Penerapan Analisis Jalur Dalam Menentukan Faktor Yang Mempengaruhi Tingkat Kemiskinan Di Provinsi Sumatera Utara Tahun 2010

KEMISKINAN DI PROVINSI

SUMATERA UTARA

TAHUN 2010

TUGAS AKHIR

SUPRIANTO SIMANJUNTAK

112407010

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

KEMISKINAN DI PROVINSI

SUMATERA UTARA

TAHUN 2010

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

SUPRIANTO SIMANJUNTAK

112407010

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

Judul : Penerapan Analisis Jalur Dalam Menentukan Faktor Yang Mempengaruhi Tingkat Kemiskinan Di Provinsi Sumatera Utara Tahun 2010

Kategori : Tugas Akhir

Nama : Suprianto Simanjuntak

Nomor Induk Mahasiswa : 112407010 Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu‟ulölö, M.Si Drs. Open Darnius, M.Sc NIP. 19531218 198003 1 003 NIP. 19641014 199103 1 004

PENERAPAN ANALISIS JALUR DALAM MENENTUKAN FAKTOR YANG MEMPENGARUHI TINGKAT

KEMISKINAN DI PROVINSI SUMATERA UTARA

TAHUN 2010

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.

Medan, Juli 2014

SUPRIANTO SIMANJUNTAK 112407010

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Penerapan Analisis Jalur Dalam Menentukan Faktor Yang Mempengaruhi Tingkat Kemiskinan Di Provinsi Sumatera Utara Tahun 2010.

Terimakasih penulis sampaikan kepada Bapak Drs. Open Darnius, M.Sc, selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu‟ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus. M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta Emerson Simanjuntak, Ibunda tercinta Rosdiana Simatupang, S.Pd.K dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar viii

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Rumusan Masalah 4

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 5

1.5 Manfaat Penelitian 5

1.6 Tinjauan Pustaka 5

1.7 Metode Penelitian 7

1.8 Jadwal Penelitian 8

Bab 2 Landasan Teori

2.1 Sejarah Analisis Jalur 9

2.2 Pengertian Analisis Jalur 9

2.2.1 Manfaat Analisis Jalur 11

2.2.2 Asumsi-asumsi Analisis Jalur 11 2.2.3 Beberapa Istilah dalam Analisis Jalur 12

2.2.4 Model Analisis Jalur 14

2.2.5 Diagram Jalur dan Persamaan Struktural 18

2.2.6 Koefisien Jalur 20

2.2.7 Besarnya Variabel Eksogen terhadap Variabel Endogen

22

2.2.8 Pengujian Koefisien Jalur 23

2.3 Kemiskinan 25

Bab 3 Gambaran Umum Provinsi Sumatera Utara 31

3.1 Geografi Sumatera Utara 31

3.1.1 Lokasi dan Keadaan Geografis 31

3.1.2 Iklim 33

3.2 Penduduk Sumatera Utara 33

3.2.1 Jumlah Penduduk 33

3.2.2 Suku dan Agama 35

4.2.1 Menentukan Variabel Eksogen dan Variabel Endogen

42

4.2.2 Merumuskan Hipotesis 42

4.2.3 Model Diagram Jalur 43

4.2.4 Merumuskan Persamaan Struktural 45

4.2.5 Menentukan Matriks Korelasi 47

4.2.6 Menghitung Koefisien Jalur 48

4.2.7 Menghitung Pengaruh Variabel Eksogen terhadap Variabel Endogen

73

Bab 5 Implementasi Sistem

5.1 Pengertian Implementasi Sistem 80

5.2 Sekilas Tentang Program SPSS dan R 80

5.3 Pengolahan Data dengan SPSS 81

5.3.1 Mengaktifkan SPSS 81

5.3.2 Mengoperasikan SPSS 82

5.3.3 Pengisian dan Pengolahan Data 83

5.4 Pengolahan Data dengan R 86

5.4.1 Mengaktifkan R 86

5.4.2 Pengisian dan Pengolahan Data 87 Bab 6 Penutup

6.1 Kesimpulan 90

6.2 Saran 91

Daftar Pustaka Lampiran

Nomor Tabel

Judul Halaman

3.1 Wilayah Kabupaten dan Kota di Provinsi Sumatera Utara 32 4.1 Jumlah dan Persentase Penduduk Miskin Sumatera Utara

Tahun 2010 37

4.2 Laju Pertumbuhan Ekonomi Menurut Kabupaten/Kota Atas

Dasar Harga Konstan 2000 (Persen) Tahun 2010 38 4.3 Jumlah Penduduk Provinsi Sumatera Utara Tahun 2010 38 4.4 Produk Domestik Regional Bruto per Kapita Menurut

Kabupaten/Kota Atas Dasar Harga Konstan 2000 (Rupiah)

Tahun 2010 39

4.5 Penduduk Berumur 15 Tahun ke Atas Menurut

Kabupaten/Kota dan Jenis Kegiatan Seminggu Yang Lalu 39 4.6 Persentase Penduduk Berusia 10 Tahun ke Atas Menurut

Kabupaten/Kota Menurut Kepandaian Membaca dan

Menulis Tahun 2010 40

4.7 Tingkat Kemiskinan, Laju Pertumbuhan Ekonomi, Jumlah Penduduk, PDRB per Kapita, Jumlah Pengangguran, dan

Jumlah Penduduk Buta Huruf di Provinsi Sumatera Utara 41 4.8 Matriks Korelasi Antara Variabel Tingkat Kemiskinan, Laju

Pertumbuhan Ekonomi, Jumlah Penduduk, PDRB per Kapita, Jumlah Pengangguran, dan Jumlah Penduduk Buta

Huruf 47

4.9 Nilai Probabilitas untuk Sub Struktur 1 53 4.10 Nilai Probabilitas dan thitung untuk Sub Struktur 1 setelah

Trimming 59

4.11 Nilai Probabilitas untuk Sub Struktur 2 66 4.12 Nilai Probabilitas dan thitung untuk Sub Struktur 2 setelah

Trimming 71

4.13 _{Pengaruh Variabel Jumlah Penduduk}

 

1

X terhadap Variabel

Laju Pertumbuhan Ekonomi

 

Y_{2 75}

4.14 _{Pengaruh Variabel PDRB per Kapita}

 

2

X terhadap Variabel

Laju Pertumbuhan Ekonomi

 

Y_{2 75}

4.15 _{Pengaruh Variabel Jumlah Pengangguran}

 

3

X terhadap

Variabel Laju Pertumbuhan Ekonomi

 

Y_{2 76} 4.16 _{Pengaruh Variabel Jumlah Penduduk}

 

1

X terhadap Variabel

Tingkat Kemiskinan

 

Y_{1 76}

4.17 _{Pengaruh Variabel PDRB per Kapita (}

2

X _{)terhadap Variabel}

Tingkat Kemiskinan

 

Y_{1 77}

 

1 77

4.19 _{Pengaruh Variabel Laju Pertumbuhan Ekonomi}

 

2

Y

terhadap Variabel Tingkat Kemiskinan

 

Y_{1 77} 4.20 _{Pengaruh Variabel Jumlah Penduduk Buta Huruf}

 

4

X

Terhadap Variabel Tingkat Kemiskinan

 

Y_{1 78}

Nomor Gambar

Judul Halaman

2.1 Model Regresi Berganda 14

2.2 Model Mediasi 15

2.3 Model Kombinasi Regresi Berganda dan Mediasi 15

2.4 Model Kompleks 16

2.5 Model Rekursif 16

2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal dari X1

Sebagai Penyebab ke X2 Sebagai Akibat 18 2.7 Diagram Jalur Yang Menyatakan Hubungan Kausal dari X1,

X2,X3, dan X4 19

2.8 Hubungan Kausal dari X1, X2, danX3 ke X4 19 2.9 Hubungan Kausal dari X1dan X2 ke X3 20 4.1 Hubungan Struktural X1, X2, X3, X4, dan Y2 terhadap Y1 44 4.2 Hubungan Struktural X1, X2, X3, X4, dan Y2 terhadap Y1

Beserta Koefisien Jalurnya 45

4.3 Hubungan Sub Struktur 1 yaitu X1, X2, X3 dan X4 terhadap

Y2 51

4.4 Hubungan Sub Struktur 1 yaitu X1 , X2 , dan X3 terhadap Y2 56 4.5 Hubungan Struktural X1, X2, X3, X4, dan Y2 terhadap Y1 63 4.6 Hubungan Struktural Y2 dan X4 terhadap Y1 69 4.7 Hubungan Kausal Empiris antar Variabel X1, X2, X3, X4,Y2,

terhadap Y1 72

4.8 Model Persamaan Struktural Setelah Perhitungan

Koefisien Jalur Secara Simultan 73

5.1 Tampilan Pengaktifan SPSS 17,0 82

5.2 Tampilan Worksheet SPSS 17.0 for Windows 82 5.3 Tampilan Pengisian Data Variabel pada Variabel View 84 5.4 Tampilan Pengisian Data Variabel pada Data View 84 5.5 Tampilan pada Jendala Bivariate Correlations 85 5.6 Tampilan Linear Regression untuk Sub Struktur 1 85 5.7 Tampilan Linear Regression untuk Sub Struktur 2 86

5.8 Tampilan Pengaktifan R-2.15.2 86

5.9 Tampilan Worksheet R-2.15.2 for Windows 87 5.10 Tampilan Perhitungan Invers Matriks Sub Struktur 1

Sebelum Trimming 88

5.11 Tampilan Perhitungan Invers Matriks Sub Struktur 1

Setelah Trimming 88

5.12 Tampilan Perhitungan Invers Matriks Sub Struktur 2 89

BAB 1

PENDAHULUAN

1.1Latar Belakang

Perkembangan teknologi komputasi saat ini memberikan kemajuan yang cukup berarti terhadap perkembangan dan penggunaan Ilmu Statistika, sehingga hampir di seluruh aspek kehidupan manusia statistik dapat diterapkan . Kebijakan dan keputusan-keputusan yang diambil oleh pakar ilmu pengetahuan dan para pakar eksekutif (dalam ruang lingkup ilmu mereka) banyak didasarkan dengan metode statistika. Hasil analisis dan interpretasi data, baik secara kuantitatif maupun secara kualitatif dapat dijadikan sebagai alat untuk kebijakan, keputusan, peramalan, dan lain-lain. Telaah statistika menyatakan bahwa untuk tujuan peramalan atau pendugaan pola hubungan yang sesuai antara nilai variabel terikat terhadap nilai-nilai variabel bebas mengikuti model regresi namun dalam model regresi tidak dijelaskan pengaruh langsung dan pengaruh tidak langsung antara variabel yang diamati. Untuk mengetahui besar pengaruh antar variabel-variabel yang diamati maka model yang digunakan adalah model analisis Jalur.

Analisis jalur atau yang dikenal dengan path analysis merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi berganda. Analisis regresi hanya meramalkan penduga Y dengan mengetahui pengaruh variabel bebas terhadap variabel terikatnya, tetapi tidak membedakan apakah variabel tersebut berpengaruh secara langsung atau tidak langsungnya, tidak dijelaskan dalam analisis regresi. Oleh karena itu diperlukan analisis jalur sebagai perluasan dari analisis regresi.

