Hipotesis - SKRIPSI. Diajukan Kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Syarat Meraih G

Hipotesis merupakan hasil praduga sementara yang masih harus dibuktikan kebenarannya dengan alat uji analisis. Hipotesis disusun berdasarkan kebenarannya dan juga telah sesuai dengan kerangka pemikiran dan penelitian terdahulu (Ghozali:

2001). Berikut hipotesis dalam penelitian ini dengan menggunakan taraf signifikansi 0,05%.

Berdasarkan landasan teori di atas maka dirumuskan hipotesis sebagai berikut:

1. H1 : Ada pengaruh Kemiskinan secara parsial terhadap Migrasi Tenaga Kerja Kerja Wanita (TKW) di Kabupaten Karawang, Cirebon, Sukabumi dan Majalengka pada periode 2009-2018

2. H1 : Ada pengaruh Upah Minimum Kabupaten secara parsial terhadap Migrasi Tenaga Kerja Kerja Wanita (TKW) di Kabupaten Karawang, Cirebon, Sukabumi dan Majalengka pada periode 2009-2018

3. H1 : Ada pengaruh Rata-Rata Lama Sekolah secara parsial terhadap Migrasi

Tenaga Kerja Kerja Wanita (TKW) di Kabupaten Karawang, Cirebon, Sukabumi dan Majalengka pada periode 2009-2018

53 BAB III

METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian

Metode yang digunakan dalam penelitian ini adalah metode korelasional dengan menggunakan pendekatan kuantitatif, menurut Arikunto (2005) penelitian korelasional kuantitatif merupakan penelitian yang dimaksudkan untuk mengetahui ada tidaknya hubungan antara dua variabel atau beberapa variabel, penelitian dengan pendekatan kuantitatif adalah penelitian menggunakan pendekatan yang data-datanya numerikal dan diolah menggunakan ststistik (Arikunto, 2005). Tujuan dari penelitian ini ialah untuk mengetahui pengaruh variabel bebas yaitu Migrasi Tenaga Kerja Wanita Keluar Negeri terhadap variabel terikat yaitu Kemiskinan, Upah Minimum Kabupaten dan Rata-Rata Lama Sekolah.

Ruang Lingkup Penelitian mencakup tahun 2009 hingga 2018 pada 4 daerah industri di Jawa Barat yaitu kabupaten Karawang, Cirebon, Sukabumi dan Majalengka. Adapun penelitian ini berbentuk data panel yang mana merupakan data gabungan antara cross section dan time series metode Analisis yang digunakan adalah metode regresi data panel.

B. Metode Penentuan Sampel

Penentuan sampel dalam penelitian ini. yaitu dengan menggunakan purposive sampling. Hal ini dilakukan dengan cara mengambil sampel berdasarkan penilaian atau pertimbangan yang memenuhi persyaratan untuk dijadikan sampel. Sesuai dengan buku Metode Penelitian Sugiyono (2012) purposive sampling adalah teknik penentuan sampel dengan pertimbangan tertentu.

Pengambilan sampel didasarkan atas ciri-ciri, sifat-sifat, atau karakteristik yang menjadi ciri-ciri pokok dari populasi dan sampel yang diambil benar-benar yang paling banyak mewakili kriteria dari populasi. Berdasarkan penjelasan di atas, sampel penelitian ini mengambil studi kasus di Kabupaten Karawang, Cirebon Sukabumi dan Majalengka, tersebut menjadi daerah dengan jumlah Migrasi Tenaga Kerja Wanita terbanyak di daerah industri di Jawa Barat jika dibandingkan Kabupaten lain di Jawa Barat.

C. Metode Pengumpulan Data

Menurut Siregar (2013) data adalah informasi atau keterangan yang dapat menjelaskan sebuah fakta yang bersumber dari bahan yang diolah baik secara kualitatif maupun secara kuantitatif. Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk cross-section dan runtut waktu atau time series.

Pengumpulan data perlu dilakukan pada saat melakukan sebuah penelitian unuk mencapai tujuan dari penelitian tersebut. Berdasarkan sumber dan cara pengumpulannya. Data dibagi menjadi beberapa jenis, seperti data primer dan data sekunder. Dalam penelitian ini, peneliti menggunanakan data sekunder. Sehingga pengambilan data bukan dari hasil tinjauan langsung ke lapangan atau area penelitian. Pengumpulan data diperoleh dari lembaga- lembaga resmi terkait.

