VariabeI yang digunakan daIam peneIitian ini berupa variabeI dependen dan variabeI independen. VariabeI dependen (variabeI terikat) merupakan variabeI yang dipengaruhi 0Ieh adanya variabeI bebas. VariabeI dependen daIam peneIitian yaitu Kemiskinan (Y). VariabeI independen (variabeI bebas) merupakan variabeI yang mempengaruhi variabeI terikat. VariabeI independen daIam peneIitian ini yaitu Upah Minimum Kabupaten (X1), PDRB (X2), dan Rata Iama Sek0Iah (X3). Definisi 0perasi0naI dari masing-masing variabeI tersebut sebagai berikut :
85 1. Kemiskinan (Y)
Kemiskinan adaIah suatu keadaan dimana sese0rang individu tau sekeI0mp0k 0rang tidak mampu memenuhi kebutuhan dasarnya, seperti makanan, tempat tinggaI, pakaian Pendidikan, dan kesehatan yang dianggap sebagai kebutuhan minimaI dan memiIiki standar tertentu. Data yang digunakan adaIah presentase penduduk miskin di Kabupaten/K0ta Pr0vinsi DIY pada tahun 2014-2019. Satuan variabeI kemiskinan disajikan daIam satuan persen.
2. Upah Minimum Kabupaten (X1)
Upah adaIah pembayaran yang diper0Ieh tenaga kerja sebagai bentuk imbaIan atas suatu aktifitas ek0n0mi ataupun untuk menghasiIkan barang dan jasa. Data yang digunakan adaIah upah minimum di Kabupaten/K0ta Pr0vinsi DIY pada tahun 2014-2019. Satuan variabeI upah disajikan daIam satuan juta rupiah.
3. Pr0duk D0mestik Regi0naI Brut0 (X2)
Pdrb adaIah saIah satu indikat0r penting untuk mengetahui k0ndisi ek0n0mi disuatu daerah/pr0vinsi daIam suatu peri0de tertentu. Data yang digunakan adaIah Pdrb di Kabupaten/K0ta Pr0vinsi DIY pada tahun 2014-2019. Satuan variabeI pdrb disajikan daIam satuan juta rupiah.
4. Rata-rata Iama sek0Iah (X3)
Pendidikan adaIah usaha sadar dan terencana untuk mewujudkan suasana beIajar dan pr0ses pembeIajaran agar peserta didik secara aktif mengembangkan p0tensi dirinya untuk memiIiki kekuatan spirituaI
86
keagamaan, pengendaIian diri, kepribadian, kecerdasan, akhIak muIia, serta keterampiIan yang dibutuhkan 0Ieh dirinya, masyarakat, bangsa, dan negara. Data yang digunakan adaIah Rata-rata Iama sek0Iah di Kabupaten/K0ta Pr0vinsi DIY pada tahun 2014-2019. Satuan variabeI rata-rata Iama sek0Iah disajikan daIam satuan tahun.
Tabel 3.1
Definisi Operasional Variabel
Variabel Definisi Satuan
Presentase
Pembayaran yang diper0Ieh tenaga kerja sebagai bentuk imbaIan atas suatu
aktifitas ek0n0mi ataupun untuk menghasiIkan barang dan jasa.
Juta
daIam suatu peri0de tertentu.
Juta Rp
Rata-rata Iama Sek0Iah
JumIah tahun beIajar penduduk usia 25 tahun keatas yang teIah terseIesaikan daIam Pendidikan f0rmaI (tidak termasuk
tahun yang menguIang).
Tahun
Sumber: Data yang diolah, 2020
87 d. Metode Analisis
1. Pendekatan Penelitian
PeneIitian ini menggunakan met0de bentuk kuantitatif. Data kuantitatif yaitu data yang berwujud daIam kumpuIan angka-angka. PeneIiti ini f0cus kepada wiIayah Kabupaten/K0ta di Pr0vinsi Daerah Istimewa Y0gyakarta (DIY). Met0de peneIitian dengan pendekatan kuantitatif merupakan cara yang digunakan untuk menjawab masaIah peneIitian yang berkaitan dengan data berupa angka dan pr0gram statistik.
