DAMPAK UPAH MINIMUM TERHADAP KEMISKINAN DI …

233

JOURNAL of RESEARCH in ECONOMICS and MANAGEMENT (Jurnal Riset Ekonomi dan Manajemen)

Volume 17, No. 2, Juli - Desember(Semester II) 2017, Halaman 233-252

DAMPAK UPAH MINIMUM TERHADAP KEMISKINAN DI INDONESIA TAHUN 2006-2014

Ardhian Kurniawati ([email protected]) Beni Teguh Gunawan ([email protected]) Disty Putri Ratna Indrasari ([email protected])

Informasi ArtikelRiwayat ArtikelDiterima tanggal 06 September 2016Direvisi tanggal 12 Februari 2017Disetujui tanggal 15 Oktober 2017

Klasifikasi JELJ31; I32

Kata KunciPoverty; Minimum wage; Panel data; Random effect model.

DOI10.17970/jrem.17.170207.ID

ABSTRACTThe minimum wage in Indonesia is set to raise the living standards of workers and the safety net, which aims to protect low-wages workers. The debate regarding the impact of minimum wage on poverty is still a debatable issue. Supporters argue the minimum wage rules regarding minimum wages can improve the economic conditions of low-wage workers, so as to contribute to the reduction of poverty of workers affected by this rule. On the other hand, the minimum wage may lead to rigidity in the labor market and lower competitiveness. Wage rigidity caused by the minimum wage can slow job creation and in turn contribute to unemployment and poverty. Using panel data of 33 provinces in 2006-2014, this study will estimate the impact of minimum wage on poverty. Analysis with random effect model result that every increase of 1% (ceteris paribus) minimum wage will reduce poverty by 5.7%, so that the minimum wage may be used as one of the policies to alleviate poverty in Indonesia.

I. PendahuluanUpah minimum di Indonesia ditetapkan

dengan dua maksud. Pertama untuk meningkatkan standar hidup buruh. Kedua, upah minimum sebagai jaring pengaman (safety net) yang bertujuan untuk melindungi pekerja dengan upah rendah, Upah minimum dimaksudkan sebagai jaring pengaman karena banyaknya tenaga kerja tidak terampil dan lemahnya serikat buruh sehingga memiliki bargaining power yang rendah. Upah minimum di Indonesia pada awalnya ditetapkan dengan berdasarkan pada Kebutuhan Hidup Layak (KHL). Upah minimum ditetapkan dengan mempertimbangkan kebutuhan hidup layak dimaksudkan untuk melindungi kesejahteraan pekerja. Upah minimum diharapkan dapat meningkatkan kesejahteraan pekerja dengan upah rendah. Jika efektif, upah minimum dapat digunakan sebagai salah satu alat untuk mengurangi kemiskinan karena dapat

234

Ardhian Kurniawati Beni, Teguh Gunawan, Disty Putri : Dampak Upah Minimum Terhadap Kemiskinan .....

membantu penduduk miskin untuk keluar dari kemiskinan. Dalam perkembangan selanjutnya, saat ini kenaikan upah minimum ditetapkan berdasarkan pada inflasi dan pertumbuhan ekonomi.

Perdebatan terkait dengan dampak upah minimum terhadap kemiskinan masih menjadi isu yang menarik untuk dibahas. Pendukung peraturan terkait upah minimum berpendapat bahwa upah minimum dapat meningkatkan kondisi ekonomi pekerja dengan upah rendah, sehingga upah minimum berkontribusi pada pengurangan kemiskinan pekerja yang terkena dampak peraturan ini. Upah minimum menggeser komposisi employment menuju pekerjaan dengan upah tinggi. Peraturan pasar tenaga kerja ini meningkatkan produktivitas rata-rata dan dapat meningkatkan kesejahteraan (Acemoglu, 2001). Dilain pihak, beberapa ekonom dan pembuat kebijakan berusaha untuk mengurangi (dan bahkan menghapus) peraturan upah minimum agar pasar tenaga kerja lebih fleksibel dan meningkatkan daya saing. Para pendukung pandangan ini berpendapat bahwa kekakuan di pasar tenaga kerja, seperti kekakuan upah yang disebabkan oleh upah minimum, dapat memperlambat penciptaan lapangan kerja dan pada gilirannya memberikan kontribusi pada pengangguran dan kemiskinan (Gindling dan Terrell, 2010). Penentang peraturan upah minimum juga berpendapat bahwa kebijakan upah minimum hanya memiliki dampak terbatas pada kemiskinan, terutama karena sebagian besar keluarga miskin tidak memiliki upah minimum (Burkhauser et.al, 2000).

