Hipotesis - : TIJAUAN PUSTAKA - ANALISIS PENGARUH TINGKAT PARTISIPASI ANGKATAN KERJA DAN TINGKA

BAB II : TIJAUAN PUSTAKA

D. Hipotesis

Dengan mengacu kepada kerangka berpikir yang berdasarkan dengan teori-teori yang telah ada, dan juga mengacu kepada studi-studi empiris dalam penelitian yang telah dilakukan sebelumnya, maka dapat ditetapkan hipotesis sebagai berikut:

Hipotesis 1:

H0 : Tingkat partisipasi angkatan kerja (TPAK) dan tingkat pengangguran terbuka (TPT) tidak berpengaruh secara bersama-sama terhadap tingkat kemiskinan.

Ha : Tingkat partisipasi angkatan kerja (TPAK) dan tingkat pengangguran terbuka (TPT) berpengaruh secara bersama-sama terhadap tingkat kemiskinan.

Hipotesis 2:

H0 : Tingkat partisipasi angkatan kerja (TPAK) tidak berpengaruh terhadap tingkat kemiskinan.

Ha : Tingkat partisipasi angkatan kerja (TPAK) berpengaruh negatif terhadap tingkat kemiskinan.

Hipotesis 3:

H0 : Tingkat pengangguran terbuka (TPT) tidak berpengaruh terhadap tingkat kemiskinan.

Ha : Tingkat pengangguran terbuka (TPT) berpengaruh positif terhadap tingkat kemiskinan.

Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian dengan pendekatan kuantitatif asosiatif. Penelitian ini bertujuan menganalisis pengaruh tingkat partisipasi angkatan kerja (TPAK) dan tingkat pengangguran terbuka (TPT) sebagai variabel bebas terhadap tingkat kemiskinan sebagai variabel terikat.

B. Waktu Penelitian

Penelitian ini mulai dilaksanakan pada tanggal Januari 2021 dan diperkirakan selesai pada bulan Juni 2021. (Jadwal terlampir)

C. Jenis Data dan Sumber Data

Berdasarkan sumber datanya, data yang digunakan dalam penelitian ini merupakan data sekunder. Data yang digunakan dalam penelitian adalah data yang telah dikumpulkan dan dipublikasikan oleh badan pusat statistik (BPS) Provinsi Sumatera Barat dalam bentuk angka persentase dari tingkat partisipasi angkatan kerja (TPAK), tingkat pengangguran terbuka (TPT) dan tingkat kemiskinan di Provinsi Sumatera Barat..

D. Variabel Penelitian dan Definisi Operasional 1. Variabel Independen

a. Tingkat Partisipasi Angkatan Kerja (TPAK)

Tingkat partisipasi angkatan kerja (TPAK) adalah rasio perbandingan antara jumlah angkatan kerja yang bekerja dengan jumlah penduduk dalam usia kerja (angkatan kerja). TPAK dihitung dengan membagi jumlah angkatan kerja yang bekerja dengan jumlah penduduk usia kerja (angkatan kerja). Penghitungan TPAK dapat dilakukan dengan rumus berikut:⁴⁶

46 Didin Fatihudin, Membedah Investasi Menuai Geliat Ekonomi, ..., Hlm.51

𝐓𝐏𝐀𝐊 =𝑨𝑲

𝑻𝑲× 𝟏𝟎𝟎%

Keterangan

TPAK : Tingkat Partisipasi Angkatan Kerja AK : Angkatan Kerja

TK : Tenaga Kerja

b. Tingkat Pengangguran Terbuka (TPT)

Tingkat pengangguran terbuka (TPT) adalah rasio perbandingan antara jumlah angkatan kerja yang tidak bekerja dengan jumlah penduduk dalam usia kerja (angkatan kerja). TPT dihitung dengan membagi jumlah angkatan kerja yang tidak bekerja dengan jumlah penduduk usia kerja (angkatan kerja).

