FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KOTA MEDAN TUGAS AKHIR

(1)

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KOTA MEDAN

TUGAS AKHIR

MUHAMMAD RIZKY RAMADANA 152407113

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

UNIVERSITAS SUMATERA UTARA

(2)

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KOTA MEDAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

MUHAMMAD RIZKY RAMADANA 152407113

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN

(3)

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KOTA MEDAN

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2018

MUHAMMAD RIZKY RAMADANA

` 152407113

(4)

(5)

ii FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN

DI KOTA MEDAN

ABSTRAK

Analisis regresi linear merupakan metode statistik yang paling banyak di pergunakan baik dalam penelitian-penelitian sosial, baik dalam penelitian ekonomi. Analisis regresi linear ada dua jenis yaitu Analisis Regresi Linear Sederhana dan Analisis Regresi Linear Berganda. Perumusan masalah dalam penelitian yang berjudul “Faktor-faktor Yang mempengaruhi Tingkat Kemiskinan Di Kota Medan” ini adalah untuk mengetahui model persamaan linear berganda, untuk mengetahui variabel X (bebas) manakah yang paling berpengaruh dominan terhadap Y (terikat), serta mencari korelasi antar variabel.

(6)

FACTORS AFFECTING POVERTY LEVEL IN MEDAN CITY

ABSTRACT

Linear regression analysis is the most widely used statistical method in both social studies, both in economic studies. Linear regression analysis has two types:

Simple Linear Regression Analysis and Multiple Linear Regression Analysis. The formulation of problem in research entitled "Factors Affecting Poverty Level In Medan City" is to know the model of multiple linear equations, which X (free) variable most dominant to Y (tied), and to find correlation between variables .

(7)

iv PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis mampu menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Tingkat Kemiskinan di Kota Medan.

Terimakasih penulis sampaikan kepada Ibu Aghni Syahmarani, S.Si., M.Si selaku dosen pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Ibu Dr. Elly Rosmaini, M.Si dan Bapak Dr.

Open Darnius M.Sc selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Dr. Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Kerista Sebayang M.S selaku Dekan FMIPA USU yang telah memberikan izin kepada penulis untuk melaksanakan riset, Ibu Asima Manurung S.Si, M.Si selaku Pembimbing Akademik, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah

Akhirnya tidak terlupakan kepada Ayahanda Purwadi dan Ibunda Sukma Sari dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan.

Semoga Tuhan Yang Maha Esa membalasnya.

Medan, Juni 2018

Penulis,

MUHAMMAD RIZKY RAMADANA

(8)

DAFTAR ISI

Halaman

PENGESAHAN i

ABSTRAK ii

ABSTRACT iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1,3 Batasan Masalah 3

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Sistematika Penulisan 4

BAB 2 TINJAUAN PUSTAKA 5

2.1 Regresi Linier Berganda 6

2.2 Koefisien Determinasi 9

2.3 Uji Regresi Linier Berganda 9

2.4 Koefisien Korelasi Berganda 10

2.5 Uji Koefisien Regresi Berganda 12

BAB 3 METODE PENELITIAN 14

3.1 Metode Penelitian 14

3.2 Waktu dan Tempat 15

3.3 Peta Lokasi Penelitian 15

BAB 4 PEMBAHASAN DAN HASIL 16

4.1 Data dan Pembahasan 16

4.2 Kesalahan Standar Estimasi 20

4.3 Uji Regresi Berganda 21

2

(9)

vi

4.5 Koefisien Korelasi 26

4.6 Perhitungan antar Variabel Independen 27

BAB 5 KESIMPULAN DAN SARAN 29

5.1 Kesimpulan 29

5.2 Saran 29

DAFTAR PUSTAKA

(10)

DAFTAR TABEL

Halaman Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 12 Tabel 4.1 Jumlah Penduduk Miskin, Pengangguran, Jumlah penduduk dan

Pendapatan di Kota Medan 16

Tabel 4.2 Nilai-Nilai yang dibutuhkan Untuk Menghitung Koefisien

Regresi Linier Berganda 17

Tabel 4.3 Penyimpangan Jumlah Penduduk Miskin 20

Tabel 4.4 Nilai-Nilai Untuk Uji Regresi Berganda 22

(11)

viii DAFTAR GAMBAR

Halaman

Gambar 3.1 Peta Lokasi Penelitian 15

(12)

(13)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pembangunan ekonomi daerah adalah suatu proses di mana pemerintah daerah dan masyarakatnya mengelola sumber daya yang ada dan membentuk suatu pola kemitraan antara pemerintah daerah dengan sektor swasta untuk menciptakan suatu lapangan kerja baru dan merangsang perkembangan pertumbuhan ekonomi dalam wilayah tersebut. Salah satu indikator utama keberhasilan pembangunan adalah laju penurunan jumlah penduduk miskin.

