Terdapat dua pendekatan yang digunakan untuk menghitung estimator REM, yaitu between estimator dan Generalized Least Square GLS.
Pendekatan yang digunakan pada penelitian ini adalah Generalized Least Square
GLS karena pendekatan GLS mengkombinasikan informasi dari dimensi antar dan dalam between and within data secara efisien. GLS dapat dipandang
sebagai rata-rata yang dibobotkan dari estimasi between and within dalam sebuah regresi, sedangkan pendekatan between estimator tidak digunakan karena hanya
akan konsisten untuk N tak hingga. Uji normalitas digunakan untuk menguji apakah residual mengikuti
distribusi normal atau tidak. Hasil estimasi menunjukkan model faktor-faktor yang memengaruhi kemiskinan di Provinsi Nusa Tenggara Timur mempunyai
nilai residual berdistribusi normal. Ini dapat diketahui dari nilai probabilita Jarque-Bera
sebesar 0,5024. Nilai probabilita Jarque-Bera lebih besar dari 0,05 sehingga dapat diperoleh kesimpulan nilai residual berdistribusi normal.
Setelah dilakukan pengujian dan diperoleh model dan metode yang paling sesuai, maka dilakukan estimasi dari persamaan tersebut. Estimasi dilakukan
dengan metode random effect model. Estimasi dilakukan untuk mengetahui besarnya elastisitas dari setiap variabel bebas independent variable terhadap
variabel tidak bebas dependent variable. Variabel tidak bebas yaitu jumlah penduduk miskin, sedangkan variabel bebas meliputi jumlah penduduk, jumlah
pekerja sektor pertanian, jumlah pengeluaran pembangunan APBD,rata-rata lama sekolah, PDRB perkapita atas dasar harga konstan tahun 2000, pengangguran,
jumlah pengeluaran pesta dan upacara, jumlah pengeluaran tembakau dan sirih pinang.
Dalam model data panel tersebut, terlihat bahwa REM lebih baik dibandingkan metode FEM. Hal ini tercermin dari nilai statistik uji Hausman
5,873197 yang tidak signifikan pada taraf uji 10 persen dengan p-value 0,6614 yang berarti belum cukup bukti untuk menolak hipotesis tidak adanya korelasi
antara peubah penjelas dengan komponen error. Metode estimasi dalam model data panel menunjukkan hasil estimasi yang
cukup baik, hal ini terlihat dari uji kesesuaian modelnya goodness of fit. Uji model REM secara keseluruhan valid dalam taraf signifikansi 5 persen yang
ditunjukkan dengan nilai statistik uji F 29,89314 dan p-value sebesar 0,000. Model dalam persamaan 1 dapat digunakan untuk menganalisis faktor-faktor yang
mempengaruhi tingkat kemiskinan. Nilai adjusted R
2
sebesar 0,7355 berarti keragaman tingkat kemiskinan yang dapat dijelaskan oleh variabel-variabel
independen sebesar 73,55 persen, sedangkan sisanya 26,45 persen dipengaruhi oleh faktor yang lain.
6.2 Faktor yang Memengaruhi Kemiskinan
Berdasarkan hasil estimasi regresi data panel dalam Tabel 8. Sebagian besar faktor yang digunakan berpengaruh nyata terhadap tingkat kemiskinan.
Tanda koefisien parameter menunjukkan bahwa jumlah penduduk, PDRB perkapita, jumlah pekerja sektor pertanian, besarnya realisasi pengeluaran APBD,
dan rata-rata lama sekolah, jumlah pengangguran terbuka, jumlah pengeluaran pesta dan upacara, dan jumlah pengeluaran untuk konsumsi tembakau, rokok dan
sirih pinang memberikan pengaruh nyata terhadap pengurangan penduduk
miskin, sedangkan rata-rata lama sekolah, dan jumlah pengeluaran konsumsi tembakau, dan sirih pinang tidak memiliki pengaruh yang nyata terhadap tingkat
kemiskinan. Tabel 8. Hasil regresi data panel faktor-faktor yang memengaruhi tingkat
kemiskinan. Variabel
Koefisien Prob.
C 4,688701
0,0015 Logpddk
0,669347 0,0000
Logpdrb_kpt -0,585134
0,0001 Logpp
-0,090785 0.0195
Logtani 0,113003
0,130 Lognganggur
0,121762 0,0767
Loglamasklh -0,527694
0,26860 Logpesta
0,079364 0,196
Logtsp 0,030768
0,65410 R-squared
0,735500 F-statistic
29,39310 0,0000
- Sig. pada level 1persen
Sig. pada level 10 persen Tabel 8 menunjukkan bahwa jumlah penduduk, jumlah pekerja sektor
pertanian, jumlah pengangguran terbuka, jumlah pengeluaran pesta dan upacara,
dan jumlah pengeluaran untuk konsumsi tembakau,rokok dan sirih pinang akan
berdampak menambah jumlah penduduk miskin. Besarnya realisasi pengeluaran APBD perkapita, pengeluaran pembangunan APBD dan rata-rata lama sekolah
akan berdampak mengurangi jumlah penduduk miskin.
6.2.1 Jumlah Penduduk
Penduduk merupakan subyek sekaligus obyek dari pembangunan ekonomi maka untuk meningkatkan perekonomian dan penanggulangan kemiskinan tidak
terlepas dari peran penduduk itu sendiri. Di Provinsi Nusa Tenggara Timur, nilai elastisitas jumlah penduduk sebesar 0,67 mempunyai arti setiap kenaikan 1 persen
jumlah penduduk maka akan meningkatkan jumlah penduduk miskin sebesar 0,67 persen, ceteris paribus. Hasil estimasi ini sesuai dengan hipotesis bahwa
pertumbuhan jumlah penduduk memberikan pengaruh positif terhadap pertumbuhan jumlah penduduk miskin.
Pada tahun 2008, Jhingan mengemukakan pengaruh buruk pertumbuhan penduduk yang tinggi terhadap perekonomian yang dalam hal ini pendapatan per
kapita. Pertumbuhan penduduk cenderung memperlambat pendapatan per kapita melalui tiga cara, yaitu: 1 jumlah penduduk memperberat beban penduduk pada
lahan; 2 jumlah penduduk menaikkan barang konsumsi karena kekurangan faktor pendukung untuk menaikkan penawaran mereka; 3 memerosotkan akumulasi
modal, karena dengan tambah anggota keluarga maka biaya akan meningkat. Kondisi ini akan semakin parah apabila persentase anak-anak pada keseluruhan
penduduk tinggi, karena anak-anak hanya menghabiskan dan tidak menambah produk, dan jumlah anak yang menjadi tanggungan keluarga lebih besar daripada
jumlah mereka yang menghasilkan, sehingga pendapatan per kapita menjadi rendah.
Nilai elastisitas jumlah penduduk menunjukkan angka terbesar jika dibandingkan dengan variabel bebas lainnya. Ini mengindikasikan bahwa
pertumbuhan jumlah penduduk di Provinsi Nusa Tenggara Timur menjadi faktor utama tingginya angka kemiskinan. Banyaknya penduduk menyebabkan
persaingan dalam memperoleh pekerjaan semakin kuat, sementara lapangan kerja terbatas. Penduduk yang kalah dalam persaingan akan menganggur atau bekerja