DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2014
NANIE KURNIADI
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Februari 2014
Nanie Kurniadi
ABSTRAK
NANIE KURNIADI. Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia. Dibimbing oleh MOHAMMAD MASJKUR dan ITASIA DINA SULVIANTI.
Berdasarkan hasil survei Badan Pusat Statistik, tenaga kerja pertanian di Indonesia mencapai angka tertinggi sebesar 35.09% pada tahun 2012. Namun, selama tahun 2008 sampai 2012, rataan penyerapan tenaga kerja pertanian pada kurun waktu tersebut mengalami penurunan sebesar 1.49% sedangkan Produk Domestik Bruto sektor pertanian meningkat sebesar 0.05%. Kejadian ini tidak sejalan dengan teori ekonomi yang menjelaskan bahwa peningkatan pertumbuhan ekonomi akan meningkatkan penyediaan lapangan kerja dan sebaliknya. Penelitian ini dilakukan untuk mengetahui provinsi yang tidak sejalan tersebut dan mengetahui peubah-peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian dengan menggunakan data tahun 2008 sampai 2012 pada 33 provinsi. Hasil penelitian menunjukkan bahwa 23 provinsi sejalan dan 10 provinsi lainnya tidak sejalan. Kesepuluh provinsi tersebut tersebar di pulau Sumatera, Jawa, Bali dan Sulawesi. Peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah.
Kata kunci: data panel, PDRB, pertanian, plot kuadran, tenaga kerja.
ABSTRACT
NANIE KURNIADI. Analysis of Panel Data Anomaly Employment Absorption of Agriculture in Indonesia. Supervised by MOHAMMAD MASJKUR and ITASIA DINA SULVIANTI.
Based on the survey results of the Badan Pusat Statistik, agricultural labor in Indonesia, reaching at 35.09% in 2012. However, during the years 2008 to 2012, the average employment in this period decreased by 1.49% while agricultural Gross Domestic Product increased at 0.05%. This case is not in line with the economic theory that explains that economic growth will boost employment and vice versa. This study was conducted to determine the province which is not in line and know the explanatory variables that affect the number of agricultural workers by using the data of 2008 to 2012 in 33 provinces. The results showed that 23 provinces in line and 10 other provinces are not in line. Ten provinces spread across the island of Sumatra, Java, Bali and Sulawesi. The explanatory variables that affect the amount of agricultural labor are the variable number of resident, the number of working-age population, the number of villages, and the amount of wages.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada
Departemen Statistika Institut Pertanian Bogor
NANIE KURNIADI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2014
Judul : Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia
Nama : Nanie Kurniadi NRP : G14090063
Disetujui oleh
Ir Mohammad Masjkur, MS Pembimbing I
Dra Itasia Dina Sulvianti, MSi Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi Ketua Departemen
PRAKATA
Puji syukur penulis panjatkan kepada Allah SWT atas anugerah dan hidayah-Nya sehingga karya ilmiah yang berjudul Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia berhasil diselesaikan. Karya ilmiah ini disusun sebagai salah satu syarat untuk menyelesaikan pendidikan di Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Terima kasih penulis sampaikan kepada Bapak Ir Mohammad Masjkur, MS dan Ibu Dra Itasia Dina Sulvianti, MSi selaku pembimbing yang telah banyak memberi masukan dan saran dalam karya ilmiah ini. Di samping itu, penulis juga mengucapkan terima kasih kepada Ibu Dra Laelatul Chasanah serta seluruh staf Sarana dan Prasarana dari Pusat Data dan Sistem Informasi Pertanian Kementerian Pertanian yang telah membantu dalam pengumpulan data. Penulis juga mengucapkan terima kasih kepada bapak, ibu, kakak serta seluruh keluarga atas nasehat, doa, dan motivasinya sehingga penulis mampu menyelesaikan karya ilmiah ini dengan baik. Ungkapan terima kasih juga penulis sampaikan kepada teman-teman Statistika 46 atas dukungan yang telah diberikan.
Akhirnya, penulis berharap supaya karya ilmiah ini dapat bermanfaat bagi pembaca.
Bogor, Februari 2014
DAFTAR ISI
ABSTRAK iv
DAFTAR TABEL x
DAFTAR GAMBAR x
DAFTAR LAMPIRAN x
PENDAHULUAN 1
Latar Belakang 1
Tujuan 1
METODOLOGI 2
Data 2
Metode Penelitian 2
Analisis Statistika Deskriptif 2
Analisis Data Panel 3
HASIL DAN PEMBAHASAN 5
Eksplorasi Data 5
Anomali Penyerapan Tenaga Kerja Pertanian 7
Analisis Data Panel 9
Pengujian Asumsi 10
Penanganan Pelanggaran Asumsi 11
Pemilihan Model Terbaik 12
SIMPULAN 14
DAFTAR PUSTAKA 14
DAFTAR TABEL
1 Statistika deskriptif elastisitas tenaga kerja pertanian tahun 2008-2012 7
2 Hasil uji Chow 9
3 Hasil uji Hausman 10
4 Hasil uji Glejser model pengaruh tetap individu 10 5 Hasil uji Durbin-Watson model pengaruh tetap individu 10 6 Hasil uji multikolinieritas model pengaruh tetap individu 11 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan
bagi setiap individu 11
8 Hasil uji multikolinieritas model pengaruh tetap individu dengan
pembobotan bagi setiap individu 11
DAFTAR GAMBAR
1 PDRB pertanian (atas dasar harga konstan) menurut provinsi tahun
2008-2012 6
2 Plot kuadran laju PDRB dengan laju penyerapan tenaga kerja pertanian
di Indonesia tahun 2008-2012 8
DAFTAR LAMPIRAN
1. Rataan dan simpangan baku laju pertumbuhan ekonomi serta laju penyerapan tenaga kerja pertanian menurut provinsi selama 2008-2012 15 2. Daftar provinsi di Indonesia dengan notasi angka 16
3. Hasil analisis model pada data panel 17
4. Pengaruh spesifik individu model pengaruh tetap individu, model pengaruh tetap dengan pembobotan bagi setiap individu, dan model
dengan peubah penjelas yang siginifikan 18
5. Hasil analisis model pengaruh tetap individu dengan pembobotan bagi
setiap individu 19
6. Hasil analisis model pengaruh tetap individu dengan pembobotan bagi
setiap individu dan peubah yang signifikan 19
7. Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah yang signifikan 20 8. Hasil uji Durbin-Watson model pengaruh tetap individu dengan
pembobotan bagi setiap individu dan peubah yang signifikan 20 9. Hasil uji multikolinieritas model pengaruh tetap individu dengan
PENDAHULUAN
Latar Belakang
Indonesia terkenal sebagai negara agraris dengan sebagian besar masyarakatnya bekerja pada sektor pertanian. Sektor pertanian terbagi menjadi beberapa bagian yang lebih spesifik yaitu tanaman pangan, hortikultura, perkebunan, peternakan, perikanan serta kehutanan. Berdasarkan hasil survei Badan Pusat Statistik (BPS) pada tahun 2012, banyaknya penduduk yang bekerja pada sektor ini mencapai angka tertinggi yaitu sebesar 35.09%, kemudian diikuti oleh sektor perdagangan 20.90%, dan jasa sebesar 15.43%. Besarnya kontribusi tenaga kerja pertanian menunjukkan bahwa tenaga kerja pada sektor ini memberikan peranan penting dalam pembangunan nasional.