Data Migrasi Tenaga Kerja Indonesia di peroleh dari Badan Nasional Penempatan dan Perlindungan Tenaga Kerja Indonesia (BNP2TKI) dan Dinas Transmigrasi dan Tenaga Kerja Jawa Barat, digunakan untuk mengetahui jumlah atau besaran Tenaga Kerja Wanita yang melakukan migrasi ke luar negeri. Data Kemiskinan diperoleh dari BPS, digunakan untuk melihat gambaran mengenai

penyebaran pengeluaran diantara penduduk miskin. Data Upah Minimum Kabupaten diperoleh dari Surat Keputusan Gubernur Jawa Barat dan Pemerintah Kabupaen Karawang, digunakan untuk melihat minimum upah yang diterima di setiap wilayah Kabupaten/kota. Data terakhir Rata-rata Lama Sekolah diperoleh dari BPS, digunakan untuk mengetahui kualitas pendidikan di beberapa wilayah Kabupaten/kota.

D. Metode Analisis Data 1. Model Data Panel

Analisis data yang digunakan dalam penelitian ini yaitu analisis model data panel. Data panel merupakan gabungan antara data runtut waktu atau time series dan data silang atau cross-section. Data time series dalam penelitian ini adalah periode 2009-2018. Perhitungan data dalam penelitian ini dilakukan dengan bantuan program Eviews 10 dan Excel 2010.

Dalam penelitian ini terdapat satu variabel terikat yaitu Migrasi Tenaga Kerja Wanita (Y) dan tiga variabel bebas yaitu Kemiskinan (X1), Upah Minimum Kabupaten (X2), dan Rata-Rata Lama Sekolah (X3). Model persamaan yang telah diestimasi dalam penelitian ini adalah sebagai berikut:

MTKW𝑡 = 𝛽0 + 𝛽1KEMISKINAN𝑖𝑡 + 𝛽2UMK𝑖𝑡 + 𝛽3RLS𝑖𝑡 𝑒𝑖𝑡

Keterangan :

KEMISKINANi𝑡 : Kemiskinan di kabupaten i periode t

UMK𝑖𝑡 : Upah Minimum Kabupaten di kabupaten i periode t

RLS𝑖𝑡 : Rata-Rata Lama Sekolah di kabupaten i periode t MTKW𝑖𝑡 : Migrasi Tenaga Kerja Wanita di kabupaten i

periode t

𝛽0 : Konstanta

𝛽1 , 𝛽2 : Koefisien Regresi

𝑒𝑖𝑡 : error term di Kabupaten i periode t

Menurut Gujarati (2007), keunggulan menggunakan data panel dibandingkan dengan menggunakan data time series atau data cross section adalah:

a. Estimasi data panel dapat menunjukkan terjadinya heterogenitas dalam antar individu.

b. Dengan data panel, data yang digunakan lebih informatif, lebih bervariasi, dapat mengurangi kolinearitas antar variabel yang dipilih, meningkatkan derajat kebebasan (degree of freedom), dan lebih efisien.

c. Studi dengan menggunakan data panel lebih memuaskan dalam menentukan perubahan yang terjadi secara dinamis dibandingkan dengan studi berulang dari cross-section.

d. Data panel lebih mendeteksi dan mengukur efek yang secara umum tidak dapat dideteksi jika penelitian menggunakan data time-series atau cross section.

e. Data panel membantu studi untuk menganalisis perilaku yang lebih menyeluruh.

f. Data panel dapat meminimalkan kemungkinan bias yang dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak dan luas.

Menurut Widarjono (2007) terdapat keunggulan dalam menggunakan data panel jika dibandingkan dengan menggunakan data time series atau cross section, berikut:

a. Data panel yang merupakan gabungan antara dua data time series dan cross section akan mampu menyediakan lebih banyak data sehingga akan menghasilkan degree of freedom yang lebih besar.

b. Menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang mungkin timbul ketika ada masalah penghilangan variabel (ommited-variabel).

