lembar pengesahan pembimbing pembangunan...

PENGARUH TENAGA KERJA, PENGANGGURAN DAN INDEKS

PEMBANGUNAN MANUSIA TERHADAP PDRB

DI PROVINSI DKI JAKARTA TAHUN 2010-2017

SKRIPSI

Diajukan Untuk Memenuhi Persyaratan Memperoleh

Gelar Sarjana Ekonomi (S.E)

Oleh:

Maulana Yusuf

11140840000012

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1441 H / 2019 M

i

LEMBAR PENGESAHAN PEMBIMBING

PENGARUH TENAGA KERJA, PENGANGGURAN DAN INDEKS

PEMBANGUNAN MANUSIA TERHADAP PDRB

DI PROVINSI DKI JAKARTA TAHUN 2010-2017

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Persyaratan Meraih Gelar Sarjana Ekonomi (S.E)

Oleh:

Maulana Yusuf

NIM. 11140840000012

Di bawah Bimbingan:

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1440 H / 2019 M

ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

Hari ini Kamis, 08 Maret 2018 telah dilakukan ujian komprehensif atas mahasiswa :

1. Nama : Maulana Yusuf

2. NIM : 11140840000012

3. Jurusan : Ekonomi Pembangunan

4. Judul Skripsi : Pengaruh Tenaga Kerja, Pengangguran dan

Indeks Pembangunan Manusia Terhadap PDRB

Di Provinsi DKI Jakarta Tahun 2010-2017

Setelah mencermati dan memperhatikan penampilan serta kemampuan yang

bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa mahasiswa

tersebut dinyatakan LULUS dan diberi kesempatan untuk melanjutkan ke tahap ujian

skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada

Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 08 Maret 2018

1. Lukman., Dr

NIP. 195706170617198503 1 002

2. Rosita Melani Dewi, SE., M.Si

NIDN. 0321058004

iii

LEMBAR PENGESAHAN UJIAN SKRIPSI

Hari ini Rabu, 21 Agustus 2019 telah dilakukan Ujian Skripsi atas mahasiswa :

1. Nama : Maulana Yusuf

2. NIM : 11140840000012

3. Jurusan : Ekonomi Pembangunan

4. Judul Skripsi : Pengaruh Tenaga Kerja, Pengangguran dan

Indeks Pembangunan Manusia Terhadap PDRB

Di Provinsi DKI Jakarta Tahun 2010-2017

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses ujian skripsi, maka diputuskan bahwa mahasiswa

tersebut di atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syarat

untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis

Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 21 Agustus 2019

1. Deni Pandu Nugraha, SE., M.Sc

NIDN. 2012108503

2. Dr. Sofyan Rizal, M.Si

NIP. 197604302011011002

3. Dr. Sofyan Rizal, M.Si

NIP. 197604302011011002

4. Arief Fitrijanto, M.Si

NIP. 197111182005011003

iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan dibawah ini :

Nama : Maulana Yusuf

NIM : 11140840000012

Jurusan : Ekonomi Pembangunan

Fakultas : Ekonomi dan Bisnis

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan.

2. Tidak melakukan plagiasi terhadap naskah karya orang lain.

3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli atau

tanpa izin pemilik karya.

4. Tidak melakukan pemanipulasian dan pemalsuan data.

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya

ini.

Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah melalui

pembuktian yang dapat dipertanggungjawabkan, ternyata memang ditemukan bukti

bahwa saya telah melanggar penyataan ini, maka saya siap dikenai sanksi berdasarkan

aturan yang berlaku di Falkutas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Jakarta, 31 Juli 2019

Maulana Yusuf

NIM. 11140840000012

v

DAFTAR RIWAYAT HIDUP

I. DATA PRIBADI

Nama : Maulana Yusuf

Tempat, Tanggal Lahir : Jakarta, 02 April 1996

Alamat : Jl. H. Muchtar Raya No. 61b RT 002/ RW 011,

Petukangan Utara, Jakarta Selatan 12260.

Agama : Islam

No. Telepon : 089606762597

Email : [email protected]

II. LATAR BELAKANG KELUARGA

Ayah : Syafei

Tempat, Tanggal Lahir : Jakarta, 12 Oktober 1963

Ibu : Nursiyah

Tempat, Tanggal Lahir : Jakarta, 12 Agustus 1972

III. PENDIDIKAN FORMAL

1. SDN 05 Pagi Jakarta 2002 - 2008

2. SMPN 142 Jakarta 2008 - 2011

3. SMAN 32 Jakarta 2011 - 2014

4. UIN Syarif Hidayatullah Jakarta 2014 - 2019

IV. PENGALAMAN ORGANISASI

1. Himpunan Mahasiswa Jurusan Ekonomi Pembangunan 2015 - 2016

2. Lembaga Dakwah Kampus UIN Syarif Hidayatullah Jakarta 2015 - 2017

3. Galeri Inventasi Syariah FEB 2016 - 2018

4. Dewan Mahasiswa UIN Syarif Hidayatullah Jakarta 2017 - 2018

5. Komunitas Mahasiswa Untuk Musholla FEB 2015 - 2019

mailto:[email protected]

vi

ABSTRACT

This era of globalization requires every country to further advance its economy.

One important indicator to find out the economic conditions in a country in a given period

is the Gross Domestic Product (GDP) data, while at the regional level is the Gross

Regional Domestic Product (GRDP) data. This study aims to determine the effect of

labor, unemployment and the human development index on GDP in DKI Jakarta

Province. In this study using GRDP data at a constant price of 2010. This research is in

the form of secondary data from 6 districts or cities in the DKI Jakarta Province in 2010-

2017. The analytical method used is panel data regression with the best model, namely

Fixed Effect. The results of this study indicate that labor variables and human

development index have a positive and significant effect while the unemployment variable

has a negative and significant effect on GRDP in Province DKI Jakarta.

Keywords: Gross Regional Domestic Product (GRDP), Labor, Unemployment,

Human Development Index

vii

ABSTRAK

Era globalisasi ini menuntut setiap negara untuk semakin memajukan

perekonominnya. Salah satu indikator penting untuk mengetahui kondisi ekonomi di

suatu negara dalam suatu periode tertentu adalah data Produk Domestik Bruto (PDB),

sedangkan pada tingkat daerah adalah data Produk Domestik Regional Bruto (PDRB).

Penelitian ini bertujuan untuk mengetahui pengaruh tenaga kerja, pengangguran dan

indeks pembangunan manusia terhadap PDRB di Provinsi DKI Jakarta. Dalam penelitian

ini menggunakan data PDRB atas harga konstan 2010. Penelitian ini berupa data sekunder

dari 6 kabupaten/kota di Provinsi DKI Jakarta tahun 2010-2017. Metode analisis yang

digunakan adalah regresi data panel dengan model terbaik yaitu Fixed Effect. Hasil

penelitian ini menunjukkan bahwa variabel tenaga kerja dan indeks pembangunan

manusia berpengaruh positif dan signifikan sedangkan variabel pengangguran

berpengaruh negatif dan signifikan terhadap PDRB di Provinsi DKI Jakarta.

Kata kunci: Produk Domestik Regional Bruto (PDRB), Tenaga Kerja, Pengangguran,

Indeks Pembangunan Manusia

viii

KATA PENGANTAR

Bismillᾱhirrahmᾱnirrahim

Assalamu’alaykum Warahmatullᾱhi Wabarakatuh

Alhamdulillaahi ’Alaa Ni’mati Al-iimaan wa Al-islaam, Laa Haula wa Laa

Quwwata Illaa Billaah. Segala puji dan syukur kepada Allah Subhanahu Wata’ala, berkat

izin-Nya penulis dapat menyelesaikan skripsi dengan segala kemudahan dan kelancaran

yang Allah berikan. Shalawat serta salam semoga tercurah kepada Rasulullah Shallallahu

’Alaihi Wasallam beserta keluarga para sahabatnya dan kita selaku umatnya.

Hanya dengan ridho dan pertolongan-Nya lah penulis dapat menyelesaikan skripsi

ini dengan judul “Pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan

Manusia Terhadap PDRB di Provinsi DKI Jakarta Tahun 2010-2017” guna

memenuhi salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi Jurusan Ekonomi

Pembangunan di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Penulis menyadari bahwa skripsi ini tidak akan terwujud jika tanpa bantuan dari

berbagai pihak. Oleh karena itu, penulis mengucapkan rasa terima kasih yang sebesar-

besarnya dan semoga Allah SWT memberikan pahala serta balasan yang setimpal atas

amal kebaikan dari semua pihak yang telah membantu penulis dalam menyelesaikan

skripsi ini, diantaranya adalah:

1. Kedua orang tua tercinta, Ayah (Syafei) dan Mamah (Nursiyah), Abang

(Ardiansyah), dan Adik (Mitha) yang selalu mendoakan dan memberi dukungan

kepada penulis. Juga Alm. Engkong (Nursaih) dan Nyai (Sainah) yang memberi

keceriaan di kala penulis merasa penat. Terima kasih atas segala kebaikan kalian

yang tidak pernah bisa dibalas dengan apapun di dunia ini.

2. Bapak Prof. Dr. Amilin, SE., Ak., CA., M.Si., BKP., QIA., CRMP, selaku Dekan

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, beserta seluruh

jajaran yang telah memberikan ilmu yang sangat bermanfaat bagi penulis.

3. Bapak Dr. Sofyan Rizal, M.Si selaku pembimbing skripsi yang telah meluangkan

waktu untuk selalu membimbing, membantu, dan memotivasi dalam

menyelesaikan skripsi. Semoga Bapak selalu diberikan rahmat dan karunia oleh

Allah SWT.

ix

4. Bapak M. Hartana I. Putra, M.Si selaku Ketua Jurusan Ekonomi Pembangunan dan

Bapak Deni Pandu Nugraha, SE., M.Sc selaku Sekretaris Jurusan Ekonomi

Pembangunan yang telah banyak memberi bimbingan selama perkuliahan.

5. Seluruh jajaran Dosen Fakultas Ekonomi dan Bisnis yang telah memberikan ilmu

yang sangat bermanfaat selama perkuliahan.

6. Seluruh jajaran karyawan dan staff UIN Syarif Hidayatullah Jakarta yang telah

melayani dan membantu dalam menyelesaikan skripsi.

7. Teman-teman Ekonomi Pembangunan 2014, terkhusus kepada penghuni (Kosan

Thoriq) yaitu Adi, Wahyu, Thoriq, Raha, Iksan, Jody, Riko, Tanu, Hanif, Faikar,

Indra dan Asep. Terima kasih atas support, doa, dan kebaikan yang diberikan.

8. Keluarga besar LDK Syahid, terkhusus An-Naml yang senantiasa membantu,

bersedia mendengarkan suka-duka, dan berbagi kenangan manis. Sucipto dan

Azhar Pratama yang selalu memberikan dukungan.

9. Keluarga Besar KKN Berikatan terutama gengs Honey yang telah memberikan

dukungan dan pengalaman yang menarik selama perkuliahan.

10. Keluarga Besar KOMUS dan GIS yang telah berbagi pengalaman dan kemampuan

selama perkuliahan. Terima kasih atas support, doa, dan kebaikan yang diberikan.

11. Keluarga Mahasiswa Berpikir Cerdas (Amir, Azka, Afif, Bungsu, Ipeng, Irul, Iban.

Farhan, Kojek, Wawan) teman seperjuangan yang telah berbagi suka duka maupun

pengalaman yang tak terlupakan selama diperkuliahan. Semoga kalian sukses dunia

maupun akhirat.

12. Seluruh pihak yang tidak bisa disebutkan satu per satu. Terima kasih atas seluruh

kebaikan yang diberikan.

Semoga Allah memberi pahala yang besar atas kebaikan yang telah diberikan.

Penulis menyadari bahwa masih banyak kekurangan dalam penulisan skripsi ini. Oleh

karena itu, penulis menerima saran dan kritik yang membangun demi kesempurnaan

skripsi ini. Penulis berharap semoga skripsi ini dapat bermanfaat untuk banyak pihak.

Wassalamu‘alaykum Warahmatullahi Wabarakatuh

Jakarta, 31 Juli 2019

Maulana Yusuf

x

DAFTAR ISI

LEMBAR PENGESAHAN PEMBIMBING ........................................................... i

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ........................................ ii

LEMBAR PENGESAHAN UJIAN SKRIPSI ......................................................... iii

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ................................. iv

DAFTAR RIWAYAT HIDUP .................................................................................. v

ABSTRACT ................................................................................................................. vi

ABSTRAK .................................................................................................................. vii

KATA PENGANTAR ............................................................................................... viii

DAFTAR ISI .............................................................................................................. x

DAFTAR TABEL ...................................................................................................... xii

DAFTAR GAMBAR ................................................................................................. xiii

DAFTAR LAMPIRAN ............................................................................................. xiv

BAB I PENDAHULUAN ......................................................................................... 1-14

A. Latar Belakang .................................................................................................. 1

B. Rumusan Masalah ............................................................................................. 13

C. Tujuan Penelitian .............................................................................................. 13

D. Manfaat Penelitian ............................................................................................ 14

BAB II TINJAUAN PUSTAKA ............................................................................ 15-51

A. Landasan Teori ................................................................................................. 15

1. Produk Domestik Regional Bruto (PDRB) ................................................ 15

2. Tenaga Kerja .............................................................................................. 22

3. Pengangguran ............................................................................................. 26

4. Indeks Pembangunan Manusia ................................................................... 31

B. Penelitian Terdahulu ......................................................................................... 40

C. Keterkaitan Antar Variabel ............................................................................... 46

D. Kerangka Pemikiran ......................................................................................... 49

E. Hipotesis Penelitian .......................................................................................... 51

xi

BAB III METODE PENELITIAN ....................................................................... 52-70

A. Ruang Lingkup Penelitian ................................................................................ 52

B. Metode Penentuan Sampel ............................................................................... 52

C. Metode Pengumpulan Data .............................................................................. 52

D. Metode Analisis Data ....................................................................................... 54

1. Metode Data Panel ..................................................................................... 54

2. Estimasi Data Panel ................................................................................... 56

3. Estimasi Parameter .................................................................................... 59

4. Pemilihan Model Estimasi ......................................................................... 62

5. Pengujian Asumsi Klasik ........................................................................... 64

6. Pengujian Statistik ..................................................................................... 66

E. Operasional Variabel Penelitian ...................................................................... 68

BAB IV ANALISIS DAN PEMBAHASAN ......................................................... 71-96

A. Gambaran Objek Penelitian ............................................................................. 71

B. Deskripsi Data Penelitian ................................................................................ 73

C. Pemilihan Model Estimasi ............................................................................... 80

1. Uji Chow .................................................................................................... 80

2. Uji Hausman .............................................................................................. 81

D. Uji Asumsi Klasik ............................................................................................ 82

E. Analisa Teknis ................................................................................................. 85

1. Uji Statistik ................................................................................................ 85

a. Uji Koefisien Determinasi (R2) ........................................................... 85

b. Uji F Statistik ....................................................................................... 86

c. Uji t Statistik ........................................................................................ 87

2. Interpretasi Hasil Analisis Model .............................................................. 89

3. Interpretasi Hasil Individual Effect ............................................................ 91

F. Analisa Ekonomi .............................................................................................. 92

BAB V KESIMPULAN DAN IMPLIKASI ....................................................... 97-115

A. Saran ................................................................................................................. 97

B. Implikasi ........................................................................................................... 97

DAFTAR PUSTAKA ................................................................................................. 99

LAMPIRAN ............................................................................................................... 103

xii

DAFTAR TABEL

Tabel 2.1 Penelitian Terdahulu ..................................................................................... 40

Tabel 3.1 Kriteria Uji Durbin Watson ........................................................................... 65

Tabel 4.1 Laju Pertumbuhan PDRB Menurut Kabupaten/Kota di Provinsi

DKI Jakarta Tahun 2013-2017 ..................................................................... 74

Tabel 4.2 Tenaga Kerja Menurut Kabupaten/Kota di Provinsi DKI Jakarta

Tahun 2011-2015 .......................................................................................... 76

Tabel 4.3 Tingkat Pengangguran Terbuka Menurut Kabupaten/Kota di Provinsi

DKI Jakarta Tahun 2013-2017 ..................................................................... 77

Tabel 4.4 Perkembangan Indeks Pembangunan Manusia Menurut

Kabupaten/Kota Provinsi DKI Jakarta Tahun 2013-2017 ............................ 79

Tabel 4.5 Hasil Uji Chow ............................................................................................... 80

Tabel 4.6 Hasil Uji Hausman ......................................................................................... 81

Tabel 4.7 Hasil Uji Multikolinearitas ............................................................................ 83

Tabel 4.8 Hasil Uji Autokorelasi ................................................................................... 84

Tabel 4.9 Hasil Uji Heteroskedastisitas ........................................................................ 84

Tabel 4.10 Hasil Uji Koefisien Determinasi ................................................................. 85

Tabel 4.11 Hasil Uji F Statistik ..................................................................................... 86

Tabel 4.12 Hasil Uji t Statistik ...................................................................................... 87

Tabel 4.13 Hasil Individual Effect .................................................................................. 91

xiii

DAFTAR GAMBAR

Gambar 1.1 PDRB Provinsi DKI Jakarta Atas Dasar Harga Konstan 2010

Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah) ................. 3

Gambar 1.2 PDRB Provinsi DKI Jakarta Atas Dasar Harga Berlaku

Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah) ................. 4

Gambar 1.3 Jumlah Tenaga Kerja Provinsi DKI Jakarta Tahun 2013-2017 ................ 6

Gambar 1.4 Jumlah Tingkat Pengangguran Terbuka Provinsi DKI Jakarta

Tahun 2013-2017 ...................................................................................... 8

Gambar 1.5 Perkembangan Indeks Pembangunan Manusia Provinsi DKI

Jakarta Tahun 2013-2017 ......................................................................... 11

Gambar 2.1 Kerangka Pemikiran ................................................................................. 50

Gambar 4.1 Peta Provinsi DKI Jakarta ......................................................................... 72

Gambar 4.2 Hasil Uji Normalitas ................................................................................. 82

xiv

DAFTAR LAMPIRAN

Lampiran 1 Data Variabel Penelitian ....................................................................... 104

Lampiran 2 Data Variabel Penelitian setelah Ditransformasi ke Logaritma

Natural .................................................................................................. 106

Lampiran 3 Hasil Uji Chow ..................................................................................... 108

Lampiran 4 Hasil Uji Hausman ............................................................................... 109

Lampiran 5 Hasil Common Effect Model ................................................................. 110

Lampirab 6 Hasil Fixed Effect Model ...................................................................... 111

Lampiran 7 Hasil Random Effect Model .................................................................. 112

Lampiran 8 Hasil Uji Normaitas .............................................................................. 113

Lampiran 9 Hasil Uji Multikolinearitas ................................................................... 113

Lampiran 10 Hasil Uji Autokorelasi ........................................................................ 114

Lampiran 11 Hasil Uji Heteroskedastisitas .............................................................. 114

1

BAB I

PENDAHULUAN

A. Latar Belakang

Pembangunan nasional merupakan usaha peningkatan kualitas manusia

dan masyarakat yang dilakukan secara berkelanjutan berlandaskan kemampuan

nasional. Tujuan utama dalam pembangunan ekonomi adalah tercapainya

masyarakat adil dan sejahtera. Agar tercapainya tujuan ini pemerintah dituntut

dapat menjadikan pertumbuhan ekonomi yang baik sehingga dapat dinikmati oleh

seluruh segenap masyarakat Indonesia. Arah dari pembangunan nasional sendiri

yaitu dengan mengusahakan untuk tercapainya pertumbuhan ekonomi yang cukup

tinggi sehingga pada akhirnya dapat memungkinkan terwujudnya peningkatan

taraf hidup dan kesejahteraan seluruh masyarakat (Todaro, 2011).

Pembangunan ekonomi tak dapat lepas kaitannya dari pertumbuhan

ekonomi. Pembangunan ekonomi akan mendorong pertumbuhan ekonomi dan

sebaliknya, pertumbuhan ekonomi memperlancar proses pembangunan ekonomi.

Pertumbuhan ekonomi mencerminkan kegiatan ekonomi suatu negara atau

daerah. Pertumbuhan ekonomi dapat bernilai positif dan dapat bernilai negatif.

Jika pada suatu periode perekonomian mengalami pertumbuhan positif berarti

kegiatan ekonomi pada periode tersebut mengalami peningkatan, sedangkan jika

pada suatu periode perekonomian mengalami pertumbuhan negatif, berarti

kegiatan ekonomi pada periode tersebut mengalami penurunan (Widodo, 2016).

2

Era otonomi dalam pembangunan nasional Indonesia telah berjalan

dengan cukup baik. Dalam hal pelaksanaan UU Nomor 32 Tahun 2004 tentang

Pemerintahan daerah, masih banyak mengalami hambatan. Hal ini disebabkan

karena setiap daerah memiliki sumber daya dan kemampuan yang berbeda-beda,

sehingga penerapan konsep otonomi ini menimbulkan kesenjangan antar daerah

yang relatif tinggi. Otonomi daerah diharapkan dapat mendorong pembangunan

di daerah lebih cepat dengan adanya otonomi dalam hal pengelolaan sektor-sektor

pembangunan termasuk pengelolaan keuangannya. Namun pada kenyataannya

hal ini juga menimbulkan dampak lain diantaranya maraknya korupsi di daerah.

Menurut Undang-Undang Nomor 32 Tahun 2004 Pasal 1 dinyatakan

bahwa Otonomi daerah adalah hak, wewenang, dan kewajiban daerah otonom

untuk mengatur dan mengurus sendiri urusan pemerintahan dan kepentingan

masyarakat setempat sesuai dengan peraturan perundang-undangan. Hal ini

mengindikasikan bahwa daerah memiliki kewenangan mengurusi berbagai aspek

pembangunan termasuk masalah pembangunan ekonomi dan sosial.

DKI Jakarta sebagai salah satu provinsi yang merupakan Ibukota Negara

Indonesia dengan memiliki tingkat pertumbuhan ekonomi cukup baik saat ini.

Pembangunan di provinsi ini juga mengalami banyak hambatan. Berbagai

hambatan pembangunan ini juga dihadapi dalam pembangunan ekonomi dan

sosial. Namun demikian, pembangunan kedua sektor ini dinilai cukup berhasil hal

ini dapat dilihat dari indikator kinerja pembangunan ekonomi dan sosialnya.

Strategi pembangunan di negara sedang berkembang berorientasi pada kemajuan

ekonominya, terutama diutamakan capaian pertumbuhan ekonomi yang tinggi.

3

Pertumbuhan ekonomi adalah salah satu indikator penting dalam

melakukan analisis tentang pembangunan ekonomi yang terjadi pada suatu

negara. Pertumbuhan ekonomi merupakan gambaran kuantitatif perkembangan

suatu perekonomian dalam suatu tahun tertentu yang dibandingkan dengan tahun

sebelumnya. Dengan itu berarti perkembangan kegiatan dalam perekonomian

menyebabkan barang dan jasa yang diproduksikan dalam masyarakat bertambah

dan kemakmuran masyarakat meningkat maka hal tersebut dapat digunakan untuk

menganalisis kinerja perekonomian suatu negara (Sukirno, 2006).

Menurut Suparmoko (2002), salah satu indikator penting untuk

mengetahui kondisi ekonomi di suatu negara dalam suatu periode tertentu adalah

data Produk Domestik Bruto (PDB), sedangkan pada tingkat daerah/wilayah

adalah data Produk Domestik Regional Bruto (PDRB). Baik atas dasar harga

berlaku maupun atas dasar harga konstan. PDRB pada dasarnya merupakan

jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah

tertentu, atau merupakan jumlah nilai barang dan jasa akhir yang dihasilkan oleh

seluruh aktivitas perekonomian secara menyeluruh. (BPS, 2016).

