C. Pembahasan
4. Interpretasi Individual Effect
Tabel 4. 13 Hasil Individual Effect
Sumber: Hasil Olah data, 2020
1) Kabupaten Karawang
Apabila nilai masing-masing variabel Kemiskinan, Upah Minimum Kabupaten dan Rata-rata Lama Sekolah pada model adalah konstan, maka nilai Migrasi Tenaga Kerja Wanita Kabupaten Karawang sebesar 56.593038%.
2) Kabupaten Cirebon
Variabel Koefisien Indv. Effect Prob.
C 56.28158 0.0000
LN_KEMISKINAN -4.915270
0.0005
LN_UMK -1.266935
0.0029
LN_RLS -9.405615 0.0001
Fixed Effect Cross
_KARAWANG_C 0.311458 56.593038
_CIREBON_C 0.989008 57.270588
_SUKABUMI_C -1.800132 58.081712
_MAJALENGKA_C 0.499666 56.781246
107
Apabila nilai masing-masing variabel Kemiskinan, Upah Minimum Kabupaten dan Rata-rata Lama Sekolah pada model adalah konstan, maka nilai Migrasi Tenaga Kerja Wanita Kabupaten Cirebon sebesar 57.270588%.
3) Kabupaten Sukabumi
Apabila nilai masing-masing variabel Kemiskinan, Upah Minimum Kabupaten dan Rata-rata Lama Sekolah pada model adalah konstan, maka nilai Migrasi Tenaga Kerja Wanita Kabupaten Sukabumi sebesar 58.081712%.
4) Kabupaten Majalengka
Apabila nilai masing-masing variabel Kemiskinan, Upah Minimum Kabupaten dan Rata-rata Lama Sekolah pada model adalah konstan, maka nilai Migrasi Tenaga Kerja Wanita Kabupaten Majalengka sebesar 56.781246%.
108 BAB V PENUTUP A. Kesimpulan
Berdasarkan hasil temuan penelitian dan pembahasan data yang dilakukan, maka kesimpulan yang diperoleh terhadap data-data Migrasi Tenaga Kerja Wanita, Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah pada 4 daerah industri di Jawa Barat (Kabupaten Karawang, Cirebon, Sukabumi dan Majalengka) periode 2009-2018 adalah sebagai berikut:
1. Hasil temuan penelitian menyatakan bahwa Kemiskinan berpengaruh negatif dan signifikan terhadap Migrasi Tenaga Kerja Wanita di Kabupaten Karawang, Cirebon dan Sukabumi. Artinya, semakin tinggi Kemiskinan pada 4 daerah Industri atau kabupaten yang diteliti maka akan menurunkan migrasi tenaga kerja wanita. Hal yang paling utama dikarena adanya faktor penghambat berupa biaya atau ongkos pra-keberangkatan serta pengurusan dokumen yang kompleks dan memakan waktu yang lama.
2. Hasil temuan penelitian menyatakan bahwa Upah Minimum Provinsi berpengaruh Negatif dan signifikan terhadap Migrasi Tenaga Kerja Wanita di Kabupaten Karawang, Cirebon dan Sukabumi. Artinya setiap peningkatan Upah Minimum Kabupaten setiap tahunya akan menurunkan migrasi tenaga kerja wanita, dikarenakan upah atau remitansi yang dikirimkan terus menerus selama menjadi TKW diluar negeri dapat mecukupi kebutuhan keluarga dan menambah devisa bagi negara asal, sehingga tidak mengharuskan pekerja untuk kembali menjadi TKW.
109
3. Hasil temuan penelitian menyatakan bahwa Rata-rata Lama Sekolah berpengaruh negatif dan signifikan terhadap Migrasi Tenaga Kerja Wanita di Kabupaten Karawang, Cirebon dan Sukabumi. Artinya, setiap terjadi peningkatan rata-rata lama sekolah akan menurunkan migrasi tenaga kerja wanita, dikarenakan semakin tinggi pendidikan seseorang maka akan meningkatkan daya nalar seseorang sehingga menjadikan seseorang bijak dalam menentukan pilihan, selain itu orang yang memiliki pendidikan tinggi lebih mudah bersaing didunia kerja dibanding orang yang memiliki pendidikan rendah, sehingga orang yang memiliki pendidikan tinggi lebih memilih bekerja didalam negeri.