Dalam upaya untuk mencapai tujuan pembangunan ekonomi daerah, pemerintah daerah dan masyarakatnya harus secara bersama-sama mengambil inisiatif pembangunan daerah. Efektivitas dalam menurunkan jumlah penduduk miskin merupakan pertumbuhan utama dalam memilih strategi atau instrumen pembangunan. Kemiskinan merupakan masalah kompleks tentang kesejahteraan yang dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain tingkat pendapatan masyarakat, pengangguran, kesehatan, pendidikan, akses terhadap barang dan jasa, lokasi, geografis, gender dan lokasi lingkungan.

Penyebab kemiskinan bermuara pada teori lingkaran kemiskinan (vicious circle of poverty), yang dimaksud lingkaran kemiskinan adalah satu rangkaian kekuatan yang saling mempengaruhi suatu keadaan di mana suatu negara akan tetap miskin dan akan banyak mengalami kesukaran untuk mencapai tingkat pembangunan yang lebih baik. Adanya keterbelakangan, ketertinggalan SDM (yang tercermin oleh rendahnya IPM), ketidaksempurnaan pasar dan kurangnya modal menyebabkan rendah produktifitas. Rendahnya produktifitas mengakibatkan rendahnya pendapatan yang mereka terima (yang tercermin oleh rendahnya PDRB per kapita).

Rendahnya pendapatan akan berimplikasi pada rendahnya tabungan dan investasi. Rendahnya investasi berakibat pada rendahnya akumulasi modal sehingga proses penciptaan lapangan kerja rendah (tercermin oleh tingginya jumlah

(14)

2

pengangguran). Rendahnya akumulasi modal disebabkan oleh keterbelakangan dan seterusnya (Mudrajad, 1997).

Sadono (1997) mengemukakan bahwa perkembangan jumlah penduduk bisa menjadi faktor penghambat pembangunan karena akan menurunkan produktivitas, dan akan banyak terdapat pengangguran. Faktor lain yang juga berpengaruh terhadap tingkat kemiskinan adalah pendidikan sangat besar karena pendidikan memberikan kemampuan untuk berkembang lewat penguasaan ilmu dan keterampilan. Pendidikan juga menanamkan kesadaran akan pentingnya martabat manusia. Mendidik dan memberikan pengetahuan berarti menggapai masa depan. Hal tersebut harusnya menjadi semangat untuk terus melakukan upaya mencerdaskan bangsa (Suryawati, 2005).

PDRB merupakan salah satu indikator indikator pertumbuhan ekonomi suatu wilayah. PDRB adalah nilai bersih barang dan jasa-jasa akhir yang dihasilkan oleh berbagai kegiatan ekonomi di suatu daerah dalam suatu periode (Sasana, 2006).

Semakin tinggi PDRB suatu daerah, maka semakin besar pula potensi sumber penerimaan daerah tersebut.

Kota Medan merupakan salah satu kota di Sumatera Utara yang masih banyak terdapat penduduk miskin dan pada bidang ketenagakerjaan masih tingginya angka pengangguran yang disebabkan antara lain tidak sebandingnya jumlah pertumbuhan angkatan kerja dengan laju pertumbuhan kesempatan kerja, serta rendahnya kompetensi tenaga kerja. Akibatnya, angkatan kerja yang begitu besar di Kota Medan belum terserap secara optimal oleh sektor-sektor formal.

Perkembangan ekonomi Kota Medan tidak dapat dilepaskan dari kondisi ekonomi yang dialami oleh Provinsi Sumatera Utara. Sebagai salah satu daerah tingkat II dan merupakan ibu kota Provinsi Sumatera Utara, Kota Medan menjadi pusat perekonomian dan pemerintahan dengan pertumbuhan ekonomi paling tinggi diantara daerah tingkat dua lainnya di Sumatera Utara.

Berdasarkan penjelasan di atas maka penulis mengambil judul tugas akhir yaitu

“Faktor-Faktor yang Mempengaruhi Tingkat Kemiskinan di Kota Medan”.