Gambar 1.1

PDRB Provinsi DKI Jakarta Atas Dasar Harga Konstan 2010

Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah)

1.296.6941.373.389

1.454.3451.539.376

1.635.896

0

200000

400000

600000

800000

1000000

1200000

1400000

1600000

1800000

2013 2014 2015 2016 2017

Sumber: BPS DKI Jakarta 2017

4

Gambar 1.2

PDRB Provinsi DKI Jakarta Atas Dasar Harga Berlaku

Menurut Lapangan Usaha Tahun 2013-2017 (Miliar Rupiah)

Berdasarkan data di atas menunjukan bahwa kenaikan PDRB baik atas

dasar harga konstan maupun atas dasar harga berlaku selama periode tersebut

selalu mengalami kenaikan. Ini menunjukkan bahwa pertumbuhan ekonomi di

Provinsi DKI Jakarta selalu mengalami kenaikan pada setiap tahunnya. Dengan

masing-masing peningkatan tiap tahunnya mencapai 50-100 miliar rupiah.

Sehingga pada pencapaian akhir tahun 2017 atas dasar harga konstan maupun atas

dasar harga berlaku mencapai sebesar 1.635.896 dan 2410.373 miliar rupiah.

PDRB berperan untuk mengukur tingkat pendapatan bruto yang berada

dalam suatu provinsi. PDRB berpengaruh pada perekonomian dengan cara

meredistribusi pendapatan bruto dan kekayaan serta menambah tingkat output.

PDRB yang selalu menurun menyebabkan ketidakpastian bagi pembangunan di

daerah dan kesejahteraan masyarakat. Pembangunan di daerah akan menurun jika

PDRB selalu menurun setiap tahunnya. Bukan hanya itu, kegiatan perekonomian

juga akan menurun dan mengakibatkan pendapatan nasional mengalami

1.546.8761.762.316

1.989.3292.177.119

2.410.373

0

500000

1000000

1500000

2000000

2500000

3000000

2013 2014 2015 2016 2017


5

kemunduran serta pengangguran yang semakin bertambah serta semakin

meningkatnya angka kemiskinan. Tingginya tingkat kemiskinan tersebut akan

berdampak pada naiknya tingkat kriminalitas dalam suatu daerah (Murni, 2009).

Menurut Solow-Swan dalam teori pertumbuhan ekonomi, tergantung pada

ketersediaan fakor-faktor produksi (penduduk, tenaga kerja, dan akumulasi

modal) dan tingkat kemajuan teknologi. Pandangan teori ini didasarkan pada

analisis ekonomi klasik yaitu bahwa perekonomian berada pada tingkat

pengerjaan penuh (full employment) dan tingkat pemanfaatan penuh (full

utilization) dari faktor-faktor produksinya. Dengan kata lain, perekonomian akan

terus berkembang dikarenakan peningkatan jumlah penduduk, tenaga kerja,

akumulasi kapital, dan kemajuan teknologi yang akan mempengaruhi perubahan

pada tingkat output yang dihasilkan. (Arsyad, 2016)

Tenaga kerja juga merupakan suatu faktor yang dapat mempengaruhi

output perekonomian suatu daerah. Angkatan kerja yang besar akan terbentuk dari

jumlah penduduk yang besar. Namun pertumbuhan penduduk dikhawatirkan akan

menimbulkan efek buruk terhadap pertumbuhan ekonomi. Jumlah penduduk yang

besar berarti tenaga kerja yang tersedia juga semakin besar. (Disnaker, 2006).

Dengan ketersediaan tenaga kerja yang melimpah maka ini yang akan

berpengaruh terhadap tingkat output dalam perekonomian. Output perekonomian

yang tinggi dapat dihasilkan dari produksi barang dan jasa yang dilakukan oleh

tenaga kerja. Selain itu jumlah tenaga yang besar juga akan mempengaruhi luas

pasar yang akan menampung barang dan jasa yang dihasilkan. Hal tersebut

selanjutnya akan mendorong pertumbuhan ekonomi.

6

Gambar 1.3

Jumlah Tenaga Kerja Provinsi DKI Jakarta

Tahun 2013-2017

Berdasarkan data di atas menunjukan bahwa tenaga kerja di Provinsi DKI

Jakarta selama kurun waktu 5 tahun mengalami tren fluktuatif. Jumlah tenaga

kerja pada tahun 2013 sampai 2014 terlihat mengalami penurunan, dari jumlah

sebanyak 4.712,836 jiwa turun menjadi 4.634,369 jiwa. Kemudian pada tahun

2015 jumlah tenaga kerja tersebut cenderung naik kembali sebesar 4.724,029

jiwa. Jumlah tenaga kerja yang tertinggi berada pada tahun 2016 sebanyak

4.861,832 jiwa. Sedangkan jumlah tenaga kerja pada tahun 2017 mengalami

penurunan yang cukup signifikan sebanyak 4.509,171 jiwa. Hal ini dikarenakan

jumlah penduduk yang bertambah tidak diimbangi dengan kualitas penduduknya.

Sehingga jumlah tenaga kerja tidak dapat terserap dengan baik ke dalam lapangan

pekerjaan kemudian menyebabkan pertumbuhan ekonomi menjadi lambat.

4.712,836

4.634,369

4.724,029

4.861,832

4.509,171

4300000

4400000

4500000

4600000

4700000

4800000

4900000

2013 2014 2015 2016 2017


7

Menurut Todaro (2000), menyebutkan bahwa pertumbuhan penduduk

yang cepat mendorong timbulnya masalah keterbelakangan dan membuat prospek

pembangunan menjadi semakin jauh. Selanjutnya dikatakan bahwa masalah

kependudukan yang timbul bukan karena banyaknya jumlah anggota keluarga,

melainkan karena mereka terkonsentrasi pada daerah perkotaan saja sebagai

akibat dari cepatnya laju migrasi dari desa ke kota.

Penduduk yang bertambah akan memperbesar jumlah tenaga kerja, dan

penambahan tersebut memungkinkan negara itu menambah produksi. Di samping

itu, sebagai akibat dari pendidikan, latihan, dan pengalaman kerja, keterampilan

penduduk akan selalu bertambah tinggi. Hal ini akan menyebabkan produktivitas

bertambah, dan ini selanjutnya akan menimbulkan pertambahan produksi yang

lebih cepat daripada pertambahan tenaga kerja (Sukirno, 2006).

Penduduk yang bertambah dari waktu ke waktu dapat menjadi pendorong

maupun penghambat kepada perkembangan ekonomi. Semakin meningkatnya

jumlah penduduk akan menyebabkan dampak positif yaitu kenaikan jumlah

angkatan kerja. Namun di sisi lain kenaikan jumlah angkatan kerja ini akan turut

andil dalam peningkatan jumlah pengangguran manakala jumlah angkatan kerja

yang ada tidak sebanding dengan jumlah kesempatan kerja yang tersedia. Itulah

sebabnya jumlah penduduk yang besar bukan menjadi hal untuk dikatakannya

sebuah pembangunan yang berhasil, justru karena itu bisa menjadi suatu beban

bagi pembangunan itu sendiri. (Sukirno, 2013).

8

Selain itu salah satu faktor yang mempengaruhi pertumbuhan ekonomi

adalah pengangguran. Pengangguran merupakan masalah yang sangat sulit

dihindari oleh suatu negara maupun daerah, karena pengangguran ini dapat

menimbulkan masalah sosial seperti tindakan kriminalitas dan masalah ekonomi.

Kondisi ini dapat menyebabkan tingkat kesejahteraan dan daya beli masyarakat

menurun. Semakin rendah angka pengangguran maka akan semakin makmur

kehidupan masyarakat suatu negara, begitu pula sebaliknya. (Sukirno, 2013).

Pengangguran terjadi karena ketidakseimbangan antara jumlah angkatan

kerja dengan jumlah kesempatan kerja yang tersedia. Menurut Keynes

perekonomian selalu menghadapi masalah pengangguran dan penggunaan tenaga

kerja penuh jarang berlaku.

Gambar 1.4

Jumlah Tingkat Pengangguran Terbuka

Provinsi DKI Jakarta Tahun 2013-2017

Berdasarkan data di atas menunjukan bahwa tingkat pengangguran

terbuka di Provinsi DKI Jakarta selama kurun waktu 5 tahun mengalami tren

fluktuatif. Tingkat pengangguran pada tahun 2013 sampai 2014 terlihat

8.63 8.47

7.23

6.12

7.14

0

1

2

3

4

5

6

7

8

9

10

2013 2014 2015 2016 2017


9

mengalami penurunan, dari jumlah sebesar 8,63 persen turun menjadi 8,47 persen.

Kemudian pada tahun 2015 tingkat pengangguran tersebut cenderung menurun

kembali sebesar 7,23 persen dan pada tahun 2016 tingkat pengangguran terbuka

semakin menurun cukup signifikan sebesar 6,12 persen. Hal ini menujukan bahwa

daya serap tenaga kerja di Provinsi DKI Jakarta terpenuhi akan kesempatan kerja

yang tersedia. Namun tingkat pengangguran terbuka pada tahun 2017 mengalami

kenaikan kembali sebesar 7,14 persen. Hal ini dikarenakan tenaga kerja yang

bertambah tidak diimbangi dengan kualitas yang baik dari kesempatan kerja yang

tersedia. Sehingga jumlah tenaga kerja tidak dapat terserap dengan baik ke dalam

lapangan pekerjaan kemudian menyebabkan pengangguran.

Menurut Badan Pusat Statistik (2016), pengangguran terbuka adalah

pengangguran dimana mereka sama sekali tidak memiliki pekerjaan. Padahal

apabila angkatan kerja bekerja satu jam dalam sehari sudah tidak dikategorikan

dalam pengangguran terbuka. Pengangguran terbuka yang tidak memiliki

penghasilan ini akan menambah beban keluarga dan masyarakat. Selain itu

tingginya jumlah pengangguran terbuka akan membawa dampak pada penurunan

produktivitas dan daya beli masyarakat, kemiskinan, kriminalitas, serta masalah

sosial lainnya yang tentu akan mempengaruhi stabilitas ekonomi maupun politik.

Pengangguran yang tinggi menyebabkan masyarakat tidak dapat

memaksimalkan kesejahteraannya. Keberhasilan pembangunan ekonomi suatu

daerah dapat dilihat dari pertumbuhan ekonomi yang tinggi, dengan

meningkatnya pertumbuhan ekonomi diharapkan juga dapat meningkatkan

kesejahteraan masyarakat dan meningkatkan pembangunan manusia dengan

indikator Indeks Pembanguan Manusia (IPM) (Baeti, 2013).

10

IPM merupakan indikator penting untuk mengukur keberhasilan dalam

upaya membangun kualitas hidup manusia (masyarakat/penduduk). IPM

menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam

memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. IPM

diperkenalkan oleh UNDP pada tahun 1990 dan metode penghitungan direvisi

pada tahun 2010. BPS mengadopsi perubahan metodologi penghitungan IPM

yang baru pada tahun 2014 dan melakukan backcasting sejak tahun 2010.

IPM dibentuk oleh tiga dimensi dasar, yaitu umur panjang dan hidup

sehat, pengetahuan, dan standard hidup layak. Umur panjang dan hidup sehat

digambarkan oleh Angka Harapan Hidup saat lahir (AHH) yaitu jumlah tahun

yang diharapkan dapat dicapai oleh bayi yang baru lahir untuk hidup, dengan

asumsi bahwa pola angka kematian menurut umur pada saat kelahiran sama

sepanjang usia bayi. Pengetahuan diukur melalui indikator Rata-rata Lama

Sekolah dan Harapan Lama Sekolah. Rata-rata Lama Sekolah (RLS) adalah rata-

rata lamanya (tahun) penduduk usia 25 tahun ke atas dalam menjalani

pendidikan formal. Harapan Lama Sekolah (HLS) didefinisikan sebagai lamanya

(tahun) sekolah formal yang diharapkan dirasakan oleh anak pada umur tertentu

di masa mendatang. Standar hidup yang layak digambarkan oleh pengeluaran

per kapita disesuaikan, yang ditentukan dari nilai pengeluaran per kapita dan

paritas daya beli. Indikator-indikator tersebut berpengaruh satu sama lain. Selain

itu IPM juga dapat dipengaruhi oleh faktor-faktor lain seperti ketersediaan

lapangan dan kesempatan kerja yang ditentukan oleh pertumbuhan ekonomi,

infrastruktur dan kebijakan pemerintah sehingga IPM akan meningkat apabila

11

ketiga unsur tersebut dapat ditingkatkan dan nilai IPM yang tinggi menandakan

keberhasilan pembangunan ekonomi suatu Negara (UNDP, 1995).

Gambar 1.5

Perkembangan Indeks Pembangunan Manusia

Provinsi DKI Jakarta Tahun 2013-2017

Berdasarkan data diatas menunjukan bahwa, IPM selama kurun waktu 5

tahun mengalami tren peningkatan. Pencapaian IPM tertinggi berada pada tahun

2017 sebesar 80,06 persen. Sedangkan capaian terendah berada pada tahun 2013

sebesar 78,08 persen. Selain itu, dari data tersebut dapat dilihat juga bahwa IPM

Provinsi DKI Jakarta selalu meningkat setiap tahunnya, Dengan masing-masing

peningkatan tiap tahunnya mencapai 0,50-1 persen. Meskipun tidak meningkat

secara signifikan, namun tetap berubah kearah yang positif. Hal ini menunjukkan

peningkatan kualitas manusia yang ada di Jakarta, yang selanjutnya menjadi

barometer bagi kualitas pembangunan manusia di Indonesia.

Pemerintah sebagai pelaksana pembangunan tentunya membutuhkan

modal manusia yang berkualitas sebagai modal dasar pembangunan.

Pembangunan tidak hanya persoalan pertumbuhan melainkan juga pada

78,08

78,39

78,99

79,60

80,06

77

77.5

78

78.5

79

79.5

80

80.5

2013 2014 2015 2016 2017


12

peningkatan kesejahteraan, keamanan, serta kualitas sumber daya baik sumber

daya manusia maupun sumber daya lingkungan hidup. Pembangunan ekonomi

maupun pembangunan pada bidang-bidang lainnya selalu melibatkan sumber

daya manusia sebagai salah satu pelaku pembangunan. Untuk mempertahankan

dan meningkatkan kesejahteraan masyarakat saat ini dan generasi mendatang

dibutuhkan pembangunan yang berkelanjutan. Pembangunan berkelanjutan

sendiri terdiri dari tiga pilar, yaitu pembangunan ekonomi, pembangunan sosial

dan perlindungan lingkungan. Karena pengembangan sumber daya manusia

(SDM) memiliki kapasitas yang besar untuk kemajuan negara (Oluwatobi, 2011).

Berdasarkan uraian di atas, terlihat bahwa tenaga kerja, pengangguran,

serta indeks pembangunan manusia mempunyai pengaruh terhadap Produk

Domestik Regional Bruto (PDRB) di Provinsi DKI Jakarta. Apabila nilai dari

masing-masing variabel meningkat maka peningkatan juga terjadi pada

pertumbuhan ekonomi dalam hal ini adalah PDRB. Apabila terjadi penurunan dari

variabel-variabel tersebut penurunan juga terjadi terhadap PDRB, dari fenomena

tersebut maka perlu adanya suatu penelitian yang diharapkan dapat memberikan

rekomendasi demi kelangsungan pertumbuhan ekonomi di Provinsi DKI Jakarta.

Hal ini yang melatarbelakangi penulis tertarik untuk melakukan penelitian dengan

judul : “Pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan

Manusia Terhadap PDRB di Provinsi DKI Jakarta Tahun 2010-2017”.

13

B. Rumusan Masalah

Dari beberapa faktor penunjang yang nampaknya berpengaruh besar

terhadap PDRB di Provinsi DKI Jakarta tersebut, maka dihasilkan rumusan

masalah sebagai berikut:

1. Bagaimana pengaruh tenaga kerja terhadap PDRB di Provinsi DKI Jakarta

tahun 2010-2017?

2. Bagaimana pengaruh pengangguran terhadap PDRB di Provinsi DKI Jakarta

tahun 2010-2017?

3. Bagaimana pengaruh indeks pembangunan manusia terhadap PDRB di

Provinsi DKI Jakarta tahun 2010-2017?

4. Bagaimana pengaruh tenaga kerja, pengangguran dan indeks pembangunan

manusia secara simultan terhadap PDRB di Provinsi DKI Jakarta tahun

2010-2017?

C. Tujuan Penelitian

Berdasarkan rumusan masalah yang telah dikemukakan di atas, maka

tujuan yang akan dicapai dalam penelitian ini adalah sebagai berikut:

1. Untuk mengetahui pengaruh tenaga kerja terhadap PDRB di Provinsi DKI

Jakarta tahun 2010-2017.

2. Untuk mengetahui pengaruh pengangguran terhadap PDRB di Provinsi DKI


3. Untuk mengetahui pengaruh indeks pembangunan manusia terhadap PDRB

di Provinsi DKI Jakarta tahun 2010-2017.

4. Untuk mengetahui pengaruh tenaga kerja, pengangguran dan indeks

pembangunan manusia secara simultan terhadap PDRB di Provinsi DKI


14

D. Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:

1. Bagi pemerintah, diharapkan dapat menjadi masukan sebagai bahan

pertimbangan dalam menentukan kebijakan untuk meningkatkan

pertumbuhan dan pembangunan ekonomi.

2. Bagi akademisi dan peneliti, diharapkan dapat menjadi literatur atau referensi

dalam menyusun penelitian yang relevan dengan bidang ekonomi.

15

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Produk Domestik Regional Bruto (PDRB)

a. Pengertian Produk Domestik Regional Bruto

Produk Domestik Regional Bruto merupakan jumlah nilai tambah

yang dihasilkan untuk seluruh wilayah usaha dan jasa dalam suatu wilayah.

Dengan menerapkan jumlah seluruh nilai barang dan jasa akhir yang

dihasilkan seluruh unit ekonomi. PDRB sendiri dapat diartikan sebagai

jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha atau jumlah

seluruh nilai barang dan jasa oleh seluruh unit ekonomi di suatu wilayah

selama kurun waktu tertentu dan biasanya satu tahun (BPS, 2017).

PDRB dapat menggambarkan kemampuan suatu daerah mengelola

sumber daya alam yang dimilikinya. Besaran PDRB yang dihasilkan oleh

masing-masing daerah sangat bergantung kepada potensi sumber daya

alam dan faktor produksi daerah tersebut. Dengan itu pertumbuhan

ekonomi menggambarkan perkembangan aktivitas perekonomian suatu

daerah. Semakin tinggi pertumbuhan ekonomi suatu daerah menunjukkan

semakin berkembangnya aktivitas perekonomian. Menurut Aryanto

(2011), yang lebih relevan untuk digunakan adalah nilai PDRB berdasar

harga konstan dari pada PDRB atas dasar harga berlaku.

16

b. Jenis-Jenis Produk Domestik Regional Bruto

Menurut Badan Pusat Statistik (2017), jenis-jenis Produk Domestik

Regional Bruto terbagi menjadi dua yaitu sebagai berikut:

1) PDRB Atas Dasar Harga Berlaku

PDRB atas dasar harga berlaku atau PDRB nominal adalah

PDRB yang di ukur dengan nilai harga pada tahun berjalan atau nilai

uang saat ini. Semua komponen PDRB dinilai pada harga saat ini.

PDRB ini menggambarkan nilai tambah barang dan jasa yang dihitung

menggunakan harga pada setiap tahun. PDRB atas dasar harga berlaku

digunakan untuk melihat pergeseran dan struktur ekonomi.

2) PDRB Atas Dasar Harga Tetap

PDRB dengan harga tetap atau PDRB riil, PDRB yang di ukur

dengan nilai yang didasarkan kepada harga satu tahun

dasar tertentu. Angka-angka PDRB tetap merupakan hasil perkalian

antara jumlah produksi (Q) dan harga (P), apabila harga-harga

mengalami kenaikan dari satu tahun ke tahun yang di sebabkan oleh

inflasi, maka besarnya PDRB akan naik juga, tetapi belum tentu

menunjukkan kenaikan jumlah produksi (PDRB riil).

c. Cara Menghitung Produk Domestik Regional Bruto

Menurut Case and Fair (2010), Terdapat tiga pendekatan yang

biasanya digunakan dalam menghitung angka-angka PDRB yaitu

pendekatan produksi, pendapatan, dan pengeluaran.

17

1) Pendekatan Produksi

Pendekatan ini sering disebut juga pendekatan nilai tambah

dimana nilai tambah bruto dengan cara mengurangkan nilai output

yang dihasilkan oleh seluruh kegiatan ekonomi dengan biaya antara

lain dari masing-masing nilai produksi bruto dari setiap sektor

ekonomi, nilai tambah ini merupakan nilai yang ditambahkan pada

barang dan jasa yang diperoleh oleh unit produksi sebagai input antara

nilai yang ditambahkan sama dengan balas jasa faktor produksi atas

keikutsertaannya dalam proses produksi. Unit-unit produksi dalam

penyajian ini dikelompokkan dalam 17 lapangan usaha yaitu:

a) Pertanian, Kehutanan dan Perikanan

b) Pertambangan dan Penggalian

c) Industri Pengolahan

d) Pengadaan Listrik dan Gas

e) Pengadaan Air, Pengolahan Sampah dan Limbah Daur Ulang

f) Kontruksi

g) Perdagangan Besar dan Eceran, Reparasi Mobil dan Sepeda Motor

h) Transportasi dan Pergudangan

i) Penyediaan Akomodasi dan Makan Minum

j) Informasi dan Komunikasi

k) Jasa Keuangan dan Asuransi

l) Real Estate

m) Jasa Perusahaan

n) Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib

18

o) Jasa Pendidikan

p) Jasa Kesehatan dan Kegiatan Sosial

q) Jasa Lainnya

2) Pendekatan Pendapatan

Pendekatan ini merupakan jumlah balas jasa yang diterima

oleh faktor-faktor produksi yang ikut serta dalam proses produksi di

suatu wilayah dalam jangka waktu tertentu (satu tahun). Balas jasa

faktor produksi yang dimaksud adalah upah dan gaji, sewa tanah,

bunga modal dan keuntungan, semuanya sebelum dipotong pajak

penghasilan dan pajak langsung lainnya. Dalam definisi ini, PDRB

mencakup juga penyusutan dan pajak tidak langsung neto (pajak atas

produksi dan impor dikurangi subsidi). Untuk lebih jelasnya adalah

sebagai berikut:

a) Kompensasi karyawan, meliputi upah, gaji, dan berbagai

tambahan kontribusi perusahaan pada asuransi sosial dan dana

pensiun, misalnya yang dibayar pada rumah tangga oleh

perusahaan dan pemerintah.

b) Pendapatan perusahaan tingkat perseorangan, pendapatan dalam

bisnis yang tidak berbentuk perseroan.

c) Pendapatan sewa, meliputi pendapatan yang diterima oleh

pemilik properti dalam bentuk sewa.

d) Laba perseroan terbatas, meliputi pendapatan bisnis korporasi.

e) Bunga neto, meliputi bunga yang dibayakan oleh bisnis.

19

f) Pajak tak langsung dikurangi subsidi, pajak yang dikurangi

subsidi yang dibayar oleh pemerintah di mana pemerintah tidak

menerima keuntungan balik baik barang atau jasa sebagai

imbalannya.

g) Pembayaran transfer neto, meliputi pembayaran transfer neto

oleh bisnis pada pihak yang lain.

h) Surplus perusahaan pemerintah, meliputi pendapatan yang

berlebih dari suatu anggaran perusahaan pemerintah.

3) Pendekatan Pengeluaran

Pendekatan ini merupakan jumlah seluruh pengeluaran untuk

konsumsi rumah tangga dan lembaga swasta yang tidak mencari

untung, konsumsi pemerintah, pembentukan modal tetap domestik

bruto, dan perubahan stok dan ekspor netto di suatu wilayah.

Penghitungan PDRB melalui pendekatan ini dilakukan dengan bertitik

tolak dari penggunaan akhir barang dan jasa yang dihasilkan di

wilayah domestik dengan komponen yang terdiri dari:

a) Pengeluaran Konsumsi Rumah Tangga mencakup, semua

pengeluaran untuk konsumsi barang dan jasa dikurangi dengan

penjualan neto barang bekas dan sisa yang dilakukan rumah

tangga.

b) Pengeluaran Lembaga Non Profit yang Melayani Rumah Tangga,

mencakup kegiatan dan pengeluaran yang dilakukan oleh

lembaga nirlaba yang konsentrasi konsumennya adalah rumah

tangga, seperti yayasan dan lainnya.