4. Hasil temuan penelitian secara simultan menyatakan bahwa, Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah berpengaruh signifikan terhadap Migrasi Tenaga Kerja Wanita di Kabupaten Karawang, Cirebon dan Sukabumi. Sehingga jika terjadi perubahan pada nilai kepadatan penduduk, kemiskinan, upah minimum provinsi, dan Rata-rata Lama Sekolah di provinsi Jawa Barat secara bersamaan maka akan turut serta mengubah jumlah migrasi Tenaga kerja wanita tersebut.
B. Saran
Berdasarkan pembahasan dan kesimpulan yang telah diuraikan sebelumnya, maka penulis mengajukan beberapa saran sebagai berikut:
1. Bagi Pemerintah Daerah di beberapa daerah industri di Jawa Barat yang Diteliti:
110
a. Diharapkan pemerintah dapat meningkatkan pendidikan dan pelatihan bagi para Tenaga Kerja Wanita (TKW) sehingga mengurangi para pekerja yang tidak terlatih dan meningkatkan pekerja pada bidang profesional sehingga dapat bersaing dengan pekerja lainya.
b. Diharapkan pemerintah dapat menyediakan lebih banyak lapangan pekerjaan yang dapat diisi oleh pekerja wanita sehingga tidak banyak yang menganggur dan migrasi keluar negeri.
c. Beberapa masyarakat (TKW) yang sudah pernah bermigrasi dan sudah kembali ke Indonesia, khususnya pada 4 daerah industri di Jawa Barat, diberi penyuluhan, pembinaan, dan arahan dari Pemerintah Daerah dan instansi terkait tentang pengelolaan modal yang diperoleh dari hasil bekerja di luar negeri, agar tidak hanya dihabiskan untuk kebutuhan sehari-hari, tetapi juga digunakan untuk melakukan suatu usaha yang akan menghasilkan perputaran dari modal tersebut.
2. Bagi peneliti selanjutnya:
a. Bagi peneliti selanjutnya diharapkan dapat memperbaharui periode penelitian sehingga penelitianya mengalami perkembangan setiap tahunya.
b. Diharapkan dapat menambah daerah yang hendak diteliti agar hasil penelitianya lebih beragam.
111
112
DAFTAR PUSTAKA
World Bank Institute. 2005. Introduction to Poverty Analysis: Poverty Manual.
World Bank Institute
Gujarati. D.. 2003.. Basic Econometrics. 3rd edition International Edition.
Gujarati, D. (2006). Dasar-dasar Ekonometrika. Edisi Kedua, Jakarta: Erlangga.
Gujarati, D. (2007). Dasar-dasar Ekonometrika. Edisi Ketiga, Jakarta: Erlangga.
Arikunto, S. 2005. Manjemen Penelitian Edisi Revisi. Jakarta : Rineka Cipta.
Ferezagia Debrina Vita. 2018. Analisis Tingkat Kemiskinan di Indonesia. Jurnal Sosial Humaniora Terapan Volume 1 Nomor 1. Program Pendidikan Vokasi Universitas Indonesia
Nugroho, Heru. 2001. Kemiskinan, Ketimpangan dan Kesenjangan. Yogyakarta:
Aditya Media.
Suyadi Prawirosutono, (1995), Model Pembangunan Sumberdaya Manusia Negara-negara Berkembang, Penerbit BPFE, Yogyakarta.
Agbola. Frank W dan Acupan. Angelito B. 2010. An Empirical Analysis of Internasional Labour Migration in The Philippines. Newcastle Business School & Centre for Institutional and Organisational Studies. Faculty of Business and Law. The University of Newcastle.