(15)

3

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah di atas, perumusan masalah penelitian adalah mencari seberapa besar nilai pengaruh setiap variabel dan mana yang lebih dominan berpengaruh antara jumlah penduduk, pendapatan dan pengangguran terhadap kemiskinan di Kota Medan.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti faktor yang mempengaruhi kemiskinan di Kota Medan dengan faktor-faktor yang mempengaruhi yaitu jumlah penduduk, pendapatan dan pengangguran. Data kuantitatif yang digunakan adalah data jumlah penduduk miskin, data jumlah penduduk, data pengangguran dan data pendapatan pada tahun 2007 sampai tahun 2016.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan suatu kejadian nyata yang pernah di alami (empiris) seberapa besar pengaruh jumlah penduduk, pendapatan dan pengangguran terhadap kemiskinan di Kota Medan dari tahun 2007 sampai tahun 2016.

1.5 Manfaat Penelitian

Manfaat yang dapat diambil dari penelitian ini adalah:

1. Manfaat empiris pada pengaruh jumlah penduduk, pendapatan dan pengangguran terhadap Kemiskinan di Kota Medan.

2. Sebagai kebijakan untuk memberikan masukan bagi pemerintah pusat maupun daerah dalam hal penyusunan kebijakan di masa yang akan datang.

3. Manfaat teori sebagai bahan referensi dan data tambahan bagi peneliti-peneliti lainnya yang tertarik pada bidang kajian ini.

(16)

4

1.6 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dalam tugas akhir ini. Dalam penyusunan tugas akhir ini penulis membagi enam bab di mana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika penulisannya adalah sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang masalah, rumusan masalah, batasan masalah, tujuan, manfaat, metode penelitian dan sistematika penulisan.

BAB 2 : TINJAUAN PUSTAKA

Bab ini menguraikan tentang pengertian regresi linier berganda, uji regresi linier berganda, koefisien determinasi, korelasi regresi linier ganda dan uji koefisien regresi berganda.

BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK

Bab ini menjelaskan tentang sejarah singkat, visi dan misi, serta struktur Badan Pusat Statistik (BPS).

BAB 4 : PEMBAHASAN DAN HASIL

Bab ini memberikan uraian tentang data yang telah diamati, beserta dijelaskan tentang cara mengaplikasikan suatu program yang digunakan oleh penulis dalam menganalisa data yang diperoleh.

BAB 5 : KESIMPULAN DAN SARAN

Bab ini merupakan penutup yang mencakup kesimpulan yang diambil setelah pengolahan dan analisa data serta saran-saran yang berupa masukan.

(17)

BAB 2

TINJAUAN PUSTAKA

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. (Algifari, 2000).

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi.

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independen mempunyai sifat hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang satu dengan nilai yang lain searah.

Hubungan antara variabel berlawanan arah artinya perubahan nilai yang satu dengan nilai yang lain berlawanan arah.

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya.

Untuk analisa regresi akan dibedakan dua jenis variabel yaitu variabel bebas (variabel predictor) dan variabel tidak bebas (variabel respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tidak bebas (Sudjana, 2001).

(18)

6

Setelah mengetahui hubungan fungsional antara variabel-variabel dimana persamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang dirasakan perlu jika data hasil pengamatan terdiri dari

banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu. Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut.

Studi yang membahas derajat hubungan antara variabel-variabel tersebut dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi.

Jika kenaikan didalam suatu variabel diikuti dengan kenaikan di dalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai 10 korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. (Iswardono, 1981).

Analisis regresi merupakan suatu teknik (technique) untuk membuat persamaan garis lurus dan persamaan tersebut digunakan untuk menjelaskan hubungan antar variabel.Persamaan regresi (regression equation) adalah suatu persamaan matematis yang mendefenisikan hubungan antar dua variabel (Mason, 1996).

Hubungan linier antara dua variabel ini dibedakan atas variabel bebas (X) dan variabel terikat (Y) disebut regresi linier sederhana, sedangkan analisis regresi yang menjelaskan hubungan antara variabel terikat (Y) dengan faktor-faktor yang mempengaruhi lebih dari satu variabel bebas ( 1, 2, 3, … , ) disebut regresi linier berganda. Dalam penelitian ini penulis menggunakan analisis regresi linier berganda

2.1 Regresi linier berganda

Regresi linear ganda mempersoalkan hubungan liniear antara satu peubah tak bebas dengan beberapa peubah bebas. Peubah tak bebas dapat berupa ukuran atau kriteria keberhasilan, peubah bebas dapat berupa factor-faktor penentu keberhasilan tersebut. Regresi berganda digunakan untuk menghitung atau menguji signifikansi:

(19)

7

1

1. Menghitung persamaan regresinya

2. Menguji apakah persamaan regresi signifikan 3. Bagaimana kesimpulannya

Bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

̂ (2.1)

