BAB III METODE PENELITIAN
F. Teknik Analisis Data
Teknik analisis data adalah teknik yang digunakan dalam mengolah hasil penelitian guna memperoleh suatu kesimpulan.
Denganmemperhatikan kerangka pemikiran teoritis, maka teknik analisis data yang digunakan dalam penelitian ini adalah analisis kuantitatif menggunakan Regresi liner sederhana.
Berdasarkan dari tujuan penelitian ini, maka teknik analisis data yang digunakan dalam penelitian ini terdiri dari beberapa bagian, yaitu antara lain:
a) Uji validitas
Uji validitas digunakan untuk mengukur salah atau tidak validnya suatu kuesioner. Kuesioner dikatakan valid apabila pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2016). Pengujian validitas ini menggunakan aplikasi SPSS yang merupakan salah satu aplikasi untuk menganalisis data statistik. Angka korelasi yang diperoleh dengan melihat tanda bintang pada hasil skor total atau membandingkan dengan angka bebas korelasi nilai r yang menunjukkan valid. Kriteria penilaian uji validitas yaitu apabila r hitung > r table, maka item kuesioner tersebut dinyatakan valid.Dan apabila r hitung < r tabel, maka dapat dinyatakan item kuesioner tidak valid.
b) Uji Realibilitas
Uji reliabilitas merupakan indeks yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau diandalkan. Koefisien reabilitas yang diukur kemudian dilihat nilainnya. Variabel yang memiliki koefisien reabilitas yang negative atau lebih kecil dari nilai table, maka perlu direvisi kembali karena memiliki tingkat reabilitas yang rendah (Santoso, 2000).
c) Uji asumsi Klasik 1. Uji normalitas
Uji normalitas digunakan untuk mengetahui apakah data yang diperoleh berdistribusi normal atau tidak. Uji ini digunakan
36
apabila peneliti ingin mengetahui ada tidaknya perbedaaan proposi subjek, objek, kejadian dan lain-lainya (Sudjana, 2005).
Menurut Suliyanto (2011), uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak. Nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut sebagian besar mendekati nilai rata-ratanya. Uji normalitas yang digunakan yaitu Komolgorov-Smirnov dengan tingkat signifikansi yang digunakan sebesar 5%, maka apabila signifikan > 0,05 maka variabel berdistribusi normal dan sebaliknya apabila signifikan < 0,05 maka variabel tidak berdistribusi normal.
2. Uji Linearitas
Uji linearitas dilakukan untuk mengetahui apakah variabel (X) dengan variabel terikat (Y) mempunyai hubungan linear atau secara signifikan. Uji ini digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Uji linearitas menggunakan bantuan SPSS 24 dengan menggunakan Test For linearity pada taraf signifikansi 0,05. Hasil uji liniearitas dilihat pada baris Deviation From Linearity, jika nilai signifikan kurang dari 0,05 maka hubungan tidak linear. Sedangkan jika nilai signifikan lebih dari atau sama dengan 0,05 maka hubungannya bersifat linier (Mushon, 2012).
3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah
dalam sebuah model regresi terjadi ketidaknyamanan varian dari residual satu pengamatan lain. jika varian berbeda disebut heterokedastisitas. Jika tidak ada pola tertentu dan tidak menyebar diatas dan dibayah angka nol pada sumbu Y, maka tidak terjadi heterokedastisitas. Model regresi yang baik adalah yang tidak heterokedastisitas (Ghozali, 2016).
Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot, regresi yang tidak terjadi heterokedastisitas jika:
1.Titik-titik data menyebar diatas dan dibawah atau di sekitar angka 0.
2.Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3.Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4.Penyebaran titik-titik data tidak berpola.
d) Metode Analisis Data
Metode analisis data dalam penelitian ini yaitu menggunakan metode regresi linear sederrhana. Menurut Sugiyono (2013), uji regresi linear sederhana adalah pengujian terhadap data yang terdiri dari dua variabel, yaitu variabel independen dan satu variabe dependen, dimana variabel tersebut bersifat kausal (berpengaruh).