Penghitungan TPAK dapat dilakukan dengan rumus berikut:

𝐓𝐏𝐓 = 𝐏𝐓

𝐓𝐊× 𝟏𝟎𝟎%

Keterangan

TPT : Tingkat Pengangguran Terbuka PT : Pengangguran Terbuka

TK : Tenaga Kerja⁴⁷ 2. Variabel Dependen

Yang menjadi variabel dependen dalam penelitian ini adalah tingkat kemiskinan. Tingkat kemiskinan suatu daerah merupakan persentase penduduk yang berada di bawah garis kemiskinan pada daerah tersebut. Teknik penghitungan tingkat kemiskinan dengan menggunakan rumus Headcount Indeks (HCI-P0) yang secara sederhana mengukur proporsi penduduk yang dikategorikan miskin. Bentuk dari rumus Headcount Indeks (HCI-P0) adalah:

𝑃0 =1

𝑛∑ [𝑧 − 𝑦𝑖 𝑧 ]

𝑞 0

𝑖=1

47 Alam S, Ekonomi, ..., jld.2, Hlm.9.

Keterangan

P0 : Persentase penduduk miskin z : Garis Kemiskinan

yi : Rata-rata pengeluaran per kapita sebulan penduduk yang berada di bawah garis kemiskinan : yi<z

q : Banyaknya penduduk yang berada di bawah garis kemiskinan n : Jumlah penduduk⁴⁸

E. Instrumen Penelitian

Bentuk instrumen pengumpulan data dalam penelitian ini adalah instrumen dokumentasi. Data yang dianalisis dalam penelitian ini merupakan pedoman dokumentasi berdasarkan publikasi BPS Provinsi Sumatera Barat yang memuat data terkait tingkat partisipasi angkatan kerja, tingkat pengangguran terbuka dan tingkat kemiskinan.

F. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini adalah teknik studi kepustakaan. Pengumpulan data terkait teori-teori yang digunakan dalam penelitian ini dilakukan dengan meninjau buku-buku, bahan-bahan tertulis dan referensi-referensi lainya yang berkaitan dengan tenaga kerja, pengangguran dan kemiskinan. Kemudian, untuk pengumpulan data terkait dengan keadaan yang terjadi di lapangan dilakukan dengan meninjau referensi dari laporan Badan Pusat Statistik (BPS) Provinsi Sumatera Barat terkait dengan tingkat partisipasi angkatan kerja, tingkat pengangguran terbuka dan tingkat kemiskinan.

48 https://sirusa.bps.go.id/sirusa/index.php/indikator/18

G. Teknik Analisis Data

Teknik analisis data yang digunakan untuk menjawab rumusan masalah adalah teknik analisis regresi linier berganda. Bentuk persamaan dari regresi linier berganda yang digunakan dalam penelitian ini adalah:

𝒀 = 𝜷_𝟎+ 𝜷_𝟏𝑿_𝟏+ 𝜷_𝟐𝑿_𝟐+ 𝜺𝒊 Keterangan:

Y : Tingkat Kemiskinan

β0 : Intercept, atau nilai Y ketika X = 0

β1 : Koefisien dari tingkat partisipasi angkatan kerja β2 : Koefisien dari tingkat pengangguran terbuka X1 : Tingkat partisipasi angkatan kerja

X2 : Tingkat pengangguran terbuka εi : Error Term atau derajat kesalahan

Selain analisis linier berganda ada beberapa teknik analsis dan uji data lain yang digunakan untuk menjawab rumusan maslah dalam penelitian ini, yaitu:

1. Uji Prasyarat Data

Sebelum melakukan analisis linier, data yang akan dianalisis harus melewati tahap uji prasyarat data yang meliputi:

a. Uji Normalitas

Uji normalitas ini bertujuan untuk mengetahui kenormalan distribusi data yang digunakan dari masing-masing variabel. Uji normalitas ini menggunakan metode Kolmogorov Smirov (uji K-S), dengan kriteria sebagai berikut⁴⁹:

1) Apabila nilai Sig. (2-tailed) suatu variabel lebih besar dari level of significant 5% (> 0.05) maka variabel tersebut terdistribusi normal.

