Gambaran UMP (Upah Minimum Provinsi) di Indonesia

BAB IV HASIL ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

4. Gambaran UMP (Upah Minimum Provinsi) di Indonesia

Upah Minimum Provinsi (UMP) adalah standar yang diterapkan disuatu daerah mengenai besaran upah/gaji yang dibayarkan oleh peusahaan kepada para pekerja di daerah tersebut. Upah Minimum diciptakan dengan tujuan untuk melindungi para pekerja dari upah yang terlalu rendah. Upah minimum ini akan mendorong terwujudnya keadilan bagi pekerja dan pengusaha dalam rangka pemenuhan kebutuhan hidup sehari-hari seperti kebutuhan sandang dan pangan. Setiap provinsi di Indonesia mempunyai tingkat upah minimum yang berbeda-beda sesuai dengan standar hidup layak (SHL) di provinsi tersebut dan faktor-faktor lain yang menjadi dasar perhitungan UMP seperti inflasi. Peningkatan ini disebabkan karena pertumbuhan ekonomi yang semakin membaik dari tahun ke tahun. Peningkatan pertumbuhan ekonomi dapat diukur melalui besarnya nilai PDRB di setiap provinsi.

55 Gambar 4. 5

UMP 10 Provinsi di Indonesia tahun 2015-2019

Sumber: Badan Pusat Statistik

Dari grafik dapat dilihat perkembangan besaran upah minimum di 10 provinsi yang menjadi objek penelitian. Setiap provinsi tersebut selalu mengalami peningkatan besaran upah minimum provinsi setiap tahun nya. Hal ini dikarenakan adanya pertumbuhan ekonomi sehingga mempengaruhi peningkatan upah minimum provinsi. Provinsi DKI Jakarta memiliki besaran upah minimum yang tergolong tinggi sesuai dengan pertumbuhan ekonomi yang terjadi dan standar biaya hidup disana. Tidak hanya provinsi DKI Jakarta, semua provinsi juga mengalami kenaikan besaran UMP setiap tahun. UMP di Provinsi Jawa Barat juga selalu mengalami kenaikan tiap tahun walaupun tidak sebesar provinsi lainnya. Jika dilihat dari pertumbuhan PDRB di Provinsi Jawa Barat yang cukup tinggi memang tidak sesuai, namun provinsi Jawa

0 500.000 1.000.000 1.500.000 2.000.000 2.500.000 3.000.000 3.500.000 4.000.000 4.500.000

2015 2016 2017 2018 2019

Barat menjadi salah satu provinsi yang menerapkan Upah Minimum Kabupaten (UMK) sehingga besaran upah di setiap kabupaten/kota dipastikan akan lebih tinggi dari UMP.

B. Uji Ketepatan Model

Sebelum melakukan regresi data panel penulis melakukan beberapa uji terlebih dahulu untuk menentukan estimasi model yang cocok dalam model penelitian. Dalam penentuan spesfikasi model peneliti menggunakan tiga pengujian antara lain Uji Chow, Uji Hausman, dan Uji Langgrange Multiplier (LM) apabila dibutuhkan.

1. Uji Chow

Uji chow dilakukan untuk menentukan model yang cocok antara Common Effect Model atau Fixed Effect Model dalam estimasi model.

Jika hasil menunjukkan nilai probabilitas cross-section F lebih kecil dari tingkat signifikansi =5% atau 0,05 maka H1 diterima. Namun jika nilai probabilitas menunjukkan cross-section F lebih besar dari tingkat signifikansi =5% atau 0,05 maka H0 diterima dengan hipotesa sebagai berikut :

H0 diterima : Common Effect Model H₁diterima : Fixed Effect Model

Berikut merupakan hasil uji chow dengan menggunakan Redunant Fixed Effect Likehood Ratio.

Tabel 4. 1

Uji Chow

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1598.060538 (9,37) 0.0000

Cross-section Chi-square 298.271097 9 0.0000

Sumber : Hasil olah data eviews, 2021

Hasil analisis Uji Chow menunjukkan bahwa nilai probabilitas pada cross-section F yaitu 0.0000, yang berati nilai tersebut lebih kecil dari 0.05 (0.0000 < 0.05). maka dengan hasil tersebut H₁ diterima dan model yang terpilih dalam penelitian ini adalah Fixed Effect Model.

