Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia

ANALISIS DATA PANEL ANOMALI PENYERAPAN
TENAGA KERJA PERTANIAN DI INDONESIA

NANIE KURNIADI

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Data Panel
Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia adalah benar karya
saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk
apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau
dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Februari 2014
Nanie Kurniadi
NIM G14090063

ABSTRAK
NANIE KURNIADI. Analisis Data Panel Anomali Penyerapan Tenaga Kerja
Pertanian di Indonesia. Dibimbing oleh MOHAMMAD MASJKUR dan ITASIA
DINA SULVIANTI.
Berdasarkan hasil survei Badan Pusat Statistik, tenaga kerja pertanian di
Indonesia mencapai angka tertinggi sebesar 35.09% pada tahun 2012. Namun,
selama tahun 2008 sampai 2012, rataan penyerapan tenaga kerja pertanian pada
kurun waktu tersebut mengalami penurunan sebesar 1.49% sedangkan Produk
Domestik Bruto sektor pertanian meningkat sebesar 0.05%. Kejadian ini tidak
sejalan dengan teori ekonomi yang menjelaskan bahwa peningkatan pertumbuhan
ekonomi akan meningkatkan penyediaan lapangan kerja dan sebaliknya.
Penelitian ini dilakukan untuk mengetahui provinsi yang tidak sejalan tersebut dan
mengetahui peubah-peubah penjelas yang mempengaruhi banyaknya tenaga kerja
pertanian dengan menggunakan data tahun 2008 sampai 2012 pada 33 provinsi.

Hasil penelitian menunjukkan bahwa 23 provinsi sejalan dan 10 provinsi lainnya
tidak sejalan. Kesepuluh provinsi tersebut tersebar di pulau Sumatera, Jawa, Bali
dan Sulawesi. Peubah penjelas yang mempengaruhi banyaknya tenaga kerja
pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja,
banyaknya desa, dan besarnya upah.
Kata kunci: data panel, PDRB, pertanian, plot kuadran, tenaga kerja.

ABSTRACT
NANIE KURNIADI. Analysis of Panel Data Anomaly Employment Absorption
of Agriculture in Indonesia. Supervised by MOHAMMAD MASJKUR and
ITASIA DINA SULVIANTI.
Based on the survey results of the Badan Pusat Statistik, agricultural labor in
Indonesia, reaching at 35.09% in 2012. However, during the years 2008 to 2012,
the average employment in this period decreased by 1.49% while agricultural
Gross Domestic Product increased at 0.05%. This case is not in line with the
economic theory that explains that economic growth will boost employment and
vice versa. This study was conducted to determine the province which is not in
line and know the explanatory variables that affect the number of agricultural
workers by using the data of 2008 to 2012 in 33 provinces. The results showed
that 23 provinces in line and 10 other provinces are not in line. Ten provinces

spread across the island of Sumatra, Java, Bali and Sulawesi. The explanatory
variables that affect the amount of agricultural labor are the variable number of
resident, the number of working-age population, the number of villages, and the
amount of wages.
Keywords: agriculture, GDP, labor, panel data, plot quadrant.

ANALISIS DATA PANEL ANOMALI PENYERAPAN
TENAGA KERJA PERTANIAN DI INDONESIA

NANIE KURNIADI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
Institut Pertanian Bogor

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR

BOGOR
2014

Judul : Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di
Indonesia
Nama : Nanie Kurniadi
NRP : G14090063

Disetujui oleh

Ir Mohammad Masjkur, MS
Pembimbing I

Dra Itasia Dina Sulvianti, MSi
Pembimbing II

Diketahui oleh

Dr Anang Kurnia, MSi
Ketua Departemen

Tanggal Lulus:

Judul : Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di
Indonesia
Nama : Nanie Kumiadi
NRP : 014090063

Disetujui oleh

Ir Mohammad Masjkur, MS
Pembimbing I

Tanggal Lulus:

Dra Itasia Dina Suivianti,
Pembimbing II

ｎｬｾｩ＠

03 MAR D1 4

jT I

PRAKATA
Puji syukur penulis panjatkan kepada Allah SWT atas anugerah dan
hidayah-Nya sehingga karya ilmiah yang berjudul Analisis Data Panel Anomali
Penyerapan Tenaga Kerja Pertanian di Indonesia berhasil diselesaikan. Karya
ilmiah ini disusun sebagai salah satu syarat untuk menyelesaikan pendidikan di
Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor.
Terima kasih penulis sampaikan kepada Bapak Ir Mohammad Masjkur, MS
dan Ibu Dra Itasia Dina Sulvianti, MSi selaku pembimbing yang telah banyak
memberi masukan dan saran dalam karya ilmiah ini. Di samping itu, penulis juga
mengucapkan terima kasih kepada Ibu Dra Laelatul Chasanah serta seluruh staf
Sarana dan Prasarana dari Pusat Data dan Sistem Informasi Pertanian
Kementerian Pertanian yang telah membantu dalam pengumpulan data. Penulis
juga mengucapkan terima kasih kepada bapak, ibu, kakak serta seluruh keluarga
atas nasehat, doa, dan motivasinya sehingga penulis mampu menyelesaikan karya
ilmiah ini dengan baik. Ungkapan terima kasih juga penulis sampaikan kepada

teman-teman Statistika 46 atas dukungan yang telah diberikan.
Akhirnya, penulis berharap supaya karya ilmiah ini dapat bermanfaat bagi
pembaca.

Bogor, Februari 2014

Nanie Kurniadi

DAFTAR ISI
ABSTRAK

iv

DAFTAR TABEL

x

DAFTAR GAMBAR

x

DAFTAR LAMPIRAN

x

PENDAHULUAN

1

Latar Belakang

1

Tujuan

1

METODOLOGI

2

Data

2

Metode Penelitian

2

Analisis Statistika Deskriptif

2

Analisis Data Panel

3

HASIL DAN PEMBAHASAN

5

Eksplorasi Data

5

Anomali Penyerapan Tenaga Kerja Pertanian

7

Analisis Data Panel

9

Pengujian Asumsi

10

Penanganan Pelanggaran Asumsi

11

Pemilihan Model Terbaik

12

SIMPULAN

14

DAFTAR PUSTAKA

14

RIWAYAT HIDUP

21

DAFTAR TABEL
1
2
3
4
5
6
7
8

Statistika deskriptif elastisitas tenaga kerja pertanian tahun 2008-2012
Hasil uji Chow
Hasil uji Hausman
Hasil uji Glejser model pengaruh tetap individu
Hasil uji Durbin-Watson model pengaruh tetap individu
Hasil uji multikolinieritas model pengaruh tetap individu
Hasil uji Glejser model pengaruh tetap individu dengan pembobotan
bagi setiap individu
Hasil uji multikolinieritas model pengaruh tetap individu dengan
pembobotan bagi setiap individu

7
9
10
10
10
11
11
11

DAFTAR GAMBAR
1
2

PDRB pertanian (atas dasar harga konstan) menurut provinsi tahun
2008-2012
Plot kuadran laju PDRB dengan laju penyerapan tenaga kerja pertanian
di Indonesia tahun 2008-2012

6
8

DAFTAR LAMPIRAN
1. Rataan dan simpangan baku laju pertumbuhan ekonomi serta laju
penyerapan tenaga kerja pertanian menurut provinsi selama 2008-2012
2. Daftar provinsi di Indonesia dengan notasi angka
3. Hasil analisis model pada data panel
4. Pengaruh spesifik individu model pengaruh tetap individu, model
pengaruh tetap dengan pembobotan bagi setiap individu, dan model
dengan peubah penjelas yang siginifikan
5. Hasil analisis model pengaruh tetap individu dengan pembobotan bagi
setiap individu
6. Hasil analisis model pengaruh tetap individu dengan pembobotan bagi
setiap individu dan peubah yang signifikan
7. Hasil uji Glejser model pengaruh tetap individu dengan pembobotan
bagi setiap individu dan peubah yang signifikan
8. Hasil uji Durbin-Watson model pengaruh tetap individu dengan
pembobotan bagi setiap individu dan peubah yang signifikan
9. Hasil uji multikolinieritas model pengaruh tetap individu dengan
pembobotan bagi setiap individu dan peubah yang signifikan

