Dampak Teknologi dan Informatika Terhada
1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Sejak diperkenalkan pertama kali pada Konferensi Bretton Woods di tahun
1944, Gross Domestic Products (GDP) berperan sebagai ukuran kemajuan
ekonomi dan sejak 1960an GDP digunakan sebagai indikator kesejahteraan secara
umum. GDP memiliki beberapa kelemahan (Van den Bergh 2009) antara lain
tidak memperhitungkan biaya sosial seperti biaya eksternalitas, mementingkan
peningkatan pendapatan absolut, mengabaikan distribusi pendapatan, tidak
mengukur aktivitas di luar pasar atau transaksi informal dan mengabaikan dampak
aktivitas ekonomi terhadap lingkungan hidup.
Selama satu dekade terakhir, para ekonom telah mencoba untuk
memfokuskan kajian pada Economics of Happiness, yang juga dikenal sebagai
salah satu pendekatan subjektif terhadap kesejahteraan (Subjective Well-Being).
Economics of Happiness atau kebahagiaan ekonomi adalah sebuah pendekatan
untuk menilai atau mengukur kesejahteraan dengan menggabungkan teknik yang
digunakan oleh seorang ekonom dan teknik yang digunakan oleh seorang psikolog
(Graham, 2009:6). Teori ini berpijak pada teori ekonomi di mana setiap individu
selalu berusaha untuk memaksimumkan utilitas, dan lebih jauh lagi, akan
menghasilkan kepuasan (happiness/satisfaction).
2
Satu indeks kesejahteraan yang saat ini sedang menjadi perhatian
pengambil kebijakan adalah ini adalah indeks kebahagiaan (happiness index).
Pada tahun 2011, Sidang Umum Perserikatan Bangsa-bangsa (PBB) mengawali
penggunaan indeks ini dan kemudian meluas ke Inggris, Perancis, Australia,
Malaysia dan Thailand. Berdasarkan laporan World Happiness Report di antara
beberapa negara ASEAN posisi Indonesia terlihat dalam Tabel 1.1.
Tabel 1.1
Peringkat Negara ASEAN dalam World Happiness Report
Negara ASEAN
2013
2015
Singapura
30
24
Thailand
36
34
Malaysia
56
61
Vietnam
63
75
Indonesia
76
74
Philipina
92
90
Sumber : World Happines Report (Puji Rahayu, 2016)
Di regional ASEAN, Singapura merupakan negara dengan posisi tertinggi
dalam pemeringkatan kebahagiaan diikuti Thailand, Malaysia, Indonesia dan
Philipina. Beberapa prediktor yang dipergunakan dalam menghitung angka ratarata kebahagiaan di atas adalah Gross Domestic Products per kapita, dukungan
sosial, harapan hidup sehat saat lahir, kebebasan membuat pilihan dalam hidup,
generosity dan persepsi korupsi. Selama dua kali periode laporan, posisi Indonesia
masih berkisar pada posisi 70an dengan tren meningkat seperti halnya negara
ASEAN lainnya kecuali Malaysia di antara 156 negara di dunia.
Pengembangan idikator untuk mengukur tingkat kebahagiaan penduduk
Indonesia telah dilakukan oleh Badan Pusat Statistik (BPS). Indeks kebahagiaan
3
merupakan indeks komposit yang disusun oleh tingkat kepuasan terhadap 10
aspek kehidupan yang esensial yaitu kesehatan, pendidikan, pekerjaan,
pendapatan rumah tangga, kehormonisan keluarga, ketersediaan waktu luang,
hubungan sosial, kondisi rumah dan asset, keadaan lingkungan, dan kondisi
keamanan. Indeks Kebahagiaan Indonesia dirilis oleb BPS pertama kali pada
tahun 2013 untuk estimasi tingkat nasional. Pada tahun 2014, BPS kembali
melaksanakan pengukuran tingkat kebahagiaan penduduk Indonesia melalui
Survei Pengukuran Tingkat Kebahagiaan (SPTK) 2014 dengan cakupan sampel
yang dapat digunakan untuk estimasi tingkat nasional dan provinsi.
Tabel 2.2
Indeks kebahagiaan Indonesia, 2013 dan 2014
Tahun
Indeks Kebahgiaan
2013
65.11
2014
68.28
Sumber : Berita Resmi Statistik oleh BPS
Indeks Kebahagiaan Indonesia menurut BPS pada tahun 2014 sebesar
68.28 pada skala 0-100. Terjadi peningkatan tingkat kebahagiaan penduduk
Indonesia dibandingkan tahun 2013 dengan indeks hanya sebesar 65,11. Semakin
tinggi nilai indeks menunjukkan tingkat kehidupan semakin bahagia (Tabel 2.2).
Studi tentang kebahagiaan atau well-being di lingkungan ilmu ekonomi
dimulai oleh Richard Easterlin (1974). Risetnya tentang hubungan antara tingkat
pendapatan dengan kebahagiaan menunjukkan adanya easterlin paradox atau
happiness paradox. Salah satu penyebab happiness paradox adalah karena
happiness dipengaruhi oleh income aspirations (Easterlin 2001). Blanchflower
4
dan Oswald (2004) menyatakan bahwa relative income berperan penting dalam
peningkatan happiness. Stevenson dan Wolfers (2008) menemukan fakta empiris
bahwa absolute income lebih berperan penting daripada relative income dalam
memengaruhi well-being. Clark et al. (2008) menemukan fakta bahwa relative
income berperan dalam utility function. Peran relative income juga ditemukan
dalam studi empiris yang dilakukan Clark dan Senik (2011) di mana income
comparison memengaruhi subjective well-being.
Beberapa penelitian tentang kesejahteraan subyektif pernah dilakukan di
Indonesia. Aryogi dan Wulansari (2016) melakukan penelitian dengan pendekatan
menggunakan metode regresi probit dan logit. Penelitian ini menggunakan 2
model. Pada model 1, yaitu model simple happiness, variabel bebas yang
digunakan adalah variabel dari sisi ekonomi, yaitu pengeluaran per kapita dan
kekayaan individu. Variabel terikat yang digunakan adalah variabel kebahagiaan
individu (happiness). Pada model 2, yaitu model happiness with full set control,
variabel bebas yang digunakan adalah variabel ekonomi dan variabel karakteristik
individu. Variabel ekonomi yang digunakan tidak berbeda dengan model 1, yaitu
pengeluaran per kapita dan kekayaan (asset) individu, sedangkan karakteristik
individu yang digunakan meliputi usia individu, tingkat pendidikan, status
kesehatan, status pernikahan, jenis kelamin, dan lama jam bekerja per tahun.
Berdasarkan hasil regresi logit dan probit, tampak secara simultan, variabel
independen terbukti signifikan terhadap variabel dependen (Aryogi dan
Wulansari, 2016).
5
Peneltian yang hampir sama juga dilakukan oleh Rahayu (2016) yang
berjudul Determinan Kebahagiaan di Indonesia. Penelitian tersebut juga
menggunakan model probitdan data yang digunakan adalah Indonesia Family Life
Survey (IFLS). Penelitian yang dlakukan oleh Rahayu menunjukkan marginal
effect dari variabel bebas terhadap variabel tidak bebas berbeda untuk tingkat
kebahagiaan.
Penard, dkk (2013) juga melakukan penelitian tentang kebahagiaan
subyektif dengan melibatkan penggunaan Teknologi informasi dan komunikasi
(TIK) berupa intenet. Penelitian ini bertujuan untuk menguji dampak penggunaan
internet terhadap kesejahteraan individu. Penard dkk (2013) menemukan bukti
bahwa non-pengguna internet kurang puas dalam kehidupan mereka daripada
pengguna Internet. Apalagi, pengaruh positif internet lebih kuat bagi individu
yang masih muda dan tidak puas dengan penghasilan mereka.
