BAB I
PENDAHULUAN
1.1 Latar Belakang
Sejak diperkenalkan pertama kali pada Konferensi Bretton Woods di tahun 1944, Gross Domestic Products (GDP) berperan sebagai ukuran kemajuan ekonomi dan sejak 1960an GDP digunakan sebagai indikator kesejahteraan secara umum. GDP memiliki beberapa kelemahan (Van den Bergh 2009) antara lain tidak memperhitungkan biaya sosial seperti biaya eksternalitas, mementingkan peningkatan pendapatan absolut, mengabaikan distribusi pendapatan, tidak mengukur aktivitas di luar pasar atau transaksi informal dan mengabaikan dampak aktivitas ekonomi terhadap lingkungan hidup.
Satu indeks kesejahteraan yang saat ini sedang menjadi perhatian pengambil kebijakan adalah ini adalah indeks kebahagiaan (happiness index). Pada tahun 2011, Sidang Umum Perserikatan Bangsa-bangsa (PBB) mengawali penggunaan indeks ini dan kemudian meluas ke Inggris, Perancis, Australia, Malaysia dan Thailand. Berdasarkan laporan World Happiness Report di antara beberapa negara ASEAN posisi Indonesia terlihat dalam Tabel 1.1.
Tabel 1.1
Peringkat Negara ASEAN dalam World Happiness Report
Negara ASEAN 2013 2015
Singapura 30 24
Thailand 36 34
Malaysia 56 61
Vietnam 63 75
Indonesia 76 74
Philipina 92 90
Sumber : World Happines Report (Puji Rahayu, 2016)
Di regional ASEAN, Singapura merupakan negara dengan posisi tertinggi dalam pemeringkatan kebahagiaan diikuti Thailand, Malaysia, Indonesia dan Philipina. Beberapa prediktor yang dipergunakan dalam menghitung angka rata-rata kebahagiaan di atas adalah Gross Domestic Products per kapita, dukungan sosial, harapan hidup sehat saat lahir, kebebasan membuat pilihan dalam hidup, generosity dan persepsi korupsi. Selama dua kali periode laporan, posisi Indonesia masih berkisar pada posisi 70an dengan tren meningkat seperti halnya negara ASEAN lainnya kecuali Malaysia di antara 156 negara di dunia.
merupakan indeks komposit yang disusun oleh tingkat kepuasan terhadap 10 aspek kehidupan yang esensial yaitu kesehatan, pendidikan, pekerjaan, pendapatan rumah tangga, kehormonisan keluarga, ketersediaan waktu luang, hubungan sosial, kondisi rumah dan asset, keadaan lingkungan, dan kondisi keamanan. Indeks Kebahagiaan Indonesia dirilis oleb BPS pertama kali pada tahun 2013 untuk estimasi tingkat nasional. Pada tahun 2014, BPS kembali melaksanakan pengukuran tingkat kebahagiaan penduduk Indonesia melalui Survei Pengukuran Tingkat Kebahagiaan (SPTK) 2014 dengan cakupan sampel yang dapat digunakan untuk estimasi tingkat nasional dan provinsi.
Tabel 2.2
Indeks kebahagiaan Indonesia, 2013 dan 2014
Tahun Indeks Kebahgiaan
2013 65.11
2014 68.28
Sumber : Berita Resmi Statistik oleh BPS
Indeks Kebahagiaan Indonesia menurut BPS pada tahun 2014 sebesar 68.28 pada skala 0-100. Terjadi peningkatan tingkat kebahagiaan penduduk Indonesia dibandingkan tahun 2013 dengan indeks hanya sebesar 65,11. Semakin tinggi nilai indeks menunjukkan tingkat kehidupan semakin bahagia (Tabel 2.2).
dan Oswald (2004) menyatakan bahwa relative income berperan penting dalam peningkatan happiness. Stevenson dan Wolfers (2008) menemukan fakta empiris bahwa absolute income lebih berperan penting daripada relative income dalam memengaruhi well-being. Clark et al. (2008) menemukan fakta bahwa relative income berperan dalam utility function. Peran relative income juga ditemukan dalam studi empiris yang dilakukan Clark dan Senik (2011) di mana income comparison memengaruhi subjective well-being.