Banyak kasus yang bisa diamati dengan memanfaatkan analisis jalur. Untuk kasus demografi misalnya tingkat kemiskinan, kemiskinan adalah persoalan yang sangat kompleks. Kemiskinan dapat dipandang dari sudut mekanis sebagai rendahnya tingkat pendapatan. Kemiskinan ditandai oleh keterbelakangan dan pengangguran yang selanjutnya meningkat menjadi pemicu ketimpangan pendapatan antar golongan penduduk. Penduduk miskin adalah yang paling rendah kemampuannya yang juga ditandai oleh malnutrition, tingkat pendidikan yang rendah, bahkah sebagian buta huruf dan rentan terhadap penyakit.

Pertumbuhan ekonomi dan masalah kemiskinan adalah masalah besar yang dihadapi bangsa indonesia sejak indonesia merdeka. Banyak upaya yang dilakukan oleh pemerintah untuk memacu pertumbuhan ekonomi dan mengurangi kemiskinan namun hasilnya jauh dari memuaskan. Kemiskinan atau kemiskinan absolute adalah situasi penduduk atau sebagian penduduk yang hanya bisa memenuhi makanan, pakaian, dan perumahan yang sangat diperlukan untuk mempertahankan tingkat kehidupan yang minimum (Kamus Besar Bahasa Indonesia : 749). Menurut Todaro (1998) kemiskinan absolut adalah suatu kondisi masyarakat yang hidup dibawah tingkat pendapatan minimum tertentu.

Menurut Todaro, salah satu yang menyebabkan tingkat kemiskinan adalah pendapatan yang rendah dan standar hidup yang buruk yang dialami oleh golongan miskin yang tercermin dari kesehatan gizi dan pendidikan yang rendah dapat menurunkan produktivitas ekonomi masyarakat dan akibatnya secara langsung maupun tidak langsung menyebabkan perekonomian bertambah dengan lambat. Masyarakat yang berpendapatan rendah dan berada dalam garis kemiskinan tidak mampu untuk mengikuti pendidikan baik pendidikan dasar,

menengah, dan atas. Tingkat pendidikan yang rendah inilah salah salah karakteristik kemiskinan.

Pertumbuhan ekonomi suatu daerah dapat dilihat dari Produk Domestik Regional Bruto (PDRB) daerah tersebut. PDRB merupakan jumlah dari pendapatan yang diterima oleh faktor produksi yang dimiliki oleh penduduk diwilayah tersebut yang ikut serta dalam proses produksi dalam jangka waktu tertentu. Dengan demikian PDRB dapat mengurangi angka kemiskinan.

Jumlah penduduk yang besar juga sebagai penyebab timbulnya kemiskinan, tinggi rendahnya jumlah penduduk dipengaruhi oleh proses demografi yakni: kelahiran, kematian dan migrasi. Tingkat kelahiran yang tinggi akan meningkatkan pertumbuhan penduduk. Namun demikian, tingkat kelahiran yang tinggi di Indonesia kebanyakan berasal dari kategori penduduk golongan miskin. Pertumbuhan penduduk berkaitan dengan kemiskinan dan kesejahteraan rakyat.

Faktor lain yang menyebabkan timbulnya kemiskinan adalah jumlah pengangguran atau tuna karya. Penganggguran umumnya disebabkan karena jumlah angkatan kerja atau para pencari kerja tidak sebanding dengan lapangan kerja yang ada yang mampu menyerapnya. Pengangguran sering kali menjadi masalah dalam perekonomian karena adanya pengangguran, produktivitas dan pendapatan masyarakat akan berkurang.

Tiga kabupaten/kota di Provinsi Sumatera Utara dengan persentase penduduk miskin terbesar adalah Kota Gunung Sitoli dengan jumlah penduduk miskin sebanyak 42.500 orang (33,87%), Kabupaten Nias Utara dengan jumlah

penduduk miskin sebanyak 40.700 orang (31,94%) dan Kabupaten Nias Barat dengan jumlah penduduk miskin sebanyak 25.100 orang (30,84%).

Dari uraian tersebut penulis merasa tertarik untuk melakukan suatu

penelitian terhadap tingkat kemiskinan di Provinsi Sumatera Utara dengan Judul “

PENERAPAN ANALISIS JALUR DALAM MENENTUKAN FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI PROVINSI SUMATERA UTARA TAHUN 2010

”.

1.2Rumusan Masalah

Rumusan masalah dalam penulisan ini adalah apakah Laju pertumbuhan ekonomi, Jumlah penduduk, Produk domestik regional bruto (PDRB) per kapita, Jumlah pengangguran dan Jumlah penduduk buta huruf berpengaruh terhadap Tingkat kemiskinan di Provinsi Sumatera Utara.

1.3Batasan Masalah

Dalam penelitian ini penulis membatasi permasalahan yang akan dibahas yaitu lima faktor yang mempengaruhi Tingkat kemiskinan di Provinsi Sumatera Utara yakni: Laju pertumbuhan ekonomi, Jumlah penduduk, Produk domestik regional bruto (PDRB) per kapita, Jumlah pengangguran dan Jumlah penduduk buta huruf. Hal ini dikarenakan penulis menganggap bahwa kelima faktor tersebut memberikan konstribusi yang paling besar dibandingkan dengan faktor-faktor lainnya.

1.4Tujuan Penelitian

Tujuan yang ingin dicapai penulis adalah untuk mengetahui besar pengaruh Laju pertumbuhan ekonomi, Jumlah penduduk, Produk domestik regional bruto (PDRB) per kapita, Jumlah pengangguran dan Jumlah penduduk buta huruf terhadap Tingkat kemiskinan di Provinsi Sumatera Utara.

1.5Manfaat Penelitian

Adapun manfaat penelitian ini adalah:

1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat dibangku kuliah dengan menyatukan materi perkuliahan dengan objek permasalahan yang dijadikan materi pembahasan. 2. Dapat dijadikan pertimbangan bagi pemerintah atau badan-badan terkait

mengenai upaya penurunan tingkat kemiskinan di Provinsi Sumatera Utara.

1.6Tinjauan Pustaka

Metode analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi linier berganda jika variabel bebasnya mempengaruhi variabel tergantung (terikat) tidak hanya secara langsung, tetapi juga secara tidak langsung. (Robert D Rutherford.1993).

Metode analisis data ini biasanya menggunakan model jalur. Model jalur adalah suatu diagram yang menghubungkan antara variabel bebas (X), variabel perantara, dan variabel terikat (Y). Pola hubungan ditunjukkan dengan

menggunakan anak panah yang menunjukkan hubungan sebab akibat antara variabel bebas (X), perantara, dan variabel terikat (Y). Berdasarkan model jalur akan diperoleh persamaan struktural. Secara umum rumus persamaan jalur

dapat dituliskan sebagai berikut:

=

�

_{1 1}

+

�

_{2 2}

+

+

�

+

�

di mana:

Y = variabel terikat

� = koefisien jalur ke-i, = 1,2,…,

= variabel bebas ke-i

�

= Error

Untuk menghitung besarnya pengaruh langsung dan tidak langsung variabel bebas terhadap variabel terikat adalah:

1. Besarnya Pengaruh Langsung (Direct Effect atau DE) variabel bebas terhadap variabel terikat Y.

= � 2

,

= 1,2,…,

2. Besarnya Pengaruh Tidak Langsung (Indirect Effect atau IE) variabel bebas terhadap variabel terikat Y melalui hubungan korelasi dari variabel

.

=

�

�

,

= 1,2,…,

3. Besarnya Pengaruh Tidak Langsung (Indirect Effect atau IE) variabel terhadap variabel terikat Y melalui variabel bebas

.

1.7Metode Penelitian

1. Jenis data dan sumber data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat kuantitatif, yaitu data yang dapat diukur secara langsung atau dinilai dengan angka yang diperoleh dari kantor Badan Pusat Statistik Provinsi Sumatera Utara.

2. Teknik Pengumpulan data

Dalam penulisan tugas akhir ini, penulis melakukan penelitian kepustakaan (Library Research), yaitu penulisan yang dilakukan melalui bahan-bahan kepustakaan berupa jurnal, buku-buku, dan laporan-laporan penelitian yang ada hubungannya dengan topik yang diteliti. Sedangkan untuk teknik pengumpulan data dilakukan dengan mencatat data tertulis (mengutip atau mengumpulkan dokumen) yang terkait dengan penelitian.

3. Metode Pengolahan Data

Adapun metode pengolahan data yang digunakan dalam penelitian ini adalah: a. Menentukan variabel eksogen dan variabel endogen.

b. Merumuskan hipotesis.

c. Menggambarkan diagram jalur lengkap. d. Merumuskan persamaan struktural. e. Menghitung koefisien jalur.

f. Menghitung besarnya pengaruh langsung dan tidak langsung dari variabel eksogen terhadap variabel endogen.

g. Menguji koefisien jalur dan melakukan proses trimming apabila model jalurnya tidak signifikan.

h. Membuat kesimpulan.

1.8Jadwal Penelitian

No Kegiatan Bulan Tempat

Februari Maret April Mei Juni

1 Studi literatur

2 Penyusunan proposal

3 Pengumpulan data

4 Pengolahan data

BAB 2

LANDASAN TEORI

2.1 Sejarah Analisis Jalur

Analisis jalur yang dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright (Joreskog & Sorbom, 1996; Johnson & Wichern, 1992).Teknik analisis jalur sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya.Lebih lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda. Dengan kata lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga dikenal sebagai model sebab akbat (causing modeling).Penamaan ini didasarkan pada alasan bahwa analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab akibat tanpa memanipulasi variabel-variabel.Memanipulasi variabel maksudnya ialah memberikan perlakuan (treatment) terhadap variabel-variabel tertentu dalam pengukurannya (Sarwono, 2007).

2.2 Pengertian Analisis Jalur

Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung (Robert D. Rutherford 1993). Sementara itu defenisi lain menyatakan bahwa Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi

(significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel (Paul Webley, 1997).

David Garson dari North carolina State University mendefenisikan analisis jalur sebagai model perluasan regresi yang digunakan untuk menguji keselaransan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respons) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga perhitungan uji keselaran statistik (David Garson, 2003).

Analisis jalur juga diartikan oleh Bohrnstedt (1974 dalam Riduwan dan

Engkos Achmad Kuncoro, 2008) bahwa “A technique for estimating the effect’s a

set of independent variables has on a dependent variable from a set of observed correlations, given a set of hyphotesized causal asymetric relation among the variables”. Sedangkan tujuan utama analisis jalur menurut Maruyama (1998

dalam riduwan dan Engkos Kuncoro, 2008) adalah “ A method of measuring the direct influence along each separate path in such a system and thus of finding the degree to which variation of a given effect is determined by each particular cause. The method depend on the combination of knowledge of the degree of correlation among the variables in a system which such knowledge as may possesed of the causal relations ”.