15
16
17

18
19
19
20
20
20

PENDAHULUAN
Latar Belakang
Indonesia terkenal sebagai negara agraris dengan sebagian besar
masyarakatnya bekerja pada sektor pertanian. Sektor pertanian terbagi menjadi
beberapa bagian yang lebih spesifik yaitu tanaman pangan, hortikultura,
perkebunan, peternakan, perikanan serta kehutanan. Berdasarkan hasil survei
Badan Pusat Statistik (BPS) pada tahun 2012, banyaknya penduduk yang bekerja
pada sektor ini mencapai angka tertinggi yaitu sebesar 35.09%, kemudian diikuti
oleh sektor perdagangan 20.90%, dan jasa sebesar 15.43%. Besarnya kontribusi
tenaga kerja pertanian menunjukkan bahwa tenaga kerja pada sektor ini
memberikan peranan penting dalam pembangunan nasional.
Banyaknya tenaga kerja pertanian tidak terlepas dari pengaruh pertumbuhan
ekonomi pada sektor terkait. Secara teori, peningkatan pertumbuhan ekonomi
akan meningkatkan penyediaan lapangan kerja begitu pula sebaliknya. Namun hal
ini tidak selamanya terjadi pada sektor pertanian. Berdasarkan catatan BPS pada
tahun 2008 sampai 2012, rataan laju pertumbuhan ekonomi pertanian yang dilihat
dari Produk Domestik Bruto (PDB) meningkat sebesar 0.05%, sedangkan rataan
laju penyerapan tenaga kerja pertanian mengalami penurunan sebesar 1.49%. Hal
ini menunjukkan bahwa pertumbuhan ekonomi pertanian tidak sejalan dengan
penyerapan tenaga kerja pertaniannya. Penyimpangan terjadi ketika pertumbuhan
ekonomi tidak diimbangi dengan perluasan penyerapan tenaga kerja dengan
kecepatan yang setara (Nur 2011). Penyimpangan tersebut akan ditelaah melalui
plot kuadran yang menjelaskan ketidaksesuaian perkembangan Produk Domestik
Regional Bruto (PDRB) pertanian yang merupakan ukuran pertumbuhan ekonomi
pertanian dengan penyerapan tenaga kerja pertanian.
Banyaknya tenaga kerja pertanian tentunya dipengaruhi juga oleh peubahpeubah selain pertumbuhan ekonomi pertanian. Peubah-peubah yang
mempengaruhi banyaknya tenaga kerja pertanian diantaranya adalah penduduk
dan upah (Nur 2011). Peubah-peubah tersebut dapat diamati secara bersama-sama
pada sejumlah provinsi tertentu pada beberapa waktu tertentu. Analisis statistika
yang tepat dalam menjelaskan keterkaitan ini adalah analisis data panel. Analisis
ini mampu mengombinasikan antara data lintas individu dengan data deret waktu.
Tujuan
Penelitian ini bertujuan untuk :
1. Mengidentifikasi provinsi-provinsi yang laju pertumbuhan ekonomi
pertaniannya tidak sejalan dengan laju penyerapan tenaga kerja pertanian.
2. Menyusun model yang dapat menjelaskan peubah-peubah yang
mempengaruhi banyaknya tenaga kerja pertanian.

2

METODOLOGI
Data
Objek yang diamati pada penelitian ini adalah sektor pertanian yang
mencakup tanaman pangan, hortikultura, peternakan serta perkebunan. Data yang
digunakan dalam penelitian ini merupakan data primer yang dikumpulkan oleh
Pusat Data dan Sistem Informasi Pertanian (PUSDATIN) Kementerian Pertanian
Republik Indonesia dan Badan Pusat Statistik (BPS). Data yang diperoleh dari
PUSDATIN mengenai banyaknya tenaga kerja pertanian, besarnya Produk
Domestik Regional Bruto pertanian (atas dasar harga konstan 2000) dan
banyaknya penduduk usia kerja. Sedangkan data yang diperoleh dari BPS adalah
data banyaknya penduduk, banyaknya desa menurut wilayah administrasi, dan
besarnya upah. Data dikumpulkan dari tahun 2008 sampai dengan 2012 pada
seluruh provinsi di Indonesia. Pada analisis data panel peubah banyaknya tenaga
kerja pertanian dipilih sebagai peubah respon (Y). Sedangkan peubah yang
digunakan sebagai peubah penjelas adalah banyaknya penduduk (X1), banyaknya
penduduk usia kerja (X2), banyaknya desa (X3), PDRB sektor pertanian (X4), dan
besarnya upah (X5). Data tersebut digunakan untuk mengetahui pengaruh peubah
penjelas terhadap peubah responnya.
Metode Penelitian
Analisis Statistika Deskriptif
Pada tahap awal penelitian ini, dilakukan eksplorasi data dengan
menampilkan besarnya pertumbuhan ekonomi pertanian dengan menggunakan
diagram batang. Sedangkan untuk mengetahui rataan laju pertumbuhan ekonomi
pertanian yang tidak sejalan dengan rataan laju penyerapan tenaga kerja pertanian
dilakukan analisis deskriptif dengan menggunakan plot kuadran. Adapun rincian
langkah-langkahnya dijelaskan sebagai berikut:
1. Menghitung laju penyerapan tenaga kerja pertanian dengan rumus sebagai
berikut:
�

2.

� =

� −
�,
� , −1

−1

100

dengan TKPit merupakan banyaknya tenaga kerja pertanian provinsi ke-i pada
tahun ke-t, dan TKPi,t-1 merupakan banyaknya tenaga kerja pertanian provinsi
ke-i pada tahun ke-t-1; i=1,2,3,...,N; t=1,2,...,T; N adalah banyaknya provinsi
dan T adalah banyaknya tahun pengamatan.
Menghitung laju PDRB pertanian dengan rumus sebagai berikut:
�

�� � =

�� � − �� � ,
�� � , −1

−1

100

dengan PDRBit merupakan pertumbuhan ekonomi pertanian provinsi ke-i
pada tahun ke-t, dan PDRBi,t-1 merupakan pertumbuhan ekonomi pertanian
provinsi ke-i pada tahun ke-t-1; i=1,2,3,...,N; t=1,2,...,T; N adalah banyaknya
provinsi dan T adalah banyaknya tahun pengamatan.

3
3.

Menghitung rataan laju PDRB pertanian provinsi ke-i dan rataan laju
penyerapan tenaga kerja pertanian provinsi ke-i dengan rumus berikut:
�

4.

�� � =
�

1
=1

� =

�

�� � ; T =5

1

=1

�

�

Membuat plot kuadran antara rataan laju PDRB pertanian dan rataan laju
penyerapan tenaga kerja pertanian dengan menambahkan informasi titik ideal
yang berpusat pada rataan laju PDRB = 0 dan rataan laju TKP = 0.