2. Model Estimasi

Dalam mengestimasi model regresi untuk data panel terdapat tiga macam pendekatan antara lain Pooled Least Square, Fixed Effect Model, dan Random Effect Model. Tiga macam pendekatan tersebut akan dijelaskan sebagai berikut:

a. Pooled Least Square atau Common Effect Model (CEM)

Teknik ini adalah teknik yang paling sederhana untuk mengestimasi data panel dibandingkan dua model lainnya. karena teknik ini mengkombinasi data time series dan cross section. Kemudian data ini digabungkan dan diperlakukan sebagai satu kesatuan pengamatan untuk mengestimasi model

dengan menggunakan metode OLS. Dengan menggabungkan data maka tidak dapat melihat perbedaan antar individu maupun antar waktu, dengan kata lain teknik ini tidak memperhatikan dimensi individu maupun waktu.

b. Fixed Effect Model (FEM)

Teknik ini juga dikenal sebagai Least Square Dummy Variable (LSDV).

Mengestimasi data panel dengan teknik ini menggunakan variabel dummy untuk melihat adanya perbedaan intersep antara individu atau cross section maupun antar waktu atau time series.

c. Random Effect Model (REM)

Pada Fixed Effect Model perbedaan antar individu dan waktu dicerminkan lewat intercept. Maka pada Random Effect Model. perbedaan tersebut diakomodasi lewat error. Teknik ini juga memperhitungan bahwa error mungkin berkorelasi sepanjang time series dan cross section.

Keuntungan dalam menggunakan teknik ini akan menghilangkan heteroskedastisitas. Model ini juga dikenal dengan Error Component Model (ECM) atau Generalized Least Square (GLS).

3. Estimasi Parameter

Estimasi merupakan suatu proses dengan menggunakan sampel statistik dengan tujuan untuk menduga atau menaksir hubungan parameter pada populasi yang tidak diketahui. Estimasi juga merupakan suatu pernyataan mengenai suatu parameter populasi yang dapat diketahui berdasarkan populasi dari sampel, dalam hal ini sampel random, yang diambil dari

populasi yang bersangkutan. Jadi dengan estimasi ini, keadaan parameter populasi dapat diketahui. Menurut Hasan (2017), ciri-ciri penduga yang baik adalah tidak bias (unbiased), efisien, dan konsisten. Terdapat dua estimasi parameter, yaitu:

a. Ordinary Least Square (OLS)

Estimasi kuadrat terkecil biasa (Ordinary Least Square) yaitu suatu metode bagian dari kuadrat terkecil dan sering hanya disebut kuadrat terkecil saja. Metode ini biasanya digunakan oleh para ilmuwan atau peneliti dalam proses penghitungan suatu persamaan regresi sederhana. Dalam penggunaan regresi, terdapat beberapa asumsi dasar yang dapat menghasilkan estimator linier tidak bias yang terbaik dari model regresi yang diperoleh dari metode kuadrat terkecil biasa atau biasa dikenal dengan regresi OLS agar taksiran koefisien regresi itu bersifat BLUE (Best Linier Unbiased Estimator). Misalkan:

𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1𝑖 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝜀𝑖

Keterangan:

𝑌𝑖 : Variabel terikat pengamatan ke –i; i = 1, 2,..., n 𝛽0 : Konstanta

𝛽1 : Parameter model ke –1 𝛽2 : Parameter model ke –2

𝑋1𝑖 : Variabel bebas ke –1 pengamatan ke –i

𝑋2𝑖 : Variabel bebas ke –2 pengamatan ke –i 𝜀𝑖 : Residual pengamatan ke –i

Dapat dijelaskan secara sederhana dengan notasi matriks sebagai berikut.

𝑌 = 𝑋𝛽 + 𝜀 Keterangan:

𝑌 : Matriks variabel terikat 𝑋 : Matriks variabel bebas 𝛽 : Matriks parameter model 𝜀 : Matriks residual

Dengan β sebagai suatu vektor kolom k-unsur dari penaksir parameter kuadrat terkecil biasa dan ε sebagai suatu vektor kolom n x 1 dari n residual (Gujarati: 1999). Variabel ε memiliki pengaruh lebih dalam model ekonometrika, akan tetapi variabel ini tidak dapat diteliti dan juga tidak memiliki informasi tentang bentuk distribusi kemungkinannya. Selain asumsi mengenai distribusi probabilitasnya, beberapa asumsi lainnya khususnya tentang sifat statistiknya perlu dibuat dalam menerapkan metode OLS (Rizki, 2011).

