PENERAPAN MODEL REGRESI DATA PANEL :
DETERMINAN KETIMPANGAN CAPAIAN PENDIDIKAN DI
KAWASAN TIMUR INDONESIA (KTI) 2015-2019
(Applied Panel Regression Model: Determinants of Education Inequality in Eastern
Indonesia 2015-2019)
A Nurmutiazifah
1, Aisyah Fitri Yuniasih
2 Politeknik Statistika STIS1Politeknik Statistika STIS2
Jalan Otto Iskandardinata No.64C, Jatinegara, Jakarta Timur Daerah Khusus Ibukota Jakarta 13330
E-mail: [email protected]
ABSTRAK
Pendidikan menjadi faktor penting dalam pembentukan modal manusia. Pendidikan yang berkualitas dan merata akan meningkatkan modal manusia, memperluas kesempatan kerja dan meningkatkan kesejahteraan masyarakat. Salah satu indikator yang dapat digunakan untuk menilai kualitas pendidikan yakni rata-rata lama sekolah (RLS). Indonesia dalam Human Development Report 2019 berada di peringkat terendah di antara negara anggota ASEAN 5 untuk RLS. Jika dikaji lebih lanjut berdasarkan kawasan maka KTI memiliki RLS yang lebih rendah dari RLS KBI dan RLS nasional. Jika masalah kualitas pendidikan dan tidak meratanya pendidikan di Indonesia khususnya di KTI tidak segera diatasi, maka 90 persen masyarakat miskin yang bertempat tinggal di Indonesia (bersama Filipina) khususnya di KTI akan terus terjerat dalam lingkaran kemiskinan karena tidak mampu meningkatkan kesejahteraan hidupnya.Metode yang digunakan dalam penelitian ini adalah analisis regresi panel untuk menjelaskan determinan ketimpangan capaian pendidikan di KTI. Jenis data yang digunakan berupa data panel dengan cross-section sebanyak 17 provinsi dari tahun 2015-2019. Berdasarkan hasil regresi dengan metode estimasi FGLS/SUR diperoleh bahwa investasi, distribusi guru dan akses pendidikan berpengaruh negatif signifikan, sedangkan remaja menikah muda dan ketimpangan distribusi pendapatan berpengaruh positif signifikan terhadap ketimpangan capaian pendidikan.
Kata kunci: ketimpangan capaian pendidikan, regresi panel, KTI
ABSTRACT
Education is an important factor in the formation of human capital. Quality and equitable education will increase human capital, expand employment opportunities and improve community welfare. One indicator that can be used to assess the quality of education is the average means school. Indonesia in the 2019 Human Development Report is in the lowest rank among ASEAN 5 member countries for average means school. If examined further by area, KTI has average means school that is lower than the KBI and the national’s average means school. If the problem of education quality and unequal education in Indonesia, especially in KTI, is not immediately resolved, then 90 percent of the poor who live in Indonesia (along with the Philippines), especially in KTI, will continue to be caught in a cycle of poverty because they are unable to improve their welfare.The method used in this study is panel regression analysis to explain the determinants of educational attainment inequality in KTI. The type of data used is panel data with a cross-section of 17 provinces from 2015-2019. Based on the regression results with the FGLS / SUR estimation method, it is found that investment, teacher distribution and access to education have a significant negative effect, while young married adolescents and inequality in income distribution have a significant positive effect on inequality of educational attainment.
Keywords: education inequality, panel regression, KTI
Todaro & Smith (2011) menyatakan bahwa dalam pembangunan ekonomi, modal manusia (human capital) menjadi faktor penting yang menentukan kecepatan pembangunan bangsa, sedangkan pembangunan modal manusia sendiri dipengaruhi oleh permasalahan pendidikan yang mana memberikan kontribusi yang signifikan terhadap peningkatan kesejahteraan melalui peningkatan pendapatan dan taraf hidup, peningkatan kemampuan, dan kebebasan individu. Oleh karena pentingnya pendidikan, penyelenggaraan pendidikan tidak hanya diarahkan untuk peningkatan pengetahuan dan keterampilan, serta rata-rata nilai saja, tetapi penyelenggaraan pendidikan harus juga merata agar dapat dirasakan oleh setiap penduduk. Penyelenggaraan pendidikan yang merata menjadi salah satu target dalam Sustainable Development Goals (SDGs) yang memastikan mutu pendidikan yang inklusif dan merata (BPS, 2016). Dengan penyelenggaraan pendidikan yang lebih merata pula, diharapkan rata-rata tahun bersekolah masyarakat meningkat yang pada akhirnya dapat memperbaiki kesempatan memperoleh pekerjaan dan penghasilan yang lebih baik yang kemudian akan meningkatkan kesejahteraan masyarakat itu sendiri (Rahayu, 2005).
