• Tidak ada hasil yang ditemukan

BAB IV ANALISIS DATA DAN PEMBAHASAN. Bab ini menjelaskan hasil analisis dan pemaparan mengenai penelitian

N/A
N/A
Protected

Academic year: 2022

Membagikan "BAB IV ANALISIS DATA DAN PEMBAHASAN. Bab ini menjelaskan hasil analisis dan pemaparan mengenai penelitian"

Copied!
33
0
0

Teks penuh

(1)

28 BAB IV

ANALISIS DATA DAN PEMBAHASAN

Bab ini menjelaskan hasil analisis dan pemaparan mengenai penelitian terhadap data dan pengujian hipotesis yang telah diajukan pada bab sebelumnya menggunakan teknik analisis yang telah ditentukan. Sesuai dengan tujuan dari penelitian, maka akan dibahas mengenai pengaruh keuangan digital mempengaruhi konsumsi rumah tangga selama krisis COVID-19 di Pulau Jawa.

Pengujian dan analisis data menggunakan Uji Regresi Ordinary Least Square (OLS), Uji Regresi Ordered Logit dan Ordered Probit menggunakan alat analisis STATA versi 13 for windows.

4.1 Sampel

Penelitian ini menggunakan data primer, menggunakan alat instrumen kuesioner yang dibagikan melalui secara daring dan juga dengan metode survei.

Adapun jumlah populasi yang digunakan dalam penelitian berdasarkan pada jumlah total rumah tangga di Pulau Jawa tahun terakhir survei yang dibedakan berdasarkan wilayah provinsi. Data jumlah rumah tangga di Pulau Jawa diambil berdasarkan data pada BPS Provinsi di Pulau Jawa, yakni Banten (2019) sebanyak 3.168.512; DKI Jakarta (2019) sebanyak 2.758.709; Jawa Barat (2020) sebanyak 13.093.860; Jawa Tengah (2015) sebanyak 9.317.795; DI Yogyakarta (2015) sebanyak 10.905.696; Jawa Timur (2018) sebanyak 10.905.696. Sehingga jumlah populasi rumah tangga di Pulau Jawa adalah sebanyak 40.365.049.

Pengambilan sampel dalam penelitian ini digunakan Proportional Stratified Random Sampling, dari jumlah total populasi sebanyak 40.365.049 Rumah Tangga di Pulau Jawa dengan minimal sampel ditetapkan 450 responden.

commit to user

(2)

Sehingga dapat diperoleh ketetapan proporsi dari setiap wilayah provinsi di Pulau Jawa. Tabel dibawah ini merupakan detail dari pengambilan sampel.

Tabel IV. 1

Jumlah Sampel Rumah Tangga

Provinsi

Populasi Rumah Tangga (RT)

Persentase (Populasi RT/Total RT)

Jumlah sampel (persentase x

Min sampel)

Responden

DKI Jakarta 2.758.709 0,068344002 30,75480102 31

Banten 3.168.512 0,078496424 35,32339079 36

Jawa Barat 13.093.860 0,32438608 145,9737358 146 Jawa

Tengah 9.317.795 0,230838194 103,8771872 104

DI

Yogyakarta 1.120.477 0,027758594 12,49136722 13 Jawa Timur 10.905.696 0,270176707 121,579518 122

TOTAL 40.365.049 1 452

Berdasarkan perhitungan tabel diatas, maka dapat diperoleh ketentuan responden yang harus diperoleh sesuai dengan proporsi yang telah ditetapkan.

Diantaranya yakni: DKI Jakarta 31 responden, Banten 36 responden, Jawa Barat 146 responden, Jawa Tengah 104 responden, DI Yogyakarta 13 responden, dan Jawa Timur 122 responden. Dengan total responden atau observasi sebanyak 452 yang akan digunakan sebagai pengujian.

4.2 Statistik Deksriptif

Statistik Deskriptif digunakan untuk menampilkan nilai rata-rata, standar deviasi atau standar error, minimum, dan maksimum data. Sebelum dibahas secara dekskriptif, akan disajikan tabel definisi variabel terlebih dahulu untuk memudahkan dalam mendefinisikan sebuah tabel statistik deskriptif. Tabel IV.2 dibawah ini merupakan tabel definisi variabel yang digunakan dalam penelitian ini.

commit to user

(3)

Tabel IV. 2 Definisi Variabel

Variabel Definisi Kode Sumber

Konsum Jumlah pengeluaran konsumsi dalam rumah tangga selama satu bulan.

0-2 juta: 1, 2-4 juta:

2, 4-6 juta: 3, 6-8 juta: 4, 10 juta keatas: 5

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

KeuDig variabel dummy dengan nilai 0-3, jika pernah menggunkan keuangan digital meliputi pembayaran digital, investasi digital, pembiayaan digital.

a. Pembayara n Digital Transfer Bank via Online: 1, Transfer via Mobile

Banking: 1, OVO/DANA: 1, ShopeePay/Gopay/

LinkAja/Lainnya: 1, Tidak

Menggunakan: 0 b. Investasi

Digital Saham: 1,

Obligasi: 1, Reksa Dana : 1, Emas: 1, Derivatif : 1, Rekening Tabungan: 1, Deposito: 1, Asuransi Bank (Bancassurance):

1, Investasi Online

= 1, Online Crowdfunding: 1, Tidak

Menggunakan: 0 c. Pembiayaa

n Digital (Pernah meminjam atau menghasilkan uang dari internet?) Ya = 1, Tidak = 0

Wang, X., & He, G. (2020).

Umur Umur Kepala

Keluarga yang mengatur siklus rumah tangga

Kurang dari 25 Tahun: 1, 26-35 Tahun 2, 36-45 Tahun: 3, 46-55 Tahun: 4, Diatas 56: 5

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

commit to user

(4)

Variabel Definisi Kode Sumber Pendd Pendidikan terakhir

kepala keluarga yang mengatur siklus rumah tangga

Dibawah

SMA/Sederajat: 1, SMA/SMK/Sederaj at: 2, Diatas SMA/SMK/Sederaj at: 3

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

Angg Jumlah anggota

keluarga dalam rumah tangga

2 : 1, 3: 2, 4: 3, 5: 4, 6 : 5, Lebih dari 6:

6

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

Pas Keterlibatan pasangan dalam pemasukan pendapatan rumah tangga

0% (pasangan tidak bekerja) : 0, 1%-30% : 1, 31- 60% : 2, 61-100%:

3

Pengembangan sendiri

Daerah Daerah kawasan tempat tinggal Rumah Tangga

Perkotaan: 0, Pedesaan: 1

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

Pendp Total pendapatan kotor (pendapatan sebelum dikurangi kebutuhan)

0-2 juta: 1, 2-4 juta:

2, 4-6 juta: 3, 6-8 juta: 4, 10 juta keatas: 5

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

Rumah Status kepemilikan rumah/tempat tinggal

Milik sendiri /warisan keluarga:

1,

Mengontrak/masih KPR: 0

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

Kerja Tempat dimana pengelola keuangan rumah tangga keluarga bekerja.

Pekerja di sektor pemerintahan: 1, Pekerja di sektor swasta/perusahaan : 2, Pekerja di sektor informal: 3

Pengembangan sendiri

Prov Provinsi tempat tinggal rumah tangga

Banten = 1 DKI Jakarta = 2 Jawa Barat = 3 Jawa Tengah = 4 DI Yogyakarta = 5 Jawa Timur = 6

Song, Q., Li, J., Wu, Y., & Yin, Z.