Kavetsos dan Koutrompis (2011) mengukur efek barang teknologi
terhadap kesejahteraan menggunakan kumpulan data cross-section negara-negara
Eropa. Kami menemukan bahwa ponsel, pemutar musik dan komputer pribadi,
termasuk yang memiliki koneksi Internet, dikaitkan dengan tingkat kesejahteraan
yang jauh lebih tinggi yang diukur dengan kepuasan hidup.
Penelitian tentang kesejahteraan subyektif dengan mengaitkan belanja
produk teknologi informasi dan komunikasi dirasa perlu. Oleh karena itu dirasa
perlu untuk meneliti lebih lanjut tentang Kesejahteraan Subyektif dengan
6
memasukkan variabel penggunaan Teknologi Informasi dan Komunikasi.
Penelitian ini menggunakan data IFLS tahun 2015.
1.2
Rumusan Masalah
Berdasarkan latar belakang di atas, dapat diambil beberapa permasalahan
sebagai berikut:
1. Bagaimanakah kondisi kesejahteraan subyektif di Indonesia?
2. Apakah teknologi informasi dan komunikasi berpengaruh positif
terhadap kesejahteraan subyektif dalam rumah tangga di Indonesia?
1.3
Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan dari penelitian ini
adalah:
1. Menganalisis kebahagiaan subyektif di Indonesia
2. Menganalisis dampak teknologi informasi dan komunikasi terhadap
1.4
kesejahteraan subyektif di Indonesia.
Manfaat penelitian
Hasil penelitian ini diharapkan dapat member manfaat sebagai berikut:
1. Bagi Akademisi:
Memperkaya penelitian tentang dampak teknologi dan informasi terhadap
kesejahteraan subyektif yang dapat digunakan sebagai bahan studi dan
tambahan ilmu pengetahuan sehingga dapat menjadi inspirasi bagi
penelitian selanjutnya.
7
2. Bagi Instansi:
Dapat digunakan sebagai bahan masukan atau informasi bagi instansi
terkait terutama pemerintah tentang dampak teknologi informasi dan
komunikasi terhadap kesejahteraan subyektif sehingga bisa mengawasi
produk teknologi dan informasi di Indonesia.
3. Bagi Masyarakat:
Sebagai tambahan wawasan dan ilmu pengetahuan bagi masyarakat
tentang
dampak
kesejahteraan
teknologi
subyektif,
informasi
sehingga
dan
komunikasi
diharapkan
terhadap
masyarakat
dapat
mengambil langkah-langkah yang tepat bagi diri mereka sendiri untuk
meningkatkan kesejahteraan mereka.
1.5
Sistematika Skripsi
Sistematika penulisan dalam skripsi ini terbagi menjadi lima bagian
dimana pembahasannya saling terkait, yaitu:
BAB 1: PENDAHULUAN
Memuat latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat
penelitian serta sistematika penulisan.
BAB 2: TINJAUAN PUSTAKA
8
Memuat landasan teori atau kerangka konsep yang sesuai dengan permasalahan
yang akan dibahas. Selain itu juga dikemukakan penelitian sebelumnya yang
memiliki kesamaan dengan penelitian ini, serta hipotesis dan metode analisis.
BAB 3: METODE PENELITIAN
Memuat pendekatan penelitian yang digunakan, identifikasi variabel, definisi
operasional variabel, jenis dan sumber data, prosedur pengumpulan data dan
teknik analisis.
BAB 4: HASIL DAN PEMBAHASAN
Memuat gambaran umum tentang penggunaan internet dan usaha rumah tangga
dilihat dari tempat usaha dan lapangan usaha dalam suatu periode. Selanjutnya
penelitian ini mengulas dinamika dari variabel-variabel yang digunakan dalam
penelitian ini dan memuat analisis model, pembuktian hipotesis, dan pembahasan
hasil penelitian.
BAB 5: SIMPULAN DAN SARAN
Memuat simpulan hasil penelitian yang ditarik oleh penulis dan saran yang
diajukan berdasarkan hasil penelitian yang diperoleh. Sehingga simpulan dan
saran ini diharapkan dapat bermanfaat bagi pihak yang terkait dan
berkepentingan.
9
BAB II
TINJAUAN PUSTAKA
2.1
Landasan Teori
2.1.1
Teori Utilitas
2.1.2
Economic of Happiness
2.1.3
2.2
Penelitian Sebelumnya
2.3
Hipotesis dan Model Analisis
2.3.1
Hipotesis
Berdasarkan penjabaran latar belakang, teori serta penelitian terdahulu,
maka dapat dirumuskan hipotesis dalam penelitian ini adalah terdapat pengaruh
penggunaan internet bersama variabel lainnya yang mencakup tempat usaha,
lapangan usaha, dan pendidikan kepala rumah tangga terhadap produktivitas
usaha rumah tangga di Indonesia.
2.3.2
Model Analisis
Model regresi logistik adalah model regresi yang digunakan untuk
menganalisis data yang berbentuk kategorik atau data dengan variabel terikat
(dependent variable) kualitatif berskala biner yaitu angka 0 dan 1 yang ditentukan
pada suatu ketegori tertentu. Variabel bebas (independent variable) dapat
berbentuk kuantitatif atau kualitatif dengan menggunakan variabel dummy.
10
Persamaan regresi model logit diperoleh dari penurunan persamaan
probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas
tersebut menurut Gujarati (2003:595-596) adalah:
Pi= E ( Y =1 )|X i =
1
( β 1 +β 2 X i )
1+ e
…......................................................... (2.1)
Persamaan tersebut disederhanakan dengan mengasumsikan (β1+β2Xi) adalah Zi ,
sehingga menghasilkan persamaan berikut:
Z
1
e
P i=
=
Z .................................................................................. (2.2)
−Z
1+e i 1+ e
Pada persamaan tersebut dapat terlihat bahwa Zi berada dalam kisaran - ∞ hingga
+∞, dan Pi berada pada kisaran 0 hingga 1 dimana Pi tidak linier terhadap Zi. Pi
tidak linier terhadap terhadap X, dan juga terhadap β. Hal ini menimbulkan
permasalaham estimasi sehingga prosedur regresi ordinary least square (OLS)
tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan
melinierkan persamaan (2.1) dengan menerapkan logaritma natural pada kategori
dengan nilai 0, sehingga didapatkan persamaan berikut:
1
1−Pi =
......................................................................................... (2.3)
Z
1+ e i
Persamaan tersebut disubstitusikan dengan persamaan (2.2) menjadi:
Z
Pi
1+ e i
=
....................................................................................... (2.4)
1−Pi 1+ e−Z i
Persamaan disebut dengan rasio kecenderungan (odds ratio) terjadinya kategori
dengan nilai 1. Selanjutnya dengan menerapkan logaritma natural terhadap odds
ratio tersebut akan menghasilkan persamaan sebagai berikut:
Li=ln
[ ]
Pi
=Zi =β 1 + β 2 X i ............................................................. (2.5)
1−P i
Dalam persamaan 2.17, Li adalah log dari odds ratio atau disebut model
logit. Model tersebut tidak hanya linier terhadap X, namun juga linier terhadap
11
parameter β. Karena Pi terletak antara 0 dan 1, Li terletak antara - ∞ dan +∞, maka
meskipun Li linier dalam X, tetapi Pi tidak linier dalam X. Nilai β1 merupakan
intercept, yang dapat diartikan sebagai probabilitas berpartisipasi sekolah adalah
sebesar β1 ketika variabel-variabel lain bernilai nol. β2 adalah perubahan dalam Li
apabila X berubah 1 unit.