20

c) Pengeluaran Konsumsi Pemerintah, mencakup pengeluaran

untuk belanja pegawai, penyusutan dan belanja barang

pemerintah daerah, tidak termasuk penerimaan dari produksi

barang dan jasa yangdihasilkan.

d) Pembentukan Modal Tetap Domestik Bruto, mencakup

pembuatandan pembelian barang-barang modal baru dari dalam

daerah dan barang modal bekas atau baru dari luar daerah.

Metode yang dipakai adalah pendekatan arus barang.

e) Perubahan Inventori, yakni perubahan stok dihitung dari PDRB

hasil penjumlahan nilai tambah bruto sektoral dikurangi

komponen permintaan akhir lainnya.

f) Ekspor barang dinilai menurut harga free on board (fob).

g) Impor barang dinilai menurut cost insurance freight (cif).

d. Kegunaan Produk Domestik Regional Bruto

Data PDRB adalah salah satu indikator ekonomi makro yang dapat

menunjukkan kondisi perekonomian daerah setiap tahun. Manfaat yang

dapat diperoleh dari data ini antara lain:

1) PDRB atas dasar harga berlaku (nominal) menunjukkan kemampuan

sumber daya ekonomi yang dihasilkan oleh suatu daerah. Nilai PDRB

yang besar menunjukkan kemampuan sumber daya ekonomi yang

besar, begitu juga sebaliknya.

21

2) PDRB atas dasar harga konstan (riil) dapat digunakan untuk

menunjukkan laju pertumbuhan ekonomi secara keseluruhan atau

setiap lapangan usaha dari tahun ke tahun.

3) Distribusi PDRB atas dasar harga berlaku menurut lapangan usaha

menunjukkan struktur perekonomian atau peranan setiap lapangan

usaha dalam suatu daerah. Lapangan usaha yang mempunyai peran

besar menunjukkan basis perekonomian suatu daerah.

4) PDRB per kapita atas dasar harga berlaku menunjukkan nilai PDRB

per kepala atau per satu orang penduduk.

5) PDRB per kapita atas dasar harga konstan berguna untuk mengetahui

pertumbuhan nyata ekonomi per kapita penduduk suatu daerah.

Rahardjo Adisasmita (2011) berpendapat bahwa indikator yang

digunakan untuk mengukur pertumbuhan ekonomi adalah tingkat

pertumbuhan Produk Domestik Regional Bruto (PDRB) yaitu:

1) PDRB dihitung atas dasar konsep arus barang, artinya perhitungan

PDRB hanya mencakup nilai produk yang dihasilkan pada suatu

periode tertentu. Aliran konsep ini memungkinkan kita untuk

membandingkan jumlah output yang dihasilkan pada tahun ini dengan

tahun sebelumnya.

2) Batas wilayah perhitungan PDRB adalah daerah (perekonomian

domestik). Hal ini memungkinkan untuk mengukur sejauh mana

kebijakan-kebijakan ekonomi yang diterapkan pemerintah mampu

mendorong aktivitas perekonomian domestik

22

2. Tenaga Kerja

a. Pengertian Tenaga Kerja

Tenaga kerja adalah penduduk yang sudah atau sedang bekerja, yang

sedang mencari pekerjaan dan yang melakukan kegiatan lain seperti

bersekolah dan mengurus rumah tangga. Pencari kerja, bersekolah, dan

mengurus rumah tangga walaupun tidak bekerja, tetapi mereka secara fisik

mampu dan sewaktu-waktu dapat ikut bekerja (Simanjuntak, 1998).

Tenaga kerja juga merupakan penduduk dalam usia kerja (berusia 15-64

tahun) atau jumlah penduduk dalam suatu negara yang dapat

memproduksi barang dan jasa jika ada permintaan terhadap tenaga kerja

dan mereka mau berpartisipasi dalam aktifitas tersebut (Mulyadi, 2003).

Berdasarkan UU No. 13 tahun 2003 tentang ketenagakerjaan, yang

disebut tenaga kerja adalah setiap orang yang mampu melakukan

pekerjaan guna menghasilkan barang dan jasa baik untuk memenuhi

kebutuhan sendiri maupun untuk masyarakat. Penduduk usia kerja sesuai

dengan yang disarankan oleh International Labor Organization (ILO)

adalah penduduk usia 15 tahun ke atas yang dikelompokkan ke dalam

angkatan kerja dan bukan angkatan kerja.

b. Kelompok Tenaga Kerja

1) Angkatan Kerja

Angkatan kerja adalah penduduk dalam usia kerja yang terlibat atau

berusaha untuk terlibat dalam kegiatan produktif yaitu memproduksi

barang dan jasa. Angkatan kerja terdiri dari golongan bekerja serta

golongan menganggur dan mencari pekerjaan. (Simanjuntak, 1998).

23

Menurut BPS (2008) yang tergolong dalam kelompok angkatan

kerja yaitu mereka yang termasuk usia kerja selama seminggu yang lalu

mempunyai pekerjaan, baik yang bekerja maupun sementara tidak bekerja

dikarenakan suatu alasan tertentu, contohnya pegawai yang sedang

mengambil cuti maupun petani yang menunggu masa panen. Disamping

itu mereka yang tidak mempunyai pekerjaan tetapi sedang mencari

berusaha maupun yang sedang mengharapkan pekerjaan juga yang

tergolong kedalam kelompok angkatan kerja.

2) Bukan Angkatan Kerja

Bukan angkatan kerja adalah penduduk dalam usia kerja yang tidak

bekerja, tidak mempunyai pekerjaan dan sedang tidak mencari pekerjaan.

Bukan angkatan kerja terdiri dari golongan yang bersekolah, golongan

yang mengurus rumah tangga dan golongan lain-lain atau penerima

pendapatan. Ketiga golongan dalam kelompok ini sewaktu-waktu dapat

menawarkan jasanya untuk bekerja. Oleh sebab itu, kelompok ini sering

juga dinamakan sebagai angkatan kerja potensial (potensial labor force).

c. Penyerapan Tenaga Kerja

Haryo (2002) penyerapan tenaga kerja merupakan banyaknya

lapangan kerja yang sudah terisi yang tercermin dari banyaknya jumlah

penduduk bekerja. Penduduk yang bekerja terserap dan tersebar di

berbagai sektor perekonomian. Terserapnya penduduk bekerja disebabkan

oleh adanya permintaan akan tenaga kerja. Indonesia dengan jumlah

penduduk yang besar berarti memiliki sumber daya yang besar pula. Oleh

24

karena itu, sumber daya manusia yang berupa tenaga kerja harus

dimanfaatkan semaksimal mungkin.

Tenaga kerja yang ada harus mampu diserap oleh semua kegiatan

dan sektor ekonomi. Penyerapan tenaga kerja bisa dikaitkan dengan

keseimbangan interaksi antara permintaan tenaga kerja dan penawaran

tenaga kerja, yang di mana permintaan tenaga kerja pasar dan penawaran

tenaga kerja pasar secara bersama untuk menentukan suatu penggunaan

tenaga kerja keseimbangan (Fuad, 2013).

Dalam dunia kerja atau dalam hal penyerapan tenaga kerja setiap

sektornya berbeda-beda untuk penyerapan tenaga kerjanya, misalnya saja

tenaga kerja di sektor formal. Penyeleksian tenaga kerjanya di butuhkan

suatu keahlian khusus, pendidikan, keahlian dan pengalaman untuk bisa

bekerja pada sektor formal. Usaha perluasan lapangan pekerjaan dapat

dilakukan untuk menyerap tenaga kerja dengan dua cara yaitu :

1) Pengembangan industri yaitu jenis industri yang bersifat padat karya

yang dapat menyerap relatif banyak tenaga kerja dalam industri

termasuk industri rumah tangga.

2) Melalui berbagai proyek pekerjaan umum, misalnya pembuatan

jembatan, jalan raya atau bendungan.

d. Permintaan Tenaga Kerja

Permintaan adalah suatu hubungan antar harga dan kuantitas.

Sehubungan dengan tenaga kerja, permintaan tenaga kerja adalah

hubungan antar tingkat upah (harga tenaga kerja) dan kuantitas tenaga

kerja yang dikehendaki untuk dipekerjakan dalam jangka waktu tertentu.

25

Permintaan perusahaan terhadap tenaga kerja berbeda dengan

permintaan konsumen terhadap barang dan jasa. Orang membeli barang

karena barang itu memberikan nikmat (utility) kepada si pembeli.

Sementara pengusaha mempekerjakan seseorang karena membantu

memproduksikan barang atau jasa untuk dijual kepada konsumen. Oleh

karena itu, kenaikan permintaan perusahaan terhadap tenaga kerja

tergantung dari kenaikan permintaan masyarakat akan barang yang

diproduksinya. Permintaan akan tenaga kerja yang seperti itu disebut

derived demand (Simanjuntak, 1998).

Permintaan tenaga kerja berkaitan dengan jumlah tenaga kerja yang

dibutuhkan oleh perusahan atau instansi tertentu, dimana keuntungan

usaha yang didapat akan memberikan hasil yang maksimum. Secara

umum permintaan tenaga kerja dipengaruhi oleh:

1) Perubahan tingkat upah akan mempengaruhi tinggi rendahnya biaya

produksi perusahaan, selanjutnya akan meningkatkan pula harga per

unit produksi.

2) Perubahan permintaan akan hasil produksi perusahaan meningkat,

perusahaan cenderung untuk menambah kapasitas produksinya. Untuk

itu perusahaan akan menambah penggunaan tenaga kerjanya.

3) Harga barang modal turun, maka biaya produksi turun dan tentunya

mengakibatkan harga jual barang per unit ikut turun. Pada keadaan ini

perusahaan akan cenderung meningkatkan produksi karena permintaan

hasil produksi bertambah besar, akibatnya permintaan tenaga kerja

meningkat pula.

26

3. Pengangguran

a. Pengertian Pengangguran

Menurut Badan Pusat Statistik (2017), Pengangguran adalah istilah

untuk orang yang tidak bekerja sama sekali, sedang mencari kerja, bekerja

kurang dari dua hari selama seminggu, atau seseorang yang sedang

berusaha mendapatkan pekerjaan. Menurut Sadono Sukirno (2013),

Pengangguran adalah keadaan tanpa pekerjaan yang dihadapi oleh

segolongan tenaga kerja, yang telah berusaha mencari pekerjaan, tetapi

tidak memperolehnya.

b. Jenis-jenis Pengangguran

1) Berdasarkan Penyebabnya

a) Penganguran friksional adalah pengangguran yang lebih banyak

disebabkan karena sedang proses mencari pekerjaan. Ketika itu

pengusaha banyak menawarkan gaji yang tinggi pada pekerja

sehingga akhirnya kebanyakan dari pekerja memilih

mendapatkan gaji tinggi tersebut dan meninggalkan pekerjaan

yang lama untuk mendapatkan pekerjaan baru tersebut.

b) Pengangguran siklikal adalah pengangguran yang terjadi akibat

naik turunnya siklus ekonomi yaitu ada saat permintaan agregrat

tinggi dan ada saat permintaan agregrat turun. Pada saat

penurunan permintaan maka akan menyebabkan perusahaan

dapat mengurangi permintaan akan tenaga kerja. Sehingga

sebagian dari mereka akan terkena PHK. Mereka inilah yang

disebut dengan pengangguran siklikal.

27

c) Pengangguran struktural adalah pengangguran yang disebabkan

adanya perubahan struktur kegiatan ekonomi.

d) Pengangguran teknologi adalah pengangguran yang disebabkan

oleh kemajuan teknologi dan mesin sehingga manusia tidak lagi

dibutuhkan dalam proses produksi.

2) Berdasarkan Cirinya

a) Pengangguran terbuka adalah pengangguran akibat jumlah

kesempatan kerja yang tersedia tidak sebanding dengan banyaknya

tenaga kerja.

b) Pengangguran tersembunyi adalah pengangguran yang disebabkan

kelebihan tenaga kerja yang digunakan dalam kegiatan ekonomi.

c) Pengangguran bermusim adalah pengangguran yang disebabkan

adanya perubahan musim. Contohnya yaitu pada musim hujan

penyadap karet tidak dapat melakukan pekerjaannya sehingga mereka

terpaksa menganggur.

d) Setengah Menganggur adalah pekerja yang hanya bekerja satu hingga

dua hari seminggu atau satu hingga empat jam sehari. (Sukirno, 2013).

c. Faktor-faktor yang Mempengaruhi Pengangguran

Faktor-faktor yang mempengaruhi pengangguran sangat beragam.

Berikut ini adalah beberapa faktor yang dapat mempengaruhi jumlah

pengangguran antara lain sebagai berikut:

1. Pendidikan

Tinggi rendahnya pendidikan sangat mempengaruhi seseorang untuk

mendapatkan pekerjaan. Mereka yang berpendidikan rendah akan

28

kesulitan dalam mendapatkan pekerjaan. Hal ini disebabkan perusahaan

memberikan standar kepada calon pegawainya dengan pendidikan

tertentu.

2. Pertumbuhan ekonomi

Pertumbuhan ekonomi memberikan peluang kesempatan kerja baru

ataupun memberikan kesempatan industri untuk meningkatkan output

yang berdampak pada peningkatan penggunaan faktor produksi salah

satunya yaitu tenaga kerja, sehingga mengurangi jumlah pengangguran.

3. Kurangnya Keterampilan

Masalah yang dihadapi setelah lulus dari sekolah SMA atau

pergurunan tinggi adalah masalah mencari pekerjaan. Kurangnya

keterampilan akan sangat berpengaruh pada kesempatan untuk

mendapatkan pekerjaan. Karena jika seseorang tidak memiliki

keterampilan maka akan sulit untuk mendapatkan pekerjaan sehingga akan

berdampak pada semakin banyaknya jumlah pengangguran.

4. Kurangnya Lapangan Pekerjaan

Setiap tahunnya, Indonesia mempunyai jumlah lulusan yang sangat

besar. Jumlah lulusan ini dengan jumlah lapangan pekerjaan yang tersedia

tidak seimbang sehingga akan dapat menambah jumlah pengangguran.

5. Kurangnya informasi

Kurangnya informasi menjadi salah satu faktor yang mempengaruhi

pengangguran. Hal ini diakibatkan keadaan atau lingkungan tempat tinggal

yang tidak memungkinkan untuk terus mengupdate informasi tentang

lowongan pekerjaan.

29

6. Inflasi

Inflasi merupakan variabel makro ekonomi dimana pemerintah harus

selalu menjaga tingkat kestabilannya. Inflasi merupakan cerminan dari

stabilitas tingkat harga yang kemudian mempengaruhi realisasi pencapaian

tujuan pertumbuhan ekonomi suatu negara. Tingginya tingkat suatu inflasi

akan mengakibatkan nilai produksi mengalami penurunan dan sebaliknya.

Jika tingkat inflasi tinggi, perusahaan akan mengurangi jumlah produksi.

Penurunan jumlah produksi ini akan membuat perusahaan mengurangi

jumlah permintaan terhadap tenaga kerja.

7. Investasi

Setiap negara selalu berkeinginan untuk dapat menciptakan iklim

investasi terutama investasi swasta yang dapat membantu membuka

lapangan kerja. Oleh sebab itu jika investasi merosot maka akan

berdampak pada pengangguran.

8. Upah Minimum

Pemerintah membuat suatu kebijakan yang dapat meningkatkan taraf

hidup pekerja dengan tingkat upah yang layak. Salah satu upaya yang

dilakukan oleh pemerintah adalah dengan menetapkan kebijakan tingkat

upah minimum. Disisi lain dampak penetapan upah minimum yang

ditetapkan di atas tingkat upah rata-rata yang diperoleh pekerja akan

menyebabkan pengusaha mengurangi penggunaan tenaga kerja sehingga

penyerapan tenaga kerja akan berkurang.

30

9. Jumlah penduduk

Jumlah penduduk yang semakin bertambah menyebabkan jumlah

angkatan kerja meningkat. Peningkatan jumlah angkatan kerja tanpa

diiringi dengan pertambahan jumlah kesempatan kerja maka akan

mengakibatkan pengangguran.

d. Tingkat Pengangguran Terbuka

Menurut BPS, tingkat pengangguran terbuka merupakan persentase

jumlah pengangguran terhadap jumlah angkatan kerja. Sehingga dalam

perhitungannya yaitu:

TPT =jumlah Penduduk Menganggur

Jumlah Angkatan Kerja 𝑥 100%

TPT yang tinggi menunjukkan bahwa terdapat banyak angkatan kerja

yang tidak terserap pada pasar kerja. Misal: TPT 6%, artinya dari 100

penduduk usia 15 tahun keatas yang tersedia untuk memproduksi barang dan

jasa (angkatan kerja) sebanyak 6 orang merupakan pengangguran.

e. Efek Buruk Pengangguran

Bagi individu pengangguran menyebabkan masalah ekonomi yang

berdampak pada masalah sosial. Mereka yang menganggur tidak memiliki

pendapatan. Ketiadaan pendapatan ini menyebabkan para penganggur harus

mengurangi konsumsinya. Hal ini akan mengakibatkan taraf kesehatan

mereka menjadi turun. Apabila keadaan pengangguran di suatu negara buruk

maka kekacauan politik dan sosial selalu berlaku sehingga akan menimbulkan

efek buruk pada kesejahteraan masyarakat dan prospek pembangunan

ekonomi dalam jangka panjang (Sukirno, 2013).

31

4. Indeks Pembangunan Manusia

a. Pengertian Indeks Pembangunan Manusia

Indeks pembangunan manusia dikembangkan pertama kali oleh lembaga

Perserikatan Bangsa-Bangsa (PBB) untuk program pembangunan yaitu United

Nation Development Program. Indeks pembangunan manusia merupakan

konsep yang mendasari pembangunan untuk mencapai kesejahteraan manusia

sebagai tujuan akhir pembangunan. Upaya untuk mensejahterakan masyarakat

di dalam pembangunan manusia mencakup tiga komponen dasar yaitu peluang

hidup (kesehatan), pengetahuan (pendidikan) dan hidup layak (pendapatan).

Proses pembangunan sumber daya manusia adalah suatu proses yang berjangka

panjang yang membutuhkan interaksi dari semua sektor yang akan terjadi

dengan bertahap (UNDP, 2008).

Dalam mengukur kualitas pembangunan manusia yaitu berdasarkan

kondisi fisik manusia (kesehatan dan kesejahteraan) maupun berdasarkan

kondisi non fisik (Intelektualitas). Pembangunan dari kondisi fisik didasarkan

dari angka harapan hidup dan kemampuan daya beli, sedangkan pembangunan

dari kondisi non-fisik dilihat dari kualitas pendidikan manusia (Susanti, 2013).

Menurut Badan Pusat Statistik (2017), Indeks pembangunan manusia

adalah suatu ukuran yang digunakan dalam mengetahui kualitas hidup

pembangunan manusianya. Adapun indikator dalam indeks pembangunan

manusia yaitu capaian umur panjang di bidang kesehatan, kemudian capaian

bidang pendidikan yang dilihat melalui angka melek huruf, rata-rata sekolah

dan rata-rata lamanya bersekolah serta kemampuan daya beli masyarakat yang

dilihat dari pengeluaran perkapita.

32

b. Tujuan Indeks Pembangunan Manusia

Menurut UNDP (1995), tercapainya tujuan pembangunan manusia, ada

empat hal penting yang harus diperhatikan adalah produktivitas, pemerataan,

kesinambungan dan pemberdayaan. Empat hal pokok tersebut memuat pijakan-

pijakan yang dijelaskan secara singkat sebagai berikut:

1) Produktivitas

Kemampuan masyarakat dalam meningkatkan produktifitas dan

berperan penuh dalam proses penciptaan pendapatan dan memenuhi

kebutuhan hidup. Sehingga pembangunan ekonomi juga dapat

digolongkan dalam bagian pembangunan manusia.

2) Pemerataan

Dalam hal mendapatkan kesempatan dan akses terhadap semua

sumber daya ekonomi dan sosial, penduduk memiliki kesempatan yang

sama dalam hal tersebut. Oleh karena itu kegiatan yang dapat

meminimalisir kesempatan untuk mendapatkan akses tersebut harus

diperhatikan, sehingga mereka dapat memperoleh manfaat dan

kesempatan yang ada dan ikut berperan dalam kegiatan produktif yang

dapat meningkatkan kualitas hidup.

3) Kesinambungan

Akses terhadap sumber daya ekonomi dan sosial harus dipastikan

tidak hanya untuk generasi sekarang tapi juga disiapkan untuk generasi

yang akan datang. Segala bentuk sumber daya baik fisik, manusia maupun

lingkungan harus senantiasa diperbarui.

33

4) Pemberdayaan

Pemberdayaan dalam hal keputusan dan proses yang akan

menentukan arah kehidupan mereka, penduduk harus turut berpartisipasi

dan berperan penuh. Begitu pula dalam hal mengambil manfaat dari proses

pembangunan penduduk juga harus dilibatkan.

c. Komponen Indeks Pembangunan Manusia

Menurut UNDP (1995), indeks pembangunan manusia digunakan

sebagai tolak ukur pembangunan sumber daya manusia yang yang dirumuskan

secara konstan, dianggap tidak akan pernah memberikan gambaran

pembangunan secara menyeluruh. Adapun indikator yang digunakan untuk

mengukur ukuran indeks pembangunan manusia adalah sebagai berikut:

1) Indeks Harapan Hidup (longevity)

Indeks harapan hidup atau dsebut juga lamanya hidup diartikan

bahwa bertahan lebih lama dapat diukur dengan indeks harapan hidup saat

lahir dan angka kematian bayi per seribu penduduk. Dengan menyertakan

informasi tentang angka kelahiran dan kematian per tahunnya, dimana

variabel tersebut diharapkan mampu mempresentasikan rata-rata lama

hidup beserta hidup sehat masyarakat. Dikarenakan sulitnya untuk

mendapatkan informasi orang yang meninggal pada periode waktu

tertentu, maka digunakan metode tidak langsung. Untuk perhitungan

secara tidak langsung dilakukan berdasarkan dua data dasar yaitu rata-rata

jumlah lahir hidup dan rata-rata anak yang masih hidup dari wanita yang

pernah kawin untuk mendapatkan indeks harapan hidup dengan

34

menetapkan standar angka harapan hidup berdasarkan nilai maksimum

dan minimumnya.

2) Indeks Pendidikan

Untuk menghitung Indeks Pendidikan dalam perhitungan IPM,

mencakup dua parameter yaitu angka melek huruf (LIT) dan rata-rata lama

sekolah (MYS). Populasi yang digunakan adalah penduduk berusia 15

tahun ke atas yang bisa membaca dan menulis dalam huruf latin atau huruf

lainnya. Perlunya batasan tersebut agar angkanya dapat mencerminkan

kondisi sebenarnya mengingat penduduk yang berumur dibawah 15 tahun

masih dalam proses sekolah akan sekolah sehingga belum pantas untuk

rata-rata lama sekolahnya. Kedua parameter tersebut disertakan agar

mampu menggambarkan tingkat pengetahuan, Dimana LIT merupakan

rasio penduduk yang memiliki kemampuan baca tulis dalam suatu

kelompok penduduk secara keseluruhan. Sedangkan angka MYS

merupakan cerminan terhadap keterampilan yang dimiliki penduduk.

3) Indeks Hidup Layak

Untuk mengukur dimensi standar hidup layak (daya beli), UNDP

mengunakan indikator yang dikenal dengan real per kapita. Untuk

perhitungan IPM sub nasional (provinsi atau kabupaten/kota) tidak

memakai PDRB per kapita karena PDRB per kapita hanya mengukur

produksi suatu wilayah dan tidak mencerminkan daya beli riil masyarakat

yang merupakan konsentrasi IPM. Untuk mengukur daya beli penduduk

antar provinsi di Indonesia, BPS menggunakan data rata-rata konsumsi 27

komoditi terpilih dari Survei Sosial Ekonomi Nasional (Susenas) yang

35

dianggap paling dominan dikonsumsi oleh masyarakat Indonesia dan telah

distandarkan agar bisa dibandingkan antar daerah dan antar waktu yang

disesuaikan dengan indeks PPP (Purchasing Power Parity).

d. Karakteristik Indeks Pembangunan Manusia dalam Perspektif Islam

Dalam Arab Human Development Report (2002), pembangunan sumber

daya manusia digunakan untuk mengembangkan masyarakat agar dapat

membangun kemampuannya sendiri. Pembangunan manusia menegaskan

bahwa manusia harus turut serta berpartisipasi dalam merangsang proses-

proses yang dapat meningkatkan kualitas dari sumber daya manusia itu sendiri.