Untuk menyelesaikan regresi linear berganda dapat menggunakan matriks yaitu dengan persamaan normal:

∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ (2.2)

∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑

Sistem persamaan ini dapat disederhanakan yaitu : ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ (2.3) ∑ ∑ ∑ ∑

dan nilai koefisien dapat dihitung dengan rumus:

̂ ̅ ̅ ̅ (2.4) dimana:

̂ = variabel tidak bebas (dependent) = Koefisien regresi

= variabel bebas (independent)

(20)

8

Harga-harga , , , yang telah didapat kemudian disubstitusikan ke dalam persamaan regresi linier berganda sehingga diperoleh model regresi linier berganda Y atas X . Dalam persamaan model regresi linier berganda yang diperoleh, maka antara nilai Ydan ̂ akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variable tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan standar estimasi dapat Y ditentukan dengan rumus:

√ ^∑^̂ (2.5)

dimana:

= kesalahan baku

= nilai data hasil pengamatan ̂ = nilai taksiran

n = banyak ukuran sampel k = banyak variable bebas

(21)

9

2.2 Koefisien Determinasi

Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Koefisien determinasi yang dinyatakan dengan R² untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalamvariabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (X) yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka R² akan ditentukan dengan rumus :

∑ (2.6)

Dimana :

∑ ∑ ∑ (2.7)

Harga yang diperoleh sesuai dengan variansi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat nyata).

2.3 Uji Regresi Linier Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya adalah sebagai berikut:

1. Menentukan formulasi hipotesis

H₀ : b₁=b₂= =b_k = 0 (X₁=X₂= =X_k tidak mempengaruhi Y)

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y.

(22)

10

2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadapkoefisien regresi dapat ditentukan dengan menggunakan tabel distribusi normal dengan memperhatikan tingkat signifikan (𝛼𝛼) dan banyaknya sampel digunakan serta nilai F_tabel dengan derajat kebebasan.

dan

3. Menentukan kriteria pengujian diterima bila ≤

ditolak bila >

4. Menentukan nilai statistik F dengan rumus :

(2.8)

∑ ∑ ∑ (2.9)

∑ ̂ (2.10)

dimana :

= jumlah kuadrat regresi = jumlah kuadrat residu (sisa)

5. Membuat kesimpulan apakah 0 diterima atau ditolak

2.4 Koefisien Korelasi Berganda

Setelah mengetahui hubungan fungsional antara variabel-variabel di manapersamaan regresinya telah ditentukan dan telah melakukan pengujian maka persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan terdiri dari

(23)

11

kata lain perlu ditentukan derajat hubungan antara variabel-variabel tersebut.

Studi yang membahas derajat hubungan antara variabel-variabel tersebutdikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi. Besarnya hubungan antara variabel yang satu dengan variabel yag lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “r” yang besarnya adalah akar koefisien determinasi. Taraf hubungan yang ada antara 3 (tiga) variable atau lebih disebut korelasi berganda.

Koefisien korelasi berganda dapat ditentukan dengan rumus sebagai berikut :

∑ ∑ ∑

∑ (2.11) Dimana :

∑ ∑ ^∑ ^∑

∑ ∑ ^∑

Untuk menghitung setiap hubungan kofisien korelasi antara variable Y dengan variable Xi dapat digunakan rumus:

∑ ∑ ∑

√ ∑ ∑ ∑ ∑

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan variable lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika

(24)

12

tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedaua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:

Tabel 2.1. : Interpretasi Koefisien Korelasi Nilai r

R Interprestasi

0 0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99 1

Tidak berkorelasi Sangat rendah Rendah

Agak rendah Cukup Tinggi Sangat tinggi

2.5 Uji Koefisien Regresi Berganda

Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel tak bebas.

Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji statistik t (student).

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut : 1. Menentukan formulasi hipotesis

0 : ( 1, 2 tidak mempengaruhi Y)

1 : ≠ ≠ (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi Y).

2. Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu

(25)

13

maka diperoleh 3. Menentukan kriteria pengujian diterima bila ≤ ditolak bila >

4. Menentukan nilai statistik thitung dengan rumus :

5. Membuat kesimpulan apakah 0 diterima atau ditolak.

(26)

BAB 3

METODE PENELITIAN

3.1 Metode Penelitian

Dalam analisis regresi ini metode yang dipakai adalah metode regresi linier berganda, dan langkah-langkah yang harus dilakukan adalah :

1. Merumuskan Masalah

Sebelum penulis melakukan penelitian terlebih dahulu disusun rencana penelitian bermula dari suatu masalah tentang tingkat pengangguran dengan metode regresi linier berganda.

