Analisis Kestabilan Model Penghilangan Polutan Anorganik dengan Menggunakan Jamur
PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI DENGAN PENDEKATAN SPASIAL DATA PANEL
5. HASIL PENELITIAN
Gambar 5.1 menunjukkan nilai PDRB sektor industri di Provinsi Jawa Tengah, wilayah-wilayah yang memiliki nilai PDRB tinggi adalah Cilapcap, Kota Semarang dan Kudus. Sedangkan Kota
Magelang, Rembang dan Grobogan
merupakan wilayah-wilayah yang
memiliki nilai PDRB sektor industri rendah.
Sumber : Diolah dari data Kabupaten-Kota dalam Angka BPS Provinsi Jawa Tengah tahun 2013 Gambar 5.1 PDRB sektor industri berdasarkan kabupaten dan kota tahun 2013
Hasil estimasi dibagi menjadi dua bagian yakni estimasi parameter spasial lag
dan spasial eror, masing-masing fixed
effect dan random effect.
Tabel 5.1 Estimasi Parameter Model SAR Spatial panel fixed effects lag model
Parameter Koef P-Value
Tenaga kerja 6.48 0.25
Upah 7.17 0.00
Rho -0.12 0.36
Sumber : Hasil pengolahan
Tabel 5.2 Estimasi Parameter Model SAR Spatial panel random effects lag model
Parameter Koef P-Value
Intersep -1.91 0.36
Tenaga kerja 9.60 0.15
Upah 8.06 0.00
Rho -0.25 0.00
Sumber : Hasil pengolahan
Tabel 5.3 Estimasi Parameter Model SEM Spatial panel fixed effects lag model
Parameter Koef P-Value
Tenaga kerja 6.45 0.26
Upah 6.47 0.00
Lamda -0.02 0.85
Sumber : Hasil pengolahan
Tabel 5.4 Estimasi Parameter Model SEM Spatial panel random effects lag model
Parameter Koef P-Value
Intersep -1.89 0.36 Tenaga kerja industry 9.18 0.16 Upah 6.53 0.00 Lamda -0.24 0.16 PATI BLORA CILACAP BREBES WONOGIRI GROBOGAN TEGAL DEMAK KEBUMEN JEPARA KENDAL BANYUMAS SRAGEN BOYOLALI BATANG REMBANG PEMALANG MAGELANG SEMARANG KLATEN PURWOREJO WONOSOBO BANJARNEGARA PEKALONGAN KUDUS TEMANGGUNG PURBALINGGA KARANGANYAR KOTA TEGAL 60 0 60 120 Miles N E W S 86172 - 1231387 1231388 - 3897989 3897990 - 6584290 6584291 - 25320526 25320527 - 66974096
56 Untuk memilih model fixed atau
random effect menggunakan uji Hausman. Berdasarkan uji Hausman untuk model
diatas adalah chisq = 2.7881, df = 2, p-value = 0.2481. Artinya, terima H0 (P-
value <0,05). Dengan demikian, model adalah model random effect dengan
menggunakan W queen contiguity.
Berdasarkan analisis di atas, dapat
disimpulkan bahwa Rho berperan penting
pada pemodelan SAR panel random
effects. Selain itu, variabel upah pada PDRB sektor industri berperan penting dengan taraf signifikan 5 persen. Artinya, PDRB sektor industri di suatu wilayah, dipengaruhi oleh nilai upah tenaga kerja sektor industri wilayah tersebut serta wilayah lain yang berdekatan.
6. KESIMPULAN
Berdasarkan hasil pemodelan pada data PDRB sektor industri di Jawa Tengah
dapat disimpulkan bahwa, Rho berperan
penting pada pemodelan SAR panel
random effects. Selain itu, variabel upah tenaga kerja sektor industri berperan penting pada taraf signifikan 5 persen. Artinya, PDRB sektor industri di suatu wilayah, dipengaruhi oleh nilai upah tenaga kerja sektor industri wilayah
tersebut serta wilayah lain yang
berdekatan.
7. DAFTAR PUSTAKA
[1] Baltagi B.H, Econometrics Analysis
of Panel Data, 3rd edition,
Chichester, England : John Wiley & Sons Ltd, 2005.
[2] Greene W.H, Econometrics analysis,
Third Edition, USA :Prentice Hall International, Inc, 2003
[3] Elhorst J.P, Spatial Panel Data
Models. In Fischer MM, Getis A (Eds) Handbook of Applied Spatial
Analysis, Ch. C.2, Berlin Heidelberg New York : Springer, 2010.