Dasar pembuatan indeks pembangunan manusia ini adalah karena melihat

betapa pentingnya memperhatikan kualitas dari sumber daya manusia. Dengan

itu negara-negara Muslim di dunia harus terus lebih meningkatkan kualitas

sumber daya manusia yang menjunjung tinggi nilai ketuhanan untuk

berperilaku sesuai tuntunan pedoman Al-Qur’an dan Sunnah.

Pembangunan manusia dan kesejahteraan manusia memiliki tempat

penting dalam konsep pembangunan Islam. Mayoritas ulama Islam sampai

pada kesimpulan bahwa tujuan dari Maqasid Syariah yaitu untuk

mempromosikan kesejahteraan seluruh umat manusia, yang terletak dalam

menjaga iman, diri mereka, kecerdasan mereka, keturunan mereka dan

kekayaan mereka. Sehingga, pembangunan manusia dalam perspektif Islam

harus didasarkan pada Maqasid Syariah untuk kesmalahatan umat.

36

Maqasid Syariah adalah hal- hal dasar yang harus dipenuhi manusia demi

mencapai falah, yaitu kebutuhan di dunia dan di akhirat. Tanpa memenuhi

seluruh hal tersebut, maka manusia tidak akan mendapatkan kebahagiaan yang

sempurna. Menurut Imam Asy-Syatibi kebutuhan dasar tersebut mencakup

lima pokok kemaslahatan dengan peringkatnya masing- masing. Kelima pokok

tersebut dijelaskan sesuai dengan urutannya yaitu agama, jiwa, akal, keturunan

dan harta. Jika salah satu dari kebutuhan dasar manusia tersebut tidak terpenuhi

atau terpenuhi dengan tidak seimbang niscaya kebahagiaan hidup juga tidak

tercapai dengan sempurna. Kemudian digolongan lagi menjadi tiga kelompok

kebutuhan, yaitu dharuriyyah, hajiyah, dan tashiniyyah yang akan dijelaskan

berdasarkan tingkat kepentingan atau kebutuhannya (Djamil,2004).

Menurut (Rafsanjani, 2014), pada tulisannya menguraikan empat filosofis

dasar-dasar pendekatan Islam dalam pembangunan, yaitu: Tauhid,

Rububbiyyah, Khilafah, dan Tazkiyah, serta fitur penting dari konsep

pembangunan Islam, sebagai berikut:

1. Pembangunan ekonomi dalam Islam bersifat komprehensif dan

mengandung unsur spiritual, moral dan material. Pembangunan merupakan

aktivitas yang berorientasi pada tujuan dan nilai. Aspek material, moral,

ekonomi, sosial spiritual dan fiskal tidak dapat dipisahkan. Kebahagiaan

yang ingin di capai tidak hanya kebahagiaan dan kesejahteraan material di

dunia, tapi juga di akhirat.

2. Fokus utama pembangunan adalah manusia dengan lingkungan kulturnya.

Ini berbeda dengan konsep pembangunan ekonomi modern yang

menegaskan bahwa wilayah operasi pembangunan adalah lingkungan fisik

37

saja. Dengan demikian Islam memperluas wilayah jangkauan obyek

pembangunan dari lingkungan fisik kepada manusia.

3. Pembangunan ekonomi adalah aktivitas multidimensional sehingga semua

usaha harus diserahkan pada keseimbangan berbagai faktor dan tidak

menimbulkan ketimpangan.

4. Pembangunan ekonomi melibatkan sejumlah perubahan, baik secara

kuantitatif maupun kualitatif, danseimbang antara satu sama lain.

Adapun terkait dalil tentang indeks pembangunan manusia dalam prespektif

Islam adalah sebagai berikut:

كروا وٱذأ ل ٱلل ض وٱبأتغوا من فضأ رأ لوة فٱنتشروا فى ٱلأ فإذا قضيت ٱلص

كثيرا لعلكمأ تفأل حون ٱلل

Artinya:

“Apabila telah ditunaikan shalat, maka bertebaranlah kamu di muka bumi;

dan carilah karunia Allah dan ingatlah Allah banyak-banyak supaya kamu

beruntung.” (Q.S. Al-Jumu’ah: 10)

Penekanan utama dalam pembangunan menurut Islam, terletak pada

pemanfaatan sumber daya yang telah diberikan Allah kepada ummat manusia

dan lingkungannya semaksimal mungkin dan pemanfaatan sumber daya

tersebut melalui pembagian, peningkatannya secara syukur dan adil dan

mengutuk sikap kufur dan zalim.

38

Menurut (Ahmad, 2006), berikut indeks pembangunan dengan indikator

perspektif Islam sebagai berikut:

1. Indeks Keyakinan berupa wujud dari semangat beragama yang dilihat dari

jumlah masjid, puasa, zakat, haji, dana amal, tingkat kriminalitas, tingkat

korupsi, dan tingkat kekerasan.

2. Indeks Kehidupan berupa wujud dari menjaga jiwa dengan melihat rata-

rata usia harapan hidup pengguna narkoba dan perokok.

3. Indeks Pengetahuan atau yang lebih dikenal dengan upaya menjaga akal

berupa tingkat pendidikan, jumlah lembaga pendidikan, angka harapan

lama sekolah, rata-rata lama sekolah, dan jumlah hak untuk sekolah.

4. Indeks Sosial Kekeluargaan sebagai upaya menjaga keturunan jumlah

keluarga, tingkat kelahiran, tingkat kematian, dan tingkat perceraian.

5. Indeks Kekayaan dengan melihat GDP per kapita, pertumbuhan ekonomi,

GDP per pertumbuhan penduduk, rasio gini, dan tingkat kemiskinan.

6. Selain dari yang lima tersebut ia juga menambahkan indeks tambahan

berupa kebebasan berpolitik dan kebebasan ekonomi

Keadilan dan kemaslahatan yang ditampilkan secara nyata dalam rupa

indeks pembangunan manusia menjadi barometer seberapa kuat kualitas

syari’ah dalam suatu agenda pembangunan ekonomi manusia. Laporan

Tahunan (UNDP, 2008) menyebutkan bahwa IPM negara-negara yang

berpenduduk Muslim masih rendah. Rendah dalam tingkat literasi, tingkat

pendidikan, partisipasi politik dan ekonomi maupun standar hidup yang layak.

Namun disisi lain ada juga negara-negara muslim yang kualitas pembangunan

manusianya sangat tinggi seperti Dubai, Turki, Brunei Darussalam dan Saudi

39

Arabia. Negara-negara tersebut sangat menjunjung kebutuhan dasar Maqasid

Syariah dengan kelima pokok dasar kebutuhan sesuai dengan urutannya yaitu

agama, jiwa, akal, keturunan dan harta. Untuk itu pencapaian barometer pada

indeks pembangunan manusia dalam prespektif Islam sangat tinggi.

e. Skala Indeks Pembangunan Manusia

Pembangunan manusia menegaskan bahwa manusia harus turut serta

berpartisipasi dalam merangsang proses-proses yang dapat meningkatkan

kualitas dari sumber daya manusia itu sendiri. Dasar pembuatan indeks

pembangunan manusia ini adalah karena melihat betapa pentingnya

memperhatikan kualitas dari sumber daya manusia. Konsep pembangunan

manusia yang dikembangkan oleh Perserikatan Bangsa-Bangsa (PBB),

menetapkan peringkat kinerja manusia pada skala 0.0-100.0 dengan kategori

sebagai berikut:

1) Tinggi : IPM lebih dari 80.0

2) Menengah atas : IPM antara 66.0-79.9

3) Menengah bawah : IPM antara 50.0-65.9

4) Rendah : IPM kurang dari 50.0

Nilai IPM suatu Negara maupun daerah menunjukkan sejauh mana suatu

Negara atau daerah mampu mencapai sasaran yang ditentukan yaitu berupa

angka harapan hidup 85 tahun. Pendidikan dasar bagi seluruh lapisan

masyarakat tanpa kecuali, serta tingkat konsumsi dan pengeluaran yang telah

mencapai standar hidup yang layak. Semakin dekat nilai IPM suatu wilayah

terhadap angka 100, semakin dekat jalan yang capaian yang harus dicapai

untuk mencapai sasaran tersebut.

40

B. Penelitian Terdahulu

Sebelum penulis melakukan penelitian ini, berbagai penelitian telah banyak

dilakukan yang berkaitan dengan peran tenaga kerja, tingkat pengangguran

maupun indeks pembangunan manusia terhadap PDRB. Pada bagian ini

ditampilkan beberapa penelitian terdahulu yang berkaitan dengan penelitian ini,

diantaranya sebagai berikut:

Tabel 2.1

Penelitian Terdahulu

No Peneliti dan

Tempat Penelitian Metode Variabel Hasil Penelitian

1. Avanda Fahri

Atahrim (2013)

di Jawa Tengah

Regresi

Data Panel

Dependen:

PDRB

Independen:

-Tenaga Kerja

-Pengeluaran

Pemerintah

Variabel tenaga kerja memiliki

pengaruh positif dan signifikan

terhadap PDRB

Variabel pengeluaran pemerintah

memiliki pengaruh positif dan

signifikan terhadap PDRB

2. Denty Octavia

Ningrum (2015) di

Daerah Istimewa

Yogyakarta

Regresi

Data Panel

Dependen:

PDRB

Independen:

-Tenaga Kerja

-Investasi

-Pendidikan

Variable tenaga kerja memiliki

pengaruh positif namun tidak


Variabel investasi dan pendidikan



3. Fitrah Afrizal

(2013) di Sulawesi

Selatan

Regresi

Linier

Berganda

Dependen:

PDRB

Independen:

-Tenaga Kerja

-Investasi

-Pengeluaran

Pemerintah

Variabel tenaga kerja dan

pengeluaran pemerintah memiliki

pengaruh negatif dan signifikan

terhadap PDRB

Variabel Investasi memiliki


terhadap PDRB

4. Christiawan Eka

Arianto, Sonny

Sumarsono dan M.

Adenan (2015) di

Kabupaten Jember

Regresi

Linier

Berganda

Dependen:

PDRB

Independen:

-Pengangguran

-Jumlah

Penduduk

Variable pengangguran memiliki

pengaruh positif namun tidak


Variabel jumlah penduduk



41

5. Moh. Arif

Novriansyah (2018)

di Gorontalo

Regresi

Linier

Berganda

Dependen:

PDRB

Independen:

-Pengangguran

-Kemiskinan

Variable pengangguran memiliki


terhadap PDRB

Variabel kemiskinan memiliki


terhadap PDRB

6. Lilik Joko Saputro

(2017) di Klaten

Ordinary

Least

Square

Dependen:

PDRB

Independen:

-Tenaga Kerja

-Belanja Total

-Ekspor

Variabel tenaga kerja dan belanja

total memiliki pengaruh positif

dan signifikan terhadap PDRB

Variabel ekspor memiliki


terhadap PDRB

7. Rusmarinda

Rakhmawati (2016)

di Jawa Tengah

Ordinary

Least

Square

Dependen:

PDRB

Independen:

-IPM

-Tenaga kerja

-Pendidikan

Variable IPM memiliki pengaruh

positif namun tidak signifikan

terhadap PDRB

Variabel tenaga kerja memiliki


terhadap PDRB

Variabel pendidikan memiliki


terhadap PDRB

8. Nurul Izzah (2015)

di Riau

Ordinary

Least

Square

Dependen:

PDRB

Independen:

-IPM

-Inflasi


positif dan signifikan terhadap

PDRB

Variabel inflasi memiliki

pengaruh negatif namun tidak


9. Bella Anindita

Apsari (2017) di

Jawa Timur

Regresi

Data Panel

Dependen:

PDRB

Independen:

-IPM

-Pengangguran

-Ketimpangan

Pendapatan


positif dan signifikan terhadap

PDRB

Variable pengangguran dan

ketimpangan pendapatan memiliki


terhadap PDRB

10. Asya Yandi Dea

Kristina (2017) di

Jawa Timur

Regresi

Data Panel

Dependen:

PDRB

Independen:

-IPM

-Tenaga kerja

-PAD


negatif dan signifikan terhadap

PDRB

Variable tenaga kerja dan PAD



Sumber: Jurnal-jurnal Ilmiah, (diolah)

42

1. Avanda Fahri Atahrim (2013) melakukan penelitian dengan judul “Analisis

Pengaruh Tenaga Kerja dan Pengeluaran Pemerintah terhadap Pertumbuhan

Ekonomi Sektor Industri Kabupaten/Kota di Provinsi Jawa Tengah”. Data yang

digunakan adalah data PDRB sektor industri dan jumlah tenaga kerja sektor

industri. Data ini terdiri atas data time series 2001-2011 dan data cross section 35

kabupaten/kota di Provinsi Jawa Tengah. Metode penelitian yang digunakan adalah

data panel dengan pendekatan Random Effect Model. Hasil penelitian ini

menunjukkan bahwa tenaga kerja berpengaruh postif dan signifikan terhadap

pertumbuhan ekonomi daerah di Jawa Tengah.

2. Denty Oktavianingrum (2015) melakukan penelitian tentang pengaruh investasi,

tenaga kerja, dan tingkat pendidikan terhadap pertumbuhan ekonomi di 5

kabupaten/kota di Provinsi DIY. Variabel pertumbuhan ekonomi dalam penelitian

ini menggunakan data PDRB. Penelitian ini berupa data sekunder dari 5

kabupaten/kota di Provinsi DIY tahun 2007-2013. Model analisis yang digunakan

adalah data panel dengan model Fixed Effect. Hasil penelitian ini menunjukkan

bahwa tenaga kerja berpengaruh positif dan signifikan terhadap pertumbuhan

ekonomi di Provinsi Daerah Istimewa Yogyakarta.

3. Fitrah Afrizal (2013) melakukan penelitian tentang pengaruh tingkat investasi,

belanja pemerintah, dan tenaga kerja terhadap PDRB di Provinsi Sulawesi Selatan.

Persamaan dari penelitian ini berfokus untuk melihat seberapa besar dampak dari

tenaga kerja terhadap PDRB. Metode penelitian ini menggunakan analisis regresi

linier berganda dengan menggunakan data sekunder dalam rentang waktu 11 tahun

mulai dari 2001-2011. Hasil penelitian ini menunjukkan bahwa tenaga kerja

berpengaruh negatif dan signifikan terhadap PDRB di Provinsi Sulawesi Selatan.

43

4. Christiawan Eka Arianto, Sonny Sumarsono, dan M. Adenan (2015) melakukan

penelitian terkait pengaruh pengangguran dan jumlah penduduk terhadap PDRB di

Kabupaten Jember. Dalam hal memperoleh pendekatan permasalahan digunakan

data tahunan yang berupa deret berkala (time series) selama periode tahun 2000-

2012. Penelitian ini menggunakan data sekunder dengan analisis data regresi linier

berganda. Hasil penelitian ini menunjukkan bahwa pengangguran memiliki

pengaruh yang positif dan tidak signifikan terhadap PDRB di Kabupaten Jember.

5. Moh. Arif Novriansyah (2018) melakukan penelitian yang bertujuan untuk melihat

pengaruh pengangguran dan kemiskinan terhadap PDRB di Provinsi Gorontalo.

Penelitian ini menggunakan data sekunder berupa data tahunan. Metode yang

digunakan adalah analisis regresi linier berganda selama periode tahun 2006-2014.

Hasil penelitian ini menunjukkan bahwa pengangguran memiliki pengaruh negatif

dan signifikan terhadap PDRB di Provinsi Gorontalo.

6. Lilik Joko Saputro (2017) melakukan penelitian dengan judul “Analisis Pengaruh

Belanja Total, Tenaga Kerja, Ekspor Terhadap PDRB Di Kabupaten Klaten Tahun

1996-2015”. Penelitian ini bertujuan untuk menghitung arah dan besarnya pengaruh

belanja total, tenaga kerja, ekspor terhadap PDRB Di kabupaten Klaten. Jenis data

yang digunakan dalam penelitian ini adalah data sekunder dengan metode analisis

yang digunakan adalah Ordinary Least Square (OLS). Hasil penelitian ini

menunjukkan bahwa tenaga kerja berpengaruh positif dan signifikan terhadap

PDRB di Kabupaten Klaten.

44

7. Rusmarinda Rakhmawati (2016) melakukan penelitian dengan judul “Pengaruh

Indeks Pembangunan Manusia (IPM), Pendidikan, dan Tenaga Kerja Terhadap

Pertumbuhan Ekonomi di Provinsi Jawa Tengah”. Penelitian ini bertujuan untuk

menganalisis pengaruh indeks pembangunan manusia, tenaga kerja, dan pendidikan

terhadap pertumbuhan ekonomi di Provinsi Jawa Tengah melalui data PDRB riil.

Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan metode

analisis yang digunakan adalah Ordinary Least Square (OLS). Hasil penelitian ini

menunjukkan bahwa indeks pembangunan manusia berpengaruh positif dan tidak

signifikan sedangkan tenaga kerja memiliki pengaruh positif dan signifikan

terhadap PDRB di Jawa Tengah.

8. Nurul Izzah (2015) melakukan penelitian dengan judul “Analisis Pengaruh Indeks

Pembangunan Manusia dan Inflasi Terhadap Pertumbuhan Ekonomi di Provinsi

Riau Tahun 1994-2013”. Penelitian ini bertujuan untuk mengetahui tingkat inflasi

dan indeks pembangunan manusia terhadap pertumbuhan ekonomi Di Provinsi

Riau. Pertumbuhan ekonomi dalam penelitian ini menggunakan data PDRB.

Penelitian ini menggunakan data sekunder berupa data tahunan secara berkala.

Metode analisis yang digunakan adalah Ordinary Least Square (OLS). Hasil

penelitian ini menunjukkan bahwa indeks pembangunan manusia berpengaruh

positif dan signifikan terhadap pertumbuhan ekonomi Di Provinsi Riau.

45

9. Bella Anindita Apsari (2017) melakukan penelitian ini yang bertujuan untuk

mengetahui hubungan pengaruh Indeks Pembangunan Manusia, ketimpangan

pendapatan dan pengangguran terhadap pertumbuhan ekonomi pada

Kota/kabupaten di Jawa Timur periode 2008-2015. Metode yang digunakan dalam

penelitian ini adalah regresi data panel. Hal ini tidak lepas dari peranan kawasan

baru yaitu Kawasan Gerbang Kertasusila yang terdiri dari Gresik, Bangkalan,

Mojokerto, Surabaya, Sidoarjo dan Lamongan yang mana dalam tahun ke tahun

sanggup untuk memberikan kontribusi terhadap PDRB Jawa Timur hampir

mencapai 50%. Hasil penelitian ini menunjukkan bahwa indeks pembangunan

manusia berpengaruh positif dan signifikan sedangkan pengangguran memiliki

pengaruh negatif dan signifikan terhadap pertumbuhan ekonomi di Jawa Timur.

10. Asya Yandi Dea Kristina (2017) melakukan penelitian terkait perkembangan dari

pendapatan asli daerah, indeks pembangunan manusia dan tenaga kerja terhadap

PDRB kabupaten/kota di Provinsi Jawa Timur. Penelitian ini bertujuan untuk

menghitung seberapa besar indeks pembangunan manusia dan peran tenaga kerja

terhadap PDRB. Data ini terdiri atas data time series 2011-2016 dan data cross

section 38 kabupaten/kota di Provinsi Jawa Timur. Metode penelitian yang

digunakan adalah data panel dengan pendekatan Fixed Effect Model. Hasil

penelitian ini menunjukkan bahwa indeks pembangunan manusia berpengaruh

negatif dan signifikan sedangkan tenaga kerja memiliki pengaruh positif dan

signifikan terhadap PDRB di Jawa Timur.

46

C. Keterkaitan Antar Variabel

1. Hubungan Tenaga Kerja dengan PDRB

Menurut Todaro (2003), pertumbuhan penduduk dan pertumbuhan tenaga

kerja secara tradisional dianggap sebagai salah satu faktor positif yang memacu

pertumbuhan ekonomi. Jumlah tenaga kerja yang besar berarti akan menambah

tingkat produksi, sedangkan pertumbuhan penduduk yang besar berarti

meningkatkan ukuran pasar domestik. Meski demikian hal tersebut masih

dipertanyakan apakah benar laju pertumbuhan penduduk yang semakin cepat

akan memberikan dampak positif atau negatif dari pembangunan ekonominya.

Pertumbuhan penduduk yang meningkat dari waktu ke waktu akan

mempengaruhi jumlah tenaga kerja yang ada. Namun jumlah tenaga kerja yang

besar harus diikuti dengan kualitas tenaga kerja memadai. Sehingga, keadaan

tersebut mampu meningkatkan kapasitas produksi dan mampu memacu

pertumbuhan ekonomi. Input tenaga kerja dilihat dari kualitas dan kreativitas

angkatan kerja. Tenaga kerja yang melimpah harus diikuti dengan kualitas

yang dimilikinya. Kualitas input tenaga kerja tersebut meliputi pengetahuan,

ketrampilan, dan kedisplinan bekerja yang maksimal (Samuelson, 2004).

Kemajuan teknologi yang semakin cepat akan efektif apabila digunakan

oleh tenaga kerja yang terampil dan terlatih. Dengan adanya perbaikan dalam

bidang pendidikan, kesehatan, serta disiplin tenaga kerja akan menambah

produktivitas tenaga kerja. Semakin tinggi jumlah tenaga kerja yang produktif

maka akan meningkatkan output yang dihasilkan sehingga hal tersebut dapat

meningkatkan PDRB dan mendorong pertumbuhan ekonomi. Hasil ini sejalan

47

dengan penelitian (Lilik, 2017) dan (Denty, 2015) yang menyatakan bahwa

tenaga kerja memiliki pengaruh yang positif dan signifikan terhadap PDRB.

2. Hubungan Pengangguran dengan PDRB

Menurut Sukirno (2013), Pengangguran adalah keadaan tanpa pekerjaan

yang dihadapi oleh segolongan tenaga kerja, yang telah berusaha mencari

pekerjaan, tetapi tidak memperolehnya. Tingkat pengangguran dapat dilihat

kondisi suatu negara, apakah perekonomiannya berkembang atau tidak dan

atau mungkin mengalami kemunduran. Selain itu tingkat pengangguran, dapat

dilihat pula dari ketimpangan atau kesenjangan distribusi pendapatan yang

diterima suatu masyarakat negara tersebut.

Pengangguran dapat terjadi sebagai akibat dari tingginya tingkat

perubahan angkatan kerja yang tidak diimbangi dengan adanya lapangan

pekerjaan yang cukup luas dan memadai serta penyerapan tenaga kerja yang

cenderung kecil persentasenya, dikarenakan tingkat pertumbuhan penciptaan

lapangan kerja untuk menampung tenaga kerja yang siap bekerja sangat

rendah. Pengangguran ini dapat menimbulkan masalah sosial seperti tindakan

kriminalitas dan masalah ekonomi. Kondisi ini dapat menyebabkan tingkat

kesejahteraan, produktivitas dan daya beli masyarakat semakin menurun. Oleh

karena itu semakin tinggi angka pengangguran maka akan menurun tingkat

kemakmuran masyarakat sehingga dapat menurunkan tingkat PDRB suatu

daerah dan pertumbuhan ekonomi menjadi terhambat. Hasil ini sejalan dengan

penelitian (Arif, 2018) dan (Bella, 2017) yang menyatakan bahwa

pengangguran memiliki pengaruh yang negatif dan signifikan terhadap PDRB.

48

3. Hubungan Indeks Pembangunan Manusia dengan PDRB

Menurut UNDP (2008), IPM merupakan indikator penting untuk

mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. IPM

menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam

memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya.

Pembangunan manusia memainkan peran dalam membentuk kemampuan

sebuah negara dalam menyerap teknologi modern untuk mengembangkan

kapasitas agar tercipta kesempatan kerja untuk meningkat produktivitas dan

kemampuan masyarakat guna melakukan pembangunan manusia yang

berkelanjutan.

Hubungan pembangunan manusia dengan pertumbuhan ekonomi

sangat erat sekali dan merupakan prasyarat tercapainya pembangunan manusia.