Australia. 1 University Drive. Callaghan. NSW 2308. Australia b Strategy. Policy and Communication Office. Small Business Guarantee and Finance Corporation. the Philippines. Publised by Elsevier Ltd.
Sjastaad, L. A. (1962). The Costs and Returns of Human Migration. The Journal of Political Economy, 70 (5), Part 2: Investment in Human Beings, 80–93.
Dinas Penanaman Modal & Pelayanan Terpadu Satu Pintu Provinsi Jawa Barat.
2020.
Badan Pusat Statistik. 2008-2018. Statistik Indonesia: Statistical Yearsbook of Indonesia. Publikasi Badan Pusat Statistik.
113
Ahmad, N., Hussain, Z., Hussain, M. H. S. I., & Akram, W, (2008),
“Macroeconomic Determinants of International Migration From Pakistan.” Pakistan Economic and Social Review, 46(2).
Suryawati. 2004. Teori Ekonomi Mikro. UPP. AMP YKPN. Yogyakarta:
Jarnasy.
Purnomo. Didit. 2009. Fenomena Migrasi Tenaga Kerja dan Perannya Bagi Pemabangunan Daerah asal: Studi Empiris di Kabupaten Wonogiri.
Jurnal Ekonomi Pembangunan. Fakultas Ekonomi Universitas Muhammadiyah Surakarta.
Waridin. 2002. Beberapa Faktor yang Mempengaruhi Migrasi Tenaga Kerja Indonesia Keluar Negeri. Fakultas Ekonomi Universitas Diponegoro Semarang.
Greene, H. William. (2012). Econometrics Analysis, 7th Edition. Stern School of Business: New York University
Peraturan Pemerintah Republik Indonesia Nomor 78 Tahun 2015 Tentang Pengupahan. Undang-Undang Dasar.
Stalker, P. 2002. Migration trends and migration policy in Europe. International migration, 40(5), 151-179.
Khairunnisa. 2019. Analisis Faktor-faktor Yang Mempengruhi Tingkat Migrasi Tenaga Kerja Indonesia (TKI) (Studi Kasus Pada 6 Provinsi Tahun 2008-2017). Fakultas Ekonomi dan Bisnis Uin Syarif Hidayatullah Jakarta.
Philippine Statistic Authority. 2020
Nangarumba, M, (2015), “Analisis Pengaruh Struktur Ekonomi, Upah Minimum Provinsi, Belanja Modal , dan Investasi Terhadap Ketimpangan Pendapatan di Seluruh Provinsi di Indonesia Tahun 2005-2014.”
JESP-Vol. 7, No 2.
Nuraeni Yeni. 2019. Perluasan Kesempatan kerja dengan Pengembangan Argoindustri di Daerah Kantong Tenaga Kerja Indonesia. Jurnal Teknologi dan Manajemen Agroindustri Volume 8 Nomor 2:
107-114 116. Jakarta
Giuliano, Paola. 2009.”Remittances Financial Development and Growth”.
Journal Development Economics. Vol 96 pages 144-152
Pekerja Global Indonesia: Antara Peluang dan Resiko.2017. Laporan World Bank Indonesia.
Data Penempatan dan Perlindungan Tenaga Kerja Indonesia Tahun 2016. Pusat Penelitian Dan Perkembangan Informasi BNP2TKI.
Pemerintah Kabupaten Karawang Jawa Barat. 2020
Irawaty Tuty,dkk. 2011. Migrasi Internasional Perempuan Desa dan Pemanfaatan Remitan di Desa Pusakajaya, Kecamatan Pusakajaya, Kabupaten Subang Jawa Barat. Departemen Sains Komunikasi dan Pengembangan Masyarakat, Fakultas Ekologi Manusia Vol. 05, No.
03. Institut Pertanian Bogor
Data Jumlah Industri. 2018. Dinas Tenaga Kerja dan Transmigrasi Provinsi Jawa Barat.
Afriska Ade Eka, dkk. 2018. Pengaruh Tenaga Kerja Indonesia di Luar Negeri dan Remitansi Terhadap PDB Perkapita Indonesia. Jurnal Perspektif Ekonomi Darussalam Volume 4 Nomor 2.
