LAMPIRAN. 1
NO TAH UN
PROVINSI TFR PDRB WNKB APS
1 2004 ACEH 3.30 40374.28 42.2 98.67
2 2004 SUMATERA UTARA 3.00 83328.95 43.43 97.64 3 2004 SUMATERA BARAT 3.20 27578.14 47.99 97.11
4 2004 RIAU 3.20 75216.72 49.96 97.27
5 2004 JAMBI 2.70 11953.89 61.03 97.06
6 2004 SUMATERA SELATAN 2.30 47344.40 58.94 97.24
7 2004 BENGKULU 3.00 5896.26 67.74 97.43
8 2004 LAMPUNG 2.70 28262.29 64.12 96.69
9 2004 KEP.BANGKA
BELITUNG
2.40 8414.98 65.41 95.3
10 2004 KEP.RIAU 0 28509.06 0 0
11 2004 DKI JAKARTA 2.20 278524.82 55.81 98.4
12 2004 JAWA BARAT 2.80 230003.50 60.42 96.5
13 2004 JAWA TENGAH 2.10 135789.87 62.64 98.04 14 2004 DI YOGYAKARTA 1.90 16146.42 61.53 98.77 15 2004 JAWA TIMUR 2.10 242721.07 57.25 96.88
16 2004 BANTEN 2.60 63572.98 58.85 97.43
17 2004 BALI 2.10 20771.65 66.68 98.11
18 2004 NUSA TENGGARA BARAT
2.40 14928.17 55.33 94.67 19 2004 NUSA TENGGARA
TIMUR
4.10 9537.10 33.05 93.23 20 2004 KALIMANTAN BARAT 2.90 22483.02 57.59 95.42
21 2004 KALIMANTAN
TENGAH
3.20 13253.08 64.4 98.42
22 2004 KALIMANTAN
SELATAN
28 2004 GORONTALO 2.80 1891.76 58.46 91.53
29 2004 SULAWESI BARAT 3.80 0 0 0
30 2004 MALUKU 3.20 3102.00 26.05 97.17
31 2004 MALUKU UTARA 3.10 2128.21 33.16 96.79
32 2004 PAPUA BARAT 3.80 4969.21 0 0
33 2004 PAPUA 3.00 16282.97 38.64 86.64
34 2005 ACEH 3.00 36287.92 0 0
35 2005 SUMATERA UTARA 3.70 87897.79 42.51 98.04 36 2005 SUMATERA BARAT 3.20 29159.48 47.59 97.04
37 2005 RIAU 3.10 79287.59 49.8 98.27
38 2005 JAMBI 2.75 12619.97 62.94 97.84
39 2005 SUMATERA SELATAN 2.65 49633.54 59.42 97.85
40 2005 BENGKULU 2.45 6239.36 66.39 97.15
41 2005 LAMPUNG 2.56 29397.25 65.97 96.95
42 2005 KEP.BANGKA
BELITUNG
2.52 8707.31 63.72 96.81
43 2005 KEP.RIAU 2.80 30381.50 49.51 97.45
44 2005 DKI JAKARTA 2.00 295270.54 54.13 98.67 45 2005 JAWA BARAT 2.50 242883.88 62.88 96.28 46 2005 JAWA TENGAH 2.25 143051.21 61.32 98.34 47 2005 DI YOGYAKARTA 2.00 16910.88 62.15 99.05 48 2005 JAWA TIMUR 2.08 256905.22 59.72 97.09
49 2005 BANTEN 2.45 67310.58 58.61 97.96
50 2005 BALI 2.00 21926.96 68.2 97.41
51 2005 NUSA TENGGARA BARAT
2.60 15183.79 55.71 96.02 52 2005 NUSA TENGGARA
TIMUR
4.00 9867.31 33.8 94.3 53 2005 KALIMANTAN BARAT 2.80 23322.41 61.29 95.5
54 2005 KALIMANTAN
TENGAH
2.50 14034.63 67.08 98.48
55 2005 KALIMANTAN
SELATAN
59 2005 SULAWESI SELATAN 2.70 36421.79 41.88 94.88 60 2005 SULAWESI TENGGARA 3.25 8026.86 47.4 96.87
61 2005 GORONTALO 2.50 2027.72 59.91 92.95
62 2005 SULAWESI BARAT 3.40 3106.72 0 0
63 2005 MALUKU 3.80 3259.24 28.08 98.26
64 2005 MALUKU UTARA 3.25 2236.80 44.49 97.91
65 2005 PAPUA BARAT 3.30 5307.33 0 0
66 2005 PAPUA 2.90 22209.19 32.8 86.32
67 2006 ACEH 3.20 36853.87 43.04 98.88
68 2006 SUMATERA UTARA 3.90 93347.40 45.08 0 69 2006 SUMATERA BARAT 3.50 30949.95 49.06 97.71
70 2006 RIAU 2.80 83370.87 53.69 97.68
71 2006 JAMBI 2.90 13363.62 61.63 97.2
72 2006 SUMATERA SELATAN 2.50 52214.85 62.44 96.84
73 2006 BENGKULU 2.60 6610.63 70.08 98.1
74 2006 LAMPUNG 2.60 30861.36 64.49 97.77
75 2006 KEP.BANGKA
BELITUNG
3.20 9053.55 63.44 96.26
76 2006 KEP.RIAU 2.20 32441.00 55.41 97.78
77 2006 DKI JAKARTA 2.20 312826.71 55.25 98.46 78 2006 JAWA BARAT 2.40 257499.45 62.84 97.64 79 2006 JAWA TENGAH 2.00 150682.65 62.1 98.47 80 2006 DI YOGYAKARTA 2.20 17535.75 61.13 99.35 81 2006 JAWA TIMUR 2.70 271797.92 59.52 97.36
82 2006 BANTEN 2.70 71057.64 60.33 98.22
83 2006 BALI 2.20 23084.30 67.43 98.27
84 2006 NUSA TENGGARA BARAT
2.90 15603.77 54.82 96.75 85 2006 NUSA TENGGARA
TIMUR
4.00 10368.50 32.63 94 86 2006 KALIMANTAN BARAT 2.90 24541.15 59.49 96.53
87 2006 KALIMANTAN
TENGAH
3.10 14853.73 66.64 98.33
88 2006 KALIMANTAN
SELATAN
90 2006 SULAWESI UTARA 2.90 13473.11 69.75 97.37 91 2006 SULAWESI TENGAH 3.40 12928.30 54.68 97.12 92 2006 SULAWESI SELATAN 2.90 38867.68 42.59 95.08 93 2006 SULAWESI TENGGARA 3.40 8643.33 46.8 97.04
94 2006 GORONTALO 2.40 2175.82 61.24 93.39
95 2006 SULAWESI BARAT 2.70 3321.15 38.82 94.02
96 2006 MALUKU 3.40 3440.11 30.13 97.55
97 2006 MALUKU UTARA 3.30 2359.48 39.61 97.35
98 2006 PAPUA BARAT 3.50 5548.90 31.73 90.94
99 2006 PAPUA 3.00 18402.20 31.22 80.38
100 2007 ACEH 3.10 35983.09 42.8 98.95
101 2007 SUMATERA UTARA 3.80 99792.27 45.53 98.37 102 2007 SUMATERA BARAT 3.40 32912.97 48.37 97.78
103 2007 RIAU 2.70 86213.26 54.17 97.94
104 2007 JAMBI 2.80 14275.16 64.66 97.28
105 2007 SUMATERA SELATAN 2.70 55262.11 61.97 97.55
106 2007 BENGKULU 2.40 7037.40 67.3 98.25
107 2007 LAMPUNG 2.50 32694.89 64.03 97.9
108 2007 KEP.BANGKA BELITUNG
2.50 9464.54 63.57 96.3
109 2007 KEP.RIAU 3.10 34713.81 51.2 97.88
110 2007 DKI JAKARTA 2.10 332971.25 54.69 98.73 111 2007 JAWA BARAT 2.60 274180.31 62.28 97.84 112 2007 JAWA TENGAH 2.30 159110.25 60.65 98.67 113 2007 DI YOGYAKARTA 1.80 18291.51 56.11 99.29 114 2007 JAWA TIMUR 2.10 288404.31 59.65 97.55
115 2007 BANTEN 2.60 75349.61 56.64 98.39
116 2007 BALI 2.10 24449.89 67.22 98.36
117 2007 NUSA TENGGARA BARAT
2.80 16369.22 52.44 97.07 118 2007 NUSA TENGGARA
TIMUR
4.20 10902.40 34.35 93.73 119 2007 KALIMANTAN BARAT 2.80 26019.74 61.26 96.71
120 2007 KALIMANTAN
TENGAH
121 2007 KALIMANTAN SELATAN
2.60 25922.29 63.27 97.21 122 2007 KALIMANTAN TIMUR 2.70 98386.38 55.8 98.12 123 2007 SULAWESI UTARA 2.80 14344.30 67.07 97.55 124 2007 SULAWESI TENGAH 3.30 13961.15 56.83 96.82 125 2007 SULAWESI SELATAN 2.80 41332.43 43.67 95.4 126 2007 SULAWESI TENGGARA 3.30 9331.72 46.61 97.31
127 2007 GORONTALO 2.60 2339.22 64.22 93.62
128 2007 SULAWESI BARAT 3.50 3567.82 38.47 94.13
129 2007 MALUKU 3.90 3633.48 30.09 97.24
130 2007 MALUKU UTARA 3.20 2501.18 41.9 96.71 131 2007 PAPUA BARAT 3.40 5934.32 28.29 93.17
132 2007 PAPUA 2.90 19200.30 31.92 83.36
133 2008 ACEH 3.00 34097.99 42.2 99.03
134 2008 SUMATERA UTARA 3.50 106172.36 41.91 98.66 135 2008 SUMATERA BARAT 3.20 35176.63 47.32 98.07
136 2008 RIAU 2.65 91085.38 52.41 98.36
137 2008 JAMBI 2.76 15297.77 62.16 97.59
138 2008 SUMATERA SELATAN 2.65 58065.46 62.92 97.88
139 2008 BENGKULU 2.30 7441.87 67.62 98.38
140 2008 LAMPUNG 2.60 34443.15 64.58 98.26
141 2008 KEP.BANGKA BELITUNG
3.00 9899.93 64.3 96.76
142 2008 KEP.RIAU 3.00 37014.74 53.07 98.31
143 2008 DKI JAKARTA 2.00 353723.39 52.68 98.82 144 2008 JAWA BARAT 2.50 291205.84 60.51 98.24 145 2008 JAWA TENGAH 2.25 168034.48 59.19 98.83 146 2008 DI YOGYAKARTA 2.00 19212.48 57.42 99.62 147 2008 JAWA TIMUR 2.05 305538.69 59.54 97.75
148 2008 BANTEN 2.45 79700.68 58 98.63
149 2008 BALI 2.08 25910.33 65.06 98.45
150 2008 NUSA TENGGARA BARAT
2.60 16831.60 53.07 97.25 151 2008 NUSA TENGGARA
TIMUR
152 2008 KALIMANTAN BARAT 3.80 27438.79 60.73 97.08
153 2008 KALIMANTAN
TENGAH
2.68 16726.46 68.4 98.45
154 2008 KALIMANTAN
SELATAN
2.50 27593.09 64.25 97.48 155 2008 KALIMANTAN TIMUR 2.60 103206.87 55.29 98.35 156 2008 SULAWESI UTARA 2.70 15902.07 65.19 97.87 157 2008 SULAWESI TENGAH 3.20 15047.43 55.91 97.16 158 2008 SULAWESI SELATAN 2.75 44549.82 43.18 95.71 159 2008 SULAWESI TENGGARA 3.10 10010.59 46.34 97.66