2. Uji Hausman

Uji Hausman adalah uji yang digunakan untuk menentukan apakah antara Fixed Effect Model dengan Random Effect Model yang akan digunakan. Jika hasil menunjukkan nilai probabilitas crosssection random lebih kecil dari tingkat signifikansi =5% atau 0,05 maka H1

diterima dan sebaliknya jika lebih besar dari tingkat signifikansi =5% atau 0,05 maka H0 diterima. Hipotesa dalam penelitian ini yaitu:

H0 diterima : Random Effect Model H1 diterima : Fixed Effect Model

Berikut adalah hasil uji hausman dengan menggunakan Correlated Random Effect-Hausman Test.

Tabel 4. 2

Uji Hausman

Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

Test Summary

Chi-Sq.

Statistic Chi-Sq. d.f. Prob.

Cross-section random 30.915520 3 0.0000

Sumber : Hasil olah data eviews, 2021

Hasil Uji Hausman menunjukkan bahwa nilai probabilitas pada cross-section random yaitu 0.0000, dimana nilai tersebut lebih kecil dari nilai 0.05 (0.0000 < 0.05). maka dengan hasil tersebut menyatakan H1 diterima, maka model yang tepat digunakan dalam penelitian yaitu Fixed Effect Model. Dikarenakan pada uji Hausman model yang terpilih adalah Fixed Effect Model oleh karena itu tidak perlu dilakukannya Uji Langgrange Multiplier.

59 3. Fixed Effect Model

Setelah dilakukannya uji spesifikasi model, maka Fixed Effect Model lah yang tepat untuk digunakan dalam penelitian ini dengan hasil persamaan sebagai berikut :

BEKERJA = 8.423986 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP + it

Total panel (balanced) observations: 50

Variable Coefficient Std. Error t-Statistic Prob.

C 8.423986 3.876655 2.173004 0.0363

LOG(PDRB) -0.455278 0.199307 -2.284311 0.0282

LOG(IPM) 2.454098 1.179351 2.080888 0.0444

LOG(UMP) 0.300450 0.122496 2.452734 0.0190

Effects Specification Cross-section fixed (dummy variables)

R-squared 0.990549 Mean dependent var 14.52566 Adjusted R-squared 0.990403 S.D. dependent var 1.103672 S.E. of regression 0.026959 Akaike info criterion -4.170108 Sum squared resid 0.026891 Schwarz criterion -3.672982 Log likelihood 117.2527 Hannan-Quinn criter. -3.980799 F-statistic 6840.582 Durbin-Watson stat 2.721551 Prob(F-statistic) 0.000000

Sumber : Hasil olah data eviews, 2021

Berdasarkan hasil analisis regresi dengan model Fixed Effect Model pada kolom Coefficient C sebesar 8.423986 yaitu merupakan nilai Penyerapan Tenaga Kerja ketika tidak dipengaruhi oleh variabel lain. Pada variabel PDRB memiliki nilai -0.455278, yang artinya

berpengaruh negatif terhadap variabel Penyerapan Tenaga Kerja.

Ketika terjadi kenaikan Satu Rupiah pada PDRB maka akan menurunkan Penyerapan Tenaga Kerja sebesar -0.455278 Persen dengan asumsi variabel lain konstan. Hal ini tidak sesuai dengan teori yang menyatakan bahwa PDRB memiliki pengaruh yang positif dan terhadap penyerapan tenaga kerja. Akan tetapi, pada penelitian ini sektor unggulan dari kebanyakan provinsi adalah sektor industri pengolahan atau manufacturing. Maka lebih banyak menggunakan teknologi seperti mesin-mesin untuk memproduksi lebih efektif dan efisien, yang menyebabkan tidak mampu menyerap tenaga kerja lebih banyak. Variabel PDRB memiliki nilai Probabilitas sebesar 0.0282 maka variabel PDRB memiliki pengaruh signifikan terhadap variabel Penyerapan Tenaga Kerja karena Probabilitas t-statistic variabel PDRB lebih kecil dari 0,05.