(2020).

commit to user

(5)

Tabel IV. 3 Statistik Deskriptif

Variable Obs Mean Std. Dev. Min Max

Konsum 452 2.35177 1.095312 1 5

KeuDig 452 1.539823 0.7479213 0 3

Umur 452 2.696903 1.150991 1 5

Pendd 452 2.371681 0.707197 1 3

Angg 452 2.946903 1.212212 1 6

Pas 452 1.548673 1.194898 0 3

Daerah 452 0.4668142 0.4994503 0 1

Pendp 452 2.787611 1.306313 1 5

Rumah 452 0.7588496 0.4282554 0 1

Kerja 452 2.022124 0.7382168 1 3

Prov 452 3.873894 1.555914 1 6

Data penelitian ini merupakan data primer yang diperoleh dari kuesioner daring selama Bulan September sampai Oktober 2020. Pada Tabel IV.3, dapat dilihat bahwa jumlah data yang digunakan dalam observasi ini adalah sebanyak 452 rumah tangga di Pulau Jawa. Variabel konsum merupakan variabel dependen, dapat dilihat nilai minimal 1 sampai dengan maksimal 5 mempunyai makna bahwa rumah tangga di Pulau Jawa menghabiskan pengeluaran konsumsi tiap bulannya minimal pada rentang mulai dari Rp. 0 – Rp 2.000.000,00 dan memiliki nilai maksimal pengeluaran konsumsi pada rentang Rp. 10.000.00,00 ke atas. Nilai rata-rata memiliki nilai 2,35177 yang artinya rata-rata pengeluaran konsumsi rumah tangga di Pulau Jawa selama krisis COVID-19 ini berada pada kisaran Rp.

4.000.000,00 – Rp. 6.000.000,00 tiap bulannya. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel KeuDig merupakan variabel independen dari penelitian ini, yang menunjukkan apakah dalam suatu rumah tangga di Pulau Jawa telah

commit to user

(6)

menggunakan keuangan digital atau tidak. Nilai KeuDig memiliki nilai minimal 0 dan nilai maksimal 3. Nilai KeuDig 0 mempunyai arti bahwa pada rumah tangga tersebut tidak menggunakan sama sekali keuangan digital. Dan nilai maksimal 3 memiliki arti bahwa rumah tangga tersebut telah menggunakan keuangan digital dengan layanan pembayaran digital, investasi digital, dan pembiayaan digital. Nilai rata-rata sebesar 1,539823 menunjukkan bahwa setidaknya telah memiliki 2 jenis layanan keuangan digital dalam rumah tangganya. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel umur menunjukkan umur dari pihak yang mengelola keuangan di rumah tangganya. Nilai mininal 1 mempunyai arti bahwa umur dari pihak pengelola keuangan tangga berada dibawah 25 tahun dan nilai maksimal berarti memiliki umur diatas 56 tahun. Nilai rata-rata sebesar 2,696903 menunjukkan bahwa rata-rata umur dari pihak pengelola keuangan rumah tangga di Pulau Jawa di dominasi oleh umur 26–35 tahun. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel Pendd merupakan variabel yang menunjukkan tingkat pendidikan dari pengelola keuangan rumah tangga di Pulau Jawa. Nilai minimal 1 berarti tingkat pendidikan pengelola keuangan rumah tangga adalah dibawah SMA/SMK sederajat dan nilai maksimal 3 berarti tingkat tertinggi pendidikannya adalah diatas SMA/SMK/Sederajat seperti Diploma/Sarjana/Magister/Doktor atau lainnya. Nilai rata-rata sebesar 2,371681 menunjukkan bahwa rata-rata pengelola keuangan rumah tangga di Pulau Jawa memiliki tingkat pendidikan Diatas SMA/SMK/ sederajat. Nilai rata-rata yang lebih besar jika dibandingkan dengan

commit to user

(7)

nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Varibel Angg menunjukkan jumlah dari anggota keluarga dalam rumah tangga. Nilai minimal 1 mempunyai arti bahwa hanya ada 2 anggota rumah tangga dan nilai maksimal 6 berarti memiliki lebih dari 6 anggota keluarga dalam rumah tangganya. Nilai rata-rata sebesar 2,946903 menunjukkan bahwa rumah tangga di Pulau Jawa didominasi oleh rumah tangga yang memiliki 4 anggota keluarga.

Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel Pas merupakan variabel yang menujukkan tingkat keterlibatan pasangan dalam kegiatannya memperoleh pendapatan rumah tangga. Nilai minimal 0 menunjukkan bahwa dalam rumah tangga hanya kepala keluarga yang bekerja dan nilai maksimal 3 menunjukkan bahwa pasangannya atau pihak istri juga turut bekerja dengan menyumbang pendapatan 61%-100%. Nilai rata-rata sebesar 1,548673 menunjukkan bahwa rata-rata rumah tangga dalam mendapatkan pemasukan pendapatannya dibantu oleh pasangannya atau pihak istri dengan pemasukan rentang 30%-60%. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel daerah merupakan variabel yang menujukkan apakah suatu rumah tangga bertempat tinggal di pedesaan atau perkotaan. Nilai minimal 0 berarti rumah tangga tersebut beada di perkotaan dan nilai maksimal 1 di pedesaan. Nilai rata-rata sebesar 0,4668142 menunjukkan bahwa rumah tangga

commit to user

(8)

pada penelitian ini rata-rata berada di kawasan perkotaan. Nilai standar deviasi rendah menunjukkan bahwa ketimpangan datanya juga rendah. Namun, nilai rata- rata yang lebih rendah dari standar deviasi menunjukkan persebaran datanya tidak merata.

Variabel Pendp merupakan variabel yang menunjukkan total pendapatan yang diterima rumah tangga tiap bulannya. Nilai minimal 1 sampai dengan maksimal 5 mempunyai makna bahwa pendapatan rumah tangga di Pulau Jawa minimal mulai dari Rp. 0 – Rp 2.000.000,00 dan memiliki nilai maksimal pendapatan pada rentang Rp. 10.000.00,00 ke atas. Nilai rata-rata sebesar 2,87611 menunjukkan bahwa rata-rata pendapatan rumah tangga di Pulau Jawa adalah berada pada rentang Rp. 4.000.000,00 – Rp. 6.000.000,00. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel Rumah menunjukkan status kepemilikan rumah, apakah kepemilikan rumah sendiri/warisan atau apakah masih mengontrak/KPR. Nilai minimal 0 berarti status kepemilikan masih mengontrak dan nilai maksimal 1 berarti milik sendiri/warisan. Nilai rata-rata sebesar 0,7588496 menunjukkan bahwa rata-rata status kepemilikan rumah pada rumah tangga di Pulau Jawa adalah milik sendiri. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel Kerja menunjukkan jenis pekerjaan pihak kepala keluarga pada rumah tangga. Nilai minimal 1 berarti kepala keluarga bekerja pada sektor

commit to user

(9)

pemerintahan dan nilai maksimal 3 berarti bekerja pada sektor informal. Nilai rata- rata sebesar 2,022124 menunjukkan bahwa rata-rata kepala keluarga bekerja pada sektor swasta. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

Variabel Prov menunjukkan provinsi tempat tinggal rumah tangga. Nilai minimal 1 berarti provinsi rumah tangga berada pada Provinsi Banten dan nilai maksimal 6 merupakan provinsi Jawa Timur. Nilai rata-rata sebesar 3,873894 menunjukkan bahwa sebagian besar rumah tangga berada di Provinsi Jawa Barat.