Analisis Data Panel
1. Pendugaan parameter model gabungan.
Model gabungan merupakan pendekatan data panel dengan mengasumsikan
bahwa koefisien regresi bernilai konstan untuk semua individu. Pendugaan
parameter pada model ini menggunakan pendekatan Metode Kuadrat Terkecil
(MKT). Adapun persamaan regresi dalam model gabungan menurut Baltagi
(2005) adalah sebagai berikut:
= 0i + x′  + u
dengan
merupakan respon individu ke-i pada waktu ke-t, 0 merupakan
skalar dan 0i bersifat konstan, 0i merupakan intersep individu ke-i, 
merupakan vektor koefisien peubah penjelas berukuran k x 1, k adalah
banyaknya peubah penjelas, x′ merupakan vektor pengamatan individu ke-i
pada waktu ke-t. Sebagian besar data panel menggunakan model komponen
sisaan satu arah:
u = i + vit
dengan u merupakan sisaan model individu ke-i pada waktu ke-t, i adalah
pengaruh spesifik individu ke-i yang tidak teramati, sedangkan vit adalah
sisaan antar individu ke-i pada waktu ke-t.
2. Pendugaan parameter model pengaruh tetap individu.
Model ini terjadi ketika antara pengaruh individu ke-i memiliki korelasi
dengan peubah penjelas individu ke-i pada waktu ke-t (Xit) atau memiliki
pola yang sifatnya tidak acak. Penduga model pengaruh tetap dihitung
menggunakan metode least square dummy variable (LSDV). Metode ini
bertujuan untuk dapat merepresentasikan perbedaan intersep, yaitu dengan
menggunakan dummy variable. Menurut Gujarati (2009) model pengaruh
tetap individu dituliskan sebagai berikut:
yit = 01 + 02 d2i + ... + 0N dNi + 1x1 +...+ kxk + u
dengan d2i=1 untuk individu ke-2 dan 0 selainnya, d3i=1 untuk individu ke-3
dan 0 selainnya, dan seterusnya. 01 merupakan nilai intersep untuk individu
ke-1 dan koefisien 0i lainnya merupakan selisih nilai intersep individu
pertama dengan individu ke-i.
3. Pendugaan parameter model pengaruh acak individu.
Model pengaruh acak terjadi ketika pengaruh individu tidak berkorelasi
dengan peubah penjelas individu ke-i pada waktu ke-t. Metode yang tepat
untuk menduga model pengaruh acak adalah generalized least square (GLS).
Model pengaruh acak dituliskan sebagai berikut:

4
yit = 0i + 1x1 +...+ kxk + u
0i = 0 + i

4.

dengan 0i merupakan intersep individu ke-i, 0 merupakan skalar, dan i
adalah pengaruh spesifik individu ke-i yang tidak teramati. Beberapa asumsi
yang sering digunakan dalam model pengaruh acak menurut Gujarati (2009)
adalah:
εi  N(0,��2 )
uit  N(0,� 2 )
E[εiuit] = 0; E[εiεj] = 0, (i  j)
E[uituis] = E[uijuij] = E[uitujs] = 0 (i  j ; t  s)
Mengidentifikasi model dengan menggunakan 2 uji, yaitu :
a. Uji Chow : membandingkan antara model gabungan dan model pengaruh
tetap. Hipotesis uji Chow menurut Firdaus (2011) sebagai berikut :
H0 : 01 = 02 = 03 = ..... = 0N
H1 : minimal terdapat satu i dengan 0i  0
Statistik uji dari pengujian ini adalah:
0

b.

=

(
(

−

)

) (� − � − )
.
(� − 1)

dengan
merupakan jumlah kuadrat sisaan model gabungan,
merupakan jumlah kuadrat sisaan model pengaruh tetap, N merupakan
banyaknya individu, T merupakan banyaknya waktu dan k adalah
banyaknya peubah penjelas. Jika nilai 0 hasil pengujian lebih besar dari
FN-1,N(T-1)-k, maka cukup bukti untuk menjelaskan bahwa model yang
sesuai adalah model pengaruh tetap.
Uji Hausman : membandingkan antara model pengaruh acak dan model
pengaruh tetap. Uji ini dilakukan dengan hipotesis sebagai berikut:
H0 : E[μi Xit] = 0
H1 : E[μi Xit]  0
Menurut Baltagi (2005), statistik uji Hausman dirumuskan sebagai
berikut:
−1
�ℎ2 �� = (
−
−
−
ℎ � )′[ ��(
ℎ � )] (
ℎ �)
dengan
merupakan dugaan parameter model pengaruh acak,
ℎ�
merupakan dugaan parameter model pengaruh tetap. Jika nilai hasil
pengujian lebih besar dari (2 , ) , dengan k merupakan jumlah peubah

5.

penjelas dan  merupakan taraf nyata yang digunakan, maka cukup bukti
untuk melakukan penolakan terhadap H0 sehingga model yang digunakan
adalah model pengaruh tetap.
Pengujian asumsi terhadap model terpilih, yaitu:
a. Uji kehomogenan ragam sisaan
Kehomogenan ragam sisaan dideteksi menggunakan uji Glejser. Uji ini
mempertimbangkan regresi nilai absolut sisaan ei, terhadap peubah
penjelas yang dianggap berhubungan dengan ragam i2. Hipotesis nol
pada pengujian ini adalah ragam dari sisaan homogen. Jika dugaan
parameter  () yang dihasilkan menunjukkan signifikan secara statistik,
maka terdapat keheterogenan ragam sisaan (Gujarati 2009).

5
b.

Uji kebebasan sisaan
Menurut Gujarati (2009) uji yang populer untuk pendeteksian kebebasan
sisaan adalah uji yang dikembangkan oleh Durbin dan Watson. Hipotesis
nol pada pengujian ini adalah sisaan saling bebas. Adapun statistik d
Durbin-Watson didefinisikan sebagai berikut:
n
2
t=2 ( t − t−1 )
=
n
2
t=1 t

c.

dengan t merupakan sisaan pada periode ke-t dan t−1 merupakan sisaan
periode ke-t-1. Nilai d tersebut kemudian dibandingkan dengan nilai d
pada tabel Durbin-Watson. Jika nilai d terletak antara dU dan 4-dU, maka
dapat dinyatakan bahwa sisaan saling bebas.
Uji kenormalan sisaan
Pengujian kenormalan sisaan menggunakan rumus Jarque-Bera (JB test).
Hipotesis nol pada pengujian ini adalah sisaan menyebar normal.
Statistik ujinya dituliskan sebagai berikut:
2

�=�

6.
7.

6

+

( − 3)2
24

dengan S merupakan kesimetrikan (skewness) sebaran data dan K
merupakan keruncingan sebaran data (kurtosis). Jika statistik JB lebih
kecil dari 2( ,2) maka diputuskan bahwa kenormalan sisaan terpenuhi.
d. Uji multikolinieritas
Uji ini dilakukan untuk mengetahui korelasi di antara peubah penjelas
pada regresi berganda. Multikolinieritas dapat dideteksi dengan
menggunakan variance inflation factor (VIF). Jika nilai VIF lebih dari 10
pada suatu peubah penjelas, maka model mengalami masalah
multikolinieritas.
Penanganan pelanggaran asumsi.
Validasi model menggunakan mean absolut percentage error (MAPE)
dengan perhitungan sebagai berikut :
MAPE =

�

=1

−

�

100%

dengan
merupakan banyaknya tenaga kerja pertanian aktual sedangkan
merupakan hasil pendugaan banyaknya tenaga kerja pertanian dari model
yang dihasilkan, dan n adalah banyaknya individu.