Banyaknya tenaga kerja pertanian tidak terlepas dari pengaruh pertumbuhan ekonomi pada sektor terkait. Secara teori, peningkatan pertumbuhan ekonomi akan meningkatkan penyediaan lapangan kerja begitu pula sebaliknya. Namun hal ini tidak selamanya terjadi pada sektor pertanian. Berdasarkan catatan BPS pada tahun 2008 sampai 2012, rataan laju pertumbuhan ekonomi pertanian yang dilihat dari Produk Domestik Bruto (PDB) meningkat sebesar 0.05%, sedangkan rataan laju penyerapan tenaga kerja pertanian mengalami penurunan sebesar 1.49%. Hal ini menunjukkan bahwa pertumbuhan ekonomi pertanian tidak sejalan dengan penyerapan tenaga kerja pertaniannya. Penyimpangan terjadi ketika pertumbuhan ekonomi tidak diimbangi dengan perluasan penyerapan tenaga kerja dengan kecepatan yang setara (Nur 2011). Penyimpangan tersebut akan ditelaah melalui plot kuadran yang menjelaskan ketidaksesuaian perkembangan Produk Domestik Regional Bruto (PDRB) pertanian yang merupakan ukuran pertumbuhan ekonomi pertanian dengan penyerapan tenaga kerja pertanian.
Banyaknya tenaga kerja pertanian tentunya dipengaruhi juga oleh peubah-peubah selain pertumbuhan ekonomi pertanian. Peubah-peubah yang mempengaruhi banyaknya tenaga kerja pertanian diantaranya adalah penduduk dan upah (Nur 2011). Peubah-peubah tersebut dapat diamati secara bersama-sama pada sejumlah provinsi tertentu pada beberapa waktu tertentu. Analisis statistika yang tepat dalam menjelaskan keterkaitan ini adalah analisis data panel. Analisis ini mampu mengombinasikan antara data lintas individu dengan data deret waktu.
Tujuan
Penelitian ini bertujuan untuk :
1. Mengidentifikasi provinsi-provinsi yang laju pertumbuhan ekonomi pertaniannya tidak sejalan dengan laju penyerapan tenaga kerja pertanian. 2. Menyusun model yang dapat menjelaskan peubah-peubah yang
2
METODOLOGI
Data
Objek yang diamati pada penelitian ini adalah sektor pertanian yang mencakup tanaman pangan, hortikultura, peternakan serta perkebunan. Data yang digunakan dalam penelitian ini merupakan data primer yang dikumpulkan oleh Pusat Data dan Sistem Informasi Pertanian (PUSDATIN) Kementerian Pertanian Republik Indonesia dan Badan Pusat Statistik (BPS). Data yang diperoleh dari PUSDATIN mengenai banyaknya tenaga kerja pertanian, besarnya Produk Domestik Regional Bruto pertanian (atas dasar harga konstan 2000) dan banyaknya penduduk usia kerja. Sedangkan data yang diperoleh dari BPS adalah data banyaknya penduduk, banyaknya desa menurut wilayah administrasi, dan besarnya upah. Data dikumpulkan dari tahun 2008 sampai dengan 2012 pada seluruh provinsi di Indonesia. Pada analisis data panel peubah banyaknya tenaga kerja pertanian dipilih sebagai peubah respon (Y). Sedangkan peubah yang digunakan sebagai peubah penjelas adalah banyaknya penduduk (X1), banyaknya
penduduk usia kerja (X2), banyaknya desa (X3), PDRB sektor pertanian (X4), dan
besarnya upah (X5). Data tersebut digunakan untuk mengetahui pengaruh peubah
penjelas terhadap peubah responnya.
Metode Penelitian
Analisis Statistika Deskriptif
Pada tahap awal penelitian ini, dilakukan eksplorasi data dengan menampilkan besarnya pertumbuhan ekonomi pertanian dengan menggunakan diagram batang. Sedangkan untuk mengetahui rataan laju pertumbuhan ekonomi pertanian yang tidak sejalan dengan rataan laju penyerapan tenaga kerja pertanian dilakukan analisis deskriptif dengan menggunakan plot kuadran. Adapun rincian langkah-langkahnya dijelaskan sebagai berikut:
1. Menghitung laju penyerapan tenaga kerja pertanian dengan rumus sebagai berikut:
� � = � − �, −1
�,−1
100
dengan TKPit merupakan banyaknya tenaga kerja pertanian provinsi ke-i pada
tahun ke-t, dan TKPi,t-1 merupakan banyaknya tenaga kerja pertanian provinsi
ke-i pada tahun ke-t-1; i=1,2,3,...,N; t=1,2,...,T; N adalah banyaknya provinsi dan T adalah banyaknya tahun pengamatan.