2) Jika nilai Sig. (2-tailed) suatu variabel lebih kecil dari level of significant 5% (< 0.05) maka variabel tersebut tidak terdistribusi dengan normal.

49 Ari Apriyono, Analisis Overreaction pada Saham Perusahaan Manufaktur di Bursa Efek Indonesia (Bei)Periode 2005-2009, Jurnal Nomina, Vol.2, No.2, 2013, Hlm.82.

b. Uji Linieritas

Uji linearitas dilakukan untuk mengetahui apakah variabel bebas yaitu tingkat partisipasi angkatan kerja (X1) dan tingkat pengangguran terbuka (X2) mempunyai hubungan yang linear dengan variabel terikat yaitu tingkat kemiskinan (Y). Uji linieritas dilakukan dengan metode Anova Linearity.

Kriteria dalam uji ini adalah dengan cara membandingkan P-value (Sig) atau signifikansi dari hasil perhitungan Deviation from Linearity dengan taraf nyata yang telah ditentukan, yaitu 0.05 dengan kriteria⁵⁰:

1) Apabila P-value (Sig) α berdasarkan perhitungan lebih kecil (<) dari taraf nyata 0.05 maka dinyatakan tidak Linier.

2) Apabila P-value (Sig) α berdasarkan perhitungan lebih besar (>) dari taraf nyata 0.05 maka dinyatakan Linier.

2. Uji Asumsi Klasik a. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independen. Jika antar variabel independen terjadi multikolinieritas sempurna, maka koefisien regresi variabel independen tidak dapat ditentukan dan nilai standard error menjadi tak terhingga. Jika multikolinieritas antar variabel independen tinggi, maka koefisien regresi variabel independen dapat ditentukan, tetapi memiliki nilai standard error tinggi berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat.⁵¹

Untuk mengetahui ada atau tidaknya multikolinieritas antar variabel dengan melihat nilai dari variance inflation factor (VIF) dari masing-masing

50 Agung Wahyu Handaru, Pengaruh Kepuasan Gaji dan Komitmen Organisasi Terhadap Intensi Turnover pada Divisi PT Jamsostek, Vol.3, No.1, 2012, Hlm.12.

51 Dyah Nirmala Arum Janie, Statistik Deskriptif & Regresi Linier Berganda dengan SPSS, (Semarang: Semarang University Press, 2012), Hlm.19.

variabel independen terhadap variabel dependen. Pengambilan keputusanya adalah⁵²:

1) Jika VIF > 10, maka terdapat persoalan multikolinieritas.

2) Jika VIF < 10, maka tidak terdapat multikolinieritas.

b. Uji Heteroskedastisitas

Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Salah satu metode pengujian ini dengan melakukan uji Glejser. Uji ini pada dasarnya bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual Satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.

Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Dasar pengambilan keputusan pada uji ini yakni⁵³:

1) Jika nilai signifikansi > α = 0,05 kesimpulanya adalah tidak terjadi heteroskedastisitas.

2) Jika nilai signifikansi < α = 0,05 kesimpulanya adalah terjadi heteroskedastisitas.

c. Uji Autokorelasi

Uji Autokorelasi dilakukan untuk menguji apakah dalam model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 (sebelumnya). Jika terjadi korelasi maka dapat dikatakan terdapat masalah Autokorelasi. Model regresi yang baik adalah regresi yang bebas dari gejala autokorelasi. Salah satu metode pengujian ini adalah dengan uji Durbin Watson (DW) dengan dasar pengambilan keputusanya adalah:

52 Firdaus, Metodologi Penelitian Kuantitatif, (Bengkalis: Dotplus Publisher, 2021), hlm.33.

53 Nikolaus Duli, Metodologi Penelitian Kuantitatif: Beberapa Konsep Dasar untuk Penulisan Skripsi & Analisis Data dengan SPSS, (Yogyakarta: Penerbit Deepublish, 2019), Hlm.122-123.