[4] Karim. A dan Wasono. R,
Pemodelan Produksi Kedelai di Provinsi Jawa Tengah menggunakan
Dua Proses Spatial, Makalah
dipresentasikan di Seminar Nasional
Matematika dan Pendidikan Matematika, Universitas Ahmad Dahlan, Yogyakarta, 2014
[5] Kari., A dan Setiawan, Pemodelan
PDRB Sektor Industri di SWP Gerbangkertasusila Dan Malang-
Pasuruan dengan Pendekatan
Spatial Durbin Error Model,
Prosiding Seminar Nasional FMIPA. Universitas Negeri Surabaya, 2012.
[6] Karim, A dan Alfiyah, Kajian Efek
Spasial Bantuan Operasional Sekolah
(BOS) Menggunakan Analisis
Spasial, Jurnal Statistika Universitas
Muhammadiyah Semarang, 2, 1-2, 2014.
[7] Karim, A dan Wasono, R, Modelling
Malnutrition Toddlers in East Java Province using Spatial Regression.
Research paper presented at
International Conference on Biomedical, Universitas Gajah Mada, 2014.
[8] LeSage. J.P, The Theory and
Practice of Spatial Econometrics,
Departement of Economics,
University of Toledo, 1999.
[9] Setiawan, Ahmad. I.S dan Karim. A,
Study of Spatial Weight Matrices of SDM and SDEM for Modelling GDP
Main Sector in Jawa Timur
Indonesia, Research paper presented at International Conference on Statistics and Mathematics Institut Teknologi Sepuluh Nopember, 2015.
Upah Minimum dan Tenaga Kerja Remaja: Pendekatan Spasial Panel dan non Spasial Panel
Ribut Nurul Tri Wahyuni1 1Sekolah Tinggi Ilmu Statistik
Abstract. Penelitian ini akan menganalisis pengaruh upah minimum riil terhadap tenaga kerja remaja (tenaga kerja usia 16-19 tahun) di Indonesia selama periode 2007-2013. Model yang digunakan adalah pendekatan spasial panel dan non spasial panel. Pendekatan non spasial panel menghasilkan model fixed effect, sedangkan pendekatan spasial panel menghasilkan Spatial Autoregressive (SAR) random effect. Model yang paling tepat menjelaskan pengaruh upah minimum riil terhadap tenaga kerja remaja adalah model fixed effect (pendekatan non spasial panel). Hasil estimasi menunjukkan upah minimum riil tidak signifikan memengaruhi tenaga kerja remaja di Indonesia.
Keywords: SAR random effect, fixed effect, tenaga kerja remaja
1. Pendahuluan
Penelitian tentang upah minimum yang menggunakan model data panel biasanya mengabaikan fakta bahwa jumlah tenaga kerja dan variabel yang memengaruhinya antar wilayah saling terkait. Tenaga kerja di suatu wilayah kemungkinan akan berkorelasi dengan wilayah lainnya karena persamaan kondisi geografis, misalnya kemudahan akses dan sumber daya alam lainnya. Ketika observasi berkorelasi antar wilayah, maka teknik ekonometrika tradisional (pendekatan non spasial) akan mengabaikan spatial dependence sehingga bisa menghasilkan estimasi yang tidak benar (Kalenkoski dan Lacombe [8]).
Penelitian Neumark dan Wascher dalam Kalenkoski dan Lacombe [8] serta Brown et. al. dalam Zavodny [9] menyimpulkan bahwa upah minimum berpengaruh negatif terhadap tenaga kerja. Sedangkan penelitian Card [4] dan Zavodny [9] menemukan bahwa upah minimum tidak berpengaruh secara signifikan terhadap jumlah tenaga kerja remaja. Addison et. al. dalam Kalenkoski dan Lacombe [8] meneliti tentang pengaruh upah minimum terhadap tenaga kerja di subsektor perdagangan yang low-wage. Hasilnya adalah upah minimum berpengaruh positif terhadap tenaga kerja.
Penelitian-penelitian di atas belum memasukkan spatial dependence untuk mengestimasi tenaga kerja. Ketika
observasi antar wilayah saling berkorelasi, maka teknik ekonometrik tradisional, misalnya Ordinary Least Square (OLS), dapat menghasilkan estimasi parameter yang bias, inkonsisten, atau tidak efisien (LeSage dan Pace dalam Kalenkoski dan Lacombe [8]).
Penelitian ini akan menganalisis pengaruh upah minimum riil terhadap tenaga kerja remaja (tenaga kerja usia 16-19 tahun) di Indonesia. Model yang digunakan adalah model pendekatan spasial panel dan non spasial panel. Variabel dalam persamaan merujuk pada model dari penelitian Zavodny [9] serta Ehrenberg dan Marcus dalam Brown et. al., [3]. Upah minimum riil dalam bentuk ln
( ), sedangkan variabel tenaga kerja berupa rasio tenaga kerja remaja terhadap jumlah penduduk ( ). Data berupa data panel 33 provinsi di Indonesia periode 2007-2013 yang bersumber dari Badan Pusat Statistik (BPS).
2. Model Pendekatan non Spasial Panel