2. Menghitung laju PDRB pertanian dengan rumus sebagai berikut:
� �� � = �� � − �� �,−1
�� �,−1
100
dengan PDRBit merupakan pertumbuhan ekonomi pertanian provinsi ke-i
pada tahun ke-t, dan PDRBi,t-1 merupakan pertumbuhan ekonomi pertanian
3 3. Menghitung rataan laju PDRB pertanian provinsi ke-i dan rataan laju
penyerapan tenaga kerja pertanian provinsi ke-i dengan rumus berikut: � �� � =1 =1 � �� � ; T =5
� � =1 � �
=1
4. Membuat plot kuadran antara rataan laju PDRB pertanian dan rataan laju penyerapan tenaga kerja pertanian dengan menambahkan informasi titik ideal yang berpusat pada rataan laju PDRB = 0 dan rataan laju TKP = 0.
Analisis Data Panel
1. Pendugaan parameter model gabungan.
Model gabungan merupakan pendekatan data panel dengan mengasumsikan bahwa koefisien regresi bernilai konstan untuk semua individu. Pendugaan parameter pada model ini menggunakan pendekatan Metode Kuadrat Terkecil (MKT). Adapun persamaan regresi dalam model gabungan menurut Baltagi (2005) adalah sebagai berikut:
= 0i + x′ + u
dengan merupakan respon individu ke-i pada waktu ke-t, 0 merupakan
skalar dan 0i bersifat konstan, 0i merupakan intersep individu ke-i,
merupakan vektor koefisien peubah penjelas berukuran k x 1, k adalah banyaknya peubah penjelas, x′ merupakan vektor pengamatan individu ke-i pada waktu ke-t. Sebagian besar data panel menggunakan model komponen sisaan satu arah:
u = i + vit
dengan u merupakan sisaan model individu ke-i pada waktu ke-t, i adalah
pengaruh spesifik individu ke-i yang tidak teramati, sedangkan vit adalah
sisaan antar individu ke-i pada waktu ke-t.
2. Pendugaan parameter model pengaruh tetap individu.
Model ini terjadi ketika antara pengaruh individu ke-i memiliki korelasi dengan peubah penjelas individu ke-i pada waktu ke-t (Xit) atau memiliki
pola yang sifatnya tidak acak. Penduga model pengaruh tetap dihitung menggunakan metode least square dummy variable (LSDV). Metode ini bertujuan untuk dapat merepresentasikan perbedaan intersep, yaitu dengan menggunakan dummy variable. Menurut Gujarati (2009) model pengaruh tetap individu dituliskan sebagai berikut:
yit = 01 + 02 d2i + ... + 0N dNi + 1x1 +...+ kxk + u
dengan d2i=1 untuk individu ke-2 dan 0 selainnya, d3i=1 untuk individu ke-3
dan 0 selainnya, dan seterusnya. 01 merupakan nilai intersep untuk individu
ke-1 dan koefisien 0i lainnya merupakan selisih nilai intersep individu
pertama dengan individu ke-i.
3. Pendugaan parameter model pengaruh acak individu.
4
yit = 0i + 1x1 +...+ kxk + u
0i = 0 + i
dengan 0i merupakan intersep individu ke-i, 0 merupakan skalar, dan i
adalah pengaruh spesifik individu ke-i yang tidak teramati. Beberapa asumsi yang sering digunakan dalam model pengaruh acak menurut Gujarati (2009) adalah:
εi N(0,��2)
uit N(0,�2)
E[εiuit] = 0; E[εiεj] = 0, (i j)
E[uituis] = E[uijuij] = E[uitujs] = 0 (i j ; t s)
4. Mengidentifikasi model dengan menggunakan 2 uji, yaitu :
a. Uji Chow : membandingkan antara model gabungan dan model pengaruh tetap. Hipotesis uji Chow menurut Firdaus (2011) sebagai berikut : H0 : 01 = 02 = 03 = ... = 0N
H1 : minimal terdapat satu i dengan 0i 0
Statistik uji dari pengujian ini adalah:
0= merupakan jumlah kuadrat sisaan model pengaruh tetap, N merupakan banyaknya individu, T merupakan banyaknya waktu dan k adalah banyaknya peubah penjelas. Jika nilai 0 hasil pengujian lebih besar dari
FN-1,N(T-1)-k, maka cukup bukti untuk menjelaskan bahwa model yang
sesuai adalah model pengaruh tetap.
b. Uji Hausman : membandingkan antara model pengaruh acak dan model pengaruh tetap. Uji ini dilakukan dengan hipotesis sebagai berikut: H0 : E[μi Xit] = 0
H1 : E[μi Xit] 0
Menurut Baltagi (2005), statistik uji Hausman dirumuskan sebagai berikut:
�ℎ2 �� = ( − ℎ �)′[ ��( − ℎ �)]−1( − ℎ �) dengan merupakan dugaan parameter model pengaruh acak, ℎ � merupakan dugaan parameter model pengaruh tetap. Jika nilai hasil pengujian lebih besar dari ( , )2 , dengan k merupakan jumlah peubah penjelas dan merupakan taraf nyata yang digunakan, maka cukup bukti untuk melakukan penolakan terhadap H0 sehingga model yang digunakan
adalah model pengaruh tetap.
5. Pengujian asumsi terhadap model terpilih, yaitu: a. Uji kehomogenan ragam sisaan
Kehomogenan ragam sisaan dideteksi menggunakan uji Glejser. Uji ini mempertimbangkan regresi nilai absolut sisaan ei, terhadap peubah
penjelas yang dianggap berhubungan dengan ragam i2. Hipotesis nol
5
b. Uji kebebasan sisaan
Menurut Gujarati (2009) uji yang populer untuk pendeteksian kebebasan sisaan adalah uji yang dikembangkan oleh Durbin dan Watson. Hipotesis nol pada pengujian ini adalah sisaan saling bebas. Adapun statistik d
dengan t merupakan sisaan pada periode ke-t dan t−1merupakan sisaan periode ke-t-1. Nilai d tersebut kemudian dibandingkan dengan nilai d pada tabel Durbin-Watson. Jika nilai d terletak antara dU dan 4-dU, maka dapat dinyatakan bahwa sisaan saling bebas.
c. Uji kenormalan sisaan
Pengujian kenormalan sisaan menggunakan rumus Jarque-Bera (JB test). Hipotesis nol pada pengujian ini adalah sisaan menyebar normal. Statistik ujinya dituliskan sebagai berikut:
�=� kecil dari 2( ,2) maka diputuskan bahwa kenormalan sisaan terpenuhi.
d. Uji multikolinieritas
Uji ini dilakukan untuk mengetahui korelasi di antara peubah penjelas pada regresi berganda. Multikolinieritas dapat dideteksi dengan menggunakan variance inflation factor (VIF). Jika nilai VIF lebih dari 10 pada suatu peubah penjelas, maka model mengalami masalah multikolinieritas.