Hal ini sesuai dengan jumlah terbanyak rumah tangga di Pulau Jawa ada pada Provinsi Jawa Barat. Nilai rata-rata yang lebih besar jika dibandingkan dengan nilai standar deviasi menunjukkan bahwa penyimpangan data yang diperoleh rendah dan persebaran nilainya merata.

commit to user

(10)

37 4.3 Matriks Korelasi

Tabel IV. 4

Matriks Korelasi Keuangan Digital

Konsum KeuDig Umur Pendd Angg Pas Daerah Pendp Rumah Kerja Prov Konsum 1.0000

KeuDig 0.2982 1.0000

Umur 0.1850 -0.0233 1.0000

Pendd 0.1371 0.2822 0.0189 1.0000

Angg 0.2162 -0.0074 0.2348 -0.0106 1.0000

Pas 0.0436 0.0871 -0.0304 0.1307 -0.0105 1.0000

Daerah -0.2319 -0.2072 -0.0040 -0.2349 0.0703 -0.0846 1.0000

Pendp 0.7202 0.3355 0.1532 0.2344 0.0769 0.0904 -0.2521 1.0000

Rumah -0.0551 -0.0080 0.2113 0.0477 0.1376 0.0685 0.1439 -0.0402 1.0000

Kerja -0.2153 -0.2305 0.0262 -0.3641 0.0558 -0.0213 0.1223 -0.2940 -0.0182 1.0000

Prov -0.2888 -0.0443 0.0678 0.0588 0.0423 0.0838 0.0987 -0.2630 0.1938 0.0237 1.0000

commit to user

(11)

38 Matriks korelasi digunakan untuk mengetahui hubungan antarvariabel.

Berdasarkan tabel korelasi diatas dapat menunjukkan bahwa konsumsi berkorelasi positif dengan keuangan digital, umur, pendidikan, anggota rumah tangga, keterlibatan pasangan, daerah, dan total pendapatan. Sedangkan variabel yang memiliki korelasi negatif dengan konsumsi rumah tangga adalah kategori daerah, kepemilikan rumah, jenis pekerjaan, dan provinsi. Keuangan digital memiliki korelasi yang lemah.

4.4 Uji Regresi

Penelitian ini bertujuan untuk mengetahui apakah terdapat pengaruh keuangan digital pada konsumsi rumah tangga. Uji pengaruh yang akan digunakan dalam penelitian ini adalah menggunakan Uji Regresi Ordinary Least Square (OLS), Uji Regresi Ordered Logit dan Ordered Probit. Uji Regresi Ordered Logit dan Ordered Probit dapat digunakan untuk menganalisis hubungan pengaruh pada data kategori ordinal. Besarnya perubahan probabilitas pada Ordered Logit didasarkan pada distribusi setiap logit kumulatif dari seluruh kategori variabel dependen sedangkan perubahan probabilitas didasarkan pada distribusi normal standar kumulatif seluruh kategori variabel dependen. Sehingga dapat dikatakan pada regresi ini, koefisien yang menggambarkam jarak kategori dianggap sama dengan jarak kategori berikutnya (propotional odds) (Agresti, 2007). Pada hasil regresi ordered logit dan ordered probit tidak dapat menjelaskan besaran hubungan yang dihasilkan dari proses regresi. Penelitian ini juga regresi dilakukan dengan menggunakan robust standard error sehingga masalah asumsi klasik dapat diabaikan.

commit to user

(12)

Dibawah ini merupakan tabel hasil dari Uji Regresi Ordinary Least Square (OLS), Uji Regresi Ordered Logit dan Ordered Probit dari semua variabel.

Pembahasan hasil uji regresi dibagi menjadi dua, yakni hasil uji regresi pengaruh keuangan digital pada konsumsi yang ditunjukkan pada Tabel IV.5. Selanjutnya untuk mengetahui dimensi jenis keuangan digital yang berpengaruh pada konsumsi, akan ditunjukkan pada Tabel IV.6.

4.4.1 Regresi Pengaruh Keuangan Digital pada Konsumsi

Tabel IV. 5

Hasil Uji Pengaruh Keuangan Digital pada Konsumsi

OLS Logit Probit

Konsum Konsum Konsum

main

KeuDig 0.117* (2.49) 0.303* (2.21) 0.169* (2.21) Umur 0.0648* (2.12) 0.152 (1.75) 0.0939 (1.89) Pendd -0.0754 (-1.52) -0.191 (-1.34) -0.142 (-1.78) Angg 0.152*** (4.60) 0.379*** (4.05) 0.220*** (4.28) Pas -0.00318 (-0.11) 0.0132 (0.16) 0.00858 (0.19) Daerah -0.133 (-1.83) -0.214 (-1.04) -0.189 (-1.64) Pendp 0.524*** (14.45) 1.466*** (11.30) 0.806*** (11.76) Rumah -0.0858 (-1.04) -0.318 (-1.41) -0.175 (-1.34) Kerja -0.0482 (-0.96) -0.127 (-0.89) -0.0845 (-1.06) Prov -0.0817** (-3.28) -0.209** (-2.94) -0.132*** (-3.38) _cons 0.814** (3.23)

cut1

_cons 2.027** (2.74) 0.931* (2.27)

cut2

_cons 5.021*** (6.22) 2.635*** (5.94)

cut3

_cons 7.345*** (8.63) 3.971*** (8.56)

cut4

_cons 8.909*** (9.75) 4.857*** (9.78)

N 452 452 452

R2 0.573

F 52.90

chi2 252.4 271.9

p 3.05e-69 1.67e-48 1.36e-52

t statistics in parentheses

* p < 0.05,

commit to user

** p < 0.01, *** p < 0.001

(13)

Tabel IV.5 menunjukkan hasil dari pengujian Regresi Ordinary Least Square (OLS), Regresi Ordered Logit dan Ordered Probit dari semua variabel.

Terdapat beberapa variabel yang memiliki perbedaan signifikan antar hasil regresi.

a. Pengaruh Keuangan Digital pada Konsumsi Rumah Tangga

Model regresi OLS pada Tabel IV.5 memiliki nilai F 52.90 dengan d.f. 10 dan nilai p 3.05e-69 yang menunjukkan model regresi signifikan berpengaruh secara simultan. Selanjutnya, model regresi ordered logit dan ordered probit masing-masing memiliki chi-square 252,4 dan 271,9 pada d.f. 10 dengan nilai p 1.67e-48 dan 1.36e-52 juga menunjukkan model regresi signifikan berpengaruh secara simultan. Cut1 sampai Cut4 merupakan titik potong (cut point/ threshold point) lokasi variabel laten konsumsi (𝐾𝑜𝑛𝑠𝑢𝑚) yang terbagi menjadi 5 bagian yang digunakan untuk membedakan kelompok pengeluaran variabel dependen konsumsi.

Variabel laten konsumsi dapat digunakan untuk menyusun hipotetis (menunjukkan tiap kelompok berbeda) dan juga dapat mewakili variabel konsumsi yang tidak dapat diamati sepenuhnya (Breen et al., 2013), seperti pengeluaran konsumsi rumah tangga yang pasti pada rumah tangga 𝑖 yang menggunakan keuangan digital. Koefisien cut point mempresentasikan nilai kontinyu prediktor yang dievaluasi pada nilai 0. Pada Tabel IV.5 parameter threshold model ordered logit masing-masing adalah 2.027, 5.021, 7,345, dan 8,909 menunjukkan nilai variabel konsumsi sebagai berikut:

𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 1jika 𝐾𝑜𝑛𝑠𝑢𝑚≤ 2,027(Signifikan 1%)

𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 2jika 2,027 ≤ 𝐾𝑜𝑛𝑠𝑢𝑚≤ 5,021(Signifikan 0,1%) 𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 3jika 5,021 ≤ 𝐾𝑜𝑛𝑠𝑢𝑚

commit to user

≤ 7,345(Signifikan 0,1%)

(14)

𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 4jika 7,345 ≤ 𝐾𝑜𝑛𝑠𝑢𝑚≤ 8,909(Signifikan 0,1%) 𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 5jika 𝐾𝑜𝑛𝑠𝑢𝑚≥ 8,909(Signifikan 0,1%)

Pada model ordered probit adalah sebagai berikut:

𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 1jika 𝐾𝑜𝑛𝑠𝑢𝑚≤ 0,931(Signifikan 5%)

𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 2jika 0,931 ≤ 𝐾𝑜𝑛𝑠𝑢𝑚≤ 2,635(Signifikan 0,1%) 𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 3jika 2,635 ≤ 𝐾𝑜𝑛𝑠𝑢𝑚≤ 3,971 (Signifikan 0,1%) 𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 4jika 3,971 ≤ 𝐾𝑜𝑛𝑠𝑢𝑚≤ 4,857(Signifikan 0,1%) 𝐾𝑜𝑛𝑠𝑢𝑚𝑖 = 5jika 𝐾𝑜𝑛𝑠𝑢𝑚≥ 4,857(Signifikan 0,1%)

Threshold yang signifikan menunjukkan bahwa tiap kelompok variabel laten konsumsi dapat dikatakan berbeda dari 0, yang berarti perbedaan tingkatan tiap kelompok dengan tingkatan lainnya berbeda atau tidak memiliki titik potong yang sama. Berdasarkan hasil statistik diatas, threshold ordered logit memiliki nilai batas atas kelompok konsumsi = 1 yang lebih tinggi dengan signifikan 1% dari hasil threshold ordered logit yang batas dengan signifikan 5%.

Variabel KeuDig memiliki nilai p kurang dari 0,05 pada semua hasil uji regresi, sehingga Variabel KeuDig berpengaruh signifikan pada tingkat 5% dengan nilai t-statictic pada OLS, Ordered Logit dan Ordered Probit adalah sebesar 2,49, 2,21 dan 2.21. Konsumsi Rumah Tangga memiliki hubungan positif dengan Keuangan Digital, adapun nilai koefisien masing- masing pada OLS, Ordered Logit dan Ordered Probit adalah 0.117, 0.303, dan 0.169. Konsumsi Rumah Tangga dengan Keuangan Digital memiliki hubungan positif, yang berarti bahwa apabila dalam sebuah rumah tangga yang menggunakan Keuangan Digital akan meningkatkan kemungkinan

commit to user

(15)

pengeluaran konsumsi dalam rumah tangganya. Hal ini dapat terjadi dikarenakan kemudahan yang diberikan oleh adanya teknologi keuangan digital dengan beberapa kondisi krisis COVID-19 yang mendorong penggunaan keuangan digital dalam keperluan sehari-hari. Untuk mengetahui layanan keuangan digital yang signifikan dalam mempengaruhi konsumsi rumah tangga selama krisis COVID-19 dapat dilihat pada hasil regresi pengaruh dimensi keuangan digital pada konsumsi pada Tabel IV.6.

b. Pengaruh Variabel Kontrol pada Konsumsi Rumah Tangga

Beberapa variabel kontrol yang ketiga hasil regresinya tidak signifikan dengan konsumsi rumah tangga diantaranya adalah Pendidikan, Keterlibatan Pasangan, Kategori Daerah, Kepemilikan Rumah, dan Jenis Pekerjaan. Sehingga variabel tersebut tidak berpengaruh pada konsumsi rumah tangga. Pada variabel kontrol umur memiliki hasil signifikan yang berbeda antar hasil uji regresi. Pada hasil Regresi OLS, umur kepala keluarga signifikan pada 5% dan memiliki hubungan yang positif dengan nilai koefisien 0,0648, nilai t-statistic 2,12. Sedangkan pada Regresi Ordered Logit dan Ordered Probit variabel umur tidak signifikan.

Variabel Anggota Keluarga memiliki pengaruh signifikan pada konsumsi rumah tangga dengan tingkat signifikan 0,1%. Nilai koesifien Variabel Anggota Keluarga masing-masing pada hasil OLS, Ordered Logit dan Ordered Probit adalah 0,152, 0.379, 0.220 dan nilai t-statistic 4,60, 4,05, 4,28. Konsumsi rumah tangga dengan anggota keluarga memiliki hubungan positif yang berarti semakin banyak jumlah anggota keluarga

commit to user

(16)

dalam rumah tangga akan meningkatkan jumlah pengeluaran konsumsi dalam rumah tangganya.

Variabel Total Pendapatan juga memiliki pengaruh signifikan pada konsumsi rumah tangga dengan tingkat signifikan 0,1%. Nilai koefisien Variabel Total Pendapatan masing-masing hasil OLS, Ordered Logit dan Ordered Probit adalah 0,524, 1,466, 0.806 dan nilai t-statistic 14,45, 11,30, 11,76. Konsumsi rumah tangga dengan total pendapatan memiliki hubungan positif yang berarti semakin besar jumlah total pendapatan dalam rumah tangga akan meningkatkan jumlah pengeluaran konsumsi dalam rumah tangganya.

Variabel Provinsi memiliki pengaruh pada konsumsi rumah tangga.

Tingkat signifikan Variabel Provinsi memiliki hasil signifikan yang berbeda, pada hasil regresi OLS dan Ordered Logit tingkat signifikan pada 1%

dengan koefisien masing-masing -0,0817, -0209 dan nilai t-statistic adalah -3,28, -2.94. Sedangkan pada Ordered Probit, Variabel Provinsi memiliki hasil signifikan pada tingkat 0,1% dengan koefisien -0.132 dan nilai t- statistic adalah -3.38. Konsumsi rumah tangga dengan provinsi rumah tangga memiliki hubungan negatif, yang berarti rumah tangga yang berdomisili di provinsi dengan karakteristik tertentu akan semakin memungkinkan dalam melakukan penghematan jumlah total jumlah pengeluaran konsumsi dalam rumah tangga.

4.4.2 Regresi Pengaruh Dimensi Keuangan Digital pada Konsumsi

Tabel IV.6 menunjukkan hasil regresi untuk melihat pengaruh jenis dimensi keuangan digital yang berpengaruh pada konsumsi rumah tangga pada saat

commit to user

(17)

pandemi Covid-19. Pada penelitian ini, pembayaran digital (Pbayar) tidak signifikan pada konsumsi rumah tangga. Berkaitan dengan hal tersebut, perlu dikaji lebih dalam seperti hubungan antar mekanisme pembayaran, psikologi konsumsi, dan persepsi pengguna tentang teknologi pembayaran. Berdasarkan penelitian dari See-To & Ngai, (2019), menyatakan bahwa proses pembayaran secara signifikan dapat mempengaruhi kesadaran subjektif dari pengeluaran.

Dimana Saat proses pembayaran yang digunakan adalah uang tunai, maka tingkat kesadaran pengeluaran akan lebih tinggi dibandingkan dengan menggunakan metode non tunai seperti kartu kredit atau smartcard keuangan lainnya.

Kemudahan pembayaran digital juga dapat menyebabkan belanja berlebihan (Agarwal et al., 2019). Oleh karena itu, dengan adanya pandemi Covid-19 ada kemungkingkan bahwa rumah tangga melakukan penghematan dalam pengeluaran konsumsi rumah tangga. Hal tersebut tercermin dari Komponen Pengeluaran Konsumsi Rumah Tangga yang sempat menurun tajam pada triwulan II 2020 dengan tumbuh negatif 6,53%, walaupun pada triwulan III berangsur membaik tumbuh 4,70% (q-to-q) (Badan Pusat Statistik, 2020b).