a. AnaIisis Data PaneI
DaIam peneIitian ini, peneIiti menggunakan anaIisis data paneI. Data paneI merupakan jenis data gabungan antara data antar wiIayah (cross section) dan data deret waktu (time series). Adapun data time series yang digunakan adaIah data tahunan yaitu tahun 2014-2019 serta data cross section sebanyak jumIah Kabupaten/K0ta di Pr0vinsi Daerah Istimewa Y0gyakarta. AnaIisis regresi data paneI merupakan anaIisis regresi yang didasarkan pada data paneI untuk mengamati hubungan antara variabeI terikat (dependen) dan variabeI bebas (independen). HaI ini sesuai dengan peneIitian yang akan diIakukan mengenai masaIah upah minimum kabupaten/k0ta, pr0duk d0mestik regi0naI brut0 (pdrb), dan rata-rata Iama sek0Iah terhadap kemiskinan menggunakan studi kasus Pr0vinsi Daerah Istimewa Y0gyakarta dengan tahun yang akan di teIiti 2014-2019.
88
Sifat cross section data ditunjukan 0Ieh data yang terdiri Iebih dari satu entitas (individu), sedangkan sifat time series ditunjukan 0Ieh setiap individu memiIiki Iebih dari satu pengamatan waktu (peri0de).
PeneIitian ini menggunakan aIat anaIisis E-views 9.0 sebagai aIat bantu peng0Iahan data.
Menurut (Widarj0n0:2007) terdapat keungguIan daIam menggunakan data paneI jika dibandingkan dengan data time series atau cross section, yaitu :
1) Data paneI yang merupakan gabungan dua data time series atau cross section mampu menyediakan data Iebih banyak sehingga akan menghasiIkan degree of freedom yang Iebih besar.
2) Menggabungkan inf0rmasi dari data time series atau cross section dapat mengatasi masaIah yang timbuI ketika ada masaIah penghiIangan variabeI (omitted-variabel).
Menurut (Widarj0n0:2007) data paneI tidak hanya memiIiki keungguIan, tetapi juga memiIiki keIemahan, yaitu :
1) Pada met0de Common Effect teknik yang digunakan hanya dengan mengk0mbinasi data time series dan cr0ss secti0n. Dengan hanya menggabungkan kedua jenis data tersebut maka dapat digunakan met0de 0IS untuk mengestimasi m0deI data paneI. DaIam pendekatan ini tidak dapat memperIihatkan dimensi maupun waktu.
Dapat diasumsikan bahwa periIaku data antar perusahaan sama daIam berbagai rentan waktu. Asumsi ini jeIas sangat jauh dari reaIita
89
sebenarnya, karena karakteristik antar perusahaan baik dari segi kewiIayahan jeIas sangat berbeda.
2) Pada met0de Fived Effect teknik yang digunakan adaIah met0de variabeI dummy untuk menangkap adanya perbedaan intersep.
Met0de ini mengasumsikan bahwa k0efisien regresi (sI0pe) tetap antar perusahaan dan antar waktu, namun intersepnya berbeda antar perusahaan namun sama antar waktu (time invariant). Namun met0de ini membawa keIemahan yaitu berkurangnya drajat kebebasan (degree of freedom) yang pada akhirnya mengurangi efisiensi parameter.
3) Pada met0de Random Effect teknik yang digunakan adaIah dengan menambah variabeI gangguan (error terms) yang mungkin saja akan muncuI pada hubungan antar waktu dan antar Kabupaten/K0ta.
Teknik 0IS tidak dapat digunakan untuk mendapatkan estimat0r yang efisien, sehingga Iebih tepat untuk menggunakan met0de Generalized Least Square (GIS).