Kenaikan upah minimum memiliki dampak yang berbeda-beda terhadap kemiskinan untuk masing-masing Negara. Perbedaan tersebut terjadi karena perbedaan karakteristik tenaga kerja pada masing-masing Negara dan perbedaan dalam penegakan peraturannya. Penduduk miskin di Negara maju dan berkembang akan merasakan manfaat yang berbeda dari adanya kenaikan

upah minimum karena di Negara maju tenaga kerja didominasi oleh tenaga kerja terdidik (skilled worker), sedangkan tenaga kerja di Negara berkembang didominasi oleh tenaga kerja tidak terdidik (unskilled worker) yang lebih rentan terhadap shocks dan mempunyai bargaining power yang rendah. Adanya perbedaan dampak kenaikan upah minimum terhadap kemiskinan ini menarik untuk diteliti untuk mengetahui apakah benar kenaikan upah minimum dapat mengurangi kemiskinan. Studi ini akan mengestimasi bagaimana dampak upah minimum terhadap kemiskinan di Indonesia dengan menggunakan data panel pada level provinsi selama 2006-2014.

II. Kerangka TeoritisDalam pasar persaingan sempurna

keseimbangan tercapai ketika demand sama dengan supply. Dalam konteks pasar tenaga kerja, upah keseimbangan tercapai ketika supply tenaga kerja sama dengan demand tenaga kerja. Dalam kondisi keseimbangan, perusahaan akan mempekerjakan tenaga kerja sebesar E* dengan upah pada level w*. Ketika pemerintah menetapkan upah minimum ( ) di atas tingkat upah keseimbangan maka demand perusahaan akan bergerak ke atas dan tenaga kerja akan turun ke ). Sebagai akibat dari upah minimum, beberapa pekerja (E*- ) tersingkir dari pekerjaannya dan menjadi penganggur. Selain itu, upah yang lebih tinggi akan mendorong seseorang untuk masuk dalam pasar kerja, sehingga akan ada tambahan sebesar (Es - E

* ) tenaga kerja masuk dalam pasar kerja yang tidak dapat menemukan pekerjaan dan menambah jumlah pengangguran.

235



Gambar 1.Supply dan Demand Tenaga Kerja di

Covered Sector (Sektor Formal)

wage

Sc

w*

E* Es

Dc

Employment

Sumber: Borjas, 2013

Jika upah minimum diaplikasikan hanya pada pekerjaan di covered sector (formal), pekerja yang terkena displacement mungkin akan berpindah ke uncovered sector, menggeser kurva supply ke kanan dan mengurangi upah di uncovered sector

(informal). Jika ada kemudahan untuk mendapatkan pekerjaan dengan upah minimum maka ada kemungkinan pekerja di uncovered sector berhenti dari pekerjaannya dan menunggu di covered sector sampai ada lowongan pekerjaan, akibatnya kurva supply akan bergeser ke kiri dan meningkatkan tingkat upah di uncovered sector. Gambar 2 menunjukkan bagaimana bebasnya tenaga kerja masuk dan keluar dari pasar kerja dapat mempengaruhi upah real dalam perekonomian meskipun ada campur tangan dari pembuat kebijakan. Faktanya jika tenaga kerja dapat bermigrasi dari satu sektor ke sektor lainnya dengan sangat mudah, maka migrasi akan terus berlanjut selama tenaga kerja memiliki ekspektasi bahwa salah satu sektor menawarkan upah yang lebih tinggi. Migrasi tenaga kerja antara dua sektor akan berhenti ketika ekspektasi upah di kedua sektor sama (Borjas, 2013).

Gambar 2.Migrasi Tenaga Kerja antara Dua Sektor

Sc

Dc

wage

w*

Employment

wage

w*

DU

Employment

(a) Covered Sector (b) Uncovered Sector

Sumber: Borjas, 2013

Pertanyaan luas terkait dengan kenaikan upah minimum adalah apakah manfaat dari tingkat upah yang lebih tinggi karena adanya upah minimum mengimbangi biaya karena berkurangnya probabilitas untuk bekerja. Ketika biaya karena berkurangnya probalibitas untuk bekerja lebih besar daripada manfaat

karena kenaikan upah minimum maka peluang seseorang untuk jatuh dalam kemiskinan juga akan meningkat ketika pekerja tersebut berada dalam kondisi miskin atau near poor, dan sebaliknya. (Gramlich et.al, 1976).