2. Studi Kepustakaan

Jenis dari penelitian ini adalah deskriptif kuantitatif. Pendekatan yang digunakan adalah pendekatan kuantitatif. Metode yang digunakan dalam penelitian ini adalah metode penelitian kepustakaan (library research). Studi kepustakaan dilakukan untuk mendapatkan informasi yang diperoleh dari bahan pustaka, hasil penelitian terdahulu, maupun dokumen dari instansi terkait. Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat diperkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

3. Pengumpulan Data

Metode pengumpulan data yang digunakan penulis dalam penyusunan tugas akhir ini adalah dengan menggunakan data sekunder, yaitu data yang diambil dari sumbernya yang berasal dari Kantor Badan Pusat Statistik Kota Medan.

4. Pengolahan Data

Langkah – langkah yang dilakukan penulis untuk mengolah data dalam penelitian ini adalah dengan terlebih dahulu mengklasifikasikan data yang diperoleh.

Kemudian dilakukan perhitungan terhadap data dengan menggunakan metode regresi

(27)

15

linier berganda. Langkah terakhir yaitu mengimplementasikan hasil perhitungan dengan menggunakan software Microsoft Office Excel 2007 dan SPSS.

5. Membuat Kesimpulan

Data yang telah diolah dengan menggunakan metode regresi linier berganda kemudian dilakukan penarikan kesimpulan.

3.2 Waktu dan Tempat

Penelitian dilakukan pada bulan April sampai Mei 2018 di Kantor Badan Statistika (BPS) Provinsi Sumatera Utara yang beralamat di Jl. Asrama No. 179 Kota Medan.

3.3 Peta Lokasi Penelitian

Gambar 3.1 Peta Lokasi Penelitian

(28)

BAB 4

PEMBAHASAN DAN HASIL

4.1 Data dan Pembahasan

Data merupakan alat untuk mengambil suatu keputusan atau untuk memecah kan suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau permasalahan.Untuk membahas dan memecahkan masalah tentang faktor yang mempengaruhi kemiskinan di Kota Medan seperti yang diuraikan sebelumnya, penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan adalah data mengenai penduduk miskin, jumlah pendapatan, jumlah penduduk dan jumlah pengangguran di Kota Medan dari tahun 2007 sampai tahun 2016.

Tabel 4.1 Jumlah Penduduk Miskin, Pengangguran, Jumlah Penduduk dan Pendapatan di Kota Medan tahun

2007-2016 Tahun

Jumlah Penduduk

Miskin

Jumlah Pengangguran

Jumlah Penduduk

Pendapatan (jutaan rupiah)

2007 143500 104117 1993602 22542021,05

2008 142600 134574 2010676 26379403,23

2009 141250 116557 2036185 42792450,19

2010 160500 133470 2067288 48849946,89

2011 148100 123670 2083156 55455584,62

2012 217300 125477 2102105 65277871,26

2013 200400 137160 2121053 72630208,14

2014 212300 133811 2097610 83315016,03

2015 204190 99916 2117224 93010757,40

2016 198030 84501 2122804 105400442,18

(29)

17

Koefisien Regresi Linier Berganda NO Y

1 143500 104117 1993602 22542021,05 2 142600 134574 2010676 26379403,23 3 141250 116557 2036185 42792450,19 4 160500 133470 2067288 48849946,89 5 148100 123670 2083156 55455584,62 6 217300 125477 2102105 65277871,26 7 200400 137160 2121053 72630208,14 8 212300 133811 2097610 83315016,03 9 204190 99916 2117224 93010757,4 10 198030 84501 2122804 105400442,2 ∑ 1768170 1193253 20751703 615653701

Sumber : Data Diolah,2018

Sambungan Tabel 4.2 Nilai – Nilai Yang Dibutuhkan Untuk Menghitung Koefisien Regresi Linier Berganda

NO

1 14940789500 286081887000 3234780020675 207567859434 2347007605663 2 19190252400 286722397600 3761702900598 270584712024 3549981810274 3 16463676250 287611131250 6044433589338 237331615045 4987759616796 4 21421935000 331799724000 7840416475845 275920929360 6520002411408 5 18315527000 308515403600 8212972082222 257623902520 6858192149955 6 27266152100 456787416500 14184881424798 263765829085 8190871452091 7 27486864000 425059021200 14555093711256 290923629480 9961959348482 8 28408075300 445322603000 17687777903169 280683291710 11148465609990 9 20401848040 432315968560 18991866553506 211544553184 9293262836378 10 16733733030 420378876120 20872449564905 179379060804 8906442764652

