Hasil Estimasi Model PEMBAHASAN

Tabel.5.3. Hasil Estimasi Panel Data dengan Menggunakan Model Fixed Effect. GLS dan White Cross Section Covariance. Variable Coefficient Standard Error t-Statistic Probability TPT 773.3819 141.3355 5.471959 0.0000 PP -0.044023 0.000155 -284.2659 0.0000 AMH -23495.01 1406.392 -16.70588 0.0000 Effects Specification Cross-section fixed dummy variabel Weighted Statistics R-squared 0.999587 Mean dependent var. 2445174. Adjusted R-squared 0.999355 S.D. dependent var. 2502993. S.E. of regression 63568.93 Sum squared resid 2.30E+11 F-statistik 4310.128 Durbin-Watson stat. 2.403231 ProbF-statistik 0.000000 Unweighted Statistics R-squared 0.999140 Mean dependent var. 1243113 Sum squared resid 2.62E+11 Durbin-Watson stat. 1.991167 Keterangan : signifikan pada taraf nyata 5 Sumber : Lampiran Berdasarkan hasil estimasi, diperoleh nilai R-Squared R 2 weighted atau koefisien determinasi sebesar 0.999140 yang menunjukkan keragaman TK pada provinsi-provinsi di Indonesia dapat dijelaskan oleh variabel yang dimasukan kedalam model hanya sebesar 99.9140 persen. sedangkan sisanya dijelaskan oleh variabel lain di luar model. Sedangkan nilai R-Squared R 2 Unweighted yang dihasilkan sebesar 0.999587 yang menunjukkan bahwa 99.9587 persen keragaman TK pada provinsi-provinsi di Indonesia dapat dijelaskan oleh variabel bebas pada model, sedangkan sisanya dijelaskan oleh variabel lain di luar model. Hasil estimasi ini diperkuat dengan nilai probabilitas F-statistik yang signifikan pada tingkat kepercayaan 95 persen dan tingkat α = 5 persen yaitu sebesar 0.000000, yang berarti minimal ada satu variabel bebas yang berpengaruh nyata terhadap variabel terikat sehingga model penduga sudah layak untuk menduga parameter yang ada dalam fungsi. Menurut Gujarati 1995, untuk memperoleh model yang baik harus memenuhi asumsi regresi klasik. Artinya, model harus terbebas dari masalah- masalah dalam regresi yaitu multikolinearitas, heteroskedastisitas, dan autokorelasi. Untuk mengetahui ada atau tidaknya multikolinearitas, dapat dilihat dari nilai probabiltas t-statistik dan nilai probabilitas F-statistik. Dari hasil regresi, seluruh variabel bebas signifikan, dan nilai probabilitas F-statistik yang signifikan pada tingkat kepercayaan 95 persen dan tingkat α = 5 persen yaitu sebesar 0.000000 sehingga asumsi adanya multikolinearitas dapat diabaikan. Karena dalam mengestimasi model diatas diberi perlakuan cross section weights , serta white cross section covariance maka asumsi adanya heteroskedastisitas dapat diabaikan. Untuk masalah autokorelasi dapat dilihat dari nilai Durbin-Watson statistik yaitu sebesar 2.403231, dimana 4-du 2.35 DW 2.760909 4-dl 2.786 Dengan demikian, model diatas tidak dapat ditentukan gejala autokorelasi. Dari hasil estimasi dan pengujian asumsi regresi klasik, terhadap model fixed effect dengan perlakuan cross section weights dan white cross section covariance, maka model tersebut layak untuk digunakan dalam penelitian ini.

5.3. Interpretasi Model

Hasil estimasi model tingkat kemiskinan menunjukkan bahwa seluruh variabel, yaitu TPT, PP, dan AMH berpengaruh signifikan terhadap TK tingkat kemiskinan.

5.3.1. Tingkat Pengangguran Terbuka TPT

Tingkat pengangguran terbuka menunjukkan jumlah penduduk yang sedang mencari pekerjaan, sedang mempersiapkan usaha, dan penduduk yang merasa tidak mungkin untuk mendapatkan pekerjaan. Nilai koefisien yang diperoleh sebesar 773.3819 artinya apabila tingkat pengangguran terbuka meningkat sebesar 1 persen, maka nilai tingkat kemiskinan akan meningkat sebesar 773.3819 jiwa. Ini berarti terjadi korelasi yang positif antara TPT Tingkat Pengangguran Terbuka dan TK Tingkat Kemeskinan. Nilai probabilitas p-value sebesar 0.0000 menunjukkan bahwa tingkat pengangguran terbuka berpengaruh signifikan terhadap tingkat kemiskinan pada taraf nyata lima persen. Hal ini sesuai dengan hipotesis, dengan peningkatan tingkat pengangguran terbuka yang tinggi, berarti kesejahteraan masyarakat yang tercermin dalam tingkat kemiskina tidak semakin baik.

5.3.2. Variabel Pendapatan Perkapita PP

Variabel PP berpengaruh signifikan pada taraf nyata lima persen terhadap tingkat kemiskinan dengan nilai probabilitas p-value 0.00000 dan memiliki korelasi yang negatif. Koefisien PP yang diperoleh sebesar -0.044023, artinya apabila pendapatan perkapita masyarakat meningkat sebesar 1 rupiah, maka nilai tingkat kemiskinan menurun sebesar 0.044023 jiwa. Hal tersebut sesuai dengan hipotesis bahwa PP memiliki korelasi negatif terhadap tingkat kemiskinan. Dengan meningkatnya pendapatan perkapita berarti kemiskinan akan semakin berkurang, sehingga kesejahteraan masyarakat semakin meningkat dan menjadi lebih baik.

5.3.3. Variabel Angka Melek Huruf AMH

Dalam penelitian ini pendidikan yang diwakili oleh angka melek huruf berpengaruh signifikan pada taraf nyata 5 persen dan berhubungan negatif dengan tingkat kemiskinan dengan nilai probabilitas p-value 0.00000. Nilai koefisien yang diperoleh sebesar -23495.01, artinya apabila angka melek huruf naik sebesar 1 persen, maka nilai tingkat kemiskinan akan turun sebesar 23495,01 jiwa. Hal tersebut sesuai dengan hipotesis bahwa angka melek huruf dapat menurunkan tingkat kemiskinan. Angka melek huruf berpengaruh terhadap besarnya tingkat kemiskinan. Hasil tersebut sesuai dengan teori lingkaran setan kemiskinan the vicious circle of poverty . Dalam the vicious circle of poverty, penduduk miskin memiliki pendapatan yang rendah, sehingga tidak memiliki kemampuan untuk berinvestasi, termasuk berinvestasi dalam pendidikan dan kesehatan. Ketidakmampuan berinvestasi dalam pendidikan dan kesehatan akan berimplikasi kepada rendahnya kualitas sumber daya manusia, sehingga tingkat produktivitas akan rendah pula. Tingkat produktivitas yang rendah akan menyebabkan pendapatan yang rendah.