160 2008 GORONTALO 2.50 2520.67 59.54 94.23
161 2008 SULAWESI BARAT 3.45 3998.50 45.23 94.53
162 2008 MALUKU 3.80 3787.27 32.1 97.52
163 2008 MALUKU UTARA 3.10 2651.11 43.33 96.8 164 2008 PAPUA BARAT 3.30 6399.53 26.69 93.38
165 2008 PAPUA 2.90 18931.84 27.71 83.38
166 2009 ACEH 2.85 32219.09 49.08 99.07
167 2009 SUMATERA UTARA 3.10 111559.22 49.71 98.7 168 2009 SUMATERA BARAT 3.00 36683.24 50.57 98.02
169 2009 RIAU 2.90 93786.24 56.53 98.55
170 2009 JAMBI 2.60 16274.91 66.72 98.11
171 2009 SUMATERA SELATAN 2.70 60452.94 64.63 97.8
172 2009 BENGKULU 2.60 7859.92 68.46 98.53
173 2009 LAMPUNG 2.50 36256.30 67.81 98.53
174 2009 KEP.BANGKA BELITUNG
2.48 10270.11 66.16 96.9
175 2009 KEP.RIAU 2.40 38318.83 55.54 98.95
176 2009 DKI JAKARTA 2.00 371469.50 56.62 99.06 177 2009 JAWA BARAT 2.5 303405.25 63.67 98.22 178 2009 JAWA TENGAH 2.25 176673.46 63.67 98.8 179 2009 DI YOGYAKARTA 1.75 20064.26 62.21 99.65 180 2009 JAWA TIMUR 2.05 320861.17 63.72 97.85
181 2009 BANTEN 2.4 83453.73 60.51 98.57
183 2009 NUSA TENGGARA BARAT
2.65 18874.40 57.88 98.12 184 2009 NUSA TENGGARA
TIMUR
4.10 11920.60 40.77 95.99 185 2009 KALIMANTAN BARAT 2.60 28756.88 64.05 96.94
186 2009 KALIMANTAN
TENGAH
2.80 17657.79 70.34 98.5
187 2009 KALIMANTAN
SELATAN
2.75 29051.63 67.76 97.59 188 2009 KALIMANTAN TIMUR 2.60 105564.94 58.32 98.42 189 2009 SULAWESI UTARA 2.56 17149.62 67.54 97.82 190 2009 SULAWESI TENGAH 3.10 16207.60 61.5 97.22 191 2009 SULAWESI SELATAN 2.65 47326.08 48.65 96.53 192 2009 SULAWESI TENGGARA 3.15 10768.58 50.72 97.69
193 2009 GORONTALO 2.50 2710.74 62.83 96.55
194 2009 SULAWESI BARAT 3.40 4239.46 49.78 95.71
195 2009 MALUKU 3.75 3993.14 36.36 97.87
196 2009 MALUKU UTARA 3.10 2812.04 48.58 96.85 197 2009 PAPUA BARAT 3.30 7286.98 36.47 93.35
198 2009 PAPUA 2.92 23138.44 33.71 76.09
199 2010 ACEH 2.79 33103.08 49.55 99.19
200 2010 SUMATERA UTARA 3.01 118718.90 48.67 98.9 201 2010 SUMATERA BARAT 2.91 38862.14 53.13 98.24
202 2010 RIAU 2.82 97735.60 56.29 98.75
203 2010 JAMBI 2.51 17471.69 65.8 98.27
204 2010 SUMATERA SELATAN 2.56 63859.14 65.78 98
205 2010 BENGKULU 2.51 8339.75 68.98 98.67
206 2010 LAMPUNG 2.45 38389.90 69.28 98.71
207 2010 KEP.BANGKA BELITUNG
2.54 10884.95 68.17 97.1
208 2010 KEP.RIAU 2.38 41075.86 51.9 99.35
214 2010 BANTEN 2.35 88552.19 62.18 98.74
215 2010 BALI 2.13 28882.49 65.17 98.69
216 2010 NUSA TENGGARA BARAT
2.59 20072.64 57.75 98.26 217 2010 NUSA TENGGARA
TIMUR
3.82 12546.82 39.89 96.49 218 2010 KALIMANTAN BARAT 2.64 30328.70 65.59 97.04
219 2010 KALIMANTAN
TENGAH
2.56 18805.68 68.16 98.7
220 2010 KALIMANTAN
SELATAN
2.35 30675.43 68.03 97.9 221 2010 KALIMANTAN TIMUR 2.61 110953.45 61.01 98.68 222 2010 SULAWESI UTARA 2.43 18376.82 68.38 98.3 223 2010 SULAWESI TENGAH 2.94 17624.17 61.08 97.52 224 2010 SULAWESI SELATAN 2.55 51199.90 50.01 97 225 2010 SULAWESI TENGGARA 3.20 11653.91 52.6 97.81
226 2010 GORONTALO 2.76 2917.49 64.22 96.86
227 2010 SULAWESI BARAT 3.33 4743.66 48.83 95.93
228 2010 MALUKU 3.56 4251.36 39.54 98.27
229 2010 MALUKU UTARA 3.35 3035.65 53.13 97.23 230 2010 PAPUA BARAT 3.18 9361.36 38.48 94.43
231 2010 PAPUA 2.87 22400.09 26.97 76.22
232 2011 ACEH 2.60 34704.82 49.87 98.99
233 2011 SUMATERA UTARA 3.05 126587.62 50.25 98.34 234 2011 SUMATERA BARAT 2.70 41293.35 53.47 98.09
235 2011 RIAU 2.73 102665.96 56.74 97.68
236 2011 JAMBI 2.40 18963.52 67.32 98.27
237 2011 SUMATERA SELATAN 2.60 68008.50 66.37 97.95
238 2011 BENGKULU 2.35 8878.82 70.47 98.41
239 2011 LAMPUNG 2.50 40858.94 66.41 97.94
240 2011 KEP.BANGKA BELITUNG
2.55 11592.89 65.05 97.28
241 2011 KEP.RIAU 2.50 43809.83 50.91 97.61
245 2011 DI YOGYAKARTA 2.20 22131.77 60.85 99.43 246 2011 JAWA TIMUR 2.35 366983.28 64.53 98.22
247 2011 BANTEN 2.40 94198.17 62.38 98.27
248 2011 BALI 2.20 30757.78 63.85 98.38
249 2011 NUSA TENGGARA BARAT
2.70 19533.26 59.68 97.85 250 2011 NUSA TENGGARA
TIMUR
3.50 13252.31 41.46 96.03 251 2011 KALIMANTAN BARAT 2.90 32141.38 66.73 96.28
252 2011 KALIMANTAN
TENGAH
2.75 20078.09 70.85 98.12
253 2011 KALIMANTAN
SELATAN
2.40 32552.60 70.05 97.75 254 2011 KALIMANTAN TIMUR 2.70 115489.85 60.52 98.62 255 2011 SULAWESI UTARA 2.50 19735.47 68.48 98.02 256 2011 SULAWESI TENGAH 3.00 19230.92 58.25 97 257 2011 SULAWESI SELATAN 2.60 55093.74 50.18 97.22 258 2011 SULAWESI TENGGARA 3.10 12698.12 53.3 97.36
259 2011 GORONTALO 2.71 3141.46 61.6 96.91
260 2011 SULAWESI BARAT 3.50 5233.06 47.84 95.86
261 2011 MALUKU 3.30 4509.17 41.84 98.39
262 2011 MALUKU UTARA 3.20 3230.05 50.92 97.15 263 2011 PAPUA BARAT 3.50 11890.14 37.84 94.49
264 2011 PAPUA 3.30 21207.82 23.91 72.63
265 2012 ACEH 2.80 36487.88 52.53 99.36
266 2012 SUMATERA UTARA 3.00 134461.51 52.86 98.6 267 2012 SUMATERA BARAT 2.80 43925.82 51.96 98.34
268 2012 RIAU 2.90 106298.73 57.39 98.13
269 2012 JAMBI 2.30 20373.53 68.05 98.7
270 2012 SUMATERA SELATAN 2.80 72095.88 67.23 98.11
271 2012 BENGKULU 2.20 9464.83 70.34 98.97
272 2012 LAMPUNG 2.70 43526.87 67.74 98.64
273 2012 KEP.BANGKA BELITUNG
2.60 12257.11 67.21 97.72
274 2012 KEP.RIAU 2.60 46796.68 52.22 98.44
276 2012 JAWA BARAT 2.50 364752.40 65.53 98.36 277 2012 JAWA TENGAH 2.50 210848.42 64.5 98.87 278 2012 DI YOGYAKARTA 2.10 23308.56 59.89 99.77 279 2012 JAWA TIMUR 2.30 393662.85 65.38 98.26
280 2012 BANTEN 2.50 99992.41 62.9 98.65
281 2012 BALI 2.30 32804.38 64.33 99.18
282 2012 NUSA TENGGARA BARAT
2.80 19318.51 58.67 98.18 283 2012 NUSA TENGGARA
TIMUR
3.30 13969.78 40.75 96.15 284 2012 KALIMANTAN BARAT 3.10 34007.56 68.56 96.66
285 2012 KALIMANTAN
TENGAH
2.80 21420.48 72.49 98.62
286 2012 KALIMANTAN
SELATAN
2.50 34413.31 70.02 97.85 287 2012 KALIMANTAN TIMUR 2.80 120085.76 61.82 99.12 288 2012 SULAWESI UTARA 2.60 21286.58 68.14 98.16 289 2012 SULAWESI TENGAH 3.20 21007.97 60.8 96.87 290 2012 SULAWESI SELATAN 2.60 59718.50 52.07 97.62 291 2012 SULAWESI TENGGARA 3.00 14020.35 53 97.57
292 2012 GORONTALO 2.60 3383.82 65.08 97.74
293 2012 SULAWESI BARAT 3.63 5704.33 50.92 96.19
294 2012 MALUKU 3.20 4861.35 41 98.27
295 2012 MALUKU UTARA 3.10 3445.50 52.58 98.31 296 2012 PAPUA BARAT 3.70 13780.12 41.25 95.59
297 2012 PAPUA 3.70 21436.17 24.77 75.45
298 2013 ACEH 2.40 38012.97 52.69 99.66
299 2013 SUMATERA UTARA 3.02 142537.12 51.79 99.03 300 2013 SUMATERA BARAT 2.70 46640.24 51.71 98.81
301 2013 RIAU 2.57 109073.14 58.43 98.59
302 2013 JAMBI 2.30 21979.28 68.5 98.81
303 2013 SUMATERA SELATAN 2.60 76409.76 67.98 98.57
304 2013 BENGKULU 2.38 10052.31 71.42 99.5
305 2013 LAMPUNG 2.50 46123.35 69.55 99.03
306 2013 KEP.BANGKA BELITUNG
307 2013 KEP.RIAU 2.18 49667.22 50.21 98.63 308 2013 DKI JAKARTA 1.73 477285.25 57.55 99.4 309 2013 JAWA BARAT 2.37 386838.84 65.12 98.85 310 2013 JAWA TENGAH 2.32 223099.74 64.54 99.28 311 2013 DI YOGYAKARTA 2.20 24567.48 63.04 99.96 312 2013 JAWA TIMUR 2.07 419428.45 66.11 98.6
313 2013 BANTEN 2.32 105856.07 62.11 99.05
314 2013 BALI 2.25 34787.96 62.8 99.26