Kemudian jika melihat variabel IPM (Indeks Pembangunan Manusia) memiliki hubungan yang positif terhadap variabel Penyerapan Tenaga Kerja dengan nilai 2.454098, yang artinya berpengaruh positif terhadap variabel Penyerapan Tenaga Kerja.

Ketika terjadi kenaikan Satu Poin pada nilai IPM maka akan menaikkan Penyerapan Tenaga Kerja sebesar 2.454098 Persen dengan asumsi variabel lain konstan. Hubungan positif ini terjadi dikarenakan semakin baik kualitas pembangunan manusia maka akan menarik perusahaan untuk mempekerjakan tenaga kerja. Variabel IPM ini

memiliki nilai Probabilitas sebesar 0.0444 maka variabel IPM memiliki pengaruh yang signifikan terhadap variabel Penyerapan Tenaga Kerja karena Probabilitas t-statistic lebih kecil dari 0,05.

Hasil dari olah data menunjukan bahwa variabel UMP (Upah Minimum Provinsi) memiliki hubungan yang positif terhadap variabel Penyerapan Tenaga Kerja dengan nilai 0.300450, dimana berarti berpengaruh positif terhadap Penyerapan Tenaga Kerja. Ketika terjadi kenaikan Satu Rupiah pada nilai UMP maka akan menaikan Penyerapan Tenaga Kerja sebesar 0.300450 Persen. Hal tersebut dapat dilihat bahwa setiap tahun dari 2015-2019 upah minimum provinsi selalu mengalami kenaikan. Kenaikan tingkat upah dapat disebabkan salah satunya dengan berbagai pembangunan pada sektor-sektor.

Dengan terjadinya kenaikan upah minimum provinsi tersebut akan mendorong tenaga kerja untuk mendapatkan pekerjaan dan juga bagi sektor usaha, kenaikan tingkat upah ini tidak disikapi oleh manajemen perusahaan untuk mengurangi jumlah pekerjanya, melainkan untuk dijadikan strategi dalam meningkatkan kinerja pekerja yang dapat mendorong produktivitas yang tinggi dan pada akhirnya akan mengurangi tingkat pengangguran yang ada dan menyerap tenaga kerja lebih banyak. Variabel UMP ini memiliki nilai Probabilitas sebesar 0.0190 maka variabel UMP memiliki pengaruh yang signifikan terhadap variabel Penyerapan Tenaga Kerja karena Probabilitas t-statistic lebih kecil dari 0,05

Total pool (balanced) observations: 50

Variable Coefficient Std. Error t-Statistic Prob.

C 8.423986 3.876655 2.173004 0.0363

LOG(PDRB?) -0.455278 0.199307 -2.284311 0.0282

LOG(IPM?) 2.454098 1.179351 2.080888 0.0444

LOG(UMP?) 0.300450 0.122496 2.452734 0.0190

Fixed Effects (Cross) Individual

Effect

BANTEN--C 1.238455 9.662441

JAWABARAT--C 3.271188 11.695174 KEPULAUANRIAU--C -1.094855 7.329131

MALUKU--C -1.908677 6.515309

DKIJAKARTA--C 1.339480 9.763466 PAPUABARAT--C -1.964048 6.459938

ACEH--C -0.242468 8.181518

SULAWESIUTARA--C -1.175332 7.248654 KALIMANTANTIMUR--C -0.090864 8.333122

RIAU--C 0.627121 7.796865

Effects Specification Cross-section fixed (dummy variables)

R-squared 0.999549 Mean dependent var 14.52566

Adjusted R-squared 0.999403 S.D. dependent var 1.103672 S.E. of regression 0.026959 Akaike info criterion -4.170108 Sum squared resid 0.026891 Schwarz criterion -3.672982 Log likelihood 117.2527 Hannan-Quinn criter. -3.980799 F-statistic 6840.582 Durbin-Watson stat 2.721551 Prob(F-statistic) 0.000000