Human Development Report 2019 melaporkan bahwa Indonesia menduduki peringkat kedua terendah diantara negara anggota ASEAN 5 dalam hal rata-rata lama sekolah (RLS). Rendahnya RLS di Indonesia dapat mengindikasikan terdapat ketidakmerataan dalam hal capaian pendidikan (Rahayu, 2005). Negara Indonesia sendiri berdasarkan laporan ASEAN Statistic Years Book 2019 dan Asean China UNDP Report merupakan negara dengan jumlah populasi dan PDB tertinggi di ASEAN namun berbanding terbalik dengan nilai pendapatan perkapita Indonesia yang menduduki peringkat terendah kedua serta peringkat tertinggi bersama Filipina dalam hal kemiskinan. Jika dilakukan analisis lebih lanjut berdasarkan kawasan di Indonesia, diperoleh hasil bahwa dari tahun 2015-2019 RLS di Kawasan Timur Indonesia (KTI) selalu lebih rendah dari RLS di Kawasan Barat Indonesia (KBI) yang mengindikasikan adanya ketimpangan dalam hal capaian pendidikan di KTI. Selain itu, adanya ketimpangan capaian pendidikan di KTI juga dapat dilihat melalui sebaran rata-rata lama sekolah di KTI yang tidak merata-rata. Badan Pusat Statistik dalam publikasi Statistik Pendidikan 2019 menyebutkan bahwa terdapat 8 provinsi di KTI yang memiliki RLS dibawah RLS nasional dengan gap rata-rata lama sekolah mencapai 3,45 tahun. Provinsi dengan RLS tertinggi yakni Maluku dengan nilai sebesar 10,3 tahun dan provinsi dengan RLS terendah 6,85 tahun yakni Provinsi Papua. Rendahnya RLS KTI diikuti dengan rendahnya pendapatan perkapita di wilayah KTI serta tingginya persentase penduduk miskin. Hal ini berarti adanya anugerah jumlah penduduk yang besar namun tidak diimbangi dengan keterampilan yang dimiliki masing-masing individu karena tidak meratanya akses serta capaian terhadap pendidikan akan berpengaruh pada jumlah pendapatan per kapita yang dimiliki suatu negara dan berpengaruh pada meningkatnya angka kemiskinan (Pressman, 2000). Oleh karena itu, dalam penelitian ini memiliki tujuan untuk menghitung dan menganalisis gambaran umum ketimpangan capaian pendidikan di KTI berdasarkan provinsi, gender dan karakteristik wilayah, serta menganalisis faktor- faktor yang diduga memengaruhi ketimpangan capaian pendidikan di KTI tahun 2015-2019.
Beberapa penelitian terdahulu yang menjadi acuan dalam penelitian ini yakni penelitian oleh Joerg Baten (2015) dan Yasmin (2017) yang menemukan bahwa investasi (Foreign Direct Investment) memiliki hubungan negatif signifikan terhadap ketimpangan pendidikan. Penelitian Agustina dan Budyanra (2019) yang menyebutkan bahwa distribusi guru dan anggaran pendidikan berpengaruh negatif signifikan terhadap ketimpangan capaian pendidikan. Penelitian Mesa (2007) menyebutkan bahwa semakin besar ketimpangan pendapatan yang terjadi dalam suatu wilayah maka ketidakmerataan distribusi pendidikan akan semakin besar pula.
METODE
Landasan Teori
Ketimpangan Capaian Pendidikan
Thomas et al (2000) menyatakan ukuran yang digunakan untuk mengukur ketimpangan pendidikan adalah Koefisien Gini Pendidikan (KGP). Indeks gini pendidikan dapat digunakan untuk mengetahui tingkat kemerataan pendidikan dengan rumus pada persamaan (1).
𝐾𝐺𝑃 = 𝑅𝐿𝑆1 ∑𝑛𝑖=2∑𝑖−1𝑗=1𝑝𝑖|𝑦𝑖− 𝑦𝑗|𝑝𝑗………..……… (1) dimana:
RLS = rata-rata lama sekolah penduduk 25 tahun keatas 𝑝𝑖,𝑝𝑗 = proporsi terhadap populasi kelompok ke-i dan ke-j 𝑦𝑖, 𝑦𝑗 = tahun bersekolah kelompok ke-i dan ke-j
Determinan ketimpangan capaian pendidikan sendiri dapat dipandang dari sisi permintaan pendidikan (Irianto, 2011). Sejalan itu, Tesfaye dalam Kumbadigdo (2010) menyatakan faktor yang memengaruhi permintaan pendidikan seseorang berkaitan dengan karakteristik rumah tangga, karakteristik anak, dan investasi berupa penanaman modal asing (Willem, 2005). Mesa (2007) juga menyatakan bahwa terdapat hubungan antara distribusi pendapatan masyarakat dengan timpangnya capaian pendidikan. Sementara itu, BPS (2016) merangkum faktor-faktor yang memengaruhi ketimpangan capaian pendidikan di Indonesia salah satunya yakni akses pendidikan dan distribusi maupun kualitas guru. Ketimpangan capaian pendidikan selain dipengaruhi adanya perbedaan kualitas pendidikan, Gould (1993) menyatakan bahwa partisipasi sekolah di suatu wilayah juga berpengaruh terhadap ketimpangan pendidikan (BPS, 2016).