315 2013 NUSA TENGGARA BARAT
2.52 20417.22 60.34 98.2 316 2013 NUSA TENGGARA
TIMUR
3.47 14746.06 43.7 97.34 317 2013 KALIMANTAN BARAT 2.48 36075.10 67.1 96.91
318 2013 KALIMANTAN
TENGAH
2.29 22999.68 72.88 99.05
319 2013 KALIMANTAN
SELATAN
2.30 36196.22 69.91 98.76 320 2013 KALIMANTAN TIMUR 2.43 121990.49 62.88 99.46 321 2013 SULAWESI UTARA 2.29 22872.16 65.24 98.92 322 2013 SULAWESI TENGAH 2.75 22979.40 59.7 98.92 323 2013 SULAWESI SELATAN 2.47 64284.43 51.91 98.24 324 2013 SULAWESI TENGGARA 2.92 15040.86 54.26 98
325 2013 GORONTALO 2.68 3646.55 65.13 97.9
326 2013 SULAWESI BARAT 3.11 6112.65 47.93 95.2
327 2013 MALUKU 3.10 5111.31 39.77 98.79
328 2013 MALUKU UTARA 2.79 3656.30 53.13 98.02 329 2013 PAPUA BARAT 2.96 15061.52 42.91 95.59
LAMPIRAN 2 Uji Statistik deskriptif
TFR PDRB WNKB APS
Mean 0.442942 4.425251 1.705487 1.944335 Median 0.431364 4.378025 1.766747 1.990561 Maximum 3.307009 5.678778 1.862608 1.999826 Minimum 0.000000 0.000000 0.000000 0.000000 Std. Dev. 0.176249 0.613298 0.252787 0.287183 Skewness 12.99813 -0.934022 -5.635176 -6.609355 Kurtosis 212.8017 10.09317 37.98591 44.84098 Jarque-Bera 614523.0 739.7856 18576.73 26474.28 Probability 0.000000 0.000000 0.000000 0.000000 Sum 146.1707 1460.333 562.8107 641.6304 Sum Sq. Dev. 10.22000 123.7484 21.02347 27.13400
Uji Chow. Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob. Cross-section F 1.888122 (32,294) 0.0036 Cross-section Chi-square 61.677875 32 0.0012
Cross-section fixed effects test equation: Dependent Variable: TFR
Method: Panel Least Squares Date: 09/08/16 Time: 14:26 Sample: 2004 2013
Periods included: 10
Cross-sections included: 33
Total panel (balanced) observations: 330
Uji Hausman 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 4.347454 3 0.26350
Cross-section random effects teomparisons:
Variable Fixed Random Var(Diff.) Prob. PDRB -0.063040 -0.079487 0.000060 0.0340 WNKB -0.073536 -0.088170 0.000714 0.5839 APS -0.164514 -0.085735 0.000598 0.0013
Cross-section random effects test equation: Dependent Variable: TFR
Method: Panel Least Squares Date: 09/16/16 Time: 18:54 Sample: 2004 2013
Periods included: 10
Cross-sections included: 33
Total panel (balanced) observations: 330
Variable Coefficient Std. Error t-Statistic Prob. C 0.527452 0.093703 5.629001 0.0000 PDRB -0.063040 0.017368 -3.629689 0.0003 WNKB -0.073536 0.079097 -0.929692 0.3533 APS -0.164514 0.068130 -2.414715 0.0016
Effects Specification Cross-section fixed (dummy variables)
DAFTAR PUSTAKA
Abdurachim, Iih. 1973. Pengantar Masalah Penduduk. Bandung: Penerbit Alumni.
Barclay, George W. 1990. Teknik Analisa Kependudukan. Cetakan Kedua. Jakarta: Rineka Cipta.
Biro Pusat Statistik.Indikator Kesejahteraan Rakyat di Indonesia. 2010. Biro Pusat Statistik.Statistik Indonesia.2010.
Brown, Lester R. 1986. Kembali di Simpang Jalan, Cetakan Kedua. Jakarta: CV. Rajawali Jakarta.
Hatmadji, Sri Harjati. 2004. Dasar-dasar Demografi. Edisi 2004.Jakarta: Lembaga penerbit Fakultas Ekonomi Universitas Indonesia.
Lidya, Yesi. 2010. Analisis Faktor-faktor yang Mempengatuhi Tingkat Kematian Bayi di kota Medan (tidak dipublikasikan).
Lucas, David dkk. 1990. Pengantar kependudukan, Cetakan Keempat. Yogyakarta: Gadjah Mada University Press.
Mantra, Ida Bagoes. 2003. Demografi Umum. Edisi Kedua. Yogyakarta Pustaka Pelajar. Pratomo, Wahyu Ario dan Paidi Hidayat.2007.Pedoman Praktis Penggunaan Eviews dalam
Ekonometrika.Medan: USU Press.
Purba, Sonder M. 2009.Analisis Faktor-faktor yang Mempengaruhi Tingkat Kepadatan Penduduk di kota Medan (tidak dipublikasikan).
Rismayadi, Budi. 2009. Materi Kuliah Pengantar Ekonomi Pembangunan.
Ritonga, Abdurrahman dkk. 2003. Kependudukan dan Lingkungan Hidup, Cetakan Kedua. Jakarta: Lembaga penerbit Fakultas Ekonomi Universitas Indonesia.
Rujiman. 2007. Analisis Faktor-faktor Penentu Fertilitas di Negara-negara Asia, Wahana Hijau, Medan.
Salladien.2003. Strategi Pembangunan Kependudukan dan Kebijakan yang ditempuh di Era Global.Malang: Departemen Pendidikan nasional Universitas Negeri Malang.
BAB III
METODE PENELITIAN
3.1Ruang Lingkup Penelitian
Untuk ruang lingkup penelitian ini adalah menganalisa faktor faktor yang mempengaruhi fertilitas di indonesia, yakni PDRB atas dasar harga konstan, wanita kawin umur 15-49 tahun yang menggunakan alat kontrasepsi, dan tingkat angka partisipasi sekolah pada 33 provinsi selama 10 tahun (2004 sampai 2013).
3.2Jenis dan Sumber Data Penelitian
jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk data panel yang diperoleh dari sumber yang berkaitan dengan penelitian ini, yakni Badan Pusat Statistik (BPS) sumatera utara. Selain itu data juga diperoleh melalui media internet serta surat kabar yang berhubungan dengan penelitian ini.
3.3Metode dan Teknik Pengumpulan Data
Dalam penulisan skripsi ini melakukan penelitian kepustakaan yaitu penulisan yang dilakukan melalui bahan bahan kepustakaan berupa tulisan- tulisan ilmiah, jurnal, dan laporan-laporan penelitian ilmiah yang ada hubungan dengan topik yang diteliti.
Sedangkan untuk teknik pengumpulan data yang dipergunakan adalah melakukan pencatatan secara langsung data angka total total fertility rate (TFR), PDRB atas dasar harga konstan, wanita kawin umur 15 – 49 tahun menggunakan alat kontrasepsi, dan angka partisipasi sekolah pada 33 provinsi di Indonesia selama 10 tahun ( 2004 sampai 2013) dari badan pusat statistik (BPS) provinsi sumatera utara.
3.4 Pengolahan Data
3.5 Analisis Statistik Deskriptif
Analisis statistik deskriptif merupakan teknik analisis data yang digunakan untuk analisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada tujuan membuat kesimpulan untuk generalisasi. Dalam penyajian analisis deskriptif ini terdiri dari mean, median, dan standar deviasi.
3.6 Metode Analisis
Metode analisis yang digunakan dalam menggambarkan hubungan antara dependen variabel dan independen variabel adalah dengan menggunakan model analisis regresi linier berganda dengan metode ordinary least square (OLS).
Dengan model persamaan sebagai berikut: Y= α + β1 X1 + β2 X2 + β3 X3 +ε
Dimana :
α = Konstanta
β1, β2, β3= Koefisien regresi
X1= PDRB atas dasar harga konstan
X2 = Wanita kawin umur 15-49 tahun yang menggunakan alat kontrasepsi
X3 = Angka partisipasi sekolah usia 7-12 tahun 3.7Penentuan Model Estimasi
Untuk mengestimasi parameter model dengan data panel, terdapat tiga teknik (model) yang sering ditawarkan, yaitu (1) Common Effect (2) Fixed Effect Model (FEM) dan (3) Random Effect Model (REM)
1. Pendekatan Kuadrat Terkecil (Common Effect)
Teknik ini merupakan teknik yang paling sederhana dengan mengkombinasikan data cross section dan time series sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan entitas (individu).Dimana pendekatan yang sering dipakai adalah metode Ordinary LeastSquare (OLS) yang mengabaikan adanya perbedaan dimensi individu maupun waktu.