6. Penanganan pelanggaran asumsi.
7. Validasi model menggunakan mean absolut percentage error (MAPE) dengan perhitungan sebagai berikut :
MAPE =
dengan merupakan banyaknya tenaga kerja pertanian aktual sedangkan merupakan hasil pendugaan banyaknya tenaga kerja pertanian dari model yang dihasilkan, dan n adalah banyaknya individu.
HASIL DAN PEMBAHASAN
Eksplorasi Data
6
yang dihasilkan pada ketiga provinsi tersebut merupakan salah satu jawaban yang menjadikan provinsi-provinsi tersebut memiliki pertumbuhan ekonomi pertanian yang tinggi. Provinsi lain di pulau Jawa yaitu DKI Jakarta memiliki pertumbuhan ekonomi pertanian terendah pada selang waktu yang sama. Tentu saja hal tersebut dikarenakan wilayah ibukota Indonesia ini memiliki ladang yang sudah sangat sempit untuk melakukan aktivitas pertanian. Karena sebagian besar wilayahnya sudah didirikan bangunan untuk perkantoran, pusat perbelanjaan, tempat tinggal ataupun alih fungsi lahan lainnya. Adapun gambaran mengenai pertumbuhan ekonomi pertanian pada masing-masing provinsi dapat dilihat pada Gambar 1.
Gambar 1 PDRB pertanian (atas dasar harga konstan) menurut provinsi tahun 2008-2012
7 Jawa Barat, Jawa Tengah dan Jawa Timur yang merupakan provinsi dengan pertumbuhan ekonomi pertanian tertinggi di Indonesia memiliki rataan laju pertumbuhan ekonomi pertanian sebesar 4.36%, 2.78%, dan 1.65%. Nilai tersebut kurang dari median laju pertumbuhan ekonomi pertanian nasional yang mencapai angka 4.45%. Adapun besarnya rataan dan simpangan baku laju pertumbuhan ekonomi pertanian pada masing-masing provinsi selama 2008 sampai 2012 dituliskan pada Lampiran 1.
Tingkat laju penyerapan tenaga kerja pertanian pada masing-masing provinsi di Indonesia memiliki keragaman yang berbeda. Hal tersebut dapat dilihat dari besarnya simpangan baku laju penyerapan tenaga kerja pertanian yang juga dituliskan dalam Lampiran 1. Selama 2008 sampai 2012, rataan laju penyerapan tenaga kerja pertanian tertinggi dimiliki oleh DKI Jakarta kemudian disusul Kepulauan Riau. Keragaman laju penyerapan tenaga kerja pertanian pada kedua provinsi tersebut juga merupakan yang tertinggi. Rataan laju penyerapan tenaga kerja pertanian di DKI Jakarta mencapai 29.78%, sedangkan pada Kepulauan Riau mencapai 28.39%. Hal tersebut terjadi karena hampir di setiap tahun kedua provinsi ini mengalami peningkatan banyaknya tenaga kerja pertanian yang cukup signifikan. Namun kedua provinsi ini sempat mengalami penurunan banyaknya tenaga kerja pertanian sebesar 37.41% pada tahun 2009 di DKI Jakarta dan 5.76% pada tahun 2010 untuk Kepulauan Riau.
Anomali Penyerapan Tenaga Kerja Pertanian
Hubungan antara besarnya pertumbuhan ekonomi pertanian dengan banyaknya tenaga kerja pertanian dapat dilihat dari korelasi di antara keduanya. Besarnya koefisien korelasi pearson antara kedua peubah tersebut pada tahun 2008 sampai 2011 sebesar 0.96, kemudian pada tahun 2012 sebesar 0.97. Hal ini menunjukkan bahwa terdapat hubungan yang kuat pada kedua peubah tersebut. Pada ilmu ekonomi, hubungan kedua peubah di atas lebih dijelaskan dengan elastisitas. Elastisitas tenaga kerja merupakan persentase perubahan banyaknya tenaga kerja akibat adanya perubahan pertumbuhan ekonomi. Elastisitas tenaga kerja pertanian mulai tahun 2008 sampai 2012 disajikan pada Tabel 1. Median elastisitas tenaga kerja pertanian tahun 2008 sebesar 0.73%. Sedangkan median elastisitas tenaga kerja tahun 2009 sampai 2012 sebesar 0.08%, 0.17%, -0.84%, 2.12%. Suatu hal yang menarik pada deretan median elastisitas tenaga kerja pertanian adalah terdapatnya median elastisitas tenaga kerja pertanian yang bernilai negatif. Hal tersebut terjadi di tahun 2011 karena terdapat 21 provinsi di Indonesia dengan elastisitas yang negatif. Artinya, pada tahun tersebut mayoritas provinsi di Indonesia mengalami laju penyerapan tenaga kerja pertanian yang tidak sejalan dengan laju pertumbuhan ekonomi pertanian.
Tabel 1 Statistika deskriptif elastisitas tenaga kerja pertanian tahun 2008-2012
Tahun Median Simpangan baku
2008 0.728 21.214
2009 0.083 13.358
2010 0.167 9.765
2011 -0.845 9.247
8
Keragaman paling tinggi pada elastisitas tenaga kerja pertanian terjadi pada tahun 2012. Simpangan baku yang mencapai 71.32% pada tahun ini disebabkan karena rendahnya laju pertumbuhan ekonomi pertanian yang disertai dengan tingginya laju penyerapan tenaga kerja pertanian pada provinsi DKI Jakarta. Hal ini menjadikan provinsi DKI Jakarta memiliki laju pertumbuhan ekonomi pertanian yang tidak sejalan dengan laju penyerapan tenaga kerja pertanian. Penyebaran provinsi yang sejalan dan tidak sejalan antara kedua peubah di atas dapat dilihat pada Gambar 2. Adapun notasi angka pada plot kuadran merupakan notasi dari provinsi seperti yang dituliskan dalam Lampiran 2.