Model logit dalam penelitian ini digunakan untuk menganalisis bahwa
produktivitas usaha rumah tangga di Indonesia dipengaruhi oleh penggunaan
internet, tempat usaha, lapangan usaha, dan tingkat pendidikan kepala rumah
tangga.. Spesifikasi model logit dalam penelitian ini dapat ditulis sebagai berikut:
Li = ln(Pi | 1- Pi) = β1 + β2 dummy penggunaan interneti + β3 dummy tempat usahai +
β4 dummy lapangan usahai + β5 tingkat pendidikan kepala
rumah tangga i + ei ……………… (2.6)
Keterangan:
Pi
: probabilitas produktivitas usaha rumah tangga-i
β1
: intercept
β2, β3, β4, β5,β6
: parameter (koefisien) regresi
dummy penggunaan interneti : tidak menggunakan internet untuk jual beli/jasa
(0), menggunakan internet untuk jual beli/jasa (1)
dummy tempat usaha i
: desa (0), kota (1)
dummy sektor ekonomii
: pertanian(0), non-pertanian(1)
tingkat pendidikani
: lama bersekolah kepala rumah tangga (1)
12
2.4
Kerangka Berpikir
Penggunaan internet untuk kegiatan produksi berujung pada
efisiensi ekonomi (Yang 2017, kolko 2011).
Pemanfaatan Internet Untuk Perdagangan Pada Bentuk ECommerce Masih Didominasi Oleh Perusahaan Besar.
Sedangkan Sektor UKM Masih Tertinggal Dalam Pemanfaatan
Internet.
Analisis Usaha Rumah
Tangga di Indonesia
\
Analisis Dampak Internet
Terhadap Produktivitas Usaha
Rumah Tangga di Indonesia
Pemanfaatan Internet Untuk Perdagangan Pada Bentuk ECommerce Masih Didominasi Oleh Perusahaan Besar.
Sedangkan Sektor UKM Masih Tertinggal Dalam Pemanfaatan
Internet.
Gambar 2.1
Kerangka Berpikir
13
BAB 3
METODE PENELITIAN
3.1.
Pendekatan Penelitian
Pendekatan yang digunakan dalam penelitian ini adalah pendekatan
kuantitatif. Tujuannya adalah menguji pengaruh suatu variabel bebas terhadap
variabel terikat. Analisis menggunakan pendekatan ekonometrika berupa regresi
OLS untuk mengetahui pengaruh penggunaan internet dan variabel lainnya
bersama tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga
terhadap produktivitas usaha rumah tangga di Indonesia.
3.2. Identifikasi Variabel
Dalam model penelitian ini, variabel yang digunakan untuk menghitung
atau mengestimasi pengaruh penggunaan internet untuk jual beli/jasa terhadap
hasil produksi usaha rumah tangga di indonesia, dan variabel independen yaitu
tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga yang diukur
dari lama sekolah (years of schooling).
3.3.
Definisi Operasional Variabel
Definisi operasional variabel bertujuan untuk memberikan penjelasan
mengenai variabel yang telah diidentifikasi. Berikut definisi operasional masingmasing variabel, yaitu:
2
0
14
Variabel
Definisi
Satuan
Pengaruh
yang
Diharapkan
Produktivitas
Produktivitas Usaha Rumah
Usaha
Tangga merupakan nilai rupiah
Rumah
dari produksi total yang
Tangga
dihasilkan dari usaha rumah
Rupiah
tangga selama 12 bulan atau satu
Dummy
tahun produksi.
Dummy penggunaan internet
Penggunaan
Kategorical
Signifikan
adalah Penggunaan internet
(1 atau 0)
(Positif)
Internet
Dummy
untuk jual besi/ jasa
Dummy tempat usaha adalah
Kategorical
Signifikan
tempat usaha
tempat di mana usaha rumah
(1 atau 0)
(Positif)
Dummy
tangga tersebut dijalankan
Dummy lapangan usaha adalah
Kategorical
Signifikan
lapangan
jenis usaha rumah tangga
(1 atau 0)
(Positif)
usaha
Tingkat
Tingkat pendidikan petani
Lama
Signifikan
Pendidikan
adalah tingkat pendidikan
Sekolah
(Positif)
tertinggi yang dicapai atau
(Tahun)
diselesaikan pada kelas atau
tingkat tertinggi dalam sekolah
atau institusi baik formal
maupun informal yang
teridentifikasi dari sertifikat atau
15
surat pernyataan kelulusan yang
dimiliki (Jati, 2009)
Tabel 3.1
Definisi Operasional Variabel
3.4. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu
data cross section pada tahun 2016. Data yang digunakan diambil dari survei
rumah tangga, yakni Survei Sosial Ekonomi Nasional yang biasa disebut dengan
SUSENAS. SUSENAS merupakan gambaran keadaan sosial-ekonomi dan
kesehatan rumah tangga yang dalam pelaksanaannya dilakukan secara
berkelanjutan. Data tersebut dikumpulkan oleh Badan Pusat Statistik setiap tahunnya.
Survei ini mengumpulkan data dari responden perorangan, rumah tangga,
komunitas, tempat tinggal, fasilitas pendidikan, dan fasilitas kesehatan yang
digunakan oleh komunitas tersebut. Survei ini bisa dipakai sebagai salah satu
sumber informasi yang dipakai untuk mengamati perilaku atau keadaan masalah
pada satu waktu tertentu yang memerlukan campur tangan pemerintah seperti
masalah-masalah kemiskinan, pendidikan dan kesehatan.
3.5.
Pengumpulan Data
Prosedur dalam pengumpulan data pada penelitian ini dilaksanakan dengan
cara dokumentasi, yaitu mengumpulkan data-data yang dibutuhkan oleh penulis
yang sesuai dengan penelitian yang akan dihimpun dalam data SUSENAS 2016.
16
Dalam memperoleh data yang sesuai, maka perlu adanya penggabungan data yang
harus mengikuti alur yang direncanakan agar data yang diperoleh benar. Setelah
langkah tersebut menghasilkan dataset yang siap untuk dihitung.
3.6.
Teknik Analisis
Model regresi logistik adalah model regresi yang digunakan untuk
menganalisis data yang berbentuk kategorik atau data dengan variabel terikat
(dependent variable) kualitatif berskala biner yaitu angka 0 dan 1 yang ditentukan
pada suatu ketegori tertentu. Variabel bebas (independent variable) dapat
berbentuk kuantitatif atau kualitatif dengan menggunakan variabel dummy.
Persamaan regresi model logit diperoleh dari penurunan persamaan
probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas
tersebut menurut Gujarati (2003:595-596) adalah:
................................................................................... (3.1)
1
1−Pi =Persamaan
tersebut disederhanakan dengan mengasumsikan (β1+β2Xi)
Z
1+ e i
adalah Zi , sehingga menghasilkan persamaan berikut:
Zi ................................................................................. (3.2)
Pi
1+ epersamaan
Pada
tersebut dapat terlihat bahwa Zi berada dalam kisaran - ∞
=
1−Pi 1+ e−Z i
hingga +∞, dan Pi berada pada kisaran 0 hingga 1 dimana Pi tidak linier terhadap
Zi. Pi tidak linier terhadap terhadap X, dan juga terhadap β. Hal ini menimbulkan
permasalaham estimasi sehingga prosedur regresi ordinary least square (OLS)
tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan
melinierkan persamaan (3.1) dengan menerapkan logaritma natural pada kategori
dengan nilai 0, sehingga didapatkan persamaan berikut:
.............................................................. (3.3)
Pi
Persamaan
tersebut disubstitusikan dengan persamaan (3.2) menjadi:
Li=ln
=Zi =β 1 + β 2 X i ................................................................ (3.4)
1−P i
Persamaan disebut dengan rasio kecenderungan (odds ratio) terjadinya
[ ]
kategori dengan nilai 1. Selanjutnya dengan menerapkan logaritma natural
1
terhadap
ratio
tersebut
akan menghasilkan persamaan sebagai berikut:
Pi=E ( Yodds
=1 )|X
i=
( β 1 +β 2 X i )
Z 1+ e
1
e
P i=
=
Z
−Z i
1+ e
1+e
17
…………. ............................................................. (3.5)
Dalam persamaan 2.17, Li adalah log dari odds ratio atau disebut model
logit. Model tersebut tidak hanya linier terhadap X, namun juga linier terhadap
parameter β. Karena Pi terletak antara 0 dan 1, Li terletak antara - ∞ dan +∞,
maka meskipun Li linier dalam X, tetapi Pi tidak linier dalam X. Nilai β1
merupakan intercept, yang dapat diartikan sebagai probabilitas berpartisipasi
sekolah adalah sebesar β1 ketika variabel-variabel lain bernilai nol. β2 adalah
perubahan dalam Li apabila X berubah 1 unit.
