119
Provinsi Papua Barat contohnya, efek lintas-daerahnya lebih tinggi sebesar 0,19
. dari rata-rata provinsi atau sebesar 0,32
. +
. 0,19
. =
. 0,51
.
. Dapat dikatakan bahwa jika semua variabel bebas tidak mengalami perubahan, maka tingkat
kemiskinan di Provinsi Papua Barat akan meningkat sebesar 0,51
.
. Sehubungan dengan hal tersebut, maka perhatian pemerintah untuk meningkatkan pendidikan
perlu memprioritaskan pada wilayah-wilayah yang berdampak tinggi, seperti Provinsi Papua Barat, Maluku, Nangroe Aceh Darussalam, dan Papua.
Berdasarkan efek lintas daerah tersebut, maka dapat divisualisasikan prioritas daerah melalui program pengentasan kemiskinan terkait peningkatan
kualitas sumber daya manusia melalui pendidikan. Prioritas utama perlu diperhatikan pada daerah-daerah dengan tingkat kemiskinan yang tinggi dan
pencapaian pendidikannya masih rendah, seperti Papua Barat, Maluku, Nangroe Aceh Darussalam, dan Papua daerah berwarna merah. Prioritas kedua yaitu bagi
daerah berwarna kuning, seperti Provinsi Gorontalo, DIY, NTT, Bengkulu, dan lainnya. Selanjutnya untuk prioritas ketiga yaitu bagi daerah dengan warna hijau,
seperti Provinsi DKI, Kepulauan Riau dan Riau dimana tingkat kemiskinannya relatif rendah dan pencapaian pendidikannya relatif tinggi.
Gambar 5.13 Peta prioritas menurut efek lintas-daerah model peran pendidikan terhadap kemiskinan di Indonesia, tahun 2007-2010.
1000 1000
2000 Kilometers
N
LEGENDA: -0.11 sd -0.03 rendah
-0.03 sd 0.08 sedang 0.08 sd 0.19 tinggi
120
5.3 Hasil Evaluasi Model Peran Jenjang Pendidikan terhadap Kemiskinan di Indonesia
Untuk mengidentifikasi peran jenjang pendidikan terhadap kemiskinan, digunakan pendekatan tingkat kesempatan kerja. Tingkat kesempatan kerja
menurut pendidikan didefinisikan sebagai rasio penduduk berumur 15 tahun ke atas yang bekerja menurut tingkat pendidikan terhadap jumlah total angkatan
kerja. Model persamaan ini menyertakan variabel pendapatan per kapita sebagai pendekatan efek pertumbuhan ekonomi dan indeks gini sebagai pendekatan efek
distribusi. Persamaan menggunakan data dari 33 provinsi di seluruh Indonesia pada periode tahun 2007 sampai 2010.
Untuk mendapatkan hasil estimasi yang baik, dilakukan pemilihan model regresi dengan membandingkan model efek tetap dengan model efek acak
menggunakan uji Hausman. Berdasarkan informasi hasil penelitian menunjukkan bahwa FEM lebih baik dibandingkan dengan REM. Hal ini terlihat dari nilai
peluang statistik Hausman yang lebih kecil dari 5 .
yaitu sebesar 1,72 .
, yang memiliki arti bahwa data pengamatan belum 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 Indonesia terletak di antara nilai 4 – dU dan 4 – dL Lampiran 7. Hasil ini menandakan tidak dapat
ditentukan korelasi pada model tersebut. Sehingga estimasi perlu dilakukan menggunakan metode fixed effect GLS dengan cross-section weights dan seemingly
unrelated regressions SUR untuk mengatasi kedua pelanggaran asumsi tersebut. Melalui angka R-squared sebesar 0,9969 dapat dinyatakan bahwa variasi naik
turunnya tingkat kemiskinan di Indonesia sebesar 99,69 .
disebabkan oleh variasi naik turunnya variabel-variabel bebas tersebut. Sedangkan sisanya sebesar 0,31
. diakibatkan faktor-faktor lain yang tidak disertakan dalam model, namun ditampung
dalam variabel gangguan acak. Secara serentak, terlihat pula bahwa model yang diestimasi untuk Indonesia ini sangat signifikan pada taraf nyata α = 1
. , atau dengan
besaran nilai peluang statistik uji F p-value = 0,0000.
121
Setelah dilakukan pengujian dan diperoleh metode dan model yang paling sesuai, maka dilakukan estimasi dari persamaan tersebut. Estimasi dilakukan untuk
mengetahui besarnya pengaruh setiap variabel bebas terhadap variabel tidak bebas. 0 menyajikan hasil estimasi model peran jenjang pendidikan terhadap kemiskinan di
Indonesia.
Tabel 5.2 Hasil estimasi persamaan peran jenjang pendidikan terhadap kemiskinan di Indonesia, periode tahun 2007-2010
Variabel Bebas Variabel tidak bebas:
Persentase penduduk miskin POV100 Koefisien
Probabilita p-value
C 1,0004
0,0000 Dasar
0,1526 0,0000
Menengah -0,1767
0,0508 Tinggi
-0,2693 0,0039
LogYCap -0,0538
0,0003 Gini
-0,0197 0,5609
R-squared 0,9969
Adjusted R-squared 0,9957
Prob F-statistic 0,0000
Keterangan : : signifikan pada taraf nyata 1 persen : signifikan pada taraf nyata 10 persen
: signifikan pada taraf nyata 5 persen
5.3.1 Tingkat Kesempatan Kerja Pendidikan Dasar
Tabel 5.2 menyajikan hasil estimasi pengaruh jenjang pendidikan terhadap kemiskinan di Indonesia. Berdasarkan nilai peluang statistik uji, dapat dikatakan
bahwa secara statistik koefisien regresi variabel tingkat kesempatan kerja lulusan pendidikan dasar yang diestimasi terindikasi sangat signifikan pada taraf nyata
α = 1
. . Dapat dikatakan bahwa tingkat kesempatan kerja lulusan pendidikan dasar
memiliki pengaruh positif terhadap tingkat kemiskinan di Indonesia. Dengan koefisien sebesar 0,15 dapat diartikan bahwa jika tenaga kerja lulusan pendidikan
dasar meningkat 1 .
, maka persentase penduduk miskin akan bertambah sebesar 0,15
. , ceteris paribus cp.