Model Regresi Data Panel
Model regresi data panel menggunakan notasi i yang menunjukkan individu dan t yang menunjukkan waktu. Gujarati (2006) menyatakan bahwa dalam melakukan estimasi parameter pada analisis regresi linear dengan data panel dapat dilakukan dengan tiga cara yaitu common effect model, fixed effect model, dan random effect model.
1) Common Effect Model (CEM)
Gujarati (2008) menjelaskan model regresi data panel dengan model CEM adalah sebagaimana pada persamaan (2).
𝑌𝑖𝑡 = 𝛼 + 𝛽1𝑋1𝑖𝑡+ 𝛽2𝑋1𝑖𝑡+ ⋯ + 𝛽𝑘 𝑋𝑘𝑖𝑡+ 𝑣𝑖𝑡………. (2) 2) Fixed Effect Model (FEM)
Model FEM dapat dituliskan sebagaimana pada persamaan (3).
𝑌𝑖𝑡 = ( 𝛼 + 𝜇𝑖) + 𝛽1𝑋1𝑖𝑡+ 𝛽2𝑋1𝑖𝑡+ ⋯ + 𝛽𝐾 𝑋𝑘𝑖𝑡+ 𝑣𝑖𝑡………. (3) 3) Random Effect Model (REM)
Berikut model REM sebagaimana pada persamaan (4)
𝑌𝑖𝑡 = 𝛼 + 𝛽1𝑋1𝑖𝑡+ 𝛽2𝑋1𝑖𝑡+ ⋯ + 𝛽𝑘 𝑋𝑘𝑖𝑡+ (𝜇𝑖+ 𝑣𝑖𝑡)………. (4) Sumber Data dan Ruang Lingkup
Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data panel dengan cross-section sebanyak 17 provinsi di KTI dari tahun 2015-2019. Sumber data utama dalam penelitian ini adalah raw data Survei Sosial Ekonomi Nasional (SUSENAS) KOR tahun 2015 – 2019. Survei Sosial Ekonomi Nasional (SUSENAS) merupakan survei yang diselenggarakan dua kali setiap tahun oleh Badan Pusat Statistik (BPS) yakni setiap periode Maret dan September. Selain itu sumber data lain diperoleh dari publikasi resmi BPS RI, Kemendikbud dan Badan Koordinasi Penanaman Modal (BKPM). Variabel-variabel yang digunakan dalam penelitian ini dibedakan menjadi dua, yaitu variabel dependen yakni KGP dan variabel independen yang terbagi ke dalam tiga faktor.
1) Faktor ekonomi
Faktor ekonomi terdiri atas variabel investasi yang diproksikan melalui persentase penanaman modal asing (PMA) disetiap provinsi terhadap total PMA dan ketimpangan pendapatan yang diproksikan melalui gini rasio yang memiliki rentan nilai dari 0-1.
2) Faktor budaya
Faktor budaya yakni variabel ketimpangan gender (gender gap) yang diproksikan melalui persentase perempuan menikah muda di setiap provinsi.
Faktor sosial yakni variabel distribusi guru yang diproksikan melalui rasio guru-sekolah yang merupakan perbandingan antara jumlah guru terhadap jumlah sekolah disuatu jenjang pendidikan dan variabel akses pendidikan yang diproksikan melalui persentase angka partisipasi murni (APM) sekolah menengah atas (SMA) yang merupakan proporsi dari penduduk kelompok usia sekolah tertentu yang sedang bersekolah tepat di jenjang pendidikan yang seharusnya (sesuai dengan umur penduduk dengan ketentuan usia bersekolah dijenjang tersebut) terhadap penduduk kelompok usia sekolah yang bersesuain.
Metode Analisis
Metode analsis yang digunakan untuk menjawab tujuan dalam penelitian ini adalah analisis deskriptif dan analisis inferensia berupa analisis regresi data panel. Penyajian analisis deskriptif pada penelitian ini meliputi grafik, angka indeks hasil perhitungan KGP dan analisis kuadran serta peta tematik untuk mendapatkan gambaran umum ketimpangan capaian pendidikan di Indonesia dan KTI tahun 2015-2019. Adapun tahapan dalam perhitungan KGP adalah sebagai berikut:
1. Menghitung Rata-rata Lama Sekolah (RLS) dengan formula pada persamaan (5).
𝑅𝐿𝑆 = 1𝑛 ∑𝑛𝑖=1𝑥𝑖 ………... (5) dimana:
RLS = rata-rata lama sekolah
n = penduduk yang berusia 25 tahun keatas
𝑥𝑖 = lama sekolah penduduk ke-i yang berusia 25 tahun keatas
2. Menghitung proporsi penduduk berdasarkan rata-rata lama sekolah yang ditamatkan dengan formula pada persamaan (6).
𝑃𝑖 =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 25+ 𝑙𝑎𝑚𝑎 𝑠𝑒𝑘𝑜𝑙𝑎ℎ 𝑖 𝑡𝑎ℎ𝑢𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑢𝑠𝑖𝑎 25 𝑡𝑎ℎ𝑢𝑛 𝑘𝑒 𝑎𝑡𝑎𝑠 ……… (6) dimana:
Pi = Proporsi penduduk dengan RLS ke-i
i = Lama sekolah penduduk dalam satu tahun, i = 0,1,2,…,n
3. Menghitung koefisien gini pendidikan dengan formula pada persamaan (1).
Adapun untuk menganalisis determinan ketimpangan capaian pendidikan di KTI 2015-2019 digunakan analisis inferensia berupa analisis regresi data panel dengan kemungkinan model yang terbentuk yakni common effect model (CEM), fixed effect model (FEM) dan random Effect Model (REM). Untuk memilih model terbaik dilakukan beberapa tahapan pengujian. Uji Chow digunakan untuk melihat model terbaik antara CEM dan FEM. Uji Hausman untuk melihat model terbaik antara FEM dan REM dan uji Breusch Pagan-Lagrange Multiplier (BPLM) untuk melihat model terbaik antara REM dan CEM. Setelah melakukan pemilihan model, dilanjutkan dengan pengujian struktur matriks varians-kovarians residual menggunakan uji Lagrange Multiplier (LM) untuk mengetahui apakah residual bersifat homoskedastis atau heteroskedastis. Apabila residual bersifat heteroskedastis maka dilakukan uji lamda Lagrange Multiplier (λLM) yang digunakan untuk melihat apakah ada cross-sectional correlation antar residu atau tidak. Jika dalam struktur matriks covarian bersifat heteroskedastis dan terdapat cross section correlation maka estimasi yang digunakan adalah Feasible Generalized Least Square / Seemingly Unrelated Regression (FGLS/SUR) sehingga untuk pengujian asumsi klasik hanya memerlukan pengujian normalitas yang menggunakan Jarque-Bera dan multikolinearitas menggunakan matriks korelasi. Selanjutnya dilakukan uji kelayakan model yaitu dengan melihat koefisien determinasi, pengujian simultan dan pengujian secara parsial. Nilai koefisien determinasi berkisar antara 0 sampai dengan 1 (0 ≤ 𝑅2 ≤
1). Semakin mendekati nilai 1 berarti persamaan regresi yang dihasilkan semakin tepat/baik.
HASIL DAN PEMBAHASAN
Analisis Deskriptif
Gambar 1 menunjukkan bahwa skor KGP di Kawasan Timur Indonesia (KTI) nilainya jauh diatas skor KGP untuk Kawasan Barat Indonesia (KBI) dan skor nasional (Indonesia). Tahun 2015 skor KGP di KTI 1,107 kali lebih besar dibandingkan dengan skor KGP KBI, sedangkan pada tahun 2019 skor KGP KTI 1,115 kali lebih besar jika dibandingkan dengan skor KBI. Hal ini menandakan terjadi ketimpangan capaian pendidikan yang tinggi di Kawasan Timur Indonesia (KTI) dibandingkan dengan Kawasan Barat Indonesia (KBI) yang dapat diartikan bahwa capaian pendidikan di kawasan barat lebih merata jika dibandingkan dengan kawasan timur.
Sumber : SUSENAS BPS RI, 2020 (diolah)
Gambar 1.KGP di Kawasan Timur Indonesia (KTI) 2015- 2019
Analisis terkait ketimpangan capaian pendidikan di Kawasan Timur Indonesia (KTI) tidak hanya dilakukan dengan melihat skor koefisien gini pendidikannya saja namun dapat dianalisis lebih lanjut dengan cara melakukan pengkategorian terhadap skor KGP tersebut. Rahayu (2005) dalam penelitiannya mengkategorikan koefisien gini pendidikan menjadi lima kategori yaitu: sangat rendah (< 0,200), rendah (0,200 – 0.350), sedang (0,350-0,490), tinggi (0,490- 0,700), dan sangat tinggi (> 0,700).
Sumber : SUSENAS BPS RI, 2020 (diolah)
Gambar 2. Distribusi skor KGP berdasarkan kategori di KTI 2019
Gambar 2 menunjukkan sebaran ketimpangan capaian pendidikan 17 provinsi di Kawasan Timur Indonesia (KTI) pada tahun akhir periode penelitian yakni 2019. Secara umum, distribusi ketimpangan capaian pendidikan di KTI berdasarkan pengkategorian skor KGP masih berada pada kategori sedang dan rendah dimana terdapat 5 provinsi dengan kategori sedang dan 12 provinsi dengan kategori rendah. Adapun provinsi yang berhasil menurunkan ketimpangan dari kategori sedang pada tahun 2015 menjadi provinsi dengan kategori KGP rendah ditahun 2019 yakni Sulawesi Selatan dan Sulawesi Barat dengan penurunan masing-masing sebesar 0,0085 dan 0,018 poin. Sedangkan Provinsi Gorontalo yang pada tahun awal penelitian berada dalam kategori ketimpangan rendah mengalami peningkatan skor KGP sebesar 0,023 ditahun 2019 dan termasuk dalam provinsi dengan kategori skor KGP yang sedang.