Jadi, model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan unutk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas terhadap variabel terikat.Model analisis jalur yang dibicarakan adalah pola hubungan sebab akibat. Oleh karena itu rumusan masalah penelitian dalam kerangka analisis jalur hanya berkisar pada apakah variabel bebas (X1,X2,...,Xk) berpengaruh terhadap variabel Y, atau berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel bebas (X1,X2,...,Xk) berpengaruh terhadap variabel Y. (Riduwan dan Engkos Kuncoro, 2008).

2.2.1 Manfaat Analisis Jalur

Menurut Riduwan dan Engkos Kuncoro (2008), manfaat model analisis jalur adalah untuk:

1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti.

2. Prediksi nilai variabel endogen berdasarkan nilai variabel eksogen.

3. Faktor dominan yaitu penentu variabel eksogen mana yang berpengaruh dominan terhdap variabel endogen, juga untuk mekanisme pengaruh jalur-jalur variabel eksogen terhadap variabel endogen.

4. Pengujian model dengan menggunakan teori trimming baik untuk uji reabilitas dari konsep yang sudah ada maupun konsep baru.

2.2.2 Asumsi-asumsi Analisis Jalur

Asumsi yang mendasari analisis jalur sebagai berikut::

2. Tidak adanya adivity, yaitu tidak ada efek-efek interaksi. Semua variabel residual tidak boleh berinteraksi dengan salah satu variabel dalam model yang diteliti.

3. Sistem aliran kausal hanya satu arah (rekursif) artinya tidak ada arah kausalitas terbalik non-rekursif (reciprocal).

4. Variabel terikat minimal dalam bentuk skala ukur interval dan ratio. 5. Sampling bersifat probability sampling sehingga memungkinkan seluruh

anggota populasi memiliki peluang yang sama untuk dipilih menjadi anggota sampiling.

6. Observed variabel diukur tanpa kesalahan (instrumen valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.

7. Model yang dianalisis dispesifikasikan berdasarkan teori atau konsep yang relevan, artinya model yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel.

2.2.3 Beberapa Istilah Dalam Analisis Jalur

Beberapa istilah yang dikenal dalam analisis jalur aalah sebagai berikut: 1. Model Jalur

Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara, dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah.Anak panah-anak panah tunggal menunjukkan hubungan sebab-akibat antara variabel-variabel exogenus

atau perantara dengan satu variabel tergantung atau lebih.Anak panah juga menghubungkan kesalahan (residual variable) dengan semua

variabel endogenus masing-masing.Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenus.

2. Variabel exogenus

Variabel exogenus adalah semua variabel yang tidak ada penyebab-penyebab eksplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenus dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah berkepala dua yang menghubungkan variabel-variabel tersebut.

3. Variabel endogenus

Variabel endogenus ialah variabel yang mempunyai anak panah-anak panah menuju ke variabel tersebut.Variabel yang termasuk didalamnya mencakup semua variabel perantara dan tergantung.Variabel perantara endogenus mempunyai anak panah yang menuju ke arahnya dan dari arah variabel tersebut dalam suatu model diagram jalur.Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya.

4. Koefisien jalur/pembobotan jalur

Koefisien jalur adalah koefisien regresi standar atau disebut „beta‟ yang

menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefisien-koefisien jalurnya merupakan koefisien-koefisien regresi parsial yang mengukur besarnya pengaruh satu variabel

terhadap variabel lain dalam suatu modeljalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan.

5. Direct effect

Direct effect ialah pengaruh langsung yang dapat dilihat dari koefisien jalur dari satu variabel ke variabel lainnya.

6. Indirect effect

Indirect effect ialah urutan jalur melalui satu atau lebih variabel perantara.

2.2.4 Model Anlisis jalur

Ada beberapa model jalur mulai dari yang paling sederhana smpai dengan yang lebih rumit, diantaranya diterangkan di bawh ini:

1. Model Regresi Berganda

Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y. Model digambarkan sebagai berikut:

Gambar 2.1 Model Regresi Berganda X1

X2

2. Model Mediasi

Model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model ini digambarkan sebagai berikut:

Gambar 2.2 Model Mediasi

3. Model Kombinasi Regresi Berganda dan Mediasi

Model ini merupakan kombinasi antara model regresi berganda dan mediasi, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan tidak langsung mempengaruhi variabel Z melalui variabel Y. Model digambarkan sebagai berikut:

Gambar 2.3 Model Kombinasi Regresi Berganda dan Mediasi 4. Model Kompleks

Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung

Z

Y X

X

Y

mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1. Model digambarkan sebagai berikut:

Gambar 2.4 Model Kompleks

5. Model Rekursif dan Non Rekursif

Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah seperti gambar berikut:

�41

�21 �31

21 �43

�31

�42

�₂ �₃

�1

Gambar 2.5 Model Rekursif X1

Y1

X2

Y2

1

3 4

Model sebelumnya dapat diterangkan sebagai berikut:

a. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1 b. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel

endogenous, yaitu 2, 3, dan 4. Masing-masing variabel endogenous

diterangkan oleh variabel 1 dan error (�₁,�2, dan �3).

c. Satu variabel endogenous dapat menjadi penyebab variabel endogenous

lainnya, tetapi bukan ke variabel exogenous.

Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat (reciprocal cause).

6. Model Trimming

Model Trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel bebas yang koefisien jalurnya tidak signifikan. Jadi, model

trimming terjadi ketika koefisien jalur diuji secara keseluruhan ternyata ada variabel yang tidak signifikan.Walaupun ada satu, dua, atau lebih variabel yang tidak signifikan, tentu perlu memperbaiki model struktur analisis jalur yang telah dihipotesiskan (Riduwan dan Engkos Achmad Kuncoro, 2008). Model variabel bebas dikatakan signifikan apabila nilai

probabilitasnya (Sig) ≤0,05.

Cara menggunakan model trimming yaitu menghitung ulang koefisien jalur tanpa menyertakan varibel bebas yang koefisien jalurnya tidak signifikan.

2.2.5 Diagram Jalur dan Persamaan Struktural

Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyebab dengan variabel akibat. Diagram ini disebut diagram jalur (Path Diagram), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu.

X1 X2

�

Gambar 2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal dari X1 Sebagai Penyebab ke X2 Sebagai Akibat

di mana:

X1 adalah variabel eksogenus (exogenous variable) untuk itu selanjutnya variabel penyebab disebut sebagai variabel eksogenus. X2 adalah endogenus (endogenous

variable), sebagai akibat dan ε adalah variabel residu ( residual variable), yang merupakan gabungan dari: (1) Variabel lain, di luar X1, yang mungkin mempengaruhi X2 dan telah teridentifikasi oleh teori, tetapi tidak dimasukkan dalam model. (2) Variabel lain, di luar X2, yang mungkin mempengaruhi X2 tetapi belum teridentifikasi oleh teori. (3) Kekeliruan pengukuran (error of measurement), dan (4) Komponen yang sifatnya tidak menentu (random component).

Gambar 2.6 merupakan diagram jalur yang paling sederhana yang menyatakan bahwa X2 dipengaruhi secara langsung oleh X1, tetapi di luar X2, masih banyak penyebab lain yang dalam penelitian yang sedang dilakukan tidak

diukur. Penyebab lain itu dinyatakan oleh ε. Persamaan struktural yang dimiliki oleh gambar 2.6 adalah X2 =

ρ

x2.x1 .X1 + ε. Selanjutnya tanda anak panah satu

arah menggambarkan pengaruh langsung dari variabel eksogenus terhadap variabel endogenus.

X1

X2 X4

X3 ε

Gambar 2.7 Diagram Jalur Yang Menyatakan Hubungan Kausal dari X1, X2,X3, dan X4

Gambar 2.7 menunjukkan bahwa diagram jalur tersebut terdapat tiga buah variabel eksogen, yaitu X1, X2, dan X3, sebuah variabel endogen (X4) serta sebuah variabel residu ε. Pada diagram di atas juga mengisyaratkan bahwa hubungan antara X1 dengan X4, X2 dengan X4 dan X3 dengan X4 adalah hubungan kausal, sedangkan hubungan antara X1 dengan X2, X2 dengan X3 dan X1 dengan X3 masing-masing adalah hubungan korelasional. Perhatikan panah dua arah, panah tersebut menyatakan hubungan korelasional. Bentuk persamaan strukturalnya adalah: X4 =

ρ

X4.X1. X1 +

ρ

X4.X2. X2 +

ρ

X4.X3.X3 + ε

X1

X3 X4

X2 ε1 ε2

Gambar 2.8 Hubungan Kausal dari X1, X2, danX3 ke X4

Perhatikan bahwa pada gambar 2.8 di atas, terdapat dua buah sub-struktur.Pertama, sub-struktur yang menyatakan hubungan kausal dari X1 dan X2 ke X3, sertakedua sub-struktur yang mengisyaratkan hubungan kausal dari X3 ke

dan X4 =

ρ

X4.X3 .X3 +ε2 .Pada sub-struktur pertama X1 dan X2merupakan variabel eksogen, X4 sebagai variabel endogen dan ε1 sebagai variabel residu.Pada sub-struktur kedua, X3 merupakan variabel eksogen, X4 sebagai variabel endogen dan ε2 sebagai variabel residu.

2.2.6 Koefisien Jalur

Besarnya pengaruh langsung dari suatu variabel eksogenus terhadap variabel endogen tertentu, dinyatakan oleh besarnya nilai numeric koefisien jalur (path coefficient) dari eksogenus ke endogen.

X1

ρ

X3.X1

rx1.x2 X3

X2

ρ

X3.X2

ρ

X3.ε

Gambar 2.9 Hubungan Kausal dari X1dan X2 ke X3

Hubungan antara X1 dan X2 adalah hubungan korelasional. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasirx1.x2 .Hubungan X1 dan X2, ke X3 adalah hubungan kausal.Besarnya nilai numerik koefisien

jalur

ρ

X3.X1 dan

ρ

X3.X2.Koefisien jalur

ρ

X3.εmenggambarkan besarnya pengaruh langsung variabel residu (implicit exogenous variable) terhadap X3.

Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah:

1. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya. Di sini harus bisa diterjemahkan hipotesis penelitian yang di ajukan ke dalam

diagram jalur, sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogen dan apa yang menjadi variabel endogennya. 2. Menghitung matriks korelasi antar variabel.

� =

1 2

1 _{1. 2} …

2. 1 1 …

⋱

. 1 . 2 … 1. 2.

1

Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakanProduct Moment Coeffisient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval. Rumus:

                                           















       n j n j j n j n j j n j j n j j n j j j j Y j X Y Y n X X n Y X Y X n r 1 2 1 2 1 2 1 2 1 1 1 di mana:

n : Jumlah sampel

j Y j X

r : Korelasi variabel dengan variabel , = 1, 2,…,

3. Identifikasi sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Misalkan dalam sub-struktur yang telah diidentifikasi terdapat k buah variabel eksogen, dan sebuah (selalu hanya sebuah) variabel endogen X_u yang dinyatakan dengan persamaan :

Kemudian hitung matriks korelasi antar variabel eksogen yang menyusun sub struktural tersebut:

� �� =

1 2

1 1. 2 …

2. 1 1 …

⋱

. 1 . 2 … 1. 2.