2. General Least Square (GLS)

Menurut Gujarati (2004) asumsi-asumsi yang harus dipenuhi dalam melakukan suatu estimasi model regresi linear adalah dengan Ordinary Least Square (OLS) antara lain adalah agar tidak terjadi autokolerasi yaitu 𝐸 (𝜀) = 0 dan heteroskedastisitas yaitu 𝑉𝑎𝑟 (𝜀) = 𝜎2 I . Apabila

asumsi-61

asumsi mengenai tidak adanya autokolerasi dan homoskedastisitas tidak terpenuhi, maka metode Ordinary Least Square (OLS) tidak lagi tepat digunakan untuk mengestimasi parameter pada model regresi linear.

Menurut Greene (1997), untuk menanggulangi permasalahan heteroskedastisitas dapat dilakukan dengan estimasi melalui pembobotan (weighted) yang dapat pula dikatakan sebagai kuadrat terkecil yang diberlakukan secara umum atau biasa disebut Generalized Least Squares (GLS). Permasalahan heteroskedastisitas ini sering muncul apabila data yang digunakan adalah merupakan data cross-section. Menurut Gujarati (2006), mengatakan bahwa untuk data panel, estimasi dengan Generalized Least Squares (GLS) ini akan lebih baik dan konsisten dibandingkan dengan menggunakan metode Ordinary Least Square (OLS). Estimasi Generalized Least Squares (GLS) juga dapat diaplikasikan pada model Fixed Effect dan Common Effect. Metode Generalized Least Squares (GLS) dapat digunakan untuk mengestimasi parameter ketika model regresi linear berbentuk:

𝑌 = 𝑋𝛽 + 𝜀

Keterangan:

𝑌 : Matriks variabel terikat 𝑋 : Matriks variabel bebas 𝛽 : Matriks parameter model 𝜀 : Matriks residual

Dengan 𝐸 (𝜀) = 0 , 𝑉𝑎𝑟 (𝜀) = 𝜎2 V dan V merupakan matriks berukuran 𝑛𝑥𝑛.

Pelanggaran asumsi dengan tidak adanya autokolerasi dan heteroskedastisitas akan diselesaikan dengan mentransformasi data pengamatan model regresi sehingga memenuhi asumsi-asumsi metode Ordinary Least Square (OLS). Matriks kovarians galat berbentuk 𝜎2 V dengan V merupakan matriks nonsingular dan definit positif sehingga terdapat matriks K simetris nonsingular berukuran nxn dengan K’K = KK

= V.

Didefinisikan variabel-variabel baru sebagai berikut, 𝐘∗ = 𝐊−𝟏𝐘 , 𝐗∗ = 𝐊−𝟏𝐗, 𝛆∗ = 𝐊−𝟏𝛆

Sehingga model regresi

𝒀 = 𝑿𝜷 + 𝜺 menjadi 𝑲−𝟏Y = 𝑲−𝟏 𝑿𝜷 + 𝑲−𝟏ε atau 𝒀∗ = 𝑿∗𝜷 + 𝜺

Galat pada model yang ditransformasikan memiliki nilai harapan nol, yaitu:

𝑬 (𝜺∗) = 𝑲−𝟏𝑬 (𝜺) = 𝟎

Dengan demikian, matriks kovariansi dari 𝜀∗ dapat ditulis sebagai berikut ini:

𝐕𝐚𝐫 (𝛆∗) = 𝐄{[𝛆∗ – 𝐄 (𝛆∗)] [𝛆∗ – 𝐄 (𝛆∗) ]T}

= 𝐄 (𝛆∗ 𝛆∗T)

= 𝐄 (𝐊−𝟏𝛆𝛆T𝐊−𝟏)

= 𝐊−𝟏𝐄 (𝛆𝛆T) 𝐊−𝟏

= 𝛔𝟐𝐊−𝟏𝐕𝐊−𝟏

= 𝛔𝟐𝐊−𝟏 𝐊 𝐊 𝐊−𝟏

= 𝛔𝟐𝐈

Setelah ditransformasi ternyata model regresi memenuhi asumsi regresi klasik tidak adanya autokorelasi yaitu E (𝛆∗) = 0 dan homoskedasitas Var (𝛆∗) = σ2I. Dengan demikian dapat digunakan langkah-langkah pada metode OLS untuk mencari parameter model regresi metode GLS.