1) Jika dL > d > (4-dL), maka hipotesis nol ditolak, yang berarti terdapat autokorelasi.

2) Jika dU < d < (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.

3) Kemudian dL < d < dU atau di antara (4-dU) < d < (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

3. Uji Hipotesis a. Uji F

Untuk menjawab rumusan masalah nomor 1, maka perlu dilakukan uji F, yaitu uji statistik yang bertujuan untuk mengetahui apakah variabel bebas yaitu tingkat partisipasi angkatan kerja (X1) dan tingkat pengangguran terbuka (X2) memiliki pengaruh secara simultan (bersamaan) dan signifikan terhadap variabel terikat yaitu tingkat kemiskinan (Y). Pengujian dilakukan dengan cara membandingkan angka taraf signifikan hasil perhitungan dengan taraf signifikan 0,05 (5%).⁵⁴ Ketentuanya adalah, variabel bebas dinyatakan berpengaruh terhadap variabel terikat jika nilai Sig > α (0,05).⁵⁵ b. Uji t

Untuk menjawab rumusan masalah nomor 2, maka perlu dilakukan uji t, yaitu uji statistik yang bertujuan untuk mengetahui apakah variabel bebas yaitu tingkat partisipasi angkatan kerja (X1) dan tingkat pengangguran terbuka (X2) memiliki pengaruh secara parsial (terpisah) dan signifikan terhadap variabel terikat yaitu tingkat kemiskinan (Y). Pengujian ini dilakukan dengan asumsi bahwa variabel-variabel selain variabel yang diuji adalah nol.⁵⁶ Kriteria dalam pengujian ini adalah:

1) Jika Sig < 0,05, maka terdapat variabel bebas dinyatakan memiliki pengaruh terhadap variabel terikat.

54 Edward S. Maabuat, Pengaruh Kepemimpinan, Orientasi Kerja, dan Budaya Organisasi Terhadap Kinerja Pegawai(Studi Pada DISPENDA Sulut UPTD Tondano), Jurnal Berkarya Ilmiah Efisiensi, Vol.16, No.01, 2016, Hlm.228.

55 Suyono, Analisis Regresi untuk Penelitian, (Yogyakarta: Deepublish, 2018), Hlm.71.

56 Edward S. Maabuat, Pengaruh Kepemimpinan, Orientasi Kerja, dan Budaya Organisasi Terhadap Kinerja Pegawai(Studi Pada DISPENDA Sulut UPTD Tondano), ..., Hlm.229.

2) Jika Sig > 0,05, maka terdapat variabel bebas dinyatakan tidak memiliki pengaruh terhadap variabel terikat.⁵⁷

4. Adjusted R Square

Untuk menjawab rumusan masalah nomor 3, maka perlu dilakukan analisis R Square yang merupakan analisis yang digunakan untuk mengetahui persentase sumbangan pengaruh variabel bebas yaitu tingkat partisipasi angkatan kerja (X1) dan tingkat pengangguran terbuka (X2) terhadap variabel terikat yaitu tingkat kemiskinan (Y). Sedangkan, Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Nilai adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Nilai Koefisien Determinasi adalah antara 0 dan 1. Semakin besar angka yang ditunjukkan pada R², semakin besar pengaruh variabel bebas terhadap variabel terikat. Disisi lain, semakin kecil angka yang menunjukkan R², semakin kecil pengaruh variabel bebas terhadap variabel terikat.⁵⁸

57 Jubile Enterprise, SPSS untuk Pemula, (Jakarta: Elex Media Komputindo, 2014), Hlm.98.

58 Putri Ayu Diana, Pengaruh Perputaran Kas, Piutang, Persediaan Terhadap Profitabilitas Pada Perusahaan Semen di BEI, Jurnal Ilmu dan Riset Manajemen, Vol.5, No.3, 2016, Hlm.7.