Peneltian yang hampir sama juga dilakukan oleh Rahayu (2016) yang berjudul Determinan Kebahagiaan di Indonesia. Penelitian tersebut juga menggunakan model probitdan data yang digunakan adalah Indonesia Family Life Survey (IFLS). Penelitian yang dlakukan oleh Rahayu menunjukkan marginal effect dari variabel bebas terhadap variabel tidak bebas berbeda untuk tingkat kebahagiaan.
Penard, dkk (2013) juga melakukan penelitian tentang kebahagiaan subyektif dengan melibatkan penggunaan Teknologi informasi dan komunikasi (TIK) berupa intenet. Penelitian ini bertujuan untuk menguji dampak penggunaan internet terhadap kesejahteraan individu. Penard dkk (2013) menemukan bukti bahwa non-pengguna internet kurang puas dalam kehidupan mereka daripada pengguna Internet. Apalagi, pengaruh positif internet lebih kuat bagi individu yang masih muda dan tidak puas dengan penghasilan mereka.
Kavetsos dan Koutrompis (2011) mengukur efek barang teknologi terhadap kesejahteraan menggunakan kumpulan data cross-section negara-negara Eropa. Kami menemukan bahwa ponsel, pemutar musik dan komputer pribadi, termasuk yang memiliki koneksi Internet, dikaitkan dengan tingkat kesejahteraan yang jauh lebih tinggi yang diukur dengan kepuasan hidup.
memasukkan variabel penggunaan Teknologi Informasi dan Komunikasi. Penelitian ini menggunakan data IFLS tahun 2015.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, dapat diambil beberapa permasalahan sebagai berikut:
1. Bagaimanakah kondisi kesejahteraan subyektif di Indonesia?
2. Apakah teknologi informasi dan komunikasi berpengaruh positif terhadap kesejahteraan subyektif dalam rumah tangga di Indonesia?
1.3 Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan dari penelitian ini adalah:
1. Menganalisis kebahagiaan subyektif di Indonesia
2. Menganalisis dampak teknologi informasi dan komunikasi terhadap kesejahteraan subyektif di Indonesia.
1.4 Manfaat penelitian
Hasil penelitian ini diharapkan dapat member manfaat sebagai berikut:
1. Bagi Akademisi:
2. Bagi Instansi:
Dapat digunakan sebagai bahan masukan atau informasi bagi instansi terkait terutama pemerintah tentang dampak teknologi informasi dan komunikasi terhadap kesejahteraan subyektif sehingga bisa mengawasi produk teknologi dan informasi di Indonesia.
3. Bagi Masyarakat:
Sebagai tambahan wawasan dan ilmu pengetahuan bagi masyarakat tentang dampak teknologi informasi dan komunikasi terhadap kesejahteraan subyektif, sehingga diharapkan masyarakat dapat mengambil langkah-langkah yang tepat bagi diri mereka sendiri untuk meningkatkan kesejahteraan mereka.
1.5 Sistematika Skripsi
Sistematika penulisan dalam skripsi ini terbagi menjadi lima bagian dimana pembahasannya saling terkait, yaitu:
BAB 1: PENDAHULUAN
Memuat latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat penelitian serta sistematika penulisan.
Memuat landasan teori atau kerangka konsep yang sesuai dengan permasalahan yang akan dibahas. Selain itu juga dikemukakan penelitian sebelumnya yang memiliki kesamaan dengan penelitian ini, serta hipotesis dan metode analisis. BAB 3: METODE PENELITIAN
Memuat pendekatan penelitian yang digunakan, identifikasi variabel, definisi operasional variabel, jenis dan sumber data, prosedur pengumpulan data dan teknik analisis.