2. Model Efek Tetap (Fixed Effect Model)
Pendekatan fixed effect memperhitungkan kemungkinan bahwa peneliti menghadapi masalah omitted variables dimana omitted variables mungkin membawa perubahan pada interseptime series atau cross section. Model dengan fixed effect menambahkan variabel dummy untuk mengizinkan adanya perubahan intersep ini.
3. Model Efek Random (Random Effect Model)
Pendekatan efek acak (random effect) memperbaiki efisiensi proses least square dengan memperhitungkan error dari cross section dan time series. Keuntungan
menggunkan model ini yakni menghilangkan heteroskedastisitas.Model random effect adalah variasi dari estimasi Generalized Least Square(GLS).
Ada beberapa cara yang dapat digunakan untuk menentukan teknik mana yang paling tepat dalam mengestimasi parameter data panel, yaitu:
1. Chow Test
Uji Chow adalah pengujian dalam menentukan model Fixed Effet atau Common Effect yang paling tepat untuk digunakan dalam mengestimasi data panel.
Hipotesis dalam uji Chow adalah:
H0 : Model yang tepat adalah Common Effect Model H1 : Model yang tepat adalah Fixed Effect Model
Dasar penolakan terhadap hipotesis diatas adalah dengan membandingkan F-hitung dengan F-tabel.Apabila hasil F F-hitung > dari F tabel maka H0 ditolak yang berarti model yang paling tepat digunakan adalah FixedEffectModel.Begitupun sebaliknya, jika F hitung < dari F tabel maka H0 diterima dan model yang digunakan adalah Common EffectModel.
2. Hausman Test
Uji Hausman adalah pengujian yang dilakukan dalam menentukan model Fixed EffectatauRandom Effect yang paling tepat untuk digunakan dalam mengestimasi data
panel.Statistik uji Hausman mengikuti distribusi statistik Chi-Squares dengan derajat kebebasan (df) sebesar jumlah variabel bebas. Hipotesis dalam uji Hausman adalah:
H0 :Model yang tepat adalah Random Effect Model H1 : Model yang tepat adalahFixed Effect Model
3.8 Test of Goodness of Fit (Uji Kesesuaian)
Dalam analisis regresi berganda, dapat digunakan goodness of fit untuk mengukur ketepatan dalam menaksir nilai aktual. Menurut Ghozali (2006), disebutkan bahwa secara statistik goodness of fit dapat diukur dengan uji statistik t, uji statistik F, dan analisis koefisien determinasi.
3.8.1 Koefisien Determinasi (R-Squared)
Koefisien Determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model untuk menerangkan variasi variabel independen. Dalam Ghozali (2006), nilai koefisien determinasi yang mendekati 1 berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel terikat. Dan sebaliknya nilai koefisien determinasi yang mendekati 0 berati kemampuan variabel-variabel bebas dalam menjelaskan variabel terikat sangat terbatas..
3.8.2 Uji t-statistik
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing-masing variabel bebasnya secara individu terhadap variable terikatnya.Uji ini dapat dilakukan dengan mambandingkan t hitung dengan t masing-masing t hitung. Dasar pengambilan keputusan yang digunakan dalam uji t adalah sebagai berikut :
• Jika nilai probabilitas signifikansi > 0,05, maka hipotesis (H1) ditolak. Hipotesis
ditolak mempunyai arti bahwa variabel bebas secara individu tidak berpengaruh signifikan terhadap variabel terikat.
• Jika nilai probabilitas signifikansi < 0,05, maka hipotesis (H1) diterima. Hipotesis
3.8.3 Uji F-statistik
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-sama (simultan) terhadap variabel terikat. Dasar pengambilan keputusan yang digunakan dalam uji F adalah sebagai berikut :
• Jika nilai probabilitas signifikansi > 0,05, maka hipotesis (H1) ditolak. Hipotesis
ditolak mempunyai arti bahwa variabel bebas secara individu tidak berpengaruh signifikan terhadap variabel terikat.
• Jika nilai probabilitas signifikansi < 0,05, maka hipotesis (H1) diterima. Hipotesis
diterima mempunyai arti bahwa variabel bebas secara individu berpengaruh signifikan terhadap variabel terikat.
3.9 Uji Penyimpangan Asumsi Klasik
Data panel memiliki beberapa keunggulan sehingga dalam pengunaannya, data panel tidak mengharuskan adanya uji asumsi klasik. Menurut Wibisono (2005), data panel memiliki beberapa keunggulan, antara lain:
1. Data panel mampu memperhitungkan heterogenitas individu secara ekspilisit dengan adanya variabel spesifik individu.
2. Kemampuan mengontrol heterogenitas menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks.
3. Data panel mendasarkan diri pada observasi cross-section yang berulang-ulang (time series), sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment.
3.10 Defenisi Operasional
1. Angka kelahiran total /total fertility rate (TFR) adalah jumlah rata rata anak yang dilahirkan setiap wanita usia 15-49 tahun yang dihitung berdasarkan angka kelahiran dinyatakan dalam persen (%).
2. PDRB Atas dasar harga konstanproduk didasarkan atas harga pada tahun tertentu.Tahun yang dijadikan patokan harga disebut tahun dasar untuk penentuan harga konstan.Pada perhitunganatas dasar harga konstan berguna untuk melihat pertumbuhan ekonomi secara keseluruhan atau sectoral
3. Wanita berumur 15-49 tahun yang menggunakan alat kontrasepsi adalah banyaknya wanita usia produktif yang sedang menggunakan alat kontrasepsi pada periode tertentu dinyatakan dalam persen.
4. Angka partisipasi sekolah
BAB IV
HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Wilayah Indonesia
4.1.1 Lokasi dan Letak Geografis Indonesia
Indonesia merupakan negara kepulauan dengan jumlah pulau 17,508 pulau besar maupun kecil. Indonesia diapit oleh dua benua yaitu benua Australia dan benua Asia serta dua samudera yaitu samudera Pasifik dan samudera Hindia. Jarak antara dua tempat di Indonesia dari barat ke timur adalah 5110 km sedangkan dari utara ke selatan adalah 1888 km.
Indonesia merupakan negara bahari dengan luas lautnya sekitar 7,9 juta kilometer persegi atau 81 persen dari luas keseluruhan dan mempunyai garis pantai nomor dua terpanjang di dunia setelah Kanada. Luas daratan Indonesia sekitar 1,91 juta kilometer persegi. Mempunyai puluhan atau mungkun ratusan gunung api dan sungai.
Letak astronomis Indonesia berada diantara 60 LU – 110 LS dan antara 950 BT – 1410 BT. Wilayah indonesia paling utara berada di pulau Weh di Nanggroe Aceh Darussalam yang berada pada 60 LU, untuk wilayah Indonesia di pulau Nusa tenggara Timur yang berada pada 110 LS, untuk wilayah Indonesia paling barat adalah di ujung utara pulau sumatera yang berada pada 950 BT, serta wilayah indonesia paling timur berada dikota Merauke yang berada pada 1410 BT. Negara kesatuan yang berbentuk republik ini sejak tahun 2005 dibagi menjadi 33 provinsi dengan adanya tambahan 3 provinsi baru yaitu kepulauan riau, Sulawesi Barat dan Irian barat. Pada tahgun 2007, provinsi provinsi tersebut terdiri dari 370 kabupaten, 95 kota, 6,131 kecamatan dan 73.408 desa.
4.1.2 Kondisi Iklim Indonesi
Suhu udara sisuatu tempat antara lain ditentukan oleh tinggi rendahnya tempat tersebut dari permukaan air laut dan jaraknya dari pantai. Iklim di Indonesia memiliki 3 macam iklim yaitu iklim musim (iklim muson), iklim tropika (iklim panas), dan iklim laut.Namun di Indonesia lebih dikenal dengan iklim tropis yang bisa disebut biasanya dengan sebutan iklim panas.
4.1.3 Kondisi Demografi Indonesia
Menurut Philip M Hauser dan Duncan (1959) mengatakan defenisi demografi adalah sebagai berikut:
“ demography is the study of size, territorial ditribution and compotition, changes there in and the components of such changes which maybe indentified as natality; territorial
movement (migration) and social mobility (change of state).
Yang terjemahanya dalam bahasa Indonesia adalah demografi mempelajari jumlah, persebaran, teritorial dan komposisi penduduk serta perubahan-perubahan itu yang biasanya timbul karena natalitas(fertilitas), mortalitas , gerak territorial (migrasi) dan mobilitas sosial (perubahan status).
Sehingga dapat disimpulkan bahwa demografi mempelajari struktur dan proses penduduk di suatu wilayah. Struktur penduduk meliputi: jumlah persebaran dan komposisi penduduk. Struktur ini selalu berubah-ubah, dan perubahan tersebut disebabkan karena proses demografi, yaitu: kelahiran (fertilitas), kematian (mortalitas), dan migrasi penduduk. Program kependudukan di Indonesia sama dengan kebanyakan program kependudukan yang sedang dijalankan di Negara lainnya yang ada di Indonesia yaitu meliputi: pengendalian kelahiran, penurunan tingkat kematian bayi, perpanjangan usia harapan hidup, penyebaran penduduk yang seimbang dan pengmbangan potensi penduduk sebagai salah satu modal pembangunan di Indonesia kedepannya.
4.1.4 Perkembangan Jumlah Penduduk Indonesia
Tabel 4.1
Grafik Pertumbuhan Penduduk Indonesia
Sumber: Hasil Senus Penuduk Tahun 2010 BPS
Dari gambar tabel grafik Jumlah Penduduk Indonesia yang bersumber dari Badan Sensus Penduduk kita mengetahui bahwa pertumbuhan jumlah penduduk Indonesia sangat melaju pesat. Karena pada zaman Orde Lama saja Jumlah penduduk Indonesia 97,1 juta jiwa dan pada akhir tahun 2010 jumlahnya dua kali lipat pnduduk jumlah penduduk Indonesia semenjak kemerdekaan yakni degan jumlah 237,6 juta jiwa.