1

4. Menghitung matriks invers korelasi eksogen, dengan rumus:

�−1 �� =

1 2

�

11 12 … 21 22 …

⋱

1 2 …

1 2

5. Menghitung semua koefisien jalur

�

dimana i = 1,2, . . . , k; melalui rumus:

� 1

� 2

�

=

11 12 …

21 22 …

⋱

1 2 …

1 2

1 2

2.2.7 Besarnya Variabel Eksogen Terhadap Variabel Endogen

Pengaruh yang diterima oleh sebuah variabel endogen dari dua atau lebih variabel eksogen, dapat secara sendiri-sendiri maupun secara bersama-sama.Pengaruh secara sendiri-sendiri (parsial), bisa berupa pengaruh langsung, bisa juga berupa pengaruh tidak langsung, yaitu melalui variabel eksogen yang lainnya.

Menghitung besarnya pengaruh langsung, pengaruh tidak langsung serta pengaruh total variabel eksogen terhadap variabel endogen secara parsial, dapat dilakukan dengan rumus:

1. Besarnya pengaruh langsung variabel eksogen Xuterhadap variabel endogenus Xk= � �

2. Besarnya pengaruh tidak langsung variabel eksogenus Xu terhadap variabel endogenus Xk melalui hubungan korelasi dari variabel Xi =

�

�

3.

Besarnya pengaruh tidak langsung variabel Xu terhadap variabel Ximelalui variabel Xk = �

�

4. Besarnya pengaruh total adalah pengaruh lansung dijumlahkan dengan variabel tidak langsung.

5. Besarnya pengaruh simultan variabel eksogen terhadap variabel endogen adalah:                        k u u u k u u u k u x x r x x r x x r x x x x x x x x x x R   2 1 2 1 2 1 2 ) ,..., , (    di mana: a. 2 ) ,..., ,

( 1 2 k

u x x x

x

R adalah koefisien determinasi total X_1, X₂, … X_k

terhadap X_u atau besarnya pengaruh variabel eksogen secara bersama-sama (gabungan) terhadap variabel endogen.

b.

�

adalah koefisien jalur ke-i, = 1, 2,…,

c.

adalah koefiesien korelasi variabel eksogen Xk dengan variabel

endogen Xu.

2.2.8 Pengujian Koefisien Jalur

Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung, baik secara sendiri-sendiri maupun secara bersama-sama, serta menguji

perbedaan besarnya pengaruh masing-masing variabel eksogen terhadap variabel endogen, dapat dilakukan dengan langkah-langkah sebagai berikut:

1. Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji.

Ho :� = 0 , Artinya tidak terdapat pengaruh variabel eksogen Xk terhadap variabel endogen Xu.

H1 :� ≠ 0 , Artinya tidak terdapat pengaruh variabel eksogenus Xk terhadap variabel endogenus Xu.

2. Gunakan statistik Uji yang tepat, yaitu: 1. Untuk menguji setiap koefisien jalur

=

�

(1− 2

) ,..., ,

( 1 2 k

u x x x

x R

− −1 di mana:

i = 1, 2, …, k

= Banyaknya variabel eksogen yang dalam sub-struktur yang diuji.

= Mengikuti tabel distribusi t , dengan derajat kebebasan nk1

Kriteria Pengujian : Ditolak Ho jika nilai hitung lebih besar dari nilai tabel ( ₀ > _� ) dan sebaliknya

=

− −1 2

) ,..., ,

( 1 2 k

u x x x

x R (1− 2

) ,..., ,

( 1 2 k

u x x x

x R

di mana:

i = 1, 2, …, k

= Banyaknya variabel eksogen yang dalam sub-struktur yang diuji.

F = Mengikuti tabel distribusi F, dengan dk = (V1 ,V2) dengan F_α(k, n – k – 1 )

Kriteria pengujian: Ditolak HO jika nilai F hitung lebih besar dari F tabel atau 0 > � .

2.3 Kemiskinan

Kemiskinan adalah keadaan dimana terjadi ketidakmampuan untuk memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan, dan kesehatan. Kemiskinan dapat disebabkan oleh kelangkaan alat pemenuh kebutuhan dasar, ataupun sulitnya akses terhadap pendidikan dan pekerjaan ( http://Wikipedia.com). Secara garis besar ada dua cara orang memandang kemiskinan, sebagian orang memandang kemiskinan adalah suatu proses sedangkan sebagian lagi memandang kemiskinan sebagai suatu akibat atau fenomena dalam suatu masyarakat (Dillon,1999:19).

Sebagai suatu proses, kemiskinan mencerminkan kegagalan suatu sistem masyarakat dalam mengalokasikan sumber daya dan dana secara adil kepada anggota masyarakatnya. Dengan demikian kemiskinan dapat dipandang pula

sebagai salah satu akibat dari kegagalan kelembagaan pasar (bebas) dalam mengalokasikan sumber daya yang terbatas secara adil kepada seluruh anggota masyarakat. Paham ini mengemukakan konsep tentang kemiskinan relatif atau sering pula dikenal sebagai kemiskinan struktural.

Pandangan tentang kemiskinan sebagai suatu fenomena atau gelaja dari suatu masyarakat menghasilkan suatu konsep kemiskinan absolut, sejalan dengan konsep absolut ini, maka Bank Dunia mendefenisikan kemiskinan sebagai ketidakmampuan suatu individu untuk memenuhi kebutuhan dasarnya atau dengan kata lain prespektif dari garis absolut berada dibawah garis kemiskinan (poverty line). Garis kemiskinan adalah suatu ukuran yang menyatakan besarnya pengeluaran untuk memenuhi kebutuhan dasar minimum makanan dan kebutuhan non makanan, atau standar yang menyatakan batas seseorang dikatakan miskin bila dipandang dari sudut konsumsi. Garis kemiskinan digunakan untuk mengetahui batas seseorang dikatakan miskin atau tidak, sehingga garis kemiskinan dapat digunakan untuk mengukur dan menentukan jumlah kemiskinan.

Kemiskinan absolut memberikan gambaran tentang tingkat kesejahteraan ekonomi yang tidak memadai dibandingkan dengan kebutuhan minimum untuk hidup sebagai mahluk individu dan sebagai anggota masyarakat.Sebagai mahluk setiap anggota masyarakat mempunyai kebutuhan yang secara minimal diperlukan untuk mempertahankan hidup seperti pakaian, pangan, papan, dan lain-lain.Nurwidiastuti (2001:79) mengatakan bahwa miskin adalah seseorang atau sekelompok orang yang tidak mampu mencukupi tingkat kemakmuran ekonomi yang dianggap sebagai kebutuhan minimal dari standar hidup tertentu.

Kemiskinan relatif menggambarkan tingkat kesejahteraan ekonomi seseorang (kelompok orang) yang relatif jauh dibawah kondisi ekonomi anggota masyarakat (kelompok) yang lain didalam suatu lingkungan masyarakat tertentu. Kemiskinan yang menimpa sekelompok masyarakat berhubungan dengan status sosial ekonomi dan potensi wilayahnya dikategorikan didalam faktor sosial ekonomi antara lain beberapa faktor yang berasal dari dalam diri masyarakat sendiri dan cenderung melekat pada dirinya seperti tingkat pendidikan dan keterampiloan yang rendah, tingkat kesehatan yang rendah dan produktivitas yang rendah. Yang dimaksud dengan potensi wilayah adalah faktor-faktor yang berasal dari luar seperti potensi alamiah, teknologi dan lain-lain. Kedua faktor tersebut menentukan aksesbilitas masyarakat miskin dalam memanfaatkan peluang-peluang ekonomi dalam menunjang kehidupannya.

Menurut Hadiwegono dan Pakpahan (1993:25) faktor-faktor yang menjadi penyebab timbulnya kemiskinan antara lain:

1. Sumber daya alam yang rendah.

2. Teknologi dan unsur penduduknya yang rendah. 3. Sumber daya manusia yang rendah.

4. Sarana dan prasarana termasuk kelembagaan yang belum baik.

Pertumbuhan ekonomi merupakan solusi terbaik untuk mengatasi kemiskinan jika pemerataanya cukup baik, artinya jikapun pertumbuhan ekonomi cukup tinggi tidak akan menjamin terselesaikannya masalah kemiskinan apalagi tingkat pemerataannya tidak baik. Jadi pertumbuhan ekonomi harus diikuti dengan pemerataanlah yang dapat mengatasi masalah kemiskinan khususnya kemiskinan

relatif (Murni Daulay, 2009).Dengan demikian pertumbuhan ekonomi merupakan syarat bagi pengurangan kemiskinan.

Menurut Nugraheni, pengukuran akan pertumbuhan ekonomi memerlukan alat ukur yang tepat. Salah satunya adalah Produk Regional Bruto (PDRB).PDRB merupakan jumlah barang jasa akhir yang dihasilkan oleh suatu perekonomian dalam satu tahun dan dinyatakan dalam harga pasar. Baik PDB ( Produk Domestik Bruto) atau PDRB merupakan ukuran yang sifatnya global dan bukan merupakan alat ukur pertumbuhan ekonomi yang tepat karena belum mencerminkan kesejahteraan penduduk yang sesungguhnya, padahal sesungguhnya kesejahteraan harus dinikmati oleh setiap penduduk di negara atau daerah yang bersangkutan.

Menurut Nelson dan Leibstein (dikutip dari Sadono Sukirno, 1983) terdapat pengaruh langsung antara pertambahan penduduk terhadap tingkat kesejahteraan masyarakat. Nelson dan Leibstein menunjukkan bahwa pertumbuhan penduduk yang pesat di negara berkembang menyebabkan tingkat kesejahteraan masyarakat tidak mengalami perbaikan yang berarti dan dalam jangka panjang akan mengalami penurunan kesejahteraan serta meningkatkan jumlah penduduk miskin.

Besarnya pengaruh jumlah penduduk terhadap pertumbuhan ekonomi pada tingkat tertentu tergantung pada kondisi konkrit dari masyarakat. Pertumbuhan penduduk yang cepat akan berpengaruh secara negatif terhadap pertumbuhan perekonomian nasional jika bagian penduduk yang tidak bekerja dibandingkan dengan bagian yang bekerja bertambah sampai tingkat tertentu sehingga pertumbuhan tersebut menghambat peningkatan tingkat kehidupan penduduk, hal

ini sering timbul terutama di negara yang tingkat perkembangan ekonominya masih rendah.

Salah satu faktor yang mempengaruhi kemiskinan adalah jumlah penduduk yang menganggur. Penganggur adalah orang yang tidak bekerja sama sekali atau bekerja kurang dari dua hari selama seminggu sebelum pencacahan dan berusaha memperoleh pekerjaan. Menurut Sadono Sukirno (1997) pengangguran adalah seseorang yang digolongkan dalam angkatan kerja, yang secara aktif sedang mencari pekerjaan pada suatu tingkat upah tertentu, tetapi tidak dapat meperoleh pekerjaan yang diinginkan.Pengangguran merupakan salah satu masalah ekonomi khususnya ekonomi makro.Masalah pengangguran yang menyebabkan tingkat pendapatan nasional dan tingkat kemakmuran masyarakat tidak mencapai potensinya yang maksimal.