236


Kemiskinan di IndonesiaBPS menggunakan konsep kemampuan

memenuhi kebutuhan dasar (basic needs approach) dalam mengukur kemiskinan. Dengan pendekatan ini, kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Jadi Penduduk Miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan. Ukuran kemiskinan yang digunakan di Indonesia adalah Head Count Index (P0), Poverty Gap Index (P1), dan Poverty Saverity Index (P2). Head Count Index (P0) digunakan untuk menghitung persentase penduduk yag berada di bawah garis kemiskinan. Poverty Gap Index (P1) atau indeks kedalaman kemiskinan merupakan ukuran rata-rata kesenjangan pengeluaran masing-masing penduduk miskin terhadap garis kemiskinan. Semakin tinggi nilai indeks, semakin jauh rata-rata pengeluaran penduduk dari garis kemiskinan. Poverty Saverity Index (P2) atau index keparahan kemiskinan memberikan gambaran mengenai penyebaran pengeluaran diantara penduduk miskin. Semakin tinggi nilai indeks, semakin tinggi ketimpangan pengeluaran diantara penduduk miskin.

Berbeda dengan BPS, Worldbank menetapkan garis kemiskinan absolute US$ 1 dan US$2 PPP (purchasing power parity). Garis kemiskinan absolute ini ditetapkan dengan tujuan untuk membandingkan angka kemiskinan antar Negara/wilayah dan perkembangannya menurut waktu untuk menilai kemajuan yang dicapai dalam memerangi kemiskinan di tingkat global/internasional. Angka konversi PPP merupakan banyaknya rupiah yang dikeluarkan untuk membeli sejumlah kebutuhan barang dan jasa dimana jumlah yang sama tersebut dapat dibeli seharga US$ 1. Angka konversi ini dihitung berdasarkan harga dan kuantitas di

masing-masing Negara dalam suatu survei yang dilakukan setiap 5 tahun sekali.

Todaro dan Smith (2009) mendefinisikan kemiskinan absolut sebagai konsep yang mengukur jumlah orang yang tidak mampu memenuhi kebutuhan dasarnya. Gariss kemiskinan memegang peranan penting dalam mengukur kemiskinan dalam lingkungan social. Garis kemiskinan merupakan garis imajinasi yang membedakan antara orang yang miskin dan yang tidak. Garis kemiskinan didefinisikan sebagai tingkat spesifik minimum dari pendapatan riil dari kurang dari satu atau dua dolar “purchasing power parity” per hari.

Upah Minimum di IndonesiaBeberapa ekonom melihat kebijakan upah

minimum sebagai isu distribusi pendapatan dimana ada yang diuntungkan dan dirugikan dari adanya kenaikan upah minimum. Menguji bagaimana dampak upah minimum terhadap kemiskinan di Indonesia menarik karena pasar kerja di Indonesia didominasi oleh tenaga kerja tidak terlatih (unskilled worker), dan sektor informal (uncovered sector) lebih dominan daripada sektor formal (covered sector). Sektor formal mendapat keuntungan dari adanya peraturan tenaga kerja. Di tahun 2015 diketahui sebesar 52% penduduk yang bekerja di Indonesia berada di sektor formal (Pusdatinaker, 2015). Selain itu, kebijakan upah minimum di Indonesia ditetapkan dengan berdasarkan pada kebutuhan hidup layak. Upah minimum di Indonesia merupakan bagian dari strategi jaring pengaman sosial.

Upah minimum di Indonesia sejak Januari 2001, otoritas penetapannya didesentralisasikan kepada Gubernur. Regulasi terkait dengan upah minimum masih menjadi tanggung jawab Kementerian Ketenagakerjaan, termasuk menerbitkan pedoman komponen Kebutuhan Hidup Layak yang nantinya akan digunakan sebagai salah satu dasar untuk menetapkan upah

237



minimum. Upah minimum di Indonesia selain dimaksudkan untuk meningkatkan standard hidup pekerja yang dianggap masih menerima upah di bawah standard nasional juga untuk melindungi pekerja yang tidak memiliki bargaining power karena adanya surplus tenaga kerja tidak terampil (unskilled worker). Dalam perkembangan selanjutnya kenaikan upah minimum didasarkan pada inflasi dan pertumbuhan ekonomi (Peraturan Pemerintah Nomor 78 Tahun 2015).