Dan disini kita dapat menganalisa pertam bahan jumlah penduduk Indonesia.Dilihat dari angka rata-rata kenaikan jumlah penduduk yang dalam setiap 10 tahun berkisar 32 juta jiwa. Maka kita dapat mengambil kesimpulan pertambahan penduduk pertahunnya adalah 2,6 juta jiwa. Jadi Jumlah Penduduk Indonesia tahun 2013 sebesar 245,4 juta jiwa. Kemudian Jumlah Penduduk Indonesia tahun 2014 sebesar 248 juta jiwa.
Diagram Persebaran Penduduk Indoneia
4.1.5 laju Pertumbuhan Ekonomi di Indonesia
Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang dilaksanakan, khususnya di bidang ekonomi. Pertumbuhan tersebut merupakan gambaran tingkat pertumbuhan ekonomi yang terjadi.
Pembangunan ekonomi merupakan serangkaian usaha kebijakan yang bertujuan untuk meningkatkan taraf hidup masyarakat dengan cara memperluas lapangan kerja, pemerataan pembagian pendapatan, meningkatkan hubungan ekonomi regional dan mengusahakan pergeseran sektor ekonomi dari sektor pertanian menjadi sektor sekunder dan sektor tertier (BPS,2007:2)
Dengan kata lain arah dan pembangunan ekonomi adalah mengusahakan agar pendapatan masyarakat naik secara real dan tingkat pemerataanya semakin baik sesuai dengan yang digariskan dalam GBHN dan UUD 1945 yaitu mencapai masyarakat Adil dan Makmur.
pertumbuhannya. Jika terjadi pertumbuhan yang positif, hal ini menunjukkan adanya peningkatan perekonomian dibandingkan dengan tahun sebelumnya.
Tabel 4.2
Laju Pertumbuhan Ekonomi Indonesia
Sumber: BPS Indonesia tahun 2010
4.2 Analisis Deskriptif
Berdasarkan data statistik yang diperoleh melalui hasil estimasi yang menggunakan program eviews 7 maka dilakukan analisis deskriptif untuk memberikan gambaran data dalam penelitian ini.Analisis deskriptif dalam penelitian ini dilakukan melalui nilai maksimum, nilai minimum, nilai rata-rata (mean), nilai tengah (median), dan simpangan baku (standart deviation) dari masing-masing variabel penelitian. Penelitian ini meliputi tiga variabel
Tabel 4.3
Statistik Deskriptif Variabel Penelitian
TFR PDRB WNKB APS
Mean 0.442942 4.425251 1.705487 1.944335 Median 0.431364 4.378025 1.766747 1.990561 Maximum 3.307009 5.678778 1.862608 1.999826 Minimum 0.000000 0.000000 0.000000 0.000000 Std. Dev. 0.176249 0.613298 0.252787 0.287183 Skewness 12.99813 -0.934022 -5.635176 -6.609355 Kurtosis 212.8017 10.09317 37.98591 44.84098 Jarque-Bera 614523.0 739.7856 18576.73 26474.28 Probability 0.000000 0.000000 0.000000 0.000000 Sum 146.1707 1460.333 562.8107 641.6304 Sum Sq. Dev. 10.22000 123.7484 21.02347 27.13400
Observations 330 330 330 330
Sumber: Hasil Olahan Data Eviews,
1. Rata-rata (mean) nilai TFR dengan jumlah data 330 adalah 0.442942 dan median sebesar 0.431364. Nilai maksimum adalah 3.307009. dan nilai minimum adalah 0, dengan standar deviasi 0.176249.menunjukkan bahwa angka fertilitas dalam penelitian ini masih ada yang tidak memiliki perubahan. Terdapat provinsi yang dapat mencapai kenaikan nilai fertilitas 3% dan di sisi lain ada provisi yang tidak mengalami perubahan angka nilai fertilitas.
2. Rata-rata (mean) nilai PDRB dengan jumlah data 330 adalah 4.425251 dan median sebesar4.378025. Nilai maksimum adalah 5.678778 dan nilai minimum adalah 0, dengan standar deviasi 0.613298.
4. Rata-rata (mean) nilai APS dengan jumlah data 330 adalah 1.944335 dan median sebesar 1.990561. Nilai maksimum adalah 1.999826dan nilai minimum adalah 0, dengan standar deviasi 0.287183.
4.3 Uji Chow
Uji chow merupakan suatu uji untuk menentukan model regresi mana yang lebih baik antara fixed effect model dan common effect model atau Ordinary Least Square (OLS). Hasil pengujian chow dapat dilihat pada tabel di bawah:
Tabel 4.4 Uji Chow Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob. Cross-section F 1.888122 (32,294) 0.0036 Cross-section Chi-square 61.677875 32 0.0012
Sumber: Hasil Olahan Data Eviews,
Dari hasil uji chow di atas, dapat dilihat bahwa nilai probabilitas Cross Section F dan Chi-Square adalah sebesar 0.0036 dan 0.0012. Nilai ini lebih kecil jika dibandingkan dengan nilai taraf signifikasi 5% (α = 0.05), sehingga dapat disimpulkan bahwa Ho ditolak dan model
yang tepat untuk digunakan adalah model Fixed Effect(Efek Tetap)
4.4 Uji Hausman
Tabel 4.5 Uji Hausman 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 4.347454 3 0.26350
Sumber: Hasil Olahan Data Eviews,
Dari hasil uji Hausman diatas dapat dilihat bahwa nilai probabilitas Cross-Section Random 0.2635. Hasil ini menunjukkan bahwa nilai probabilitas dari Cross-Section Random lebih besar, jika dibandingkan dengan nilai taraf signifikasi 5% (α = 0.05), sehingga hipotesis nol diterima dan model yang tepat untuk digunakan dalam mengestimasi data panel pada penelitian ini adalah Random Effect (Efek Acak).
4.5Hasil Regresi Model Penelitian
Tabel 4.6 Estimasi Model Cross-section random effects test equation: Dependent Variable: TFR
Method: Panel Least Squares Date: 09/16/16 Time: 18:54 Sample: 2004 2013
Periods included: 10
Cross-sections included: 33
Total panel (balanced) observations: 330
Variable Coefficient Std. Error t-Statistic Prob. C 0.527452 0.093703 5.629001 0.0000 PDRB -0.063040 0.017368 -3.629689 0.0003 WNKB -0.073536 0.079097 -0.929692 0.3533 APS -0.164514 0.068130 -2.414715 0.0016
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.242538 Mean dependent var 0.442942 Adjusted R-squared 0.152364 S.D. dependent var 0.176249 S.E. of regression 0.162268 Akaike info criterion -0.696470 Sum squared resid 7.741258 Schwarz criterion -0.282023 Log likelihood 150.9175 Hannan-Quinn criter. -0.531153 F-statistic 2.689668 Durbin-Watson stat 1.312255 Prob(F-statistic) 0.000003
Sumber: Hasil Olahan Data Eviews,
kepercayaan 95%. Jika nilai p value kurang dari 0,10 maka variabel memiliki pengaruh yang signifikan dengan tingkat kepercayaan 90%.
Hasil estimasi regresi antara variabel terikat (TFR) dengan variabel bebas (PDRB, WNKB, APS) di atas menggunakan program Eviews 7. Persamaan regresi tersebut dapat diformulasikan sebagai berikut:
TFRit = α + β1 PDRBit + β2 WNKBit + β3 APSit + ε
Persamaan regresi di atas menunjukkan bahwa variabel bebas memiliki nilai koefisien masing-masing.Interpretasi hasil estimasi diatas adalah sebagai berikut:
a. PDRB
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien variabel PDRB menunjukkan-0.063040 memiliki pengaruh negatif terhadap angka Fertilitas. Hal ini berarti apabila nilai PDRB atas dasar harga konstan di Indonesia mengalami peningkatan sebesar 1 satuan maka,akan mendorong terjadinya penurunan nilai angka kelahiran sebesar -0.063040 satuan. Dengan asumsi variabel bebas lain bernilai nol (ceteris paribus).
b. WNKB
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien variabel WNKB menunjukkan-0.073536 memiliki pengaruh negatif terhadap angka kelahiran. Hal ini berarti apabila nilai Wanita Kawin Usia 15-49 Tahun yang Menggunakan alat Kontrasepsi mengalami peningkatan sebesar 1 satuan maka akan mendorong terjadinya penurunan nilai angka kelahiran sebesar -0.073536 satuan, dengan asumsi variabel bebas lain bernilai nol (ceteris paribus).
c. APS
satuan maka akan mendorong terjadinya penurunan nilai angka Kelahiran sebesar -0.164514satuan, dengan asumsi variabel bebas lain bernilai nol (ceteris paribus).
4.6Uji Signifikansi
4.6.1 Uji Parsial (Uji Statistik T)
Berdasarkan hasil pengujian regresi data panel dengan menggunakan teknik Random Effect, pada Tabel 4.5 sebelumnya dapat diketahui pengaruh secara persial antara variabel
bebas yaitu PDRB Atas Dasar Harga Konstan, Wanita Kawin Usia 15-49 Tahun Menggunakan Kontrasepsi dan Angka Partisipasi Sekolah Usia 7-12 Tahun dengan variabel terikat yaitu Angka Fertilitas Total (TFR). Dengan menggunakan hipotesis penelitian, maka dapat diambil kesimpulan apakah pengaruh variabel bebas tersebut signifikan atau tidak signifikan terhadap variabel terkait.
Pengujian secara parsial (uji T) digunakan untuk menguji bagaimana pengaruh masing-masing variabel independen secara sendiri-sendiri terhadap variabel dependen. Uji ini dapat dilakukan dengan membandingkan nilai t hitung dengan t tabel atau dapat melihat kolom signifikansi dengan membandingkan tingkat α 0,10.