HASIL DAN PEMBAHASAN
Eksplorasi Data
Pertumbuhan ekonomi pertanian pada provinsi-provinsi di Indonesia
selama 2008 sampai 2012 lebih banyak didominasi oleh provinsi-provinsi yang
berada di pulau Jawa. Tiga provinsi di pulau Jawa, yaitu Jawa Barat, Jawa Tengah
dan Jawa Timur merupakan tiga dengan pertumbuhan ekonomi pertaniannya
terbesar di Indonesia. Luasnya daerah pertanian serta tingginya produksi pertanian

6
yang dihasilkan pada ketiga provinsi tersebut merupakan salah satu jawaban yang
menjadikan provinsi-provinsi tersebut memiliki pertumbuhan ekonomi pertanian
yang tinggi. Provinsi lain di pulau Jawa yaitu DKI Jakarta memiliki pertumbuhan
ekonomi pertanian terendah pada selang waktu yang sama. Tentu saja hal tersebut
dikarenakan wilayah ibukota Indonesia ini memiliki ladang yang sudah sangat
sempit untuk melakukan aktivitas pertanian. Karena sebagian besar wilayahnya
sudah didirikan bangunan untuk perkantoran, pusat perbelanjaan, tempat tinggal
ataupun alih fungsi lahan lainnya. Adapun gambaran mengenai pertumbuhan
ekonomi pertanian pada masing-masing provinsi dapat dilihat pada Gambar 1.

Gambar 1 PDRB pertanian (atas dasar harga konstan) menurut provinsi tahun
2008-2012
Selama periode 2008 sampai 2012 rataan laju pertumbuhan ekonomi
pertanian tertinggi dimiliki oleh provinsi Bali. Provinsi ini mengalami
pertumbuhan ekonomi pertanian yang pesat pada tahun 2012 mencapai angka
61.97%. Hal ini juga menjadikan provinsi Bali memiliki keragaman laju
pertumbuhan ekonomi pertanian tertinggi di Indonesia. Keragaman tersebut dapat
dilihat dari besarnya simpangan baku laju pertumbuhan ekonomi pertanian.

7
Jawa Barat, Jawa Tengah dan Jawa Timur yang merupakan provinsi dengan
pertumbuhan ekonomi pertanian tertinggi di Indonesia memiliki rataan laju
pertumbuhan ekonomi pertanian sebesar 4.36%, 2.78%, dan 1.65%. Nilai tersebut
kurang dari median laju pertumbuhan ekonomi pertanian nasional yang mencapai
angka 4.45%. Adapun besarnya rataan dan simpangan baku laju pertumbuhan
ekonomi pertanian pada masing-masing provinsi selama 2008 sampai 2012
dituliskan pada Lampiran 1.
Tingkat laju penyerapan tenaga kerja pertanian pada masing-masing
provinsi di Indonesia memiliki keragaman yang berbeda. Hal tersebut dapat
dilihat dari besarnya simpangan baku laju penyerapan tenaga kerja pertanian yang
juga dituliskan dalam Lampiran 1. Selama 2008 sampai 2012, rataan laju
penyerapan tenaga kerja pertanian tertinggi dimiliki oleh DKI Jakarta kemudian
disusul Kepulauan Riau. Keragaman laju penyerapan tenaga kerja pertanian pada
kedua provinsi tersebut juga merupakan yang tertinggi. Rataan laju penyerapan
tenaga kerja pertanian di DKI Jakarta mencapai 29.78%, sedangkan pada
Kepulauan Riau mencapai 28.39%. Hal tersebut terjadi karena hampir di setiap
tahun kedua provinsi ini mengalami peningkatan banyaknya tenaga kerja
pertanian yang cukup signifikan. Namun kedua provinsi ini sempat mengalami
penurunan banyaknya tenaga kerja pertanian sebesar 37.41% pada tahun 2009 di
DKI Jakarta dan 5.76% pada tahun 2010 untuk Kepulauan Riau.
Anomali Penyerapan Tenaga Kerja Pertanian
Hubungan antara besarnya pertumbuhan ekonomi pertanian dengan
banyaknya tenaga kerja pertanian dapat dilihat dari korelasi di antara keduanya.
Besarnya koefisien korelasi pearson antara kedua peubah tersebut pada tahun
2008 sampai 2011 sebesar 0.96, kemudian pada tahun 2012 sebesar 0.97. Hal ini
menunjukkan bahwa terdapat hubungan yang kuat pada kedua peubah tersebut.
Pada ilmu ekonomi, hubungan kedua peubah di atas lebih dijelaskan dengan
elastisitas. Elastisitas tenaga kerja merupakan persentase perubahan banyaknya
tenaga kerja akibat adanya perubahan pertumbuhan ekonomi. Elastisitas tenaga
kerja pertanian mulai tahun 2008 sampai 2012 disajikan pada Tabel 1. Median
elastisitas tenaga kerja pertanian tahun 2008 sebesar 0.73%. Sedangkan median
elastisitas tenaga kerja tahun 2009 sampai 2012 sebesar 0.08%, 0.17%, -0.84%,
2.12%. Suatu hal yang menarik pada deretan median elastisitas tenaga kerja
pertanian adalah terdapatnya median elastisitas tenaga kerja pertanian yang
bernilai negatif. Hal tersebut terjadi di tahun 2011 karena terdapat 21 provinsi di
Indonesia dengan elastisitas yang negatif. Artinya, pada tahun tersebut mayoritas
provinsi di Indonesia mengalami laju penyerapan tenaga kerja pertanian yang
tidak sejalan dengan laju pertumbuhan ekonomi pertanian.
Tabel 1 Statistika deskriptif elastisitas tenaga kerja pertanian tahun 2008-2012
Tahun

Median

Simpangan baku

2008
2009
2010
2011
2012

0.728
0.083
0.167
-0.845
2.116

21.214
13.358
9.765
9.247
71.324

8
Keragaman paling tinggi pada elastisitas tenaga kerja pertanian terjadi pada
tahun 2012. Simpangan baku yang mencapai 71.32% pada tahun ini disebabkan
karena rendahnya laju pertumbuhan ekonomi pertanian yang disertai dengan
tingginya laju penyerapan tenaga kerja pertanian pada provinsi DKI Jakarta. Hal
ini menjadikan provinsi DKI Jakarta memiliki laju pertumbuhan ekonomi
pertanian yang tidak sejalan dengan laju penyerapan tenaga kerja pertanian.
Penyebaran provinsi yang sejalan dan tidak sejalan antara kedua peubah di atas
dapat dilihat pada Gambar 2. Adapun notasi angka pada plot kuadran merupakan
notasi dari provinsi seperti yang dituliskan dalam Lampiran 2.
0
11

Rataan laju TKP sektor pertanian (% )

30

10

25
20
15

33
23

10
32
9

54
1
31
21
2829
22
30
2
26 6
18
1419 1220
8 3 25
15 24
727
13
16

5
0

0

17

-5
-5

Gambar 2

0

5
10
15
20
Rataan laju PDRB sektor pertanian (% )

25

30

Plot kuadran rataan laju PDRB pertanian dengan rataan laju
penyerapan tenaga kerja pertanian di Indonesia tahun 2008-2012
Hasil plot kuadran di atas menunjukkan bahwa seluruh provinsi di Indonesia
mengalami kenaikan pertumbuhan ekonomi pertanian selama 2008 sampai 2012.
Hal ini ditunjukkan dari tersebarnya seluruh provinsi pada nilai rataan laju PDRB
pertanian yang positif. Namun jika dilihat dari rataan laju penyerapan tenaga kerja
pertanian, terdapat 10 provinsi dengan nilai rataannya yang bernilai negatif. Hal
ini menunjukkan bahwa selama periode yang sama, kesepuluh provinsi tersebut
yaitu Sumatera Barat, Bengkulu, Lampung, Jawa Tengah, Jawa Timur, Banten,
Bali, Sulawesi Utara, Sulawesi Tengah, Sulawesi Tenggara mengalami penurunan
banyaknya tenaga kerja pertanian. Sehingga dapat dikatakan bahwa kesepuluh
provinsi tersebut mengalami anomali antara pertumbuhan ekonomi pertanian
dengan penyerapan tenaga kerja pertanian.
Hal yang menarik lainnya pada plot kuadran adalah terdapat 3 provinsi yang
terletak jauh dari titik ideal. Provinsi tersebut adalah DKI Jakarta, Kepulauan
Riau, dan Bali. Seperti pada pembahasan sebelumnya, telah diketahui bahwa laju
pertumbuhan ekonomi pertanian provinsi DKI Jakarta selama 2008 sampai 2012
termasuk rendah. Sedangkan laju penyerapan tenaga kerja pertaniannya sangat
tinggi. Provinsi Kepulauan Riau memiliki rataan laju penyerapan tenaga kerja