III. Studi TerdahuluAddison dan Blackburn (1999)

melakukan studi untuk menganalisis dampak upah minimum terhdap kemiskinan dengan berfokus pada tiga kelompok yang paling mungkin terkena dampak kenaikan upah minimum yaitu pemuda (teenagers), young adults dan kelompok putus sekolah menengah pertama. Data yang digunakan oleh Addison dan Blackburn (1999) adalah data panel pada level Negara bagian di Amerika Serikat yang bersumber pada CPS (Current Population Survey) dari tahun 1983-1996. Dengan menggunakan fixed effect model untuk masing-masing kelompok, Addison dan Blackburn (1999) mendapatkan hasil bahwa untuk periode 1983-1996, ada indikasi pengaruh upah minimum terhadap pengurangan kemiskinan di antara pemuda (teenagers) dan kelompok putus sekolah menengah pertama.

Berbeda dengan Addison dan Blackburn (1999), Gindling dan Terrell (2010) dalam studinya berfokus pada empat kelompok yaitu perusahaan swasta skala besar dan kecil (covered sector), serta wiraswasta dan sektor publik (uncovered sector).

Gindling dan Terrell (2010) mengkombinasikan mikrodata dari survei rumah tangga (PHSMP) dengan data upah minimum dari tahun 2001-2004. Gindling dan Terrell (2010) dalam studinya menggunakan model Probit untuk mengestimasi dampak upah minimum terhadap kemiskinan, dan

diperoleh hasil bahwa kenaikan Upah minimum mengurangi kemiskinan. Tetapi, upah minimum tidak mempunyai pengaruh pada individu yang bekerja pada small private sector, self-employment atau public sector.

Bird dan Manning (2008) dalam studinya melakukan simulasi dengan analisis Input-Output terkait dengan total keuntungan dan total cost dari adanya kenaikan upah minimum menggunakan data SUSENAS modul konsumsi pada level Rumah Tangga. Dari simulasi tersebut diperoleh hasil bahwa kebijakan upah minimum bukan merupakan instrument pengurangan kemiskinan yang efektif. Kenaikan upah minimum dapat menolong beberapa rumah tangga untuk keluar dari kemiskinan, tetapi kebanyakan rumah tangga miskin sebenarnya terkena penalti harga sebagai dampak dari kenaikan upah minimum. Produsen akan menaikkan harga produk sebagai akibat adanya kenaikan upah minimum.

Lustig dan McLeod (1997) mengevaluasi dampak upah minimum terhadap kemiskinan untuk data cross section sejumlah Negara berkembang di Amerika Latin, Asia dan Afrika. Mereka menggunakan regresi antara headcount ratio dan beberapa ukuran kemiskinan lainnya (seperti poverty gap dan kebutuhan kalori perkapita) dan factor-faktor yang menentukan kemiskinan seperti upah riil, pertumbuhan income per capita dan beberapa variable independen lainnya seperti human capital stock dan share angkatan kerja di sektor pertanian. Hasil yang diperoleh dari studi tersebut adalah kenaikan upah minimum dapat meningkatkan konsumsi kalori per kapita dan mengurangi kemiskinan dalam jangka pendek, tetapi dapat mengurangi kesempatan bekerja dalam jangka panjang. Meskipun temuan utamanya adalah upah minimum dapat mengurangi kemiskinan, namun disimpulkan bahwa upah minimum bukan sebagai alat terbaik untuk mengurangi kemiskinan.

238


Neumark dan Wascher (1997) menggunakan data March CPS di US dari tahun 1986 sampai dengan 1995 untuk menguji efektivitas upah minimum dalam mengurangi kemiskinan dengan mengestimasikemungkinan trasnsisi distribusi income keluarga masuk dan keluar dari kemiskinan. Hasilnya menunjukkan bahwa dengan signifikansi 10%, upah minimum cenderung meningkatkan likelihood bahwa keluarga miskin tetap akan miskin. Hasilnya juga mengindikasikan bahwa kenaikan upah minimum mengurangi peluang keluarga keluar dari pendapatan rendah ke pendapatan tinggi.

IV. Metode Penelitian DataStudi ini akan menggunakan data panel

dari 33 Provinsi di Indonesia dari tahun 2006-2014 untuk menguji dampak upah minimum terhadap kemiskinan. Data sekunder diperoleh dari Badan Pusat Statistik. Data yang digunakan adalah persentase penduduk miskin menurut provinsi, Upah Minimum Provinsi (dalam ribu rupiah), Produk Domestik Regional Bruto (PDRB) perkapita atas dasar harga konstan menurut provinsi (dalam ribu rupiah), jumlah penduduk yang berusia 15 tahun ke atas dengan status pengangguran selama seminggu yang lalu dan Angka partisipasi kasar SMA/sederajat. Berbeda dengan studi yang dilakukan oleh Lustig dan McLeod (1997) yang menggunakan rata-rata lama sekolah sebagai proxy dari stok human capital, dalam studi ini akan menggunakan angka partisipasi kasar sebagai proxy dari human capital.