BAB 4: HASIL DAN PEMBAHASAN
Memuat gambaran umum tentang penggunaan internet dan usaha rumah tangga dilihat dari tempat usaha dan lapangan usaha dalam suatu periode. Selanjutnya penelitian ini mengulas dinamika dari variabel-variabel yang digunakan dalam penelitian ini dan memuat analisis model, pembuktian hipotesis, dan pembahasan hasil penelitian.
BAB 5: SIMPULAN DAN SARAN
BAB II
TINJAUAN PUSTAKA 2.1 Landasan Teori
2.1.1 Teori Utilitas
2.1.2 Economic of Happiness 2.1.3
2.2 Penelitian Sebelumnya
2.3 Hipotesis dan Model Analisis 2.3.1 Hipotesis
Berdasarkan penjabaran latar belakang, teori serta penelitian terdahulu, maka dapat dirumuskan hipotesis dalam penelitian ini adalah terdapat pengaruh penggunaan internet bersama variabel lainnya yang mencakup tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga terhadap produktivitas usaha rumah tangga di Indonesia.
2.3.2 Model Analisis
Persamaan regresi model logit diperoleh dari penurunan persamaan probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas tersebut menurut Gujarati (2003:595-596) adalah:
…... (2.1) Persamaan tersebut disederhanakan dengan mengasumsikan (β1+β2Xi) adalah Zi ,
sehingga menghasilkan persamaan berikut:
... (2.2) Pada persamaan tersebut dapat terlihat bahwa Zi berada dalam kisaran - ∞ hingga
+∞, dan Pi berada pada kisaran 0 hingga 1 dimana Pi tidak linier terhadap Zi. Pi
tidak linier terhadap terhadap X, dan juga terhadap β. Hal ini menimbulkan permasalaham estimasi sehingga prosedur regresi ordinary least square (OLS) tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan melinierkan persamaan (2.1) dengan menerapkan logaritma natural pada kategori dengan nilai 0, sehingga didapatkan persamaan berikut:
... (2.3) Persamaan tersebut disubstitusikan dengan persamaan (2.2) menjadi:
... (2.4) Persamaan disebut dengan rasio kecenderungan (odds ratio) terjadinya kategori dengan nilai 1. Selanjutnya dengan menerapkan logaritma natural terhadap odds ratio tersebut akan menghasilkan persamaan sebagai berikut:
... (2.5) Dalam persamaan 2.17, Li adalah log dari odds ratio atau disebut model
logit. Model tersebut tidak hanya linier terhadap X, namun juga linier terhadap
parameter β. Karena Pi terletak antara 0 dan 1, Li terletak antara - ∞ dan +∞, maka
meskipun Li linier dalam X, tetapi Pi tidak linier dalam X. Nilai β1 merupakan intercept, yang dapat diartikan sebagai probabilitas berpartisipasi sekolah adalah
sebesar β1 ketika variabel-variabel lain bernilai nol. β2 adalah perubahan dalam Li
apabila X berubah 1 unit.
Model logit dalam penelitian ini digunakan untuk menganalisis bahwa produktivitas usaha rumah tangga di Indonesia dipengaruhi oleh penggunaan internet, tempat usaha, lapangan usaha, dan tingkat pendidikan kepala rumah tangga.. Spesifikasimodel logit dalam penelitian ini dapat ditulis sebagai berikut:
Li = ln(Pi | 1- Pi) = β1+ β2 dummy penggunaan interneti + β3dummy tempat usahai +
β4 dummy lapangan usahai + β5 tingkat pendidikan kepala
rumah tangga i + ei ……… (2.6) Keterangan:
Pi : probabilitas produktivitas usaha rumah tangga-i
β1 : intercept
β2, β3, β4, β5,β6 : parameter (koefisien) regresi
dummy penggunaan interneti : tidak menggunakan internet untuk jual beli/jasa
(0), menggunakan internet untuk jual beli/jasa (1)
dummy tempat usaha i : desa (0), kota (1)
dummy sektor ekonomii : pertanian(0), non-pertanian(1)
2.4 Kerangka Berpikir
\
Gambar 2.1 Kerangka Berpikir
Penggunaan internet untuk kegiatan produksi berujung pada efisiensi ekonomi (Yang 2017, kolko 2011).