Faktor lain yang mempengaruhi tingkat kemiskinan adalah pendidikan, pendidikan merupakan komponen penting dan vital terhadap pembangunan terutama dalam meningkatkan pertumbuhan ekonomi yang keduanya merupakan input bagi total produksi (Todaro, 2003) pendidikan juga berfungsi meningkatkan produktivitas. Selain dari itu kemampuan untuk menyerap teknologi memerlukan peningkatan kualitas sumber daya manusia.Oleh karena itu, pembangunan pendidikan merupakan prioritas pertama bagi setiap pemerintahan negara berkembang.Program pembangunan pendidikan yang dikembangkan cukup beragam, dimulai dari pemberantasan buta huruf, pendidikan keterampilan, sampai pengembangan pendidikan tinggi.

Secara teoritis, pendidikan memang merupakan wahana yang ampuh untuk mengangkat manusia dari berbagai ketertinggalan, termasuk dari lembah

kemiskinan. Melalui pendidikan, selain memperoleh kepandaian berupa keterampilan berolah pikir, manusia juga memperoleh wawasan yang baru yang akan membantu upaya mengangkat harkat hidup mereka.

BAB 3

GAMBARAN UMUM PROVINSI SUMATERA UTARA

3.1 Geografi Sumatera Utara

3.1.1 Lokasi dan Keadaan Geografis

Provinsi Sumatera Utara berada di bagian barat Indonesia, terletak pada garis 10– 40 Lintang Utara dan 980 – 1000 Bujur Timur. Sebelah utara berbatasan dengan provinsi Aceh, sebelah timur dengan negara Malaysia di Selat Malaka, sebelah selatan berbatasan dengan provinsi Riau dan Sumatera Barat, dan disebelah barat berbatasan dengan Samudera Hindia. Luas daratan provinsi Sumatera Utara adalah 71.680,68 Km2, Sebagian besar berada di daratan pulau Sumatera dan sebagian kecil berada di provinsi pulau Nias, pulau-pulau Batu, serta beberapa pulau kecil, baik dibagian Barat maupun dibagian Timur pantai pulau Sumatera. Berdasarkan luas daerah menurut kabupaten/kota di Sumatera Utara, luas daerah terbesar adalah kabupaten Mandailing Natal dengan luas 6.620,70 Km2, atau sekitar 9,23% dari total luas Sumatera Utara, diiuti kabupaten Langkat dengan luas 6263,29 Km2 atau 8,74% dari total luas Sumatera Utara, kemudian kabupaten Simalungun dengan luas 4.386,60 Km2 atau sekitar 6,12% dari total luas Sumatera Utara. Sedangkan luas daerah terkecil adalah kota Sibolga dengan luas 10,77 Km2 atau sekitar 0,02% dari total luas wilayah Sumatera Utara .

Provinsi Sumatera Utara terdiri dari 25 Kabupaten dan 8 Kota. Adapun kabupaten/kota yang ada di rovinsi Sumatera Utara adalah sebagai berikut:

Tabel 3.1 Wilayah Kabupaten dan Kota di Provinsi Sumatera Utara

Wilayah Kabupaten Wilayah Kota

Nias Nias Selatan Sibolga

Mandailing Natal Humbang Hasundutan Tanjung Balai Tapanuli Selatan Pakpak Bharat Pematang Siantar Tapanuli Tengah Samosir Tebing Tinggi Tapanuli Utara Serdang Bedagai Medan Toba Samosir Batu Bara Binjai

Labuhan Batu Padang Lawas Utara Padang Sidimpuan Asahan Padang Lawas Gunung Sitoli Simalungun Labuhan Batu Selatan

Dairi Labuhan Batu Utara

Karo Nias Utara

Deli serdang Nias Selatan

Langkat

Berdasarkan kondisi letak dan kondisi alam, Sumatera Utara dibagi dalam 3 (tiga) kelompok wilayah/kawasan yaitu Pantai Barat, Daratan Tinggi, dan Pantai Timur. Kawasan Pantai Barat meliputi Kabupaten Nias, Kabupaten Nias Utara, Kabupaten Nias Barat, Kabupaten Mandailing Natal, Kabupaten Tapanuli Selatan, Kabupaten Padang Lawas, Kabupaten Pdang Lawas Utara, Kabupaten Tapanuli Tengah, Kabupaten Nias Selatan, Kota Padang Sidempuan, Kota Sibolga, dan Kota Gunung Sitoli. Kawasan dataran tinggi meliputi Kabupaten Tapanuli Utara, Kabupaten Toba Samosir, Kabupaten Simalungun, Kabupaten dairi, Kabupaten karo, Kabupaten Humbang Hasundutan, Kabupaten Pakpak Bharat, Kabupaten Samosir, dan Kota Pematang Siantar. Kawasan Pantai Timur meliputi Kabupaten

Labuhan Batu, Kabupaten Lbuhan Batu Utara, Kabupaten Batu Bara, Kabupaten Deli Serdang, Kabupaten Lngkat, Kabupaten Serdang Bedagai, Kota Tanjung Balai, Kota Tebing Tinggi, Kota Medan, dan Kota Binjai.

3.1.2 Iklim

Karena terletak dekat garis khatulistiwa provinsi Sumatera Utara tergolong kedalam daerah beriklim tropis. Ketinggian permukaan daratan provinsi Sumatera Utara sangat bervariasi, sebagian daerahnya datar, hanya beberapa meter diatas permukaan laut, beriklim cukup panas bisa mencapai 33,40C, sebagian daerahnya berbukit dengan kemiringan yang landai, beriklim sedang dan sebagian lagi berada pada daerah ketinggian yang suhunya minimal bisa mencapai 23,70C.

Sebagaimana provinsi lainnya di Indonesia, provinsi Sumatera Utara mempunyai musim kemarau dan penghujan. Musim kemarau biasanya terjadi pada bulan Juni sampai dengan September dan musim penghujan biasanya terjadi pada bulan November sampai dengan bulan Maret. Diantara kedua musim tersebut diselingi oleh musim pancaroba.

3.2Penduduk Sumatera Utara 3.2.1 Jumlah Penduduk

Provinsi Sumatera Utara merupakan Provinsi keempat terbesar jumlah penduduknyadi Indonesia setelah Jawa Barat, Jawa Timur, dan Jawa Tengah. Menurut hasil pencacahan lengkap Sensus Penduduk (SP) 1990 penduduk Sumatera Utara keadaan tanggal 31 Oktober 1990 (hari sensus) berjumlah 10,26 juta jiwa, dan hasil SP 2000, jumlah penduduk Sumatera Utara sebesar 11,51 juta jiwa. Pada bulan April 2003 dilakukan pendaftaran pemilih dan pendataan

penduduk berkelanjutan (P4B). Dari hasil pendaftaran tersebut diperoleh jumlah penduduk sebesar 11.890.399 jiwa. Selanjutnya dari hasil sensus penduduk pada bulan Mei 2010 jumlah penduduk Sumatera Utara 12.982.204 jiwa. Kepadatan penduduk Sumatera Utara tahun1990 adalah 143 jiwa per Km2 dan tahun 2000 meningkat menjadi 161 jiwa per Km2. Laju pertumbuhan penduduk selama kurun waktu 1990-2000 adalah 1,20% per tahun, dan pada tahun 2000-2010 menjadi 1,22% per tahun.

Pada tahun 2012 penduduk Sumatera Utara berjumlah 13.215.401 jiwa. Penduduk Sumatera Utara yang berjenis kelamin laki-laki berjumlah sekitar 6.544.299 jiwa dan penduduk perempuan sebesar 6.671.102 jiwa. Dengan demikian sex ratio penduduk Sumatera Utara sebesar 99,52.

Pada tahun 2012 penduduk Sumatera Utara lebih banyak tinggal di daerah pedesaan daripada di daerah perkotaan. Jumlah penduduk Sumatera Utara yang tinggal di pedesaan adalah 6,67 juta jiwa (50,48%) dan yang tinggal di daerah perkotaan sebesar 6,54 juta jiwa (49,52%).

Jumlah penduduk miskin di Sumatera Utara mengalami perubahan dari tahun 1990-2010. Akibat terjadinya krisis moneter pada pertengahan tahun 1997, penduduk miskn di Sumatera Utara meningkat menjadi 16,74% dari total Sumatera Utara yaitu sebanyak 1,97 juta jiwa. Pada tahun 2003 terjadi penurunan penduduk miskin baik secara absolute maupun secara persentase, yaitu 1,89 juta jiwa atau sekitar 15,89%, sedangkan tahun 2004 jumlah dan prsentase penduduk miskin turun menjadi 1,80 juta jiwa atau sekitar 14,93%, kemudian pada tahun 2005 penduduk miskin turun menjadi 1,84 juta jiwa (14,68%), namum akibat dampak kenaikan harga Bahan Bakar Minyak (BBM) pada bulan Maret dan

Oktober 2005 penduduk miskin tahun 2006 meningkat menjadi 1,98 juta jiwa (15,66%). Pada tahun 2007 jumlah penduduk miskin sebanyak 1,77 juta jiwa (13,90%), angka ini menurun pada tahun 2008 menjadi 1,61 juta jiwa (12,55%). Pada tahun 2009 jumlah penduduk miskin kembali turun menjadi 1,50 juta jiwa (11,51%). Selanjutnya pada kondisi bulan september 2011 jumlah penduduk miskin Sumatera Utara menjadi 1,42 jua jiwa (10,83%). Pada kondisi bulan september 2012 jumlah penduduk miskin menjadi 1,38 juta jiwa (10,41%).

3.2.2 Suku dan Agama

Sumatera Utara merupakan provinsi multietnis dengan Batak, Nias, dan Melayu sebagai penduduk asli provinsi ini. Pusat penyebaran suku-suku di Sumatera Utara adalah sebagai berikut:

1. Melayu :Pesisir Timur, terutama di Kabupaten Deli Serdang, Kabupaten Serdang Bedagai, dan Kabupaten Langkat

2. Batak Karo :Kabupaten Karo, Deli Serdang, Langkat, dan Medan.

3. Batak Toba :Kabupaten Tapanuli Utara, Kabupaten Humbang Hasundutan, Kabupaten Samosir, dan Kabupaten Toba Samosir

4. Batak Mandailing :Kabupaten Mandailing Natal.

5. Batak Angkola :Kabupaten Tapanuli Selatan dan Padang Lawas 6. Batak Simalungun :Kabupaten Simalungun

7. Batak Pakpak :Kabupaten Dairi dan Pakpak Barat

9. Minangkabau :Kota Medan, Kabupaten Batu Bara, dan Pesisir Barat

10.Aceh :Kota Medan

11.Jawa :Pesisir Timur

12.Tionghoa :Perkotaan pesisir Timur dan Barat

Sebagai provinsi yang multietnis maka pendududk provinsi Sumatera Utara juga menganut agama ataupun kepercayaan yang beragam. Agama utama di provinsi Sumatera Utara adalah:

1. Islam, terutama dipeluk oleh suku Melayu, Pesisir, Minangkabau, Jawa, Aceh, Batak Mandailing, sebagian Batak Karo, Simalungun dan Pakpak.