9
pertanian yang tinggi. Sementara laju pertumbuhan ekonomi pertaniannya
tergolong sedang. Sedangkan pada provinsi Bali, rataan laju pertumbuhan
ekonomi pertanian pada provinsi ini sangat tinggi sementara rataan laju
penyerapan tenaga kerja pertaniannya rendah. Rendahnya laju pertumbuhan
ekonomi pertanian yang diikuti tingginya laju penyerapan tenaga kerja pertanian
yang sangat signifikan pada DKI Jakarta dan Kepulauan Riau menunjukkan
bahwa kedua provinsi ini terjadi anomali antara pertumbuhan ekonomi pertanian
dengan penyerapan tenaga kerja pertanian. Begitu pula dengan provinsi Bali,
kenaikan pertumbuhan ekonomi pertanian yang tinggi, diikuti dengan penyerapan
tenaga kerja pertanian yang rendah juga menunjukkan bahwa pada provinsi ini
mengalami kecenderungan anomali.
Analisis Data Panel
Analisis data panel dilakukan dengan menggunakan seluruh provinsi di
Indonesia sebagai individu. Hal ini karena berdasarkan plot kuadran terlihat
bahwa sebagian besar provinsi memiliki perbedaan laju pertumbuhan ekonomi
pertanian dan laju penyerapan tenaga kerja pertanian yang tidak terlalu signifikan.
Lampiran 3 menunjukkan hasil analisis data panel. Hasil analisis pada model
gabungan adalah terdapat empat peubah penjelas yaitu banyaknya penduduk usia
kerja, banyaknya desa, besarnya PDRB pertanian, dan besarnya upah yang
berpengaruh secara siginifikan terhadap banyaknya tenaga kerja pertanian. Peubah
penjelas tersebut memiliki nilai-p kurang dari 5%. Keragaman data banyaknya
tenaga kerja pertanian yang dapat dijelaskan oleh peubah penjelas dapat dilihat
dari R2 sebesar 92.54%.
Pada model pengaruh tetap individu, peubah penjelas yang secara
signifikan berpengaruh terhadap banyaknya tenaga kerja pertanian adalah
banyaknya penduduk, banyaknya penduduk usia kerja dan banyaknya desa.
Ketiga peubah ini memiliki nilai-p sebesar 0.0035, 0.0003, dan 0.0449. Besarnya
R2 untuk model pengaruh tetap ini lebih besar dari model gabungan dengan nilai
sebesar 99.67%.
Berbeda dengan hasil analisis pada model pengaruh acak, pada model ini
empat peubah penjelas yang meliputi banyaknya penduduk, banyaknya penduduk
usia kerja, banyaknya desa, dan besarnya upah berpengaruh secara siginifikan
terhadap banyaknya tenaga kerja pertanian. Hal tersebut dilihat dari besarnya
nilai-p untuk masing-masing peubah penjelas tersebut kurang dari 5%. Namun,
keragaman data banyaknya tenaga kerja pertanian yang dapat dijelaskan oleh
seluruh peubah penjelas sebesar 56.57%. Nilai tersebut lebih kecil dari R2 yang
dimiliki oleh model pengaruh tetap individu dan model gabungan.
Selanjutnya dilakukan pemilihan model terhadap ketiga model di atas. Uji
Chow memberikan hasil bahwa nilai-p untuk pengujian ini mendekati 0 yang
artinya model sementara yang sesuai adalah model pengaruh tetap individu. Hal
ini menunjukkan bahwa provinsi-provinsi di Indonesia memiliki pengaruh yang
berbeda terhadap banyaknya tenaga kerja pertanian.
Tabel 2 Hasil uji Chow
Uji pengaruh
Uji F

Statistik uji
86.0695

Derajat bebas
(32,127)

Nilai-p
0.0000

10
Selanjutnya hasil dari uji Hausman menunjukkan bahwa nilai-p mendekati
0. Artinya berdasarkan uji ini, model yang terpilih adalah model pengaruh tetap
individu. Hasil dari uji Hausman dapat dilihat pada Tabel 3 berikut:
Tabel 3 Hasil uji Hausman
Uji pengaruh
Statistik uji
Derajat bebas
Nilai-p
Individu Acak
113.1611
5
0.0000
Uji Chow maupun uji Hausman menunjukkan bahwa model yang sesuai
untuk menjelaskan data banyaknya penduduk, banyaknya penduduk usia kerja,
banyaknya desa, besarnya PDRB pertanian dan besarnya upah terhadap
banyaknya tenaga kerja pertanian adalah model pengaruh tetap individu. Adapun
model pengaruh tetap individu dituliskan sebagai berikut:
lnY = μit + 8.0741 + 0.1393 lnX1 + 0.5703 lnX2 - 0.4392 lnX3 0.1458 lnX4 - 0.0549 lnX5 + vit
dengan μit menyatakan pengaruh masing-masing provinsi pada provinsi ke-i dan
tahun ke-t. Sedangkan vit menyatakan nilai sisaan antar provinsi ke-i pada tahun
ke-t. Pengaruh spesifik individu di setiap provinsi dapat dilihat pada Lampiran 4.
Pengujian Asumsi
Pengujian pertama yang dilakukan adalah uji kehomogenan ragam sisaan.
Untuk mendeteksi keragaman sisaan pada model terpilih digunakan uji Glejser.
Hasil uji Glejser pada Tabel 4 menjelaskan bahwa tidak satupun peubah penjelas
yang lebih kecil dari 0.05, sehingga kehomogenan ragam sisaan terpenuhi.
Tabel 4 Hasil uji Glejser model pengaruh tetap individu
Peubah
C
X1
X2
X3
X4
X5

t-hitung
-0.0820
-0.0391
0.0313
0.0405
-0.0034
0.0004

Nilai-p
0.9250
0.0736
0.6627
0.6875
0.9261
0.9856

Selanjutnya dilakukan pengujian asumsi kebebasan sisaan. Pengujian
asumsi kebebasan sisaan menggunakan uji Durbin-Watson (DW). Uji DW pada
model pengaruh tetap individu menghasilkan nilai 1.483. Nilai tersebut tidak
berada di antara dU dan 4-dU sehingga dapat disimpulkan bahwa sisaan model
pengaruh tetap individu tidak bebas.
Tabel 5 Hasil uji Durbin-Watson model pengaruh tetap individu
dU
1.802

dW
1.4837

4-dU
2.198

Uji kenormalan yang dilihat dari uji Jarque-Bera menghasilkan nilai-p
mendekati 0. Nilai ini menunjukkan bahwa sisaan tidak menyebar normal.
Selanjutnya, pengujian terakhir terhadap model adalah uji multikolinieritas. Pada
Tabel 6 menunjukkan model pengaruh tetap individu tidak mengalami masalah
multikolinieritas dengan nilai VIF seluruh peubah penjelas kurang dari 10.