Persamaan dari regresi linear sederhana adalah:
Y= 𝒂 + 𝒃𝑿 + 𝒆
38
keterangan:
Y = Tingkat Kemiskinan (Variabel dependen) X = Covid-19 (Variabel independen)
e = Error term a = Konstanta
b =Angka arah koefisien regresi, yang menunjukkan angka peningkatan atau penurunanvariabel dependen yang didasaarkan pada variabel independen. Bila b (+) maka naik, dan b (-) maka terjadi peneurunan X = subjek pada variabel independen yang mempunyai nilai tertentu.
e) Pengujian Hipotesis 1. Uji Parsial (Uji-t)
Menurut ghozali dalam sujarweni (2015), uji t menunjukkan seberapa jauh pengaruh antara variabel independen dengan variabel dependen. Apabila nilai probalitas signifikan lebih kecil dari 0.05 (5%) maka suatu variabel independen berpengaruh signifikan terhadap variabel dependen. Adapun kriterianya yaitu:
a. Jika t hitung > t table maka Ho ditolak dan Ha diterima b. Jika t hitung < table maka Ho diterima dan Ha ditolak 2. Uji Koefisien Korelasi
Uji Koefisien Korelasi digunakan menguji hipotesis yang datanya berbentung interval/ratio untuk mengetahui apakah terdapat hubungan positif dan signifikan antara satu variabel indepen dengan satu variabel dependen. Koefisien Korelasi merupakan angka yang menunjukan tinggi atau rendahnya hubungan antara dua variabel atau lebih, koefisien korelasi yang tinggi menandakan besarnyahubungan
variabel. Besar hubungan dapat digambarkan sebagai berikut:
Tabel 3.1
Pedoman untuk menentukan Interpretasi Koefisen Korelasi
Interval Koefisien Keterangan
0 Tidak Berkorelasi
0,01 – 0.20 Sangat Lemah
0,21 – 0,40 Lemah
0,41 – 0,70 Kuat
0,71 – 0,90 Sangat Kuat
0.091 – 0,99 Sangat Kuat Sekali
1 Sempurna
3. Uji Koefesien Determinasi (R2)
Koefisen Determinasi mengukur seberapa besar pengaruh variabel dalam menerangkan (R Square atau R2) digunakan untuk menjelaskan besarnya kontribusi atau pengaruh variabel indepeden terhadap variabel dependen.
.
40 BAB VI
HASIL DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian 1. Kondisi Geografis
Makassar adalah Ibu Kota Provinsi Sulawesi Selatan, yang terletak di bagian Selatan Pulau Sulawesi yang dahulu disebut Ujung Pandang, terletak antara 119º24’17’38” Bujur Timur dan 5º8’6’19” Lintang Selatan yang berbatasan sebelah Utara dengan Kabupaten Maros, sebelah Timur Kabupaten Maros, sebelah selatan Kabupaten Gowa dan sebelah Barat adalah Selat Makassar. Kota Makassar memiliki topografi dengan kemiringan lahan 0-2°(datar) dan kemiringan lahan 3-15° (bergelombang).
Luas Wilayah Kota Makassar tercatat 175,77 km persegi. Kota Makassar memiliki kondisi iklim sedang hingga tropis memiliki suhu udara rata-rata berkisar antara 26,°C sampai dengan 29°C.
Makassar adalah salah satu dari empat pusat pertumbuhan utama di Indonesia, bersama dengan Medan, Jakarta, dan Surabaya. Secara demografis, kota ini tergolong tipe multi etnik atau multi kultur dengan beragam suku bangsa yang menetap di dalamnya, di antaranya yang signifikan jumlahnya adalah Suku Makassar, Bugis, Toraja, Mandar, Buton, Jawa, dan Tionghoa. Makanan khas Makassar yang umum dijumpai di pelosok kota adalah Coto Makassar, Roti Maros, Jalangkote, Bassang, Kue Tori, Palubutung, Pisang Ijo, Sop Saudara dan Sop Konro.