Sumber : Hasil olah data Eviews, 2021

Dari tabel di atas dapat di ketahui nilai individual effect dari setiap provinsi yang diperoleh dari hasil hitung nilai koefisien Penyerapan Tenaga Kerja ditambah dengan nilai koefisien individual provinsi yang menjadi objek dalam penelitian. Sehingga akan menghasilkan

nilai koefisien individual effect. Berdasarkan hasil olah data penelitian di atas maka diperoleh nilai individual effct sebagai berikut :

1. Banten

Penyerapan TK= 9.662441 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP + it

Berdasarkan hasil persamaan dapat disimpulkan jika terjadi perubahan satu persen, sedangkan PDRB, IPM, dan UMP dianggap konstan maka pengaruh individual akan menaikan Penyerapan Tenaga Kerja di provinsi Banten menjadi sebesar 9.662441 persen.

2. Jawa Barat

PenyerapanTK= 11.695174 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

3. Kepulauan Riau

Penyerapan TK= 7.329131 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

Berdasarkan hasil persamaan dapat disimpulkan jika terjadi perubahan satu persen, sedangkan PDRB, IPM, dan UMP dianggap konstan maka pengaruh individual akan menurunkan Penyerapan Tenaga Kerja di Kepulauan Riau menjadi sebesar 7.329131 persen.

4. Maluku

Penyerapan TK = 6.515309 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

Berdasarkan hasil persamaan dapat disimpulkan jika terjadi perubahan satu persen, sedangkan PDRB, IPM, dan UMP dianggap konstan

maka pengaruh individual akan menurunkan Penyerapan Tenaga Kerja di provinsi Maluku menjadi sebesar 6.515309persen.

5. DKI Jakarta

Penyerapan TK = 9.763466 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

6. Papua Barat

Penyerapan TK = 6.459938 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

7. Aceh

Penyerapan TK = 8.181518 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

8. Sulawesi Utara

Penyerapan TK = 7.248654 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

Berdasarkan hasil persamaan dapat disimpulkan jika terjadi perubahan satu persen, sedangkan PDRB, IPM, dan UMP dianggap konstan

maka pengaruh individual akan menurunkan Penyerapan Tenaga Kerja di provinsi Sulawesi Utara menjadi sebesar 7.248654persen.

9. Kalimantan Timur

Penyerapan TK = 8.333122 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

10. Riau

Penyerapan TK = 7.796865 -0.455278 PDRB + 2.454098 IPM + 0.300450 UMP+ it

C. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengidentifikasi apakah model regresi yang akan digunakan dalam penelitian layak atau tidak untuk digunakan. Uji asumsi klasik yang akan dilakukan meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. Model yang digunakan dalam penelitian ini menggunakan model Fixed Effect Model di mana rangkaian uji asumsi klasik harus dilakukan untuk melihat kecocokan model dalam penelitian ini.

66 1. Uji Normalitas

Uji normalitas digunakan untuk meneliti apakah model dalam penelitia terdistribusi normal atau tidak. Untuk mengetahui apakah data terdistribusi normal atau tidak yaitu digambarkan melalui nilai probabilitas JarqueBerra (JB), jika nilai prob. JB > atau 0,05 maka data terdistribusi normal. Berikut hasil uji normalitas yang telah dilakukan menggunakan aplikasi olah data Eviews 10.

Gambar 4. 6

Uji Normalitas

Sumber: Hasil olah data eviews, 2021

Berdasarkan hasil uji normalitas diatas menunjukkan bahwa nilai probability sebesar 0.950110 > =5% atau 0,05 yang berarti bahwa data dalam model penelitian ini terdistribusi secara normal. Maka dengan begitu data dalam penelitian ini layak untuk digunakan.

67 2. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahui apakah terdapat keterkaitan antara setiap variabel independen di dalam penelitian. Jika terdapat keterkaitan antar variabel independen satu sama lain maka variabel penelitian tidak layak untuk digunakan karena mengandung bias.

