BAB 2
LANDASAN TEORI
2.1 Kemiskinan
Kemiskinan merupakan masalah kompleks yang dihadapi oleh seluruh pemerintahan yang ada di dunia ini. Kemiskinan dipengaruhi oleh beberapa faktor yang saling berkaitan antara satu dengan yang lainnya. Faktor tersebut antara lain tingkat pendapatan, pendidikan, kesehatan, lokasi goegrafis dan kondisi lingkungan.
Untuk memahami masalah kemiskinan, maka perlu memandang kemiskinan itu dari dua aspek, yakni kemiskinan sebagai suatu kondisi dan kemiskinan sebagai suatu proses. Sebagai suatu kondisi, kemiskinan adalah suatu fakta dimana seseorang atau sekelompok orang hidup di bawah atau lebih rendah dari kondisi hidup layak sebagai manusia disebabkan ketidakmampuan dalam memenuhi kebutuhan hidupnya. Sementara sebagai suatu proses, kemiskinan merupakan proses menurunnya daya dukung terhadap hidup seseorang atau sekelompok orang sehingga pada gilirannya ia atau kelompok tersebut tidak mampu memenuhi kebutuhan hidupnya dan tidak pula mampu mencapai taraf kehidupan yang dianggap layak sesuai dengan harkat dan martabatnya sebagai manusia. (Matias Siagian, 2012).
Castells (1998) mengemukakan kemiskinan adalah suatu tingkat kehidupan yang berada di bawah standard kebutuhan hidup minimum agar manusia dapat bertahan hidup. Adapun standard kebutuhan minimum dimaksud pada umumnya ditetapkan berdasarkan kebutuhan pokok pangan.
Kemiskinan merupakan suatu kondisi ketidakmampuan dalam memenuhi hak-hak dasar dalam rangka mempertahankan dan mengembangkan kehidupan yang bermartabat (Bappenas, dalam Esmara, 1995).
Dengan demikian, kemiskinan adalah keadaan dimana terjadi ketidakmampuan untuk memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan, dan kesehatan. Kemiskinan dapat disebabkan oleh kelangkaan alat pemenuh kebutuhan dasar, ataupun sulitnya akses terhadap pendidikan dan pekerjaan.
2.1.1 Jenis-jenis Kemiskinan
Matias Siagian, dalam bukunya yang berjudul “Kemiskinan dan Solusi” membagi kemiskinan menjadi sepuluh jenis. Jenis-jenis kemiskinan tersebut yakni :
! " # $ # % # & ' % % ( ) * +
) # ) , + - . # ) ) 2.1.2 Penduduk Miskin
Penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan di bawah garis kemiskinan, yaitu sekitar Rp 271.738 perkapita perbulan. (BPS, dalam Statistik Indonesia, 2012)
Untuk lebih memahami mengenai penduduk miskin, maka perlu mengetahui karakteristik kemiskinan. Emil Salim mengemukakan lima karakteristik kemiskinan, yaitu :
1. / )
2. / #
# 3. /
5. 0
2.2 Pendidikan
Pendidikan berasal dari kata “Pedagogi” (Bahasa Yunani), yaitu dari kata “paid” yang artinya anak dan “agogos” yang artinya membimbing. Dengan demikian istilah pedagogi dapat diartikan sebagai ilmu mendidik anak.
Ki Hajar Dewantara mengemukakan bahwa pendidikan adalah segala daya upaya untuk memajukan budi pekerti, pikiran serta jasmani anak, agar dapat memajukan kesempurnaan hidup, yaitu hidup dan menghidupkan anak yang selaras dengan alam dan masyarakatnya.
Di era modern sekarang ini, pendidikan dianggap sebagai sesuatu yang penting. Pendidikan bahkan telah dianggap sebagai indikator utama kedudukan dalam masyarakat. Oleh karena itu, wajar jika setiap orang berupaya meraih tingkat pendidikan, bahkan tidak sekedar pendidikan, melainkan pendidikan yang tinggi. Hal ini terjadi karena pendidikan dianggap sebagai alat memenangkan persaingan yang semakin hari semakin ketat.
Berbagai kebijakan telah ditetapkan pemerintah dalam rangka membuka dan mempermudah akses masyarakat terhadap pendidikan. Namun hingga saat ini pendidikan masih belum gratis, bahkan masih cukup mahal, terutama pendidikan dengan kualitas dan tingkat yang tinggi.