Pemanfaatan Internet Untuk Perdagangan Pada Bentuk E-Commerce Masih Didominasi Oleh Perusahaan Besar. Sedangkan Sektor UKM Masih Tertinggal Dalam Pemanfaatan
Internet.
Analisis Usaha Rumah Tangga di Indonesia
Analisis Dampak Internet Terhadap Produktivitas Usaha
Rumah Tangga di Indonesia
Pemanfaatan Internet Untuk Perdagangan Pada Bentuk E-Commerce Masih Didominasi Oleh Perusahaan Besar. Sedangkan Sektor UKM Masih Tertinggal Dalam Pemanfaatan
BAB 3
METODE PENELITIAN
3.1. Pendekatan Penelitian
Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif. Tujuannya adalah menguji pengaruh suatu variabel bebas terhadap variabel terikat. Analisis menggunakan pendekatan ekonometrika berupa regresi OLS untuk mengetahui pengaruh penggunaan internet dan variabel lainnya bersama tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga terhadap produktivitas usaha rumah tangga di Indonesia.
3.2. Identifikasi Variabel
Dalam model penelitian ini, variabel yang digunakan untuk menghitung atau mengestimasi pengaruh penggunaan internet untuk jual beli/jasa terhadap hasil produksi usaha rumah tangga di indonesia, dan variabel independen yaitu tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga yang diukur dari lama sekolah (years of schooling).
3.3. Definisi Operasional Variabel
Definisi operasional variabel bertujuan untuk memberikan penjelasan mengenai variabel yang telah diidentifikasi. Berikut definisi operasional masing-masing variabel, yaitu:
surat pernyataan kelulusan yang dimiliki (Jati, 2009)
Tabel 3.1
Definisi Operasional Variabel
3.4. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data cross section pada tahun 2016. Data yang digunakan diambil dari survei rumah tangga, yakni Survei Sosial Ekonomi Nasional yang biasa disebut dengan SUSENAS. SUSENAS merupakan gambaran keadaan sosial-ekonomi dan kesehatan rumah tangga yang dalam pelaksanaannya dilakukan secara
berkelanjutan. Data tersebut dikumpulkan oleh Badan Pusat Statistik setiap tahun-nya.
Survei ini mengumpulkan data dari responden perorangan, rumah tangga, komunitas, tempat tinggal, fasilitas pendidikan, dan fasilitas kesehatan yang digunakan oleh komunitas tersebut. Survei ini bisa dipakai sebagai salah satu sumber informasi yang dipakai untuk mengamati perilaku atau keadaan masalah pada satu waktu tertentu yang memerlukan campur tangan pemerintah seperti masalah-masalah kemiskinan, pendidikan dan kesehatan.
3.5. Pengumpulan Data
Dalam memperoleh data yang sesuai, maka perlu adanya penggabungan data yang harus mengikuti alur yang direncanakan agar data yang diperoleh benar. Setelah langkah tersebut menghasilkan dataset yang siap untuk dihitung.
3.6. Teknik Analisis
Model regresi logistik adalah model regresi yang digunakan untuk menganalisis data yang berbentuk kategorik atau data dengan variabel terikat (dependent variable) kualitatif berskala biner yaitu angka 0 dan 1 yang ditentukan pada suatu ketegori tertentu. Variabel bebas (independent variable) dapat berbentuk kuantitatif atau kualitatif dengan menggunakan variabel dummy.