Upaya perbaikan kualitas pembangunan manusia akan mendukung

peningkatan produktivitas dan usaha-usaha produktif yang pada akhirnya

meningkatkan pendapatan. Dimana semakin tinggi kualitas sumber daya

manusia maka akan meningkatkan produktivitas masyarakat sehingga dapat

meningkatkan PDRB dan pertumbuhan ekonomi menjadi tinggi. Hasil ini

sejalan dengan penelitian (Rusmarinda, 2016) dan (Nurul, 2015) yang

menyatakan bahwa indeks pembangunan manusia memiliki pengaruh yang

positif dan signifikan terhadap PDRB dikarenakan masyarakat lebih produktif

dalam mencari penghasilan yang dapat mendorong pertumbuhan ekonomi.

49

D. Kerangka Pemikiran

Tingkat PDRB merupakan gambaran kegiatan dalam perekonomian pada

suatu daerah yang akan membentuk angka PDB pada tingkat nasional.

Berdasarkan pemaparan sebelumnya dapat dijelaskan bahwa PDRB memiliki

keterkaitan dengan tenaga kerja, pengangguran dan indeks pembangunan

manusia. Dari pemaparan tersebut, dapat ditentukan model yang paling sesuai

untuk menjelaskan bagaimana pengaruh model yang sesuai terhadap PDRB di

Provinsi DKI Jakarta. Model yang dapat digunakan adalah model pertumbuhan

neoklasik Solow-Swan.

Menurut Solow, kualitas perekonomian berasal dari tiga faktor berikut:

peningkatan dalam kuantitas dan kualitas penduduk atau pekerja, kenaikan dalam

kapital atau modal (melalui tabungan dan investasi) dan peningkatan dalam

teknologi. Setiap peningkatan pada jumlah penduduk atau tenaga kerja, kapital

dan teknologi akan mempengaruhi perubahan pada tingkat output yang

dihasilkan. Modal yang dimaksud salah satunya adalah dari indeks pembangunan

manusia. Di samping itu, terdapat variabel bebas lainnya yaitu pengangguran.

Kemudian peningkatan tenaga kerja, pengangguran dan indeks pembangunan

manusia ini akan memberikan pengaruh kepada PDRB di provinsi di DKI Jakarta.

Pemaparan kerangka pemikiran diatas dapat digambarkan sebagai berikut:

50

Gambar 2.1

Kerangka Pemikiran

Pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan Manusia

Terhadap PDRB di Provinsi DKI Jakarta Tahun 2010-2017

Tenaga Kerja (X1) Pengangguran (X2) Indeks Pembangunan

Manusia (X3)

Produk Domestik

Regional Bruto (Y)

Provinsi DKI Jakarta

Pemilihan Model :

- Uji Chow

- Uji Hausman

Uji Statistik :

- Uji R2

- Uji F

- Uji t

Kesimpulan dan Saran

51

E. Hipotesis Penelitian

Hipotesis adalah sebuah dugaan yang bersifat sementara terhadap masalah

yang diajukan dan jawaban itu masih diuji secara empiris kebenarannya. Adapun

perumusan hipotesis penelitian ini adalah sebagai berikut:

1. Tenaga Kerja (X1)

a. H0 : Diduga tidak terdapat pengaruh tenaga kerja secara parsial terhadap

PDRB di Provinsi DKI Jakarta tahun 2010-2017.

b. H1 : Diduga terdapat pengaruh tenaga kerja secara parsial terhadap PDRB

di Provinsi DKI Jakarta tahun 2010-2017.

2. Pengangguran (X2)

a. H0 : Diduga tidak terdapat pengaruh pengangguran secara parsial terhadap


b. H1 : Diduga terdapat pengaruh pengangguran secara parsial terhadap


3. Indeks Pembangunan Manusia (X3)

a. H0 : Diduga tidak terdapat pengaruh indeks pembangunan manusia secara

parsial terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017.

b. H1 : Diduga terdapat pengaruh indeks pembangunan manusia secara

parsial terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017.

4. PDRB Provinsi DKI Jakarta (Y)

a. H0 : Diduga tidak terdapat pengaruh tenaga kerja, pengangguran, indeks



b. H1 : Diduga terdapat pengaruh tenaga kerja, pengangguran, indeks



52

BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini merupakan jenis penelitian kuantitatif karena data yang

digunakan dalam penelitian merupakan data yang berbentuk angka (Arikunto,

2010). Penelitan ini merupakan penelitian empiris yang dilakukan untuk

mengetahui pengaruh tenaga kerja, pengangguran dan indeks pembangunan

manusia terhadap PDRB Provinsi DKI Jakarta. Data yang digunakan dalam

penelitian ini merupakan data sekunder tahun 2010 hingga tahun 2017.

B. Metode Penentuan Sampel

Populasi merupakan keseluruhan subjek penelitian. Dalam penelitian ini tidak

diperlukan sampel karena keseluruhan objek penelitian dapat dijangkau oleh

peneliti. Populasi yang diteliti adalah PDRB riil atas dasar harga konstan, tenaga

kerja, pengangguran dan indeks pembangunan manusia di Kabupaten/Kota di

Provinsi DKI Jakarta dari tahun 2010-2017.

C. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah data

sekunder dan studi kepustakaan. Untuk mendapat hasil penelitian yang baik

diperlukan data dan informasi yang mendukung penelitian ini.

53

1. Data Sekunder

Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu

data yang diperoleh dalam bentuk jadi dan telah diolah oleh pihak lain.

Periode waktu yang digunakan pada penelitian ini meliputi tahun 2010-2017

dengan menggunakan metode data panel, yaitu gabungan antara time series

dan cross section. Sumber data diperoleh dari Badan Pusat Statistik (BPS).

Data tersebut meliputi:

a. PDRB riil

b. Tenaga Kerja

c. Pengangguran

d. Indeks Pembangunan Manusia

2. Studi Kepustakaan

Merupakan teknik pengambilan data yang dilakukan dengan cara

membaca, memahami, dan menganalisa sumber-sumber yang bersumber dari

berbagai macam buku dan jurnal yang berkaitan dengan penelitian ini. Hal

tersebut dilakukan dengan tujuan untuk mendapatkan landasan teori dan

konsep. Penulis melakukan penelitian dengan membaca dan menganalisa

serta mengutip bahan-bahan yang berkaitan dengan penelitian.

54

D. Metode Analisis Data

1. Metode Data Panel

Metode analisis data yang digunakan dalam penelitian ini merupakan

metode analisis kuantitatif dengan menggunakan data panel. Dalam teori

ekonometri, data panel merupakan gabungan antara data croos section dan data

time series. Data croos section dalam penelitian ini merupakan data yang

diperoleh dari 6 kabupaten/kota administrasi di Provinsi DKI Jakarta. Sedangkan,

data time series dalam penelitian ini merupakan data yang diambil antara tahun

2010-2017. Pengolahan data menggunakan Eviews 9 dan juga software Microsoft

Excel sebagai software pembantu dalam mengkonversi data. Model dasar yang

akan digunakan dalam penelitian ini adalah sebagai berikut:

PDRBit = β0 + β1 TKit + β2 TPit + β3 IPMit + εit

Keterangan :

PDRB : variabel PDRB riil atas dasar harga konstan

TK : variabel tenaga kerja

TP : variabel tingkat pengangguran

IPM : variabel indeks pembangunan manusia

β0 : konstanta

β1, β2, β3 : koefisien regresi

i : kabupaten/kota

t : tahun

ε : error term

55

Menurut Gujarati (2007), keunggulan penggunaan data panel dibandingkan

data time series dan data cross section adalah:

1. Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap individu.

2. Dengan data panel, data lebih informasif, lebih bervariasi, mengurangi

kolinearitas antar variabel, meningkatkan derajat kebebasan (degree of freedom),

dan lebih efisien.

3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis

dibandingkan dengan studi berulang dari cross-section.

4. Data panel lebih mendeteksi dan mengukur efek yang secara sederhana tidak

dapat diukur oleh data time-series atau cross section.

5. Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks.

6. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau

perusahaan karena unit data lebih banyak.

Menurut Suliyanto (2011), ada beberapa kelebihan dari data panel yaitu :

1. Data panel melibatkan beberapa individu dalam beberapa waktu, maka data panel

memiliki tingkat heterogenitas yang lebih tinggi.

2. Data panel dapat mengestimasikan karakteristik data untuk setiap individu

berdasarkan tingkat heterogenitasnya.

3. Data panel memberikan data yang lebih informatif, bervariasi, memiliki

tingkat kolinieritas yang cukup rendah, dan sudah jelas lebih efisien.

4. Data panel mampu mendeteksi dan mengukur pengaruh yang tidak dapat

diobservasi dengan data time series murni atau data cross section murni.

56

2. Estimasi Data Panel

Dalam Basuki (2014), dalam metode estimasi regresi data panel dapat

dilakukan melalui tiga pendekatan, yaitu:

a. Common Effect Model

Merupakan pendekatan model data panel yang paling sederhana karena

hanya mengkombinasikan data time series dan cross section. Pada model ini

tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan

bahwa perilaku data individu sama dalam berbagai kurun waktu. Metode ini

bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik

kuadrat terkecil untuk mengestimasi model data panel. Adapun persamaan

regresi dalam model common effects dapat ditulis sebagai berikut:

Yit = α + Xitβ + εit

Dimana:

i = KepSer, Jaksel,....., JakUt

t = 2010, 2014,......, 2017

Dimana i menunjukkan cross section (individu) dan t menunjukkan

periode waktunya. Dengan asumsi komponen error dalam pengolahan

kuadrat terkecil biasa, proses estimasi secara terpisah untuk setiap unit cross

section dapat dilakukan.

57

b. Fixed Effect Model

Model ini mengasumsikan bahwa terdapat efek yang berbeda antar

individu. Perbedaan antar individu dapat diakomodasi dari perbedaan

intersepnya. Untuk mengestimasi data panel model Fixed Effects

menggunakan teknik variable dummy untuk menangkap perbedaan intersep

antar individu. Namun demikian slopnya sama antar individu. Salah satu

cara untuk memperhatikan heterogenitas unit cross section pada model

regresi data panel adalah dengan mengizinkan nilai intersep yang berbeda-

beda untuk setiap unit cross section tetapi masih mengasumsikan slope

konstan. Model fixed effect dapat dinyatakan sebagai berikut:

Yit = α + iαit + X’itβ + εit

Dimana:


t = 2010, 2014,......, 2017

Model estimasi ini sering juga disebut dengan teknik Least Squares

Dummy Variable (LSDV). Selain diterapkan untuk efek tiap individu,

LSDV ini juga dapat mengakomodasi efek waktu yang bersifat sistematik.

Hal ini dapat dilakukan melalui penambahan variabel dummy waktu di

dalam model.

58

c. Random Effect Model

Model ini akan mengestimasi data panel dimana variabel gangguan

mungkin saling berhubungan antar waktu dan antar individu. Pada model

Random Effect perbedaan intersep diakomodasi oleh error terms masing-

masing individu. Keuntungan menggunakan model Random Effect yakni

menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error

Component Model (ECM). Dengan demikian, persamaan model Random

Effects dapat dituliskan sebagai berikut:

Yit = α + X’itβ + wit

Dimana:


t = 2010, 2014,......, 2017

Dimana model ini dengan wit = εi + uit, εi adalah komponen error cross

section, dan uit adalah error secara menyeluruh yang merupakan

kombinasi time series dan cross section. Pendekatan ini mencoba untuk

meningkatkan efisiensi proses permodelan Ordinary Least Square,

penganggu-penganggu antar unit cross section dan time series

diperhitungkan sehingga metode yang digunakan adalah Generalized

Least Square (GLS).

59

3. Estimasi Parameter

Estimasi yaitu suatu proses dengan menggunakan sampel statistik untuk

menduga atau menaksir hubungan parameter populasi yang tidak diketahui.

Estimasi juga merupakan suatu pernyataan mengenai parameter populasi yang

diketahui berdasarkan populasi dari sampel, dalam hal ini sampel random, yang

diambil dari populasi yang bersangkutan. Jadi dengan estimasi ini, keadaan

parameter populasi dapat diketahui. Menurut Hasan (2017), ciri-ciri penduga

yang baik adalah tidak bias (unbiased), efisien, dan konsisten. Terdapat dua

estimasi parameter, yaitu:

a. Ordinary Least Square (OLS)

Estimasi kuadrat terkecil biasa (Ordinary Least Square) merupakan

salah satu metode bagian dari kuadrat terkecil dan sering hanya disebut

kuadrat terkecil saja. Metode ini sering digunakan oleh para ilmuwan atau

peneliti dalam proses penghitungan suatu persamaan regresi sederhana.

Dalam penggunaan regresi, terdapat beberapa asumsi dasar yang dapat

menghasilkan estimator linier tidak bias yang terbaik dari model regresi yang

diperoleh dari metode kuadrat terkecil biasa atau biasa dikenal dengan regresi

OLS agar taksiran koefisien regresi itu bersifat BLUE (Best Linier Unbiased

Estimator). Misalkan:

𝒀𝒊 = 𝜷𝟎 + 𝜷𝟏𝑿𝟏𝒊 + 𝜷𝟐𝑿𝟐𝒊 + ⋯ + 𝜷𝒌𝑿𝒌𝒊 + 𝜺𝒊

Yang dapat secara ringkas ditulis dalam notasi matrik sebagai berikut:

Y = Xβ + ε

60

Dengan β yaitu suatu vektor kolom k-unsur dari penaksiran parameter

kuadrat terkecil biasa dan ε adalah suatu vektor kolom n x 1 dari n residual

(Gujarati, 2006). Variabel ε sangat memegang peran dalam model

ekonometrika, tetapi variabel ini tidak dapat diteliti dan tidak pula tersedia

informasi tentang bentuk distribusi kemungkinannya. Di samping asumsi

mengenai distribusi probabilitasnya, beberapa asumsi lainnya khusus tentang

sifat statistik perlu dibuat dalam menerapkan metode OLS (Rizki, 2011).

b. Generalized Least Squares (GLS)

Menurut Greene (1997), untuk menanggulangi permasalahan

heteroskedastisitas dapat dilakukan dengan estimasi melalui pembobotan

(weighted) yang dapat pula dikatakan sebagai kuadrat terkecil yang

diberlakukan secara umum atau disebut Generalized Least Squares (GLS).

Permasalahan heteroskedastisitas ini sering muncul apabila data yang

digunakan adalah cross-section. Menurut Gujarati (2006), mengatakan bahwa

untuk data panel, estimasi dengan Generalized Least Squares (GLS) ini lebih

baik dan konsisten dibandingkan dengan metode OLS. Metode estimasi GLS

mampu memperhitungkan informasi secara eksplisit dan karenanya mampu

menghasilkan estimator yang BLUE. Untuk melihat bagaimana hal ini

tercapai kemudian dilanjutkan dengan dua model variabel yang dikenal:

Yi = β1 + β2Xi + β3Xi + ui

Untuk memudahkan manipulasi aljabar maka ditulis sebagai

Yi = β1X0i + β2Xi + β3Xi + ui

61

Dimana X0i = 1 untuk masing-masing i. Dapat dilihat bahwa kedua formulasi

ini identik. Sekarang asumsikan bahwa varians heteroskedastisitas

𝜎𝑖2 diketahui. Dibagi melalui σi untuk mendapatkan:

𝒀𝒊

𝝈𝒊= 𝜷𝟏 (

𝑿𝟎𝒊

𝝈𝒊) + 𝜷𝟐 (

𝑿𝒊

𝝈𝒊) + 𝜷𝟑 (

𝑿𝒊

𝝈𝒊) + (

𝒖𝒊

𝝈𝒊)

Untuk memudahkan eksposisi maka ditulis sebagai

𝒀𝒊∗ = 𝜷𝒊

∗𝑿𝟎𝒊∗ + 𝜷𝟐

∗ 𝑿𝒊∗ + 𝜷𝟑

∗ 𝑿𝒊∗ + 𝒖𝒊

∗

yang dibintangi, atau diubah, adalah variabel asli dibagi dengan yang

diketahui σi. Penggunaan notasi 𝛽𝑖∗ dan 𝛽2

∗ parameter dari model yang diubah,

untuk membedakan GLS dengan parameter OLS β1 dan β2.

Menurut Gujarati (2006), estimasi GLS juga dapat dianalisis dengan

model fixed effect dan common effect. Estimasi GLS mengambil informasi

secara eksplisit dan oleh karenanya mampu memproduksi BLUE.

Penggunaan estimasi GLS sudah memenuhi asumsi klasik, sehingga tidak

diperlukan lagi uji asumsi klasik pada estimasi GLS. Sementara itu menurut

Sedyadi (2014), metode estimasi yang menggunakan GLS, dapat

mengabaikan persoalan pelanggaran-pelanggaran asumsi klasik. Dalam

penggunaaan estimasi GLS, Perlu dilakukan pengujian untuk menentukan

model yang paling tepat antara Fixed Effect GLS dan Common Effect GLS.

Penentuan model terbaik ini akan dilakukan melalui Uji Chow.

62

4. Pemilihan Model Estimasi

a. Uji Chow

Uji Chow ialah pengujian untuk menentukan model Fixed Effect atau

Common Effect yang lebih tepat digunakan dalam mengestimasi data panel.

Hipotesis dalam uji chow adalah:

H0 : Common Effect Model

H1 : Fixed Effect Model

Pengujian hipotesis juga dapat dilakukan dengan membandingkan

perhitungan F-statistik dengan F-tabel. Perbandingan dipakai apabila hasil F

hitung lebih besar (>) dari F tabel, maka H0 ditolak yang berarti model yang

lebih tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika

F hitung lebih kecil (<) dari F tabel, maka H0 diterima dan model yang

digunakan adalah Common Effect Model. Perhitungan F statistik dapat

dilakukan dengan rumus:

Fn-1, nt,n,k = SSE1 – SSE2 /(n-1)

SSE2 / (nt–n –t)

Dimana:

SSE1 : Sum Square Error dari model Common Effect

SSE2 : Sum Square Error dari model Fixed Effect

N : Jumlah individual (cross section)

t : Jumlah kurun waktu (time series)

k : Jumlah variabel independen

63

Sedangkan F tabel didapat dari:

𝐹𝑡𝑎𝑏𝑒𝑙 = |𝑎: 𝑑𝑓(𝑛 − 1, 𝑛𝑡 − 𝑛 − 𝑘)|

Dimana:

α : Tingkat signifikansi yang dipakai (alpha)

n : Jumlah data (cross section)

t : Kurun waktu (time series)

k : Jumlah variabel independen

b. Uji Hausman

Uji Hausman adalah pengujian statistik untuk memilih apakah model

Fixed Effect atau Random Effect yang lebih tepat digunakan dalam regresi

data panel. Uji ini dikembangkan oleh Hausman dengan didasarkan pada ide

bahwa LSDV di dalam model Fixed Effect dan GLS adalah efesien sedangkan

model OLS adalah tidak efesien, di lain pihak alternatifnya metode OLS

efesien dan GLS tidak efesien. Karena itu uji hipotesis nulnya adalah hasil

estimasi keduanya tidak berbeda sehingga Uji Hausman bisa dilakukan

berdasarkan perbedaan estimasi tersebut. Pengujian dilakukan dengan

hipotesis berikut:

H0 : Random Effect Model


64

Statistik Uji Hausman ini mengikuti distribusi statistik Chi-Squares

dengan degree of freedom sebanyak k, dimana k adalah jumlah variabel

independen. Jika nilai statistik Hausman lebih besar dari nilai kritisnya maka H0

ditolak dan model yang tepat adalah model Fixed Effect sedangkan sebaliknya

bila nilai statistik Hausman lebih kecil dari nilai kritisnya maka model yang tepat

adalah model Random Effect.

5. Pengujian Asumsi Klasik

Untuk melakukan analisis data maka data diuji sesuai asumsi klasik, jika

terjadi penyimpangan akan asumsi klasik digunakan pengujian statistik

nonparametrik sebaliknya asumsi klasik terpenuhi apabila digunakan statistik

parametrik untuk mendapatkan model regresi yang baik, model regresi tersebut

harus terbebas dari multikolinearitas, autokorelasi, dan heteroskedastisitas serta

data yang dihasilkan harus berdistribusi normal. Maka digunakan untuk menguji

penyimpangan asumsi klasik adalah sebagai berikut :

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual mempunyai distribusi normal. Model

regresi yang terbaik adalah yang terdistribusi secara normal atau

mendekati normal. Dalam penelitian ini pengujian normalitas yang

digunakan uji Jarque-Bera (JB). Jika nilai probabilitas pada JB test >0,05

maka variabel-variabel tersebut berdistribusi normal, begitu pula

sebaliknya. Apabila probabilitas JB test <0,05 maka variabel-variabel

tersebut tidak berdistribusi normal. (Ghazali dan Ratmono, 2013).

65

b. Uji Autokorelasi

Uji autokorelasi adalah sebuah uji yang berjuan untuk mengetahui

apakah ada tidaknya korelasi antar variabel. Uji autokorelasi bertujuan

untuk menguji apakah dalam model regresi linear ada korelasi antar

kesalahan penganggu (residual) pada periode t dengan kesalahan pada

periode sebelumnya. Jika terjadi korelasi, maka dinamakan terjadi

masalah autokorelasi (Ghazali dan Ratmono, 2013).

Cara mendeteksi ada tidaknya masalah autokorelasi adalah dengan

uji Durbin-Watson. Keunggulan dari uji D-W dalam mendeteksi masalah

autokorelasi adalah karena uji ini didasarkan pada residual yang ditaksir.

Kriteria dari uji DW sebagai berikut:

Tabel 3.1

Kriteria Uji Durbin Watson

Hipotesis Nol Keputusan Kriteria

Ada autokorelasi positif Tolak 0 < d < dl

Tidak ada autokorelasi

positif

Tidak ada

keputusan dl < d < du

Ada autokorelasi negatif Tolak 4-dl < d < 4

Tidak ada autokorelasi

negatif

Tidak ada

keputusan 4-du < d < 4-dl

Tidak ada autokorelasi Jangan tolak du < d < 4-du

Sumber : Gujarati, 2006

c. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antar variabel bebas atau independen. Model

regresi yang baik seharusnya tidak terjadi korelasi diantara variabel

independen. Menurut Gujarati (2006), jika koefisien korelasi antarvariabel

bebas lebih dari 0,8 maka dapat disimpulkan bahwa model mengalami

66

masalah multikolinearitas. Sebaliknya, koefisien korelasi kurang dari 0,8

maka model bebas dari multikolinearitas.

d. Uji Heteroskedasitisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam

model regresi terjadi ketidaksamaan varians dari residual satu pengamatan

ke pengamatan yang lain. Jika varians dari residual dan satu pengamatan

ke pengamatan yang lain tetap, maka disebut homoskedastisitas. Jika

varian berbeda disebut heteroskedastisitas. Adanya sifat

heteroskedastisitas ini dapat membuat penaksiran dalam model bersifat

tidak efisien. Umumnya masalah heteroskedastisitas lebih biasa terjadi

pada data cross section dibandingkan dengan time series. Uji

heteroskedastisitas ini menggunakan metode uji Glejser dengan

penambahan residual absolut pada model. Jika nilai probability < 0.05

maka terjadi heteroskedastisitas dan sebaliknya jika nilai probability >

0.05 maka tidak terjadi heteroskedastisitas. (Gujarati, 2006).

6. Pengujian Statistik

Uji statistik merupakan prosedur yang digunakan untuk menguji kesalahan

atau kebenaran dari hasil hipotesis nol dari sampel. Adapun uji signifikasi yang

digunakan adalah sebagai berikut:

a. Koefisien Determinasi (R2)

Koefisien determinasi ini mengukur seberapa jauh kemampuan

model dalam menerangkan variasi variabel dependen (uji goodness of fit).

Koefisien ini nilainya antara 0 (nol) sampai dengan 1 (satu). Semakin besar

nilai koefisien tersebut maka variabel-variabel independen lebih mampu

67

menjelaskan variasi variabel dependen. Nilai koefisien determinasi

merupakan suatu ukuran yang menunjukkan besar sumbangan dari

variabel independen terhadap variabel dependen, atau dengan kata lain

koefisien determinasi mengukur variasi turunan Y yang diterangkan oleh

pengaruh linier X.