Melly, Niko. 2017. Analisis Faktor-faktor yang Mempengaruhi minat Migrasi Tenaga Kerja Wanita Bekerja ke Luar Negeri Di Provinsi Jawa Timur 2011 – 2014. Skripsi.Universitas Jember.
Badan Pusat Statistik 2018. Publikasi Badan Pusat Statistik. Jawa Barat Ahmaddien Iskandar. 2019. Faktor determinan keparahan dan kedalaman
kemiskinan jawa barat dengan regresi data panel. Forum Ekonomi.
Kota Bandung Jawa Barat.
Adisasmita, Rahardjo. 2015, “Pembangunan Wilayah”. Yogyakarta: Graha Ilmu
Najmutsaqib. Indi. 2018. Pengaruh Kepadatan Penduduk. Upah Minimum Provinsi (UMP). Kesempatan Kerja Terhadap Migrasi Internasional Tenaga Kerja Provinsi Jawa Tengah Tahun 2005-2016. Fakultas Ekonomi Universitas Tidar.
115
Puspita. Wahyu Indah & Kusreni. Sri. 2017. Faktor-faktor yang Mempengaruhi Migrasi ke Luar Negeri Berdasarkan Provinsi di Indonesia. Jurnal Ilmu Ekonomi Terapan. Fakultas Ekonomi dan Bisnis Universitas Airlangga.
Tarmizi Nurlina, Dkk. 2016. Analisis Keputusan Berimigrasi Tenaga Kerja Asal Kabupaten Ogan ilir Ke Malaysia. E-Jurnal I-Economic UIN Raden Fatah Vol. 2, Palembang.
Budiarty Meilanny Santoso. 2014. Kompetensi Lokal Dalam Menanggulangi Kemiskinan di Daerah Industri. Jurnal Universitas Padjajaran Bandung.
Undang-undang Nomor 13 Tahun 2003 tentang Ketenagakerjaan
Suryawati. 2004. Teori Ekonomi Mikro. UPP. AMP. YKPN. Yogyakarta:
Jarnasy.
Jhingan, M.L. 2000. Ekonomi Pembangunan dan Perencanaan. Jakarta: PT.
Raja Grafindo Persada
Putri Lutfiah Dwi. 2017. Analisis Faktor-Faktor Yang Mempengaruhi Minat Tenaga Kerja Indonesia Untuk Bekerja Ke Luar Negeri (Studi Kasus Kabupaten Bondowoso). Universiitas Jember.
BPS. 2009. Data dan Informasi Kemiskinan 2008. Buku 2 : Kabupaten/kota.
Katalog BPS: 3205014. Jakarta: BPS.
Yacoub, Yarlina. 2012. Pengaruh Tingkat Pengangguran terhadap Tingkat Kemiskinan Kabupaten/ Kota di Provinsi Kalimantan Barat. Jurnal EKSOS Volume 8, Nomor 3, Oktober 2012 hal 176 – 185
Adisasmita, Rahardjo. 2005. Dasar-dasar Ekonomi Wilayah. Penerbit Graha Ilmu.
Indiani, N. M., & Mantra, I. B. 1999. Proses migrasi dan aktivitas ekonomi migran: Kasus migrasi dari Pandak Gede ke Negara di Bali (Doctoral dissertation). Universitas Gadjah Mada Yogyakarta.
Attabiurobbi Reza. 2013. Faktor-faktor yang mempengaruhi kemiskinan di kecamatan Jekulo dan Mejobo Kabupaten Kudus. Economics Development Analysis Journal. Jurusan Ekonomi Pembangunan,
116
Fakultas Ekonomi, Universitas Negeri Semarang.
Data Penempatan dan Perlindungan Tenaga Kerja Indonesia Tahun 2018. Pusat Penelitian Dan Perkembangan Informasi BNP2TKI.