Penggunaan pendapatan rumah tangga terbagi dua yakni untuk konsumsi (consumption) dan ditabung (saving). Tabungan rumah tangga juga merupakan hal penting dalam proses pendorong pertumbuhan dan pembangunan perekonomian apabila digunakan sebagai modal yang tujuannya berkaitan dengan produksi. Bentuk dari tabungan rumah tangga antara lain penyimpanan dalam bank atau koperasi atau juga dapat digunakan sebagai investasi (Badan Pusat Statistik, 2005). Sehingga berdasarkan teori konsumsi tersebut investasi sebenarnya menekan pengeluaran konsumsi rumah tangga karena penggunaan pendapatannya dialokasikan pada investasi. Pendapat lain menyatakan bahwa

commit to user

(18)

adanya layanan keuangan digital memfasilitasi produk investasi digital yang memperluas saluran bagi masyarakat untuk berinvestasi, laba atas investasi dapat menambah pendapatan rumah tangga, sehingga meningkatkan tingkat konsumsi rumah tangga (Li et al., 2020). Pada penelitian sebelumnya, investasi digital positif signifikan pada konsumsi rumah tangga memberikan interpretasi bahwa investasi digital atau online menstimulasi peningkatan konsumsi rumah tangga melalui tingkat kekayaan rumah tangga, yakni total pendapatan dan juga kepemilikan rumah (Song et al., 2020). Hal tersebut sejalan dengan Teori Konsumsi Franco Modigliani (Life Cycle Hypothesis) yang menjelaskan bahwa besarnya konsumsi tidak hanya bergantung pada besarnya pendapatan, namun juga berdasarkan jumlah kekayaan yang dimiliki, kekayaan kekayaan tersebut dapat dihasilkan melalui tabungan, investasi dan lainnya. Dapat dikatakan bahwa efek dari penggunaan layanan investasi digital pada peningkatan konsumsi rumah tangga tidak lain adalah melalui peningkatan laba investasi disertai dengan kemudahan penarikan laba atas investasi tersebut sehingga mendorong peningkatan konsumsi melalui peningkatan pendapatan rumah tangga. Pada penelitian ini hasil regresi pada Tabel IV.6 menunjukkan bahwa investasi digital (Invest) tidak signifikan pada jumlah pengeluaran konsumsi rumah tangga. Dengan menunjukkan tidak signifikannya investasi digital pada pengeluaran konsumsi rumah tangga dapat terjadi berkaitan dengan penurunan laba atas invetasi yang dikarenakan kondisi pandemi COVID-19. Dimana pada September 2020, Indeks Harga Saham Gabungan (IHSG) melemah 7,0 persen sepanjang dengan pergerakan di bawah 5.000, sehingga 10 September 2020, kembali diberlakukan pembekuan perdagangan sementara (trading halt) akibat anjloknya IHSG hingga 5 persen. Anjloknya IHSG disebabkan adanya pengumuman dari Pemprov DKI

commit to user

(19)

Jakarta yang akan kembali memberlakukan PSBB ketat mulai 14 September 2020.

Trading halt ini merupakan yang ketujuh sepanjang tahun 2020 setelah terakhir terjadi pada bulan Maret 2020 (awal pengumuman ditetapkannya pandemi Covid- 19). Pada bulan yang sama, harga emas dunia berbalik melemah seiring dengan penguatan dolar AS walaupun pada bulan agustus mengalami peningkatan (Bappenas, 2020).

Pada variabel Pembiayaan digital (Pbiaya), dapat dilihat bahwa pembiayaan digital berpengaruh pada konsumsi rumah tangga dengan tingkat signifikan 0,1%.

Hal ini tidak lain terjadi karena adanya dampak dari krisis COVID-19. Pada tahun 2020, dampak COVID-19 mengakibatkan 8,8 persen karyawan kehilangan jam kerjanya secara global setara dengan 255 juta pekerjaan penuh waktu terhadap kuartal keempat tahun 2019. Kehilangan jam kerja yang terjadi pada tahun 2020 kurang lebih empat kali lebih besar dibandingkan dampak dari krisis keuangan global pada tahun 2009 (Internation Labour Organization, 2021). Dengan banyaknya individu yang terdampak kehilangan jam kerja dan bahkan kehilangan memungkinkan rumah tangga yang mengadopsi teknologi keuangan digital memanfaatkan layanan pembiayaan digital untuk memenuhi kebutuhan konsumsi rumah tangganya. Hal ini juga didukung dengan adanya laporan dari Asosiasi Fintech Indonesia (2020), yang menyatakan hingga akhir kuartal II tahun 2020, di antara empat kategori model bisnis teknologi finansial, Pinjaman Online atau pembiayaan digital menjadi yang paling dominan (44%), diikuti oleh tekfin kategori IKD (Inovasi Keuangan Digital) (24%), Pembayaran Digital (17%), dan Layanan Urun Dana (1%). Keuangan digital membantu meningkatkan ketersediaan pinjaman online bagi penduduk dan meringankan kendala likuiditas, sehingga mendorong pengeluaran konsumsi. Sehingga pembiayaan digital menjadi sangat

commit to user

(20)

signifikan dengan peningkatan pengeluaran konsumsi rumah tangga terutama pandemi COVID-19.

Tabel IV. 6

Hasil Uji Pengaruh Dimensi Keuangan Digital pada Konsumsi

OLS Logit Probit

Konsum Konsum Konsum

main

Pbayar 0.0664 (0.69) 0.215 (0.71) 0.115 (0.70) Invest 0.0124 (0.18) -0.0501 (-0.25) -0.0149 (-0.13) Pbiaya 0.511*** (4.44) 1.420*** (4.65) 0.763*** (4.43) Umur 0.0725* (2.29) 0.195* (2.08) 0.110* (2.10) Pendd -0.0761 (-1.54) -0.209 (-1.44) -0.149 (-1.85) Angg 0.149*** (4.59) 0.380*** (4.08) 0.222*** (4.30) Pas -0.0120 (-0.42) -0.0105 (-0.13) -0.00619 (-0.14) Daerah -0.128 (-1.73) -0.209 (-0.97) -0.184 (-1.54) Pendp 0.524*** (14.86) 1.499*** (11.53) 0.826*** (12.08) Rumah -0.0786 (-0.98) -0.335 (-1.51) -0.167 (-1.30) Kerja -0.0714 (-1.44) -0.207 (-1.43) -0.122 (-1.52) Prov -0.0877*** (-3.60) -0.232*** (-3.30) -0.144*** (-3.66) _cons 0.940*** (3.75)

cut1

_cons 1.681* (2.26) 0.771 (1.85)

cut2

_cons 4.736*** (5.86) 2.498*** (5.60)

cut3

_cons 7.174*** (8.44) 3.887*** (8.35)

cut4

_cons 8.775*** (9.62) 4.787*** (9.59)

N 452 452 452

R2 0.588

F 48.58

chi2 262.8 278.0

p 7.80e-73 2.91e-49 1.90e-52

t statistics in parentheses

*

p < 0.05,

**

p < 0.01,

***

p < 0.001

commit to user

(21)

48 Untuk mengetahui tingkat hubungan dari dimensi keuangan digital pada konsumsi, selanjutnya dilakukan uji korelasi yang ditampilkan pada Tabel IV.7 dibawah ini.