Akan dicari estimator dari parameter yang meminimumkan bentuk kuadrat berikut:

𝐒 (𝛃) = 𝛆∗T 𝛆∗ = ( 𝐘∗ – 𝐗∗ 𝛃 )T ( 𝐘∗ – 𝐗∗ 𝛃 )

= (𝐘∗𝐓 − 𝛃𝐓𝐗∗𝐓)(𝐘∗ − 𝐗∗𝛃)

= 𝐘∗𝐓𝐘∗ − 𝐘∗𝐓𝐗∗𝛃 − 𝛃𝐓𝐗∗𝐓𝐘∗ + 𝛃𝐓𝐗∗𝐓𝐗∗𝛃

Analogi dengan metode OLS, diperoleh persamaan normal metode GLS dalam lambang matriks berbentuk :

(𝑿 ∗𝑻 𝑿∗)𝜷 = 𝑿 ∗𝑻 𝒀∗

( (𝐊−𝟏 𝐗 )𝐓 (𝐊−𝟏 𝐗 ) ) 𝛃̂ =(𝐊−𝟏 𝐗 )𝐓𝐊−𝟏 𝐘 𝐗 𝐓 (𝐊−𝟏) 𝐓 𝐊−𝟏 𝐗 𝛃̂ = 𝐗 𝐓 (𝐊−𝟏) 𝐓 𝐊−𝟏 𝐘

( (𝐊𝐓𝐊)−𝟏 𝐗 ) 𝛃̂ =𝐗𝐓 (𝐊𝐓𝐊)−𝟏𝐘 ( 𝐗𝐓 𝐕−𝟏 𝐗 ) 𝛃̂

=𝐗𝐓 𝐕−𝟏 𝐘

(𝐗𝐓 𝐕−𝟏 𝐗)−𝟏( 𝐗𝐓 𝐕−𝟏 𝐗 ) 𝛃̂ = (𝐗𝐓 𝐕−𝟏 𝐗)−𝟏 𝐗𝐓 𝐕−𝟏 𝐘

𝐈𝛃̂ = (𝐗𝐓 𝐕−𝟏 𝐗)−𝟏 𝐗𝐓 𝐕−𝟏 𝐘

𝛃̂ = (𝐗𝐓 𝐕−𝟏 𝐗)−𝟏 𝐗𝐓 𝐕−𝟏 𝐘

Sehingga diperoleh estimasi GLS yaitu:

𝛃̂ 𝐆𝐋𝐒 = (𝐗𝐓 𝐕−𝟏 𝐗)−𝟏 𝐗𝐓 𝐕−𝟏

Yang bersifat tidak bias, varian minimum dan konsisten. Akan dibandingkan antara kedua estimator tersebut untuk mengetahui estimator apakah yang terbaik menurut sifat-sifat estimator.

Dari hasil perbandingan estimator OLS dan GLS berdasarkan sifat estimator, diketahui bahwa estimator OLS dan GLS memenuhi sifat estimator tak bias dan konsisten. Namun, jika dibandingkan dengan sifat variansi minimum bahwa GLS lebih efisien karena memliki variansi lebih minimum sehingga metode GLS lebih dapat digunakan untuk melakukan estimasi parameter. GLS (Generalized Least Square) sebagai salah satu bentuk dari pengembangan estimasi least square, merupakan bentuk estimasi yang dibuat untuk mengatasi sifat heteroskedastisitas yang memiliki kemampuan untuk mempertahankan sifat efisiensi estimatornya tanpa harus kehilangan sifat unbiased dan konsistensinya. Walaupun metode ini merupakan pengembangan Ordinary Least Square untuk

mengatasi heteroskedastisitas, namun metode ini juga bisa digunakan pada data yang homoskedastisitas

Estimasi GLS dapat mengambil informasi yang lebih eksplisit sehingga mampu memproduksi BLUE. Penggunaan estimasi GLS juga sudah memenuhi untuk uji asumsi klasik sehingga tidak diperlukan uji asumsi klasik pada estimasi GLS. Sementara itu menurut Sedyadi (2014), metode estimasi yang menggunakan metode Generalized Least Square (GLS), dapat mengabaikan persoalan pelanggaran-pelanggaran asumsi klasik.