Model logit dalam penelitian ini digunakan untuk menganalisis bahwa
produktivitas usaha rumah tangga di Indonesia dipengaruhi oleh penggunaan
internet, tempat usaha, lapangan usaha, dan tingkat pendidikan kepala rumah
tangga.. Spesifikasi model logit dalam penelitian ini dapat ditulis sebagai berikut:
Li = ln(Pi | 1- Pi) = β1 + β2 dummy penggunaan interneti + β3 dummy tempat
usahai + β4 dummy
lapangan usahai + β5 tingkat
pendidikan kepala rumah tangga i + ei ……………… (2.6)
Keterangan:
Pi
: probabilitas produktivitas usaha rumah tangga-i
β1
: intercept
β2, β3, β4, β5,β6
: parameter (koefisien) regresi
dummy penggunaan interneti : tidak menggunakan internet untuk jual beli/jasa
dummy tempat usahai
dummy sektor ekonomii
tingkat pendidikani
(0), menggunakan internet untuk jual beli/jasa (1)
: desa (0), kota (1)
: pertanian(0), non-pertanian(1)
: lama bersekolah kepala rumah tangga (1)
Terdapat pengujian statistik yang dilakukan untuk mengetahui apakah
variabel bebas (independen) pada model benar-benar mempengaruhi variabel
terikat (dependen) secara statistik signifikan. Tahapan pengujian tersebut sebagai
berikut:
18
a. Uji secara bersama-sama model logit dengan Likelihood ratio (LR)
Likelihood ratio (LR) mirip dengan F-test pada model regresi linier. Fungsi
dari keduanya sama yaitu digunakan untuk menguji hipotesis nol bahwa semua
slope koefisien secara bersama-sama sama dengan nol. LR mengikuti distribusi x2
dengan df sama dengan jumlah variabel penjelas (tidak termasuk intersep)
(Gujarati, 2003:606). Hipotesisnya adalah:
H0= β1 = β2 = ... = βn = 0
berarti tidak ada pengaruh secara bersama-sama dari variabel bebas (independen)
terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
H1= paling tidak ada salah satu parameter yang tidak sama dengan nol
berarti terdapat pengaruh secara bersama-sama dari variabel bebas (independen)
terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
Kriteria pengujian nilai LR adalah jika x2hitung>x2tabel, maka H0 ditolak.
Selain itu untuk melakukan pengujian hipotesis dapat juga dilakukan dengan
konsep p-value. Konsep ini membandingkan dengan tingkat keyakinan (α) sebesar
5% dengan nilai p-value. Jika nilai p-value kurang dari α maka H0 ditolak
(Gujarati, 2003:137). Jika H0 ditolak berarti ada pengaruh secara bersama-sama
dari variabel independen terhadap variabel dependen, dan begitu pula sebaliknya.
b. Uji parsial (masing-masing) dengan z-statistic
Metode estimasi yang digunakan dalam model logit adalah metode
maximum likelihood, maka estimasi dari nilai standart error menjadi asymptotic.
Akibatnya, proses evaluasi dari signifikansi suatu koefisien secara statistik tidak
lagi menggunakan t-statistic, sebagai penggantinya digunakan z-statistic sehingga
19
pengujiannya berdasar pada tabel distribusi normal. Perlu diingat kembali bahwa
ketika suatu sampel yang digunakan cukup besar, distribusi t menjadi konvergen
dengan distribusi normal (Gujarati, 2003:605). Nilai z-statistic digunakan untuk
menguji koefisien dari variabel bebas secara parsial (masing-masing). Hipotesis
uji z-statistic adalah:
H0= βi = 0, dimana i = 0, 1, 2, ...
berarti tidak ada pengaruh secara parsial (masing-masing) dari variabel bebas
(independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
H1= βi ≠ 0, dimana i = 0, 1, 2, ...
berarti ada pengaruh secara parsial (masing-masing) dari variabel bebas
(independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
Dalam pengujian z-statistic, menentukan H0 diterima atau H0 ditolak dapat
dilakukan dengan membandingkan nilai zhitung pada masing-masing variabel
independen dengan ztabel. H0 ditolak apabila zhitung> ztabel. Pengujian hipotesis juga
dapat juga dilakukan dengan konsep p-value. Konsep ini membandingkan dengan
tingkat keyakinan (α) sebesar 5% dengan nilai p-value. Jika nilai p-value kurang
dari α maka H0 ditolak (Gujarati, 2003:137). H0 ditolak berarti ada pengaruh
secara parsial (masing-masing) dari variabel independen terhadap variabel
dependen, dan begitu pula sebaliknya.
c. Goodness of fit dengan R-square
Uji goodness of fit dilakukan dengan melihat R-square untuk melihat
seberapa baik suatu model dapat menjelaskan hubungan antara variabel dependen
dengan variabel independennya, atau juga diartikan sebagai seberapa besar variasi
20
dari variabel dependen yang dapat dijelaskan oleh model. Pada model regresi
logistik, pengujian goodness of fit dapat dilihat dengan nilai Pseudo R2 yang
memiliki arti sebagai R-square tiruan dari R-square OLS.
Nilai Pseudo R2 berkisar antara 0-1. Jika nilai mendekati 1 berarti antara
hubungan yang kuat antara variabel independen dan variabel dependen, begitupun
sebaliknya kalau nilai mendekati 0 berarti tidak ada hubungan antara variabel
independen dengan variabel dependen (Gujarati, 2003:84). Dalam model regresi
logistik menurut Gujarati (2003:606) bahwa hal utama yang harus diperhatikan
adalah indikator signifikansi model, signifikansi variabel-variabel independen,
dan arah koefisien dari variabel tersebut. Sedangkan besaran pseudo R2 tidak
diutamakan. Oleh karena itu dalam penelitian ini menggunakan Z-stat sebagai
parameter utama untuk kelayakan model, meskipun pengujian pseudo R2 akan
tetap dilakukan. Pilihan pengujian pseudo R2 yang digunakan dalam penelitian ini
adalah Mc Fadden R2, Mc Fadden Adjusted R2.
d. Interpretasi Logit
Menginterpretasikan model logit sangat penting untuk dilakukan. Apabila
nilai logit suatu variabel bertanda positif, maka ketika nilai dari variabel tersebut
meningkat, nilai log dari odds (kecenderungan) terjadinya partisipasi sekolah
(masih bersekolah) (Y=1) meningkat; Sebaliknya ketika tanda dari nilai logit
tersebut adalah negatif, maka nilai log dari odds (kecenderungan) terjadinya
partisipasi sekolah (masih bersekolah) (Y=1) menurun seiring dengan
peningkatan nilai X (Gujarati, 2003:600).
e. Interpretasi Odds ratio
21
Untuk menginterpretasikan nilai dari koefisien logit, koefisien hasil estimasi
model logit harus ditransformasikan ke dalam antilogaritma natural sehingga
didapatkan odds ratio yang merupakan rasio antara dua peluang (kecenderungan).
Odds ratio diinterpretasikan sebagai nilai yang menunjukkan pengaruh perubahan
variabel dependen (partipasi sekolah) sebesar eβ kali.