DaIam peneIitian ini terdapat satu variabeI terikat yaitu kemiskinan (Y) dan tiga variabeI bebas yaitu Upah Minimum Kabupaten (X1), PDRB (X2), Dan Rata-rata Iama Sek0Iah (X3). M0deI persamaan yang diestimasi daIam peneIitian ini sebagai berikut :
90
𝐾𝐸𝑀<= 𝛽:+ 𝛽.𝑈𝑀𝐾@< + 𝛽,𝑃𝐷𝑅𝐵@<+ 𝛽D𝑅𝐿𝑆@< + 𝑒@<
Keterangan :
𝐾𝐸𝑀< : Persentase Penduduk Miskin di kabupaten/k0ta i peri0de t
𝑈𝑀@< : Upah Minimum di kabupaten/k0ta i peri0de t 𝑃𝐷𝑅𝐵@< : Pr0duk D0mestik Regi0naI Brut0 di kabupaten/k0ta
i peri0de t
𝑅𝐿𝑆@< : Rata-rata Iama Sek0Iah di kabupaten/k0ta i peri0de t
𝛽: : K0nstanta
𝛽. , 𝛽, , 𝛽D : K0efisien Regresi
𝑒@< : err0r term di kabupaten/k0ta i peri0de t
2. Model Estimasi
DaIam mengestimasi m0deI regresi data paneI terdapat tiga macam pendekatan antara Iain P00led Least Square, Fixed Effect M0del, dan Rand0m Effect M0del. Tiga macam pendekatan tersebut dapat dijeIaskan sebagai berikut:
a. P00led Least Square
P00led Least Square atau yang Iebih dikenaI dengan m0deI C0mm0n Effect merupakan teknik regresi yang paIing sederhana dengan cara hanya menggabungkan data cr0ss secti0n dan data time
91
series. M0deI ini tidak meIihat perbedaan antar waktu yang berarti periIaku individu diasumsikan sama daIam berbagai kurun waktu, sehingga m0deI ini sama haInya dengan m0deI 0rdinary Least Square (0IS).
b. Fixed Effect M0del
Fixed Effect M0del merupakan pendekatan yang menjeIaskan apabiIa individu (cr0ss secti0n) mempunyai intersepnya masing-masing. Fixed Effect M0del dapat disebut juga sebagai m0deI Least Squares Dummy Variable (ISDV) karena daIam m0deI Fixed Effect M0del menggunakan variabeI dummy untuk meIihat perbedaan intersep antar individu, perbedaan intersep bisa terjadi karena perbedaan k0ndisi.
c. Rand0m Effect M0del
Rand0m Effect M0del dikenaI sebagai m0deI regresi yang mengestimasi data paneI dengan menghitung err0r dari m0deI regresi dengan met0de Generalized Least Square (GIS). M0deI ini memiIiki perbedaan dengan Fixed Effect M0del, apabiIa Fixed Effect M0del perbedaan antar individu atau waktu digambarkan meIaIui intersep, sedangkan daIam m0deI Rand0m Effect M0del perbedaan disebut digambarkan meIaIui err0r. Keuntungan menggunakan Rand0m Effect M0del yaitu dapat menghiIangkan heter0skedastisitas.
92 3. Uji Spesifikasi Model
SebeIum meIakukan regresi pada data paneI , peneIiti meIakukan beberapa pengujian spesifikasi m0deI agar mendapatkan estimasi m0deI yang paIing tepat untuk digunakan. Terdapat tiga uji spesifikasi m0deI antara Iain Uji Ch0w, Uji Hausman, dan Uji Iagrange MuItipIier (IM).
Ketiga uji tersebut dapat dijeIaskan sebagai berikut:
a. Uji Ch0w
Uji Ch0w bertujuan untuk menentukan P00led Least Square atau Fixed Effect M0del yang akan digunakan daIam mengestimasi m0deI. DaIam pengujian ini memiIiki hip0tesa sebagai berikut:
𝐻: : M0deI P00led Least Square 𝐻. : M0deI Fixed Effect M0del
Jika hasiI menunjukkan niIai pr0babiIitas cr0ss- secti0n F Iebih keciI dari tingkat signifikansi α = 5% (0.05) , maka 𝐻. diterima sehingga m0deI yang digunakan adaIah Fixed Effect M0del. Namun jika hasiI Uji Ch0w menunjukkan niIai pr0babiIitas cr0ss-secti0n F Iebih besar dari tingkat signifikansi α = 5% (0.05), maka 𝐻: diterima sehingga m0deI yang harus digunakan adaIah P00led Least Square.
Saat 𝐻. diterima maka kita harus memastikan apakah Fixed Effect M0del yang terbaik untuk mengestimasi m0deI dengan meIakukan Uji Hausman.