∑ 210628852620 3680594428830 115386374226312 2475325382646 71763945605691

(30)

18

Sambungan Tabel 4.2 Nilai – Nilai Yang Dibutuhkan Untuk Menghitung Koefisien Regresi Linier Berganda

NO

1 44939818249322 20592250000 10840349689 3974448934404 508142713018643 2 53040432968884 20334760000 18110161476 4042817976976 695872914770934 3 87133345190125 19951562500 13585534249 4146049354225 1831193793263630 4 100986909006334 25760250000 17814240900 4273679674944 2386317311155820 5 115522633834661 21933610000 15294268900 4339538920336 3075321865545980 6 137220939565002 47219290000 15744477529 4418845431025 4261200476237130 7 154052520865971 40160160000 18812865600 4498865828809 5275147134459720 8 174762410774688 45071290000 17905383721 4399967712100 6941391896079160 9 196924607825458 41693556100 9983207056 4482637466176 8651000992121660 10 223744480261473 39215880900 7140419001 4506296822416 11109253211739500

∑ 1288328098541920 321932609500 145230908121 43083148121411 44734842308392200 Sumber : Data Diolah,2018

Data diperoleh sebagai berikut :

n = 10

∑Y = 1768170 ∑ = 2475325382646

∑ = 1193253 ∑ = 71763945605691

∑ = 20751703 ∑ = 1288328098541920

∑ = 615653701 ∑ = 321932609500

∑ = 210628852620 ∑ = 145230908121

∑ = 3680594428830 ∑ = 43083148121411

∑ =115386374226312 ∑ = 44734842308392200

Dari hasil diatas dapat dicari , , dan dengan rumus berikut : ΣY = + Σ + Σ + Σ

= Σ + Σ + Σ + Σ Σ = Σ + Σ + Σ + Σ Σ = Σ + Σ + Σ + Σ

(31)

19

Dari persamaan diatas maka dapat disubstitusikan kedalam nilai – nilai yang bersuaian sehingga diperoleh persamaan sebagai berikut :

1768170 = 10 + 1193253 +20751703 +615653701

210628852620 = 1193253 +43083148121411 +2475325382646 +71763945605691 +3680594428830

= 20751703 +2475325382646 + 4308314812141 + 1288328098541920 + 115386374226312

= 615653701 +1288328098541920 + 615653701

Setelah persamaan diatas diselesaikan, maka dapat diperoleh koefisien – koefisien regresi linear berganda sebagai berikut :

= -114817,656 = 0,458

= 0,087 = 0,001

Dengan demikian, persamaan regresi linear ganda atas Y adalah :

̂ = -114817,656 + 0,458 + 0,087 + 0,001

(32)

20

4.2 Kesalahan Standar Estimasi

Dengan didapat persamaan regresi linier bergandanya, maka dapat diketahui seberapa besar kekeliruan dengan jumlah penduduk miskin di kota Medan. Maka penyimpangan ataupun kesalahan standar estimasinya dapat dicari sebagai berikut:

Tabel 4.3 Penyimpangan Jumlah Penduduk Miskin

NO Y ̂ Y- ̂ (Y- ̂ ²

1 143500 409368775480 -409368631980 167582676849177000 2 142600 406801305808 -406801163208 165487186387382000 3 141250 402950101300 -402949960050 162368670304297000 4 160500 457865424840 -457865264340 209640600289138000 5 148100 422491398248 -422491250148 17849885645162000 6 217300 619901288584 -619901071284 384277338179051000 7 200400 571689913632 -571689713232 326829128215286000 8 212300 605637568184 -605637355884 366796606842163000 9 204190 582501813695 -582501609505 339308125076149000 10 198030 564928910162 -564928712132 319144449791572000 ∑ 1768170 5044136499934 -5044134731764 261993363838583000

Sumber : Data Diolah, 2018

Dari tabel 4.3 diatas, maka dapat dihitung kesalahan standar estimasinya sebagai berikut:

=√

^{∑ ̂}

= √

= 660799217915,43

Dengan nilai penyimpangan atau nilai standar estimasi yang didapat, ini berarti bahwa rata-rata tingkat kemiskinan penduduk di kota Medan yang sebenarnya akan menyimpang dari rata-rata tingkat kemiskinan penduduk yang diperkirakan adalah

(33)

21

4.3 Uji Regresi Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah jumlah pengangguran, jumlah penduduk dan pendapatan memiliki pengaruh terhadap kemiskinan di Kota Medan. Langkah-langkah pengujiannya adalah sebagai berikut:

1. Menentukan hipotesis

H0 : b1=b2=b3=0 ; artinya jumlah pengangguran, jumlah penduduk, pendapatan tidak mempengaruhi kemiskinan.