BAB I
PENDAHULUAN
1.1
Latar Belakang
Sejak diperkenalkan pertama kali pada Konferensi Bretton Woods di tahun
1944, Gross Domestic Products (GDP) berperan sebagai ukuran kemajuan
ekonomi dan sejak 1960an GDP digunakan sebagai indikator kesejahteraan secara
umum. GDP memiliki beberapa kelemahan (Van den Bergh 2009) antara lain
tidak memperhitungkan biaya sosial seperti biaya eksternalitas, mementingkan
peningkatan pendapatan absolut, mengabaikan distribusi pendapatan, tidak
mengukur aktivitas di luar pasar atau transaksi informal dan mengabaikan dampak
aktivitas ekonomi terhadap lingkungan hidup.
Selama satu dekade terakhir, para ekonom telah mencoba untuk
memfokuskan kajian pada Economics of Happiness, yang juga dikenal sebagai
salah satu pendekatan subjektif terhadap kesejahteraan (Subjective Well-Being).
Economics of Happiness atau kebahagiaan ekonomi adalah sebuah pendekatan
untuk menilai atau mengukur kesejahteraan dengan menggabungkan teknik yang
digunakan oleh seorang ekonom dan teknik yang digunakan oleh seorang psikolog
(Graham, 2009:6). Teori ini berpijak pada teori ekonomi di mana setiap individu
selalu berusaha untuk memaksimumkan utilitas, dan lebih jauh lagi, akan
menghasilkan kepuasan (happiness/satisfaction).
2
Satu indeks kesejahteraan yang saat ini sedang menjadi perhatian
pengambil kebijakan adalah ini adalah indeks kebahagiaan (happiness index).
Pada tahun 2011, Sidang Umum Perserikatan Bangsa-bangsa (PBB) mengawali
penggunaan indeks ini dan kemudian meluas ke Inggris, Perancis, Australia,
Malaysia dan Thailand. Berdasarkan laporan World Happiness Report di antara
beberapa negara ASEAN posisi Indonesia terlihat dalam Tabel 1.1.
Tabel 1.1
Peringkat Negara ASEAN dalam World Happiness Report
Negara ASEAN
2013
2015
Singapura
30
24
Thailand
36
34
Malaysia
56
61
Vietnam
63
75
Indonesia
76
74
Philipina
92
90
Sumber : World Happines Report (Puji Rahayu, 2016)
Di regional ASEAN, Singapura merupakan negara dengan posisi tertinggi
dalam pemeringkatan kebahagiaan diikuti Thailand, Malaysia, Indonesia dan
Philipina. Beberapa prediktor yang dipergunakan dalam menghitung angka ratarata kebahagiaan di atas adalah Gross Domestic Products per kapita, dukungan
sosial, harapan hidup sehat saat lahir, kebebasan membuat pilihan dalam hidup,
generosity dan persepsi korupsi. Selama dua kali periode laporan, posisi Indonesia
masih berkisar pada posisi 70an dengan tren meningkat seperti halnya negara
ASEAN lainnya kecuali Malaysia di antara 156 negara di dunia.
Pengembangan idikator untuk mengukur tingkat kebahagiaan penduduk
Indonesia telah dilakukan oleh Badan Pusat Statistik (BPS). Indeks kebahagiaan
3
merupakan indeks komposit yang disusun oleh tingkat kepuasan terhadap 10
aspek kehidupan yang esensial yaitu kesehatan, pendidikan, pekerjaan,
pendapatan rumah tangga, kehormonisan keluarga, ketersediaan waktu luang,
hubungan sosial, kondisi rumah dan asset, keadaan lingkungan, dan kondisi
keamanan. Indeks Kebahagiaan Indonesia dirilis oleb BPS pertama kali pada
tahun 2013 untuk estimasi tingkat nasional. Pada tahun 2014, BPS kembali
melaksanakan pengukuran tingkat kebahagiaan penduduk Indonesia melalui
Survei Pengukuran Tingkat Kebahagiaan (SPTK) 2014 dengan cakupan sampel
yang dapat digunakan untuk estimasi tingkat nasional dan provinsi.
Tabel 2.2
Indeks kebahagiaan Indonesia, 2013 dan 2014
Tahun
Indeks Kebahgiaan
2013
65.11
2014
68.28
Sumber : Berita Resmi Statistik oleh BPS
Indeks Kebahagiaan Indonesia menurut BPS pada tahun 2014 sebesar
68.28 pada skala 0-100. Terjadi peningkatan tingkat kebahagiaan penduduk
Indonesia dibandingkan tahun 2013 dengan indeks hanya sebesar 65,11. Semakin
tinggi nilai indeks menunjukkan tingkat kehidupan semakin bahagia (Tabel 2.2).
Studi tentang kebahagiaan atau well-being di lingkungan ilmu ekonomi
dimulai oleh Richard Easterlin (1974). Risetnya tentang hubungan antara tingkat
pendapatan dengan kebahagiaan menunjukkan adanya easterlin paradox atau
happiness paradox. Salah satu penyebab happiness paradox adalah karena
happiness dipengaruhi oleh income aspirations (Easterlin 2001). Blanchflower
4
dan Oswald (2004) menyatakan bahwa relative income berperan penting dalam
peningkatan happiness. Stevenson dan Wolfers (2008) menemukan fakta empiris
bahwa absolute income lebih berperan penting daripada relative income dalam
memengaruhi well-being. Clark et al. (2008) menemukan fakta bahwa relative
income berperan dalam utility function. Peran relative income juga ditemukan
dalam studi empiris yang dilakukan Clark dan Senik (2011) di mana income
comparison memengaruhi subjective well-being.
Beberapa penelitian tentang kesejahteraan subyektif pernah dilakukan di
Indonesia. Aryogi dan Wulansari (2016) melakukan penelitian dengan pendekatan
menggunakan metode regresi probit dan logit. Penelitian ini menggunakan 2
model. Pada model 1, yaitu model simple happiness, variabel bebas yang
digunakan adalah variabel dari sisi ekonomi, yaitu pengeluaran per kapita dan
kekayaan individu. Variabel terikat yang digunakan adalah variabel kebahagiaan
individu (happiness). Pada model 2, yaitu model happiness with full set control,
variabel bebas yang digunakan adalah variabel ekonomi dan variabel karakteristik
individu. Variabel ekonomi yang digunakan tidak berbeda dengan model 1, yaitu
pengeluaran per kapita dan kekayaan (asset) individu, sedangkan karakteristik
individu yang digunakan meliputi usia individu, tingkat pendidikan, status
kesehatan, status pernikahan, jenis kelamin, dan lama jam bekerja per tahun.
Berdasarkan hasil regresi logit dan probit, tampak secara simultan, variabel
independen terbukti signifikan terhadap variabel dependen (Aryogi dan
Wulansari, 2016).
5
Peneltian yang hampir sama juga dilakukan oleh Rahayu (2016) yang
berjudul Determinan Kebahagiaan di Indonesia. Penelitian tersebut juga
menggunakan model probitdan data yang digunakan adalah Indonesia Family Life
Survey (IFLS). Penelitian yang dlakukan oleh Rahayu menunjukkan marginal
effect dari variabel bebas terhadap variabel tidak bebas berbeda untuk tingkat
kebahagiaan.
Penard, dkk (2013) juga melakukan penelitian tentang kebahagiaan
subyektif dengan melibatkan penggunaan Teknologi informasi dan komunikasi
(TIK) berupa intenet. Penelitian ini bertujuan untuk menguji dampak penggunaan
internet terhadap kesejahteraan individu. Penard dkk (2013) menemukan bukti
bahwa non-pengguna internet kurang puas dalam kehidupan mereka daripada
pengguna Internet. Apalagi, pengaruh positif internet lebih kuat bagi individu
yang masih muda dan tidak puas dengan penghasilan mereka.