Persamaan regresi model logit diperoleh dari penurunan persamaan probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas tersebut menurut Gujarati (2003:595-596) adalah:
... (3.1)
Persamaan tersebut disederhanakan dengan mengasumsikan (β1+β2Xi) adalah Zi , sehingga menghasilkan persamaan berikut:
... (3.2)
Pada persamaan tersebut dapat terlihat bahwa Zi berada dalam kisaran - ∞ hingga +∞, dan Pi berada pada kisaran 0 hingga 1 dimana Pi tidak linier terhadap Zi. Pi tidak linier terhadap terhadap X, dan juga terhadap β. Hal ini menimbulkan permasalaham estimasi sehingga prosedur regresi ordinary least square (OLS) tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan melinierkan persamaan (3.1) dengan menerapkan logaritma natural pada kategori dengan nilai 0, sehingga didapatkan persamaan berikut:
... (3.3) Persamaan tersebut disubstitusikan dengan persamaan (3.2) menjadi:
... (3.4) Persamaan disebut dengan rasio kecenderungan (odds ratio) terjadinya kategori dengan nilai 1. Selanjutnya dengan menerapkan logaritma natural terhadap odds ratio tersebut akan menghasilkan persamaan sebagai berikut:
…………. ... (3.5) Dalam persamaan 2.17, Li adalah log dari odds ratio atau disebut model logit. Model tersebut tidak hanya linier terhadap X, namun juga linier terhadap parameter β. Karena Pi terletak antara 0 dan 1, Li terletak antara - ∞ dan +∞, maka meskipun Li linier dalam X, tetapi Pi tidak linier dalam X. Nilai β1 merupakan intercept, yang dapat diartikan sebagai probabilitas berpartisipasi sekolah adalah sebesar β1 ketika variabel-variabel lain bernilai nol. β2 adalah perubahan dalam Li apabila X berubah 1 unit.
Model logit dalam penelitian ini digunakan untuk menganalisis bahwa produktivitas usaha rumah tangga di Indonesia dipengaruhi oleh penggunaan internet, tempat usaha, lapangan usaha, dan tingkat pendidikan kepala rumah tangga.. Spesifikasi model logit dalam penelitian ini dapat ditulis sebagai berikut: Li = ln(Pi | 1- Pi) = β1 + β2 dummy penggunaan interneti + β3 dummy tempat
usahai + β4 dummy lapangan usahai + β5 tingkat pendidikan kepala rumah tangga i + ei ……… (2.6) Keterangan:
Pi : probabilitas produktivitas usaha rumah tangga-i
β1 : intercept
β2, β3, β4, β5,β6 : parameter (koefisien) regresi
dummy penggunaan interneti : tidak menggunakan internet untuk jual beli/jasa
(0), menggunakan internet untuk jual beli/jasa (1) dummy tempat usahai : desa (0), kota (1)
dummy sektor ekonomii : pertanian(0), non-pertanian(1)
tingkat pendidikani : lama bersekolah kepala rumah tangga (1)
a. Uji secara bersama-sama model logit dengan Likelihood ratio (LR)
Likelihood ratio (LR) mirip dengan F-test pada model regresi linier. Fungsi dari keduanya sama yaitu digunakan untuk menguji hipotesis nol bahwa semua slope koefisien secara bersama-sama sama dengan nol. LR mengikuti distribusi x2
dengan df sama dengan jumlah variabel penjelas (tidak termasuk intersep) (Gujarati, 2003:606). Hipotesisnya adalah:
H0= β1 = β2 = ... = βn = 0
berarti tidak ada pengaruh secara bersama-sama dari variabel bebas (independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
H1= paling tidak ada salah satu parameter yang tidak sama dengan nol
berarti terdapat pengaruh secara bersama-sama dari variabel bebas (independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
Kriteria pengujian nilai LR adalah jika x2
hitung>x2tabel, maka H0 ditolak. Selain itu untuk melakukan pengujian hipotesis dapat juga dilakukan dengan konsep p-value. Konsep ini membandingkan dengan tingkat keyakinan (α) sebesar 5% dengan nilai p-value. Jika nilai p-value kurang dari α maka H0 ditolak (Gujarati, 2003:137). Jika H0 ditolak berarti ada pengaruh secara bersama-sama dari variabel independen terhadap variabel dependen, dan begitu pula sebaliknya.
