3.1. Waktu dan Lokasi Penelitian
Penelitian dilakukan pada bulan April-Juli 2009, dengan melakukan studi kasus pada salah satu daerah yang menjadi tempat pelaksanaan Program Ikhtiar, yaitu di Desa Ciaruteun Ilir, Kecamatan Cibungbulang, Kabupaten Bogor.
Pemilihan lokasi selain berdasarkan rekomendasi dari pihak pelaksana Program Ikhtiar, juga karena Desa Ciaruteun Ilir termasuk salah satu desa yang memiliki tingkat kemiskinan yang tinggi.
3.2. Jenis dan Sumber Data
Penelitian ini menggunakan data primer dan sekunder. Data primer diperoleh melalui wawancara langsung dengan responden, yaitu mustahiq yang menjadi anggota Program Ikhtiar di Desa Ciaruteun Ilir. Sedangkan data sekunder diperoleh dari BPS, Pemerintah Desa Ciaruteun Ilir, Baytul Maal Bogor, Yayasan Peramu, Koperasi BAIK, serta literatur seperti buku, jurnal, maupun informasi dari media elektronik.
3.3. Sampel Penelitian
Responden yang menjadi sampel dalam penelitian ini berjumlah 45 orang yang merupakan anggota Program Ikhtiar di Desa Ciaruteun Ilir. Penarikan sampel dilakukan dengan menggunakan metode purposive sampling, yaitu berdasarkan pertimbangan mengenai beberapa karakteristik terkait anggota
sampel yang diperlukan untuk menjawab tujuan penelitian (Juanda, 2007). Dalam hal ini, anggota Program Ikhtiar yang menjadi sampel penelitian adalah anggota yang mengajukan pembiayaan terakhirnya dalam Program Ikhtiar untuk modal kerja. Teknik penarikan sampel pada penelitian ini dapat dilihat pada Gambar 3.1.
Gambar 3.1. Teknik Penarikan Sampel Penelitian
3.4. Metode Analisis Data 3.4.1. FGT Index
Alat analisis kemiskinan yang digunakan dalam penelitian ini adalah FGT Index (Foster, Greer, dan Thorbecke, 1984) dengan menggunakan = 0, = 1, dan = 2. Ketika = 0, ukuran ini sama dengan headcount ratio (H); ketika = 1, menunjukkan ukuran indeks kedalaman kemiskinan/poverty depth index (P1);
dan ketika = 2, ukurannya sama dengan indeks keparahan kemiskinan/poverty tingkat kemiskinan di Desa Ciaruteun Ilir
tergolong tinggi
Purposive sampling: anggota Program Ikhtiar yang pembiayaan terakhirnya
ditujukan untuk modal kerja
Dimana: P = indeks kemiskinan
(dengan 0 merupakan parameter ‘penghindaran kemiskinan’ yang memberikan bermacam pembobotan pada perbedaan pendapatan setiap individu yang miskin dan garis kemiskinan)
n = jumlah observasi
q = jumlah orang yang berada di bawah garis kemiskinan z = garis kemiskinan
yi = pendapatan orang miskin ke-i
a. Headcount Ratio (H)
Headcount Ratio (H) merupakan indikator kemiskinan yang paling sederhana, yang mengukur jumlah orang miskin sebagai persentase dari populasi yang diobservasi. Kategori miskin didasarkan pada standar garis kemiskinan.
Seseorang dikategorikan miskin jika pendapatannya berada di bawah garis kemiskinan. Pada penelitian ini, garis kemiskinan yang digunakan adalah garis kemiskinan yang dikeluarkan oleh BPS. Pada FGT Index, headcount ratio merupakan indikator kemiskinan ketika nilai = 0, sehingga formula untuk mengukur headcount ratio dapat ditulis sebagai berikut:
Dimana: H = headcount ratio
P
0=
q = jumlah orang yang berada di bawah garis kemiskinan n = jumlah observasi
Penggunaan headcount ratio sebagai alat analisis dalam penelitian ini bertujuan untuk menggambarkan jumlah orang miskin yang dapat dikurangi melalui pendayagunaan ZIS produktif dalam Program Ikhtiar. Semakin kecil nilai headcount ratio, maka jumlah penduduk miskin semakin sedikit. Pengukuran kemiskinan dengan menggunakan headcount ratio telah memenuhi aksioma fokus, namun informasi kemiskinan yang diberikan masih sangat terbatas karena tidak bisa memberikan informasi ‘seberapa miskin’ orang miskin itu (aksioma kesamaan), serta tidak memperhatikan aspek distribusi pendapatan/pengeluaran di antara masyarakat miskin (aksioma transfer).