0.26 0.27 0.28 0.29 0.3 0.31 0.32 0.33 0.34 2 0 1 5 2 0 1 6 2 0 1 7 2 0 1 8 2 0 1 9
Gambaran Umum Ketimpangan Capaian Pendidikan berdasarkan Provinsi di KTI 2015-2019
Setelah sebelumnya telah dijelaskan bahwa ketimpangan pendidikan yang terjadi di Kawasan Timur Indonesia (KTI) selalu lebih tinggi dibandingkan Kawasan Barat Indonesia dari tahun 2015 hingga 2019, maka selanjutnya Gambar 3 menunjukkan tiga provinsi dengan katimpangan capaian pendidikan tertinggi di Kawasan Timur Indonesia tahun 2015 yakni Provinsi Papua dengan skor KGP sebesar 0,485, Nusa Tenggara Barat dan Sulawesi Barat dengan masing-masing skor KGP sebesar 0,389 dan 0,363. Ketimpangan capaian pendidikan dari ketiga provinsi tersebut termasuk dalam kategori ketimpangan sedang dengan indeks berada pada angka 0,35 – 0,5.
Sumber : SUSENAS BPS RI, 2020 (diolah)
Gambar 3. KGP berdasarkan provinsi di Kawasan Timur Indonesia (KTI) 2015-2019
Pada tahun 2019, Provinsi Papua mengalalami penurunan koefisien gini pendidikan sebesar 0,018 dibandingkan tahun 2015. Namun, meski mengalami penurunan nilai koefisien gini pendidikan Provinsi Papua tetap berada diperingkat paling atas sebagai provinsi dengan ketimpangan capaian pendidikan tertinggi di Kawasan Timur Indonesia. Tingginya skor KGP di Papua dapat disebabkan oleh kondisi geografis wilayah papua yang berada jauh dari Ibukota Indonesia sehingga pembangunan pendidikan diwilayah papua kurang optimal. Hal ini sejalan dengan pernyataan Bani (2016) yang mengatakan bahwa salah satu penyebab kelemahan pendidikan adalah faktor geografis yang dapat menyebabkan kendala bagi aspek lainnya antara lain tenaga pendidik, kerjasama antar lembaga pendidikan, dan jaringan teknologi dan informasi. Gambaran Umum Ketimpangan Capaian Pendidikan Berdasarkan Klasifikasi Wilayah Urban-Rural di KTI 2015-2019
Analisis ketimpangan capaian pendidikan dapat dilakukan berdasarkan klasifikasi wilayah urban-rural. Gambar 4 menunjukkan bahwa ketimpangan capaian pendidikan untuk wilayah rural dari tahun 2015-2019 selalu lebih tinggi dari pada wilayah urban yang mengindikasikan bahwa tingkat capaian pendidikan di wilayah urban lebih merata jika dibandingkan dengan wilayah rural. Ditahun 2015 skor KGP di wilayah rural 1,43 kali lebih besar dibandingkan skor KGP di wilayah urban, sedangkan tahun 2019 skor KGP wilayah rural 1,428 kali lebih besar dibandingkan skor KGP di wilayah dengan status urban (perkotaan). Tingginya skor KGP di wilayah rural sejalan dengan rendahnya pencapaian rata-rata lama sekolah di wilayah rural jika dibandingkan dengan capaian rata-rata lama sekolah wilayah urban. Pada tahun 2015 capaian rata-rata lama sekolah di wilayah rural hanya 6,79 tahun sedangkan untuk wilayah urban sebesar 9,83 tahun. Adapun pada tahun 2019 capaian rata-rata lama sekolah di wilayah rural meningkat 6,92 persen atau sekitar 0,47 tahun dibandingkan tahun 2019 sedangkan untuk wilayah urban capaian rata-rata lama sekolahnya meningkat sebesar 0,26 tahun (SUSENAS, 2020 diolah).
Sumber : SUSENAS BPS RI, 2020 (diolah)
Gambar 4. KGP berdasarkan klasifikasi wilayah di KTI 2015-2019
Rendahnya capaian rata-rata lama sekolah di wilayah rural yang disertai tingginya skor KGP dapat disebabkan karena pengeluaran pemerintah yang berupa investasi langsung ke dalam sektor ekonomi yang produktif salah satunya investasi di bidang pendidikan lebih besar untuk daerah perkotaan. Sehingga pengeluaran tersebut berdampak pada pembangunan infrastruktur penunjang pendidikan dan menyebabkan kebutuhan akan pendidikan yang layak dan baik dapat terpenuhi di daerah perkotaan (Todaro dan Smith, 2011).
Gambaran Umum Ketimpangan Pendidikan Berdasarkan Gender di Kawasan Timur Indonesia (KTI) 2015-2019
Gambar 5 menunjukkan bahwa ketimpangan capaian pendidikan untuk kaum perempuan berdasarkan kategori tingkatan ketimpangan tergolong dalam kategori ketimpangan rendah dengan kisaran angka 0,2-0,35, begitupula ketimpangan capaian pendidikan untuk laki-laki. Meski ketimpangan capaian antar gender ini berada dalam ketogori rendah, namun ketimpangan capaian pendidikan yang terjadi pada kaum perempuan dari tahun 2015-2019 selalu lebih tinggi dari ketimpangan capaian pendidikan yang dialami laki-laki di Kawasan Timur Indonesia (KTI). Pada tahun 2015 maupun 2019 skor KGP perempuan 1,17 kali lebih tinggi dibandingkan skor KGP laki-laki.