Gambar 2 Plot kuadran rataan laju PDRB pertanian dengan rataan laju penyerapan tenaga kerja pertanian di Indonesia tahun 2008-2012 Hasil plot kuadran di atas menunjukkan bahwa seluruh provinsi di Indonesia mengalami kenaikan pertumbuhan ekonomi pertanian selama 2008 sampai 2012. Hal ini ditunjukkan dari tersebarnya seluruh provinsi pada nilai rataan laju PDRB pertanian yang positif. Namun jika dilihat dari rataan laju penyerapan tenaga kerja pertanian, terdapat 10 provinsi dengan nilai rataannya yang bernilai negatif. Hal ini menunjukkan bahwa selama periode yang sama, kesepuluh provinsi tersebut yaitu Sumatera Barat, Bengkulu, Lampung, Jawa Tengah, Jawa Timur, Banten, Bali, Sulawesi Utara, Sulawesi Tengah, Sulawesi Tenggara mengalami penurunan banyaknya tenaga kerja pertanian. Sehingga dapat dikatakan bahwa kesepuluh provinsi tersebut mengalami anomali antara pertumbuhan ekonomi pertanian dengan penyerapan tenaga kerja pertanian.
Hal yang menarik lainnya pada plot kuadran adalah terdapat 3 provinsi yang terletak jauh dari titik ideal. Provinsi tersebut adalah DKI Jakarta, Kepulauan Riau, dan Bali. Seperti pada pembahasan sebelumnya, telah diketahui bahwa laju pertumbuhan ekonomi pertanian provinsi DKI Jakarta selama 2008 sampai 2012 termasuk rendah. Sedangkan laju penyerapan tenaga kerja pertaniannya sangat tinggi. Provinsi Kepulauan Riau memiliki rataan laju penyerapan tenaga kerja
30
Rataan laju PDRB sektor pertanian (% )
9 pertanian yang tinggi. Sementara laju pertumbuhan ekonomi pertaniannya tergolong sedang. Sedangkan pada provinsi Bali, rataan laju pertumbuhan ekonomi pertanian pada provinsi ini sangat tinggi sementara rataan laju penyerapan tenaga kerja pertaniannya rendah. Rendahnya laju pertumbuhan ekonomi pertanian yang diikuti tingginya laju penyerapan tenaga kerja pertanian yang sangat signifikan pada DKI Jakarta dan Kepulauan Riau menunjukkan bahwa kedua provinsi ini terjadi anomali antara pertumbuhan ekonomi pertanian dengan penyerapan tenaga kerja pertanian. Begitu pula dengan provinsi Bali, kenaikan pertumbuhan ekonomi pertanian yang tinggi, diikuti dengan penyerapan tenaga kerja pertanian yang rendah juga menunjukkan bahwa pada provinsi ini mengalami kecenderungan anomali.
Analisis Data Panel
Analisis data panel dilakukan dengan menggunakan seluruh provinsi di Indonesia sebagai individu. Hal ini karena berdasarkan plot kuadran terlihat bahwa sebagian besar provinsi memiliki perbedaan laju pertumbuhan ekonomi pertanian dan laju penyerapan tenaga kerja pertanian yang tidak terlalu signifikan. Lampiran 3 menunjukkan hasil analisis data panel. Hasil analisis pada model gabungan adalah terdapat empat peubah penjelas yaitu banyaknya penduduk usia kerja, banyaknya desa, besarnya PDRB pertanian, dan besarnya upah yang berpengaruh secara siginifikan terhadap banyaknya tenaga kerja pertanian. Peubah penjelas tersebut memiliki nilai-p kurang dari 5%. Keragaman data banyaknya tenaga kerja pertanian yang dapat dijelaskan oleh peubah penjelas dapat dilihat dari R2 sebesar 92.54%.
Pada model pengaruh tetap individu, peubah penjelas yang secara signifikan berpengaruh terhadap banyaknya tenaga kerja pertanian adalah banyaknya penduduk, banyaknya penduduk usia kerja dan banyaknya desa. Ketiga peubah ini memiliki nilai-p sebesar 0.0035, 0.0003, dan 0.0449. Besarnya R2 untuk model pengaruh tetap ini lebih besar dari model gabungan dengan nilai sebesar 99.67%.
Berbeda dengan hasil analisis pada model pengaruh acak, pada model ini empat peubah penjelas yang meliputi banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah berpengaruh secara siginifikan terhadap banyaknya tenaga kerja pertanian. Hal tersebut dilihat dari besarnya nilai-p untuk masing-masing peubah penjelas tersebut kurang dari 5%. Namun, keragaman data banyaknya tenaga kerja pertanian yang dapat dijelaskan oleh seluruh peubah penjelas sebesar 56.57%. Nilai tersebut lebih kecil dari R2 yang dimiliki oleh model pengaruh tetap individu dan model gabungan.
Selanjutnya dilakukan pemilihan model terhadap ketiga model di atas. Uji Chow memberikan hasil bahwa nilai-p untuk pengujian ini mendekati 0 yang artinya model sementara yang sesuai adalah model pengaruh tetap individu. Hal ini menunjukkan bahwa provinsi-provinsi di Indonesia memiliki pengaruh yang berbeda terhadap banyaknya tenaga kerja pertanian.
Tabel 2 Hasil uji Chow
Uji pengaruh Statistik uji Derajat bebas Nilai-p
10
Selanjutnya hasil dari uji Hausman menunjukkan bahwa nilai-p mendekati 0. Artinya berdasarkan uji ini, model yang terpilih adalah model pengaruh tetap individu. Hasil dari uji Hausman dapat dilihat pada Tabel 3 berikut:
Tabel 3 Hasil uji Hausman
Uji pengaruh Statistik uji Derajat bebas Nilai-p
Individu Acak 113.1611 5 0.0000
Uji Chow maupun uji Hausman menunjukkan bahwa model yang sesuai untuk menjelaskan data banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, besarnya PDRB pertanian dan besarnya upah terhadap banyaknya tenaga kerja pertanian adalah model pengaruh tetap individu. Adapun model pengaruh tetap individu dituliskan sebagai berikut:
lnY = μit + 8.0741 + 0.1393 lnX1 + 0.5703 lnX2 - 0.4392 lnX3 -
0.1458 lnX4 - 0.0549 lnX5 + vit
dengan μit menyatakan pengaruh masing-masing provinsi pada provinsi ke-i dan
tahun ke-t. Sedangkan vit menyatakan nilai sisaan antar provinsi ke-i pada tahun
ke-t. Pengaruh spesifik individu di setiap provinsi dapat dilihat pada Lampiran 4.