4. Langkah untuk Menentukan Estimasi Data Panel

Diperlukan beberapa tahapan yang dilakukan dalam melakukan uji spesifikasi. Karena tiga macam pendekatan yang telah dijelaskan sebelumnya adalah sebuah asumsi yang sudah ditetapkan untuk melakukan uji spesifikasi terlebih dahulu terhadap data panel yang telah didapatkan.

Maka dari itu, ada beberapa tahapan uji spesifikasi, diantaranya adalah uji Chow, uji Hausman, dan uji Lagrange Multiplier (LM test). Ketika menetapkan bentuk asumsi yang paling tepat, diperlukan juga menetapkan metode estimasi yang paling tepat diantaranya estimasi Ordinary Least Square (OLS), jika model diasumsikan tidak memiliki masalah pada heteroskedastis. Namun, jika terdapat masalah pada heteroskedastis maka memakai estimasi General Least Square (GLS)

Sebelum menentukan model mana yang terbaik, perlu dilakukan uji spesifikasi model terlebih dahulu. Uji spesifikasi model tersebut antara lain:

66 a) Uji Chow

Uji ini digunakan untuk mengetahui model mana yang lebih baik dalam mengestimasi data panel, apakah Pooled Least Square atau Fixed Efffect Model. Hipotesis yang digunakan dalam Uji Chow adalah sebagai berikut:

H0 : Pooled Least Square H1 : Fixed Effect Model

Jika nilai probabilitas < α maka tolak H0 atau menerima H1. berarti model yang tepat digunakan untuk mengestimasi data panel adalah Fixed Effect Model (FEM). Sebaliknya, jika probabilitas ˃ α maka terima H0 atau tolak H1, berarti model yang tepat digunakan untuk mengestimasi data panel adalah Pooled Least Square (PLS). Tingkat signifikan yang digunakan dalam penelitian ini adalah 5 %.

b) Uji Hausman

Uji ini digunakan untuk mengetahui model mana yang lebih baik dalam mengestimasi data panel, apakah Random Effect Model atau Fixed Efffect Model. Hipotesis yang digunakan dalam Uji Hausman adalah sebagai berikut:

H0 : Random Effect Model H1 : Fixed Effect Model

Jika nilai probabilitas < α maka tolak H0 atau menerima H1. berarti model yang tepat digunakan untuk mengestimasi data panel adalah Fixed Effect

Model (FEM). Sebaliknya, jika probabilitas ˃ α maka terima H0 atau tolak H1, berarti model yang tepat digunakan untuk mengestimasi data panel adalah Random Effect Model (REM). Tingkat signifikan yang digunakan dalam penelitian ini adalah 5 %.

5. Uji Hipotesis

a. Uji F Statistik (Uji Simultan)

Uji F satistik digunakan untuk mengetahui apakah variabel- variabel Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah secara bersama-sama berpengaruh terhadap variabel Migrasi Tenaga Kerja Wanita (TKW). Hipotesis Uji F statistik adalah sebagai berikut:

H0 : β1=β2=β3=β4=β5 = 0

Artinya variabel-variabel independen yaitu Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah secara simultan atau bersama-sama tidak memiliki pengaruh yang signifikan terhadap variabel Migrasi Tenaga Kerja Wanita (TKW)

H1 : β1≠β2≠β3≠β4≠β5 ≠ 0

Artinya variabel-variabel independen yaitu yaitu Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah secara simultan atau bersama-sama memiliki pengaruh yang signifikan terhadap variabel Migrasi Tenaga Kerja Wanita (TKW)

Dalam penelitian ini tingkat signifikan yang digunakan adalah 5%.