Berdasarkan tabel 4.6 sebelumnya dapat dilihat pengaruh variabel independen terhadap variabel dependen yang dapat dijelaskan sebagai berikut :
a. PDRB Atas Dasar Harga Konstan
Variabel PDRB mempunyai nilai probabilitas sebesar 0.0003 Nilai probabilitas ini lebih kecil dari α = 0,10, sehingga dapat disimpulkan bahwa variabel PDRB berpengaruh
b. Wanita Kawin Usia 15-49 Tahun yang Menggunakan Alat Kontrasepsi
Variabel WNKB mempunyai nilai probabilitas sebesar 0.3533. Nilai probabilitas ini lebih besar dari α = 0,10, sehingga dapat disimpulkan bahwa variabel WNKB tidak berpengaruh secara signifikan terhadap angka kelahiran. Kondisi ini berarti hipotesis alternatif (Ho) diterima.
c. Angka Partisipasi Sekolah Usia 7-12 Tahun
Variabel APS mempunyai nilai probabilitas sebesar0.0016. Nilai probabilitas ini lebih kecil dari α = 0,10, sehingga dapat disimpulkan bahwa variabel APS berpengaruh secara
[image:34.595.141.441.349.455.2]signifikan terhadap nilai angka kelahiran. Kondisi ini berarti hipotesis alternatif (Ho) ditolak. 4.6.2 Uji Simultan (Uji Statistik F)
Tabel 4.7 Uji Simultan (Uji F)
F-statistic 2.689668
Prob (F-statistic) 0.000003 Sumber: Hasil Olahan Data Eviews,
Berdasarkan hasil estimasi yang dilakukan, maka diperoleh nilai F-statistik sebesar 2.689668 dengan nilai probability sebesar 0.000003. Nilai probabilitas F-statistik sebesar 0.000003 lebih kecil jika dibandingkan dengan alpha 1% (0.01), maka dapat disimpulkan bahwa Ha diterima atau dengan kata lain, terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas dengan variabel terikat dengan tingkat kepercayaan 99,9%.
4.6.3 Koefisien Determinasi (R2)
variabel terikat (angka kelahiran) sebesar 24.25% dan sisanya 75.75% dijelaskan variabel lain yang tidak dimasukan ke dalam model persamaan tersebut.
4.7 Pembahasan
a. Pengaruh PDRB Atas Dasar Harga Konstan Terhadap Angka Fertilitas
Hasil pengujian pengaruhPDRB Atas Dasar Harga Konstan terhadap Angka Kelahiran di Indonesia dalam penelitian ini menunjukkan korelasi yang negatif dan signifikan.
Hasil penelitian secara parsial menunjukkan bahwa perubahan yang terjadi pada PDRB akan mempengaruhi tingkat angka kelahiran di Indonesia secara negatif. Hal ini mengindikasikan semakin tinggi nilai PDRB di Indonesiaakan mendorong terjadinya penurunan angka kelahiran dan demikian sebaliknya.
Dalam penelitian ini diteliti sebanyak 33Provinsi di Indonesia, dengan tahun penelitian periode 2004-2013. Dari hasil perhitungan secara partial variabel PDRB berpengaruh signifikan positif terhadap variabel perubahan angka kelahiran yang ditunjukkan dengan besarnya nilai signifikansi yang lebih kecil dari 0.05 yaitu 0,0003.
b. Pengaruh Wanita Kawin Usia 15-49 Tahun Yang Menggunakan alat Kontrasepsi Terhadap Angka Fertilitas
Hasil pengujian pengaruhWanita Kawin Usia 15-49 Tahun yang Menggunakan alat Kontrasepsi terhadap angka kelahiran di Indonesia dalam penelitian ini menunjukkan korelasi yang negatif namun tidak signifikan.
Dari hasil perhitungan secara partial variabel Wanita Kawin Usia 15- 49 Tahun yang Menggunakan alat Kontrasepsi tidak berpengaruh signifikan terhadap variabel perubahan angka kelahiran yang ditunjukkan dengan besarnya nilai signifikansi yang lebih besar dari 0,05 yaitu0.3533.
c. Pengaruh Angka Partisipasi Sekolah Usia 7-12 Tahun Terhadap Fertilitas
Hasil pengujian pengaruh angka Partisipasi Sekolah Usia 7-12 Tahun di Indonesia dalam penelitian ini menunjukkan korelasi yang negatif dan signifikan.
BAB V
KESIMPULAN DAN SARAN 1.1 Kesimpulan
Berdasarkan hasil penelitian mengeni PDRB atas dasar harga konstan, wanita kawin usia 15-49 tahun yang menggunakan alat kontrasepsi dan angka partisipasi sekolah usia 7-12 tahun terhadat Total Fertility Rate (TFR) di 33 provinsi di Indonesia, maka penulis dapat menarik beberapa kesimpulan yitu :
1. Koefisien determinasi(R2) sebesar 0.242538. nilai ini menggambarkan bahwa secara bersama variabel bebas yang digunakan memiliki kemampuan menjelaskan variasi perubahan Total Fertility rate (TFR) adalah sebesar 24,25%, sedangkan sisanya sebesar 75,75% dijelaskan oleh variabel lain yang tidak disertai dalam model estimasi.
2. Variabel PDRB atas dasar harga konstan (X1) berpengaruh signifikan terhadap Total Fertility Rate (TFR) di 33 provinsi di Indonesia pada masing-masing α 5% dan 1%. Dengan demikian hipotesis Ho ditolak artinya variabel tersebut berpegaruh nyata terhadap Total Fertility Rate (TFR) pada kepercayaan 95% dan 99%.
3. Variabel Wanita kawin usia 15-49 tahun (X2) yang menggunakan kontrasepi tidak berpengaruh signifikan terhdap Total Fertility Rate (TFR) di 33 provinsi di Indonesia. hal ini terlihat pada hasil olahan data eviws yang menunjukkn bahwa nilai probability-nya lebih besar dari pada masing-masing α 5% dan 1%. Dengan emikian Ho diterima artinya variabel tersebut tidak berpengaruh nyata terhadap Total Fertility Rate (TFR) pada kepercayaan 95% dan 99%
5.2 Saran
1. Perlu adanya peningkatan layanan penyuluhan tentang pentingnya pendidikan agar partisipasi penduduk untuk bersekolah semakin tinggi sehingga masyarakat dapat memperoleh tingkat pendidikan yang tinggi dan yang lebih baik, sehingga dapat menurunkan tingkat perkawinan dini. Hal ini tentunya berdampak pada penurunan tingkat fertilitas.
2. Perlunya peningkatan kesejahteraan pada pegawai Badan Koordinasi Keluarga Berecana yang sangat membantu dalam menurunkan fertilitas melalui kegiatan memberikan penyuluhan terhadap wanita dalam pemakaian kontrasepsi.
BAB II
TINJAUAN PUSTAKA 2.1 Pengertian Fertilitas
Fertilitas sebagai istilah demografi diartikan sebagai hasil reproduksi yang nyata dari seorang wanita atau kelompok wanita. Dengan kata lain fertilitas ini menyangkut banyaknya bayi yang lahir hidup. Fertilitas mencakup peranan kelahiran pada perubahan penduduk. Istilah fertilitas adalah sama dengan kelahiran hidup (live birth), yaitu terlepasnya bayi dari rahim seorang perempuan dengan ada tanda-tanda kehidupan; misalnya berteriak, bernafas, jantung berdenyut, dan sebagainya (Mantra, 2003:145).
Seorang perempuan yang secara biologis subur (fecund) tidak selalu melahirkan anak-anak yang banyak, misalnya dia mengatur fertilitas dengan abstinensi atau menggunakan alat-alat kontrasepsi.Kemampuan biologis seorang perempuan unuk melahirkan sangat sulit untuk diukur.Ahli demografi hanya menggunakan pengukuran terhadap kelahiran hidup (live birth).
Pengukuran fertilitas lebih kompleks dibandingkan dengan pengukuran mortalitas, karena seorang perempuan hanya meninggal satu kali, tetapi ia dapat melahirkan lebih dari seorang bayi. Disamping itu seorang yang meninggal pada hari dan waktu tertentu, berarti mulai saat itu orang tersebut tidak mempunyai resiko kematian lagi Sebaliknya seorang perempuan yang telah melahirkan seorang anak tidak berarti resiko melahirkan dari perempuan tersebut menurun.
Memperhatikan kompleksnya pengukuran terhadap fertilitas tersebut, maka memungkinkan pengukuran terhadap fertilitas ini dilakukan dengan dua macam pendekatan:pertama, Pengukuran Fertilitas Tahunan (Yearly Performance) dan kedua, Pengukuran Fertilitas Kumulatif (Reproductive History).
1. Yearly Performance (current fertility)
Mencerminkan fertilitas dari suatu kelompok penduduk/berbagai kelompok penduduk untuk jangka waktu satu tahun Yearly Performance terdiri dari:
a. Angka Kelahiran Kasar atau Crude Birth Ratio (CBR)
Angka Kelahiran Kasar dapat diartikan sebagai banyaknya kelahiran hidup pada suatu tahun tertentu tiap 1000 penduduk pada pertengahan tahun. Atau dengan rumus dapat ditulis sebagai berikut:
Dimana:CBR= �
����
Pm : Penduduk pertengahan tahun
K : Bilangan konstan yang biasanya 1.000 B: Jumlah kelahiran pada tahun tertentu
Kebaikan dari perhitungan CBR ini adalah perhitungan ini sederhana, karena hanya memerlukan keterangan tentang jumlah anak yang dilahirkan dan jumlah penduduk pada pertengahan tahun.Sedangkan kelemahan dari perhitungan CBR ini adalah tidak memisahkan penduduk laki-laki dan penduduk perempuan yang masih kanak-kanak dan yang berumur 50 tahun keatas.Jadi angka yang dihasilkan sangat kasar.
b. Angka Kelahiran Umum atau General Fertility Rate (GFR)
Angka Kelahiran Umum adalah banyaknya kelahiran tiap seribu wanita yang berumur 15-49 tahun atau 15-44 tahun. Dapat ditulis dengan rumus sebagai berikut:
Dimana:���= �
��(��−��)��
GFR : Tingkat Fertilitas Umum B : Jumlah kelahiran
Pf (15-49) : Jumlah penduduk perempuan umur 15-49 tahun pada pertengahan Tahun
Kebaikan dari perhitungan GFR ini adalah perhitungan ini lebih cermat daripada CBR karena hanya memasukkan wanita yang berumur 15-49 tahun atau sebagai penduduk yang exposed to risk. Kelemahan dari perhitungan GFR ini adalah tidak membedakan risiko melahirkan
dari berbagai kelompok umur, sehingga wanita yang berumur 40 tahun dianggap mempunyai risiko melahirkan yang sama besarnya dengan wanita yang berumur 25 tahun.
c. Angka Kelahiran menurut Kelompok Umur atau Age Specific Fertility Rate (ASFR)
Terdapat variasi mengenai besar kecilnya kelahiran antar kelompok penduduk tertentu, karena tingkat fertilitas penduduk ini dapat pula dibedakan menurut: jenis kelamin, umur, status perkawinan, atau kelompok-kelompok penduduk yang lain.