Nabila. Aulia. & Pardede L Elda. 2014. “Pengaruh Kemiskinan Terhadap Migrasi di Indonesia: Analisis data Sakerti Tahun 2000 dan 2007”.
Fakultas Ekonomi Universitas Indonesia. Depok.
Jurnal Kependudukan Lembaga Penelitian Ekonomi.
https://kependudukan.lipi.go.id/en/population-study/populationdynamics/50 kenapa-orang-bermigrasi. diakses pada 20 Agustus 2020.
117 LAMPIRAN
Lampiran 1 : Hasil Uji Data Panel dengan Ordinary Least Square (OLS) A. Common Effect Model Ordinary Least Square (OLS)
Dependent Variable: LN_MTKW Method: Panel Least Squares Date: 02/08/21 Time: 08:43 Sample: 2009 2018
Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 17.03583 5.757989 2.958642 0.0054
LN_KEMISKINAN 1.040339 0.629322 1.653110 0.1070
LN_UMK 0.416024 0.294460 1.412838 0.1663
LN_RLS -9.007034 2.034889 -4.426302 0.0001
R-squared 0.374146 Mean dependent var 8.387240 Adjusted R-squared 0.321992 S.D. dependent var 0.787879 S.E. of regression 0.648749 Akaike info criterion 2.067098 Sum squared resid 15.15151 Schwarz criterion 2.235986 Log likelihood -37.34196 Hannan-Quinn criter. 2.128163 F-statistic 7.173808 Durbin-Watson stat 0.845588 Prob(F-statistic) 0.000676
118
B. Fixed Effect Model (FEM) Ordinary Least Square (OLS)
Dependent Variable: LN_MTKW Method: Panel Least Squares Date: 02/08/21 Time: 08:46 Sample: 2009 2018
Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 56.28158 8.576479 6.562317 0.0000
LN_KEMISKINAN -4.915270 1.273997 -3.858148 0.0005
LN_UMK -1.266935 0.393123 -3.222744 0.0029
LN_RLS -9.405615 2.088794 -4.502892 0.0001
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.669896 Mean dependent var 8.387240 Adjusted R-squared 0.609877 S.D. dependent var 0.787879 S.E. of regression 0.492107 Akaike info criterion 1.577389 Sum squared resid 7.991599 Schwarz criterion 1.872942 Log likelihood -24.54777 Hannan-Quinn criter. 1.684251 F-statistic 11.16142 Durbin-Watson stat 1.319039 Prob(F-statistic) 0.000001
119 C. Uji Chow Ordinary Least Square (OLS)
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 9.855230 (3,33) 0.0001
Cross-section Chi-square 25.588380 3 0.0000
Cross-section fixed effects test equation:
Dependent Variable: LN_MTKW Method: Panel Least Squares Date: 02/08/21 Time: 08:47 Sample: 2009 2018
Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 17.03583 5.757989 2.958642 0.0054
LN_KEMISKINAN 1.040339 0.629322 1.653110 0.1070
LN_UMK 0.416024 0.294460 1.412838 0.1663
LN_RLS -9.007034 2.034889 -4.426302 0.0001
R-squared 0.374146 Mean dependent var 8.387240 Adjusted R-squared 0.321992 S.D. dependent var 0.787879 S.E. of regression 0.648749 Akaike info criterion 2.067098 Sum squared resid 15.15151 Schwarz criterion 2.235986 Log likelihood -37.34196 Hannan-Quinn criter. 2.128163 F-statistic 7.173808 Durbin-Watson stat 0.845588 Prob(F-statistic) 0.000676
120 D. Uji Hausman Ordinary Least Square (OLS)
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 29.565691 3 0.0000
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
LN_KEMISKINAN -4.915270 1.040339 1.395185 0.0000