Secara administratif kota Makassar terdiri dari 15 Kecamatan dan kelurahan 153 dengan luas wilayah 175,77 km persegi liat tabel 4.1 di bawah ini:
Tabel 4.1
Luas Daerah menurut Kecamatan Di Makassar 2019
No Kecamatan Ibukota Luas Total
(km2/sq.km)
1 Mariso Kampung Buyang 1,82
2 Mamajang Marica Selatan 2,25
3 Tamalatea Maccini Sombala 20,21
4 Rappocini Gunung Sari 9,23
5 Makassar Maradekaya 2,52
6 Ujung Pandang Baru 2,63
7 Ajo Mela U Baru 1,99
8 Bonto Ala Ajo Bar 2,10
9 Ujung Tanah Pattingaloan Baru 4,40
10 Kep.Sengkarang Kodingareng 1,54
11 Tallo Ujung Pandang
Baru
5,83
12 Panakukang Paropo 17,05
13 Manggala Manggala 24,14
14 Biringkanaya Bulurokeng 48,22
15 Tamalanrea Tamalanrea 31,84
Kota Makassar 175,77
Sumber data: BPS Kota Makassar 2019
Berdasarkan tabel 4.1 dapat dilihat luas wilayah terbesar berada di Kecamatan Biringkanaya seluas 48,22 km2/sq.km, disusul wilayah kecamatan Tamalanrea seluas 31,84 km2/sq.km, sedangkan yang paling
42
sempit wilayahnya adalah kepulauan Sengkarang yaitu hanya 1,54 km2/sq.km.
2. Jumlah Penduduk
Penduduk kota makassar menempati deretan kota terpadat di urutan 24 di Indonesia berdasarkn proyeksi penduduk tahun 2019 sebanyak 1.526.677 jiwa seperti yang terlihat pada tabel 4.2. yang tersebar di 15 kecamatan, menunjukkan wilayah terpadat berada di kecamatan Biringkanayya, dengan populasi penduduk sebanyak 220.456, terdiri dari 110.138 laki-laik dan 110.318 perempuan.
Tabel 4.2
Jumlah Penduduk menurut Kecamatan Tahun 2019
Kecamatan
Jumlah Penduduk (Jiwa)
Jumlah Keseluruhan Laki-laki Perempuan
1 Mariso 30 609 29 890 60 449
2 Mamajang 30 129 31 323 61 452
3 Tamalatea 102 128 103 413 205 541
4 Rappocini 82 162 87 959 170 121
5 Makassar 42 553 42 962 85 515
6 Ujung Pandang 13 716 15 338 29 054
7 Ajo 15 470 15 983 31 453
8 Bonto Ala 27 886 29 311 57 197
9 Ujung Tanah 18 037 17 497 35 534
10 Kep.Sengkarang 7 239 7 292 14 531
11 Tallo 70 303 70 027 140 330
12 Panakukang 73 971 75 693 149 664
13 Manggala 75 094 74 393 149 487
14 Biringkanaya 110 138 110 318 220 456
15 Tamalanrea 56 533 59 310 115 843
Kota Makassar 755 968 770 709 1 526 677 Sumber data: BPS Kota Makassar 2019
B. Karakteristik Responden
Analisi ini bertujuan untuk mengidentifikasi karakteristik responden.
Karakteristiknya meliputi jenis usaha, pekerjaan, pendidikan, jenis kelamin dan usia. Dijelaskan sebelumnya bahwa responden adalah 30 masyarakat yang berdomisili di Kota Makassar. Dari hasil kuesioner tersebut dapat digambarkan sebagai berikut:
1. Karakteristik Responden Berdasarkan Pendidikan trakhir
Penyajian data responden berdasrkan pendidikan terakhir yang telah dikumpulkan dapat dilihat pada tabel 4.3 sebagai berikut:
Tabel 4.3 Pendidikan Responden Pendidikan Jumlah Responden
(orang)
Persentase (%)
SD 3 10%
SMP 2 7%
SMU/SMA 17 57%
D3 3 10%
S1 5 17%
Jumlah 30 100%
Sumber: Data primer yang diolah, 2020
44
Berdasarkan tabel 4.3 dapat dilihat bahwa pendidikan terakhir responden yaitu SD 3 orang responden atau 10%, SMP 2 atau 7%, SMA/SMU 17 orang responden atau 57% dan S1 5 orang atau 17%. Dengan demikian pendidikan responden yang terbanyak adalah SMA/SMU sebesar 57%.
2. Karakteristik Responden Berdasarkan Jenis Kelamin
Jenis kelamin secara umum dapat memberikan perbedaan pada perilaku seseorang. Dalam suatu bidang kerja jenis kelamin seringkali dapat menjadi pembela aktivitas yang dilakukan oleh individu, penyajian data primer responden berdasarkan jenis kelamin yang berhasil diperoleh adalah sebagai berikut:
Tabel 4.4 Jenis Kelamin
Sumber: Data primer yang diolah, 2020
Berdasarkan tabel 4.4 menunjukkan data bahwa yang menjadi responden laki-laki sebesar 9 atau 30% selebihnya adalah perempuan yaitu sebanyak 21 orang atau 70%.