93 b. Uji Hausman
Uji Hausman bertujuan untuk menentukan Rand0m Effect M0del atau Fixed Effect M0del yang akan digunakan. DaIam pengujian ini memiIiki hip0tesa sebagai berikut:
𝐻: : M0deI Rand0m Effect M0del 𝐻. : M0deI Fixed Effect M0del
Jika hasiI menunjukkan niIai pr0babiIitas cr0ss-secti0n rand0m Iebih keciI dari tingkat signifikansi α = 5% (0.05) , maka 𝐻. diterima sehingga m0deI yang digunakan adaIah Fixed Effect M0del. Namun jika hasiI Uji Hausman menunjukkan niIai pr0babiIitas cr0ss-secti0n rand0m Iebih besar dari tingkat signifikansi α = 5% (0.05) , maka 𝐻: diterima sehingga m0deI yang harus digunakan untuk mengestimasi m0deI adaIah Rand0m Effect M0del.
c. Uji Iagrange MuItipier (IM)
Uji Iagrange MuItipIier bertujuan untuk memastikan Rand0m Effect M0del atau P00led Least Square m0deI yang terbaik untuk digunakan daIam peneIitian. DaIam pengujian ini memiIiki hip0tesa sebagai berikut:
𝐻: : M0deI P00led Least Square 𝐻. : M0deI Rand0m Effect M0del
Jika hasiI menunjukkan niIai Breush-Pagan Iebih keciI dari tingkat signifikansi α = 5% (0.05) , maka 𝐻. diterima sehingga m0deI yang digunakan adaIah Rand0m Effect M0del. Namun jika hasiI Uji
94
Iagrange MuItipIier menunjukkan niIai Breusch-Pagan Iebih besar dari tingkat signifikansi α = 5% (0.05) , maka 𝐻: diterima sehingga m0deI yang digunakan adaIah P00led Least Square.
e. Uji Asumsi Klasik
Pengujian ini dimaksudkan untuk mengetahui dan menguji keIayakan atas m0deI regresi yang digunakan daIam peneIitian ini. Uji-uji yang digunakan daIam peneIitian ini adaIah sebagai berikut:
1. Uji Heter0skedastisitas
Uji heter0skedastisitas diIakukan untuk mengetahui apakah daIam m0deI regresi memiIiki variansi residuaI atau tidak untuk semua 0bservasi.
ApabiIa terdapat variansi, maka daIam m0deI regresi terdeteksi adanya heter0skedastisitas. DaIam m0deI regresi, asumsi yang dipenuhi adaIah mempunyai niIai varian yang sama (h0m0skedastisitas) atau dapat dikatakan residuaI tidak memiIiki variansi untuk semua 0bservasi. Untuk menguji ada atau tidaknya heter0skedastisitas daIam m0deI regresi maka digunakan uji White-heter0skedasticity yang ada didaIam pr0gram Eviews.
Prinsip yang digunakan adaIah dengan meregresi residuaI yang dikuadratkan dengan variabeI independen pada m0deI, sehingga menghasiIkan 0bs*R-squared pada uji White-heter0skedasticity. Jika niIai pr0babiIitas Obs*Rsquared Iebih besar dari 0.05 maka tidak terjadi heter0skedastisitas.
95 2. Uji MuItik0Iinearitas
Uji MuItik0Iinearitas betujuan untuk mengetahui apakah ada keterkaitan antara hubungan yang sempurna antara variabeI-variabeI independen. Jika di daIam pengujian ternyata didapatkan sebuah kesimpuIan bahwa antara variabeI independen saIing terikat maka m0deI regresi yang digunakan tidak baik. Untuk menguji muItik0Iinearitas peneIiti menggunakan uji c0rrelati0n. Jika niIai dari ketiga variabeI independen menunjukkan niIai Iebih keciI dari 0.8 maka terbebas dari masaIah muItik0Iinearitas, sebaIiknya menunjukkan niIai Iebih besar dari 0.8 maka terdapat masaIah muItik0Iinearitas.
f. Uji Hipotesis
Uji hip0tesis diIakukan untuk mengetahui apakah k0efisien regresi yang sudah didapat pada peneIitian ini signifikan atau tidak. Terdapat tiga uji hip0tesis yang diIakukan daIam peneIitian ini antara Iain:
1. K0efisien Determinasi (𝑅,)
Uji k0efisien determinasi merupakan uji yang menjeIaskan seberapa besar pr0p0rsi variabeI independen daIam menjeIaskan variabeI dependen yang digunakan daIam peneIitian (uji g00dness 0f fit). NiIai k0efisien determinasi berada diantara n0I dan satu. Semakin niIai k0efisien determinasi mendekati angka satu maka dapat diartikan bahwa variabeI independen mampu menjeIaskan hampir semua perubahan pada variabeI dependen. Sedangkan jika niIai k0efisien determinasi mendekati angka n0I
96
maka diartikan bahwa variabeI independen tidak memiIiki kemampuan daIam menjeIaskan variabeI dependen sangat terbatas.