Uji multikolinearitas dapat diketahui dengan melihat dari besaran nilai VIF (Variance Inflation Factor) . Jika nilai VIF > 10,00 maka dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian terdapat multikolinearitas. Dan sebaliknya jika nilai VIF < 10,00 maka tidak terdapat multikolinearitas dalam variabel penilitian. Berikut merupakan hasil uji multikolinearitas pada penelitian ini :

Tabel 4. 5

Uji Multikolinearitas

Variance Inflation Factors Date: 12/27/21 Time: 14:34 Sample: 1 50

Included observations: 50

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 31.73793 6965.446 NA

LOG(PDRB) 0.006287 514.6876 2.257337 LOG(IPM) 3.401799 13623.01 2.722203 LOG(UMP) 0.106406 4995.763 1.528672

Sumber: Hasil olah data eviews, 2021

Dari tabel dapat dilihat tidak terjadi multikolinearitas atau adanya keterkaitan antar variabel yang dilihat dari nilai VIF < 10,00 yang berarti model regresi yang digunakan bebas dari multikolinearitas.

68 3. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui apakah di dalam model regresi yang digunakan terjadi ketidaksamaan varians dari residual suatu pengamatan kepengamatan lain. Apabila varians dari residual satu pengamatan kepengamatan lain sama atau tetap, maka dapat dikatakan homoskedastisitas dan jika berbeda maka heteroskedastisitas.

Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas. Untuk mengetahuinya dapat menggunakan uji glejser:

Tabel 4. 6

Uji Heteroskedastisitas

Variable Coefficient Std. Error t-Statistic Prob.

C -0.084921 0.181956 -0.466714 0.6429

LOG(PDRB) -0.000820 0.002561 -0.320084 0.7504 LOG(IPM) 0.065365 0.059571 1.097279 0.2782 LOG(UMP) -0.011001 0.010536 -1.044185 0.3019

Sumber: Hasil olah data eviews, 2021

Berdasarkan tabel diatas yaitu uji heteroskedastisitas menunjukan bahwa nilai probabilitas lebih besar dari =5% atau 0,05 yang artinya model penelitian tidak terkena heteroskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi terdapat korelasi antara residual satu observasi dengan residual observasi lainnya, jika terdapat korelasi maka model yang digunakan terdapat autokorelasi. Uji autokorelasi yang digunakan dalam penelitian

ini menggunakan metode Serrial Correlation LM Test atau Breusch-Godfrey di mana metode ini digunakan untuk memperbaiki data yang menyebabkan autokorelasi. Berikut hasil uji autokorelasi dari penelitian ini :

Tabel 4. 7

Uji Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.036244 Prob. F(2,43) 0.9644

Obs*R-squared 0.082462 Prob. Chi-Square(2) 0.9596 Sumber: Hasil olah data eviews, 2021

Berdasarkan uji autokorelasi dengan metode Serrial Correlation LM Test diatas menunjukan bahwa probabilitas diatas 0.05 persen yang berati model regresi yang digunakan dalam penelitian ini tidak terkena masalah autokorelasi, sehingga data dari residual observasi dengan residual observasi lainnya tidak terdapat korelasi.

D. Uji Hipotesis

Uji hipotesis digunakan untuk mengetahui apakah hasil dari koefisien regresi dalam penelitian ini berpengaruh secara signifikan atau tidak. Adapun uji hipotesis yang digunakan pada penelitian ini antara lain uji koefisien determinasi, uji t (uji parsial) dan uji F (uji simultan).

1. Uji T-Statistic (Uji Parsial)

Uji t-statistic atau uji parsial digunakan untuk mengetahui apakah variabel independen berpengaruh secara parsial terhadap variabel

dependen. Uji ini dilakukan dengan membandingkan nilai probabilitas dengan taraf signifikansi =5% atau 0,05%. Jika nilai probabilitas

> 0,05% maka hubungan antara variabel independen terhadap variabel dependen tidak signifikan. Dan sebaliknya jika nilai probabilitas < 0,05 maka terdapat hubungan yang signifikan antara variabel independen dengan variabel dependen. Adapun hipotesis dalam penelitian ini yaitu sebagai berikut :

a) H1 : Terdapat pengaruh Produk Domestik Regional Bruto (PDRB) secara parsial terhadap Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

H0 : Tidak terdapat pengaruh Produk Domestik Regional Bruto (PDRB) secara parsial terhadap Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

b) H1 : Terdapat pengaruh Indeks Pembangunan Manusia (IPM) secara parsial terhadap Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

H₀ : Tidak terdapat pengaruh Indeks Pembangunan Manusia (IPM) secara parsial terhadap Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

c) H₁ : Terdapat pengaruh Upah Minimum Provinsi (UMP) secara parsial terhadap Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

H0 : Tidak terdapat pengaruh Upah Minimum Provinsi (UMP) secara parsial terhadap Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

Tabel 4. 8

Uji T-Statistic

Variable Coefficient Std. Error t-Statistic Prob.