Pengujian Asumsi
Pengujian pertama yang dilakukan adalah uji kehomogenan ragam sisaan. Untuk mendeteksi keragaman sisaan pada model terpilih digunakan uji Glejser. Hasil uji Glejser pada Tabel 4 menjelaskan bahwa tidak satupun peubah penjelas yang lebih kecil dari 0.05, sehingga kehomogenan ragam sisaan terpenuhi.
Tabel 4 Hasil uji Glejser model pengaruh tetap individu
Selanjutnya dilakukan pengujian asumsi kebebasan sisaan. Pengujian asumsi kebebasan sisaan menggunakan uji Durbin-Watson (DW). Uji DW pada model pengaruh tetap individu menghasilkan nilai 1.483. Nilai tersebut tidak berada di antara dU dan 4-dU sehingga dapat disimpulkan bahwa sisaan model pengaruh tetap individu tidak bebas.
Tabel 5 Hasil uji Durbin-Watson model pengaruh tetap individu
Uji kenormalan yang dilihat dari uji Jarque-Bera menghasilkan nilai-p mendekati 0. Nilai ini menunjukkan bahwa sisaan tidak menyebar normal. Selanjutnya, pengujian terakhir terhadap model adalah uji multikolinieritas. Pada Tabel 6 menunjukkan model pengaruh tetap individu tidak mengalami masalah multikolinieritas dengan nilai VIF seluruh peubah penjelas kurang dari 10.
Peubah t-hitung Nilai-p
11 Tabel 6 Hasil uji multikolinieritas model pengaruh
tetap individu
Penanganan Pelanggaran Asumsi
Pengujian asumsi menunjukkan bahwa terdapat asumsi kebebasan sisaan dan kenormalan sisaan telah dilanggar. Menurut Gujarati (2009), salah satu cara untuk mengatasi masalah ketidakbebasan sisaan pada data dengan banyaknya observasi yang besar adalah dengan menggunakan bobot bagi setiap individu dengan metode feasible generalized least square (FGLS). Pembobotan bagi setiap individu dilakukan untuk mengatasi kedua asumsi yang telah dilanggar. Lampiran 5 merupakan tampilan hasil analisis data panel setelah pembobotan pada individu. Pengujian asumsi terhadap model pengaruh tetap individu dengan pembobotan bagi setiap individu menghasilkan pemenuhan seluruh asumsi. Asumsi kehomogenan ragam sisaan yang terpenuhi ditunjukkan pada Tabel 7 berikut.
Tabel 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu
Nilai Durbin-Watson yang dihasilkan pada model ini sebesar 1.813 yang berada di antara wilayah dU dan 4-dU, sehingga menunjukkan bahwa sisaan saling bebas. Hasil uji Jarque-Bera menghasilkan nilai-p sebesar 0.0124. Nilai ini lebih besar dari taraf nyata 0.01 sehingga dapat disimpulkan bahwa sisaan menyebar normal. Tabel 8 menunjukkan bahwa tidak terdapat multikolinieritas pada model. Hal ini ditunjukkan dari nilai VIF seluruh peubah penjelas yang kurang dari 10.
Tabel 8 Hasil uji multikolinieritas model pengaruh tetap individu dengan pembobotan bagi setiap individu
Peubah VIF
Peubah t-hitung Nilai-p
12
Analisis dari model pengaruh tetap individu dengan pembobotan bagi setiap individu menghasilkan R2 sebesar 99.87%. Peubah penjelas yang berpengaruh signifikan terhadap banyaknya tenaga kerja pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah. Model pengaruh tetap individu dengan pembobotan bagi setiap individu dituliskan sebagai berikut: menunjukkan bahwa model yang disusun merupakan model yang sudah cukup baik.
Pemilihan Model Terbaik
Model pengaruh tetap individu dengan pembobotan untuk setiap individu menghasilkan nilai-p untuk statistik F mendekati 0. Hal ini menunjukkan bahwa model yang dibangun sudah layak dan minimal terdapat satu peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian. Jumlah kuadrat sisaan yang dimiliki model ini sebesar 0.8587 yang juga menunjukkan bahwa model cukup baik. Hasil uji-t menunjukkan bahwa peubah penjelas yang berpengaruh secara signifikan terhadap banyaknya tenaga kerja pertanian adalah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah. Masing-masing dari peubah ini memiliki nilai-p kurang dari taraf nyata 5%.
Selanjutnya dilakukan pemodelan menggunakan model pengaruh tetap individu dengan pembobotan yang melibatkan peubah respon dan peubah penjelas yang berpengaruh secara signifikan. Adapun model yang didapatkan sebagai berikut:
lnY = μit + 7.0925 + 0.1379 lnX1 + 0.5923 lnX2– 0.4787 lnX3
– 0.0726 lnX5 + vit
Berdasarkan model tersebut, dapat ditunjukkan bahwa model yang dimiliki sudah memenuhi seluruh pengujian asumsi. Hasil pengujian asumsi dituliskan pada Lampiran 7 sampai Lampiran 9. Pada uji kehomogenan ragam menggunakan uji Glejser ditunjukkan bahwa peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah memiliki nilai-p lebih besar dari 5%. Hasil ini menunjukkan bahwa kehomogenan ragam sisaan terpenuhi. Hasil dari uji Durbin-Watson menghasilkan nilai DW sebesar 1.875 berada di antara dU dan 4-dU. Sehingga asumsi kebebasan sisaan terpenuhi. Pengujian kenormalan sisaan dengan uji Jarque-Bera menghasilkan nilai-p sebesar 0.011 yang menunjukkan sisaan menyebar normal. Sedangkan nilai VIF untuk keempat peubah penjelas kurang dari 10 yang menunjukkan bahwa model tidak mengalami masalah multikolinieritas.