Sumber : SUSENAS BPS RI, 2020 (diolah)
Gambar 5. KGP berdasarkan jenis kelamin di KTI 2015-2019
Kementrian Pemberdayaan Perempuan dan Perlindungan Anak RI (2017) menyatakan, salah satu hal yang menghambat akses pendidikan bagi perempuan adalah faktor sosial dan ekonomi masyarakat yang rendah. Masyarakat cenderung memilih menghentikan pendidikan anak perempuan dibandingkan anak laki-laki.
0 0.1 0.2 0.3 0.4 2015 2016 2017 2018 2019 URBAN RURAL 0 0.2 0.4 2015 2016 2017 2018 2019 LK PR
Analisis Inferensia Pemilihan Model Terbaik
Terdapat beberapa tahapan dalam pemilihan model terbaik. Pertama-tama dilakukan pemilihan model dengan membandingkan common effect model (CEM) dengan fixed effect model (FEM) menggunakan statistik uji Chow. Hasil pengujian tersebut signifikan pada taraf signifikansi 5 persen dimana p-value < 0,05 dimana kesimpulan yang diperoleh yakni tolak H0 yang berarti model yang terpilih adalah FEM. Pengujian selanjutnya yang dilakukan adalah pengujian untuk mendapatkan model terbaik antara fixed effect model (FEM) dengan random effect model (REM) menggunakan statistik uji Hausman. Hasil statistik uji Hausman pada lampiran 6 menunjukkan hasil signifikan pada taraf signifikansi 5 persen dengan nilai p-value < 0,05. Hal tersebut berarti model FEM lebih baik dari pada model REM.
Pemeriksaan Struktur Varians-Kovarians Residual
Setelah diperoleh bahwa model terbaik yang digunakan dalam penelitian ini yakni fixed effect model (FEM) maka perlu dilakukan pengujian struktur kovarians residual model dengan pengujian Lagrange Multiplier (LM) dan diperoleh hasil LM= 40,50997 > 𝑥(0,05.16)2 = 26,29623, sehingga dapat disimpulkan varians-kovarians residual pada model bersifat heteroskedastis. Selanjutnya, dilakukan uji 𝜆 Lagrange Multiplier ( 𝜆𝐿𝑀) dan diperoleh hasil 𝜆𝐿𝑀=180,9064 > 𝑥(0,05.136)2 = 164,2162 , maka model yang tepat digunakan adalah FEM dengan metode estimasi Feasible Generalized Least Square / Seemingly Unrelated Regression (SUR).
Pengujian Asumsi Klasik
Pengujian asumsi yang dilakukan untuk model FEM adalah uji normalitas dan pemeriksaan asumsi non multikolinearitas. Pada uji asumsi normalitas, statistik uji yang digunakan adalah Jarque-Berra, dimana diperoleh nilai p-value > 0,05 yang menandakan bahwa pengujian memberikan hasil gagal tolak H0. Hal tersebut berarti model terpilih memiliki error yang berdistribusi normal. Asumsi selanjutnya adalah asumsi non-multikolinearitas dengan melihat koefisien variance inflation factor (VIF). Asumsi non-multikolinearitas dikatakan tidak terlanggar apabila nilai VIF berada pada nilai kurang dari 10. Dari hasil pengujian nilai VIF variabel yang peneliti gunakan semuanya memiliki nilai VIF di bawah 10, sehingga asumsi non multikolinearitas terpenuhi.
Pengujian Keberartian Model
Hasil estimasi pada tabel 1 memperlihatkan bahwa secara simultan, model terpilih menunjukkan nilai p-value uji F adalah sebesar 0,000 < 𝛼=0,05. Kesimpulan yang diambil adalah tolak H0 yang berarti terdapat minimal satu variabel independen yang memiliki pengaruh secara signifikan terhadap variabel dependen dalam penelitian.
Tabel 1. Ringkasan hasil estimasi.
