Tahap 4 (M ke Y)
Total Fertility Rate (M) 0,259 2,609 0,011* 0,057 6,808*
Model: TFR = 0,520 + 0,259 TFR
Sumber: Data primer yang diolah (2014)
*) signifikan pada α ≤ 0,05 Keterangan:
X1 : Anggaran Program KB-APBN X2 : Anggaran Program KB-APBD M : Total Fertility Rate
Y : Laju Pertumbuhan Penduduk
Tabel 8 menunjukkan nilai adjusted R2 tahap 1 bernilai 0,195. Hasil tersebut menunjukkan bahwa variabel Anggaran Program KB-APBN dan APBD dapat menjelaskan varians Laju Pertumbuhan Penduduk sebesar 19,5 %, sedangkan 80,5 % Laju Pertumbuhan Penduduk dipengaruhi oleh variabel lain di luar model penelitian.
Hasil uji F menyatakan bahwa model didukung dengan signifikan pada p < 0,05. Tahap 2
34
menunjukkan nilai adjusted R2 sebesar 0,074, yang artinya bahwa variabel Anggaran Program KB-APBN dan APBD hanya dapat menjelaskan varians Laju Pertumbuhan Penduduk sebesar 7,4 %, sedangkan 92,6 % Laju Pertumbuhan Penduduk dipengaruhi variabel lain di luar model penelitian. Hasil uji F menyatakan bahwa model didukung dengan signifikan pada p < 0,05.
Lebih lanjut, Tahap 3 menunjukkan nilai adjusted R2 sebesar 0,208, yang artinya bahwa variabel Anggaran Program KB-APBN, APBD, dan TFR dapat menjelaskan varians Laju Pertumbuhan Penduduk sebesar 20,8 %, sedangkan 79,2 % Laju Pertumbuhan Penduduk dipengaruhi variabel lain di luar model penelitian. Hasil uji F menyatakan bahwa model didukung dengan signifikan pada p < 0,05. Tahap 4 menunjukkan nilai adjusted R2 sebesar 0,057, yang artinya bahwa variabel TFR hanya dapat menjelaskan varians Laju Pertumbuhan Penduduk sebesar 5,7 %, sedangkan 94,3 % Laju Pertumbuhan Penduduk dipengaruhi variabel lain di luar model penelitian. Hasil uji F menyatakan bahwa model didukung dengan signifikan pada p < 0,05.
Hasil analisis regresi untuk menguji hipotesis 1 sampai dengan 7 dilaporkan sebagai berikut. Pertama, analisis regresi untuk menguji hipotesis 1 dan 2 berdasarkan pengujian tahap 1. Hasil regresi menunjukkan bahwa Anggaran Program KB-APBN berpengaruh negatif tetapi tidak signifikan pada Laju Pertumbuhan Penduduk (β = -0,164;
t = -1,446; p > 0,05). Hasil tersebut menunjukkan bahwa hipotesis 1 tidak dukung, hal ini berarti naiknya anggaran program KB (APBN) tidak secara langsung menurunkan angka laju pertumbuhan penduduk di Indonesia. Selanjutnya, hipotesis 2 menunjukkan bahwa Anggaran Program KB-APBD berpengaruh negatif dan signifikan pada Laju Pertumbuhan Penduduk (β = -0,343; t = -3,017; p < 0,05). Hasil ini menggambarkan bahwa hipotesis 2 didukung yang artinya bahwa ketika anggaran program KB yang berasal dari APBD dinaikkan, maka akan membantu kelancaran program KB pemerintah yang bertujuan menekan laju pertumbuhan penduduk di Indonesia.
Hasil analisis regresi tahap 2 untuk menguji hipotesis 3 dan 4. Hasil regresi menunjukkan bahwa Anggaran Program KB-APBN berpengaruh positif tetapi tidak signifikan pada TFR (β = 0,099; t = 0,814; p > 0,05). Hasil tersebut menunjukkan bahwa hipotesis 3 tidak dukung, artinya bahwa ketika pemerintah meningkatkan anggaran
35
program KB yang berasal dari APBN justru akan meningkatkan angka TFR, padahal harapan pemerintah meningkatkan anggaran program KB adalah untuk menekan angka TFR sesuai target yang telah ditentukan. Namun, hasil tersebut tidak signifikan, hal ini diduga karena angka TFR akan turun tidak semata-mata hanya dipengaruhi oleh anggaran program KB-APBN pada satu atau dua tahun saja tetapi dipengaruhi oleh anggaran program KB-APBN yang berkesinambungan dari tahun ke tahun. Selanjutnya, hipotesis 4 menunjukkan bahwa Anggaran Program KB-APBD berpengaruh negatif dan signifikan pada TFR (β = -0,354; t = -2,905; p < 0,05). Hasil ini menggambarkan bahwa hipotesis 4 didukung, artinya bahwa ketika anggaran program KB yang berasal dari APBD dinaikkan, maka akan membantu kelancaran program KB pemerintah untuk menekan angka TFR di daerah yang akhirnya juga dapat menekan angka TFR nasional.