H1 : b1≠b2≠b3≠0 ; artinya minimal ada parameter koefisien regresi yang tidak sama dengan nol atau mempunyai pengaruh terhadap kemiskinan di Kota Medan.

2. Menentukan taraf nyata dan nilai F_tabeldengan derajat kebebasan v₁= k dan v2=n-k-1.

3. Menentukan criteria pengujian H0 diterima jika Fhitung≤ Ftabel

H₀ditolak jika F_hitung> F_tabel

4. Menentukan nilai statistik F dengan rumus:

dengan :

= Jumlah kuadrat regresi = Jumlah kuadrat residu n-k-1 = Derajat kebebasan

(34)

22

Tabel 4.4 Nilai-Nilai Untuk Uji Regresi Berganda

No y

1 -33317 -15208,3 -81568,3 -39023349,1 506694931,1 2717611051 1300140920299 2 -34217 15248,7 -64494,3 -35185966,9 -521764768 2206801463 1203958228391 3 -35567 -2768,3 -38985,3 -18772919,9 98460126,1 1386590165 667696442439 4 -16317 14144,7 -7882,3 -12715423,2 -230799070 128615489,1 207477560518 5 -28717 4344,7 7985,7 -6109785,48 -124766750 -229325347 175454709629 6 40483 6151,7 26934,7 3712501,16 249039271,1 1090397460 150293184460 7 23583 17834,7 45882,7 11064838,04 420595730,1 1082051714 260942075497 8 35483 14485,7 22439,7 21749645,93 513996093,1 796227875,1 771742686534 9 27373 -19409,3 42053,7 31445387,3 -531290769 1151135930 860754586563 10 21213 -34824,3 47633,7 43835072,08 -738727876 1010453678 929873384033 0 0 0 0 -358563081 11340559479 6528333778363

(35)

23

Sambungan Tabel 4.4 Nilai-Nilai Untuk Uji Regresi Berganda

No ² y²

1 1240515177 593478799357 3183068242315 231292389 6653387565 1522821771078140 1110022489 2 -983454232 -536540253011 2269294303104 232522852 4159514732 1238052264576740 1170803089 3 107923006 51969074187 731867914567 7663484,89 1519853616 352422521947275 1265011489 4 -111492769 -179855846678 100226780368 200072538 62130653,29 161681987409407 266244489 5 34695470,79 -26545184975 -48790913908 18876418,1 63771404,49 37329478611619 824666089 6 165694194 22838193386 99995104994 37843412,9 725478064,1 13782664863001 1638873289 7 818304189,7 197338066992 507684644338 318076524 2105222159 122430640851431 556157889 8 325054762,3 315058846048 488055529775 209835504 503540136,1 473047098080366 1259043289 9 -816232879 -610332955722 1322394883898 376720926 1768513684 988812382447002 749281129 10 -1658810259 -1526525700636 2088026672937 1212731870 2268969376 1921513544258800 449991369

∑ -877803340 -1699116961051 10741823162390 2845635920 19830381390 6831894354123770 9290094610

(36)

24

Sehingga :

= + +

= 0,458(-358563081) + 0,087(11340559479) + 0,001(6528333778363 = 7350740561,93

dengan :

= ∑(Y- ̂ ²

= 261993363838583000

=

= 5,611395

Maka dapat dicari dengan rumus berikut :

vk = 3

= 10-3-1

= 6

= 4,76

Dari perhitungan diatas dapat dilihat bahwa > atau 5,611395 > 4,76 sehingga ditolak. Hal ini berarti bahwa jumlah pengangguran, penduduk, dan pendapatan terdapat ada hubungan dengan tingkat kemiskinan di kota Medan.

(37)

25

4.4 Koefisien Determinasi )

Perhitungan mencari ) dengan rumus berikut :

=

_∑

∑ = 9290094610

Maka :

=

= 0,791244963 R = √ R = 0,89

Dari hasil perhitungan dapat dilihat R sebesar 0,89. Koefisien determinasinya ( ) adalah sebesar 0,79. Nilai tersebut digunakan untuk mengetahui persentase pengaruh variabel independen terhadap perubahan variabel dependen. Artinya 89% tingkat kemisikinan di kota Medan dipengaruhi oleh ketiga faktor yang dianalisis, sedangakan 11% sisanya dipengaruhi oleh faktor-faktor lain.