13
Peubah banyaknya penduduk berpengaruh terhadap banyaknya tenaga kerja pertanian. Peningkatan banyaknya penduduk sebesar 1 persen akan meningkatkan banyaknya tenaga kerja pertanian sebesar,
= � 7.0925 2 dijelaskan Sukirno (2004) dan Bellante dan Jackson (1983) yang menyatakan bahwa banyaknya penduduk yang bertambah akan memperbesar banyaknya tenaga kerja, dan penambahan tersebut memungkinkan suatu wilayah dapat menambah produksinya.
Kenaikan banyaknya penduduk usia kerja sebesar 1 persen akan meningkatkan banyaknya tenaga kerja pertanian sebesar,
= � 7.0925 10.1379
30.4787 50.0726 ( 2, +1
0.5923 −
2, 0.5923 ) persen. Hal tersebut
menunjukkan bahwa peningkatan banyaknya penduduk usia kerja pada setiap provinsi dapat meningkatkan banyaknya tenaga kerja yang menggantungkan harapannya pada sektor pertanian. Menurut Sukirno (2004), para pelaku usaha tani sebaiknya mempersiapkan sarana dan prasarana yang memadai dan berkualitas sehingga mampu menyerap tenaga kerja dengan baik.
Adapun peningkatan peubah banyaknya desa dan besarnya upah tidak sejalan dengan peningkatan banyaknya tenaga kerja pertanian. Peningkatan banyaknya desa dan besarnya upah sebesar 1 persen mengakibatkan penurunan banyaknya tenaga kerja pertanian masing-masing sebesar,
= � 7.0925 10.1379 20.5923
Peningkatan upah buruh tani menurut penelitian Rusastra dan Suryadi (2004) berdampak pada menurunnya keuntungan usaha tani. Untuk meningkatkan keuntungan dalam usaha tani, umumnya para pengusaha tani menaikkan harga jual produknya. Hal ini mengakibatkan impor produksi sektor pertanian yang dilakukan pemerintah semakin meningkat sehingga produksi pertanian yang dihasilkan dalam negeri tidak laku di pasaran. Kerugian tersebut kemudian berdampak pada penurunan banyaknya tenaga kerja pertanian.
14
model ini, terjadi kenaikan nilai MAPE sebesar 0.002% dari model sebelumnya. Namun, model ini masih dapat dikatakan cukup baik. Adapun hasil analisis model dan pengaruh spesifik individu dapat dilihat pada Lampiran 6 dan Lampiran 4.
SIMPULAN
Terdapat 23 provinsi dengan peningkatan pertumbuhan ekonomi pertanian sejalan dengan penyerapan tenaga kerja pertanian. Pada 10 provinsi lainnya, peningkatan pertumbuhan ekonomi pertanian tidak diikuti dengan peningkatan penyerapan tenaga kerja pertanian. Model yang sesuai dan memenuhi seluruh pengujian asumsi pada analisis data panel adalah model pengaruh tetap individu dengan pembobotan bagi setiap individu. Adapun peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah.
DAFTAR PUSTAKA
Baltagi BH. 2005. Econometric Of Analysis Of Panel Data. Ed ke-3. England: JohnWiley&Sons Ltd.
Bellante D, Jackson M. 1983.Ekonomi Ketenagakerjaan. Liotohe WK, Yasin M, penerjemah; Rahardja P, editor. Depok (ID): Lembaga Penerbit Fakultas Ekonomi Indonesia. Terjemahan dari: Labor Economics, Choice in Labor Markets. Ed ke-2.
Firdaus M. 2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor: IPB Press.
Gujarati DN, Porter DC. 2009. Basic Econometrics. Ed ke-5. New York:The McGraw-Hill Companies,Inc.
Nur S. 2011. Adakah Anomali Hubungan Antara Pertumbuhan Ekonomi dan Pertumbuhan Penyerapan Tenaga Kerja?[Thesis]. Bogor: Institut Pertanian Bogor.
Rusastra IW, Suryadi M. 2004. Ekonomi Tenaga Kerja Pertanian dan Implikasinya dalam Peningkatan Produksi dan Kesejahteraan Buruh Tani.
Jurnal Litbang Pertanian. 23(3):94-95.
Sarana dan Prasarana Pertanian. 2012. Statistik SDM Pertanian, Banyaknya penduduk, Kemiskinan dan Kelembagaan Petani. Jakarta: Pusat Data dan Sistem Informasi Pertanian Kementerian Pertanian.
15 Lampiran 1 Rataan dan simpangan baku laju pertumbuhan ekonomi pertanian serta laju penyerapan tenaga kerja pertanian menurut provinsi selama 2008-2012
Kalimantan Selatan 5.289 2.353 2.715 6.255
Kalimantan Timur 5.239 1.759 11.364 17.772
Sulawesi Utara 3.819 6.791 -0.936 10.225
Sulawesi Tengah 6.364 1.491 -0.218 2.226
Sulawesi Selatan 3.900 2.448 1.746 8.792
Sulawesi Tenggara 1.376 2.064 -1.622 10.095
16
Lampiran 2 Daftar provinsi di Indonesia dengan notasi angka
No Provinsi
1 Aceh
2 Sumatera Utara
3 Sumatera Barat
4 Riau
5 Jambi
6 Sumatera Selatan
7 Bengkulu
8 Lampung
9 Bangka Belitung
10 Kep.Riau
11 DKI Jakarta
12 Jawa Barat
13 Jawa Tengah
14 DI Jogyakarta
15 Jawa Timur
16 Banten
17 Bali
18 Nusa Tenggara Barat 19 Nusa Tenggara Timur 20 Kalimantan Barat
21 Kalimantan Tengah
22 Kalimantan Selatan
23 Kalimantan Timur
24 Sulawesi Utara
25 Sulawesi Tengah
26 Sulawesi Selatan
27 Sulawesi Tenggara
28 Gorontalo
29 Sulawesi Barat
30 Maluku
31 Maluku Utara
32 Papua Barat