2. Kristen (Protestan dan Katolik), terutama dipeluk oleh suku Batak Karo, Batak Toba, Pakpak, Mandailing, dan Nias.

3. Hindu, terutama dipeluk oleh suku Tamil diperkotaan. 4. Buddha, terutama dipeluk oleh suku Tionghoa di perkotaan. 5. Konghucu, terutama dipeluk oleh suku Tionghoa di perkotaan. 6. Parmalim, dipeluk oleh sebagian oleh suku Batak di Huta Tinggi. 7. Animisme, masih ada dipeluk oleh suku Batak, yaitu Pelebegu

BAB 4

HASIL DAN PEMBAHASAN

4.1. Penyajian Data

Adapun data tingkat kemiskinan, laju pertumbuhan ekonomi, produk domestik regional bruto perkapita, jumlah penduduk yang pengangguran, jumlah penduduk yang buta huruf, dan jumlah penduduk dapat dilihat pada Tabel 4.1 sampai dengan Tabel 4.7.

Tabel 4.1 Jumlah dan Persentase Penduduk Miskin Sumatera Utara Tahun 2010 j Kabupaten

/Kota

Jumlah (000 jiwa)

Persentase (%) j

Kabupaten /Kota

Jumlah (000 jiwa)

Persentase (%)

Kabupaten Kabupaten

1 Nias 26,40 19,98 18 Serdang Bedagai 62,80 10,59 2 Mandailing

Natal 50,90 12,60 19 Batu Bara 46,00 12,29 3 Tapanuli

Selatan 31,50 11,96 20 Padang Lawas Utara 25,00 11,29 4 Tapanuli

Tengah 52,20 16,74 21 Padang Lawas 25,00 11,13 5 Tapanuli

Utara 34,90 12,50 22 Labuhan Batu Selatan 43,40 15,58 6 Toba

Samosir 17,60 10,15 23 Labuhan Batu Utara 40,90 12,32 7 Labuhan

Batu 44,30 10,67 24 Nias Utara 40,70 31,94 8 Asahan 76,30 11,42 25 Nias Barat 25,10 30,89 9 Simalungun 87,70 10,73 Kota

10 Dairi 26,90 9,97 26 Sibolga 11,70 13,91 11 Karo 38,70 11,02 27 Tanjung balai 25,50 16,32 12 Deli Serdang 96,00 5,34 28 Pematang siantar 27,50 11,72 13 Langkat 104,80 10,85 29 Tebing Tinggi 18,90 13,06 14 Nias Selatan 60,10 20,73 30 Medan 212,30 10,05 15 Humbang

Hasundutan 18,20 10,61 31 Binjai 18,00 7,33 16 Pakpak

Bharat 5,60 13,81 32 Padang sidimpuan 20,30 10,53 17 Samosir 19,70 16,51 33 Gunung Sitoli 42,50 33,87

Tabel 4.2 Laju Pertumbuhan Ekonomi Menurut Kabupaten/Kota Atas Dasar Harga Konstan 2000 (persen) Tahun 2010

j Kabupaten/Kota 2010 J Kabupaten/Kota 2010

Kabupaten Kabupaten

1 Nias 6,75 18 Serdang Bedagai 6,14

2 Mandailing Natal 6,41 19 Batu Bara 4,65 3 Tapanuli Selatan 5,06 20 Padang Lawas Utara 6,74 4 Tapanuli Tengah 6,13 21 Padang Lawas 5,56 5 Tapanuli Utara 5,56 22 Labuhan Batu Selatan 5,61 6 Toba Samosir 5,50 23 Labuhan Batu Utara 5,68 7 Labuhan Batu 5,15 24 Nias Utara 6,73

8 Asahan 4,97 25 Nias Barat 6,30

9 Simalungun 5,12 Kota

10 Dairi 5,02 26 Sibolga 6,04

11 Karo 6,03 27 Tanjung balai 4,76

12 Deli Serdang 5,98 28 Pematang siantar 5,85 13 Langkat 5,74 29 Tebing Tinggi 6,04

14 Nias Selatan 4,12 30 Medan 7,16

15

Humbang

Hasundutan 5,45 31 Binjai 6,07

16 Pakpak Bharat 6,77 32 Padang sidimpuan 5,81 17 Samosir 5,59 33 Gunung Sitoli 6,73 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

Tabel 4.3 Jumlah Penduduk Provinsi Sumatera Utara Tahun 2010

j Kabupaten/Kota

Jumlah Penduduk

(Jiwa)

J Kabupaten/Kota

Jumlah Penduduk

(Jiwa)

Kabupaten Kabupaten

1 Nias 131 377 18 Serdang Bedagai 594 383 2 Mandailing Natal 404 945 19 Batu Bara 375 885 3 Tapanuli Selatan 263 815 20 Padang Lawas Utara 223 531 4 Tapanuli Tengah 311 232 21 Padang Lawas 225 259 5 Tapanuli Utara 279 257 22 Labuhan Batu Selatan 277 673 6 Toba Samosir 173 129 23 Labuhan Batu Utara 330 701 7 Labuhan Batu 415 110 24 Nias Utara 127 244 8 Asahan 668 272 25 Nias Barat 81 807 9 Simalungun 817 720 Kota

10 Dairi 270 053 26 Sibolga 84 481

11 Karo 350 960 27 Tanjung balai 154 445 12 Deli Serdang 1 790 431 28 Pematang siantar 234 698 13 Langkat 967 535 29 Tebing Tinggi 145 248 14 Nias Selatan 289 708 30 Medan 2 097 610 15 Humbang

Hasundutan 171 650 31 Binjai 246 154 16 Pakpak Bharat 40 505 32 Padang sidimpuan 191 531 17 Samosir 119 653 33 Gunung Sitoli 126 202 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

Tabel 4.4 Produk Domestik Regional Bruto per Kapita Menurut Kabupaten/Kota Atas Dasar Harga Konstan 2000 (Rupiah) Tahun 2010

j Kabupaten/Kota Rupiah j Kabupaten/Kota Rupiah

Kabupaten Kabupaten

1 Nias 3 887 995 18 Serdang Bedagai 7 663 966 2 Mandailing Natal 5 017 866 19 Batu Bara 19 672 216 3 Tapanuli Selatan 6 761 855 20 Padang Lawas Utara 3 479 380 4 Tapanuli Tengah 3 850 869 21 Padang Lawas 3 356 540 5 Tapanuli Utara 5 780 955 23 Labuhan Batu Selatan 10 212 617 6 Toba Samosir 10 176 988 23 Labuhan Batu Utara 9 565 185 7 Labuhan Batu 7 857 113 24 Nias Utara 3 851 851 8 Asahan 8 065 320 25 Nias Barat 3 106 083 9 Simalungun 6 812 974 Kota

10 Dairi 7 593 589 26 Sibolga 8 759 806 11 Karo 9 594 214 27 Tanjung balai 9 043 279 12 Deli Serdang 8 107 952 28 Pematang siantar 8 687 762 13 Langkat 7 452 508 29 Tebing Tinggi 8 024 751 14 Nias Selatan 4 251 105 30 Medan 17 077 622 15 Humbang

Hasundutan 5 864 032 31 Binjai 8 209 884 16 Pakpak Bharat 4 070 571 32 Padang sidimpuan 4 887 204 17 Samosir 8 846 290 33 Gunung Sitoli 6 877 659 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

Tabel 4.5 Penduduk Berumur 15 Tahun ke Atas Menurut Kabupaten/Kota dan Jenis Kegiatan Seminggu Yang Lalu

j Kabupaten/Kota

Peng- angguran

(Jiwa)

j Kabupaten/Kota

Peng- angguran

(Jiwa)

Kabupaten Kabupaten

1 Nias 1 756 18 Serdang Bedagai 19 109

2 Mandailing Natal 8 571 19 Batu Bara 13 988 3 Tapanuli Selatan 5 012 20 Padang Lawas Utara 4 076 4 Tapanuli Tengah 9 843 21 Padang Lawas 7 893 5 Tapanuli Utara 3 720 22 Labuhan Batu Selatan 6 940 6 Toba Samosir 2 533 23 Labuhan Batu Utara 8 599 7 Labuhan Batu 12 586 24 Nias Utara 1 853

8 Asahan 27 687 25 Nias Barat 222

9 Simalungun 27 181 Kota

10 Dairi 3 490 26 Sibolga 7 616

11 Karo 3 444 27 Tanjung balai 6 433 12 Deli Serdang 84 669 28 Pematang siantar 11 729 13 Langkat 42 424 29 Tebing Tinggi 6 935 14 Nias Selatan 3 986 30 Medan 133 811 15 Humbang

Hasundutan 723 31 Binjai 14 300

16 Pakpak Bharat 364 32 Padang sidimpuan 8 250 17 Samosir 424 33 Gunung Sitoli 1 639 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

Tabel 4.6 Persentase Penduduk Berusia 10 Tahun ke Atas Menurut

Kabupaten/Kota Menurut Kepandaian Membaca dan Menulis Tahun 2010

j Kabupaten /Kota

Laki-laki + Perempuan

j Kabupaten/ Kota

Laki-laki + Perempuan Melek

Huruf

Buta Huruf

Melek Huruf

Buta Huruf

Kabupaten Kabupaten

1 Nias 91,56 8,44 18 Serdang

Bedagai 96,88 3,12 2 Mandailing

Natal 98,75 1,25 19 Batu Bara 95,65 4,35 3 Tapanuli

Selatan 99,13 0,87 20

Padang Lawas

Utara 99,33 0,67

4 Tapanuli

Tengah 95,32 4,68 21 Padang Lawas 98,43 1,57 5 Tapanuli

Utara 97,49 2,51 22

Labuhan Batu

Selatan 98,91 1,09 6 Toba

Samosir 98,58 1,42 23

Labuhan Batu

Utara 97,69 2,31

7 Labuhan

Batu 97,56 2,44 24 Nias Utara 90,25 9,75 8 Asahan 96,58 3,42 25 Nias Barat 86,55 13,45 9 Simalungun 97,72 2,28 Kota

10 Dairi 98,30 1,70 26 Sibolga 98,97 1,03 11 Karo 98,26 1,74 27 Tanjung balai 98,53 1,47 12 Deli

Serdang 98,72 1,28 28

Pematang

siantar 99,18 0,82 13 Langkat 97,31 2,69 29 Tebing Tinggi 98,82 1,18 14 Nias Selatan 84,99 15,01 30 Medan 99,38 0,62 15 Humbang