37 a. Hasil Uji Normalitas

Uji normalitas dilakukan untuk mengetahui kenormalan distribusi data dari masing-masing variabel penelitian. Hasil dari uji normalitas data dalam penelitian ini dapat dilihat pada tabel berikut:

Tabel 4.1 Hasil Uji Normalitas

Tests of Normality

Kolmogorov-Smirnov^a

Statistic df Sig.

TPAK ,046 95 ,200^*

TPT ,124 95 ,001

T. Kemiskinan ,106 95 ,011

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Berdasarkan tabel diatas, dapat dilihat bahwa data variabel Tingkat Partisipasi Angkatan Kerja (X1) berdistribusi normal karna nilai Sig > 0,05.

Sedangkan data untuk variabel Tingkat Pengangguran Terbuka (X2) dan Tingkat Kemiskinan (Y) tidak berdistribusi normal karena nilai Sig < 0,05.

Untuk melanjutkan maka perlu dilakukan pengolahan data agar dapat berdistribusi normal, yaitu dengan cara membuang data outlier. Salah satu alasan mengapa ada yang data tidak normal adalah adanya outliers. Menurut Ghozali, outlier adalah kasus atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel

kombinasi. Outlier harus kita buang jika data outlier tersebut memang tidak menggambarkan observasi dalam populasi.⁵⁹

Untuk menentukan data outlier dapat dilakukan dengan menghitung Z-score dari data penelitian. Nilai suatu Z-Z-score adalah merupakan suatu ukuran yang menentukan seberapa besar jarak suatu nilai terhadap rata-ratanya dalam satuan standar deviasinya. Data yang dianggap outlier adalah data yang memiliki nilai Z-score > 1,96 atau Z-score < -1,96. Setelah data outlier diketahui dan dikeluarkan, kemudian kembali dilakukan uji normalitas data, dengan output sebagai berikut:

Tabel 4.2 Hasil Uji Normalitas

Tests of Normality

Kolmogorov-Smirnov^a

Statistic df Sig.

TPAK ,048 85 ,200^*

TPT ,098 85 ,042

T. Kemiskinan ,080 85 ,200^*

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Berdasarkan tabel diatas, dapat dilihat bahwa data variabel Partisipasi Angkatan Kerja (X1) dan Tingkat Kemiskinan (Y) berdistribusi normal karna nilai Sig > 0,05. Sedangkan data untuk variabel Tingkat Pengangguran Terbuka (X2) tidak berdistribusi normal karena nilai Sig < 0,05. Untuk melanjutkan penelitian perlu kembali dilakukan pembuang data outlier.

Setelah data outlier diketahui dan dikeluarkan, kemudian kembali dilakukan uji normalitas data, dengan output sebagai berikut:

59 Riza Fajarnia dkk, Properti Determinan Nilai Perusahaan dan Real Estate Pada Periode Gencarnya Pembangunan Infrastruktur, Jurnal Akuntansi Kontemporer, Vol.11, No.2, 2019, Hlm.112.

Tabel 4.3

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Berdasarkan tabel diatas, dapat dilihat bahwa data variabel Tingkat Partisipasi Angkatan Kerja (X1), Tingkat Pengangguran Terbuka (X2) dan Tingkat Kemiskinan (Y) memiliki nilai Sig > 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa data yang akan diuji berdistribusi normal yang berarti terdapat banyak data yang mendekati mean dan jumlah data yang berada diatas dan di bawah mean adalah sama.

b. Hasil Uji Linieritas

Uji linearitas dilakukan untuk mengetahui apakah terdapat hubungan yang linear diantara variabel bebas dan variabel terikat. Hasil dari uji linieritas dalam penelitian ini dapat dilihat pada tabel berikut:

Tabel 4.4

Hasil Uji Linieritas X1 dan Y

ANOVA Table

Tabel 4.5

Hasil Uji Linieritas X2 dan Y

ANOVA Table Sum of Squares df

Mean

Square F Sig.