Diantara kelompok perempuan usia reproduksi (15-49) terdapat variasi kemampuan melahirkan, karena itu perlu dihitung tingkat fertilitas perempuan pada tiap-tiap kelompok umur Age Specific Fertility Rate (ASFR). Sehingga, ASFR dapat diartikan sebagai banyaknya kelahiran tiap seribu wanita pada kelompok umur tertentu, dengan rumus sebagai berikut:
Dimana:����� = ��
�ƒ���
Bi : Jumlah kelahiran bayi pada kelompok umur i
Pfi : Jumlah perempuan kelompok umur i pada pertengahan tahun k : Angka konstanta 1.000
Kebaikan dari perhitungan ASFR ini adalah perhitungan ini lebih cermat dari GFR Karena sudah membagi penduduk yang exposed to risk ke dalam berbagai kelompok umur. Dengan ASFR dimungkinkan pembuatan analisis perbedaan fertilitas (current fertility) menurut berbagai karakteristik wanita.Dengan ASFR dimungkinkan dilakukannya studi fertilitas menurut Kohor.ASFR ini merupakan dasar untuk perhitungan ukuran fertilitas dan reproduksi selanjutnya (TFR, GRR, dan NRR).
Kelemahan dari perhitungan ASFR ini adalah membutuhkan data yang terinci yaitu banyaknya kelahiran untuk kelompok umur.Sedangkan data tersebut belum tentu ada di tiap negara/daerah, terutama di negara yang sedang berkembang.Jadi pada kenyataannya sukar sekali mendapat ukuran ASFR.Kemudian pada perhitungan ini tidak menunjukkan ukuran fertilitas untuk keseluruhan wanita umur 15-49 tahun.
d. Angka Kelahiran Total atau Total Fertility Rate (TFR)
Tingkat Fertilitas Total didefenisikan sebagai jumlah kelahiran hidup laki-laki dan perempuan tiap 1.000 penduduk yang hidup hingga akhir masa reproduksinya dengan catatan:
1. Tidak ada seorang perempuan yang meninggal sebelum mengakhiri masa reproduksinya 2. Tingkat fertilitas menurut umur tidak berubah pada periode waktu tertentu.
Tingkat Fertilitas Total menggambarkan riwayat fertilitas dari sejumlah perempuan hipotesis selama masa reproduksinya. Dalam praktek Tingkat Fertilitas Total dikerjakan dengan menjumlahkan tingkat fertilitas perempuan menurut umur, apabila umur tersebut berjenjang lima tahunan, dengan asumsi bahwa tingkat fertilitas menurut umur tunggal sama dengan rata-rata tingkat fertilitas kelompok umur lima tahunan. Maka rumus dari Tingkat Fertilitas Total atau TFR adalah sebagai berikut:
���=� � ����(�= �,�… … )
�
�=� Dimana: ASFR
Kebaikan dari perhitungan TFR ini adalah TFR merupakan ukuran untuk seluruh wanita usia 15-49 tahun, yang dihitung berdasarkan angka kelahiran menurut kelompok umur (Hatmadji, 2004:63).
2. Reproductive History (cummulative fertility)
a. Children Ever Born (CEB) atau jumlah anak yang pernah dilahirkan
CEB mencerminkan banyaknya kelahiran sekelompok atau beberapa wanita selama reproduksinya; dan disebut juga paritas.Kebaikan dari perhitungan CEB ini adalah mudah didapatkan informasinya (di sensus dan survey) dan tidak ada referensi waktu.
Kemudian kelemahan dari perhitungan ini adalah angka paritas menurut kelompok umur akanmengalami kesalahan karena kesalahan pelaporan umur penduduk, terutama di negara sedang berkembang.Kemudian ada kecenderungan semakin tua semakin besar kemungkinannya melupakan jumlah anak yang dilahirkan. Dan kelemahannya fertilitas wanita yang telah meninggal dianggap sama dengan yang masih hidup.
b. Child Woman Ratio (CWR)
CWR adalah hubungan dalam bentuk ratio antara jumlah anak di bawah 5 tahun dan jumlah penduduk wanita usia reproduksi. Kebaikan dari perhitungan CWR ini adalah untuk mendapatkan data yang diperlukan tidak usah membuat pertanyaan khusus dan berguna untuk indikasi fertilitas di daerah kecil sebab di Negara yang registrasinya cukup baik pun, statistic kelahiran tidak ditabulasikan untuk daerah yang kecil-kecil.
Kelemahan dari CWR ada tiga, pertama langsung dipengaruhi oleh kekurangan pelaporan tentang anak, yang sering terjadi di Negara sedang berkembang. Walaupun kekurangan pelaporan juga terjadi di kelompok ibunya namun secara relatif kekurangan pelaporan pada anak-anak jauh lebih besar.Kedua, dipengaruhi oleh tingkat mortalitas, dimana tingkat mortalitas anak, khususnya di bawah satu tahun juga lebih besar dari orang tua, sehingga CWR selalu lebih kecil daripada tingkat fertilitas yang seharusnya. Ketiga, tidak memperhitungkan distribusi umur dari penduduk wanita.
2.2 Teori-teori Kependudukan
Penduduk dunia berkembang secara lambat sampai pertengahan abad ke 17.Pada sekitar tahun 1665 penduduk dunia diperkirakan sebesar 500 juta atau ½ Milyar.Penduduk dunia kemudian menjadi dua kali lipat dalam jangka waktu 200 tahun yaitu pada tahun 1850.Dalam jangka waktu 80 tahun kemudian penduduk dunia menjadi dua kali lipat lagi, yaitu pada tahun 1930.Sedangkan untuk mencapai 4 Milyar kemudian, hanya diperlukan waktu 45 tahun.
Pertumbuhan penduduk yang makin cepat ini dapat dimengerti apabila kita melihat adanya penemuan Penicillin pada tahun 1930 dan program kesehatan masyarakat yang makin meningkat sejak tahun 1960-an. Dengan perkembangan teknologi obat-obatan maka angka kematian menurun sedangkan angka kelahiran masih tetap tinggi sehingga membuat selisih antara kedua angka tersebut makin besar. Dengan kata lain, pertumbuhan penduduk makin cepat.
Pengaruh penemuan Penicillin dan program kesehatan masyarakat sangat mempengaruhi pertumbuhan penduduk.Sebagai contoh tahun 1850-1930, untuk mencapai jumlah penduduk sebesar 1 Milyar, diperlukan waktu 80 tahun.Sedangkan periode 1960-1975 hanya memerlukan waktu 15 tahun saja.
Pertumbuhan penduduk yang makin cepat tersebut, mengundang banyak masalah sehingga teori-teori kependudukan kemudian berkembang dengan pesatnya, pengemuka-pengemuka teori pada dasarnya bertitik tolak pada masalah kependudukan dalam kaitannya dengan masalah ekonomi, etik, agama, pertahanan/politik dan sebagainya (Mantra, 2003: 51).
kependudukan dalam kaitannya dengan masalah ekonomi, etik, agama, pertahanan/politik dan sebagainya (Mantra, 2003: 51).
2.2.1 Teori Malthus
Aliran ini dipelopori oleh Thomas Robert Malthus, seseorang pendeta Inggris, hidup pada tahun 1766 hingga tahun 1834. Pada permulaan tahun 1798 lewat karangannya yang berjudul: “ Essai on Principle of Populations as it Affect the Future Improvement of Society, with Remarks on the Speculation of Mr. Godwin, M. Condorcet, and Other Writers”,
Tingginya pertumbuhan penduduk ini disebabkan karena hubungan kelamin antara laki-laki dan perempuan tidak bisa dihentikan.Disamping itu Malthus berpendapat bahwa manusia untuk hidup memerlukan bahan makanan, sedangkan laju pertumbuhan bahan makanan jauh lebih lambat dibandingkan dengan laju pertumbuhan penduduk. Apabila tidak diadakan pembatasan terhadap pertumbuhan penduduk, maka manusia akan mengalami kekurangan bahan makanan. Inilah sumber dari kemelaratan dan kemiskinan manusia. Hal ini jelas diuraikan oleh Malthus sebagai berikut:
… Human species would increase as the number 1, 2, 4, 8, 16, 32, 64, 128, 256, and the
substance as 1,2,3,4,5,6,7,8,9. In two centuries the population would be to the means of
subsistance as 236 to 9; in three centuries as 4096 to 13 and in two thousand years the
difference would be almost incalculable… (Mantra, 2003:51)
Seperti telah disebutkan diatas, untuk dapat keluar dari permasalahan kekurangan pangan tersebut, pertumbuhan penduduk harus dibatasi. Menurut Malthus pembatasan tersebut, dapat dilaksanakan dengan dua cara yaitu preventive checks, dan positive checks. Preventive checks dapat dibagi menjadi dua, yaitu: moral restraint dan vice. Moral restraint
Tabel 2.2
Pembatasan Pertumbuhan Penduduk
Preventive Checks
(lewat penekanan kelahiran)
Positive Checks
(lewat proses kematian) Moral Restraint (pengekangan diri) Vice (usaha pengurangan kelahiran)
Vice (segala jenis
pencabutan nyawa)
Misery (keadaan yang
menyebabkan kematian)
- Segala usaha yang mengekang nafsu seksual
- Perundingan perkawinan
- Pengguguran kandungan
- Homoseksual - Promiscuity - Adultery
- Penggunaan alat-alat kontrasepsi
- Pembunuhan anak-anak
- Pembunuhan orang-orang cacat - Pembunuhan orang-orang tua
- Epidemic - Bencana alam - Peperangan - kelaparan
- Kekurangan pangan
Positive checks adalah pengurangan penduduk melalui proses kematian. Apabila suatu
Positive checks dapat dibagi lagi menjadi dua yaitu: vice dan misery. Vice (kejahatan)
ialah segala jenis pencabutan nyawa sesama manusia seperti pembunuhan anak-anak (infancitide), pembunuhan orang-orang cacat, dan orang-orang tua. Misery (kemelaratan) ialah segala keadaan yang menyebabkan kematian seperti berbagai jenis penyakit dan epidemic, bencana alam, kelaparan, kekurangan pangan dan peperangan.