Di usia kemerdekaan negara ini yang semakin dewasa, kesadaran akan pentingnya pendidikan juga meningkat. Oleh karena itu, rendahnya pendidikan yang dimiliki masyarakat dalam jumlah yang masih cukup banyak terutama bukanlah disebabkan oleh kesadaran atas pendidikan yang rendah, melainkan disebabkan oleh ketidakmampuan masyarakat untuk mendapatkan pendidikan terutama di tingkat perguruan tinggi. Dengan demikian, pendidikan yang rendah juga merupakan gejala kemiskinan.
Dalam penelitian ini penulis berusaha untuk mengetahui seberapa jauh hubungan ataupun pengaruh dari tingkat pendidikan dan kualitas sumber daya manusia terhadap kemiskinan. Dengan demikian penulis memilih angka partisipasi sekolah sebagai tolak ukur tingkat pendidikan, persentase penduduk buta huruf sebagai tolak ukur kualitas sumber daya manusia, dan persentase penduduk miskin sebagai tolak ukur kemiskinan.
2.2.1 Angka Partisipasi Sekolah
Tingkat partisipasi sekolah merupakan indikator pendidikan yang menggambarkan persentase penduduk yang masih sekolah menurut kelompok usia sekolah yaitu umur 7-12 tahun dan umur 13-15 tahun sebagai pendidikan dasar, 16-18 tahun pendidikan menengah dan usia 19-24 tahun pada pendidikan tinggi. Pada umumnya pada tingkat pendidikan dasar tingkat partisipasi sekolah masih cukup tinggi, namun angka ini akan semakin turun untuk tingkat pendidikan yang lebih tinggi. (Inkesra Sumatera Utara, 2008)
2.2.2 Penduduk Buta Huruf
Melek aksara (juga disebut dengan melek huruf) adalah kemampuan membaca dan menulis. Lawan katanya adalah buta huruf atau tuna aksara, yaitu ketidakmapuan membaca dan menulis. Dengan demikian, penduduk buta huruf adalah orang yang tidak mampu membaca dan menulis.
UNESCO mendefinisikan bahwa melek aksara adalah kemampuan untuk mengidentifikasi, mengerti, menerjemahkan, membuat, mengkomunikasikan dan mengolah isi dari rangkaian teks yang terdapat pada bahan-bahan cetak dan tulisan yang berkaitan dengan berbagai situasi.
Kemampuan baca-tulis dianggap penting karena melibatkan pembelajaran berkelanjutan oleh seseorang sehingga orang tersebut dapat mencapai tujuannya, dimana hal ini berkaitan langsung bagaimana seseorang mendapatkan pengetahuan, menggali potensinya, dan berpartisipasi penuh dalam masyarakat yang lebih luas.
Banyak analis kebijakan menganggap angka melek aksara atau sebaliknya (angka buta huruf ) adalah tolak ukur penting dalam mempertimbangkan kemampuan sumber daya manusia di suatu daerah. Hal ini didasarkan pada pemikiran yang berdalih bahwa melatih orang yang mampu baca-tulis jauh lebih mudah dari pada melatih orang yang buta aksara, dan umumnya orang-orang yang mampu baca-tulis memiliki status sosial ekonomi, kesehatan, dan prospek meraih peluang kerja yang lebih baik.
2.3 Konsep Dasar Analisis Regresi
Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan (Sudjana, 2001).
Analisis regresi telah lama dikembangkan untuk mempelajari pola dan mengukur hubungan statistik antara dua atau lebih peubah (variabel). Teknik analisis yang mencoba menjelaskan bentuk hubungan antara dua peubah atau lebih khususnya hubungan antara peubah-peubah yang mengandung sebab akibat disebut analisis regresi (Yusuf Wibisono, 2005).
Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor/independen/variabel bebas (selanjutnya dipakai istilah variabel independen) dengan variabel outcome/dependen/variabel terikat (selanjutnya dipakai istilah dependen) untuk mengetahui bentuk hubungan variabel-variabel tersebut (Yasril et al, 2009).
Dengan demikian dapat didefinisikan bahwa analisis regresi adalah metode statistika yang digunakan untuk mengetahui bentuk hubungan antara variabel independen dengan variabel dependen dan membangun suatu persamaan garis regresi. Persamaan garis regresi tersebut dapat digunakan dalam memperkirakan nilai suatu variabel (dilambangkan dengan Y dan disebut variabel tak bebas) berdasarkan nilai variabel lain (dilambangkan dengan X dan disebut variabel bebas).