Nilai koefisien determinasi (R²) adalah antara nol dan satu. Nilai R²

yang kecil berarti kemampuan variabel-variabel independen dalam

menjelaskan variasi variabel dependen amat terbatas. Nilai yang

mendekati satu berarti variabel-variabel independen memberikan hampir

semua informasi yang dibutuhkan untuk memprediksi variasi variabel

dependen (Ghozali dan Ratmono, 2013).

b. Uji Signifikansi bersama-sama (Uji F Statistik)

Uji F statistik dilakukan untuk melihat seberapa besar pengaruh

variabel independen secara keseluruhan atau bersama- sama terhadap

variabel dependen. Pada tingkat signifikan 5%, maka hasil pengujian yang

akan digunakan adalah sebagai berikut:

1) Jika F hitung > F table maka Ho ditolak dan H1 diterima, artinya

variabel indenden secara bersama-sama mempengaruhi

(negatif/positif) variabel dependen secara signifikan.

2) Jika F hitung < F table maka H0 diterima dan H1 diolak, artinya

variabel independen secara bersama-sama tidak mempengaruhi

variabel dependen secara signifikan.

68

c. Uji Signifikansi Individual (Uji t Statistik)

Uji t statistik pada dasarnya menunjukkan seberapa jauh pengaruh

satu variabel independen terhadap variabel dependen dengan menganggap

variabel independen lainnya konstan (Ghazali dan Ratmono, 2013). Uji

statistik t dilakukan untuk mengetahui apakah variabel independen secara

individual mempengaruhi variabel dependen. Uji ini dapat dilakukan

dengan membandingkan t hitung dengan t tabel. Pada tingkat signifikansi

5%, kriteria pengujian yang dilakukan adalah sebagai berikut:

1) Jika t hitung < t tabel artinya salah satu variabel bebas

(independent) tidak mempengaruhi variabel terikat (dependent)

secara signifikan.

2) Jika t hitung > t tabel maka artinya salah satu variabel bebas

(independent) mempengaruhi variabel terikat (dependent) secara

signifikan.

E. Operasional Variabel Penelitian

1. Variabel Dependen (Y)

Pertumbuhan ekonomi adalah proses kenaikan produksi suatu

perekonomian yang dilihat dari kenaikan nilai PDRB. Nilai PDRB tersebut

menunjukkan peningkatan output rill yang dihasilkan oleh suatu

perekonomian sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit

usaha atau jumlah seluruh nilai barang dan jasa oleh seluruh unit ekonomi di

suatu wilayah selama kurun waktu tertentu dan biasanya satu tahun

69

Data operasional yang digunakan dalam penelitian ini diperoleh dari

Badan Pusat Statistik berdasarkan perhitungan tahunan Produk Domestik

Regional Bruto atas dasar harga konstan tahun 2010 pada 6 Kabupaten/Kota

Administrasi di Provinsi DKI Jakarta dengan kurun waktu dari tahun 2010

sampai dengan 2017 yang dinyatakan dalam satuan jutaan Rupiah.

2. Variabel Independen

a. Tenaga Kerja (X1)

Tenaga kerja menurut BPS yaitu seseorang yang melakukan pekerjaan

dengan maksud memperoleh atau membantu memperoleh pendapatan atau

keuntungan dan lamanya bekerja paling sedikit 1 jam secara terus menerus

selama seminggu yang lalu dalam suatu usaha atau kegiatan ekonomi.


Badan Pusat Statistik berdasarkan perhitungan tahunan pada 6

Kabupaten/Kota Administrasi di Provinsi DKI Jakarta dengan kurun waktu

dari tahun 2010 sampai dengan 2017 yang dinyatakan dalam satuan jiwa.

b. Pengangguran (X2)

Pengangguran menurut BPS yaitu keadaan tanpa pekerjaan yang

dihadapi oleh segolongan tenaga kerja, yang telah berusaha mencari

pekerjaan, tetapi tidak memperolehnya. Seseorang yang dikategorikan

sebagai pengangguran terbuka adalah penduduk yang sedang mencari

pekerjaan, penduduk yang sedang mempersiapkan suatu usaha, penduduk

yang merasa tidak mungkin mendapatkan pekerjaan, penduduk yang sudah

punya pekerjaan tetapi belum mulai bekerja.

70


Badan Pusat Statistik berdasarkan perhitungan persentase jumlah

pengangguran terhadap jumlah angkatan kerja pada 6 Kabupaten/Kota

Administrasi di Provinsi DKI Jakarta dengan kurun waktu dari tahun 2010

sampai dengan 2017 yang dinyatakan dalam satuan persen.

c. Indeks Pembangunan Manusia (X3)

Menurut UNDP (2008), Indeks Pembangunan Manusia merupakan

suatu indeks komposit yang mencakup tiga bidang pembangunan manusia

yang dianggap sangat mendasar, yaitu usia hidup (longevity), pengetahuan

(knowledge), dan standar hidup layak (decent living).


Badan Pusat Statistik berdasarkan perhitungan tahunan pada 6

Kabupaten/Kota Administrasi di Provinsi DKI Jakarta dengan kurun waktu

dari tahun 2010 sampai dengan 2017 yang dinyatakan dalam satuan indeks.

71

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Provinsi DKI Jakarta dalam lingkup kerangka Negara Kesatuan Republik

Indonesia (NKRI) memiliki peran strategis, yaitu sebagai Ibukota Negara.

Provinsi DKI Jakarta yang merupakan Ibukota Negara sehingga tidak memiliki

kawasan terpencil maupun kawasan pedalaman. Secara astronomis Provinsi DKI

Jakarta terletak antara 6o 12’ Lintang Selatan dan 106o 48’ Bujur Timur. Dilihat

dari posisi geostrategis, Provinsi DKI Jakarta terletak di sisi utara bagian barat

Pulau Jawa, dengan bagian utara berbatasan langsung dengan Laut Jawa,

sedangkan sisi timur dan selatan Provinsi DKI Jakarta berbatasan langsung

dengan wilayah Provinsi Jawa Barat, serta sisi barat Provinsi DKI Jakarta

berbatasan langsung dengan Provinsi Banten.

Sebagian wilayah Provinsi DKI Jakarta merupakan kawasan pesisir, dengan

luas wilayah pesisir sekitar 155 km yang membentang dari timur ke barat kurang

lebih 35 km, dan menjorok ke darat sekitar 4-10 km. Selain memiliki kawasan

pesisir, DKI Jakarta juga memiliki 110 pulau yang tersebar pada 2 (dua)

Kecamatan yang berada di wilayah Kabupaten Administrasi Kepulauan Seribu.

72

Gambar 4.1

Peta Provinsi DKI Jakarta

Sumber: Jakarta.go.id

DKI Jakarta dianalisis dari aspek ketinggian dan kemiringan lahan, yaitu

terletak pada dataran rendah dengan ketinggian rata-rata kurang lebih 7 meter

diatas permukaan laut. Sedangkan, sekitar 40 persen wilayah Provinsi DKI Jakarta

berupa dataran yang permukaan tanahnya berada 1-1,5 meter di bawah muka laut

pasang. Dengan kondisi kemiringan lahan yang demikian, ditambah dengan 17

sungai yang mengalir di Provinsi DKI Jakarta menyebabkan kecenderungan

semakin rentannya wilayah Jakarta tergenang air dan banjir pada musim hujan.

Terlebih jika melihat tingginya tingkat perkembangan wilayah di sekitar Jakarta,

menyebabkan rendahnya resapan air kedalam tanah, yang pada gilirannya akan

memperbesar ancaman banjir di wilayah Jakarta.

73

B. Dekskripsi Data Penelitian

Penelitian ini bertujuan untuk mengetahui pengaruh tenaga kerja,

pengangguran dan indeks pembangunan manusia terhadap PDRB di Provinsi DKI

Jakarta tahun 2010 sampai dengan tahun 2017. Penelitian ini menggunakan data

sekunder yang diperoleh melalui BPS, dan lembaga lain yang menunjang dalam

penelitian ini. Data penelitian diambil selama 8 tahun mulai dari tahun 2010

sampai dengan 2017 dengan data cross section sebanyak 6 Kabupaten/Kota

Administrasi di Provinsi DKI Jakarta.

Ada dua variabel yang digunakan dalam penelitian ini yaitu variable terikat

dan variabel bebas. Dalam hal ini variabel terikat yang digunakan adalah produk

domestik regional bruto dan variabel bebas meliputi tenaga kerja, pengangguran

dan indeks pembangunan manusia. Berikut ini adalah deskripsi secara

keseluruhan dari variabel-variabel tersebut:

1. Produk Domestik Regional Bruto (PDRB)

Produk Domestik Regional Bruto (PDRB) adalah nilai tambah yang

terbentuk dari keseluruhan kegiatan ekonomi dalam suatu wilayah dengan rentang

waktu tertentu. PDRB disajikan menurut harga konstan dan harga berlaku.

Berdasarkan data PDRB atas dasar harga konstan dapat dihitung pertumbuhan

ekonomi yang menggambarkan pertambahan rill kemampuan ekonomi suatu

wilayah. Adapun dengan PDRB harga berlaku dapat dilihat struktur ekonomi

yang menggambarkan andil masing-masing sektor ekonomi. Dengan itu, PDRB

menjadi salah satu indikator keberhasilan pembangunan ekonomi suatu daerah.

74

Berdasarkan hasil distribusi PDRB Provinsi DKI Jakarta atas harga

konstan 2010, menunjukkan bahwa sektor perdagangan besar dan eceran, dan

reparasi mobil dan sepeda motor merupakan sektor yang paling tinggi

menyumbang bagi PDRB di Provinsi DKI Jakarta yaitu sebesar 16,55 persen

(rata-rata selama lima tahun terakhir). Sektor konstruksi adalah sektor kedua yang

paling tinggi menyumbang ke PDRB Provinsi DKI Jakarta dengan periode

pengamatan yang sama yaitu sebesar 13,67 persen dan sektor industri pengolahan

merupakan sektor yang paling besar ketiga untuk PDRB Provinsi DKI Jakarta

yaitu sebesar 13,21 persen. Sektor yang paling kecil menyumbang terhadap

distribusi PDRB Provinsi DKI Jakarta adalah sektor pertanian, perkebunan dan

perikanan yaitu sebesar 0,10 persen.

Tabel 4.1

Laju Pertumbuhan PDRB Menurut Kabupaten/Kota

di Provinsi DKI Jakarta Tahun 2013-2017

Sumber: Badan Pusat Statistik, diolah

Berdasarkan tabel 4.1 diatas menunjukan bahwa laju pertumbuhan di

masing-masing kabupaten atau kota selama kurun waktu 5 tahun mengalami tren

fluktuatif. Laju pertumbuhan tertinggi berada di Kota Jakarta Pusat pada tahun

2015 sebesar 6,67 persen. Kemudian di tahun 2016 dan 2017 mengalami

Kab/Kota Administrasi 2013 2014 2015 2016 2017

Kepulauan Seribu 0,79 0,36 0,30 0,27 1,22

Jakarta Selatan 5,86 6,03 6,12 6,14 6,32

Jakarta Timur 5,89 6,14 5,50 5,87 6,21

Jakarta Pusat 6,08 5,83 6,67 6,36 6,02

Jakarta Barat 6,66 5,96 6,01 6,07 6,41

Jakarta Utara 5,82 5,79 5,59 4,62 6,36

75

penurunan sebesar 6,36 dan 6,02 persen dikarenakan tingkat pertumbuhan sektor-

sektor tertentu mengalami penurunan. Berbeda dengan laju pertumbuhan Kota

Jakarta Selatan yang mengalami kenaikan yang stabil dari mulai tahun 2010

sebesar 5,86 persen sampai tahun 2017 sebesar 6,32 persen. Hal tersebut

menunjukan perkembangan perekonomian di Kota Jakarta Selatan berjalan baik.

Sedangkan laju pertumbuhan terendah berada di Kabupaten Kepulauan Seribu

pada tahun 2015 dan 2016 dengan laju pertumbuhan sebesar 0,30 dan 0,27 persen.

2. Tenaga Kerja

Tenaga kerja adalah penduduk usia kerja (berumur 15 tahun atau lebih)

yang selama seminggu sebelum pencacahan bekerja atau punya pekerjaan tetapi

sementara tidak bekerja tetapi sedang mencari pekerjaan sedangkan yang

termasuk bukan angkatan kerja, diantaranya adalah mereka yang selama

seminggu yang lalu hanya bersekolah (pelajar dan mahasiswa), mengurus rumah

tangga, dan mereka yang tidak melakukan kegiatan yang dapat dikategorikan

sebagai pekerja, sementara tidak bekerja atau mencari pekerjaan (Disnaker, 2006).

Banyaknya orang yang menempati suatu negara atau daerah akan

menentukan kepadatan penduduk. Jumlah penduduk dalam suatu negara atau

daerah dapat menentukan jumlah tenaga kerja pada negara atau daerah tersebut.

Dari penambahan jumlah penduduk dan tenaga kerja, maka penambahan tersebut

memungkinkan negara atau daerah itu untuk menambah produksi. Di samping itu,

sebagai akibat dari pendidikan, latihan, dan pengalaman kerja, keterampilan

tenaga kerja akan terus meningkat. Hal ini akan menyebabkan peningkatan

produktivitas, dan selanjutnya menyebabkan pertambahan produksi yang lebih

cepat dari pada penambahan tenaga kerja.

76

Berikut ini adalah data tenaga kerja menurut kabupaten/kota di Provinsi

DKI Jakarta tahun 2011 sampai dengan tahun 2015:

Tabel 4.2

Tenaga Kerja Menurut Kabupaten/Kota



Berdasarkan tabel 4.2 diatas menunjukan bahwa tenaga kerja di masing-

masing kabupaten atau kota selama kurun waktu 5 tahun mengalami tren

fluktuatif. Tenaga kerja tertinggi berada di Kota Jakarta Timur pada tahun 2015

sebanyak 1.239.832 jiwa. Hal ini dikarenakan industri yang berada di Kota Jakarta

Timur sebagian besar merupakan industri padat karya sehingga banyak menyerap

tenaga kerja untuk mengembangkan sumber daya. Tenaga kerja terendah berada

di Kabupaten Kepulauan Seribu tahun 2011 sebanyak 9.020 jiwa. Tenaga kerja di

Kabupaten Kepulauan Seribu menunjukkan angka lebih kecil daripada tenaga

kerja di kabupaten/kota lainnya. Dikarenakan daerah kawasan tersebut sangat

kecil dan jumlah penduduknya lebih sedikit dibandingkan lainnya. Hal tersebut

dapat dimanfaatkan pemerintah agar tenaga kerja di daerah mempunyai daya

saing tinggi terutama di bidang pariwisata dan kelautan.


Kepulauan Seribu 9.020 9.384 9.142 9.967 9.410

Jakarta Selatan 989.097 1.020.343 999.783 1.010.810 1.050.861

Jakarta Timur 1.275.316 1.199.918 1.239.710 1.240.635 1.239.832

Jakarta Pusat 433.764 539.596 502.080 437.622 427.351

Jakarta Barat 1.096.817 1.146.574 1.180.279 1.142.592 1.183.961

Jakarta Utara 784.404 822.781 781.842 792.744 812.614

77

3. Pengangguran

Pengangguran terdiri dari mereka yang tidak memiliki pekerjaan dan

mencari pekerjaan, mereka yang tidak bekerja dan mempersiapkan usaha, mereka

yang tidak bekerja dan tidak mencari pekerjaan karena merasa tidak mungkin

mendapatkan pekerjaan, dan mereka yang tidak bekerja dan tidak mencari

pekerjaan karena sudah diterima bekerja tetapi belum memulai bekerja. Menurut

BPS, tingkat pengangguran terbuka merupakan persentase jumlah pengangguran

terhadap jumlah angkatan kerja. Tingkat pengangguran yang tinggi menunjukkan

bahwa terdapat banyak angkatan kerja yang tidak terserap pada pasar kerja.

Berikut ini adalah data tingkat pengangguran terbuka menurut Kabupaten/Kota di

Provinsi DKI tahun 2013 sampai dengan tahun 2017:

Tabel 4.3

Tingkat Pengangguran Terbuka Menurut Kabupaten/Kota





Jakarta Selatan 8,56 7,56 6,36 6,48 6,86

Jakarta Timur 9,47 8,72 9,13 8,64 7,82

Jakarta Pusat 8,60 7,81 6,51 6,38 6,82

Jakarta Barat 8,69 9,00 6,31 6,26 6,40

Jakarta Utara 9,67 8,88 7,11 7,43 7,67

78

Berdasarkan tabel 4.3 diketahui bahwa tingkat pengangguran terbuka di

masing-masing kabupaten atau kota selama kurun waktu 5 tahun mengalami tren

fluktuatif. Tingkat pengangguran terbuka tertinggi berada di Kota Jakarta Utara

pada tahun 2013 sebesar 9,67 persen. Hal ini dikarenakan industri yang berada di

Kota Jakarta Utara sebagian besar merupakan industri padat modal sehingga

hanya menyerap tenaga kerja sedikit. Tingkat pengangguran terbuka terendah di

Kabupaten Kepulauan Seribu tahun 2015 sebesar 5,51 persen. Tingkat

pengangguran terbuka di Kabupaten Kepulauan Seribu menunjukkan angka lebih

kecil daripada tingkat pengangguran terbuka kabupaten/kota lain kecuali tahun

2017. Hal tersebut dapat dimanfaatkan pemerintah agar angkatan kerja di

Kabupaten Kepulauan Seribu dapat terus terserap dalam dunia kerja dan

mempunyai daya saing tinggi untuk meningkatkan perekonomian daerah.

4. Indeks Pembangunan Manusia (IPM)

Pengukuran keberhasilan pembangunan suatu negara tidak hanya ditandai

oleh tingginya pertumbuhan ekonomi, namun juga mencakup kualitas

manusianya. Oleh karena itu, konsep pengukuran keberhasilan pembangunan

harus berorientasi kepada manusia atau masyarakatnya, yaitu bagaimana

pertumbuhan ekonomi mampu dirasakan seluruh lapisan masyarakat dan

meningkatkan kualitas masyarakat sebagai manusia. Pembangunan manusia yang

mencakup tiga dimensi pokok yaitu kesehatan (umur panjang), pendidikan

(pengetahuan) dan daya beli (standar kehidupan layak) dapat dilihat dari

perkembangan Indeks Pembangunan Manusia (IPM) di suatu wilayah.

79

Berikut ini adalah data perkembangan indeks pembangunan manusia

menurut Kabupaten/Kota di Provinsi DKI Jakarta tahun 2013-2017:

Tabel 4.4

Perkembangan Indeks Pembangunan Manusia Menurut

Kabupaten/Kota Provinsi DKI Jakarta Tahun 2013-2017


Berdasarkan tabel 4.4 menunjukan bahwa, Kota Administrasi Jakarta Selatan

memiliki capaian IPM tertinggi dibandingkan wilayah lainnya di Provinsi DKI

Jakarta dengan pencapaian di tahun 2017 sebesar 84,13 persen. Capaian tersebut

diikuti oleh wilayah Kota Administrasi Jakarta Timur di tahun 2017 sebesar 81,61

persen. Sedangkan capaian terendah berada di Kabupaten Kepulauan Seribu di

tahun 2013 sebesar 67,62 persen. Selain itu, dari data tersebut dapat dilihat juga

bahwa IPM Provinsi DKI Jakarta selalu meningkat setiap tahunnya, meskipun tidak

meningkat secara signifikan, namun tetap berubah kearah yang positif. Hal ini

menunjukkan peningkatan kualitas manusia yang ada di Jakarta, yang selanjutnya

menjadi barometer bagi kualitas pembangunan manusia di Indonesia.



Jakarta Selatan 82,72 82,94 83,37 83,94 84,13

Jakarta Timur 79,88 80,40 80,73 81,28 81,61

Jakarta Pusat 78,81 79,03 79,69 80,22 80,49

Jakarta Barat 78,79 79,38 79,72 80,34 80,47

Jakarta Utara 77,16 77,29 78,30 78,78 79,47

80

C. Pemilihan Model Estimasi

Dalam menentukan model estimasi yang dapat digunakan untuk penelitian ini

dilakukan beberapa pengujian yaitu uji chow dan uji hausman. Uji chow digunakan

untuk menentukan model yang lebih baik antara fixed effect model atau common

effect model. Sedangkan uji hausman digunakan untuk menentukan model yang lebih

baik antara fixed effect model atau random effect model. Namun apabila dalam uji

chow ditemukan hasil bahwa model terbaik yang dapat digunakan adalah common

effect model maka tidak perlu dilanjutkan dengan uji hausman.

1. Uji Chow

Uji Chow digunakan untuk menentukan model yang sebaiknya

digunakan antara model fixed effect atau model common effect. Hipotesis

yang digunakan dalam uji Chow yaitu sebagai berikut:

H0 : Common Effect Model


Apabila hasil probabilitas Chi-square > 0,05 maka H0 diterima,

sehingga model yang dipilih adalah common effect. Sebaliknya, jika hasil

probabilitas Chi-square < 0,05 maka H0 ditolak sehingga model yang tepat

digunakan adalah fixed effect. Berikut adalah tampilan dari hasil uji Chow

dengan menggunakan tes Likelihood Ratio pada aplikasi E-views :

Tabel 4.5

Hasil Uji Chow

Redundant Fixed Effects Tests Pool: Untitled Test cross-section fixed effects

Effects Test Statistic d.f. Prob. Cross-section F 223.907380 (5,39) 0.0000

Cross-section Chi-square 162.784874 5 0.0000 Sumber: Hasil Olahan E-views 9

81

Berdasarkan hasil uji chow pada tabel 4.5 menunjukkan bahwa

probability cross-section Chi-square menunjukan angka 0.0000 artinya

kurang dari taraf signifikansi yaitu 0.05. Maka dapat diputuskan bahwa H0

ditolak dan H1 diterima sehingga model yang terpilih adalah fixed effect

model. Dikarenakan Fixed effect model terpilih sehingga perlu dilakukan

pengujian lebih lanjut yaitu uji hausman untuk pembuktian yang lebih akurat.

2. Uji Hausman

Uji Hausman digunakan untuk memilih apakah Fixed Effect Model atau

Random Effect Model yang lebih tepat digunakan dalam model. Pengujian uji

Hausman dalam penelitian ini dilakukan dengan hipotesis berikut:

H0 : Random Effect Model


Apabila hasil uji hausman menghasilkan probabilitas Chi-square lebih

besar dari 0,05 maka H0 diterima, sehingga model yang baik digunakan

adalah random effect model. Sedangkan apabila hasil uji hausman

menghasilkan probabilitas Chi-square lebih kecil dari 0,05 maka H0 ditolak

sehingga model yang baik digunakan adalah fixed effect model.

Tabel 4.6

Hasil Uji Hausman

Correlated Random Effects - Hausman Test Pool: Untitled Test cross-section random effects

Test Summary Chi-Sq.

Statistic Chi-Sq. d.f. Prob. Cross-section random 6.424334 3 0.0269

Sumber: Hasil Olahan E-views 9

82

Berdasarkan hasil uji hausman pada tabel 4.6 menunjukkan bahwa

probability Cross-section random menunjukan angka 0.0269 artinya kurang

dari taraf signifikansi yaitu 0.05. Maka dapat diputuskan bahwa H0 ditolak

dan H1 diterima. Sehingga model terbaik yang digunakan dalam penelitian ini

adalah Fixed Effect Model.

D. Uji Asumsi Klasik

1. Uji Normalitas

Uji normalitas digunakan untuk mengetahui apakah data yang dimiliki

berdistribusi normal atau tidak. Uji normalitas dapat dilakukan dengan melihat

hasil probability J-B. Jika nilai probability J-B < dari taraf signifikansi yaitu

0.05 maka data tersebut disimpulkan tidak normal, sebaliknya jika probability

J-B > 0.05 maka data yang dimiliki berdistribusi normal.

Gambar 4.2

Hasil Uji Normalitas

0

2

4

6

8

10

-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20

Series: Standardized Residuals

Sample 2010 2017

Observations 48

Mean 1.40e-17

Median -0.009484

Maximum 0.178643

Minimum -0.143171

Std. Dev. 0.068679

Skewness 0.529996

Kurtosis 3.496015

Jarque-Bera 2.739225

Probability 0.254205


Berdasarkan hasil uji normalitas di atas, diperoleh probability J-B

sebesar 0.254205 lebih besar dari tingkat signifikansi 0,05 sehingga dapat

disimpulkan bahwa data tersebut berdistribusi normal.