b. Uji parsial (masing-masing) dengan z-statistic
Metode estimasi yang digunakan dalam model logit adalah metode maximum likelihood, maka estimasi dari nilai standart error menjadi asymptotic.
pengujiannya berdasar pada tabel distribusi normal. Perlu diingat kembali bahwa ketika suatu sampel yang digunakan cukup besar, distribusi t menjadi konvergen dengan distribusi normal (Gujarati, 2003:605). Nilai z-statistic digunakan untuk menguji koefisien dari variabel bebas secara parsial (masing-masing). Hipotesis uji z-statistic adalah:
H0= βi = 0, dimana i = 0, 1, 2, ...
berarti tidak ada pengaruh secara parsial (masing-masing) dari variabel bebas (independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah. H1= βi ≠ 0, dimana i = 0, 1, 2, ...
berarti ada pengaruh secara parsial (masing-masing) dari variabel bebas (independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
Dalam pengujian z-statistic, menentukan H0 diterima atau H0 ditolak dapat dilakukan dengan membandingkan nilai zhitung pada masing-masing variabel
independen dengan ztabel. H0 ditolak apabila zhitung> ztabel. Pengujian hipotesis juga
dapat juga dilakukan dengan konsep p-value. Konsep ini membandingkan dengan tingkat keyakinan (α) sebesar 5% dengan nilai p-value. Jika nilai p-value kurang dari α maka H0 ditolak (Gujarati, 2003:137). H0 ditolak berarti ada pengaruh secara parsial (masing-masing) dari variabel independen terhadap variabel dependen, dan begitu pula sebaliknya.
c. Goodness of fit dengan R-square
dari variabel dependen yang dapat dijelaskan oleh model. Pada model regresi logistik, pengujian goodness of fit dapat dilihat dengan nilai Pseudo R2 yang
memiliki arti sebagai R-square tiruan dari R-square OLS.
Nilai Pseudo R2 berkisar antara 0-1. Jika nilai mendekati 1 berarti antara
hubungan yang kuat antara variabel independen dan variabel dependen, begitupun sebaliknya kalau nilai mendekati 0 berarti tidak ada hubungan antara variabel independen dengan variabel dependen (Gujarati, 2003:84). Dalam model regresi logistik menurut Gujarati (2003:606) bahwa hal utama yang harus diperhatikan adalah indikator signifikansi model, signifikansi variabel-variabel independen, dan arah koefisien dari variabel tersebut. Sedangkan besaran pseudo R2 tidak
diutamakan. Oleh karena itu dalam penelitian ini menggunakan Z-stat sebagai parameter utama untuk kelayakan model, meskipun pengujian pseudo R2 akan
tetap dilakukan. Pilihan pengujian pseudo R2 yang digunakan dalam penelitian ini
adalah Mc Fadden R2, Mc Fadden Adjusted R2. d. Interpretasi Logit
Menginterpretasikan model logit sangat penting untuk dilakukan. Apabila nilai logit suatu variabel bertanda positif, maka ketika nilai dari variabel tersebut meningkat, nilai log dari odds (kecenderungan) terjadinya partisipasi sekolah (masih bersekolah) (Y=1) meningkat; Sebaliknya ketika tanda dari nilai logit tersebut adalah negatif, maka nilai log dari odds (kecenderungan) terjadinya partisipasi sekolah (masih bersekolah) (Y=1) menurun seiring dengan peningkatan nilai X (Gujarati, 2003:600).