Hasundutan 96,80 3,20 31 Binjai 98,83 1,17 16 Pakpak

Bharat 96,91 3,09 32

Padang

sidimpuan 99,67 0,33 17 Samosir 96,85 3,15 33 Gunung Sitoli 92,13 7,87

Tabel 4.7 Tingkat Kemiskinan, Laju Pertumbuhan Ekonomi, Jumlah Penduduk, PDRB per Kapita, Jumlah Pengangguran, dan Jumlah Penduduk Buta Huruf di Provinsi Sumatera Utara

j Kabupaten/Kota Y1 Y2 X1 X2 X3 X4

Kabupaten

1 Nias 19,98 6,75 131 377 3 887 995 1 756 8,44 2 Mandailing

Natal 12,60 6,41 404 945 5 017 866 8 571 1,25 3 Tapanuli Selatan 11,96 5,06 263 815 6 761 855 5 012 0,87 4 Tapanuli

Tengah 16,74 6,13 311 232 3 850 869 9 843 4,68 5 Tapanuli Utara 12,50 5,56 279 257 5 780 955 3 720 2,51 6 Toba Samosir 10,15 5,50 173 129 10 176 988 2 533 1,42 7 Labuhan Batu 10,67 5,15 415 110 7 857 113 12 586 2,44 8 Asahan 11,42 4,97 668 272 8 065 320 27 687 3,42 9 Simalungun 10,73 5,12 817 720 6 812 974 27 181 2,28 10 Dairi 9,97 5,02 270 053 7 593 589 3 490 1,70 11 Karo 11,02 6,03 350 960 9 594 214 3 444 1,74 12 Deli Serdang 5,34 5,98 1 790 431 8 107 952 84 669 1,28 13 Langkat 10,85 5,74 967 535 7 452 508 42 424 2,69 14 Nias Selatan 20,73 4,12 289 708 4 251 105 3 986 15,01 15 Humbang

Hasundutan 10,61 5,45 171 650 5 864 032 723 3,20 16 Pakpak Bharat 13,81 6,77 40 505 4 070 571 364 3,09 17 Samosir 16,51 5,59 119 653 8 846 290 424 3,15 18 Serdang

Bedagai 10,59 6,14 594 383 7 663 966 19 109 3,12 19 Batu Bara 12,29 4,65 375 885 19 672 216 13 988 4,35 20 Padang Lawas

Utara 11,29 6,74 223 531 3 479 380 4 076 0,67 21 Padang Lawas 11,13 5,56 225 259 3 356 540 7 893 1,57 22 Labuhan Batu

Selatan 15,58 5,61 277 673 10 212 617 6 940 1,09 23 Labuhan Batu

Utara 12,32 5,68 330 701 9 565 185 8 599 2,31 24 Nias Utara 31,94 6,73 127 244 3 851 851 1 853 9,75 25 Nias Barat 30,89 6,30 81 807 3 106 083 222 13,45

Kota

26 Sibolga 13,91 6,04 84 481 8 759 806 7 616 1,03 27 Tanjung balai 16,32 4,76 154 445 9 043 279 6 433 1,47 28 Pematang

siantar 11,72 5,85 234 698 8 687 762 11 729 0,82 29 Tebing Tinggi 13,06 6,04 145 248 8 024 751 6 935 1,18 30 Medan 10,05 7,16 2 097 610 17 077 622 133

811 0,62 31 Binjai 7,33 6,07 246 154 8 209 884 14 300 1,17 32 Padang

sidimpuan 10,53 5,81 191 531 4 887 204 8 250 0,33 33 Gunung Sitoli 33,87 6,73 126 202 6 877 659 1 639 7,87 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

di mana:

1 = Tingkat Kemiskinan (%)

2 = Laju Pertumbuhan Ekonomi (%)

1 = Jumlah Penduduk (Jiwa)

2 = PDRB per Kapita (Rupiah)

3 = Jumlah Pengangguran (Jiwa)

4 = Jumlah Penduduk Buta Huruf (Jiwa), = 1,2,…, 33

4.2 Pengolahan Data

4.2.1 Menentukan Variabel Eksogen dan Variabel Endogen

Variabel eksogen adalah laju pertumbuhan ekonomi, jumlah penduduk, produk domestik regional bruto (PDRB) per kapita, jumlah pengangguran, dan jumlah penduduk buta huruf sedangkan variabel endogen adalah tingkat kemiskinan.

4.2.2 Merumuskan Hipotesis

Hipotesis (sebagai H1) dirumuskan sebagai berikut: 1. Hipotesis Pertama

Jumlah penduduk, PDRB per kapita, jumlah pengangguran, dan jumlah penduduk buta huruf berpengaruh secara signifikan terhadap laju pertumbuhan ekonomi baik secara simultan maupun secara individual. 2. Hipotesis Kedua

Jumlah penduduk, PDRB per kapita, jumlah pengangguran, jumlah penduduk buta huruf dan laju pertumbuhan ekonomi berpengaruh secara

signifikan terhadap tingkat kemiskinan baik secara simultan maupun secara individual.

4.2.3 Model Diagram Jalur

Menggambarkan model diagram jalurnya berdasarkan paradigma hubungan variabel dengan tahapan seperti berikut:

1. Terdapat hubungan kausalitas variabel jumlah penduduk (X1) terhadap variabel laju pertumbuhan ekonomi ( 2).

2. Terdapat hubungan kausalitas variabel PDRB per kapita (X2) terhadap variabel laju pertumbuhan ekonomi (Y2).

3. Terdapat hubungan kausalitas variabel jumlah pengangguran (X3) terhadap variabel laju pertumbuhan ekonomi (Y2).

4. Terdapat hubungan kausalitas variabel jumlah penduduk buta huruf (X4) terhadap variabel laju pertumbuhan ekonomi (Y2).

5. Terdapat hubungan korelasi variabel jumlah penduduk (X1) dengan variabel PDRB per kapita (X2).

6. Terdapat hubungan korelasi variabel jumlah penduduk (X1) dengan variabel jumlah pengangguran (X3).

7. Terdapat hubungan korelasi variabel jumlah penduduk (X1) dengan variabel jumlah penduduk buta huruf (X4).

8. Terdapat hubungan korelasi variabel PDRB per kapita (X2) dengan variabel jumlah pengangguran (X3).

9. Terdapat hubungan korelasi variabel PDRB per kapita (X2) dengan variabel jumlah penduduk buta huruf (X4).

10.Terdapat hubungan korelasi variabel jumlah pengangguran (X3) dengan variabel jumlah penduduk buta huruf (X4).

11.Terdapat hubungan kausalitas variabel jumlah penduduk (X1) terhadap variabel tingkat kemiskinan (Y1).

12.Terdapat hubungan kausalitas variabel PDRB per kapita (X2) terhadap Variabel tingkat kemiskinan (Y1).

13.Terdapat hubungan kausalitas variabel laju pertumbuhan ekonomi (Y2) terhadap variabel tingkat kemiskinan (Y1).

14.Terdapat hubungan kausalitas variabel Jumlah pengangguran (X3) terhadap tingkat kemiskinan (Y1).

15.Terdapat hubungan kausalitas variabel jumlah penduduk buta huruf (X4) terhadap tingkat kemiskinan (Y1).

X1

1



2



X2

Y2 Y1

X3

X4

Gambar 4.1. Hubungan Struktural X1, X2, X3, X4, dan Y2 terhadap Y1

di mana:

2 = Laju Pertumbuhan Ekonomi (%)

1 = Jumlah Penduduk (Jiwa)

2 = PDRB per Kapita (Rupiah)

3 = Jumlah Pengangguran (Jiwa)

4 = Jumlah Penduduk Buta Huruf (Jiwa)

4.2.4 Merumuskan Persamaan Struktural

Persamaan struktural dirumuskan berdasarkan model diagram jalur berikut:

X1

1



2 1X

X r

2 2



Y

1 2X

Y



2



3 1X

X

r X2

1 1X

Y



2 1



Y

4 1X

X r

2 2X

Y



2 1X

Y



3 2X

X r

Y2

2 1Y

Y



Y1

4 2X

X r

3 2X

Y



3 1X

Y



X3

4 2X

Y



4 3X

X r

4 1X

Y



X4

Gambar 4.2. Hubungan Struktural X1, X2, X3, X4, dan Y2 terhadap Y1 Beserta Koefisien Jalurnya

Diagram jalur tersebut terdiri atas dua persamaan struktural yaitu: Persamaan struktural untuk sub struktur 1:

2 = �2 1 1 + � 2 2 2 +� 2 3 3+� 2 4 4 +� 2�1

Persamaan struktural untuk sub struktur 2:

1 =�_{1 1} 1 + �1_{2 2} 2 +�_{1 2} 2 + �_{1 3} 3 +�_{1 4} 4 + �₁�₂

di mana:

1` =Tingkat Kemiskinan (%)

2 =Laju Pertumbuhan Ekonomi (%)

1 =Jumlah Penduduk (Jiwa)

2 =PDRB Per Kapita (Rupiah)

3 = Jumlah Pengangguran (%)

�1 1 =Koefisien jalur antaran Y1 dan X1

�1 2 =Koefisien jalur antara Y1 dan X2

2 1Y

Y

 =Koefisien jalur antara Y1 dan Y2 �1 3 =Koefisien jalur antara Y1 dan X3

�1 4 =Koefisien jalur antara Y1 dan X3

�2 1 =Koefisien jalur antara Y2 dan X1

�2 3 =Koefisien jalur antara Y2 dan X3

�2 4 =Koefisien jalur antara Y2 dan X4

4.2.5 Menentukan Matriks Korelasi

Untuk menghitung korelasi antara tingkat kemiskinan, laju pertumbuhan ekonomi, jumlah penduduk, PDRB per kapita, jumlah pengangguran, dan jumlah penduduk buta huruf dianalisis dengan menggunakan SPSS dengan langkah-langkah sebagai berikut:

1. Klik Analyse. 2. Pilih Correlate. 3. Pilih Bivariate.

4. Masukkan ke kolom Variables, variabel Persentase penduduk miskin, Laju pertumbuhan ekonomi, Jumlah penduduk, PDRB per kapita, Julah pengangguran, dan Jumlah penduduk buta huruf.