LN_UMK -1.266935 0.416024 0.104655 0.0000
LN_RLS -9.405615 -9.007034 1.980480 0.7770
Cross-section random effects test equation:
Dependent Variable: LN_MTKW Method: Panel Least Squares Date: 02/08/21 Time: 08:49 Sample: 2009 2018
Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 56.28158 8.576479 6.562317 0.0000
LN_KEMISKINAN -4.915270 1.273997 -3.858148 0.0005
LN_UMK -1.266935 0.393123 -3.222744 0.0029
LN_RLS -9.405615 2.088794 -4.502892 0.0001
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.669896 Mean dependent var 8.387240 Adjusted R-squared 0.609877 S.D. dependent var 0.787879 S.E. of regression 0.492107 Akaike info criterion 1.577389 Sum squared resid 7.991599 Schwarz criterion 1.872942 Log likelihood -24.54777 Hannan-Quinn criter. 1.684251 F-statistic 11.16142 Durbin-Watson stat 1.319039 Prob(F-statistic) 0.000001
121
Lampiran 2 : Hasil Uji Data Panel dengan General Least Square (GLS) A. Common Effect Model General Least Square (GLS)
Dependent Variable: LN_MTKW
Method: Panel EGLS (Cross-section weights) Date: 02/08/21 Time: 08:51
Sample: 2009 2018 Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 18.53426 5.736421 3.230980 0.0026
LN_KEMISKINAN 0.738660 0.643358 1.148133 0.2585
LN_UMK 0.454741 0.287200 1.583357 0.1221
LN_RLS -9.661328 1.903490 -5.075586 0.0000
Weighted Statistics
R-squared 0.435812 Mean dependent var 8.797278 Adjusted R-squared 0.388796 S.D. dependent var 1.952181 S.E. of regression 0.640253 Sum squared resid 14.75727 F-statistic 9.269504 Durbin-Watson stat 0.864512 Prob(F-statistic) 0.000112
Unweighted Statistics
R-squared 0.357613 Mean dependent var 8.387240 Sum squared resid 15.55178 Durbin-Watson stat 0.817681
122
B. Fixed Effect Model General Least Square (GLS)
Dependent Variable: LN_MTKW?
Method: Pooled EGLS (Cross-section weights) Date: 02/08/21 Time: 09:25
Sample: 2009 2018 Included observations: 10 Cross-sections included: 4
Total pool (balanced) observations: 40
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 54.64291 7.413032 7.371196 0.0000
LN_KEMISKINAN? -4.622625 1.096602 -4.215408 0.0002
LN_UMK? -1.010150 0.353520 -2.857408 0.0073
LN_RLS? -10.83294 1.774481 -6.104853 0.0000 Fixed Effects (Cross) Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.750499 Mean dependent var 9.103404 Adjusted R-squared 0.705135 S.D. dependent var 2.556167 S.E. of regression 0.483238 Sum squared resid 7.706115 F-statistic 16.54397 Durbin-Watson stat 1.465525 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.659791 Mean dependent var 8.387240 Sum squared resid 8.236249 Durbin-Watson stat 1.335055
123 C. Uji Chow General Least Square (GLS)
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 11.750258 (3,33) 0.0000
Cross-section fixed effects test equation:
Dependent Variable: LN_MTKW
Method: Panel EGLS (Cross-section weights) Date: 02/08/21 Time: 09:31
Sample: 2009 2018 Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40 Use pre-specified GLS weights
Variable Coefficient Std. Error t-Statistic Prob.