3. Karakteristik Responden Berdasarkan Usia
Penyajian data berdasarkan usia responden yang telah di kumpulkan Dapat dilihat pada tabel 4.5. Berdasarkan tabel 4.5 dapat dijelaskan bahwa
Jenis Kelamin
Jumlah Responden
(orang)
Persentas e (%)
Laki-laki 9 30%
Perempuan 21 70%
Jumlah 30 100%
sebagian besar yang menjadi responden berdasarkan usianya yakni yang berusia 20-30 tahun sebanyak 13 orang atau 43%, kemudian yang berusia 30-40 tahun sebanyak 6 orang atau 20% dan pada usia >40 tahun sebanyak 11 orang atau 37%. Dengan demikian untuk saat ini usia yang prsentase terbesar paling banyak berada di usia 20-30 tahun.
Tabel 4.5 Usia Responden
Sumber: Data primer yang diolah, 2020
Berdasarkan tabel 4.5 dapat dijelaskan bahwa sebagian besar yang menjadi responden berdasarkan usianya yakni yang berusia 20-30 tahun sebanyak 13 orang atau 43%, kemudian yang berusia 30-40 tahun sebanyak 6 orang atau 20% dan pada usia >40 tahun sebanyak 11 orang atau 37%. Dengan demikian untuk saat ini usia yang prsentase terbesar paling banyak berada di usia 20-30 tahun.
C. Hasil Uji Kualitas Data
Tujuan dari uji kualitas data adalah untuk mengetahui konsitensi dan akurasi data yang dikumpulkan. Uji kualitas data yang dihasilkan dari pengguna instrument penelitian dapat dianalisis dengan menggunakan uji validitas dan uji realibilitas.
Usia Jumlah Responden
(orang)
Persentase (%)
<20 0 0%
20-30 13 43%
30-40 6 20%
>40 11 37%
Jumlah 30 100%
46
1. Uji Validitas
Uji Validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pernyataan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Maka penyelesaian dilakukan dengan program spss (statistical package for social science). Apabilah item pernyataan mempunyai r hitung
> dari r tabel maka dapat dikatakan valid. Pada penelitian ini terdapat jumlah sampel (n) = 30 responden dan didapat r tabel = 0,2960. Jadi, item pernyataan yang valid mempunyai r hitung lebih besar dari 0,2960. Adapun hasil uji validitas data dalam penelitian ini dapat dilihat ada tabel 4.6 berikut:
Tabel 4.6 Hasil Uji Validitas
Variavel Item R Hitung R Tabel Keterangan
Covid-19 (X)
X.1 0,663 0,2960 Valid
X.2 0,533 0,2960 Valid
X.3 0,636 0,2960 Valid
X.4 0,577 0,2960 Valid
X.5 0,674 0,2960 Valid
X.6 0,415 0,2960 Valid
Tingkat Kemiskinan
(Y)
Y.1 0,447 0,2960 Valid
Y.2 0,587 0,2960 Valid
Y.3 0,612 0,2960 Valid
Y.4 0,597 0,2960 Valid
Y.5 0,634 0,2960 Valid
Y.6 0,527 0,2960 Valid
Y.7 0,597 0,2960 Valid
Sumber: Data primer yang diolah, 2020
Tabel 4.6 tersebut memperlihatkan bahwa seluruh item pernyataan memiliki nilai koefisien korelasi positif dan lebih besar pada R- tabel. Hal ini berarti bahwa data yang diperoleh telah valid dan dapat dilakukan pengujian data lebih lanjut.
2. Uji Reliabilitas
Uji reliabilitas digunakan untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Uji reliabilitas data dilakukan dengan menggunakan metode Alpha Cronbach yakni suatu instrumen dikatakan reliabel bila memiliki koefisien ke andalan reliabilitas sebesar 0,6 atau lebih. Hasil pengujian reliabilitas data dapat dilihat pada tabel berikut :
Tabel 4.7 Hasil Uji Reliabilitas
No Variabel Cronchbach
's Alpha
Keterangan
1 Covid-19 (X) 0,607
Reliabel 2 Tingkat Kemiskinan (Y) 0,663
Reliabel Sumber: Data primer yang diolah, 2020
48
Tabel 4.7 menunjukkan bahwa nilai Cronchbach's alpha dari semua variabel lebih besar dari 0,6, sehingga dapat disimpulkan bahwa instrumen dari kuesioner yang digunakan untuk menjelaskan variabel Covid-19 dan Tingkat Kemiskinan yaitu dinyatakan handal atau dapat dipercaya sebagai alat ukur variabel.