Variabel Koefisien Uji t-statistik Prob (1) (2) (3) (4) C -0.657300 -9.487263 0.0000 investasi -0.005256 -4.580994 0.0000 Distribusi_guru -0.098364 -6.793637 0.0000 Akses_pendidika n -0.001516 -2.307483 0.0243 Gender_gap 0.001364 1.724657 0.0895 Gini_rasio 0.178203 5.399742 0.0000 Ringkasan Statistik Koefisien Determinasi (R-Squared) 0.994107 Uji - F 506.0360
Adjusted R-Squared 0.992142 p-value 0.000000
Sumber : Pengolahan
Hasil estimasi pada tabel 1 memperlihatkan bahwa secara simultan, model terpilih menunjukkan nilai p-value uji F adalah sebesar 0,000 < 𝛼 =0,05 sehingga kesimpulan yang diambil adalah terdapat minimal satu variabel independen yang memiliki pengaruh secara signifikan terhadap variabel dependen (KGP) dalam penelitian. Tabel 1 juga menunjukkan, pada model terpilih didapatkan besaran koefisien determinasi yang disesuaikan (adjusted R square) sebesar 0,992 yang berarti 99,21 persen keragaman ketimpangan capaian pendidikan telah mampu dijelaskan dengan baik oleh variabel independen, sedangkan sisanya dijelaskan oleh variabel lain yang tidak tercakup dalam model penelitian ini. Selanjutnya adalah melakukan uji secara parsial dengan membandingkan nilai t-hitung dengan t-tabel. Tabel 1 menunjukkan bahwa untuk setiap variabel independen memiliki t-hitung > 𝑡(0,95. 63) = 1,6694 atau t-hitung < 𝑡(0,05,46) = −1,6694 sehingga kesimpulan yang diperoleh bahwa masing-masing variabel bebas yang digunakan dalam penelitian berpengaruh signifikan terhadap ketimpangan capaian pendidikan di KTI tahun 2015-2019.
Interpretasi Model
Berdasarkan hasil estimasi pada tabel 1, maka model terpilih yakni model FEM sebagaimana pada persamaan (39). Adapun metode estimasi yakni FGLS/SUR sehingga model pada persamaan (39) dapat ditulisakan sebagaimana pada persamaan (7).
𝐿𝑛𝐾𝐺𝑃̂𝑖𝑡 = (−0,657 + μi) − 0,0052𝐼𝑛𝑣𝑒𝑠𝑡𝑎𝑠𝑖𝑖𝑡∗ − 0,0983 𝐿𝑛𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖. 𝑔𝑢𝑟𝑢𝑖𝑡∗
− 0.0015 𝐴𝑘𝑠𝑒𝑠. 𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛𝑖𝑡∗ + 0.0013𝐺𝑒𝑛𝑑𝑒𝑟. 𝑔𝑎𝑝𝑖𝑡∗+ 0.1782 𝐿𝑛𝐺𝑖𝑛𝑖. 𝑟𝑎𝑠𝑖𝑜𝑖𝑡∗ Keterangan : * = signifikan pada 𝛼 = 0,05
(7)
Persamaan (7) menunjukkan adanya 𝜇̂𝑖 yang merupakan besar simpangan intersep setiap provinsi terhadap nilai intersep rata-rata. Apabila setiap variabel independen yang digunakan dalam penelitian tidak berpengaruh terhadap KGP (asumsi cateris paribus ), maka provinsi dengan efek individu terbesar yakni 0,336 adalah Provinsi Papua yang akan memiliki skor KGP terbesar sedangkan Sulawesi Utara dengan efek individu terkecil yakni -0,228 akan memiliki skor KGP terendah.
Pada penelitian ini variabel yang berperan dalam mengurangi ketimpangan pendidikan di KTI 2015-2019 yakni investasi, distribusi guru, dan akses pendidikan. Investasi memiliki pengaruh negatif signifikan terhadap KGP di KTI tahun 2015-2019. Setiap peningkatan 1 persen investasi disuatu provinsi maka akan mengurangi skor KGP sebesar 0,52 persen dengan asumsi variabel lain dianggap konstan (cateris paribus). Hasil ini sesuai dengan penelitian yang dilakukan oleh Yasmin Bani (2017), Joerg Baten et al (2015), dan Willem (2005) yang menemukan pengaruh investasi terhadap ketimpangan pendidikan. Adapun variabel distribusi guru memiliki pengaruh negatif signifikan terhadap KGP di KTI tahun 2015-2019. Setiap peningkatan 1 persen distribusi guru maka akan mengurangi skor ketimpangan capaian pendidikan sebesar 0,0983 persen dengan asumsi variabel lain dianggap konstan (cateris paribus). Sunandar (2006) menyatakan semakin banyak guru yang didistribusikan di suatu sekolah maka akan menurunkan ketimpangan capaian pendidikan. Selanjutnya adalah variabel akses pendidikan memiliki pengaruh negatif signifikan terhadap ketimpangan capaian pendidikan di KGP di KTI tahun 2015-2019. Setiap peningkatan 1 persen akses pendidikan maka akan mengurangi skor ketimpangan capaian pendidikan sebesar 0,15 persen dengan asumsi variabel lain dianggap konstan (cateris paribus). BPS dalam Inkesra 2016 menyatakan wilayah dengan akses pendidikan yang tinggi cenderung memiliki capaian pendidikan yang tinggi pula. Hal ini sejalan dengan penelitian Gould (1993) menyatakan bahwa partisipasi sekolah di suatu wilayah dapat memperkecil ketimpangan pendidikan.