T.Kemiskinan

* TPT

Between Groups

(Combined) 351,577 76 4,626 ,934 ,633 Linearity 4,630 1 4,630 ,935 ,405 Deviation

from Linearity 346,947 75 4,626 ,934 ,633

Within Groups 14,861 3 4,954

Total 366,438 79

Berdasarkan tabel 4.4 diatas dapat dilihat nilai Sig. Deviation from Linierity antara variabel Tingkat Partisipasi Angkatan Kerja (X1) dan variabel Tingkat Kemiskinan (Y) lebih besar dari taraf nyata 0.05. Kemudian berdasarkan tabel 4.4 diatas dapat dilihat nilai Sig. Deviation from Linierity antara variabel Tingkat Pengangguran Terbuka (X2) dan variabel Tingkat Kemiskinan (Y) lebih besar dari taraf nyata 0.05 Berdasarkan hasil uji linieritas ini, dapat disimpulkan bahwa variabel Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) memiliki hubungan yang linier dengan variabel Tingkat Kemiskinan (Y), yang berarti pola hubungan kedua variabel independen dengan variabel dependen akan membentuk satu garis lurus.

2. Hasil Uji Asumsi Klasik a. Hasil Uji Multikolinieritas

Uji multikolinieritas dilakukan untuk menguji apakah dalam model regresi terdapat korelasi yang tinggi atau sempurna antar variabel independen.

Hasil uji multikolinieritas dalam penelitian in dapat dilihat pada tabel berikut:

Tabel 4.6

Coefficients t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF Tingkat Pengangguran Terbuka (X2) juga memiliki nilai VIF yang lebih kecil dari 10. Berdasarkan hasil uji multikolinieritas ini, dapat diambil kesimpulan bahwa tidak terdapat gejala multikolinieritas pada data penelitian ini, yang berarti dalam model regresi ini tidak terdapat hubungan yang kuat antar variabel bebas.

b. Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk mengetahui apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Hasil uji heteroskedastisitas dalam penelitian ini dapat dilihat pada tabel berikut:

Dari tabel 4.7 diatas dilihat nilai signifikansi Tingkat Partisipasi Angkatan Kerja (X1) lebih besar dari 0,05. Dan pada variabel Tingkat Pengangguran Terbuka (X2) lebih besar dari 0,05. Berdasarkan hasil uji heterokedastisitas ini, dapat disimpulkan bahwa data dalam penelitian ini tidak memiliki gejala heterokedastisitas yang berarti tidak terjadi perbedaan variance dari nilai residual satu pengamatan ke pengamatan yang lain.

c. Hasil Uji Autokorelasi

Uji Autokorelasi merupakan pengujian untuk mengetahui apakah terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 (sebelumnya) dalam model regresi. Hasil uji auto korelasi dalam penelitian ini dapat dilihat pada tabel berikut:

Tabel 4.8 Hasil Uji Autokorelasi

Model Summary^b

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 ,144^a ,021 -,005 2,159 ,504

a. Predictors: (Constant), X2Rem2, X1Rem2 b. Dependent Variable: YRem2

Berdasarkan distribusi nilai tabel Durbin-Watson, dengan level signifikan 0,05 dan dengan menggunakan dua variabel independen, maka diketahui nilai du = 1,696 dan 4-du = 2,034. Berdasarkan tabel 6.4 dapat dilihat bahwa nilai d tidak berada diantara du dan 4-du sehingga asumsi autokorelasi tidak bisa disimpulkan. Untuk melanjutkan penelitian perlu dilakukan tindakan terhadap data penelitian agar tidak terdapat masalah autokorelasi.

