.95501 Hannan-Quinn criter. 2.032205
F-statistic 2670.891 Durbin-Watson stat 2.173282
Prob(F-statistic) 0.000000
Page 127
112
Lampiran 7
Hasil
Random Effect Model
Dependent Variable: LNPDRB?
Method: Pooled EGLS (Cross-section random effects)
Date: 08/17/19 Time: 18:00
Sample: 1 8
Included observations: 8
Cross-sections included: 6
Total pool (balanced) observations: 48
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 10.43369 4.714101 2.213294 0.0321
LNTK? 0.514466 0.127124 4.046951 0.0002
LNTPT? -0.085075 0.084124 -1.011300 0.3174
LNIPM? 0.207240 1.059550 4.914575 0.0000
Random Effects (Cross)
_JAKBAR--C -0.057568
_JAKPUS--C 0.756307
_JAKSEL--C 0.036370
_JAKTIM--C -0.153811
_JAKUT--C 0.312185
_KEPSER--C -0.893484 Effects Specification
S.D. Rho Cross-section random 0.623370 0.9856
Idiosyncratic random 0.075395 0.0144 Weighted Statistics R-squared 0.720156 Mean dependent var 0.798026
Adjusted R-squared 0.701075 S.D. dependent var 0.143165
S.E. of regression 0.078274 Sum squared resid 0.269579
F-statistic 37.74342 Durbin-Watson stat 0.359760
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.899245 Mean dependent var 18.67936
Sum squared resid 12.26001 Durbin-Watson stat 0.007911
Page 128
113
Lampiran 8
Hasil Uji Normalitas
0
2
4
6
8
10
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20
Series: Standardized Residuals
Sample 2010 2017
Observations 48
Mean 1.40e-17
Median -0.009484
Maximum 0.178643
Minimum -0.143171
Std. Dev. 0.068679
Skewness 0.529996
Kurtosis 3.496015
Jarque-Bera 2.739225
Probability 0.254205
Lampiran 9
Hasil Uji Multikolinearitas
LNTK LNTPT LNIPM
LNTK 1.000000 0.176340 0.717335
LNTPT 0.176340 1.000000 -0.078328
LNIPM 0.717335 -0.078328 1.000000
Page 129
114
Lampiran 10
Hasil Uji Autokorelasi
Lampiran 11
Hasil Uji Heteroskedastisitas
Dependent Variable: RESABS
Method: Panel Least Squares
Date: 09/03/19 Time: 15:13
Sample: 2010 2017
Periods included: 8
Cross-sections included: 6
Total panel (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 2.201534 2.198554 1.001356 0.3228
LNTK 0.280465 0.089089 3.148144 0.2315
LNTPT -0.055058 0.032476 -1.695363 0.0980
LNIPM 0.311810 0.410634 0.759339 0.4522 Effects Specification Cross-section fixed (dummy variables) R-squared 0.643085 Mean dependent var 0.052303
Adjusted R-squared 0.569871 S.D. dependent var 0.043853
S.E. of regression 0.028761 Akaike info criterion -4.092256
Sum squared resid 0.032260 Schwarz criterion -3.741406
Log likelihood 107.2142 Hannan-Quinn criter. -3.959670
F-statistic 8.783703 Durbin-Watson stat 1.339127
Prob(F-statistic) 0.000001
R-squared 0.941781 Mean dependent var 18.67936
Adjusted R-squared 0.938044 S.D. dependent var 1.609024
S.E. of regression 0.075395 Akaike info criterion 2.164792
Sum squared resid 0.221692 Schwarz criterion 1.813942
Log likelihood 60.95501 Hannan-Quinn criter. 2.032205
F-statistic 2670.891 Durbin-Watson stat 2.173282
Prob(F-statistic) 0.000000
Page 130
115
JANGAN MEMBENCI SIAPAPUN, TAK PEDULI SEBERAPA BANYAK
KESALAHAN YANG MEREKA LAKUKAN TERHADAPMU
HIDUPLAH DENGAN RENDAH HATI, TAK PEDULI SEBERAPA BANYAK
KEKAYAANMU
BERPIKIRLAH POSITIF, TAK PEDULI SEBERAPA KERAS KEHIDUPAN
YANG KAMU JALANI
BERIKANLAH BANYAK, MESKIPUN KAU MENERIMA SEDIKIT
MAAFKANLAH ORANG YANG BERBUAT SALAH PADAMU, MESKIPUN
KAU TERUS DISAKITI
DAN
JANGAN BERHENTI MENDOAKAN YANG TERBAIK UNTUK ORANG
YANG KAU SAYANGI...
- Sayyidina Ali Bin Abi Thalib RadhiyallahuAnhu -
Semoga Bermanfaat!