Tabel IV. 7

Matriks Korelasi Dimensi Keuangan Digital pada Konsumsi

Konsum Pbayar Invest Pbiaya Umur Pendd Angg Pas Daerah Pendp Rumah Kerja Prov

Konsum 1.0000

Pbayar 0.1397 1.0000

Invest 0.2165 0.2279 1.0000

Pbiaya 0.2025 -0.0007 -0.0350 1.0000

Umur 0.1850 -0.1583 0.1157 -0.0420 1.0000

Pendd 0.1371 0.2622 0.1719 0.0840 0.0189 1.0000

Angg 0.2162 -0.0348 0.0097 0.0096 0.2348 -0.0106 1.0000

Pas 0.0436 0.0891 -0.0034 0.1038 -0.0304 0.1307 -0.0105 1.0000

Daerah -0.2319 -0.0484 -0.2124 -0.1038 -0.0040 -0.2349 0.0703 -0.0846 1.0000

Pendp 0.7202 0.2025 0.2897 0.1006 0.1532 0.2344 0.0769 0.0904 -0.2521 1.0000

Rumah -0.0551 -0.0476 0.0351 -0.0155 0.2113 0.0477 0.1376 0.0685 0.1439 -0.0402 1.0000

Kerja -0.2153 -0.2128 -0.1972 0.0181 0.0262 -0.3641 0.0558 -0.0213 0.1223 -0.2940 -0.0182 1.0000

Prov -0.2888 -0.0490 -0.0563 0.0422 0.0678 0.0588 0.0423 0.0838 0.0987 -0.2630 0.1938 0.0237 1.0000

Berdasarkan tabel diatas, menunjukkan bahwa pembayaran digital, investasi digital, dan pembiayaan digital memiliki koefisien positif pada konsumsi rumah tangga masing-masing sebesar 0,13, 0,21, dan 0,20 yang berarti memiliki hubungan yang rendah.

commit to user

(22)

4.5 Uji Asumsi Klasik 4.5.1 Uji Normalitas Data

Uji normalitas bertujuan untuk mengetahui persebaran nilai residual.

Pengujian dilakukan dengan menggunakan jenis uji normalias Skewness-Kurtosis dengan Royston Adjusment. Tingkat signifikan 5% digunakan pada uji ini. Apabila nilai p lebih kecil dari 0,05 maka nilai residual dapat dikatakan berdistribusi tidak normal, sedangkan jika nilai p lebih besar dari 0,05 maka nilai residual dapat dikatakan berdistribusi normal.

Tabel IV. 8 Hasil Uji Normalitas

Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2

resid 452 0.0623 0.6568 3.68 0.1589

Tabel IV.6 menunjukkan hasil dari uji normalitas data yang menunjukkan bahwa nilai p adalah 0.1589 lebih besar dari 0,05%. Maka persebaran nilai residual adalah berdistribusi normal.

4.5.2 Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya hubungan atau korelasi antar variabel independen penelitian.

Dasar pengambilan keputusan dalam uji multikolinearitas ini berdasarkan nilai Tolerance dan nilai Variance Inflation Factor (VIF).

Suatu data dapat dikatakan tidak terjadi multikolinearitas dalam model regresi apabila nilai Tolerance lebih besar dari 0,10 dan nilai VIF kurang dari 10,00.

Sebaliknya, dikatakan terjadi multikolinearitas apabila nilai Tolerance lebih kecil

commit to user

(23)

dari 0,10 dan nilai VIF lebih dari 10,00. Model regresi yang baik adalah apabila data tidak terjadi gejala multikolinearitas antar variabel independen.

Tabel IV. 9

Hasil Uji Multikolinearitas

Dependent VIF Tolerance Keterangan

Konsum

Pendp 1.41 0.707647 Tidak terjadi multikolinearitas Pendd 1.28 0.778870 Tidak terjadi multikolinearitas Kerja 1.24 0.804926 Tidak terjadi multikolinearitas KeuDig 1.21 0.824008 Tidak terjadi multikolinearitas Daerah 1.15 0.866379 Tidak terjadi multikolinearitas Prov 1.15 0.867745 Tidak terjadi multikolinearitas Umur 1.14 0.873627 Tidak terjadi multikolinearitas Rumah 1.12 0.890521 Tidak terjadi multikolinearitas Angg 1.08 0.923863 Tidak terjadi multikolinearitas Pas 1.05 0.955986 Tidak terjadi multikolinearitas

Berdasarkan tabel diatas menunjukkan bahwa setiap variabel independen memiliki nilai VIF dibawah 10,00dan Tolerance diatas 0,10, Maka dapat dikatakan bahwa penelitian ini tidak terjadi masalah multikolinearitas.

4.5.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk mengetahui apakah ada ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi linear. Uji heteroskedastisitas dilakukan dengan menggunakan uji Breusch-Pagan.

Tingkat signifikan 5% digunakan pada uji ini. Suatu data penelitian dikatakan tidak terjadi gejala heteroskedastisitas apabila nilai p lebih dari 0,05 sedangkan dikatakan terjadi heteroskedastisitas apabila nilai p lebih kecil dari 0,05. Model regresi baik adalah apabila tidak terjadi heteroskedastisitas.

commit to user

(24)

Tabel IV. 10

Hasil Uji Heteroskedastisitas chi2(1) = 26.37 Prob > chi2 = 0.0000

Berdasarkan hasil tabel hasil uji heteroskedastisitas diatas, nilai p dibawah 0,05 sehingga pada penelitian ini terjadi heteroskedastisitas. Namun, pada penelitian ini pengujian dilakukan dengan menerapkan robust standard error, sehingga asumsi harus terpenuhinya homoskedastisitas tidak menjadi permasalahan. .

4.6 Uji Hipotesis 4.6.1 Uji t

H1 diterima apabila nilai signifikannya ≤0,05. Tabel IV.5 dan Tabel IV.6 menunjukkan nilai t tabel dan tingkat signifikannya dari masing-masing variabel.

Variabel independen Keuangan Digital konsisten signifikan 5% pada model OLS, Logit, dan Probit. Dan dari jenis dimensi keuangan digital, jenis Pembiayaan Digital menunjukkan signfikan pada 0,1% dari jenis lainnya yakni Pembayaran Digital dan Investasi Digital. Pada variabel kontrol yang signifikan diantaranya Umur, Jumlah Anggota Keluarga, Total Pendapatan, dan Provinsi Rumah Tangga. Variabel umur signifikan 5% pada model OLS, tetapi tidak signifikan pada model Logit dan Probit.

Variabel Jumlah Anggota Keluarga dan Total Pendapatan konsisten signifikan 0,1% pada ketiga model regresi. Variabel Provinsi Rumah Tangga signifikan 1%

pada model OLS dan Logit, signifikan 0,1% pada model Probit. Sedangkan sisanya, Variabel Pendidikan Kepala Keluarga, Keterlibatan Pasangan, Kategori Daerah, Kepemilikan Rumah, dan Jenis Pekerjaan tidak signifikan. Sehingga

commit to user

(25)

variabel yang tidak signifikan tidak memiliki pengaruh terhadap konsumsi rumah tangga.

4.6.2 Uji F

Uji F dilakukan untuk mengestimasi pengaruh yang signifikan antara variabel independen penelitian secara simultan terhadap variabel dependen secara serentak atau simultan. Tabel IV.5 dan Tabel IV.6 menunjukkan bahwa pada model OLS, nilai F sebesar 52.90 dengan nilai p 3.05e-69. Pada model Logit dan Probit memiliki statistik chi-square masing-masing sebesar 252.4 dan 271.9 dengan nilai p-value 1.67e-48 dan 1.36e-52 yang di uji menggunakan Wald Test.

Sehingga dapat ditarik kesimpulan bahawa variabel memiliki pengaruh secara simultan dengan variabel dependen, dengan level signifikansi 0,1%, maka H1 diterima dan menolak H0.