C 8.423986 3.876655 2.173004 0.0363

LOG(PDRB) -0.455278 0.199307 -2.284311 0.0282

LOG(IPM) 2.454098 1.179351 2.080888 0.0444

LOG(UMP) 0.300450 0.122496 2.452734 0.0190

Sumber : Hasil olah data Eviews, 2021

Berdasarkan hasil regresi model dalam penelitian ini menunjukan bahwa setiap variabel memiliki variabel sebagai berikut :

a) Pada variabel Produk Domestik Regional Bruto (PDRB) memiliki nilai probabilitas t-statistic sebesar 0.0282 berati lebih kecil dari tingkat signifikansi 0,05. Maka dapat diartikan H1 diterima dan H0

ditolak, yang berati bahwa PDRB dapat berpengaruh signifikan terhadap Penyerapan Tenaga Kerja.

b) Pada variabel Indeks Pembangunan Mmanusia (IPM) memiliki nilai probabilitas t-statistic sebesar 0.0444 berati lebih kecil dari tingkat signifikansi 0,05. Maka dapat diartikan H1 diterima dan H0

ditolak, yang berati bahwa IPM dapat berpengaruh signifikan terhadap Penyerapan Tenaga Kerja.

c) Pada variabel Upah Minimum Provinsi (UMP) memiliki nilai probabilitas t-statistic sebesar 0.0190 berati lebih kecil dari tingkat signifikansi 0,05. Maka dapat diartikan H1 diterima dan H0

ditolak, yang berati bahwa UMP dapat berpengaruh signifikan terhadap Penyerapan Tenaga Kerja.

Dari penjelasan uji t-statistic dapat disimpulkan bahwa variabel PDRB, IPM, dan UMP memiliki pengaruh yang sigifikan terhadap Penyerapan Tenaga Kerja di Indonesia pada tahun 2015-2019.

2. Uji F (Uji Simultan)

Uji F berfungsi untuk menggambarkan apakah semua variabel independen secara simultan atau bersama-sama berpengaruh terhadap variabel dependen. Dalam menentukan berpengaruh secara simultan secara signifikan atau tidak signifikan variabel independen terhadap variabel dependen dapat dilihat dengan membandingkan nilai F hitung dengan F tabel. Dimana apabila nilai F hitung < nilai F tabel maka H1

diterima yang artinya variabel independen secara simultan memiliki pengaruh yang signifikan terhadap variabel dependen. Namun apabila nilai F hitung > nilai F tabel maka H0 diterima, maka artinya variabel independen secara simultan tidak memiliki pengaruh yang signifikan terhadap variabel dependen. Selain dengan melihat nilai F hitung dan F tabel, uji F juga dapat dilakukan dengan melihat probabilitas F-Statistic, apabila nilai probabilitas dibawah 0,05 maka variabel secara simultan memiliki pengaruh yang signifikan terhadap variabel dependen. Dan

sebaliknya jika probabilitas F-Statistic lebih besar dari =5% atau 0,05 maka variabel secara simultan tidak memiliki pengaruh yang signifikan.

Tabel 4. 9

Uji F

F-statistic 6840.582

Prob(F-statistic) 0.000000

Sumber : Hasil olah data Eviews, 2021

Berdasarkan hasil regresi Fixed Effect Model diatas, dapat dilihat bahwa nilai F-Statistic sebesar 6840.582 dengan melihat dari nilai probabilitas F-Statistic menunjukan nilai sebesar 0.000000, maka nilai probabilitas F-Statistic lebih kecil dari tingkat signifikansi 5% atau 0,05.