Salah satu cara untuk mengatasi masalah uji auto korelasi adalah dengan metode Cochrane Orcutt. Metode Cochrane-Orcutt dilakukan dengan menghitung nilai koefisien autokorelasi menggunakan nilai error pada model

regresi.⁶⁰ Setelah melakukan transformasi data dengan metode Cochrane-Orcutt, maka kembali dilakukan pengujian autokorelasi dengan output pada tabel berikut:

Tabel 4.9 Uji Autokorelasi

Model Summary^c,d

Model R R Square^b

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 ,811^a ,658 ,650 1,35031 1,903

a. Predictors: Lag_TPT, Lag_TPAK c. Dependent Variable: Lag_T.Kemiskinan d. Linear Regression through the Origin

Berdasarkan tabel 4.9 dapat dilihat bahwa nilai d lebih besar dari du = 1,696 dan lebih kecil dari 4-du = 2,034. Berdasarkan uji autokorelasi ini, dapat disimpulkan bahwa tidak terjadi masalah autokorelasi dalam model regresi yang berarti tidak terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1.

3. Hasil Uji Regresi Linier Berganda

Analisis regresi linier berganda merupakan suatu teknik analisis ada tidaknya pengaruh variabel bebas Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) terhadap variabel terikat Tingkat Kemiskinan (Y). Hasil uji regresi linier berganda dapat dilihat pada tabel berikut:

60 Ade Aprianto, Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi Pada Estimasi Parameter Ordinary Least Squares, Buletin Ilmiah Matematika, Statistika dan Terapanya, Vol.09, No.1, 2020, Hlm.95.

Tabel 4.10

Hasil Uji Regresi Linier Berganda

Coefficients^a

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 1,245 ,755 1,649 ,103

TPAK ,025 ,042 ,067 ,589 ,558

TPT ,132 ,091 ,165 1,454 ,150

a. Dependent Variable: T.Kemiskinan

Berdasarkan tabel 4.10 di atas, dapat ditarik persamaan model regresi linier berganda dalam penelitian adalah:

𝒀 = 𝟏, 𝟐𝟒𝟓 + 𝟎, 𝟎𝟐𝟓𝑿_𝟏+ 𝟎, 𝟏𝟑𝟐𝑿_𝟐+ 𝜺𝒊

Dari persamaan model regresi di atas dapat dilihat bahwa variabel Tingkat Kemiskinan (Y) memiliki nilai konstan sebesar 1,245, yang berarti tanpa adanya perubahan nilai variabel Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) maka nilai variabel Tingkat Kemiskinan (Y) akan tetap sebesar 1,245.

4. Hasil Uji Hipotesis a. Uji F

Uji F dilakukan untuk mengetahui apakah variabel bebas yaitu Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) memiliki pengaruh secara simultan (bersamaan) dan signifikan terhadap variabel terikat yaitu Tingkat Kemiskinan (Y). Hasil uji F dapat dilihat pada tabel berikut:

Tabel 4.11 Hasil Uji F

ANOVA^a

Model Sum of Squares df Mean Square F Sig.

1 Regression 4,120 2 2,060 1,155 ,321^b

Residual 135,546 76 1,784

Total 139,666 78

a. Dependent Variable: T.Kemiskinan b. Predictors: (Constant), TPT, TPAK

Berdasarkan tabel 4.11 diatas dapat dilihat nilai Sig lebih besar dari 0,05 yaitu 0,321. Hasil uji F ini menunjukkan bahwa variabel bebas yaitu Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) memiliki pengaruh secara simultan (bersamaan) dan signifikan terhadap variabel terikat yaitu Tingkat Kemiskinan (Y)

b. Uji t

Uji F dilakukan untuk mengetahui apakah variabel bebas yaitu Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) tidak memiliki pengaruh secara parsial (terpisah) yang signifikan terhadap variabel terikat yaitu Tingkat Kemiskinan (Y). Hasil uji t dapat dilihat pada tabel berikut:

Tabel 4.12 Hasil Uji t

Coefficients^a

Model

Unstandardized Coefficients

Standardized

Coefficients t Sig.