11
Tabel 6 Hasil uji multikolinieritas model pengaruh
tetap individu
Peubah
VIF
X1
1.366228
X2
1.764373
X3
1.454502
X4
1.389247
X5
1.138344
Penanganan Pelanggaran Asumsi
Pengujian asumsi menunjukkan bahwa terdapat asumsi kebebasan sisaan
dan kenormalan sisaan telah dilanggar. Menurut Gujarati (2009), salah satu cara
untuk mengatasi masalah ketidakbebasan sisaan pada data dengan banyaknya
observasi yang besar adalah dengan menggunakan bobot bagi setiap individu
dengan metode feasible generalized least square (FGLS). Pembobotan bagi setiap
individu dilakukan untuk mengatasi kedua asumsi yang telah dilanggar. Lampiran
5 merupakan tampilan hasil analisis data panel setelah pembobotan pada individu.
Pengujian asumsi terhadap model pengaruh tetap individu dengan pembobotan
bagi setiap individu menghasilkan pemenuhan seluruh asumsi. Asumsi
kehomogenan ragam sisaan yang terpenuhi ditunjukkan pada Tabel 7 berikut.
Tabel 7 Hasil uji Glejser model pengaruh tetap individu
dengan pembobotan bagi setiap individu
Peubah
C
X1
X2
X3
X4
X5

t-hitung
-0.0242
-0.0295
0.0229
-0.0231
0.0238
0.0127

Nilai-p
0.9660
0.0948
0.6500
0.6979
0.3696
0.3087

Nilai Durbin-Watson yang dihasilkan pada model ini sebesar 1.813 yang
berada di antara wilayah dU dan 4-dU, sehingga menunjukkan bahwa sisaan
saling bebas. Hasil uji Jarque-Bera menghasilkan nilai-p sebesar 0.0124. Nilai ini
lebih besar dari taraf nyata 0.01 sehingga dapat disimpulkan bahwa sisaan
menyebar normal. Tabel 8 menunjukkan bahwa tidak terdapat multikolinieritas
pada model. Hal ini ditunjukkan dari nilai VIF seluruh peubah penjelas yang
kurang dari 10.
Tabel 8 Hasil uji multikolinieritas model pengaruh tetap individu
dengan pembobotan bagi setiap individu
Peubah
VIF
X1
1.6403
X2
2.3809
X3
1.7677
X4
2.1570
X5
1.2504

12
Analisis dari model pengaruh tetap individu dengan pembobotan bagi
setiap individu menghasilkan R2 sebesar 99.87%. Peubah penjelas yang
berpengaruh signifikan terhadap banyaknya tenaga kerja pertanian adalah peubah
banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan
besarnya upah. Model pengaruh tetap individu dengan pembobotan bagi setiap
individu dituliskan sebagai berikut:
lnY = μit + 6.6015 + 0.1290 lnX1 + 0.6660 lnX2 - 0.4439 lnX3 0.1004 lnX4 - 0.0622 lnX5 + vit
Pengaruh spesifik individu pada model tersebut dapat dilihat pada
Lampiran 4. Adapun hasil validasi model di atas menggunakan MAPE
menghasilkan nilai sebesar 0.410%. Nilai MAPE yang mendekati 0% tersebut
menunjukkan bahwa model yang disusun merupakan model yang sudah cukup
baik.
Pemilihan Model Terbaik
Model pengaruh tetap individu dengan pembobotan untuk setiap individu
menghasilkan nilai-p untuk statistik F mendekati 0. Hal ini menunjukkan bahwa
model yang dibangun sudah layak dan minimal terdapat satu peubah penjelas
yang mempengaruhi banyaknya tenaga kerja pertanian. Jumlah kuadrat sisaan
yang dimiliki model ini sebesar 0.8587 yang juga menunjukkan bahwa model
cukup baik. Hasil uji-t menunjukkan bahwa peubah penjelas yang berpengaruh
secara signifikan terhadap banyaknya tenaga kerja pertanian adalah banyaknya
penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah.
Masing-masing dari peubah ini memiliki nilai-p kurang dari taraf nyata 5%.
Selanjutnya dilakukan pemodelan menggunakan model pengaruh tetap
individu dengan pembobotan yang melibatkan peubah respon dan peubah penjelas
yang berpengaruh secara signifikan. Adapun model yang didapatkan sebagai
berikut:
lnY = μit + 7.0925 + 0.1379 lnX1 + 0.5923 lnX2 – 0.4787 lnX3
– 0.0726 lnX5 + vit
Berdasarkan model tersebut, dapat ditunjukkan bahwa model yang dimiliki
sudah memenuhi seluruh pengujian asumsi. Hasil pengujian asumsi dituliskan
pada Lampiran 7 sampai Lampiran 9. Pada uji kehomogenan ragam menggunakan
uji Glejser ditunjukkan bahwa peubah banyaknya penduduk, banyaknya penduduk
usia kerja, banyaknya desa dan besarnya upah memiliki nilai-p lebih besar dari
5%. Hasil ini menunjukkan bahwa kehomogenan ragam sisaan terpenuhi. Hasil
dari uji Durbin-Watson menghasilkan nilai DW sebesar 1.875 berada di antara dU
dan 4-dU. Sehingga asumsi kebebasan sisaan terpenuhi. Pengujian kenormalan
sisaan dengan uji Jarque-Bera menghasilkan nilai-p sebesar 0.011 yang
menunjukkan sisaan menyebar normal. Sedangkan nilai VIF untuk keempat
peubah penjelas kurang dari 10 yang menunjukkan bahwa model tidak mengalami
masalah multikolinieritas.
Selanjutnya, model di atas dilanjutkan dengan transformasi balik pada
model. Hal ini bertujuan untuk dapat menginterpretasikan masing-masing peubah
penjelas secara tepat terhadap peubah respon. Hasil transformasi balik dituliskan
sebagai berikut:

13
Y = e μit
Y =

atau

+ 7.0925 + 0.1379 lnX1 + 0.5923 lnX2 - 0.4787 lnX3 - 0.0726 lnX5

e μ it e 7.0925 X 1 0.1379 X 2 0.5923
X 3 0.4787 X 5 0.0726

Peubah banyaknya penduduk berpengaruh terhadap banyaknya tenaga kerja
pertanian. Peningkatan banyaknya penduduk sebesar 1 persen akan meningkatkan
banyaknya tenaga kerja pertanian sebesar,
=

�

7.0925
3

0.4787

5

0.5923
2
0.0726

(

0.1379
1, +1

−

0.1379
1,

)

persen

dengan diasumsikan

peubah penjelas lainnya konstan. Hal ini sejalan dengan teori ekonomi yang
dijelaskan Sukirno (2004) dan Bellante dan Jackson (1983) yang menyatakan
bahwa banyaknya penduduk yang bertambah akan memperbesar banyaknya
tenaga kerja, dan penambahan tersebut memungkinkan suatu wilayah dapat
menambah produksinya.
Kenaikan banyaknya penduduk usia kerja sebesar 1 persen akan
meningkatkan banyaknya tenaga kerja pertanian sebesar,
=

�

7.0925
3

0.4787

5

0.1379
1
0.0726

(

0.5923
2, +1

−

0.5923
2,

)

persen.