Dengan hasil tersebut maka H1 diterima dan dapat disimpulkan bahwa variabel independen (PDRB, IPM, dan UMP) secara simultan berpengaruh signifikan terhadap variabel dependen Penyerapan Tenaga Kerja di Indonesia tahun 2015-2019.

3. Uji Koefisien Determinasi

Uji koefisien determinasi ini digunakan untuk menjelaskan seberapa besar variabel independen mempengaruhi variabel dependen yang digunakan dalam model penelitian. Nilai koefisien determinasi berada dari nol dan satu. Semakin nilai koefisien determinasi mendekati angka satu maka dapat disimpulkan bahwa variabel independen dapat menjelaskan variabel dependen secara baik, dan begitupun sebaliknya jika

semakin mendekati nol maka dapat disimpulkan bahwa variabel independen tidak dapat menjelaskan variabel dependen secara baik.

Tabel 4. 10

Uji Koefisien Determinasi

R-squared 0.990549

Adjusted R-squared 0.990403

Sumber : Hasil olah data Eviews, 2021

Hasil dari uji koefisien determinasi di atas menunjukkan bahwa nilai dari Adjusted R-Squared yaitu sebesar 0.990403, jika variabel independen lebih dari dua maka yang dilihat dalam uji koefisien determinasi adalah nilai Adjusted R-Squared. Dapat disimpulkan bahwa variabel independen (PDRB, IPM dan UMP) dapat menjelaskan pengaruhnya terhadap variabel dependen (Penyerapan Tenaga Kerja) di Indonesia sebesar 99% dan sisanya dipengaruhi variabel lain diluar penelitian ini.

E. Pembahasan

1. Pengaruh PDRB terhadap Penyerapan Tenaga Kerja

Hasil dari penelitian menunjukan bahwa pada variabel PDRB (Produk Domestik Regional Bruto) memiliki hubungan yang negatif terhadap Penyerapan Tenaga Kerja dengan nilai sebesar -0.455278, yang artinya berpengaruh negatif terhadap variabel Penyerapan Tenaga Kerja. Ketika terjadi kenaikan Satu Rupiah pada

variabel PDRB maka akan menurunkan Penyerapan Tenaga Kerja sebesar 0.455278 Persen. Hal ini tidak sesuai dengan teori yang menyatakan bahwa PDRB memiliki pengaruh yang positif terhadap penyerapan tenaga kerja. Akan tetapi, pada penelitian ini sektor unggulan dari kebanyakan provinsi adalah sektor industri pengolahan atau manufacturing. Dimana lebih banyak menggunakan teknologi seperti mesin-mesin untuk memproduksi agar lebih efektif dan efisien, yang menyebabkan tidak mampu menyerap tenaga kerja lebih banyak.

Variabel PDRB memiliki nilai Probabilitas sebesar 0.0282 maka variabel PDRB memiliki pengaruh signifikan terhadap variabel Penyerapan Tenaga Kerja karena Probabilitas t-statistic variabel PDRB lebih kecil dari 0,05.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Nofandillah Arumsyah Putridan Aris Soelistyo (2018) bahwa PDRB memiliki pengaruh yang negatif dan signifikan terhadap Penyerapan Tenaga Kerja di Kawasan Gerbangkertasusila tahun 2013-2016.

Selain itu sejalan dengan penelitian dari Kairupan (2013) bahwa PDRB memiliki pengaruh yang negatif dan signifikan terhadap kesempatan kerja di Provinsi Sulawesi Utara. Penelitian dari Rafita Qonita juga mengatakan bahwa PDRB berpengaruh negatif terhadap Penyerapan Tenaga Kerja di Pulau Jawa tahun 2010-2018.

Kemudian menurut Hukum Okun dijelaskan bahwa ketika jumlah pekerjaan meningkat, beberapa pekerjaan baru diisi oleh orang yang

telah memiliki suatu pekerjaan dan tidak diisi oleh orang yang

Dalam dokumen ANALISIS PENGARUH PDRB, IPM, DAN UPAH MINIMUM TERHADAP PENYERAPAN TENAGA KERJA DI INDONESIA (STUDI KASUS DI 10 PROVINSI TAHUN ) SKRIPSI (Halaman 69-0)