(38)

26

4.5 Koefisien Korelasi

Untuk mengukur seberapa besar hubungan variabel dependen (Y) terhadap variabel independen ( ). Dapat dilihat dari besarnya nilai koefisien korelasinya, yaitu:

1. Korelasi antara (Y) dan )

=

^∑ ^{∑ ∑}

√ ∑ ∑ ∑ ∑

=

√

=

√

=

√

=

= -0,069

2. Korelasi antara (Y) dan ).

=

^∑ ^{∑ ∑}

√ ∑ ∑ ∑ ∑

=

√

=

√

=

√

(39)

27

=

= 0,835

3. Korelasi antara (Y) dan ).

=

^∑ ^{∑ ∑}

√ ∑ ∑ ∑ ∑

=

√

=

√

=

√

=

= 0,8194

4.6 Perhitungan Antar Variabel Independen

1. Korelasi antar dan .

=

^∑ ^{∑ ∑}

√ ∑ ∑ ∑ ∑

=

√

=

√

=

√

(40)

28

=

= -0,116

2. Korelasi antar ( dan (

=

^∑ ^{∑ ∑}

√ ∑ ∑ ∑ ∑

=

√

=

√

=

√

=

= 0,386

3. Korelasi antar ( dan ( .

=

^∑ ^{∑ ∑}

√ ∑ ∑ ∑ ∑

=

√

=

√

=

√

=

^0,923

(41)

29

BAB 5

KESIMPULAN DAN SARAN

5.1 KESIMPULAN

Setelah dilakukannya analisis, maka penulis dapat mengambil beberapa kesimpulan antara lain :

1. Dengan menggunakan rumus diatas maka didapat nilai-nilai koefisien = - 114817,656 + 0,458 + = 0,087 + = 0,001. Sehingga persamaan regresi linier ganda yang didapat adalah ̂ = -114817,656 + 0,458 + 0,087 + 0,001

2. Pada uji regresi linier berganda dengan taraf nyata 0,05, dk pembilang = 3 dan dk = penyebut = 50, maka yang didapat sebesar 5,611395 dan

sebesar 2,3 0,3 sehingga ditolak. Hal ini berarti bahwa jumlah pengangguran, penduduk, dan pendapatan ada pengaruhnya dengan tingkat kemiskinan di kota Medan. Maka diperoleh > dan dapat disimpulkan bahwa ditolak dan diterima. Menunjukan adanya hubungan antara ( ), ( ) dan ( ) terhadap tingkat kemiskinan di kota Medan.

5.2 SARAN

Penulis memberikan beberapa saran terhadap hasil penelitian sebagai berikut:

1. Pemerintah dapat memperhatikan pendapatan di Kota Medan.

Pemerintah dapat menaikkan pendapatan seperti yang dituntut oleh masyarakat tetapi harus menstabilkan harga-harga kebutuhan masyarakat.

2. Penulis menyarankan agar metode regresi linier dapat dipakai untuk mencari faktor yang mempengaruhi kemiskinan maupun faktor-faktor lainnya.

(42)

30

DAFTAR PUSTAKA

Algifari, 2000, Analisis Regresi, Teori, Kasus dan Solusi, Edisi Kedua, BPFE, Yogyakarta.

Iswardono. (1981). Uang dan Bank. (4nd). Yogyakarta : Universitas Gajah Mada Mason, 1996. Teknik Statistik Untuk Bisnis dan Ekonomi. Penerbit Erlangga,

Jakarta.

Mudrajat Kuncoro , 1997. Ekonomi Pembangunan, Teori, Masalah dan Kebijakan.

UPP AMD YKPN, Yogyakarta.

Sasana, Hadi (2006). Analisis Dampak Desentralisasi Fiska terhadap Pertumbuhan Pertumbuhan Ekonomi Kabupaten/Kota Provinsi Jawa Tengah.

Sudjana, 2001. Metode & Teknik Pembelajaran Partisipatif. Bandung : Falah Production.

Sukirno, Sadono, 1997. Pengantar Teori Mikro Ekonomi. Edisi 2. Raja Grafindo Persada : Jakarta.

Suryawati Chriswardani, 2005, “Memahami Kemiskinan Secara Multidimensional Jurnal Manajemen Pembangunan dan Kebijakan, Volume 08, No. 03, Edisi

(121-129).

(43)

(44)

(45)

(46)

(47)

(48)

(49)

(50)