Kaitan Indeks Gini dengan Tingkat Kemiskinan

109

5.2 Hasil Evaluasi Model Peran Pendidikan terhadap Kemiskinan

Untuk mengidentifikasi peran pendidikan di Indonesia secara keseluruhan terhadap kemiskinan, digunakan analisis data panel. Model ini didekati melalui tiga indikator utama, seperti angka melek huruf, angka partisipasi sekolah dan rata-rata lama sekolah. Model ini menyertakan variabel rasio anggaran fungsi pendidikan terhadap total APBD sebagai pendekatan pengeluaran publik bidang pendidikan. Persamaan menggunakan data dari 33 provinsi di seluruh Indonesia pada periode tahun 2007 sampai 2010. Dalam penelitian ini, sebagian besar variabel yang digunakan dalam satuan persentase. Adapun untuk variabel dengan satuan bukan persentase, digunakan nilai logaritma untuk menghilangkan pengaruh perbedaan satuan pengukuran atau bebas satuan. Nilai koefisien regresi bisa bernilai positif atau negatif. Jika nilai koefisien β bertanda positif artinya peningkatan variabel bebas sebesar 1 . akan meningkatkan variabel tak bebas sebesar β . . Jika nilai koefisien β bertanda negatif, artinya peningkatan variabel bebas sebesar 1 . akan menurunkan variabel tak bebas sebesar β . . Pengujian pertama adalah mengestimasi pengaruh pendidikan secara keseluruhan di Indonesia. Variabel yang digunakan adalah: angka melek huruf penduduk umur 15 tahun ke atas, angka partisipasi sekolah penduduk umur 7-24 tahun, rata-rata lama sekolah penduduk umur 15 tahun ke atas, dan rasio anggaran fungsi pendidikan terhadap total APBD. Pemilihan model regresi terbaik dilakukan untuk mendapatkan hasil estimasi yang baik. Proses ini dilakukan dengan membandingkan model efek tetap fixed effect model - FEM dengan model efek acak random effect model - REM menggunakan uji Hausman. Statistik uji Hausman mengikuti distribusi statistik Chi-Square dengan derajat bebas sejumlah variabel bebas, dengan hipotesis: H :   |  it i x E   Tidak ada korelasi antara komponen error dengan peubah bebas. H 1 :   |  it i x E   Ada korelasi antara komponen error dengan peubah bebas. 110 Jika H : diterima, maka dipilih model efek acak atau REM. Jika model yang terpilih adalah model efek acak maka model diasumsikan best linier unbiased estimator BLUE dan tidak perlu dilakukan pengujian terhadap tiga asumsi utama model BLUE non-multicolinierity, homoskedasticity, dan non- autocorelation. Hal ini dikarenakan dua alasan, yaitu: i sifat data panel adalah bebas dari gejala multikolinieritas; dan ii REM adalah model generalized least square GLS, dan estimasi dengan menggunakan GLS secara otomatis sudah terbebas dari gejala autokorelasi, bahkan terbebas dari gejala heteroskedastisitas yang disebabkan variasi sisaannya konstan Gujarati 2004. Jika H : ditolak, maka dipilih model efek tetap atau FEM. Jika model yang terpilih adalah model efek tetap maka perlu dilakukan beberapa uji asumsi, khususnya uji homoskedasitas dan uji autokorelasi. Pengujian berbagai asumsi dasar terhadap metode FEM sebagai model terpilih, dilakukan untuk memperoleh hasil estimasi yang BLUE best linear unbiased estimator. Asumsi yang harus dipenuhi dalam persamaan regresi adalah semua error mempunyai varian yang sama σ 2 konstan yang disebut dengan homoskedastisitas dan mengasumsikan tidak terjadi autokorelasi antarobservasi dalam satu peubah atau antara error masa yang lalu dengan error masa sekarang. Berdasarkan informasi hasil penelitian, menunjukkan bahwa persamaan peran pendidikan terhadap kemiskinan di Indonesia menunjukkan bahwa FEM lebih baik dibandingkan dengan REM. Hal ini terlihat dari nilai peluang Chi- square untuk persamaan tersebut yaitu sebesar 0,0058 yang lebih kecil dari taraf nyata 1 . . Nilai peluang ini memiliki arti bahwa data pengamatan cukup bukti untuk menolak hipotesis nol bahwa tidak ada korelasi antara komponen error dengan peubah bebas. Berdasarkan hasil estimasi, ditemukan adanya heteroskedastisitas pada model, terlihat dari jumlah kuadrat sisaan sum square residual pada weighted statistics lebih kecil daripada unweighted statistics. Pengujian berikutnya berupa pendeteksian gejala autokorelasi pada model. Berdasarkan hasil uji statistik Durbin-Watson DW diperoleh nilai DW-hitung pada unweighted statistics persamaan tersebut terletak di antara nilai dL dan dU Lampiran 2. Hasil ini menandakan tidak dapat menentukan autokorelasi pada model tersebut. Sehingga