83

2. Uji Multikolinearitas

Uji Multikolinearitas digunakan untuk mengetahui apakah terdapat

korelasi antar variabel independent. Jika tidak terjadi masalah pada

multikolineritas yaitu jika nilai korelasi kurang dari 0.8. Namun apabila

koefisien antar variabel independent lebih dari 0,8 maka dapat disimpulkan

bahwa model mengalami masalah multikolinearitas. Berikut adalah tabel

hasil uji multikolinearitas :

Tabel 4.7

Hasil Uji Multikolinearitas


Berdasarkan hasil uji multikolinearitas yang telah dilakukan di atas,

seluruh koefisien korelasi kurang dari 0,8. Oleh karena itu, dapat disimpulkan

bahwa tidak terdapat multikolinearitas dalam penelitian ini.

3. Uji Autokorelasi

Uji autokorelasi digunakan untuk mengatahui ada tidaknya korelasi

antar variabel. Uji autokorelasi bertujuan untuk mengguji apakah dalam

model regresi linier ada korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pada periode t-1 (sebelumnya). Untuk mendeteksi ada

tidaknya masalah tersebut maka apat dilihat melalui uji Durbin Watson (DW).

Berikut nilai Durbin-Watson dari hasil dari regresi :

LNTK LNTPT LNIPM

LNTK 1.000000 0.176340 0.717335

LNTPT 0.176340 1.000000 -0.078328

LNIPM 0.717335 -0.078328 1.000000

84

Tabel 4.8

Hasil Uji Autokorelasi


Berdasarkan hasil tabel di atas menunjukan bahwa nilai Durbin-Watson

adalah 2.273282. Untuk melihat ada tidaknya masalah autokorelasi diketahui

dengan cara membandingkan nilai Durbin Watson dengan tabel Durbin

Watson. Dalam penelitian ini n=48 serta k= 4, dl=1.40640 dan du=1.67076.

Oleh karena nilai du (1.67076) < d (2.173282) < 4-du (2.32924) sehingga dapat

disimpulkan tidak terjadi masalah autokorelasi.

4. Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk mengetahui apakah terjadi

ketidaksamaan varian residual satu dari pengamatan ke pengamatan lain. Uji

heteroskesdasitas ini menggunakan metode uji park. Jika nilai probability

lebih kecil 0.05 maka terjadi heteroskedastisitas dan sebaliknya jika nilai

probability lebih besar dari 0.05 maka tidak terjadi heteroskedastisitas.

Tabel 4.9

Hasil Uji Heteroskedastisitas dengan Metode Glejser


R-squared 0.941781 Mean dependent var 18.67936

Adjusted R-squared 0.938044 S.D. dependent var 1.609024

S.E. of regression 0.075395 Akaike info criterion 2.164792

Sum squared resid 0.221692 Schwarz criterion 1.813942

Log likelihood 60.95501 Hannan-Quinn criter. 2.032205

F-statistic 2670.891 Durbin-Watson stat 2.173282

Prob(F-statistic) 0.000000

Variable Coefficient Std. Error t-Statistic Prob. C 2.201534 2.198554 1.001356 0.3228

LNTK 0.280465 0.089089 3.148144 0.2315 LNTPT -0.055058 0.032476 -1.695363 0.0980 LNIPM 0.311810 0.410634 0.759339 0.4522

85

Berdasarkan tabel diatas menunjukkan bahwa semua variabel

independen yaitu tenaga kerja, pengangguran dan indeks pembangunan

manusia memiliki nilai probabilitas lebih dari 0.05 sehingga dapat

disimpulkan bahwa tidak terjadi masalah heteroskedastisitas dalam model.

E. Analisa Teknis

1. Uji Statistik

Pengujian statistik dilakukan untuk mengetahui apakah model

penelitian sudah bagus atau belum secara statisitk. Terdapat beberapa

pengujian dalam uji hipotesis ini, diantaranya adalah uji koefisien determinasi

(R2), uji F statistik, serta uji t statistik. Model yang digunakan dalam estimasi

penelitian ini adalah Fixed Effect Model. Uji statistik dalam penelitian ini

menggunakan software e-views 9, maka hasilnya sebagai berikut :

a. Uji Koefisien Determinasi (R2)

Koefisien Determinasi digunakan untuk mengetahui seberapa besar

kemampuan model dalam menjelaskan variasi variabel dependennya. Nilai

koefisien determinasi adalah antara nol dan satu.

Tabel 4.10

Hasil Uji Koefisien Determinasi


R-squared 0.941781

Adjusted R-squared 0.938044

86

Berdasarkan hasil uji koefisien determinasi pada tabel 4.10

menunjukkan bahwa nilai koefisien determinasi sebesar 0,941781. Hal ini

berarti bahwa 94,17 persen dari variasi PDRB di Provinsi DKI Jakarta mampu

dijelaskan variabel independen yaitu tenaga kerja, pengangguran dan indeks

pembangunan manusia. Sedangkan 0,06 persen dijelaskan oleh variabel lain

di luar model atau faktor-faktor lain diluar penelitian ini.

b. Uji Signifikansi Bersama-sama (Uji F Statistik)

Uji F statistik dilakukan untuk mengetahui apakah semua variabel

independen yang dimasukkan dalam model regresi memiliki pengaruh yang

signifikan secara bersama-sama dengan variabel dependen. Dalam penelitian

ini, pengujian secara bersama-sama dilakukan untuk mengetahui apakah

variabel tenaga kerja, pengangguran dan indeks pembangunan manusia

memiliki pengaruh yan signifikan terhadap PDRB di Provinsi DKI Jakarta.

Untuk mengetahui apakah pengujian variabel independen secara

bersama-sama terhadap variabel dependen dapat dilihat dari nilai

probabilitasnya. Jika nilai probabilitas dari F statistik < 0,05 maka dapat

diartikan bahwa semua variabel independen secara simultan memiliki

pengaruh yang signifikan terhadap variabel dependen. Namun sebaliknya

apabila nilai probabilitas F statistik > 0,05 maka diartikan bahwa semua

variabel independen secara simultan tidak memiliki pengaruh signifikan.

Tabel 4.11

Hasil Uji F Statistik

F-statistic 2670.891

Prob(F-statistic) 0.000000 Sumber: Hasil Olahan E-views 9

87

Berdasarkan hasil uji F pada tabel 4.11 menunjukkan bahwa nilai

probabilitas F-statistik sebesar 0,000000. Nilai tersebut lebih kecil dari 0,05,

sehingga dapat disimpulkan bahwa variabel tenaga kerja, pengangguran dan

indeks pembangunan manusia secara bersama-sama berpengaruh signifikan

terhadap PDRB di Provinsi DKI Jakarta.

c. Uji Signifikansi Parsial (Uji t Statistik)

Uji t statistik dilakukan untuk mengetahui apakah variabel independen

memiliki pengaruh yang signifikan terhadap variabel dependen secara parsial.

Untuk uji t statistik dapat dilakukan dengan melihat nilai probabilitas dan

derajat kepercayaan yang ditentukan dalam penelitian ini. Bila nilai

probabilitas < derajat kepercayaan yang ditentukan maka suatu variabel dapat

dikatakan memiliki pengaruh yang signifikan terhadap variabel dependennya,

dan sebaliknya apabila nilai probabilitas > derajat kepercayaan yang

ditentukan maka suatu variabel dapat dikatakan tidak memiliki pengaruh

yang signifikan terhadap variabel dependennya. Dalam penelitian ini

digunakan derajat kepercayaan sebesar 5 % atau 0,05.

Tabel 4.12

Hasil Uji t Statistik


Variable Coefficient Std. Error t-Statistic Prob.

C 4.010422 5.763425 8.348824 0.0000

LNTK? 0.130409 0.233543 4.098658 0.0021

LNTPT? -0.117147 0.085134 -1.376029 0.0128

LNIPM? 0.229594 1.076461 6.408853 0.0000

88

Berdasarkan hasil uji t pada tabel 4.12 menunjukkan bahwa:

1) Pengaruh Tenaga Kerja Terhadap PDRB

Variabel tenaga kerja memiliki pengaruh positif dan signifikan

terhadap PDRB di Provinsi DKI Jakarta. Dimana nilai probabilitas dari

variabel tenaga kerja sebesar 0,0021 < 0,05 sehingga dapat disimpulkan

bahwa variabel tenaga kerja memiliki pengaruh yang signifikan terhadap

PDRB di Provinsi DKI Jakarta. Begitu pula dengan nilai koefisiennya

sebesar 0,130409 yang artinya jika tenaga kerja naik sebesar 1 persen

maka PDRB di Provinsi DKI Jakarta akan naik sebesar 0,130409 persen

dengan asumsi ceteris paribus.

2) Pengaruh Pengangguran Terhadap PDRB

Variabel pengangguran memiliki pengaruh negatif dan signifikan

terhadap PDRB di Provinsi DKI Jakarta. Dimana nilai probabilitas dari

variabel pengangguran sebesar 0,0128 < 0,05 sehingga dapat disimpulkan

bahwa variabel pengangguran memiliki pengaruh yang signifikan

terhadap PDRB di Provinsi DKI Jakarta. Begitu pula dengan nilai

koefisiennya sebesar -0,117147 yang artinya jika pengangguran naik

sebesar 1 persen maka PDRB di Provinsi DKI Jakarta akan turun sebesar

-0,117147 persen.

89

3) Pengaruh Indeks Pembangunan Manusia Terhadap PDRB

Variabel indeks pembangunan manusia memiliki pengaruh positif

dan signifikan terhadap PDRB di Provinsi DKI Jakarta. Dimana nilai

probabilitas variabel indeks pembangunan manusia sebesar 0,0000 < 0,05

sehingga dapat disimpulkan bahwa variabel indeks pembangunan manusia

memiliki pengaruh yang signifikan terhadap PDRB di Provinsi DKI

Jakarta. Begitu pula dengan nilai koefisiennya sebesar 0,229594 yang

artinya jika indeks pembangunan manusia naik sebesar 1 persen maka

PDRB di Provinsi DKI Jakarta akan naik sebesar 0,229594 persen dengan

asumsi ceteris paribus.

2. Interpretasi Hasil Analisis Model

Analisis data panel dalam penelitian ini bertujuan untuk mengetahui

pengaruh Tenaga Kerja, Pengangguran dan Indeks Pembangunan Manusia

terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017. Berdasarkan hasil

pengolahan data panel dengan model fixed effect diperoleh persamaan regesi

sebagai berikut:

Keterangan :

PDRB : variabel PDRB riil atas dasar harga konstan

TK : variabel tenaga kerja

TP : variabel tingkat pengangguran

IPM : variabel indeks pembangunan manusia

Log : nilai variabel yang disederhanakan

i : kabupaten/kota

t : tahun

LNPDRBit = 4.010422 + 0.130409 LNTKit - 0.117147 LNTPit + 0.229594 LNIPMit

90

Berdasarkan persamaan regresi tersebut, maka dapat dianalisis pengaruh

masing-masing variabel independen terhadap variabel dependen adalah sebagai

berikut:

1. Konstanta regresi sebesar 4.010422 menyatakan bahwa jika nilai dari

tenaga kerja, pengangguran dan indeks pembangunan manusia adalah

konstan maka nilai variabel PDRB adalah sebesar 4.010422.

2. Nilai koefisien regresi LNTKit memiliki hubungan positif 0.130409

untuk variabel tenaga kerja, artinya setiap peningkatan 1% pada tenaga

kerja, maka PDRB akan mengalami peningkatan sebesar 0.130409%.

3. Nilai koefisien regresi LNTPit memiliki hubungan negatif -0.117147

untuk variabel pengangguran, artinya setiap peningkatan 1% pada

pengangguran, maka PDRB akan mengalami penurunan sebesar -

0.117147%

4. Nilai koefisien regresi LNIPMit memiliki hubungan positif 0.229594

untuk variabel indeks pembangunan manusia, artinya setiap peningkatan

1% pada indeks pembangunan manusia, maka PDRB akan mengalami

peningkatan sebesar 0.229594%.

91

3. Interpretasi Hasil Individual Effect

Tabel 4.13

Hasil Individual Effect


Berdasarkan tabel di atas menunjukan bahwa:

a. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan

indeks pembangunan manusia pada model adalah 0, maka nilai PDRB

Jakarta Barat sebesar 4.46%.

b. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan


Jakarta Pusat sebesar 4.82%.

c. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan


Jakarta Selatan sebesar 4.52%.

d. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan


Jakarta Timur sebesar 4.42%.

Interpretasi Koefisien Fixed Effect Model

Variabel Koefisien Individual Effect

C 4.010422 TENAGAKERJA? 0.130409

TPT? -0.117147 IPM? 0.229594

Fixed Effect (Cross) _JAKBAR—C 0.450858 4.461280 _JAKPUS—C 0.815459 4.825881 _JAKSEL—C 0.508756 4.519178 _JAKTIM—C 0.405999 4.416421 _JAKUT—C 0.645298 4.655720

_KEPSER—C -2.826371 1.184051

92

e. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan


Jakarta Utara sebesar 4.65%.

f. Apabila nilai masing-masing variabel tenaga kerja, pengangguran dan


Kepulauan Seribu sebesar 1.18%.

F. Analisa Ekonomi

1. Tenaga Kerja

Menurut Undang-Undang Republik Indonesia Nomor 13 Tahun 2003,

Tenaga kerja adalah setiap orang yang mampu melakukan pekerjaan guna

menghasilkan barang dan atau jasa baik untuk memenuhi kebutuhan sendiri

maupun untuk masyarakat. Tenaga kerja dapat juga diartikan penduduk usia

kerja (berusia 15-64 tahun) atau jumlah seluruh penduduk dalam suatu negara

yang dapat memproduksi barang dan jasa jika ada permintaan terhadap tenaga

mereka, dan jika mereka mau berpartisipasi dalam aktivitas tersebut.

Dari hasil pengujian statistik dapat diketahui bahwa tenaga kerja

memiliki pengaruh positif dan signifikan terhadap PDRB di Provinsi DKI

Jakarta. Hal ini berarti setiap kenaikan 1 persen pada tenaga kerja maka akan

menyebabkan PDRB di Provinsi DKI Jakarta akan naik sebesar 0,130409

persen dengan asumsi ceteris paribus (keadaan lainnya tetap). Banyaknya

orang yang menempati suatu negara atau daerah akan menentukan kepadatan

penduduk. Jumlah penduduk dalam suatu negara atau daerah dapat

menentukan jumlah tenaga kerja pada negara atau daerah tersebut. Dari

penambahan jumlah penduduk dan tenaga kerja, maka penambahan tersebut

93

memungkinkan negara atau daerah itu untuk menambah produksi. Di samping

itu, sebagai akibat dari pendidikan, pelatihan, dan pengalaman kerja,

keterampilan tenaga kerja akan terus meningkat. Hal ini akan menyebabkan

peningkatan produktivitas, dan selanjutnya menyebabkan pertambahan

produksi yang lebih cepat sehingga akan meningkatkan pendapatan.

Dengan ketersediaan tenaga kerja yang melimpah maka ini yang akan

berpengaruh terhadap tingkat output dalam perekonomian. Tingkat output

perekonomian yang tinggi dapat dihasilkan dari produksi barang dan jasa yang

dilakukan oleh tenaga kerja. Selain itu jumlah tenaga yang besar juga akan

mempengaruhi luas pasar yang akan menampung barang dan jasa yang

dihasilkan. Untuk itu pemerintah perlu mengawasi dan mengelola program-

program dengan baik seperti peningkatan kualitas pendidikan dan keterampilan

tenaga kerja, pelatihan pengembangan diri dan pengalaman yang kerja yang

kreatif. Hal tersebut selanjutnya akan meningkatkan produktivitas ekonomi

dan output yang dihasilkan sehingga akan mampu meningkatkan PDRB dan

mendorong pertumbuhan ekonomi di Provinsi DKI Jakarta.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh

Avanda Fahri Atahrim (2013) yang meneliti tentang pengaruh tenaga kerja dan

pengeluara pemerintah terhadap PDRB di Provinsi Jawa Tengah. Hasil tersebut

menunjukkan bahwa tenaga kerja memiliki pengaruh positif dan signifikan

terhadap PDRB di Provinsi Jawa Tengah. Hasil ini juga sejalan dengan

penelitian yang dilakukan oleh Denty Oktavianingrum (2015) yang meneliti

tentang pengaruh investasi, tenaga kerja, dan tingkat pendidikan terhadap

pertumbuhan ekonomi di 5 kabupaten/kota di Provinsi DIY.

94

2. Pengangguran

Menurut Badan Pusat Statistik (2017), Pengangguran adalah istilah

untuk orang yang tidak bekerja sama sekali, sedang mencari kerja, bekerja

kurang dari dua hari selama seminggu, atau seseorang yang sedang berusaha

mendapatkan pekerjaan. Menurut Sadono Sukirno (2013), Pengangguran

adalah keadaan tanpa pekerjaan yang dihadapi oleh segolongan tenaga kerja,

yang telah berusaha mencari pekerjaan, tetapi tidak memperolehnya.

Dari hasil pengujian statistik dapat diketahui bahwa pengangguran

memiliki pengaruh negatif dan signifikan terhadap PDRB di Provinsi DKI

Jakarta. Hal ini berarti setiap kenaikan 1 persen pada pengangguran maka akan

menyebabkan PDRB di Provinsi DKI Jakarta akan turun sebesar -0,117147

persen dengan asumsi ceteris paribus (keadaan lainnya tetap). Dikarenakan

peningkatan angkatan kerja baru yang lebih besar dibandingkan dengan

lapangan kerja yang tersedia terus menunjukkan jurang (gap) yang terus

membesar. Kondisi tersebut semakin membesar setelah krisis ekonomi.

Dengan adanya krisis ekonomi tidak saja jurang antara peningkatan angkatan

kerja baru dengan penyediaan lapangan kerja yang rendah terus makin dalam,

tetapi juga terjadi pemutusan hubungan kerja (PHK). Hal ini menyebabkan

tingkat pengangguran semakin tinggi sehingga pertumbuhan ekonomi menjadi

terhambat dan menurunkan PDRB di Provinsi DKI Jakarta. Untuk itu

pemerintah perlu mengawasi dan mengelola program-program dengan baik

seperti dengan membuka lapangan pekerjaan yang luas, mengadakan mobilitas

dan pelatihan keterampilan tenaga kerja, pengembangan proyek-proyek umum,

dan mendirikan industri padat karya guna menekan angka pengangguran.

95

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Moh.

Arif Novriansyah (2018) yang meneliti tentang pengaruh pengangguran dan

kemiskinan terhadap PDRB di Provinsi Gorontalo pada tahun 2006-2014.

Hasil tersebut menunjukkan bahwa pengangguran memiliki pengaruh negatif

dan signifikan terhadap PDRB di Provinsi Gorontalo. Hasil ini juga sejalan

dengan penelitian yang dilakukan oleh Bella Anindita Apsari (2017), tentang

pengaruh pengangguran, indeks pembangunan manusia, dan ketimpangan

pendapatan terhadap pertumbuhan ekonomi pada Kota/Kabupaten di Jawa

Timur periode 2008-2015. Semakin tinggi angka pengangguran maka akan

menurun tingkat kemakmuran masyarakat sehingga dapat menurunkan tingkat

PDRB suatu daerah dan pertumbuhan ekonomi menjadi terhambat.

3. Indeks Pembangunan Manusia

Menurut Badan Pusat Statistik (2017), Indeks pembangunan manusia

adalah suatu ukuran yang digunakan dalam mengetahui kualitas hidup

pembangunan manusianya. Adapun indikator dalam indeks pembangunan

manusia yaitu capaian umur panjang di bidang kesehatan, kemudian capaian

bidang pendidikan yang dilihat melalui angka melek huruf, rata-rata sekolah

dan rata-rata lamanya bersekolah serta kemampuan daya beli masyarakat yang

dilihat dari pengeluaran perkapita.

Dari hasil pengujian statistik dapat diketahui bahwa indeks

pembangunan manusia memiliki pengaruh positif dan signifikan terhadap

PDRB di Provinsi DKI Jakarta. Hal ini berarti setiap kenaikan 1 persen pada

indeks pembangunan manusia maka akan menyebabkan PDRB di Provinsi

96

DKI Jakarta akan naik sebesar 0.229594 persen dengan asumsi ceteris paribus

(keadaan lainnya tetap). Tingkat pembangunan manusia yang tinggi sangat

menentukan kemampuan penduduk dalam menyerap dan mengelola sumber-

sumber pertumbuhan ekonomi. Hubungan pembangunan manusia dengan

pertumbuhan ekonomi sangat erat sekali dan merupakan prasyarat tercapainya

pembangunan manusia. Upaya perbaikan kualitas pembangunan manusia akan

mendukung peningkatan produktivitas dan usaha-usaha produktif yang pada

akhirnya meningkatkan pendapatan. Untuk itu pemerintah perlu mengawasi

dan mengelola program-program dengan baik seperti peningkatan fasilitas

pendidikan, kesehatan dan pemberdayaan masyarakat yang memadai agar

kualitas sumber daya manusia meningkat sehingga akan meningkatkan pula

nilai PDRB dan pertumbuhan ekonomi yang tinggi di Provinsi DKI Jakarta.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh

Rusmarinda Rakhmawati (2016), yang meneliti tentang pengaruh indeks

pembangunan manusia, tenaga kerja, dan pendidikan terhadap Pertumbuhan

Ekonomi melalui data PDRB rill di Provinsi Jawa Tengah. Hasil tersebut

menunjukkan bahwa indeks pembangunan manusia memiliki pengaruh positif

dan signifikan terhadap PDRB di Provinsi Jawa Tengah. Hasil ini juga sejalan

dengan penelitian yang dilakukan oleh Nurul Izzah (2015), tentang pengaruh

indeks pembangunan manusia dan inflasi terhadap pertumbuhan ekonomi di

Provinsi Riau Tahun 1994-2013. Semakin tinggi kualitas sumber daya manusia

maka akan meningkatkan produktivitas masyarakat sehingga dapat

meningkatkan PDRB dan pertumbuhan ekonomi menjadi tinggi.

97

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Berdasarkan hasil analisis dan pembahasan yang telah dilakukan, maka dapat

diperoleh beberapa kesimpulan sebagai berikut:

1. Variabel tenaga kerja memiliki pengaruh positif dan signifikan terhadap


2. Variabel pengangguran memiliki pengaruh negatif dan signifikan terhadap


3. Variabel indeks pembangunan manusia memiliki pengaruh positif dan

signifikan terhadap PDRB di Provinsi DKI Jakarta tahun 2010-2017.

4. Variabel tenaga kerja, pengangguran dan indeks pembangunan manusia

secara bersama-sama memiliki pengaruh signifikan terhadap PDRB di

Provinsi DKI Jakarta tahun 2010-2017.

B. Saran

Berdasarkan kesimpulan yang telah dikemukakan diatas, maka peneliti

mencoba untuk memberi beberapa saran, diantaranya adalah sebagai berikut:

1. Bagi pemerintah:

a. Jumlah tenaga kerja memberi pengaruh positif terhadap PDRB.

Sebaiknya dapat dimbangi dengan adanya peningkatan kualitas tenaga

kerja. Dengan meningkatnya kualitas tenaga kerja, maka akan

meningkatkan produktivitas para pekerja untuk menghasilkan output

yang lebih tinggi guna meningkatkan PDRB di Provinsi DKI Jakarta.

98

b. Jumlah penduduk yang mengalami peningkatan setiap tahunnya harus

dikelola dengan baik agar tidak menyebabkan banyaknya pengangguran

seperti dengan membuka lapangan pekerjaan yang luas, mengadakan

mobilitas tenaga kerja, pelatihan keterampilan tenaga kerja,

pengembangan proyek-proyek umum, dan mendirikan industri padat

karya guna menekan angka pengangguran di Provinsi DKI Jakarta.

c. Tingkat pembangunan manusia yang tinggi sangat menentukan kualitas

pemerataan pembangunan dan pertumbuhan ekonomi. Dengan itu

perlunya perbaikan kualitas pembangunan manusia seperti peningkatan

fasilitas pendidikan, kesehatan dan pemberdayaan yang memadai guna

meningkatkan pertumbuhan ekonomi di Provinsi DKI Jakarta.