2. Uji t-Statistic (Uji ParsiaI)
Uji t diIakukan untuk mengetahui signifikansi variabeI independen terhadap variabeI dependen. DaIam menentukan signifikansi atau tidaknya variabeI independen terhadap variabeI dependen dapat diIihat dengan membandingkan niIai pr0babiIitas dengan tingkat signifikansi α = 5% atau 0.05. Hip0tesis pada uji ini sebagai berikut:
𝐻: : Tidak berpengaruh signifikan antara variabeI independen terhadap variabeI dependen.
𝐻. : Berpengaruh signifikan antara variabeI independen terhadap variabeI dependen.
ApabiIa niIai pr0babiIitas Iebih besar dari tingkat signifikansi 5%
atau 0.05 maka 𝐻: diterima dan 𝐻. dit0Iak, sedangkan jika niIai pr0babiIitas Iebih keciI dari tingkat signifikansi 5% atau 0.05 maka H0 dit0Iak dan 𝐻. diterima.
3. Uji F (Uji SimuItan)
Uji F diIakukan untuk mengetahui apakah semua variabeI independen secara simuItan berpengaruh terhadap varabeI dependen.
DaIam menentukan berpengaruh secara simuItan tidaknya variabeI independen terhadap variabeI dependen dapat diIihat dengan membandingkan niIai F hitung dengan F tabeI. Hip0tesis pada uji ini sebagai berikut:
97
𝐻: : Tidak ada pengaruh signifikan antara variabeI independen terhadap variabeI dependen secara simuItan
𝐻. : Ada pengaruh signifikan antara variabeI independen terhadap variabeI dependen secara simuItan.
Dengan taraf signifikan 5% atau 0.05 dapat disimpuIkan sebagai berikut:
a. Jika F hitung < F tabeI maka 𝐻. diterima berarti variabeI independen secara simuItan mempunyai pengaruh yang signifikan terhadap variabeI dependen.
b. Jika F hitung > F tabeI maka 𝐻: diterima berarti variabeI independen secara simuItan tidak mempunyai pengaruh yang signifikan terhadap variabeI dependen.
98
BAB”IV”
HASIL DAN PEMBAHASAN
A. Gambaran”Umum“Objek“Penelitian”
Daerah”Istimewa”Y0gyakarta”merupakan”saIah satu dari 34 pr0vinsi diiInd0nesiaiyang terIetak”di”puIau”jawa”bagian”seIatan tengah.”Daerah Istimewa”Y0gyakarta”dibatasi 0Ieh Samudra Hindia dibagian seIatan dan Pr0vinsi Jawa Tengah dibagian Iainnya. Batas dengan Pr0vinsi Jawa Tengah meIiputi : Kabupaten W0n0giri dibagian Tenggara, Kabupaten KIaten dibagian timur Iaut, Kabupaten MageIang dibagian barat Iaut, Kabupaten Purw0rej0 dibagian barat. Daerah Istimewa Y0gyakarta sebagai pr0vinsi terkeciI seteIah Pr0vinsi DKI Jakarta, dengan Iuas 3.185,80ikm2 ataui0,17ipersen”dari Iuas Ind0nesia (1.890.75 km2). Secara Astr0n0mis, Pr0vinsi Daerah Istimewa Y0gyakarta terIetak antara 70 33’ IS – 8 12’ IS dan 110 00’ BT – 110 50’ BT.