D. Uji Asumsi Klasik
Sebelum menggunakan teknik analisis Regresi Linier Sederhana untuk uji hipotesis, maka terlebih dahulu dilaksanakan uji asumsi klasik. Uji asumsi klasik dilakukan untuk melihat apakah asumsi-asumsi yang dipelukan dalam normalitas data secara statistik, uji multikolinearitas dan uji heteroskedastisitas.
1. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Uji normalitas data dalam penelitan ini adalah dengan melihat grafik “Normal Probability Report Plot” yang membandingkan distribusi normal. Distribusi normal akan membentuk garis diagonal dan ploting data residual akan dibandingkan dengan garis diagonalnya. Hasil uji normalitas data hasil peelitiani ini dapat dilihat pada gambar 4.1.
Gambar 4.1
Hasil Uji Normalitas-Normal Probability Plot
Sumber: Output SPSS 26 (2020)
Gambar 4.1 menunjukkan bahwa data terdistribusi normal karena bentuk grafik normal dan tidak melonceng ke kanan atau ke kiri. Gambar 4.1 juga menunjukkan adanya titik-titik (data) yang tersebar di sekitar garis diagonal dan penyebaran titik-titik tersebut mengikuti arah garis diagonal.
Hal ini berarti bahwa model-model regresi dalam penelitian ini memenuhi asumsi normalitas berdasarkan analisis grafik normal probability plot.
2. Uji Multikolonieritas
Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian multikolonieritas dapat dilihat dari Tolerance Value atau Variance Inflation Factor (VIF), sebagai berikut :
• Jika nilai tolerance > 0,01 dan VIF < 10, maka dapat diartikan bahwa tidak
50
terdapat multikolonieritas pada penelitian tersebut.
• Jika nilai tolerance < 0,10 dan VIF > 10, maka dapat diartikan bahwa terdapat multikolonieritas pada penelitian tesebut.
Tabel 4.8 Multikolonieritas
Model
Collinearity Statistics Tolerance VIF
Covid-19 1.000 1.000
Dependent Variabel: Tingkat Kemiskinan Sumber: Data primer yang diolah, 2020
Berdasarkan hasil pengujian tabel 4.8 diatas, karena nila VIF untuk variabel memiliki nilai lebih kecil darpada 10 dan nilai tolerance lebih besar dari 0,01, maka dapat disimpulkan tidak terdapat gejala multikolinearitas antar variabel independen.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi adanya heteroskedastisitas dapat dilakukan dengan menggunakan Sactter Plot. Apabilah tidak terdapat pola yang terartur, maka model regresi tersebut bebas dari masalah heteroskedastisitas. Hasil pengujian heteroskedastisitas dengan metode Scatterplot diperoleh sebagai berikut;
Gambar 4.2
Hasil Heteroskedastisitas – Grafik Scatterplot
Sumber: Output SPSS 26 (2020)
Hasil uji heteroskedastisitas dari gambar 4.2 menunjukkan bahwa grafik scatterplot antara SRESID dan ZPRED menunjukkan pola penyebaran, dimana titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angkah 0 pada sumbu Y hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak untuk pakai.
E. Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana digunakan untuk meneliti variabel- variabel yang berpengaruh dari variabel bebas (independent variabel) terhadap variabel terikat (dependent variabel).
52
Tabel 4.9
Analisisi Regresi Liner Sederhana Coefficientsa
Dependent Variabel: Tingkat Kemiskinan
Pada tabel 4.9 didapat persamaan regresi linier sederhana sebagai berikut:
Y= a + bX
Y= 17,303 + 0,449X Keterangan:
X = Variabel terikat (Covid-19)
Y = Variabel bebas (Tingkat Kemiskinan) a = Nilai Konstan
b = koefisien Arah Regresi
Konstanta sebesar 17,303 yang artinya jika jumlah Covid-19(X) nilainya 0, maka Tingkat Kemiskinan (Y) dinilainya sebesar 17,303.