Jika nilai probabilitas < α = 5% (0.05) maka tolak H0 terima H1, yang

berarti variabel independen secara simultan atau bersama- sama memiliki pengaruh yang signifikan terhadap variabel dependen. Sebaliknya, jika nilai probabilitas ˃ α = 5% (0.05) maka terima H0 tolak H1, yang berarti variabel independen secara simultan atau bersama-sama tidak memiliki pengaruh yang signifikan terhadap variabel dependen.

b. Uji t (Uji Parsial)

Uji t adalah pengujian yang bertujuan untuk mengetahui apakah koefisien regresi signifikan atau tidak pada masing-masing variabel independen. Dengan Uji t pada dua sisi dikemukakan hipotesis sebagai berikut :

H0 : β1 = 0 H0 : β2 = 0 H0 : β3 = 0 H0 : β4 = 0 H0 : β5 = 0

Artinya variabel-variabel Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah secara secara parsial tidak memiliki pengaruh yang signifikan terhadap variabel Migrasi Tenaga Kerja Wanita (TKW)

H1 : β1 ≠ 0 H1 : β2 ≠ 0

69 H1 : β3 ≠ 0

H1 : β4 ≠ 0 H1 : β5 ≠ 0

Artinya variabel-variabel Kemiskinan, Upah Minimum Kabupaten, dan Rata-rata Lama Sekolah secara secara parsial memiliki pengaruh yang signifikan terhadap variabel Migrasi Tenaga Kerja Wanita (TKW)

Dalam penelitian ini tingkat signifikan yang digunakan adalah 5%.

Jika nilai probabilitas < α = 5% (0.05) maka tolak H0 terima H1, yang berarti variabel independen secara parsial memiliki pengaruh yang signifikan terhadap variabel dependen. Sebaliknya, jika nilai probabilitas

˃ α = 5% (0.05) maka terima H0 tolak H1. yang berarti variabel independen secara parsial tidak memiliki pengaruh yang signifikan terhadap variabel dependen.

c. Uji Koefisien Determinasi R-squared (R2)

Pengukuran kecocokan model dilakukan dengan memperhatikan besarnya koefisien determinisai (R²). model dianggap baik atau cocok apabila R²=1. R² sekaligus menunjukkan besar pengaruh semua variabel independen terhadap variabel dependen. Nilai R² akan meningkat dengan bertambahnya jumlah variabel independen, derajat bebas akan semakin kecil, karena itu dipergunakan R² Adjusted yang sudah mempertimbangkan derajat bebas, disamping itu dapat pula diketahui koefisien determinasi parsial (r2) yang menunjukan seberapa besar

kemampuan masing- masing variabel bebas mempengaruhi variabel terikat.

Jika nilai R² mendekati angka nol berarti kemampuan variabel- variabel bebas atau variabel independen (X) tidak dapat mempengaruhi variabel terikat atau variabel dependen (Y). Jika nilai R² mendekati angka satu berarti variabel-variabel bebas atau variabel independen (X) dapat mempengaruhi variabel terikat atau variabel dependen (Y).

E. Definisi Operasional Variabel Penelitian

Berdasarkan dari permasalahan dalam penelitian ini, maka definisi operasional variabel penelitian dapat dijelaskan sebagai berikut:

Tabel 3. 1

Definisi Operasional Variabel Penelitian

Variabel Variabel Definisi Satuan

Dependen Migrasi Tenaga Kerja

Migrasi adalah perpindahan penduduk atau individu dari daerah asal ke daerah tujuan dengan melewati batas politik atau administrasi untuk tujuan tertentu, sedangkan dan/atau batas bagian daerah. Tenaga Kerja adalah penduduk yang sudah memasuki usia kerja dan mampu melakukan pekerjaan guna menghasilkan barang dan/atau jasa untuk memenuhi kebutuhan sendiri maupun orang

lain.

Jiwa

Independen Kemiskinan Kemiskinan adalah suatu kondisi ketidakmampuan

Persen

dalam memenuhi

kebutuhan dasar sandang dan papan.