B Std. Error Beta

1 (Constant) 1,245 ,755 1,649 ,103

TPAK ,025 ,042 ,067 ,589 ,558

TPT ,132 ,091 ,165 1,454 ,150

a. Dependent Variable: T.Kemiskinan

Berdasarkan tabel 4.11 di atas dapat dilihat nilai Sig variabel Tingkat Partisipasi Angkatan Kerja (X1) lebih besar dari 0,05 yaitu 0,558. Dan nilai Sig variabel Tingkat Pengangguran Terbuka (X2) lebih besar dari 0,05 yaitu 0,150. Hasil uji t ini menunjukkan bahwa variabel bebas baik itu variabel Tingkat Partisipasi Angkatan Kerja (X1) dan variabel Tingkat Pengangguran Terbuka (X2) tidak memiliki pengaruh secara parsial (terpisah) yang signifikan terhadap variabel terikat yaitu Tingkat Kemiskinan (Y).

5. Hasil Adjusted R Square

Adjusted R Square merupakan analisis yang digunakan untuk mengetahui persentase sumbangan pengaruh variabel bebas yaitu Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) terhadap variabel terikat yaitu Tingkat Kemiskinan (Y). Hasil uji Adjusted R Square dapat dilihat pada tabel berikut:

Tabel 4.13

Hasil Uji Adjusted R Square

Model Summary

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 ,172^a ,029 ,004 1,335

a. Predictors: (Constant), TPT, TPAK

Berdasarkan tabel 4.13 diatas, dapat dilihat bahwa nilai adjusted R square adalah sebesar 0,004. Hasil uji adjusted R square ini menyatakan bahwa pengaruh variabel bebas Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) memiliki kontribusi pengaruh terhadap variabel terikat Tingkat Kemiskinan (Y) sebesar 0,4%, sedangkan 99,6% dipengaruhi oleh variabel-variabel lain.

B. Pembahasan

Berdasarkan teori, Tingkat Partisipasi Angkatan Kerja dan Tingkat Pengangguran Terbuka memiliki pengaruh terhadap Tingkat Kemiskinan.

Meningkatnya Tingkat Partisipasi Angkatan Kerja suatu daerah, berarti meningkat pula pendapatan perkapita dan tingkat konsumsi yang mempengaruhi berkurangnya tingkat kemiskinan. Sedangkan tingkat pengangguran yang tinggi akan menyebabkan pendapatan berkurang sehingga tidak dapat memenuhi kebutuhan sehari-hari yang pada akhirnya akan mengalami kemiskinan. Dengan demikian tingkat pengangguran memiliki hubungan positif terhadap tingkat kemiskinan.

Untuk menguji teori tersebut dengan keadaan di Provinsi Sumatera Barat, penulis melakukan analisis uji linier berganda. Pengujian ini menghasilkan model persamaan regresi Y = 1,245 + 0,025X1 + 0,132X2 + εi . Dari persamaan tersebut dapat dilihat nilai konstan dari variabel terikat Tingkat Kemiskinan (Y) sebesar 1,245, yang berarti tanpa adanya perubahan nilai variabel Tingkat Partisipasi Angkatan Kerja (X1) dan Tingkat Pengangguran Terbuka (X2) maka nilai variabel Tingkat Kemiskinan (Y) akan tetap sebesar 1,245. Kemudian nilai koefisien korelasi dari Tingkat Partisipasi Angkatan Kerja (X1) adalah 0,025 yang berarti

Dalam dokumen ANALISIS PENGARUH TINGKAT PARTISIPASI ANGKATAN KERJA DAN TINGKAT PENGANGGURAN TERBUKA TERHADAP TINGKAT KEMISKINAN DI PROVINSI SUMATERA BARAT SKRIPSI (Halaman 33-0)