Sedangkan koefisien regresi variabel (X) sebesar 0,449 menyatakan bahwa setiap penambahan 1% nilai Covid-19, maka nilai variabel(Y) bertambah sebesar 0,449. Koefisien regresi tersebut bernilai positif sehingga dapat dinyatakan bahwa arah pengaruh variable X terhadap Y adalah positif.
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 17.303 4.224 4.096 .000
covid 19 .499 .159 .509 3.127 .004
F. Uji Hipotesis a. Uji Persial (Uji t)
Uji t dilakukan untuk mengetahui pengaruh variabel independen secara individual terhadap variabel dependen, apakah pengaruhnya signifikan atau tidak. Kriteria dalam pengambilan keputusan untuk uji t, yaitu apabila t hitung < t tabel maka hipotesis diterimah, sedangkan apabila t hitung > t tabel maka hipotesis di tolak.
Tabel 4.10 Hasil Uji t- Uji Persial
Coefficientsa
Dependent Variabel: Tingkat Kemiskinan Sumber: Output SPSS 26 (2020)
Berdasarkan tabel 4.10 (coefficients) diperoleh nilai t hitung sebesar 3,127, sedangkan nilai t tabel dengan sing α= 0,05 dan df= 30- 2= 28 jadi t tabel sama dengan 0,2610. Jadi, 3,127 > 0,2610 menandakan hipotesis diterimah yang artinya keberadaan Covid-19 berpengaruh terhadap Tingkat Kemiskinan.
b. Analisis koefisien Koerelasi (R)
Analisis korelasi (R) digunakan untuk mecari arah dan kuatnya hubungan antara dua variabel atau lebih, baik hubungna yang bersifat simetris, kasual dan reciprocal. Analisis korelasi untuk mengatahui kuat
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 17.303 4.224 4.096 .000
covid 19 .499 .159 .509 3.127 .004
54
lemahnya hubungan antara variabel yang dianalisis. Adapun nilai koefisien korelasi dalam penelitian ini ditunjukkan tabel berikut ini:
Tabel 4.11
Hasil Uji Koefisien Korelasi
Sumber: Output SPSS 26 (2020)
Nilai koefisien korelasi yang ditunjukkan pada tabel 4.11 yaitu 0,509. Dengan begitu dapat dinyatakan ada hubungan yang positif antara variabel Covid-19 dan variabel Tingkat Kemiskinan berdasarkan tabel 3.4 dikategorikaran “Kuat”.
c. Uji Determinasi (R2)
Tabel 4.12
Hasil Uji Koefisien Determinasi (R2)
Sumber: Output SPSS 26 (2020)
Dengan kata lain hal ini menunjukkan bahwa besar presentase variasi Tingkat Kemiskinan yang biasa dijelaskan oleh variasi dari satu variabel bebas yaitu Covid-19 sebesar 25,9 % sedangkan sisanya 74,1% (100% - 25,9%) dijelaskan oleh variabel lain diluar variabel yang digunakan dalam penelitian.
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .509a .259 .232 1.921 1.705
a. Predictors: (Constant), covid 19
b. Dependent Variable: tingkat kemiskinan
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .509a .259 .232 1.921 1.705
a. Predictors: (Constant), covid 19
b. Dependent Variable: tingkat kemiskinan
G. Pembahasan Hasil Penelitian
Covid-19 Merupakan sejenis wabah yang menyerang pernafasan yang mana penyebaranya tak mengenal usia dan golongan melintasi wilayah seluruh dunia termasuk Indonesia (Susilawati, Reinpal Falefi, dan Agus Purwoko, 2020).. penyebaran Covid-19 mengakibatkan kinerja ekonomi melemah (Pakpahan, 2020), dampak dari keberadaan virus ini di antaranya konsumsi masyarkat atau daya beli masyarakat yang menurun, investasi melemah yang berimplikasi terhadap terhentinya usaha dan harga komoditas turun Budastra (2020).
Pengatasan kemiskinan untuk memajukan perekonomian tidak terlepas dari mudahnya akses pemenuhan kebutuhan dasar, akses pendidikan dan akses pekerjaan (BPS, 2016) Namun hal ini menjadi terhambat di sebabkan adanya pendemi Corono-19 yang melanda di berbagai wilayah di Indonesia..