17 Lampiran 3 Hasil analisis data panel
3.1 Hasil analisis model gabungan
3.2 Hasil analisis model pengaruh tetap individu Spesifikasi setiap peubah
Peubah Koefisien Sisaan Baku t-hitung Nilai-p
C 8.0742 1.8786 4.2980 0.0000
R2 0.9967 Durbin-Watson stat 1.4837 R2Adjusted 0.9957 Prob(F-statistic) 0.0000 Jumlah Kuadrat Sisaan 0.8785
3.3 Hasil analisis model pengaruh acak individu Spesifikasi setiap peubah
Peubah Koefisien Sisaan Baku t-hitung Nilai-p
C 0.0660 1.0271 0.0643 0.9488 X1 0.1761 0.0455 3.8732 0.0002
X2 0.3208 0.1033 3.1057 0.0022 X3 0.4478 0.0948 4.7219 0.0000 X4 0.0851 0.0687 1.2386 0.2173 X5 0.1432 0.0293 4.8872 0.0000
Spesifikasi model pengaruh acak
S.D Rho Efek individu acak 0.3461 0.9454 Idiosyncratic acak 0.0831 0.0546 R2 0.5657 Durbin-Watson stat 0.9172 R2Adjusted 0.5521 Prob(F-statistic) 0.0000 Jumlah Kuadrat Sisaan 1.8480
Spesifikasi setiap peubah
Peubah Koefisien Sisaan Baku t-hitung Nilai-p
C 2.5575 0.9179 2.7862 0.0060
18
Lampiran 4 Pengaruh spesifik individu model pengaruh tetap individu, model pengaruh tetap individu dengan pembobotan bagi setiap individu dan model dengan peubah penjelas yang signifikan
Individu Pengaruh A Pengaruh B Pengaruh C
Aceh 0.9804 0.9663 0.9655
Sumatera Utara 1.4720 1.3002 1.2520
Sumatera Barat 0.1750 0.1366 0.0697
Riau 0.5230 0.4692 0.4014
Jambi 0.4334 0.4530 0.4161
Sumatera Selatan 1.1898 1.0983 1.0753
Bengkulu 0.2345 0.3223 0.3106
Lampung 1.0083 0.9028 0.8477
Bangka Belitung -1.2861 -1.1454 -1.1769
Kep.Riau -2.9650 -2.7980 -2.6948
DKI Jakarta -6.4764 -6.5300 -6.3643
Jawa Barat 1.1482 0.8546 0.8215
Jawa Tengah 1.7000 1.4252 1.4163
DI Jogyakarta -0.7336 -0.7354 -0.7598
Jawa Timur 1.9896 1.6862 1.6559
Banten -0.5180 -0.6143 -0.5924
Bali -0.3501 -0.3675 -0.3848
Nusa Tenggara Barat 0.0827 0.0729 0.0653
Nusa Tenggara Timur 0.9667 0.9552 0.9780
Kalimantan Barat 0.8279 0.7957 0.7648
Kalimantan Tengah 0.3322 0.3784 0.3336
Kalimantan Selatan 0.3632 0.3517 0.3262
Kalimantan Timur -0.4148 -0.3905 -0.3867
Sulawesi Utara -0.2529 -0.1786 -0.1698
Sulawesi Tengah 0.4299 0.4573 0.4081
Sulawesi Selatan 0.8287 0.7382 0.7068
Sulawesi Tenggara 0.1128 0.1941 0.2194
Gorontalo -0.9660 -0.7647 -0.7097
Sulawesi Barat -0.3519 -0.2117 -0.2510
Maluku -0.5462 -0.3724 -0.2822
Maluku Utara -0.3383 -0.1418 -0.0927
Papua Barat -0.6214 -0.3897 -0.3267
Papua 1.0223 1.0818 1.1579
Keterangan :
A : model pengaruh tetap individu awal
B : model pengaruh tetap individu dengan pembobotan bagi setiap individu C : model pengaruh tetap individu dengan pembobotan bagi setiap individu dan
19 Lampiran 5 Hasil analisis model pengaruh tetap individu dengan pembobotan
bagi setiap individu
Spesifikasi setiap peubah
Peubah Koefisien Sisaan Baku t-hitung Nilai-p
C 6.6016 1.3052 5.0580 0.0000 X1 0.1291 0.0382 3.3813 0.0010 X2 0.6660 0.1176 5.6621 0.0000 X3 -0.4439 0.1408 -3.1523 0.0020 X4 -0.1005 0.0712 -1.4109 0.1607 X5 -0.0623 0.0264 -2.3571 0.0199
Spesifikasi model pengaruh tetap
R2 0.9987 Durbin-Watson stat 1.8385 R2Adjusted 0.9983 Prob(F-statistic) 0.0000 Jumlah Kuadrat Sisaan 0.8587
Lampiran 6 Hasil analisis model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang signifikan
Spesifikasi setiap peubah
Peubah Koefisien Sisaan Baku t-hitung Nilai-p
C 7.0925 1.0984 6.4570 0.0000 X1 0.1380 0.0385 3.5830 0.0005 X2 0.5923 0.1009 5.8719 0.0000 X3 -0.4787 0.1219 -3.9261 0.0001 X5 -0.0727 0.0254 -2.8618 0.0049
Spesifikasi model pengaruh tetap
20
Lampiran 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang siginfikan
Lampiran 8 Hasil uji Durbin-Watson model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang siginfikan
Lampiran 9 Hasil uji multikolinieritas model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang siginfikan
Peubah t-hitung Nilai-p
C -0.0848 0.9199
X1 -0.0405 0.0614
X2 0.0401 0.5591
X3 0.0239 0.8033
X5 -0.0002 0.9917
dU dW 4-dU
1.758 1.875 2.242
Peubah VIF
X1 1.549359
X2 1.919891
X3 1.495686
21
RIWAYAT HIDUP
Penulis lahir di Wonogiri pada tanggal 8 Agustus 1991 sebagai anak ketiga dari tiga bersaudara dari pasangan Bapak Soeyadi dan Ibu Sugiarni.
Penulis menempuh pendidikan formal di SMP Negeri 1 Wonogiri, Jawa Tengah dan lulus pada tahun 2006. Kemudian melanjutkan di SMA Negeri 1 Wonogiri dan berhasil menyelesaikan pendidikan pada tahun 2009. Pada tahun yang sama penulis melanjutkan pendidikan di perguruan tinggi Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama perkuliahan, penulis aktif dalam kegiatan organisasi maupun kepanitiaan. Pada tahun 2010, penulis menjadi pengurus Serum G pada divisi