Independen Upah Minimum Kabupaten

Upah Minimum Kabupaten/Kota adalah Upah Minimum yang berlaku di dalam wilayah 1 (satu) kabupaten/kota, UMK ditentukan oleh gubernur atas persetujuan dewan pengupahan yang terdiri dari Perangkat daerah kabupaten/kota,oragnisasi

pengusaha, serikat pekerja atau buruh dan pakar perguruan tinggi.

penentuan UMK harus lebih besar dari Upah Minimum Provinsi.

Rupiah

Independen Rata-rata Lama Sekolah (RLS)

RLS sebagai jumlah tahun untuk menempuh atau menamatkan pendidikan formal pada usia 25 tahun ke atas

Tahun

72 BAB IV

TEMUAN DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian

Kabupaten Karawang secara geografis terletak antara 107ô02 – 107ô40 BT dan 5ô56 – 6ô34 LS. Luas wilayah Kabupaten Karawang ± 1.753,27 km2 atau 175.327 Ha, 3,73 % dari luas provinsi Jawa Barat. Kabupaten Karawang memiliki jumlah penduduk sebanyak 2.336.009 jiwa, dengan rata-rata laju pertumbuhan penduduk (LPP) sebesar 0,84%.

Gambar 4. 1

Peta Kabupaten Karawang

Sumber: BPS Kabupaten Karawang, 2020

Kabupaten Karawang memiliki potensi industri yang cukup memadai, karena Kabupaten Karawang merupakan salah satu daerah industri yang ada di Jawa Barat. Industri di Kabupaten Karawang dikembangkan di lahan seluas 13.718 Ha atau 7,85 % dari luas Kabupaten Karawang (Pemkab Karawang, 2020).

Berdasarkan data BPS pada tahun 2018 jumlah industri yang ada di Kabupaten

Karawang sebanyak 10.548 jumlah tersebut masuk kedalam kategori industri kecil, menengah dan besar.

Selanjutnya ialah Kabupaten Cirebon. Kabupaten Cirebon merupakan bagian dari wilayah Provinsi Jawa Barat yang terletak dibagian timur dan merupakan batas, sekaligus sebagai pintu gerbang Provinsi Jawa Tengah. Secara geografis Kabupaten Cirebon berada pada posisi 108ô40’ – 108ô48’ Bujur Timur dan 6ô30’

– 7^o00’ Lintang Selatan, memiliki luas wilayah 990,36 Km2 dengan jumlah penduduk 2.352.948 jiwa.

Gambar 4. 2 Peta Kabupaten Cirebon

Sumber: BPS Kabupaten Cirebon, 2020

Berdasarkan letak geografisnya, Kabupaten Cirebon memiliki posisi yang strategis (geo-strategic) yaitu sebagai daerah penyanggah (hinterland) Pusat Kegiatan Nasional (PKN) dan bagian dari pengembangan Metropolitan Cirebon Raya, selain itu Kabupaten Cirebon berada di pantai Utara Jawa yang membentang jalan arteri primer dan jalan kolektor primer sebagai penghubung

antara Jakarta dengan kota-kota besar di wilayah Jawa dan kota-kota di sekitar Cirebon. Hal ini ditunjukkan dengan adanya ruas jalan bebas hambatan (jalan tol) Cikampek-Palimanan (Cipali), Palimanan-Kanci (Palikanci), dan Kanci-Pejagan jalan tol ini bagian dari jalan tol lintas Jawa. Sebagai bagian dari koneksi integral pengembangan wilayah regional Jawa Barat dan Nasional, Kabupaten Cirebon memiliki potensi pengembangan wilayah cukup prospektif, salah satunya adalah pengembangan kawasan industri, agroindustri, industri kecil dan mikro sesuai dengan potensi alam dan sumber daya manusia. (Pemprov Jawa Barat, 2018).

Selanjutnya ialah Kabupaten Sukabumi. Secara geografis terletak di antara 6ô 57’ - 7ô25’ Lintang Selatan dan 106ô49’ - 107ô00’ Bujur Timur, Berbatasan langsung dengan Kabupaten Bogor di bagian utara, Kabupaten Cianjur di sebelah timur, Kabupaten Lebak di bagian barat, dan Samudera Hindia di sebelah selatan

Dalam dokumen SKRIPSI. Diajukan Kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Syarat Meraih Gelar Sarjana Ekonomi (S.E) (Halaman 67-0)