C 17.96212 5.609199 3.202262 0.0028
LN_KEMISKINAN 0.917412 0.590022 1.554878 0.1287
LN_UMK 0.567795 0.284569 1.995276 0.0536
LN_RLS -10.45551 1.917213 -5.453494 0.0000
Weighted Statistics
R-squared 0.483980 Mean dependent var 9.103404 Adjusted R-squared 0.440978 S.D. dependent var 2.556167 S.E. of regression 0.665370 Sum squared resid 15.93783 F-statistic 11.25492 Durbin-Watson stat 0.902483 Prob(F-statistic) 0.000024
Unweighted Statistics
R-squared 0.355169 Mean dependent var 8.387240 Sum squared resid 15.61094 Durbin-Watson stat 0.864215
124
D. Uji Hausman General Least Square (GLS)
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 29.565691 3 0.0000
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
LN_KEMISKINAN -4.915270 1.040339 1.395185 0.0000
LN_UMK -1.266935 0.416024 0.104655 0.0000
LN_RLS -9.405615 -9.007034 1.980480 0.7770
Cross-section random effects test equation:
Dependent Variable: LN_MTKW Method: Panel Least Squares Date: 02/08/21 Time: 09:32 Sample: 2009 2018
Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 56.28158 8.576479 6.562317 0.0000
LN_KEMISKINAN -4.915270 1.273997 -3.858148 0.0005
LN_UMK -1.266935 0.393123 -3.222744 0.0029
LN_RLS -9.405615 2.088794 -4.502892 0.0001
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.669896 Mean dependent var 8.387240 Adjusted R-squared 0.609877 S.D. dependent var 0.787879 S.E. of regression 0.492107 Akaike info criterion 1.577389 Sum squared resid 7.991599 Schwarz criterion 1.872942 Log likelihood -24.54777 Hannan-Quinn criter. 1.684251 F-statistic 11.16142 Durbin-Watson stat 1.319039 Prob(F-statistic) 0.000001
125
E. Random Effect General Least Square (GLS)
Dependent Variable: LN_MTKW
Method: Panel EGLS (Cross-section random effects) Date: 02/08/21 Time: 09:35
Sample: 2009 2018 Periods included: 10 Cross-sections included: 4
Total panel (balanced) observations: 40
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 17.03583 4.367712 3.900401 0.0004
LN_KEMISKINAN 1.040339 0.477371 2.179308 0.0359
LN_UMK 0.416024 0.223362 1.862556 0.0707
LN_RLS -9.007034 1.543561 -5.835229 0.0000
Effects Specification
S.D. Rho
Cross-section random 5.10E-07 0.0000
Idiosyncratic random 0.492107 1.0000
Weighted Statistics
R-squared 0.374146 Mean dependent var 8.387240 Adjusted R-squared 0.321992 S.D. dependent var 0.787879 S.E. of regression 0.648749 Sum squared resid 15.15151 F-statistic 7.173808 Durbin-Watson stat 0.845588 Prob(F-statistic) 0.000676
Unweighted Statistics
R-squared 0.374146 Mean dependent var 8.387240 Sum squared resid 15.15151 Durbin-Watson stat 0.845588
126 Lampiran 3 : Data Penelitian
Kabupaten/kota Tahun
MIGRASI
TKW KEMISKINAN UMK RLS LN_MTKW LN_KEMISKINAN LN_UMK LN_RLS
Karawang 2009 2.620 12.9 1.058.000 6.83 7.870929597 2.557227311
13.87189089 1.921324674 Karawang 2010 2.972 12.21 1.111.000 6.95 7.996990406 2.502255288
13.92077107 1.93874166 Karawang 2011 13.015 11.8 1.159.000 6.23 9.473857817 2.468099531
13.96306812 1.829376333 Karawang 2012 9.104 11.11 1.269.227 6.52 9.116469156 2.407845604
14.05391861 1.874874376 Karawang 2013 10.486 10.69 2.000.000 6.73 9.257796313 2.369308725
14.50865774 1.906575144 Karawang 2014 7.529 10.15 2.447.450 6.78 8.92651751 2.317473705