4.6.3 Uji Koefieisen Determinasi (R2)

Uji goodness of fit atau koefisien determinasi bertujuan untuk mengetahui kemampuan model regresi dalam menjelaskan seberapa besar pengaruh variabel- variabel pada variabel dependennya. Pada uji regresi OLS memiliki koefisien determinasi sedangkan pada model logit dan probit tidak memiliki koefisien determinasi. Sehingga koefisien determinasi hanya dapat dijelaskan pada hasil regresi OLS. Pada tabel IV.5 dapat diketahui bahwa koefisien determinasi pada seluruh variabel adalah sebesar 57,3%. Hal tersebut berarti dalam model penelitian ini dapat menjelaskan variabel konsumsi sebesar 57,3% sedangkan sebesar 42,7% dijelaskan oleh variabel lain diluar variabel penelitian ini.

commit to user

(26)

4.7 Hasil Hipotesis

Hipotesis yang diajukkan pada penelitian ini adalah:

H1: Keuangan digital berpengaruh pada konsumsi rumah tangga selama krisis COVID-19 di Pulau Jawa.

Hasil uji regresi pada Tabel IV.5 menunjukkan bahwa Konsumsi Rumah Tangga memiliki hubungan positif dengan Keuangan Digital. Hubungan tersebut signifikan pada tingkat 5% dengan nilai t-statictic pada OLS, Ordered Logit dan Ordered Probit adalah sebesar 2,49, 2,21 dan 2.21. Dan nilai koefisien masing- masing pada OLS, Ordered Logit dan Ordered Probit adalah 0.117, 0.303, dan 0.169. sehingga apabila dalam sebuah rumah tangga yang menggunakan Keuangan Digital akan meningkatkan kemungkinan pengeluaran konsumsi dalam rumah tangganya.

Berdasarkan pembahasan tersebut, maka hipotesis 1 (H1) diterima.

4.7.1 Pembahasan Hipotesis

Pada penelitian ini dapat diketahui bahwa keuangan digital memiliki pengaruh pada konsumsi rumah tangga selama krisis COVID-19 di Pulau Jawa.

Pengaruh hubungan antara keuangan digital pada konsumsi rumah tangga bersifat positif, sehingga apabila dalam sebuah rumah tangga yang menggunakan Keuangan Digital akan meningkatkan kemungkinan jumlah pengeluaran konsumsi rumah tangga. Pernyataan tersebut sesuai dengan beberapa hasil penelitian sebelumnya yakni pada penelitian Li et al., (2020) dan Song et al., (2020).

commit to user

(27)

Pada penelitian Song et al., (2020) yang berjudul akses layanan keuangan dan konsumsi rumah tangga di China studi data mikro, meneliti akses layanan keuangan dimana didalamnya di spesifikasi kelompok layanan digital keuangan dan pengaruhnya pada total konsumsi rumah tangga menghasilkan pengaruh positif dengan signifikan pada 1%. Dan juga pada penelitian Li et al., (2020) yang meneliti pengaruh keuangan digital pada konsumsi rumah tangga per kapita memiliki pengaruh positif dengan signifikan 1%. Hasil temuan penelitian lain dari Wang & He, (2020) membuktikan bahwa keuangan digital mengurangi kerentanan rumah tangga petani di pedesaan.

Berdasarkan berita resmi dari Badan Pusat Statistik, (2020a), pada kuartal II Tahun 2020 walaupun stuktur perekonomian Indonesia secara spasial pada triwulan II-2020 masih didominasi oleh kelompok provinsi di Pulau Jawa. Namun, dampak dari adanya pandemi COVID-19 sangat mempengaruhi kinerja ekonomi kelompok provinsi di Pulau Jawa. Hal tersebut juga berpengaruh pada pengeluaran konsumsi rumah tangga Indonesia pada kuartal tersebut.

Pengeluaran konsumsi rumah tangga mengalami penurunan kontribusi pada perekonomian Indonesia sebesar 2,96% (y-on-y), dibandingkan dengan pengeluaran konsumsi Indonesia pada kuartal I Tahun 2020 yang tumbuh 1,55%

(y-on-y). Namun, pada kuartal III Tahun 2020, perekonomian Indonesia berangsur membaik dikarenakan adanya pertumbuhan dari komponen pengeluaran. Seperti pada investasi yang dalam komponen Pembentukan Modal Tetap Bruto (PMTB) tumbuh sebesar 8,45 persen, diikuti oleh pertumbuhan pengeluaran konsumsi rumah tangga yang tumbuh masing-masing sebesar 4,7% dari kuartal sebelumnya, yakni pada kuartal II Tahun 2020 (Badan Pusat Statistik, 2020b).

commit to user

(28)

Hasil penelitian ini menunjukkan bahwa variabel Pembiayaan digital merupakan jenis layanan keuangan digital yang berpengaruh pada konsumsi rumah tangga dengan tingkat signifikan 0,1%. Hal ini dapat terjadi karena adanya dampak dari krisis COVID-19 terhadap para karyawan yang kehilangan jam kerja atau bahkan kehilangan pekerjaannya. Pada tahun 2020, dampak COVID-19 mengakibatkan 8,8 persen karyawan kehilangan jam kerjanya secara global setara dengan 255 juta pekerjaan penuh waktu terhadap kuartal keempat tahun 2019.

Kehilangan jam kerja yang terjadi pada tahun 2020 kurang lebih empat kali lebih besar dibandingkan dampak dari krisis keuangan global pada tahun 2009 (Internation Labour Organization, 2021). Dengan banyaknya individu yang terdampak kehilangan jam kerja dan bahkan kehilangan memungkinkan rumah tangga yang mengadopsi teknologi keuangan digital memanfaatkan layanan pembiayaan digital untuk memenuhi kebutuhan konsumsi rumah tangganya.

Selain itu, adanya kenaikan komponen PMTB juga memungkinkan adanya penggunaan layanan keuangan digital dalam pemenuhan kebutuhan untuk modal rumah tangga dalam menjalankan aktivitas produksi. Hipotesis ini sejalan dengan laporan dari Asosiasi Fintech Indonesia, (2020), yang menunjukkan hingga akhir kuartal II tahun 2020, di antara empat kategori model bisnis teknologi finansial, Pinjaman Online atau pembiayaan digital menjadi yang paling dominan (44%), diikuti oleh tekfin kategori IKD (Inovasi Keuangan Digital) (24%), Pembayaran Digital (17%), dan Layanan Urun Dana (1%).

Dengan adanya fakta tersebut telah sesuai dengan data primer yang dikumpulkan pada bulan Septermber sampai Oktober Tahun 2020 atau pada Kuartal III Tahun 2020. Dimana tidak menutup adanya kemungkinan bahwa walaupun keadaan di Indonesia, khususnya Pulau Jawa masih dengan kondisi

commit to user

(29)

kasus positif COVID-19 yang tinggi dibanding dengan Pulau lain, konsumsi rumah tangga di Indonesia dapat berangsung membaik. Terlebih dengan adanya layanan keuangan digital jenis pembiayaan digital atau biasa dikenal dengan pinjaman online pada Indonesia yang sangat membantu dalam peningkatan konsumsi rumah tangga di Indonesia dalam keadaan krisis COVID-19.

4.7.2 Pembahasan Variabel Kontrol

a. Hubungan Umur Kepala Keluarga dengan Konsumsi Rumah Tangga Umur kepala keluarga memiliki hasil signifikan yang berbeda antar hasil uji regresi. Pada hasil Regresi OLS, umur kepala keluarga memiliki tingkat signifikan pada 5%. Hubungan antara umur kepala keluarga dengan konsumsi rumah tangga yang positif memiliki makna bahwa semakin bertambah usia kepala keluarga dalam rumah tangga akan meningkatkan kemungkinan jumlah pengeluaran konsumsi dalam rumah tangganya.