Persamaan matematik yang memungkinkan melakukan peramalan nilai-nilai suatu peubah tak bebas dari satu atau lebih peubah bebas disebut persamaan regresi. Istilah ini berasal dari hasil pengamatan yang dilakukan Sir Francis Galton (1822-1911) yang membandingkan tinggi badan anak laki-laki dengan tinggi badan bapaknya. Galton menyatakan bahwa tinggi badan anak laki-laki dari bapak yang tinggi pada beberapa generasi kemudian cenderung “mundur” (regressed) mendekati rata-rata populasi (Yusuf Wibisono, 2005).
Persamaan matematika yang memungkinkan kita meramalkan nilai-nilai peubah tak bebas dari nilai-nilai satu atau lebih peubah bebas disebut persamaan regresi (Abdul Hamang, 2005).
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan hubungan antara dua variabel. Persamaan regresi digunakan untuk memperkirakan Y berdasarkan X (Robert D.Mason et al, 1999).
Persamaan garis regresi merupakan model hubungan antara dua variabel atau lebih, yaitu antara variabel bergantung (dependent variable), dengan variabel bebasnya (independent variable). Sedangkan yang dimaksud dengan garis regresi (regression line/line of the best fit/estimating line) adalah suatu garis yang ditarik di antara titik-titik (scatter diagram) sedemikian rupa sehingga dapat digunakan untuk menaksir besarnya variabel yang satu berdasarkan besar variiabel yang lain, dan dapat juga digunakan untuk macam korelasinya (positif atau negatif). Apabila dua variabel x dan y mempunyai hubungan atau korelasi, maka perubahan nilai variabel diartikan sebagai variabel yang satu memengaruhi variabel lainnya (Andi Supangat, 2008).
Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan variabel bebas (independent variable), sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel tergantung (dependent variable).
Variabel bebas adalah variabel yang nilai-nilainya tidak tergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel ini digunakan untuk meramalkan atau menerangkan nilai variabel yang lain. Sedangkan variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel ini merupakan variabel yang diramalkan atau diterangkan nilainya.
Untuk mempelajari hubungan-hubungan antara beberapa variabel, persamaan analisis regresi dapat dilihat dari dua bentuk, yaitu:
1. Persamaan regresi linier sederhana 2. Persamaan regresi linier berganda
2.4.1 Persamaan Regresi Linier Sederhana
Analisis regresi linier sederhana adalah analisis regresi yang menjelaskan hubungan atau pengaruh antara variabel tak bebas (dilambangkan dengan Y)
dengan satu variabel bebas (dilambangkan dengan X). Bentuk umum dari persamaan regresi linier sederhana untuk populasi adalah sebagai berikut:
Dengan 0 dan 1 merupakan parameter-parameter yang ada dalam regresi itu.
Jika 0 dan 1 diwakili oleh b0 dan b1 , maka bentuk persamaan regresi
linier sederhana untuk sampel adalah sebagai berikut :
Dengan :
= Nilai taksiran dari variabel tak bebas Y (dependent variable) X = Variabel bebas (independent variable)
b0 = Titik potong kurva (intercept) terhadap sumbu Y
b1 = Kemiringan (slope) kurva linier
Untuk memperoleh nilai b0 dan b1 berturut-turut dihitung dengan
menggunakan rumus sebagai berikut :
2.4.2 Persamaan Regresi Linier Berganda
Persamaan regresi linier berganda mengandung makna bahwa dalam suatu persamaan regresi terdapat satu variabel tak bebas (dependent variable) dan lebih
dari satu variabel bebas (independent variable). Analisis regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara variabel tak bebas dengan beberapa variabel bebas. Berikut ini bentuk umum persamaan regresi linier berganda untuk populasi :
Dengan 0, 1, 2, …, k merupakan parameter-parameter yang ada dalam regresi
itu.
Jika 0, 1, 2, …, k diwakili oleh b0, b1, b2, …, bk maka bentuk
persamaan regresi linier berganda untuk sampel adalah sebagai berikut :
Dengan :
= Nilai taksiran dari variabel tak bebas Y (dependent variable) X1, X2, …, XK = Nilai variabel bebas (independent variable)
b0, b1, b2, …, bk = Taksiran bagi parameter koefisien regresi 0, 1, 2, …, k
Bentuk data yang akan diolah ditunjukkan pada tabel berikut ini: Tabel 2.1 Bentuk Umum Data Observasi
Nomor Observasi
Variabel Tak
Bebas Variabel Bebas
1 Y1 X11 X21 …… Xk1 2 Y2 X12 X22 …… Xk2 3 Y3 X13 X23 …… Xk3 . . . . …… . . . . . …… . . . . . …… . N Yn X1n X2n …… Xkn Yi X1i X2i …… Xki
Dari tabel 2.1 dapat dilihat bahwa Y1 berpasangan dengan X11 , X21 , …,
Xk1 dan Y2 berpasangan dengan X12 , X22 , …, Xk2 dan umumnya data Yn
berpasangan dengan X12 , X2n , …, Xkn.
Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 3 variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel bebas (independent variable). Persamaan regresi linier berganda dengan dua variabel bebas X1 dan X2 ditaksir oleh :
Dengan :
= Nilai taksiran bagi variabel tak bebas Y
b0, b1, b2 = Taksiran bagi parameter koefisien regresi 0, 1, 2
X1, X2 = Nilai variabel bebas
Untuk memperoleh nilai b0, b1 dan b2 berturut-turut dihitung dengan
menyelesaikan persamaan berikut : b0 n + b1 X1i + b2 X2i = Yi
b0 X2i + b1 X1i X2i + b2 X2i2 = YiX2i
Harga-harga b0, b1 dan b2 yang telah di dapat kemudian disubstitusikan
kedalam persamaan sehingga diperoleh model regresi linier berganda Y atas X1
dan X2.
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y dengan akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan. Ukuran tersebut dapat dihitung oleh kekeliruan baku atau standart error. Kekeliruan baku atau standart error adalah angka atau indeks yang digunakan untuk menduga ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi disekitar garis regresi. Standart error dapat ditentukan dengan rumus sebagai berikut:
! "
# $ % Dengan :
Yi = Nilai data hasil pengamatan
= Nilai data hasil taksiran n = Ukuran sampel
k = Banyak variabel bebas 2.5 Uji Regresi Linier Ganda
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- 2 3 3 4 3 3 - 56 6 6 78 1 2 7 9 # % % % 3 % 3 ) ) # 1- 9 : 9 1- 9 ; 9 9 2 &'!()*+ ,- ,-./+0$ ./10 # $ % 0 2 < < < 3 < 5 8 5 = 8 3 0 # 0 < < 2 ,-./+ 2 3!4 ! 2 3!4 ! 5 6 ,-./1 ! " 0 2 7
6 7
6 7
" 1
-2.6 Koefisien Determinasi
Koefisien determinasi yang dinyatakan dengan R² merupakan suatu nilai yang menyatakan seberapa besar kemampuan variabel bebas dalam mempengaruhi variabel tak bebasnya. Nilai koefisien determinasi ini berkisar antara 0 dan 1. Semakin besar nilai koefisien determinasi maka semakin baik variabel bebas dalam mempengaruhi variabel tak bebasnya. Nilai koefisien determinasi dapat ditentukann dengan rumus:
8 9:5;<= Dengan :
JKreg = Jumlah kuadrat regresi
> 5 >
2.7 Koefisien Korelasi
Korelasi Pearson Product Moment (PPM) dikemukakan oleh Karl Pearson pada tahun 1900. Kegunaannya untuk mengetahui derajat hubungan antara variabel bebas (independent) dengan variabel terikat (dependent). Dengan demikian, koefisien korelasi adalah suatu ukuran hubungan antara satu variabel dengan
variabel lain. Untuk menghitung besar koefisien korelasi antara variabel Y dan X dapat dirumuskan sebagai berikut:
?
@A B C DA B C D
Dalam penelitian ini akan dicari besar koefisien korelasi antara variabel tak bebas dengan dua variabel bebasnya (Y dengan X1 dan Y dengan X2) dan
besar koefisien korelasi antara kedua variabel bebas (X1 dengan X2) tersebut
dengan rumus sebagai berikut :
7 6 ? @A DA D 7 6 ? @A DA D 6 6 ? @A DA D
Koefisien korelasi dilambangkan (r) dengan nilai r berkisar antara (-1 r +1). Apabila nilai r = -1 berarti korelasinya negatif sempurna; r = 0 berarti tidak ada korelasi; dan r = 1 berarti korelasinya positif sempurna. Sedangkan arti harga r akan dikonsultasikan dengan tabel interperetasi nilai sebagai berikut :
Interval Koefisien Tingkat Hubungan 0,80 – 1,000 Sangat Kuat 0,60 – 0,799 Kuat 0,40 – 0,599 Cukup Kuat 0,20 – 0,399 Rendah 0,00 – 0,199 Sangat Rendah Sumber : Riduwan (2005:136)