Kavetsos dan Koutrompis (2011) mengukur efek barang teknologi
terhadap kesejahteraan menggunakan kumpulan data cross-section negara-negara
Eropa. Kami menemukan bahwa ponsel, pemutar musik dan komputer pribadi,
termasuk yang memiliki koneksi Internet, dikaitkan dengan tingkat kesejahteraan
yang jauh lebih tinggi yang diukur dengan kepuasan hidup.
Penelitian tentang kesejahteraan subyektif dengan mengaitkan belanja
produk teknologi informasi dan komunikasi dirasa perlu. Oleh karena itu dirasa
perlu untuk meneliti lebih lanjut tentang Kesejahteraan Subyektif dengan
6
memasukkan variabel penggunaan Teknologi Informasi dan Komunikasi.
Penelitian ini menggunakan data IFLS tahun 2015.
1.2
Rumusan Masalah
Berdasarkan latar belakang di atas, dapat diambil beberapa permasalahan
sebagai berikut:
1. Bagaimanakah kondisi kesejahteraan subyektif di Indonesia?
2. Apakah teknologi informasi dan komunikasi berpengaruh positif
terhadap kesejahteraan subyektif dalam rumah tangga di Indonesia?
1.3
Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan dari penelitian ini
adalah:
1. Menganalisis kebahagiaan subyektif di Indonesia
2. Menganalisis dampak teknologi informasi dan komunikasi terhadap
1.4
kesejahteraan subyektif di Indonesia.
Manfaat penelitian
Hasil penelitian ini diharapkan dapat member manfaat sebagai berikut:
1. Bagi Akademisi:
Memperkaya penelitian tentang dampak teknologi dan informasi terhadap
kesejahteraan subyektif yang dapat digunakan sebagai bahan studi dan
tambahan ilmu pengetahuan sehingga dapat menjadi inspirasi bagi
penelitian selanjutnya.
7
2. Bagi Instansi:
Dapat digunakan sebagai bahan masukan atau informasi bagi instansi
terkait terutama pemerintah tentang dampak teknologi informasi dan
komunikasi terhadap kesejahteraan subyektif sehingga bisa mengawasi
produk teknologi dan informasi di Indonesia.
3. Bagi Masyarakat:
Sebagai tambahan wawasan dan ilmu pengetahuan bagi masyarakat
tentang
dampak
kesejahteraan
teknologi
subyektif,
informasi
sehingga
dan
komunikasi
diharapkan
terhadap
masyarakat
dapat
mengambil langkah-langkah yang tepat bagi diri mereka sendiri untuk
meningkatkan kesejahteraan mereka.
1.5
Sistematika Skripsi
Sistematika penulisan dalam skripsi ini terbagi menjadi lima bagian
dimana pembahasannya saling terkait, yaitu:
BAB 1: PENDAHULUAN
Memuat latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat
penelitian serta sistematika penulisan.
BAB 2: TINJAUAN PUSTAKA
8
Memuat landasan teori atau kerangka konsep yang sesuai dengan permasalahan
yang akan dibahas. Selain itu juga dikemukakan penelitian sebelumnya yang
memiliki kesamaan dengan penelitian ini, serta hipotesis dan metode analisis.
BAB 3: METODE PENELITIAN
Memuat pendekatan penelitian yang digunakan, identifikasi variabel, definisi
operasional variabel, jenis dan sumber data, prosedur pengumpulan data dan
teknik analisis.
BAB 4: HASIL DAN PEMBAHASAN
Memuat gambaran umum tentang penggunaan internet dan usaha rumah tangga
dilihat dari tempat usaha dan lapangan usaha dalam suatu periode. Selanjutnya
penelitian ini mengulas dinamika dari variabel-variabel yang digunakan dalam
penelitian ini dan memuat analisis model, pembuktian hipotesis, dan pembahasan
hasil penelitian.
BAB 5: SIMPULAN DAN SARAN
Memuat simpulan hasil penelitian yang ditarik oleh penulis dan saran yang
diajukan berdasarkan hasil penelitian yang diperoleh. Sehingga simpulan dan
saran ini diharapkan dapat bermanfaat bagi pihak yang terkait dan
berkepentingan.
9
BAB II
TINJAUAN PUSTAKA
2.1
Landasan Teori
2.1.1
Teori Utilitas
2.1.2
Economic of Happiness
2.1.3
2.2
Penelitian Sebelumnya
2.3
Hipotesis dan Model Analisis
2.3.1
Hipotesis
Berdasarkan penjabaran latar belakang, teori serta penelitian terdahulu,
maka dapat dirumuskan hipotesis dalam penelitian ini adalah terdapat pengaruh
penggunaan internet bersama variabel lainnya yang mencakup tempat usaha,
lapangan usaha, dan pendidikan kepala rumah tangga terhadap produktivitas
usaha rumah tangga di Indonesia.
2.3.2
Model Analisis
Model regresi logistik adalah model regresi yang digunakan untuk
menganalisis data yang berbentuk kategorik atau data dengan variabel terikat
(dependent variable) kualitatif berskala biner yaitu angka 0 dan 1 yang ditentukan
pada suatu ketegori tertentu. Variabel bebas (independent variable) dapat
berbentuk kuantitatif atau kualitatif dengan menggunakan variabel dummy.
10
Persamaan regresi model logit diperoleh dari penurunan persamaan
probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas
tersebut menurut Gujarati (2003:595-596) adalah:
Pi= E ( Y =1 )|X i =
1
( β 1 +β 2 X i )
1+ e
…......................................................... (2.1)
Persamaan tersebut disederhanakan dengan mengasumsikan (β1+β2Xi) adalah Zi ,
sehingga menghasilkan persamaan berikut:
Z
1
e
P i=
=
Z .................................................................................. (2.2)
−Z
1+e i 1+ e
Pada persamaan tersebut dapat terlihat bahwa Zi berada dalam kisaran - ∞ hingga
+∞, dan Pi berada pada kisaran 0 hingga 1 dimana Pi tidak linier terhadap Zi. Pi
tidak linier terhadap terhadap X, dan juga terhadap β. Hal ini menimbulkan
permasalaham estimasi sehingga prosedur regresi ordinary least square (OLS)
tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan
melinierkan persamaan (2.1) dengan menerapkan logaritma natural pada kategori
dengan nilai 0, sehingga didapatkan persamaan berikut:
1
1−Pi =
......................................................................................... (2.3)
Z
1+ e i
Persamaan tersebut disubstitusikan dengan persamaan (2.2) menjadi:
Z
Pi
1+ e i
=
....................................................................................... (2.4)
1−Pi 1+ e−Z i
Persamaan disebut dengan rasio kecenderungan (odds ratio) terjadinya kategori
dengan nilai 1. Selanjutnya dengan menerapkan logaritma natural terhadap odds
ratio tersebut akan menghasilkan persamaan sebagai berikut:
Li=ln
[ ]
Pi
=Zi =β 1 + β 2 X i ............................................................. (2.5)
1−P i
Dalam persamaan 2.17, Li adalah log dari odds ratio atau disebut model
logit. Model tersebut tidak hanya linier terhadap X, namun juga linier terhadap
11
parameter β. Karena Pi terletak antara 0 dan 1, Li terletak antara - ∞ dan +∞, maka
meskipun Li linier dalam X, tetapi Pi tidak linier dalam X. Nilai β1 merupakan
intercept, yang dapat diartikan sebagai probabilitas berpartisipasi sekolah adalah
sebesar β1 ketika variabel-variabel lain bernilai nol. β2 adalah perubahan dalam Li
apabila X berubah 1 unit.