Hasil analisis regresi untuk menguji hipotesis 5 dapat dilihat dari analisis regresi pengujian tahap 4. Hasil regresi menunjukkan bahwa TFR berpengaruh positif dan signifikan pada Laju Pertumbuhan Penduduk (β = 0,259; t = 2,609; p < 0,05). Hasil tersebut menunjukkan bahwa hipotesis 5 didukung. Hal ini memberikan arti bahwa angka TFR yang tinggi juga akan menujukkan laju pertumbuhan yang tinggi pula, dan sebaliknya ketika angka TFR rendah/turun maka laju pertumbuhan penduduk juga akan rendah/turun. Angka TFR dan laju pertumbuhan penduduk memiliki sifat yang searah, hal ini dapat kita lihat ketika pemerintah berhasil dengan program KB yang dicanangkan dan angka TFR dapat dikendalikan maka itu juga berarti bahwa pemerintah berhasil mengendalikan laju pertumbuhan penduduk sesuai dengan apa yang telah direncanakan.
Lebih lanjut, untuk menjawab hipotesis 6 dan 7 dapat dilihat dari membandingkan hasil dari keempat tahap analisis regresi yang telah dilakukan (tahap 1 sampai dengan 4). Hasil analisis regresi menujukkan hipotesis 6 tidak didukung.
Pengaruh variabel anggaran program KB-APBN pada LPP adalah negatif tidak signifikan (penjelasan pada hipotesis 1) dan juga pengaruh variabel anggaran program KB-APBN pada TFR adalah positif tidak signifikan (penjelasan pada hipotesis 3). Hasil analisis jalur menunjukkan bahwa anggaran program KB-APBN tidak berpengaruh langsung maupun tidak langsung pada LPP.
Namun, dari hasil tersebut masih dapat diketahui hasil uji regresi yang melibatkan
36
variabel TFR sebagai variabel mediasi. Tabel 8 menampilkan nilai pengaruh langsung anggaran program KB-APBN pada LPP sebesar -0,180, besarnya pengaruh tidak langsung adalah (-0,099) x 0,153 = -0,015, dan pengaruh total sebesar {-0,180+ [(-0,099) x 0,153]} = -0,195. Dari hasil perhitungan dapat dilihat bahwa nilai pengaruh langsung maupun tidak langsung, tidak ada yang memenuh kondisi yang disyaratkan oleh Baron dan Kenny (1986). Dengan demikian dapat disimpulkan bahwa TFR tidak memediasi pengaruh anggaran program KB-APBN pada LPP baik secara parsial maupun secara penuh.
Selanjutnya, hasil analisis regresi menujukkan hipotesis 7 didukung. Pengaruh variabel anggaran program KB-APBD pada LPP maupun TFR adalah negatif dan signifikan (penjelasan pada hipotesis 2 dan 4). Hasil analisis jalur menunjukkan bahwa anggaran program KB-APBD berpengaruh langsung maupun tidak langsung pada LPP.
Hipotesis 7 didukung jika TFR memediasi pengaruh anggaran program KB-APBD pada LPP baik itu secara penuh maupun parsial. Besarnya pengaruh tidak langsung dihitung dengan mengalikan koefisien tidak langsungnya. Tabel 8 menampilkan nilai pengaruh langsung anggaran program KB-APBD pada LPP sebesar -0,289, besarnya pengaruh tidak langsung adalah (-0,354) x 0,153 = -0,054, dan pengaruh total sebesar {-0,289 + [(-0, 354) x 0,153]} = -0,343. Dari hasil analisis regresi dan perhitungan yang telah dilakukan, dapat disimpulkan bahwa TFR memediasi pengaruh anggaran program KB-APBD pada LPP secara parsial. Tabel 9 di bawah ini menyajikan ringkasan pengujian hipotesis. Tabel 9
Ringkasan Hasil Pengujian Hipotesis
Hipotesis Hubungan antarvariabel Keterangan 1 Anggaran program KB (APBN) berpengaruh
negatif pada angka LPP
Tidak Didukung 2 Anggaran program KB (APBD) berpengaruh
negatif pada angka LPP
Didukung 3 Anggaran program KB (APBN) berpengaruh
negatif pada angka TFR
Tidak Didukung 4 Anggaran program KB (APBD) berpengaruh
negatif pada angka TFR
Didukung 5 TFR berpengaruh positif pada angka LPP Didukung 6 TFR memediasi pengaruh anggaran program
KB (APBN) pada LPP
Tidak Didukung 7 TFR memediasi pengaruh anggaran program Didukung
37
KB (APBD) pada LPP Sumber: Data primer yang diolah (2015)
Secara ringkas, Tabel 10 menyajikan besarnya hasil pengujian jalur efek langsung, tidak langsung, dan total pengaruh anggaran program KB-APBN dan anggaran program KB-APBD pada laju pertumbuhan penduduk melalui total fertility rate yang berperan sebagai variabel mediasi.
Tabel 10
Ringkasan Hasil Pengujian Jalur Efek
Jalur Efek Koefisien Hasil
Pengaruh anggaran program KB-APBN pada LPP melalui TFR
Langsung β5 -0,180
Tidak Langsung β3 x β7 (-0,099) x 0,153 = -0,015
Total β5 + (β3 x β7) -0,180 + (-0,099) x 0,153 = -0,195 Pengaruh anggaran program KB-APBD pada LPP melalui TFR
Langsung β6 -0,289
Tidak Langsung β4 x β7 (-0,354) x 0,153 = -0,054
Total β6 + (β4 x β7) -0,289 + (-0,354) x 0,153 = -0,343 Sumber: Data primer yang diolah (2015)
38
BAB V