5. Klik OK.

Tabel 4.8 Matriks Korelasi Antara Variabel Tingkat Kemiskinan, Laju Pertumbuhan Ekonomi, Jumlah Penduduk, PDRB per Kapita, Jumlah Pengangguran, dan Jumlah Penduduk Buta Huruf

Correlations

Y1 Y2 X1 X2 X3 X4

Y1 Pearson Correlation 1 .256 -.385 -.321 -.336 .781 Y2 Pearson Correlation 1 .137 -.186 .231 -.030

X1 Pearson Correlation 1 .427 .969 -.227

X2 Pearson Correlation 1 .477 -.341

X3 Pearson Correlation 1 -.238

4.2.6 Menghitung Koefisien Jalur

Berdasarkan rumusan hipotesis dan diagram jalur pada Gambar 4.2 model dibagi menjadi dua sub struktur, yaitu:

Sub sruktur 1

1. Menghitung koefisien jalur a. Persamaan Struktural

2 =�2 1 1 + �2 2 2 +�2 3 3+�2 4 4 +�2�1

di mana:

� 2 1 =Koefisien jalur antara Y2 dan X1

� 2 2 =Koefisien jalur antara Y2 dan X2

� 2 3 =Koefisien jalur antara Y2 dan X3

� 2 4 =Koefisien jalur antara Y2 dan X4

� 2�1 =Error

b. Membuat matriks korelasi antar variabel

Y1 X1 X2 X3 X4

                           1 238 , 0 341 , 0 227 , 0 030 , 0 238 , 0 1 477 , 0 969 , 0 231 , 0 341 , 0 477 , 0 1 427 , 0 186 , 0 227 , 0 969 , 0 427 , 0 1 137 , 0 030 , 0 231 , 0 186 , 0 137 , 0 1 4 3 2 1 1 X X X X Y variabel r

c. Membuat matriks korelasi antar variabel eksogen X1 X2 X3 X4

                   1 238 , 0 341 , 0 227 , 0 238 , 0 1 477 , 0 969 , 0 341 , 0 477 , 0 1 427 , 0 227 , 0 969 , 0 427 , 0 1 4 3 2 1 X X X X eksogen r

d. Menghitung matriks inver korelasi antar variabel

Dengan mengimplementasikan program R diperoleh matriks invers korelasi variabel eksogen sebagai berikut:

                    142 , 1 017 , 0 342 , 0 130 , 0 017 , 0 810 , 17 382 , 1 672 , 16 342 , 0 382 , 1 432 , 1 806 , 0 130 , 0 672 , 16 806 , 0 840 , 16 1 eksogen r

e. Menghitung koefisien jalur antar variabel eksogen dengan variabel endogen

                                         4 2 3 2 2 2 1 2 44 43 42 41 34 33 32 31 24 23 22 21 14 13 12 11 4 2 3 2 2 2 1 2 X Y X Y X Y X Y X Y X Y X Y X Y r r r r x C C C C C C C C C C C C C C C C                                      030 , 0 231 , 0 186 , 0 137 , 0 142 , 1 017 , 0 342 , 0 130 , 0 017 , 0 810 , 17 382 , 1 672 , 16 342 , 0 382 , 1 432 , 1 806 , 0 130 , 0 672 , 16 806 , 0 840 , 16 x                           034 , 0 004 , 0 064 , 0 018 , 0 001 , 0 114 , 4 257 , 0 284 , 2 010 , 0 319 , 0 266 , 0 110 , 0 004 , 0 851 , 3 150 , 0 307 , 2                               084 , 0 088 , 2 486 , 0 698 , 1 4 2 3 2 2 2 1 2 X Y X Y X Y X Y    

2 =−1,698 1 −0,485 2 + 2,088 3− 0,084 4 +� ₂�₁

Pada persaman tersebut koefisien residu �_2�1 di hitung dengan rumus:

2 ) 4 , 3 , 2 , 1 ( 2 1 2 1 X X X X Y R Y   







                 4 2 3 2 2 2 1 2 4 2 3 2 2 2 1 2 2 ) 4 , 3 , 2 , 1 ( 2 x y r x y r x y r x y r x

R _{Y X Y X Y X Y X}

X X X X Y    





                  030 , 0 231 , 0 186 , 0 137 , 0 084 , 0 088 , 2 485 , 0 698 , 1 x







0

,

233



0

,

090



0

,

485



0

,

003







0

,

342



342 , 0 1 1 2     Y

 0,658

0,811

Setelah koefisien residu diperoleh, persamaan struktural dan model diagram jalurnya menjadi:

X1

ε1 0,427

X2

-1,698

0,811

0,969 -0,486

Y2 -0,277 0,477

2,088 X3

-0,341 -0,084

-0,238

X4

Gambar 4.3 Hubungan Sub Struktur 1 yaitu X1 , X2 ,X3 dan X4 terhadap Y2

2. Pengujian Koefisien Jalur secara Simultan

Langkah-langkah pengujian koefisien jalur untuk sub struktur 1 adalah: a. Menentukan Hipotesis

H0 :

k x u x

 = 0 ,Artinya tidak terdapat pengaruh variabel eksogen (Xk) yaitu jumlah penduduk, PDRB per kapita, jumlah pengangguran, dan jumlah penduduk yang buta huruf terhadap variabel endogen (Xu) yaitu laju pertumbuhan ekonomi.

H0 :

k x u x

 ≠ 0 ,Artinya terdapat pengaruh variabel eksogen (Xk) yaitu jumlah penduduk, PDRB per kapita, jumlah pengangguran, dan jumlah penduduk yang buta huruf terhadap variabel endogen (Xu) yaitu laju pertumbuhan ekonomi.

Gambar 5.10 Tampilan Perhitungan Invers Matriks Sub Struktur 1 Sebelum Trimming

2. Sub struktur 1 setelah trimming a. Entri data dalam nama A

b. Buat matriks dengan fungsi “ >B=matrix(A,4,4) ”

c. Menghitung invers matriks dengan fungsi “>Trimming=solve(B)” d. Ketik “ >Trimming” kemudian tekan enter

3. Sub struktur 2

a Entri data dalam nama A

b Buat matriks dengan fungsi “ >B=matrix(A,4,4) ”

c Menghitung invers matriks dengan fungsi “>Sub_Struktur_2=solve(B)” d Ketik “ >Sub_Struktur_2” kemudian tekan enter

Tampilannya adalah sebagai berikut:

Gambar 5.12 Tampilan Perhitungan Invers Matriks Sub Struktur 2

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan hasil analisis yang dilakukan oleh penulis, maka dapat diambil kesimpulan bahwa:

1. Variabeleksogenyang signifikan terhadap variabel endogen yaitu tingkat kemiskinan adalah laju pertumbuhan ekonomi (Y2) dan jumlah penduduk buta huruf (X4) dengan persamaan struktural:

559 , 0 789 , 0 279 ,

0 _{2 4}

1  Y  X 

Y

2. Pengaruh variabel laju pertumbuhan ekonomi (Y2) terhadap variabel tingkat kemiskinan (Y1) secara langsung adalah 0,279 atau berkontribusi sebesar 0,2792 x 100% = 7,8%. Hubungan antara variabel tersebut adalah searah, artinya semakin tinggi laju pertumbuhan ekonomi maka akan semakin tinggi juga tingkat kemiskinan di Provinsi Sumatera Utara.

3. Pengaruh variabel jumlah penduduk buta huruf (X4) terhadap variabel tingkat kemiskinan (Y1) secara langsung adalah 0,789 atau berkontribusi sebesar 0,7892 x 100% = 62,3%. Hubungan antara variabel tersebut adalah searah, artinya semakin tinggi jumlah penduduk buta huruf maka akan semakin tinggi juga tingkat kemiskinan di Provinsi Sumatera Utara.

4. Pengaruh simultan variabel eksogen yaitu laju pertumbuhan ekonomi (Y2) dan jumlah penduduk buta huruf (X4) terhadap tingkat kemiskinan (Y1) adalah

5. Pengaruh variabel jumlah penduduk (X1) terhadap tingkat kemiskinan (Y1) secara tidak langsung melalui laju pertumbuhan ekonomi (Y2) adalah -0,474. Hubungan antara variabel tersebut adalah berlawanan arah, artinya semakin tinggi jumlah penduduk maka akan semakin rendah tingkat kemiskinan di Provinsi Sumatera Utara.

6. Pengaruh variabel PDRB per kapita (X2) terhadap Tingkat kemiskinan (Y1) secara tidak langsung melalui laju pertumbuhan ekonomi (Y2) adalah -0,135. Hubungan antara variabel tersebut adalah berlawanan arah, artinya semakin tinggi PDRB per kapita maka akan semakin rendah tingkat kemiskinan di Provinsi Sumatera Utara.

7. Pengaruh variabel jumlah pengangguran (X3) terhadap tingkat kemiskinan (Y1) secara tidak langsung melalui laju pertumbuhan ekonomi (Y2) adalah 0,583. Hubungan antara variabel tersebut adalah searah, artinya semakin tinggi jumlah pengangguran maka akan semakin tinggi tingkat kemiskinan di Provinsi Sumatera Utara.

6.2 Saran

Melalui penyelesaian tugas akhir ini penulis menyarankan:

1. Adanya perhatian khusus dari pemerintah provinsi Sumatera Utara dalam mengembangkan dunia pendidikan sehingga dapat mengurangi angka buta huruf di provinsi Sumatera Utara.

2. Adanya tindak lanjut dari pemerintah, khususnya pemerintah provinsi Sumatera Utara dalam menciptakan lapangan kerja sehingga mampu

mengurangi tingkat pengangguran dan tingkat kemiskinan serta mampu mendorong pertumbuhan ekonomi di provinsi Sumatera Utara.

DAFTAR PUSTAKA

[Anonim]. 2004. Matrix Calculation in R. Http://nitro.biosci.ariona.edu/workshop /MM2012/notes/pdfs/R-matrix.pdf. [diakses tanggal 21 Mei 2014]

[Anonim]. Penggunaan Analisis Jalur Model Triiming Untuk Mengetahui Pengaruh Angkatan Kera, Pertumbuhan Penduduk, Produk Domestik Regional Bruto terhadap Tingkat Pengangguran dan Dampak Lanjutnya terhadap Tingkat Kemiskinan. http://ayuriski.blogspot.com/2012/01/ proposal-analisisjalur.html. [diakses tanggal 21 Mei 2014]

[BPS] Badan Pusat Statistik. 2010. Analisis Indikator Pendidikan Sumatera Utara. 2010. BPS Sumatera Utara, Medan.

[BPS] Badan Pusat Statistik. 2011. Sumatera Utara Dalam Angka 2011- 2013. BPS Sumatera Utara, Medan.

Budi. 2010. Seri Belajar R[1]: Paket Statistik R. Http://statistik komputasi.

Wordpress.com/2010/04/07/seri-1-belajar- paket-statisti-r/.[diakses tanggal 5 juni 2014]

Daulay, Murni. 2009. Kemiskinan Pedesaan. USU Press. Medan. Http://id.wikipedia.org/wiki/kemiskinan. [diakses tanggal 21 Mei 2014]

Mahalli, K.M. 2010. Regional Pembangunan, Perencanaan, dan Ekonomi. USU Press. Medan.

Muhidin, S.A. dan M. Abdurrahman. 2007. Analisis Korelasi Regresi dalam Penelitian. Penerbit Pustaka Setia. Bandung.

Riduwan, dan E.A. Kuncoro. 2007. Cara Menggunakan dan Memaknai Analisis Jalur. Penerbit Alfabeta. Bandung.

Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS. Penerbit Andi. Yogyakarta.

Simanjuntak, P.J. 1985. Pengantar Ekonomi Sumber Daya Manusia. Penerbit Fakultas Ekonomi Universitas Indonesia. Jakarta.

Soetrisno, Loekman. 1997. Kemiskinan, Perempuan, & Pemberdayaan. Penerbit Kanisius. Yogyakarta.