Hal

tersebut

menunjukkan bahwa peningkatan banyaknya penduduk usia kerja pada setiap
provinsi dapat meningkatkan banyaknya tenaga kerja yang menggantungkan
harapannya pada sektor pertanian. Menurut Sukirno (2004), para pelaku usaha
tani sebaiknya mempersiapkan sarana dan prasarana yang memadai dan
berkualitas sehingga mampu menyerap tenaga kerja dengan baik.
Adapun peningkatan peubah banyaknya desa dan besarnya upah tidak
sejalan dengan peningkatan banyaknya tenaga kerja pertanian. Peningkatan
banyaknya desa dan besarnya upah sebesar 1 persen mengakibatkan penurunan
banyaknya tenaga kerja pertanian masing-masing sebesar,
=
=

�

7.0925

�

7.0925

5

3

0.1379
1
0.0726

2

0.1379
1
0.4787

2

0.5923

1
3, +1

0.5923

0.4787

− 3, 0.4787

1
5, +1

0.0726

− 5 , 0.0726

persen dan
persen.

Peningkatan upah buruh tani menurut penelitian Rusastra dan Suryadi
(2004) berdampak pada menurunnya keuntungan usaha tani. Untuk meningkatkan
keuntungan dalam usaha tani, umumnya para pengusaha tani menaikkan harga
jual produknya. Hal ini mengakibatkan impor produksi sektor pertanian yang
dilakukan pemerintah semakin meningkat sehingga produksi pertanian yang
dihasilkan dalam negeri tidak laku di pasaran. Kerugian tersebut kemudian
berdampak pada penurunan banyaknya tenaga kerja pertanian.
Model yang hanya melibatkan peubah penjelas yang siginifikan tidak
mengubah tanda koefisien regresi pada peubah banyaknya penduduk, banyaknya
penduduk usia kerja, banyaknya desa dan besarnya upah pada model sebelumnya.
Besarnya perubahan koefisien regresi tidak mengalami perubahan yang signifikan.
Arah dan besarnya pengaruh individu terhadap model juga tidak mengalami
perubahan yang cukup siginifikan. Hal ini ditunjukkan dari tidak adanya
perubahan tanda pengaruh dan perubahan besarnya pengaruh yang sangat kecil
pada pengaruh individu model ini. Nilai R2 yang dihasilkan dari model ini
menghasilkan nilai R2 yang sama dengan model sebelum direduksi peubah
penjelasnya, yaitu sebesar 99.88%. MAPE yang dihasilkan sebesar 0.412%. Pada

14
model ini, terjadi kenaikan nilai MAPE sebesar 0.002% dari model sebelumnya.
Namun, model ini masih dapat dikatakan cukup baik. Adapun hasil analisis model
dan pengaruh spesifik individu dapat dilihat pada Lampiran 6 dan Lampiran 4.

SIMPULAN
Terdapat 23 provinsi dengan peningkatan pertumbuhan ekonomi pertanian
sejalan dengan penyerapan tenaga kerja pertanian. Pada 10 provinsi lainnya,
peningkatan pertumbuhan ekonomi pertanian tidak diikuti dengan peningkatan
penyerapan tenaga kerja pertanian. Model yang sesuai dan memenuhi seluruh
pengujian asumsi pada analisis data panel adalah model pengaruh tetap individu
dengan pembobotan bagi setiap individu. Adapun peubah penjelas yang
mempengaruhi banyaknya tenaga kerja pertanian adalah peubah banyaknya
penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah.

DAFTAR PUSTAKA
Baltagi BH. 2005. Econometric Of Analysis Of Panel Data. Ed ke-3. England:
JohnWiley&Sons Ltd.
Bellante D, Jackson M. 1983.Ekonomi Ketenagakerjaan. Liotohe WK, Yasin M,
penerjemah; Rahardja P, editor. Depok (ID): Lembaga Penerbit Fakultas
Ekonomi Indonesia. Terjemahan dari: Labor Economics, Choice in Labor
Markets. Ed ke-2.
Firdaus M. 2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series.
Bogor: IPB Press.
Gujarati DN, Porter DC. 2009. Basic Econometrics. Ed ke-5. New York:The
McGraw-Hill Companies,Inc.
Nur S. 2011. Adakah Anomali Hubungan Antara Pertumbuhan Ekonomi dan
Pertumbuhan Penyerapan Tenaga Kerja?[Thesis]. Bogor: Institut Pertanian
Bogor.
Rusastra IW, Suryadi M. 2004. Ekonomi Tenaga Kerja Pertanian dan
Implikasinya dalam Peningkatan Produksi dan Kesejahteraan Buruh Tani.
Jurnal Litbang Pertanian. 23(3):94-95.
Sarana dan Prasarana Pertanian. 2012. Statistik SDM Pertanian, Banyaknya
penduduk, Kemiskinan dan Kelembagaan Petani. Jakarta: Pusat Data dan
Sistem Informasi Pertanian Kementerian Pertanian.
Sukirno S. 2004. Teori Pengantar Makroekonomi. Jakarta: PT Raja Grafindo
Persada.

15
Lampiran 1 Rataan dan simpangan baku laju pertumbuhan ekonomi pertanian
serta laju penyerapan tenaga kerja pertanian menurut provinsi
selama 2008-2012
Provinsi
Aceh
Sumatera Utara
Sumatera Barat
Riau
Jambi
Sumatera Selatan
Bengkulu
Lampung
Bangka Belitung
Kep.Riau
DKI Jakarta
Jawa Barat
Jawa Tengah
DI Jogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat
Nusa Tenggara Timur
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua

Laju PDRB (%)
Simpangan
Rataan
baku
3.769
2.113
5.304
0.684
4.452
1.054
6.573
1.088
6.445
0.599
4.848
0.813
0.965
9.430
3.651
2.325
5.083
2.844
4.809
1.061
0.031
1.117
4.361
5.053
2.780
1.053
1.777
3.259
1.648
2.388
6.631
5.970
15.736
26.011
3.627
2.033
2.220
1.089
4.989
0.570
2.919
2.490
5.289
2.353
5.239
1.759
3.819
6.791
6.364
1.491
3.900
2.448
1.376
2.064
5.348
2.321
6.009
6.286
2.922
0.826
6.379
2.988
6.365
2.914
4.334
2.769

Laju TKP (%)
Simpangan
Rataan
baku
4.057
6.085
2.347
7.428
-0.406
6.719
4.874
7.586
4.425
8.212
1.637
2.014
-1.038
2.938
-0.753
12.753
5.429
19.906
28.395
42.787
29.784
39.888
0.314
8.419
-2.385
3.555
0.614
16.507
-0.993
3.973
-3.127
9.741
-2.199
8.772
1.480
11.860
0.253
5.401
1.270
4.104
3.323
7.705
2.715
6.255
11.364
17.772
-0.936
10.225
-0.218
2.226
1.746
8.792
-1.622
10.095
3.027
13.218
3.508
7.040
2.679
5.232
3.424
4.578
7.576
24.081
13.835
19.850

16
Lampiran 2 Daftar provinsi di Indonesia dengan notasi angka
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

Provinsi
Aceh
Sumatera Utara
Sumatera Barat
Riau
Jambi
Sumatera Selatan
Bengkulu
Lampung
Bangka Belitung
Kep.Riau
DKI Jakarta
Jawa Barat
Jawa Tengah
DI Jogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat
Nusa Tenggara Timur
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua

17
Lampiran 3 Hasil analisis data panel
3.1 Hasil analisis model gabungan
Peubah

Spesifikasi setiap peubah
Koefisien
Sisaan Baku
t-hitung

C
X1
X2
X3
X4
X5

2.5575
0.9179
2.7862
-0.2296
0.1370
-1.6752
0.3677
0.1505
2.4438
0.3425
0.0513
6.6715
0.5818
0.0721
8.0651
0.1176
0.0249
4.7194
Spesifikasi model gabungan
R2
0.9254
Durbin-Watson stat
R2Adjusted
0.9230
Prob(F-statistic)
19.930
Jumlah Kuadrat Sisaan