2. Bagi para akademisi dan peneliti, apabila ingin melakukan penelitian yang

sejenis, maka alangkah baik datanya diperbanyak dengan menambahkan

rentang waktu penelitian dan variabel-variabel lain yang tidak digunakan

dalam penelitian ini agar hasil penelitian dapat lebih baik.

99

DAFTAR PUSTAKA

Adisasmita, Rahardjo. (2011). Pengelolaan Pendapatan dan Anggaran Daerah.

Yogyakarta; Graha Ilmu.

Afrizal, F. (2013). Analisis Pengaruh Tingkat Investas, Belanja Pemerintah, dan Tenaga

Kerja terhadap PDRB di Provinsi Sulawesi Selatan Tahun 2001-2011. Skripsi.

Universitas Hasanuddin Makasar.

Ahmad, Khursid. (2006). Economic development in Islamic Framework, in Khursid

Ahmad, ed., Studies in Islamic Economics. Liecester: The Islamic Foundation

and Jeddah: International Centre for Reseatch in Islamic Economics, King Abdul

Aziz University.

Apsari, Bella. A. (2017). Pengaruh Indeks Pembangunan Manusia, Ketimpangan

Pendapatan dan Pengangguran Terhadap Tertumbuhan Ekonomi pada

Kota/Kabupaten di Jawa Timur periode 2008-2015. Skripsi. Universitas

Brawijaya Malang.

Arab Human Development Report. (2002). Human Development: Definition Concept and

Larger Context. Saudi Arabia.

Arikunto, S. (2010). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka

Cipta.

Arsyad, L. (2016). Ekonomi Pembangunan. Edisi Kelima. Yogyakarta: STIE YKPN.

Aryanto, Rudy. (2011). “Analisis Kemampuan Keuangan Daerah dan Pertumbuhan

Ekonomi Kabupaten/Kota di Sumatera Selatan”. Jurnal Ilmiah Volume III No. 2.

Sumatra Selatan.

Atahrim, A.F. (2013). Analisis Pengaruh Tenaga Kerja dan Pengeluaran Pemerintah

terhadap Pertumbuhan Ekonomi Sektor Industri Kab/Kota di Provinsi Jawa

Tengah. Skripsi. UIN Syarif Hidayatullah Jakarta.

Badan Pusat Statistik Jakarta Barat, (2017). Jakarta Barat Dalam Angka 2010-2017.

Jakarta: Badan Pusat Statistik.

Badan Pusat Statistik Jakarta Pusat, (2017). Jakarta Pusat Dalam Angka 2010-2017.


Badan Pusat Statistik Jakarta Selatan, (2017). Jakarta Selatan Dalam Angka 2010-2017.


100

Badan Pusat Statistik Jakarta Tumur, (2017). Jakarta Timur Dalam Angka 2010-2017.


Badan Pusat Statistik Jakarta Utara, (2017). Jakarta Utara Dalam Angka 2010-2017.


Badan Pusat Statistik Kepulauan Seribu, (2017). Kepulauan Seribu Dalam Angka 2010-

2017. Jakarta: Badan Pusat Statistik.

Badan Pusat Statistik. (2008). Analisis dan Penghitungan Tingkat Kemiskinan Tahun

2008. Jakarta: BPS.

Badan Pusat Statistik. (2016). Statistical Yearbook of Indonesia 2016. BPS: Jakarta.

Badan Pusat Statistik. (2017). Jakarta Dalam Angka 2010-2017. Jakarta: Badan Pusat

Statistik Provinsi DKI Jakarta.

Baeti, Nur. (2013). Pengaruh Pengangguran, Pertumbuhan Ekonomi, dan Pengeluaran

Pemerintah terhadap Pembangunan Manusia Kabupaten/Kota di Provinsi Jawa

Tengah tahun 2007-2011. Jurnal Ekonomi dan Studi Pembangunan: Volume 2.

Basuki, Ismet dan Hariyanto. (2014). Assesmen Pembelajaran. Bandung: PT Remaja

Rosdakarya.

Case Karl E, R. C. (2010). Prinsip-prinsip Ekonomi Makro Edisi Kelima. Jakarta:

Erlangga.

Daulay, Murni. (2009). Kemiskinan Pedesaan. Medan: USU Press.

Dea Kristina, dkk. (2017). Pengaruh Pendapatan Asli Daerah, Indeks Pembangunan

Manusia dan Tenaga Kerja terhadap PDRB kabupaten/kota di Provinsi Jawa

Timur. Jurnal Ilmu Ekonomi. Universitas Muhammadiyah Malang.

Depnaker. (2003). Undang-Undang Republik Indonesia Nomor 13 Tahun 2003 Tentang

Ketenagakerjaan.

Disnakertrans, (2006). “Konsep Ketenagakerjaan”. Jakarta: Dinas Tenaga Kerja dan

Transmigrasi.

Djamil, Fathurrahman, (2004). Metode Majlis Tarjih Muhammadiyah. Jakarta: Logos.

Eka, Christiawan, dkk. (2015). Pengaruh Jumlah Penduduk dan Angka Pengangguran

Terhadap Pertumbuhan Ekonomi Kabupaten Jember. Jurnal Ekonomi

Pembangunan. Universitas Negeri Jember.

Fuad, Anis dan Kandung Sapto Nugroho. (2014). Panduan Praktis Penelitian Kualitatif.

Yogyakarta: Graha Ilmu.

101

Ghozali, I dan Ratmono D. (2013). Analisis Multivariat dan Ekonometrika Teori, Konsep,

dan Aplikasi dengan Eviews 8. Semarang: Universitas Diponegoro Semarang.

Greene, W.H. (1997). Economic Analysis. Prentice-Hall International, Lnc.USA.

Gujarati, D. (2006). Dasar-dasar Ekonometrika. Edisi Kedua, Jakarta: Erlangga,

Gujarati, D. (2007). Dasar-dasar Ekonometrika. Edisi Ketiga, Jakarta: Erlangga,

Hariyanto, B. (2004). Sistem Manajemen Basis Data: Pemodelan, Perancangan, dan

Terapannya, Informatika, Bandung.

Hasan, I. M. (2017). Pokok-pokok Materi Statistik. Jakarta: PT. Bumi Aksara.

Izzah, Nurul. (2015). Analisis Pengaruh Indeks Pembangunan Manusia dan Inflasi

Terhadap Pertumbuhan Ekonomi di Provinsi Riau Tahun 1994-2013. Jurnal.

Padang: IAIN Padangsidimpuan.

Kuncoro, Haryo. (2002). Upah Sistem Bagi Hasil dan Penyerapan Tenaga Kerja. Jurnal

Ekonomi Pembangunan, Vol 7.

Mulyadi S. (2003). Ekonomi Sumber Daya Manusia dalam Perspektif Pembangunan.

Jakarta: PT Raja Grafindo Persada.

Novriansyah, Arif. (2018). Pengaruh Pengangguran dan Kemiskinan Terhadap

Pertumbuhan Ekonomi di Provinsi Gorontalo. Jurnal Ekonomi Pembangunan

Volume 1. Universitas Gorontalo.

Oktavianingrum, D. (2015). Analisis Pengaruh Invesasi, Tenaga Kerja, dan Tingkat

Pendidikan terhadap Pertumbuhan Ekonomi di Daerah Isimewa Yogyakarta:

Studi 5 Kabupaten/Kota. Skripsi. Universitas Negeri Yogyakarta.

Oluwatobi, dkk. (2011). “Government Expenditure on Human Capital Development:

Implications for Economic Growth in Nigeria”. Journal of Sustainable

Development, Vol. 4, No. 3.

Rafsanjani, Haqiqi. (2014). Analisis Islamic Human Development Index Di Indonesia.

Tesis, Surabaya: Program Pascasarjana Universitas Airlangga.

Rakhmawati, Rusmarinda. (2016) Pengaruh Indeks Pembangunan Manusia, Pendidikan,

dan Tenaga Kerja Terhadap Pertumbuhan Ekonomi di Provinsi Jawa Tengah.

Skripsi. Solo: Universitas Muhammadiyah Surakarta.

Rizki, N. A. (2011). Estimasi Parameter Model Regresi Data Panel Random Effect

dengan Metode Generalized Least Square (GLS). Malang: UIN Maulana Malik

Ibrahim.

102

Samuelson, P.A. (2004). Ilmu Makro Ekonomi. (Alih Bahasa Gretta, Theresa T, Bosco

C, Anna E). Media Global Edukasi. Jakarta.

Saputro, Lilik. (2017). Analisis Pengaruh Belanja Total, Tenaga Kerja, Ekspor Terhadap

PDRB Di Kabupaten Klaten Tahun 1996-2015. Skripsi. Solo: Universitas

Muhammadiyah Surakarta.

Sedyadi, G. S. (2014). Kajian Pengaruh Desentralisasi Fiskal Asimetri Di Indonesia

Terhadap Efisiensi Penyediaan Barang dan Layanan Publik Sektor Pendidikan.

Jurnal Ekonomi ITB.

Simanjuntak, Payaman. (1998). Pengantar Ekonomi Sumber Daya Manusia. Jakarta:

Fakultas Ekonomi Universitas Indonesia.

Sukirno, Sadono. (2006). Ekonomi Pembangunan: Proses, Masalah, dan Dasar

Kebijakan. Jakarta: Kencana.

Sukirno, Sadono. (2013). Teori Pengantar Mikro Ekonomi Edisi Ketiga. Jakarta:

Rajawali Press.

Suliyanto. (2011). Ekonometrika Terapan: Teori Dan Aplikasi Dengan SPSS. Edisi I.

Yogyakarta: ANDI Yogyakarta.

Suparmoko, M. (2002). “Ekonomi Publik untuk Keuangan dan Pembangunan Daerah”

Edisi Satu. Yogyakarta: BPEF.

Susanti, Agustina (2013). Perpustakaan Prasekolahku, Seru. Bandung: CV Restu Bumi

Kencana.

Todaro, Michael P. (2003). Pembangunan Ekonomi di Dunia Ketiga. Jakarta: Erlangga.

Todaro, Michael P. (2011). Pembangunan Ekonomi Di Dunia Ketiga. Edisi Kelima. Alih

Bahasa: Aminuddin dan Drs.Mursid. Jakarta: Erlangga.

Undang-Undang Nomor 32 Tahun (2004). tentang Perimbangan Keuangan antara

Pemerintah Pusat dan Pemerintah Daerah. Republik Indonesia.

UNDP. (1995). Human Development Report 1995. New York: Oxford University Press.

UNDP. (2008). The Economics Democracy: Financing Human Development in

Indonesia. Published Jointly by BPS-Statistic Indonesia.

Widodo, Tri. (2016). Perencanaan Pembangunan. Aplikasi Komputer (Era Otonomi

Daerah). Yogyakarta: UUP STIM YKPN.

103

LAMPIRAN NYE DI MARIH CING

104

Lampiran 1

Data Variable Penelitian

Kab/Kota Administrasi Tahun PDRB Tenaga Kerja TPT IPM

Kepulauan Seribu 2010 3584569.574 9160 9.89 64.96








Jakarta Selatan 2010 241225133.9 977432 9.93 80.26

Jakarta Selatan 2011 258049207.3 989097 10.36 81.22

Jakarta Selatan 2012 275317710.2 1020343 8.96 81.72

Jakarta Selatan 2013 292545902.7 999783 8.56 82.72

Jakarta Selatan 2014 310185285.6 1010810 7.56 82.94

Jakarta Selatan 2015 329136718.3 1050861 6.36 83.37

Jakarta Selatan 2016 349202050.8 1028546 6.48 83.94

Jakarta Selatan 2017 362453284.6 988835 6.86 84.13

Jakarta Timur 2010 186512337.2 1220420 13.03 78.06

Jakarta Timur 2011 198226283.5 1275316 10.95 78.82

Jakarta Timur 2012 210383749.2 1199918 10.39 79.52

Jakarta Timur 2013 222785516.6 1239710 9.47 79.88

Jakarta Timur 2014 236464307.7 1240635 8.72 80.4

Jakarta Timur 2015 249259728.7 1239832 9.13 80.73

Jakarta Timur 2016 264138209.3 1218424 8.64 81.28

Jakarta Timur 2017 285728284.6 1170685 7.82 81.61

Jakarta Pusat 2010 258419704.9 430258 10.91 77.3

Jakarta Pusat 2011 276997678.2 433764 11.21 77.97

Jakarta Pusat 2012 296540046.1 539596 10.72 78.44

Jakarta Pusat 2013 314562244.7 502080 8.6 78.81

Jakarta Pusat 2014 332896524.2 437622 7.81 79.03

Jakarta Pusat 2015 354947357.2 427351 6.51 79.69

Jakarta Pusat 2016 377965882.3 424845 6.38 80.22

Jakarta Pusat 2017 393654237.4 421365 6.82 80.49

Jakarta Barat 2010 182020884.6 1074825 9.88 76.65

Jakarta Barat 2011 194609504.4 1096817 10.72 77.41

Jakarta Barat 2012 208109599.9 1146574 9.31 78.05

Jakarta Barat 2013 221960378.1 1180279 8.69 78.79

105

Jakarta Barat 2014 235186461.8 1142592 9 79.38

Jakarta Barat 2015 249263416.8 1183961 6.31 79.72

Jakarta Barat 2016 264251833.8 1148622 6.26 80.34

Jakarta Barat 2017 284837463.6 1082035 6.4 80.47

Jakarta Utara 2010 203420850.4 767665 11.15 75.15

Jakarta Utara 2011 216349996.2 784404 10.98 76.12

Jakarta Utara 2012 229401776.9 786781 10.33 76.89

Jakarta Utara 2013 242743312.5 788842 9.67 77.16

Jakarta Utara 2014 256807476.3 792744 8.88 77.29

Jakarta Utara 2015 271210200.6 812614 7.11 78.3

Jakarta Utara 2016 283819614.8 826386 7.43 78.78

Jakarta Utara 2017 296532846.5 838047 7.67 79.47

106

Lampiran 2

Data Variabel Penelitian setelah Ditransformasi ke Logaritma Natural

Kab/Kota Administrasi Tahun LNPDRB LNTK LNTPT LNIPM

Kepulauan Seribu 2010 15.092149 9.122601 2.291524 4.173772








Jakarta Selatan 2010 19.301241 13.792684 2.295560 4.385271

Jakarta Selatan 2011 19.368661 13.804548 2.337952 4.397162

Jakarta Selatan 2012 19.433436 13.835649 2.192770 4.403299

Jakarta Selatan 2013 19.494132 13.815294 2.147100 4.415461

Jakarta Selatan 2014 19.552680 13.826263 2.022871 4.418117

Jakarta Selatan 2015 19.611984 13.865120 1.850028 4.423289

Jakarta Selatan 2016 19.671161 13.843657 1.868721 4.430102

Jakarta Selatan 2017 19.708406 13.804283 1.925707 4.432363

Jakarta Timur 2010 19.044008 14.014706 2.567254 4.357478

Jakarta Timur 2011 19.104920 14.058705 2.393339 4.367167

Jakarta Timur 2012 19.164444 13.997764 2.340844 4.376009

Jakarta Timur 2013 19.221720 14.030388 2.248129 4.380526

Jakarta Timur 2014 19.281308 14.031134 2.165619 4.387014

Jakarta Timur 2015 19.334006 14.030486 2.211566 4.391110

Jakarta Timur 2016 19.391983 14.013069 2.156403 4.397900

Jakarta Timur 2017 19.470552 13.973100 2.056685 4.401952

Jakarta Pusat 2010 19.370096 12.972140 2.389680 4.347694

Jakarta Pusat 2011 19.439520 12.980256 2.416806 4.356324

Jakarta Pusat 2012 19.507693 13.198576 2.372111 4.362334

Jakarta Pusat 2013 19.566693 13.126515 2.151762 4.367040

Jakarta Pusat 2014 19.623342 12.989111 2.055405 4.369828

Jakarta Pusat 2015 19.687480 12.965361 1.873339 4.378144

Jakarta Pusat 2016 19.750314 12.959480 1.853168 4.384773

Jakarta Pusat 2017 19.790984 12.951255 1.919859 4.388133

Jakarta Barat 2010 19.019632 13.887668 2.290513 4.339250

Jakarta Barat 2011 19.086506 13.907923 2.372111 4.349116

Jakarta Barat 2012 19.153575 13.952289 2.231089 4.357350

107

Jakarta Barat 2013 19.218009 13.981261 2.162173 4.366786

Jakarta Barat 2014 19.275889 13.948810 2.197225 4.374246

Jakarta Barat 2015 19.334021 13.984376 1.842136 4.378520

Jakarta Barat 2016 19.392413 13.954074 1.834180 4.386268

Jakarta Barat 2017 19.467429 13.894354 1.856298 4.387884

Jakarta Utara 2010 19.130788 13.551109 2.411439 4.319486

Jakarta Utara 2011 19.192408 13.572679 2.396075 4.332311

Jakarta Utara 2012 19.250986 13.575705 2.335052 4.342376

Jakarta Utara 2013 19.307515 13.578321 2.269028 4.345881

Jakarta Utara 2014 19.363837 13.583256 2.183802 4.347565

Jakarta Utara 2015 19.418405 13.608011 1.961502 4.360548

Jakarta Utara 2016 19.463849 13.624817 2.005526 4.366659

Jakarta Utara 2017 19.507669 13.638829 2.037317 4.375380

108

Lampiran 3

Hasil Uji Chow

Redundant Fixed Effects Tests

Pool: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 223.907380 (5,39) 0.0000

Cross-section Chi-square 162.784874 5 0.0000

Cross-section fixed effects test equation:

Dependent Variable: LNPDRB?

Method: Panel Least Squares

Date: 08/18/19 Time: 00:22

Sample: 1 8

Included observations: 8

Cross-sections included: 6

Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 2.782988 10.99566 2.508535 0.0159

LNTK? 0.577085 0.103834 5.557739 0.0000

LNTPT? 0.135433 0.310086 0.436760 0.6644

LNIPM? 0.855719 0.233421 3.251783 0.0022 R-squared 0.945878 Mean dependent var 18.67936




Log likelihood -20.43743 Hannan-Quinn criter. 1.077154



109

Lampiran 4

Hasil Uji Hausman

Correlated Random Effects - Hausman Test

Pool: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 6.424334 3 0.0269

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. LNTK? 0.023041 0.514466 0.038382 0.0121

LNTPT? -0.117147 -0.085075 0.000171 0.0142

LNIPM? 0.045960 0.020724 0.036122 0.0152

Cross-section random effects test equation:



Date: 08/17/19 Time: 18:40

Sample: 1 8



Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 2.010422 5.763425 -1.348824 0.7291

LNTK? 0.023041 0.233543 0.098658 0.9219

LNTPT? -0.117147 0.085134 -1.376029 0.1767

LNIPM? 0.045960 0.076461 4.408853 0.0001 Effects Specification Cross-section fixed (dummy variables) R-squared 0.998178 Mean dependent var 18.67936


S.E. of regression 0.075395 Akaike info criterion -2.164792

Sum squared resid 0.221692 Schwarz criterion -1.813942

Log likelihood 60.95501 Hannan-Quinn criter. -2.032205



110

Lampiran 5

Hasil

Common Effect Model


Method: Pooled Least Squares

Date: 08/17/19 Time: 18:35

Sample: 1 8



Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. LNTK? 0.821382 0.038080 21.56966 0.0000

LNTPT? -0.365505 0.250789 -1.457420 0.1519

LNIPM? 0.034822 0.161095 12.63122 0.0000 R-squared 0.938138 Mean dependent var 18.67936




Log likelihood -23.64554 Hannan-Quinn criter. 1.154427

Durbin-Watson stat 0.039907

111

Lampiran 6

Hasil

Fixed Effect Model


Method: Pooled Least Squares

Date: 09/03/19 Time: 11:16

Sample: 1 8



Total pool (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 4.010422 5.763425 8.348824 0.0000

LNTK? 0.130409 0.233543 4.098658 0.0021

LNTPT? -0.117147 0.085134 -1.376029 0.0128

LNIPM? 0.229594 1.076461 6.408853 0.0000

Fixed Effects (Cross)

_JAKBAR—C 0.450858

_JAKPUS—C 0.815459

_JAKSEL—C 0.508756

_JAKTIM—C 0.405999

_JAKUT—C 0.645298

_KEPSER—C -2.826371 Effects Specification Cross-section fixed (dummy variables) R-squared 0.941781 Mean dependent var 18.67936







112

Lampiran 7

Hasil

Random Effect Model


Method: Pooled EGLS (Cross-section random effects)

Date: 08/17/19 Time: 18:00

Sample: 1 8



Total pool (balanced) observations: 48

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 10.43369 4.714101 2.213294 0.0321

LNTK? 0.514466 0.127124 4.046951 0.0002

LNTPT? -0.085075 0.084124 -1.011300 0.3174

LNIPM? 0.207240 1.059550 4.914575 0.0000

Random Effects (Cross)

_JAKBAR--C -0.057568

_JAKPUS--C 0.756307

_JAKSEL--C 0.036370

_JAKTIM--C -0.153811

_JAKUT--C 0.312185

_KEPSER--C -0.893484 Effects Specification

S.D. Rho Cross-section random 0.623370 0.9856

Idiosyncratic random 0.075395 0.0144 Weighted Statistics R-squared 0.720156 Mean dependent var 0.798026


S.E. of regression 0.078274 Sum squared resid 0.269579


Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.899245 Mean dependent var 18.67936

Sum squared resid 12.26001 Durbin-Watson stat 0.007911

113

Lampiran 8

Hasil Uji Normalitas

0

2

4

6

8

10

-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20

Series: Standardized Residuals

Sample 2010 2017

Observations 48

Mean 1.40e-17

Median -0.009484

Maximum 0.178643

Minimum -0.143171

Std. Dev. 0.068679

Skewness 0.529996

Kurtosis 3.496015

Jarque-Bera 2.739225

Probability 0.254205

Lampiran 9

Hasil Uji Multikolinearitas

LNTK LNTPT LNIPM

LNTK 1.000000 0.176340 0.717335

LNTPT 0.176340 1.000000 -0.078328

LNIPM 0.717335 -0.078328 1.000000

114

Lampiran 10

Hasil Uji Autokorelasi

Lampiran 11

Hasil Uji Heteroskedastisitas

Dependent Variable: RESABS


Date: 09/03/19 Time: 15:13

Sample: 2010 2017

Periods included: 8


Total panel (balanced) observations: 48 Variable Coefficient Std. Error t-Statistic Prob. C 2.201534 2.198554 1.001356 0.3228

LNTK 0.280465 0.089089 3.148144 0.2315

LNTPT -0.055058 0.032476 -1.695363 0.0980

LNIPM 0.311810 0.410634 0.759339 0.4522 Effects Specification Cross-section fixed (dummy variables) R-squared 0.643085 Mean dependent var 0.052303


S.E. of regression 0.028761 Akaike info criterion -4.092256

Sum squared resid 0.032260 Schwarz criterion -3.741406

Log likelihood 107.2142 Hannan-Quinn criter. -3.959670



R-squared 0.941781 Mean dependent var 18.67936







115

JANGAN MEMBENCI SIAPAPUN, TAK PEDULI SEBERAPA BANYAK

KESALAHAN YANG MEREKA LAKUKAN TERHADAPMU

HIDUPLAH DENGAN RENDAH HATI, TAK PEDULI SEBERAPA BANYAK

KEKAYAANMU

BERPIKIRLAH POSITIF, TAK PEDULI SEBERAPA KERAS KEHIDUPAN

YANG KAMU JALANI

BERIKANLAH BANYAK, MESKIPUN KAU MENERIMA SEDIKIT

MAAFKANLAH ORANG YANG BERBUAT SALAH PADAMU, MESKIPUN

KAU TERUS DISAKITI

DAN

JANGAN BERHENTI MENDOAKAN YANG TERBAIK UNTUK ORANG

YANG KAU SAYANGI...

- Sayyidina Ali Bin Abi Thalib RadhiyallahuAnhu -

Semoga Bermanfaat!

lembar pengesahan pembimbing pembangunan...

Documents