Penyataan tersebut sejalan dengan penelitian sebelumnya yang dilakukan oleh Song et al., (2020) menunjukkan hasil bahwa umur kepala keluarga juga memiliki pengaruh pada konsumsi rumah tangga dengan tingkat signifikan pada tingkat 5%. Dan pada penelitian Li et al., (2020) juga menunjukkan hasil yang sama, dengan signifikan pada 1%.

b. Hubungan Pendidikan Kepala Keluarga dengan Konsumsi Rumah Tangga Hubungan pendidikan kepala keluarga dengan konsumsi rumah tangga pada penelitian ini tidak terbukti memiliki pengaruh yang signifikan.

Hal tersebut berlawan dengan penelitian sebelumnya, Li et al., (2020) &

Song et al., (2020) yang menunjukan hasil antara pendidikan kepala

commit to user

(30)

keluarga dengan konsumsi rumah tangga dengan tingkat signifikan 1% dan 5%.

c. Hubungan Jumlah Anggota Keluarga dengan Konsumsi Rumah Tangga Jumlah anggota keluarga memiliki pengaruh signifikan pada konsumsi rumah tangga dengan tingkat signifikan 0,1% pada ketiga model regresi. Konsumsi rumah tangga dengan anggota keluarga memiliki hubungan positif yang berarti semakin banyak jumlah anggota keluarga dalam rumah tangga akan meningkatkan jumlah pengeluaran konsumsi dalam rumah tangganya (Kiran & Dhawan, 2015; Li et al., 2020; Song et al., 2020).

d. Hubungan Keterlibatan Pasangan dengan Konsumsi Rumah Tangga Hubungan Keterlibatan Pasangan dalam memperoleh pendapatan dengan Konsumsi Rumah Tangga pada penelitian ini tidak signifikan.

Keterlibatan pasangan yang biasa disebut penghasilan tunggal atau ganda (dual or single-income) tidak signifikan pada pengeluaran rumah tangga bisa jadi dikarenakan variabel tersebut sudah tercermin dalam variabel pendapatan yang berpengaruh dan signifikan pada 0,1% pengeluaran konsumsi rumah tangga. Pernyataan tersebut berdasarkan pada yang menyatakan bahwa peningkatan rumah tangga dual-income berdampak pada konsumsi sejalan dengan peningkatan pendapatan (Miura & Higashi, 2017). Selain itu, berdasarkan U.S. Bureau of Labor Statistics menyatakan bahwa pengeluaran makanan, transportasi, dan pendidikan untuk rumah

commit to user

(31)

tangga berpenghasilan ganda dan tunggal bergantung pada usia anak- anak dalam rumah tangga (Sullivan, 2020).

e. Hubungan Kategori Daerah dengan Konsumsi Rumah Tangga

Hubungan Kategori Daerah tidak memiliki pengaruh yang signifikan dengan Konsumsi Rumah Tangga, yang menunjukkan bahwa rumah tangga dengan tempat tinggal di pedesaan dan perkotaan pada penelitian ini tidak memiliki pengaruh yang signifikan. Hasil tersebut bertentangan dengan penelitian sebelumnya (Li et al., 2020; Song et al., 2020)yang menemukan pernyataan bahwa rumah tangga dengan kawasan pedesaan memiliki pengaruh yang signifikan pada 1%. Hal tersebut kemungkinan bisa terjadi karena kurangnya variasi data yang diperoleh.

f. Hubungan Total Pendapatan dengan Konsumsi Rumah Tangga

Total Pendapatan dengan Konsumsi Rumah Tangga memiliki hubungan positif dan pengaruh yang signifikan pada 0,1%. Dimana apabila semakin banyak total pendapatan pada rumah tangga, maka akan menaikkan kemungkinan jumlah pengeluaran konsumsi rumah tangganya.

Pernyataan ini sejalan dengan beberapa penelitian sebelumnya yakni Li et al., (2020) & Song et al., (2020) yang hasil penelitiannya menunjukkan bahwa total pendapatan berpangaruh signifikan pada tingkat 1%.

g. Hubungan Kepemilikan Rumah dengan Konsumsi Rumah Tangga

Pada penelitian ini, kepemilikan rumah tidak memiliki pengaruh yang signifikan dengan Konsumsi Rumah Tangga. Hasil tersebut

commit to user

(32)

bertentangan dengan penelitian sebelumnya dari Song, Q., Li, J., Wu, Y.,

& Yin, Z. (2020) yang menemukan pernyataan bahwa kepemilikan rumah memiliki pengaruh yang signifikan dengan konsumsi rumah tangga signifikan pada tingkat 1%.

h. Hubungan Jenis Pekerjaan dengan Konsumsi Rumah Tangga

Jenis pekerjaan digunakan untuk melihat risiko kehilangan pekerjaan pada saat pandemi Covid-19 yang dilihat dari tiga sektor pekerjaan, yakni dari sektor pemerintahan, swasta dan informal. Namun, hasil statistik menunjukkan bahwa jenis pekerjaan tidak signifikan mempengaruhi secara langsung konsumsi rumah tangga.

i. Hubungan Provinsi dengan Konsumsi Rumah Tangga

Pada penelitian ini ditemukan adanya hubungan dengan provinsi tempat tinggal rumah tangga dengan konsumsi rumah tangga. Hubungan ini bersifat negatif dan memiliki signifikan pada tingkat 0,1% pada model OLS dan Probit, tingkat 1% pada model logit. Konsumsi rumah tangga dengan provinsi rumah tangga memiliki hubungan negatif, memiliki makna bahwa rumah tangga yang berdomisili di provinsi tertentu akan semakin memungkinkan dalam melakukan penghematan jumlah total jumlah pengeluaran konsumsi dalam rumah tangga. Dalam hal temuan ini, provinsi yang semakin ke timur cenderung memiliki pengeluaran konsumsi yang rendah. Sejalan dengan hasil susenas September 2019, bahwa Provinsi Banten memiliki pangsa pengeluaran pangan tertinggi sebesar

commit to user

(33)

50,42%. Namun, pengeluaran pangsa pangan terendah pada Daerah Istimewa Yogyakarta sebesar 38,62% (Badan Pusat Statistik, 2019).

commit to user

Referensi

Dokumen terkait

Namun hal ini tidak menghalangi pihak pesantren untuk mulai membangun tanah yang telah ditukarkansebab bersamaan dengan itu pihak Pesantren sedang mengurusinya lagi

China  Central  Television  (CCTV)  adalah  sebuah  lembaga  penyiaran  nasional  milik  Republik  Rakyat  China  (RRC).  Dahulunya  bernama  Beijing  Television 

Kelompok adalah kemampuan indi%idu yang memiliki hubungan satu dengan yang lain# saling bergantung dan memiliki norma yang sama &Struart ' (araira#

Jika kita berada pada satu jaringan yang sama denganorang yang mengirim email, atau yang dilalui oleh email, maka kita bisa menyadap email dengan memantau port 25,yaitu port

Menurut BS CP110, untuk ketahanan pembekuan (frost resistance), untuk diameter tertentu kadar udara diperlukan seperti pada tabel dibawah ini.. 1) Digunakan untuk mengurangi

Unit ini menggambarkan kegiatan melakukan pengelasan dengan proses las busur gas tungsten (GTAW) yang meliputi persiapan material, pengesetan mesin las dan elektroda

Perseroan mengajukan usul kepada RUPST untuk menyetujui Laporan Tahunan Perseroan Tahun 2020 termasuk didalamnya Laporan Pengawasan Dewan Komisaris, Laporan Direksi mengenai

Pada peta fasies model dari estuarine ini, tidal sand bar ini merupakan bagian terluar dari tide dominated estuarine, memanjang sejajar dengan arusnya, dan dari peta