Nilai-p
0.0060
0.0959
0.0156
0.0000
0.0000
0.0000
0.1535
0.0000

3.2 Hasil analisis model pengaruh tetap individu
Peubah

Spesifikasi setiap peubah
Koefisien
Sisaan Baku
t-hitung

C
X1
X2
X3
X4
X5

8.0742
1.8786
4.2980
0.1393
0.0468
2.9742
0.5703
0.1547
3.6859
-0.4392
0.2168
-2.0257
-0.1458
0.0797
-1.8300
-0.0549
0.0476
-1.1541
Spesifikasi model pengaruh tetap
R2
0.9967
Durbin-Watson stat
R2Adjusted
0.9957
Prob(F-statistic)
Jumlah Kuadrat Sisaan
0.8785

Nilai-p
0.0000
0.0035
0.0003
0.0449
0.0696
0.2506
1.4837
0.0000

3.3 Hasil analisis model pengaruh acak individu
Spesifikasi setiap peubah
Koefisien
Sisaan Baku

t-hitung

Nilai-p

0.0660
1.0271
0.0643
0.1761
0.0455
3.8732
0.3208
0.1033
3.1057
0.4478
0.0948
4.7219
0.0851
0.0687
1.2386
0.1432
0.0293
4.8872
Spesifikasi model pengaruh acak
S.D
Efek individu acak
0.3461
Idiosyncratic acak
0.0831
2
R
0.5657
Durbin-Watson stat
R2Adjusted
0.5521
Prob(F-statistic)
Jumlah Kuadrat Sisaan
1.8480

0.9488
0.0002
0.0022
0.0000
0.2173
0.0000

Peubah
C
X1
X2
X3
X4
X5

Rho
0.9454
0.0546
0.9172
0.0000

18
Lampiran 4 Pengaruh spesifik individu model pengaruh tetap individu, model
pengaruh tetap individu dengan pembobotan bagi setiap individu
dan model dengan peubah penjelas yang signifikan
Individu
Aceh
Sumatera Utara
Sumatera Barat
Riau
Jambi
Sumatera Selatan
Bengkulu
Lampung
Bangka Belitung
Kep.Riau
DKI Jakarta
Jawa Barat
Jawa Tengah
DI Jogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat
Nusa Tenggara Timur
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua

Pengaruh A
0.9804
1.4720
0.1750
0.5230
0.4334
1.1898
0.2345
1.0083
-1.2861
-2.9650
-6.4764
1.1482
1.7000
-0.7336
1.9896
-0.5180
-0.3501
0.0827
0.9667
0.8279
0.3322
0.3632
-0.4148
-0.2529
0.4299
0.8287
0.1128
-0.9660
-0.3519
-0.5462
-0.3383
-0.6214
1.0223

Pengaruh B
0.9663
1.3002
0.1366
0.4692
0.4530
1.0983
0.3223
0.9028
-1.1454
-2.7980
-6.5300
0.8546
1.4252
-0.7354
1.6862
-0.6143
-0.3675
0.0729
0.9552
0.7957
0.3784
0.3517
-0.3905
-0.1786
0.4573
0.7382
0.1941
-0.7647
-0.2117
-0.3724
-0.1418
-0.3897
1.0818

Pengaruh C
0.9655
1.2520
0.0697
0.4014
0.4161
1.0753
0.3106
0.8477
-1.1769
-2.6948
-6.3643
0.8215
1.4163
-0.7598
1.6559
-0.5924
-0.3848
0.0653
0.9780
0.7648
0.3336
0.3262
-0.3867
-0.1698
0.4081
0.7068
0.2194
-0.7097
-0.2510
-0.2822
-0.0927
-0.3267
1.1579

Keterangan :
A : model pengaruh tetap individu awal
B : model pengaruh tetap individu dengan pembobotan bagi setiap individu
C : model pengaruh tetap individu dengan pembobotan bagi setiap individu dan
peubah penjelas yang signikan

19
Lampiran 5 Hasil analisis model pengaruh tetap individu dengan pembobotan
bagi setiap individu
Peubah

Koefisien

Spesifikasi setiap peubah
Sisaan Baku

t-hitung

C
X1
X2
X3
X4
X5

6.6016
1.3052
5.0580
0.1291
0.0382
3.3813
0.6660
0.1176
5.6621
-0.4439
0.1408
-3.1523
-0.1005
0.0712
-1.4109
-0.0623
0.0264
-2.3571
Spesifikasi model pengaruh tetap
R2
0.9987
Durbin-Watson stat
R2Adjusted
0.9983
Prob(F-statistic)
Jumlah Kuadrat Sisaan
0.8587

Nilai-p
0.0000
0.0010
0.0000
0.0020
0.1607
0.0199
1.8385
0.0000

Lampiran 6 Hasil analisis model pengaruh tetap individu dengan pembobotan
bagi setiap individu dan peubah penjelas yang signifikan
Peubah
C
X1
X2
X3
X5

Spesifikasi setiap peubah
Koefisien
Sisaan Baku

t-hitung

7.0925
1.0984
6.4570
0.1380
0.0385
3.5830
0.5923
0.1009
5.8719
-0.4787
0.1219
-3.9261
-0.0727
0.0254
-2.8618
Spesifikasi model pengaruh tetap
R2
0.9988
Durbin-Watson stat
R2Adjusted
0.9984
Prob(F-statistic)
Jumlah Kuadrat Sisaan
0.8831

Nilai-p
0.0000
0.0005
0.0000
0.0001
0.0049
1.8753
0.0000

20
Lampiran 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan
bagi setiap individu dan peubah penjelas yang siginfikan
Peubah
C
X1
X2
X3
X5

Lampiran 8

t-hitung
-0.0848
-0.0405
0.0401
0.0239
-0.0002

Nilai-p
0.9199
0.0614
0.5591
0.8033
0.9917

Hasil uji Durbin-Watson model pengaruh tetap individu dengan
pembobotan bagi setiap individu dan peubah penjelas yang
siginfikan

dU
1.758

dW
1.875

4-dU
2.242

Lampiran 9 Hasil uji multikolinieritas model pengaruh tetap individu dengan
pembobotan bagi setiap individu dan peubah penjelas yang
siginfikan
Peubah
X1
X2
X3
X5

VIF
1.549359
1.919891
1.495686
1.178195

21

RIWAYAT HIDUP
Penulis lahir di Wonogiri pada tanggal 8 Agustus 1991 sebagai anak ketiga
dari tiga bersaudara dari pasangan Bapak Soeyadi dan Ibu Sugiarni.
Penulis menempuh pendidikan formal di SMP Negeri 1 Wonogiri, Jawa
Tengah dan lulus pada tahun 2006. Kemudian melanjutkan di SMA Negeri 1
Wonogiri dan berhasil menyelesaikan pendidikan pada tahun 2009. Pada tahun
yang sama penulis melanjutkan pendidikan di perguruan tinggi Institut Pertanian
Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di
Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama perkuliahan, penulis aktif dalam kegiatan organisasi maupun
kepanitiaan. Pada tahun 2010, penulis menjadi pengurus Serum G pada divisi
Economic Management. Tahun berikutnya penulis aktif di organisasi Himpunan
Keprofesian Gamma Sigma Beta pada divisi Survey and Research. Penulis
tergabung dalam berbagai kepanitiaan seperti Statistika Ria, Pesta Sains Nasional
dan Kompetisi Statistika Junior. Penulis juga pernah menjadi asisten praktikum
Perancangan Percobaan I dan menjadi pengajar Metode Statistika dan Kalkulus di
bimbingan belajar MSC College. Pada Februari-Maret 2013 penulis
melaksanakan kegiatan Praktik Lapang di Pusat Data dan Sistem Informasi
Pertanian (PUSDATIN) Kementerian Pertanian Republik Indonesia.