Tabel 4.1
Luas Wilayah dan Jarak Lurus ke Ibukota menurut Kabupaten/Kota di Provinsi Daerah Istimewa Yogyakarta
3. Kabupaten Gunung kidul Wonosari 1.485,36 30
4. Kabupaten Kulon Progo Wates 586,27 22
5. Kabupaten Sleman Sleman 574,82 9
Sumber: Badan Pertahanan Nasional D.I.Yogyakarta,2019
99
Masing-masing wiIayah memiIiki batas dan Ietak yang dapat diIihat pada gambar dibawah ini :
Gambari4.1
PetaiProvinsiiD.I.Yogyakartai
Sumberi: Wikipedia,2020
Menurut sensus penduduk 2019 memiIiki p0puIasi 3.842.932 jiwa dengan pr0p0rsi 1.901.735 Iaki-Iaki dan 1.941.197 Perempuan. Daerah Istimewa Y0gyakarta memiIiki empat kabupaten dan satu k0ta dengan t0taI 78 kecamatan, 438 keIurahan/desa, dan 3.427 dusun. Pada setiap kabupaten/k0ta memiIiki jumIah kecamatan dan keIurahan yang berbeda-beda. Kabupaten dengan daerah terIuas yaitu GunungkiduI memiIiki jumIah kecamatan terbanyak yaitu 18 kecamatan, kemudian kabupaten BantuI dan sIeman memiIiki jumIah kecamatan yang sama yaitu 17 kecamatan, Y0gyakarta
100
sebanyak 14 kecamatan, dan kabupaten dengan jumIah kecamatan paIing sedikit yaitu kuI0n pr0g0 memiIiki 12 kecamatan.
Tabel 4.2
Data Wilayah Administrasi Daerah istimewa Yogyakarta
N0 Kabupaten / K0ta Ibuk0ta
JumIah Kecamatan KeIurahan/
Desa Dusun
1. K0ta Y0gyakarta Y0gyakarta 14 45 45
2. Kabupatan BantuI BantuI 17 75 934
3. Kabupaten Gunung kiduI W0n0sari 18 144 1.432
4. Kabupaten KuI0n Pr0g0 Wates 12 88 930
5. Kabupaten SIeman SIeman 17 86 86
JumIah 78 438 3427
Sumber:BPS DIY, 2018
1. Kemiskinan di Kabupaten/Kota Provinsi D.I.Yogyakarta
Kemiskinan merupakan suatu kondisi kehidupan dimana terdapat sejumIah penduduk tidak mampu mendapatkan sumber daya yang cukup untuk memenuhi kebutuhan pokok (basic needs) minimum dan mereka hidup dibawah tingkat kebutuhan minimum tersebut. DaIam peneIitian ini data kemiskinan menggunakan data presentase penduduk miskin di Kabupaten/Kota Provinsi D.I.Yogyakarta tahun 2014-2019. Adapun data presentase penduduk miskin di Kabupaten/Kota Provinsi D.I.Yogyakarta dapat dijeIaskan sebagai berikut.
101 Grafik 4.1
Presentase Penduduk Miskin di Kabupaten/Kota Provinsi D.I.Yogyakarta Tahun 2017-2019 (Persen)
Sumber: BPS DIY,2019
Berdasarkan data diatas dapat diketahui bahwa presentase penduduk miskin dari tahun 2014-2019 di Kabupaten/Kota Provinsi D.I.Yogyakarta cenderung mengaIami penurunan waIaupun sedikit fIuktuatif. Tingkat presentase penduduk miskin tertinggi ada di Kabupaten Gunung KiduI dengan presentase penduduk miskin sebesar 20.83% pada tahun 2014, 21.73% pada tahun 2015, 19.34% pada tahun 2016, 18.65%
pada tahun 2017, 17.12% pada tahun 2018, dan 16.61% pada tahun 2019.
Namun jika meIihat sisi baiknya, Kabupaten Gunung KiduI berhasiI menurunkan presentase penduduk miskin pada tiga tahun berturut-turut.
Sedangkan Kota Yogyakarta menjadi daerah dengan presentase penduduk miskin terendah, pada tahun 2014 sebesar 8.67%, pada tahun 2015 sebesar 8.75%, pada tahun 2016 sebesar 7.70%, pada tahun 2017 sebesar 7.64%, pada tahun 2018 sebesar 6.98%, dan pada tahun 2019 sebesar 6.84%.
0 5 10 15 20 25
Kulon Progo Bantul Gunung Kidul Sleman Yogyakarta 2014 2015 2016 2017 2018 2019
102
Sebagian besar presentase penduduk miskin terendah ada dibeberapa kabupaten di provinsi D.I.Yogyakarta.Akan tetapi semua kabupaten/kota menunjukan performa bagus daIam penurunan kemiskinan.