b. Indeks Kedalaman Kemiskinan (P1)
Indeks kedalaman kemiskinan atau dikenal juga sebagai poverty gap (PG) menunjukkan kesenjangan/selisih antara pendapatan orang miskin dengan garis kemiskinan, sehingga dapat menggambarkan ‘seberapa miskin’ orang miskin tersebut. Semakin kecil nilai indeks kedalaman kemiskinan, maka semakin kecil pula jarak antara pendapatan masyarakat miskin dengan garis kemiskinan. Indeks kedalaman kemiskinan ini merupakan bagian dari pengukuran FGT Index ketika nilai = 1. Formula untuk mengukur indeks kedalaman kemiskinan adalah sebagai berikut:
Dimana: P1 = indeks kedalaman kemiskinan
P
1=
n = jumlah observasi
q = jumlah orang yang berada di bawah garis kemiskinan z = garis kemiskinan
yi = pendapatan orang miskin ke-i
Analisis kemiskinan dengan menggunakan indeks kedalaman kemiskinan telah memenuhi aksioma fokus dan kesamaan, namun masih belum bisa memenuhi aksioma transfer sehingga belum bisa menggambarkan bagaimana distribusi pendapatan/pengeluaran di antara masyarakat miskin.
c. Indeks Keparahan Kemiskinan (P2)
Indeks keparahan kemiskinan menggambarkan ketimpangan pendapatan antar penduduk miskin. Semakin kecil nilai indeks keparahan kemiskinan, maka distribusi pendapatan di antara masyarakat miskin semakin merata. Indeks keparahan kemiskinan merupakan sebuah ukuran tentang keparahan kemiskinan yang telah digunakan secara luas dengan menggunakan niali = 2, sehingga formulanya dapat ditulis sebagai berikut:
Dimana: P2 = indeks keparahan kemiskinan
n = jumlah observasi
q = jumlah orang yang berada di bawah garis kemiskinan z = garis kemiskinan
yi = pendapatan orang miskin ke-i
P
2Indeks keparahan kemiskinan merupakan alat untuk mengukur kemiskinan yang lebih komprehensif dibanding menggunakan headcount ratio dan indeks kedalaman kemiskinan. Analisis kemiskinan dengan menggunakan indeks keparahan kemiskinan telah mampu memenuhi aksioma kesamaan, fokus, dan transfer.
3.4.2. Analisis Regresi Linier Berganda
Metode analisis yang digunakan untuk mengetahui pengaruh program Ikhtiar terhadap pendapatan per kapita mustahiq adalah metode regresi linier berganda dengan menggunakan metode estimasi kuadrat terkecil atau Ordinary Least Square (OLS). Pengolahan data dilakukan dengan menggunakan program E-Views 6 dan Microsoft Excel 2007. Model yang digunakan untuk menganalisis pengaruh program Ikhtiar terhadap pendapatan per kapita mustahiq adalah sebagai berikut:
YKapi = 0 + 1Mi + 2PYDi + 3PUBi + 4Tgi+ 5DKi + 5DP1i + 5DP2i +
5DP3i + i
Dimana :
YKapi = Pendapatan per kapita mustahiq ke-i (Rp/bulan)
Mi = Besarnya modal kerja dari Program Ikhtiar yang diterima oleh mustahiq ke-i (Rp/periode pembiayaan)
PYDi = Banyaknya mustahiq ke-i melakukan pembiayaan selama mengikuti Program Ikhtiar
PUBi = Pendapatan mustahiq ke-i yang berasal dari usaha yang menggunakan modal dari Program Ikhtiar (Rp/bulan)
Tgi = Jumlah tanggungan mustahiq ke-i (jiwa)
DKi = Variabel dummy keaktifan bekerja mustahiq ke-i DK bernilai 1 jika mustahiq ikut aktif bekerja
DK bernilai 0 jika mustahiq hanya menjadi ibu rumah tangga DPi = Variabel dummy tingkat pendidikan mustahiq ke-i
DP1 bernilai 1 untuk tingkat pendidikan SD, dan bernilai 0 untuk yang lain.
DP2 bernilai 1 untuk tingkat pendidikan SLTP, dan bernilai 0 untuk yang lain.