Model logit dalam penelitian ini digunakan untuk menganalisis bahwa
produktivitas usaha rumah tangga di Indonesia dipengaruhi oleh penggunaan
internet, tempat usaha, lapangan usaha, dan tingkat pendidikan kepala rumah
tangga.. Spesifikasi model logit dalam penelitian ini dapat ditulis sebagai berikut:
Li = ln(Pi | 1- Pi) = β1 + β2 dummy penggunaan interneti + β3 dummy tempat usahai +
β4 dummy lapangan usahai + β5 tingkat pendidikan kepala
rumah tangga i + ei ……………… (2.6)
Keterangan:
Pi
: probabilitas produktivitas usaha rumah tangga-i
β1
: intercept
β2, β3, β4, β5,β6
: parameter (koefisien) regresi
dummy penggunaan interneti : tidak menggunakan internet untuk jual beli/jasa
(0), menggunakan internet untuk jual beli/jasa (1)
dummy tempat usaha i
: desa (0), kota (1)
dummy sektor ekonomii
: pertanian(0), non-pertanian(1)
tingkat pendidikani
: lama bersekolah kepala rumah tangga (1)
12
2.4
Kerangka Berpikir
Penggunaan internet untuk kegiatan produksi berujung pada
efisiensi ekonomi (Yang 2017, kolko 2011).
Pemanfaatan Internet Untuk Perdagangan Pada Bentuk ECommerce Masih Didominasi Oleh Perusahaan Besar.
Sedangkan Sektor UKM Masih Tertinggal Dalam Pemanfaatan
Internet.
Analisis Usaha Rumah
Tangga di Indonesia
\
Analisis Dampak Internet
Terhadap Produktivitas Usaha
Rumah Tangga di Indonesia
Pemanfaatan Internet Untuk Perdagangan Pada Bentuk ECommerce Masih Didominasi Oleh Perusahaan Besar.
Sedangkan Sektor UKM Masih Tertinggal Dalam Pemanfaatan
Internet.
Gambar 2.1
Kerangka Berpikir
13
BAB 3
METODE PENELITIAN
3.1.
Pendekatan Penelitian
Pendekatan yang digunakan dalam penelitian ini adalah pendekatan
kuantitatif. Tujuannya adalah menguji pengaruh suatu variabel bebas terhadap
variabel terikat. Analisis menggunakan pendekatan ekonometrika berupa regresi
OLS untuk mengetahui pengaruh penggunaan internet dan variabel lainnya
bersama tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga
terhadap produktivitas usaha rumah tangga di Indonesia.
3.2. Identifikasi Variabel
Dalam model penelitian ini, variabel yang digunakan untuk menghitung
atau mengestimasi pengaruh penggunaan internet untuk jual beli/jasa terhadap
hasil produksi usaha rumah tangga di indonesia, dan variabel independen yaitu
tempat usaha, lapangan usaha, dan pendidikan kepala rumah tangga yang diukur
dari lama sekolah (years of schooling).
3.3.
Definisi Operasional Variabel
Definisi operasional variabel bertujuan untuk memberikan penjelasan
mengenai variabel yang telah diidentifikasi. Berikut definisi operasional masingmasing variabel, yaitu:
2
0
14
Variabel
Definisi
Satuan
Pengaruh
yang
Diharapkan
Produktivitas
Produktivitas Usaha Rumah
Usaha
Tangga merupakan nilai rupiah
Rumah
dari produksi total yang
Tangga
dihasilkan dari usaha rumah
Rupiah
tangga selama 12 bulan atau satu
Dummy
tahun produksi.
Dummy penggunaan internet
Penggunaan
Kategorical
Signifikan
adalah Penggunaan internet
(1 atau 0)
(Positif)
Internet
Dummy
untuk jual besi/ jasa
Dummy tempat usaha adalah
Kategorical
Signifikan
tempat usaha
tempat di mana usaha rumah
(1 atau 0)
(Positif)
Dummy
tangga tersebut dijalankan
Dummy lapangan usaha adalah
Kategorical
Signifikan
lapangan
jenis usaha rumah tangga
(1 atau 0)
(Positif)
usaha
Tingkat
Tingkat pendidikan petani
Lama
Signifikan
Pendidikan
adalah tingkat pendidikan
Sekolah
(Positif)
tertinggi yang dicapai atau
(Tahun)
diselesaikan pada kelas atau
tingkat tertinggi dalam sekolah
atau institusi baik formal
maupun informal yang
teridentifikasi dari sertifikat atau
15
surat pernyataan kelulusan yang
dimiliki (Jati, 2009)
Tabel 3.1
Definisi Operasional Variabel
3.4. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu
data cross section pada tahun 2016. Data yang digunakan diambil dari survei
rumah tangga, yakni Survei Sosial Ekonomi Nasional yang biasa disebut dengan
SUSENAS. SUSENAS merupakan gambaran keadaan sosial-ekonomi dan
kesehatan rumah tangga yang dalam pelaksanaannya dilakukan secara
berkelanjutan. Data tersebut dikumpulkan oleh Badan Pusat Statistik setiap tahunnya.
Survei ini mengumpulkan data dari responden perorangan, rumah tangga,
komunitas, tempat tinggal, fasilitas pendidikan, dan fasilitas kesehatan yang
digunakan oleh komunitas tersebut. Survei ini bisa dipakai sebagai salah satu
sumber informasi yang dipakai untuk mengamati perilaku atau keadaan masalah
pada satu waktu tertentu yang memerlukan campur tangan pemerintah seperti
masalah-masalah kemiskinan, pendidikan dan kesehatan.
3.5.
Pengumpulan Data
Prosedur dalam pengumpulan data pada penelitian ini dilaksanakan dengan
cara dokumentasi, yaitu mengumpulkan data-data yang dibutuhkan oleh penulis
yang sesuai dengan penelitian yang akan dihimpun dalam data SUSENAS 2016.
16
Dalam memperoleh data yang sesuai, maka perlu adanya penggabungan data yang
harus mengikuti alur yang direncanakan agar data yang diperoleh benar. Setelah
langkah tersebut menghasilkan dataset yang siap untuk dihitung.
3.6.
Teknik Analisis
Model regresi logistik adalah model regresi yang digunakan untuk
menganalisis data yang berbentuk kategorik atau data dengan variabel terikat
(dependent variable) kualitatif berskala biner yaitu angka 0 dan 1 yang ditentukan
pada suatu ketegori tertentu. Variabel bebas (independent variable) dapat
berbentuk kuantitatif atau kualitatif dengan menggunakan variabel dummy.
Persamaan regresi model logit diperoleh dari penurunan persamaan
probabilitas dari kategori-kategori yang akan diestimasi. Persamaan probabilitas
tersebut menurut Gujarati (2003:595-596) adalah:
................................................................................... (3.1)
1
1−Pi =Persamaan
tersebut disederhanakan dengan mengasumsikan (β1+β2Xi)
Z
1+ e i
adalah Zi , sehingga menghasilkan persamaan berikut:
Zi ................................................................................. (3.2)
Pi
1+ epersamaan
Pada
tersebut dapat terlihat bahwa Zi berada dalam kisaran - ∞
=
1−Pi 1+ e−Z i
hingga +∞, dan Pi berada pada kisaran 0 hingga 1 dimana Pi tidak linier terhadap
Zi. Pi tidak linier terhadap terhadap X, dan juga terhadap β. Hal ini menimbulkan
permasalaham estimasi sehingga prosedur regresi ordinary least square (OLS)
tidak dapat dilakukan. Solusi dari permasalahan tersebut adalah dengan
melinierkan persamaan (3.1) dengan menerapkan logaritma natural pada kategori
dengan nilai 0, sehingga didapatkan persamaan berikut:
.............................................................. (3.3)
Pi
Persamaan
tersebut disubstitusikan dengan persamaan (3.2) menjadi:
Li=ln
=Zi =β 1 + β 2 X i ................................................................ (3.4)
1−P i
Persamaan disebut dengan rasio kecenderungan (odds ratio) terjadinya
[ ]
kategori dengan nilai 1. Selanjutnya dengan menerapkan logaritma natural
1
terhadap
ratio
tersebut
akan menghasilkan persamaan sebagai berikut:
Pi=E ( Yodds
=1 )|X
i=
( β 1 +β 2 X i )
Z 1+ e
1
e
P i=
=
Z
−Z i
1+ e
1+e
17
…………. ............................................................. (3.5)
Dalam persamaan 2.17, Li adalah log dari odds ratio atau disebut model
logit. Model tersebut tidak hanya linier terhadap X, namun juga linier terhadap
parameter β. Karena Pi terletak antara 0 dan 1, Li terletak antara - ∞ dan +∞,
maka meskipun Li linier dalam X, tetapi Pi tidak linier dalam X. Nilai β1
merupakan intercept, yang dapat diartikan sebagai probabilitas berpartisipasi
sekolah adalah sebesar β1 ketika variabel-variabel lain bernilai nol. β2 adalah
perubahan dalam Li apabila X berubah 1 unit.