Hasil penelitian ini mendapat bahwa hipotesis yang ajukan diterima yaitu dengan adanya pandemic covid-19 mempengaruhi tingkat kemiskinan di kota Makassar, dengan hubungan positif signifikan. Hal ini didukung oleh data yang dirilis oleh BPS kota Makassar yaitu terjadi penambahan orang miskin baru sebesar 26% yaitu dari 65.120 penduduk miskin di tahun 2019 menjadi 82.326 penduduk di bulan April 2020.
Hasil penelitian ini sejalan dengan hasil penelitian Pakpahan(2020) menunjukkan bahwa pandemi COVID-19 memberikan implikasi negatif bagi perekonomian domestik seperti penurunan konsumsi dan daya beli masyarakat, penurunan kinerja perusahaan, ancaman pada sektor perbankan dan keuangan, serta eksistensi UMKM. Penelitian ini juga sejalan dengan penelitian Didi Sumardi, Syamsul Falah, Moh. Ahsanudin Jauhari, Aan Radian
56
(2020) menyatakan bahwa Pandemic covid-19 berpengaruh terhadap perdagangan, perhotelan, pariwisata, juga pengusaha kecil dan menengah.
Tenaga kerja “dirumahkan” dan pemutusan hubungan kerja. Data Kementerian Tenaga Kerja per 20 April 2020, terdapat 2.084.593 pekerja dari 116.370 perusahaan dirumahkan dan pemutusan hubungan kerja.
Demikian juga hasil penelitian ini mendukung hasil penelitian yang dilakukan oleh Budastra (2020) yang mendapati bahwa covid-19 membawa dampak sosial yang menganggu pada rantai nilai dunia usaha sehingga banyak usaha pada berbagai sektor dan skala usaha yang berhenti operasi sementara atau permanen. Sektor ekonomi terdampak parah seperti sektor pariwisata dan transportasi, diikuti oleh sektor perdagangan, industri pengolahan dan sektor-sektor lainnya. Pemilik usaha mikro dan kecil, Pertumbuhan ekonomi daerah menurun dramatis, serta pengangguran dan kemiskinan meningkat tajam pada tahun 2020.
Secara keseluruhan temuan penelitian ini selain mendukung hasil beberapa penelitian terdahulu, juga membuktikan data yang dirilis oleh Kementerian Tenaga Kerja per 20 April 2020, yang menyatakan bahwa terdapat 2.084.593 pekerja dari 116.370 perusahaan dirumahkan dan pemutusan hubungan kerja.
57 BAB V PENUTUP
A. Kesimpulan
Berdasarkan hasil penelitian tentang Pengaruh Pandemi Covid-19 Terhadap Tingkat Kemiskinan di Kota Makassar dapat ditarik kesimpulan bahwa Covid-19 berpengaruh signifikan terhadap Tingkat Kemiskinan Di Kota Makassar dengan nilai sig 0,004, yang lebih kecil dari 0,005 (0,000<0,005). Hal ini ditunjukkan dengan nilai thitung = 3,127. Dan niali ttabel dengan tingkat signifikasi 5% pada derajat (dƒ) = 30 adalah 0,2610 sehingga thitung>ttabel (3,127>0,2610) berdasarkan koefisien determinasi (R square) sebesar 0,29, berarti terdapat pengaruh maka hipotesis diterimah, dengan kata lain hal ini menunjukkan bahwa besar persentase variasi tingkat kemiskinan yang bisa dijelaskan oleh Variabel Covid-19 sebesar 25,9%. Artinya bahwa sekitar 25,9% tingkat kemiskinan dapat dijelaskan oleh variabel Covid-19 sedangkan sisanya 74,1% disebabkan oleh faktor lain yang tidak dijelaskan dalam model ini.
B. Saran
Berdasarkan kesimpulan yang ada penulis memberikan saran agar penelitian yang akan datang dapat menambahkan variabel lain seperti inflasi, tingkat kemiskinan, pendapatan yang mungkin akan mempengaruhi tingkat kemiskinan pada masa pandemik covid-19. Covid-19 yang penyebarangnya semakin banyak ditengah-tengah masyarakat semoga saja kita semua dapat dihindarkan oleh penyakit yang cukup berbahaya ini, dan indonesia mampu kembali bangkit dari keterputukan ekonomi.