14.71055722 1.913977102 Karawang 2015 3.450 10.37 2.957.450 6.81 8.14612951 2.338917022
14.89983797 1.91839212 Karawang 2016 2.490 10.07 3.330.505 6.94 7.820037989 2.309560707
15.0186345 1.937301775 Karawang 2017 2.835 10.25 3.605.272 7.34 7.949797216 2.327277706
15.09790778 1.993338843 Karawang 2018 3.310 8.06 3.919.291 7.35 8.104703468 2.086913557
15.18142133 1.994700313
Cirebon 2009 1.408 18.22 765.000 6.67 7.249925537 2.902519892
13.54763111 1.89761986
Cirebon 2010 4.194 16.12 825.000 6.85 8.341410211 2.780060737
13.62313867 1.924248652
Cirebon 2011 15.845 15.56 906.190 5.97 9.670609272 2.744560105
13.71700428 1.786746927
Cirebon 2012 12.760 14.96 956.650 6.03 9.454070557 2.705379973
13.77119288 1.796747011 Cirebon 2013 14.049 14.65 1.081.300 6.08 9.550306498 2.684341429
13.89367458 1.805004696 Cirebon 2014 11.795 14.22 1.212.750 6.31 9.375430992 2.654649424
14.00840107 1.842135677
127 Kabupaten/kota Tahun
MIGRASI
TKW KEMISKINAN UMK RLS LN_MTKW LN_KEMISKINAN LN_UMK LN_RLS
Cirebon 2015 9.041 14.77 1.400.000 6.32 9.109525067 2.69289093
14.15198279 1.843719208 Cirebon 2016 8.534 13.49 1.592.220 6.41 9.051813464 2.601778998
14.28063983 1.857859271 Cirebon 2017 8.402 12.97 1.723.578 6.61 9.036225052 2.562638998
14.35991292 1.888583654
Cirebon 2018 9.974 10.7 1.873.701 6.62 9.207736986 2.370243741
14.44342618 1.89009537
Sukabumi 2009 963 11.78 650.000 6.54 6.870053412 2.466403178
13.38472764 1.877937165
Sukabumi 2010 2.533 10.65 671.500 6.88 7.83715965 2.365559892
13.41726929 1.928618652 Sukabumi 2011 10.879 10.28 850.000 6.07 9.294589604 2.330587943
13.65299163 1.803358605
Sukabumi 2012 6.966 9.79 885.000 6.32 8.848796451 2.281361457
13.69334292 1.843719208
Sukabumi 2013 8.271 9.24 1.201.020 6.32 9.0205107 2.223368771
13.99868175 1.843719208
Sukabumi 2014 6.413 8.81 1.565.922 6.36 8.766082459 2.17588744
14.26398535 1.850028377 Sukabumi 2015 2.526 8.96 1.940.000 6.51 7.834392303 2.192810556
14.47819853 1.873339456 Sukabumi 2016 1.432 8.13 2.195.435 6.74 7.266827348 2.096157055
14.60189076 1.908059925 Sukabumi 2017 1.389 8.13 2.376.558 6.79 7.236339343 2.096157055
14.68116378 1.915450942
Sukabumi 2018 1.201 8.13 2.583.556 6.8 7.090909822 2.096157055
14.7646773 1.916922612 Majalengka 2009 1.481 17.12 720.000 6.83 7.300472814 2.840247371
13.48700649 1.921324674 Majalengka 2010 1.795 15.52 763.000 6.84 7.492760301 2.742129515
13.54501331 1.922787732 Majalengka 2011 6.524 14.98 763.000 7.17 8.783242964 2.706776248
13.54501331 1.969905655
128 Kabupaten/kota Tahun
MIGRASI
TKW KEMISKINAN UMK RLS LN_MTKW LN_KEMISKINAN LN_UMK LN_RLS
Majalengka 2012 5.005 14.46 800.000 7.19 8.518192692 2.671386217
13.59236701 1.972691172 Majalengka 2013 5.587 14.07 850.000 7.27 8.628197749 2.644097266
13.65299163 1.983756292 Majalengka 2014 4.293 13.42 1.000.000 6.75 8.364741068 2.596746132
13.81551056 1.908989279 Majalengka 2015 2.953 14.19 1.264.000 6.8 7.990576882 2.652367495
14.04979185 1.916922612 Majalengka 2016 2.644 12.85 1.409.360 6.89 7.880048201 2.55352786
14.15864626 1.930071085
Majalengka 2017 2.444 12.6 1.525.632 6.9 7.80139132 2.533696814
14.23791931 1.931521412 Majalengka 2018 2.847 10.79 1.653.514 6.91 7.954021087 2.378619779
14.31841328 1.932969638