Model logit dalam penelitian ini digunakan untuk menganalisis bahwa
produktivitas usaha rumah tangga di Indonesia dipengaruhi oleh penggunaan
internet, tempat usaha, lapangan usaha, dan tingkat pendidikan kepala rumah
tangga.. Spesifikasi model logit dalam penelitian ini dapat ditulis sebagai berikut:
Li = ln(Pi | 1- Pi) = β1 + β2 dummy penggunaan interneti + β3 dummy tempat
usahai + β4 dummy
lapangan usahai + β5 tingkat
pendidikan kepala rumah tangga i + ei ……………… (2.6)
Keterangan:
Pi
: probabilitas produktivitas usaha rumah tangga-i
β1
: intercept
β2, β3, β4, β5,β6
: parameter (koefisien) regresi
dummy penggunaan interneti : tidak menggunakan internet untuk jual beli/jasa
dummy tempat usahai
dummy sektor ekonomii
tingkat pendidikani
(0), menggunakan internet untuk jual beli/jasa (1)
: desa (0), kota (1)
: pertanian(0), non-pertanian(1)
: lama bersekolah kepala rumah tangga (1)
Terdapat pengujian statistik yang dilakukan untuk mengetahui apakah
variabel bebas (independen) pada model benar-benar mempengaruhi variabel
terikat (dependen) secara statistik signifikan. Tahapan pengujian tersebut sebagai
berikut:
18
a. Uji secara bersama-sama model logit dengan Likelihood ratio (LR)
Likelihood ratio (LR) mirip dengan F-test pada model regresi linier. Fungsi
dari keduanya sama yaitu digunakan untuk menguji hipotesis nol bahwa semua
slope koefisien secara bersama-sama sama dengan nol. LR mengikuti distribusi x2
dengan df sama dengan jumlah variabel penjelas (tidak termasuk intersep)
(Gujarati, 2003:606). Hipotesisnya adalah:
H0= β1 = β2 = ... = βn = 0
berarti tidak ada pengaruh secara bersama-sama dari variabel bebas (independen)
terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
H1= paling tidak ada salah satu parameter yang tidak sama dengan nol
berarti terdapat pengaruh secara bersama-sama dari variabel bebas (independen)
terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
Kriteria pengujian nilai LR adalah jika x2hitung>x2tabel, maka H0 ditolak.
Selain itu untuk melakukan pengujian hipotesis dapat juga dilakukan dengan
konsep p-value. Konsep ini membandingkan dengan tingkat keyakinan (α) sebesar
5% dengan nilai p-value. Jika nilai p-value kurang dari α maka H0 ditolak
(Gujarati, 2003:137). Jika H0 ditolak berarti ada pengaruh secara bersama-sama
dari variabel independen terhadap variabel dependen, dan begitu pula sebaliknya.
b. Uji parsial (masing-masing) dengan z-statistic
Metode estimasi yang digunakan dalam model logit adalah metode
maximum likelihood, maka estimasi dari nilai standart error menjadi asymptotic.
Akibatnya, proses evaluasi dari signifikansi suatu koefisien secara statistik tidak
lagi menggunakan t-statistic, sebagai penggantinya digunakan z-statistic sehingga
19
pengujiannya berdasar pada tabel distribusi normal. Perlu diingat kembali bahwa
ketika suatu sampel yang digunakan cukup besar, distribusi t menjadi konvergen
dengan distribusi normal (Gujarati, 2003:605). Nilai z-statistic digunakan untuk
menguji koefisien dari variabel bebas secara parsial (masing-masing). Hipotesis
uji z-statistic adalah:
H0= βi = 0, dimana i = 0, 1, 2, ...
berarti tidak ada pengaruh secara parsial (masing-masing) dari variabel bebas
(independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
H1= βi ≠ 0, dimana i = 0, 1, 2, ...
berarti ada pengaruh secara parsial (masing-masing) dari variabel bebas
(independen) terhadap variabel terikat (dependen) probabilitas partisipasi sekolah.
Dalam pengujian z-statistic, menentukan H0 diterima atau H0 ditolak dapat
dilakukan dengan membandingkan nilai zhitung pada masing-masing variabel
independen dengan ztabel. H0 ditolak apabila zhitung> ztabel. Pengujian hipotesis juga
dapat juga dilakukan dengan konsep p-value. Konsep ini membandingkan dengan
tingkat keyakinan (α) sebesar 5% dengan nilai p-value. Jika nilai p-value kurang
dari α maka H0 ditolak (Gujarati, 2003:137). H0 ditolak berarti ada pengaruh
secara parsial (masing-masing) dari variabel independen terhadap variabel
dependen, dan begitu pula sebaliknya.
c. Goodness of fit dengan R-square
Uji goodness of fit dilakukan dengan melihat R-square untuk melihat
seberapa baik suatu model dapat menjelaskan hubungan antara variabel dependen
dengan variabel independennya, atau juga diartikan sebagai seberapa besar variasi
20
dari variabel dependen yang dapat dijelaskan oleh model. Pada model regresi
logistik, pengujian goodness of fit dapat dilihat dengan nilai Pseudo R2 yang
memiliki arti sebagai R-square tiruan dari R-square OLS.
Nilai Pseudo R2 berkisar antara 0-1. Jika nilai mendekati 1 berarti antara
hubungan yang kuat antara variabel independen dan variabel dependen, begitupun
sebaliknya kalau nilai mendekati 0 berarti tidak ada hubungan antara variabel
independen dengan variabel dependen (Gujarati, 2003:84). Dalam model regresi
logistik menurut Gujarati (2003:606) bahwa hal utama yang harus diperhatikan
adalah indikator signifikansi model, signifikansi variabel-variabel independen,
dan arah koefisien dari variabel tersebut. Sedangkan besaran pseudo R2 tidak
diutamakan. Oleh karena itu dalam penelitian ini menggunakan Z-stat sebagai
parameter utama untuk kelayakan model, meskipun pengujian pseudo R2 akan
tetap dilakukan. Pilihan pengujian pseudo R2 yang digunakan dalam penelitian ini
adalah Mc Fadden R2, Mc Fadden Adjusted R2.
d. Interpretasi Logit
Menginterpretasikan model logit sangat penting untuk dilakukan. Apabila
nilai logit suatu variabel bertanda positif, maka ketika nilai dari variabel tersebut
meningkat, nilai log dari odds (kecenderungan) terjadinya partisipasi sekolah
(masih bersekolah) (Y=1) meningkat; Sebaliknya ketika tanda dari nilai logit
tersebut adalah negatif, maka nilai log dari odds (kecenderungan) terjadinya
partisipasi sekolah (masih bersekolah) (Y=1) menurun seiring dengan
peningkatan nilai X (Gujarati, 2003:600).
e. Interpretasi Odds ratio
21
Untuk menginterpretasikan nilai dari koefisien logit, koefisien hasil estimasi
model logit harus ditransformasikan ke dalam antilogaritma natural sehingga
didapatkan odds ratio yang merupakan rasio antara dua peluang (kecenderungan).
Odds ratio diinterpretasikan sebagai nilai yang menunjukkan pengaruh perubahan
variabel dependen (partipasi sekolah) sebesar eβ kali.