DP3 bernilai 1 untuk tingkat pendidikan SLTA, dan bernilai 0 untuk yang lain.
i = Error term
0 = Konstanta
1,.., 5 = Koefisien masing-masing variabel bebas
a. Pengujian Kriteria Statistik 1) Uji F
Statistik uji F digunakan untuk menguji model secara keseluruhan sehingga dapat dilihat bagaimana variabel bebas mempengaruhi variabel tak bebas secara keseluruhan. Apabila nilai probabilitas F-statistik lebih kecil dari taraf nyata yang digunakan, maka secara statistik telah dibuktikan bahwa model tersebut dapat menjelaskan keragaman variabel tak bebas yang hendak diukur. Jadi, dapat disimpulkan bahwa pada model tersebut terdapat minimal satu variabel bebas
yang dapat menjelaskan keragaman yang terjadi pada variabel bebas yang hendak diukur.
2) Uji Koefisien Determinasi
Koefisien determinasi (R2) mengukur persentase kemampuan variabel bebas dalam menerangkan keragaman yang terjadi pada variabel tak bebas. Nilai R2 yang semakin mendekati 1 menunjukkan bahwa model regresi yang dihasilkan semakin baik. Namun, pengukuran menggunakan R2 memiliki kelemahan apabila dilakukan pada model regresi berganda, yaitu nilai R2 akan selalu meningkat apabila dilakukan penambahan variabel bebas ke dalam model (Pindyck dan Rubinfeld, 1983). Oleh karena itu, pengukuran goodness of fit suatu model regresi berganda sebaiknya menggunakan koefisien determinasi yang telah disesuaikan (adjusted R-squared). Berbeda dengan nilai R2 yang selalu meningkat apabila dilakukan penambahan variabel bebas pada model, nilai adjusted R-squared justru dapat menurun apabila terjadi penambahan variabel bebas yang tidak diperlukan pada model regresi berganda tersebut.
3) Uji t
Jika dalam uji F disimpulkan bahwa model secara signifikan dapat menjelaskan keragaman variabel tak bebas yang hendak diukur, maka selanjutnya dilakukan statistik uji t untuk melihat variabel mana yang memiliki pengaruh nyata terhadap variabel tak bebas yang hendak diukur. Jika nilai probabilitas t-statistik lebih kecil dari taraf nyata yang digunakan, maka secara t-statistik telah dibuktikan bahwa variabel bebas tersebut berpengaruh secara nyata terhadap variabel tak bebas yang hendak diukur.
b. Pengujian Kriteria Ekonometrik 1) Multikolinearitas
Uji multikolinearitas merupakan pengujian yang dilakukan untuk melihat apakah terdapat hubungan linear di antara variabel-variabel bebas dalam model regresi. Gejala multikolinearitas dalam suatu model akan menimbulkan beberapa konsekuensi (Gujarati, 1995), diantaranya:
(i) Meskipun penaksir OLS mungkin bisa diperoleh, tetapi standard error cenderung semakin besar dengan meningkatnya korelasi antara variabel.
(ii) Standard error dari parameter dugaan akan sangat besar sehingga selang keyakinan untuk parameter populasi yang relevan cenderung lebih besar.
(iii) Jika korelasi antara variabel bebas tergolong tinggi, kemungkinan probabilitas untuk menerima hipotesis yang salah menjadi besar.
(iv) Standard error akan semakin besar dan sensitif bila ada perubahan data.
(v) Tidak memungkinkan untuk mengisolasi pengaruh individual dari variabel bebas.
Salah satu cara untuk mendeteksi ada tidaknya multikolinearitas dalam suatu model adalah melalui correlation matrix. Jika terdapat koefisien korelasi antarvariabel bebas yang lebih besar dari |0,8| (rule of thumb), maka dapat disimpulkan bahwa terjadi masalah multikolinearitas pada model regresi tersebut.
2) Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk melihat apakah varians residual bersifat tidak konstan. Jika varians bersifat tidak konstan, maka timbul gejala heteroskedastisitas yang akan menyebabkan tidak efisiennya proses estimasi, sementara hasil estimasinya sendiri masih konsisten dan tak bias. Selain itu, konsekuensi dari adanya gejala heteroskedastisitas adalah mengakibatkan uji t-statistik dan uji F-t-statistik menjadi tidak berarti. Salah satu cara untuk menguji gejala heteroskedastisitas dalam sebuah model regresi adalah dengan melakukan uji White Heteroskedasticity Test. Apabila nilai probabilitas Obs*R-Squared lebih besar dari taraf nyata yang digunakan, maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas dalam model regresi.