Pendapat Malthus banyak mendapat tanggapan para ahli dan menimbulkan diskusi yang terus menerus.Pada umumya gagasan yang dicetuskan Malthus dalam abad ke-18 pada masa itu dianggap sangat aneh. Asumsi yang mengatakan bahwa dunia akan kehabisan sumber daya alam karena jumlah penduduk yang selalu meningkat, tidak dapat diterima oleh akal sehat. Dunia baru (Amerika, Afrika, Australia, dan Asia) dengan sumber daya alam yang berlimpah, baru saja terbuka untuk para migran dari dunia lama (misalnya Eropa Barat). Mereka mempekirakan bahwa sumber daya alam di dunia baru tidak akan dapat dihabiskan. Beberapa kritik terhadap teori Malthus adalah sebagai berikut:
1. Malthus tidak memperhitungkan kemajuan-kemajuan transportasi yang menghubungkan daerah satu dengan yang lain sehingga pengiriman bahan makanan ke daerah-daerah yang kekurangan pangan mudah dilaksanakan.
2. Dia tidak memperhitungkan kemajuan yang pesat dalam bidang teknologi, terutama dalam bidang pertanian. Jadi produksi pertanian dapat pula ditingkatkan secara cepat dengan mempergunakan teknologi baru.
3. Malthus tidak memperhitungkan usaha pembatasan kelahiran bagi pasangan-pasangan yang sudah menikah. Usaha pembatasan kelahiran ini telah dianjurkan oleh Francis Place pada tahun 1822.
4. Fertilitas akan menurun apabila terjadi perbaikan ekonomi dan standard hidup penduduk dinaikkan. Hal ini tidak dapat diperhitungkan oleh Malthus (Mantra, 2003:53).
2.2.2 Mazhab Fisiologi
Menurut seorang tabib Inggris Thomas Jarold, daya biak (kemampuan menurunkan) pada manusia akan berkurang, semakin banyak ia mempergunakan tenaga rohani dan jasmaninya. Karena itu, menurut pendapatnya, orang tidak usah khawatir akan ketidak seimbangan antara jumlah penduduk dan bahan makanan, mengingat bertambahnya kemajuan yang kini dapat dicapai oleh manusia yang meminta lebih banyak pengorbanan tenaga rohani dan jasmani.
Hampir sama pendapatnya dengan Thomas Jarold adalah Michael Thomas Sadler. Menurut pendapatnya, kemampuan menurukan keturunan orang itu akan berkurang, ceteris paribus. Jika jumlah penduduk itu bertambah dan kemampuan menurunkan keturunan itu
akan bertambah jika jumlah penduduk itu berkurang. Disingkatkan gambaran pendapat M. T. Sadler itu adalah sebagai berikut:
Bertambahnya jumlah penduduk = berkurangnya jumlah kemampuan melahirkan.
Berkurangnya jumlah pendduduk = bertambahnya kemampuan melahirkan.
Pada penduduk yang sedang naik jumahnya, bertambah banyaknya bahan makanan berlangsung lebih cepat daripada bertambahnya orang.Keadaan ini mengakibatkan naiknya tingkat kemakmuran penduduk itu.Meningkatnya kemakmuran menyebabkan berkurangnya kemampuan meurunkan keturunan.Banyaknya bahan makanan dan mudahnya keadaan penghidupan mempengaruhi berkurangnya kemampuan menurunkan keturunan.Bukti-bukti itu ditemukan oleh Sadler di Negara-negara dan kota-kota besar yang rapat penduduknya dengan angka-angka kelahiran yang rendah dan banyaknya bangsawan-bangsawan inggris yang tidak mempunyai keturunan lagi.Begitu juga dalam keadaan yang sebaliknya.Sukarnya penghidupan dan kurangnya bahan makanan sangat besar pengaruhnya terhadap bahan makanan menurunkan keturunan.
Dalil yang menyatakan bahwa kemampuan menurunkan keturunan akan berkurang dalam meningkatnya kemakmuran, dengan tegas dipertahankan oleh Thomas Doubleday pada tahun 1841. Menurut pendapatnya, sangat sukar didapatkan bahan penghidupan, merupakan suatu perangsang dari daya biak sedangkan bila bahan-bahan penghidupan itu mudah didapatkan maka hal ini akan mengurangi kemampuan melahirkan. Berlakunya hukum ini dapat kita jumpai pada seluruh alam hewan dan tumbuh-tumbuhan.
kemampuan melahirkan itu sangatlah besar.Keadaan tersebut oleh Doubleday dinyatakan sebagai “Hukum yang agung dan nyata dari penduduk” atau (The real and the great law of human population).Ia mengira, bahwa secara empiris ia dapat membuktikan berlakunya hukum itu.
Herbert Spencer yang menyangkal dengan keras teori dari Malthus menarik garis pemisah antara hewan dan manusia dalam memperkembangkan keturunannya.Ia berpendapat bahwa manusia mengenal “Individu” dan “Kemajuan Perseorangan”.Semakin banyak orang mempergunakan energi untuk kemajuan dirinya, semakin berkuranglah energi yang dapat dipergunakan untuk memperkembangkan keturunan.Karena itu, jenis hewan yang tingkat kemajuannya rendah, daya biaknya tinggi, sebaliknya tingkat kemajuan individu yang tinggi bersamaan dengan daya biaknya yang rendah.Manusia adalah jenis hewan yang paling maju dan kemampuan menurunkan keturunan adalah paling rendah. Semakin tinggi tingkat kemajuan sesuatu golongan penduduk,akan semakin berkuranglah daya biaknya, sehingga akhirnya akan sampai kepada suatu tingkatan, dimana kemampuan menurunkan keturunan itu hanya sekedar cukup untuk mengkompensir jumlah kematian. Selanjutnya penduduk itu akan menjadi stasioner.
Faedah dari adanya teori-teori golongan fisiologis ini adalah bahwa orang-orang tidak lagi berpegang teguh, bahwa kemapuan menurunkan keturunan merupakan suatu daya yang tetap.Tetapi bukti-bukti daripada teori-teori itu sukar didapat, jadi hanya merupakan suatu hipotesa belaka (Abdurachim, 1973:15-18).
2.2.3 Mazhab Psycho-Sosial
2.2.4 Teori Evolusi Sosial
Disamping teori-teori golongan fisiologis dan golongan psycho-sosial dalam permulaan abad ke-20 masih terdapat teori-teori lain mengenai masalah penduduk. Prof. Gini yang teori nya disebut orang teori evolusi-sosial meneyebut proses dari pertumbuhan penduduk bangsa sebagai “peredaran (siklus) bangun dan runtuhnya penduduk”. Siklus dari pertumbuhan penduduk ini menurut pendapatnya adalah sama dengan siklus hidup individu. Ada suatu masa permulaan, dimana orang tumbuh dengan cepat menjadi besar yang kemudian disusul dengan masa pertumbuhan yang lambat dan menjadi tua, untuk selanjutnya mengalami keruntuhan.
Tiap bangsa dalam usia mudanya mempunyai struktur masyarakat yang sederhana dengan angka-angka kesuburan (kelahiran) yang tinggi. Sebagai suatu konsekuensi daripada ini penduduk bangsa itu akan tumbuh dalam jumlah yang besar dan sejalan dengan ini, organisasi-organisasi dalam masyarakat pun akan tumbuh menjadi kompleks seperti terlihat dalam perkembangan kelas-kelas sosialnya, pertumbuhan industri-industri dan aktivitas ekonominya. Dengan bertambahnya jumlah penduduk, tekanan hidup akan terasa dan ekspansi akan terjadi dengan melalui peperangan atau pendudukan daerah-daerah orang lain. Pada akhir, kemudian akan terjadi pengurangan dalam pertumbuhan.
Pada akhir, kemudian akan terjadi pengurangan dalam pertumbuhan penduduk yang disebabkan oleh kehilangan tenaga-tenaga produksif dalam peperangan atau perpindahan. Sebab utama dari berkurangnya penduduk itu bersifat biologi.Gini percaya bahwa faktor yang fundamental dalam berkurangya penduduk adalah faktor biologi, yang tidak dapat ditandingi oleh faktor-faktor sosial dan ekonomi. Permulaan pengurangan kelahiran itu akan berlaku pada kelas-kelas sosial yang tinggi untuk selanjutnya meluas kepada kelas-kelas sosial yang rendah. dengan demikian penduduk akan menjadi kecil jumlahnya (Abdurachim,1973:21). 2.2.5 Teori Neo-Malthusianisme
…the only way to avoid that scenario is to bring the birth rate under control-perhaps even by
force (Weeks, 1992).
Menurut kelompok ini (yang dipelopori oleh Garrett Hardin dan Paul Ehrlich).Pada abad ke-20 (pada tahun 1950-an), dunia baru yang pada jamannya Malthus masih kosong kini sudah mulai penuh dengan manusia.Dunia baru sudah tidak mampu untuk menampung jumlah penduduk yang selalu bertambah.Tiap minggu lebih dari seratus juta bayi lahir di dunia, ini berarti satu juta lagi mulut yang harus diberi makan. Mungkin pada permulaan abad ke-19 orang masih dapat mengatakan bahwa apa yang diramalkan Malthus tidak mungkin terjadi tetapi sekarang beberapa orang percaya bahwa hal itu terjadi dengan mengatakan “it has come true:it is happening”.
Di tahun 1960-an dan 1970-anphoto-photo yang diambil dari tuang angkasa menunjukkan bahwa bumi kita terlihat seperti sebuah kapal yang berlayar di ruang angkasa dengan persediaan bahan bakar dan bahan makanan yang terbatas. Pada suatu saat, kapal ini akan kehabisan bahan bakar dan bahan makanan, sehingga akhirnya malapetaka menimpa kapal tersebut.
Paul Ehrlich dalam bukunya “The Population Bomb” pada tahun 1971, menggambarkan penduduk dan lingkungan yang ada di dunia dewasa ini sebagai berikut.Pertama, dunia ini sudah terlalu banyak manusia; kedua, keadaan bahan makanan sangat terbatas; ketiga, karena terlalu banyak manusia di dunia ini lingkungan sudah banyak yang rusak dan tercemar. Pada tahun 1990 Ehrlich bersama istrinya merevisi buku tersebut dengan judul yang baru “The Population Explotion” yang isinya bahwa bom penduduk yang dikhawatirkan tahun 1968, kini sewaktu-waktu akan dapat meletus. Kerusakan dan pencemaran lingkungan yang parah karena sudah terlalu banyaknya penduduk sangat merisaukan mereka. Selanjutnya Ehrlich menulis:
…the poor are dying of hunger, while rich and poor alike are dying from the
by-products of affluence-pollution and ecological disaster (Weeks, 1992).
Pandangan mereka (Ehrlich dan Hardin) tentang masa depan dunia ini sangat suram, namun demikian isu kependudukan ini sangat penting bagi seluruh generasi terut