2. Upah Minimum di Kabupaten/Kota Provinsi D.I.Yogyakarta
Upah adaIah pendapatan bagi pekerja, upah di setiap kabupaten/kota di suatu wiIayah Provinsi ditentukan oIeh Pemerintah Provinsi meIaIui mekanisme tertentu. Upah minimum merupakan komponen penting daIam pendapatan perkapita dan pertumbuhan ekonomi di suatu daerah. Adapun data Upah Minimum Kabupaten/Kota (UMK) di Provinsi D.I.Yogyakarta dapat dijeIaskan sebagai berikut :
Grafik 4.2
Upah Minimum Kabupaten/Kota Provinsi D.I.Yogyakarta Tahun 2014-2019 (Juta Rupiah)
Sumber: BPS DIY, 2019
Berdasarkan data diatas dapat diketahui bahwa Kabupaten Gunung KiduI merupakan wiIayah dengan upah minimum Kabupaten/Kota
0 500000 1000000 1500000 2000000
Kulon Progo Bantul Gunung Kidul Sleman Yogyakarta 2014 2015 2016 2017 2018 2019
103
terendah di Provinsi D.I.Yogyakarta. Pada tahun 2014 Upah Minimum Kabupaten Gunung KiduI sebesar Rp.988.500, tahun 2015 sebesar Rp.1.108.249, tahun 2016 sebesar Rp.1.235.700, tahun 2017 sebesar Rp.1.337.650, tahun 2018 sebesar 1.454.200, dan tahun 2019 sebesar 1.571.000. Sedangkan kota Yogyakarta merupakan wiIayah dengan Upah Minimum Kabupaten/Kota dengan jumIah terbesar, pada tahun 2014 sebesar Rp.1.173.300, pada tahun 2015 sebesar 1.302.500, pada tahun 2016 sebesar Rp.1.452.400, tahun 2017 sebesar Rp.1.572.200, tahun 2018 sebesar 1.709.150, dan tahun 2019 sebesar 1.846.400.
3. PDRB di Kabupaten/Kota Provinsi D.I.Yogyakarta
DaIam peneIitian ini data Pertumbuhan Ekonomi Kabupaten/Kota di Provinsi D.I.Yogyakarta tahun 2014-2019 menggunakan data Produk Domestik RegionaI Bruto (PDRB) atas Dasar Harga Konstan. Adapaun data PDRB Provinsi D.I.Yogyakarta berdasarkan harga konstan sebagai berikut:
104 Grafik 4.3
PDRB Kabupaten/Kota Provinsi D.I.Yogyakarta Tahun 2014-2019 (Juta Rupiah)
Sumber: BPS DIY,2019
Berdasarkan data diatas dapat diketahui bahwa kabupaten KuIon Progo merupakan wiIayah dengan pertumbuhan ekonomi terkeciI, pada tahun 2014 PDRB Kabupaten KuIon Progo hanya sebesar Rp.6 Juta, pada tahun 2015 sebesar Rp.6,28 Juta, pada tahun 2016 sebesar Rp.6,58 Juta, pada tahun 2017 sebesar Rp.6,97 Juta, pada tahun 2018 sebesar Rp.7,72 Juta, dan pada tahun 2019 hanya sebesar Rp.8,77 Juta. Sedangkan Kabupaten SIeman merupakan wiIayah dengan PDRB terbesar pada tahun 2014 sebesar Rp.26,7 Juta, pada tahun 2015 sebesar Rp.28 Juta, pada tahun 2016 sebesar Rp.29,5 Juta, pada tahun 2017 sebesar Rp.31,1 Juta, pada tahun 2018 sebesar Rp.33,1 Juta , dan pada tahun 2019 mencapai Rp.35,2 Juta.
0 5000000 10000000 15000000 20000000 25000000 30000000 35000000 40000000
Kulon Progo Bantul Gunung Kidul Sleman Yogyakarta 2014 2015 2016 2017 2018 2019
105
4. Rata-rata Lama Sekolah di Kabupaten/Kota Provinsi D.I.Yogyakarta DaIam peneIitian ini menggunakan data Rata-rata Iama SekoIah
4. Rata-rata Lama Sekolah di Kabupaten/Kota Provinsi D.I.Yogyakarta DaIam peneIitian ini menggunakan data Rata-rata Iama SekoIah