Adapun dalam penelitian ini variabel yang berperan dalam meningkatkan KGP adalah variabel gender gap dan gini rasio. Variabel gender memiliki pengaruh positif signifikan terhadap KGP di KTI tahun 2015-2019. Setiap peningkatan 1 persen gender gap maka akan meningkatkan skor ketimpangan capaian pendidikan sebesar 0,13 persen dengan asumsi variabel lain dianggap
konstan (cateris paribus). Hasil ini sejalan dengan penelitian Delprato et al. (2015) yang mengemukakan bahwa gender gap berpengaruh terhadap capain rata-rata lama sekolah yang akan berdampak pada peningkatan ketimpangan capaian pendidikan. Untuk variabel gini rasio sendiri memiliki pengaruh positif signifikan terhadap KGP di KTI tahun 2015-2019. Setiap peningkatan 1 persen gini rasio maka akan meningkatkan skor ketimpangan capaian pendidikan sebesar 0,1782 persen dengan asumsi variabel lain dianggap konstan (cateris paribus). Hasil ini sejalan dengan penelitian Kearney & Levine (2016), yang menyatakan bahwa wilayah dengan tingkat ketimpangan pendapatan yang tinggi cenderung memiliki tingkat putus sekolah yang tinggi. Hal ini mengindikasikan bahwa dengan menurunkan ketimpangan pendapatan akan berdampak pada penurunan ketimpangan capaian pendidikan.
KESIMPULAN
Kesimpulan yang dapat diberikan berdasarkan hasil penelitian yakni diperoleh bahwa KGP di KTI berada dalam kategori rendah dan sedang dengan tingkat ketimpangan di KTI jauh diatas KBI maupun angka nasional. Adapun provinsi dengan KGP tertinggi di KTI 2015-2019 yakni Papua dengan kategori sedang ( 0,35-0,49). Jika dinalisis berdasarkan gender skor KGP perempuan 2015-2019 selalu lebih tinggi dari skor KGP laki-laki. Adapun jika dianalisis berdasarkan kategori wilayah maka diperoleh hasil bahwa ketimpangan capaian pendidikan untuk wilayah rural dari tahun 2015-2019 selalu lebih tinggi dari pada wilayah urban yang mengindikasikan bahwa tingkat capaian pendidikan di wilayah urban lebih merata jika dibandingkan dengan wilayah rural. Menggunakan regresi data panel dengan metode estimasi feasible generilized least square (FGLS)/ seemingly unrelated regression (SUR) diperoleh kesimpulan bahwa variabel investasi, distribusi guru, dan akses pendidikan berpengaruh negatif dan signifikan dalam menurunkan KGP sedangkan gender gap dan ketimpangan distribusi pendapatan berpengaruh positif signifikan dalam meningkatkan KGP.
DAFTAR PUSTAKA
Agus, Irianto. (2011). Pendidikan Sebagai Investasi Dalam Pembangunan Suatu Bangsa. Jakarta : Kencana Bani, Yasmin. (2017).On the Relationship Between Human Capital Inequality and Globalization. International
Journal of Bussiness and Society. Vol 18 No.2 ,285-300
Baten, Joerg & Christina Mumme. (2015). Globalization and Educational Inequality During The 18th to 20th
Centuries : Latin America in Global Comparizon. Revista de Historia Económica / Journal of Iberian and Latin American Economic History, Vol 28 No.2, 279-305
Badan Pusat Statistik. (2016). Indikator Kesejahteraan Rakyat 2016. Jakarta : Badan Pusat Statistik. . (2019). Statistik Pendidikan Indonesia 2019. Jakarta : Badan Pusat Statistik. Delprato, M. et al. (2015). On the impact of early marriage on schooling outcomes in Sub-Saharan Africa and
West Asia. International Journal of Educational Development 44, 42–55
Digdowiseiso, K. (2010). Measuring Gini Coefficient of Education: The Indonesian Case. Munich Personal RePEc Archive Paper, No. 19865.
Gujarati, Damodar N. Dawn C. Porter. (2008). Basic Econometrics. New York : Mc Graw Hill
Kearney & Levine. (2016) Income Inequality, Social Mobility,and the Decision to Drop Out of High School. NBE Working Paper No.20195
Mesa, E. (2007), “Measuring education inequality in the Philippines”, Philippine Review of Economics, Vol. 44 No. 2,
Pressman, S. (2002). Lima Puluh Pemikir Ekonomi Dunia. Jakarta: PT. RajaGrafindo Persada.
Thomas, V., Wang, Y., & Fan, X. (2000). Measuring Education Inequality : Gini Coefficients of Education. World Bank Policy Research Working Papers 2525.
Todaro, M. P., & Smith, S. C. (2011). Pembangunan Ekonomi (11th Edition ed., Vol. I). Jakarta: Erlangga. Rahayu, Astuti. (2005). Ketimpangan Pendidikan di Indonesia. Jurnal Sosial Ekonomi Pertanian,
Vol 6 No.1,21-40
Sunandar,A. (2006). Analisis Perencanaan Kebutuhan Guru. Jurnal Manajemen Pendidikan No.01, 1-12
United Nation Development Programme. (2018). Asean China UNDP Report on Financing the Sustainable Development Goals (SDGs) in Asean. New York:United Nations Development Programme
United Nation Development Programme. (2019). Human Development Report 2019. New York:United Nations Development Programme
Willem, Dirk. (2005). Globalisation and Education What do the trade, investment and migration literatures tell us?. UK: Overseas Development Institute[working paper]