Metode EstimasiMetode estimasi yang digunakan dalam

penelitian ini adalah metode data panel. Ada tiga macam pendekatan, yaitu pendekatan least square (pooled least square), pendekatan fixed effect dan pendekatan random effect. Dalam memilih model mana yang paling

sesuai digunakan maka dilakukan terlebih dahulu Uji F (Chow test) untuk memilih yang terbaik antara Pool dengan Fixed Effect dan selanjutnya dilakukan uji Hausman untuk memilih antara model Fixed Effect dengan Random Effect.

Model empiris yang akan diestimasi dalam studi ini adalah:• dengan βi merupakan individual effect

yang nantinya dapat berupa fixed effect atau random effect. Analisis data dilakukan dengan bantuan software Eviews 8.

V. Analisis Data dan Pembahasan Analisis DeskriptifDari Tabel 1. dapat diketahui statistik

deskriptif dari masing-masing variable yang digunakan dalam penelitian. Observasi yang digunakan dalam studi ini sebanyak 297. Secara keseluruhan persentase rata-rata penduduk miskin adalah sebesar 14.67% dengan standar deviasi 8.06. Rata-rata Upah minimum adalah sebesar 963.54 ribu rupiah dengan standar deviasi sebesar 342.25 ribu. Pengangguran tertinggi sebesar 2562525 dengan rata-rata pengangguran sebesar 263314.2. Untuk variable PDRB perkapita, nilai terendah adalah sebesar 2281 ribu dan tertinggi sebesar 136407 ribu. Selang yang cukup jauh tersebut mengindikasikan adanya ketimpangan pendapatan antar provinsi. Sama halnya dengan PDRB per kapita, angka partisipasi kasar juga memiliki variasi yang cukup besar yaitu sebesar 10.76% yang berarti bahwa perbedaan angka partisipasi kasar untuk pendidikan SMA/sederajat cukup beragam antar provinsi.

239



Tabel 5.1. Statistik Deskriptif Masing-masing Variabel

P0? UMP? PENGANGGUR AN? PDRB_PERKA P? APK?

Mean 14.66077 963.5449 263314.2 17426.92 66.46515Median 12.91000 900.0000 101620.0 8457.000 67.33000Maximum 41.52000 2441.300 2561525. 136407.6 94.62000Minimum 3.480000 390.0000 9596.000 2281.000 43.76000Std. Dev. 8.061202 342.2545 430517.6 21266.14 10.76613Observations 297 297 297 297 297Cross sections 33 33 33 33 33

Sumber: BPS (diolah)

Jika ditelusuri lebih jauh, dari Grafik 5.1 (dalam lampiran) dapat diketahui bahwa persentase penduduk miskin tertinggi ada di provinsi Papua yaitu sebesar 35.12% dan terendah di provinsi Riau yaitu sebesar 3.8%. Papua memiliki persentase penduduk miskin terbesar kemungkinan besar disebabkan karena minimnya lapangan kerja yang tersedia di sana dan masih rendahnya kualitas SDM di Papua karena mayoritas penduduk masih cukup primitif sehingga belum memahami benar akan pentingnya pendidikan . Kemiskinan terbesar di Papua juga bisa disebabkan karenan minimnya pembangunan dan ketersediaan sarana dan prasarana di daerah tersebut.

Dari Grafik 5.2 dapat dilihat adanya keragaman dalam nilai Upah Minimum antar provinsi. Upah minimum terbesar ada di Provinsi DKI Jakarta. Hal tersebut tidak mengejutkan karena Jakarta sebagai Pusat ekonomi dan ibukota Negara sehingga pertumbuhan ekonomi di DKI Jakarta tinggi sehingga upah minimumnya juga tinggi mengingat pertumbuhan ekonomi merupakan salah satu dasar bagi penetapan upah minimum selain beberapa factor lainnya. Papua juga memiliki nilai upah minimum yang tinggi, hal tersebut dapat dikarenakan biaya hidup di Papua mahal sehingga nilai Kebituhan Hidup

Layak (KHL) yang menjad dasar penetapan upah minimum juga besar.

Hasil Analisis dataAnalisis dampak upah minimum terhadap

kemiskinan dalam paper ini dilakukan dengan tiga metode yaitu pooled Least Square, Fixed Effect Model, dan Random effect Model. Sebelum melalukan analisis model makan terlebih dahulu akan dilakukan pemilihan model terbaik yang sesuai untuk menganalisis dampak upah minimum terhadap kemiskinan. Pemilihan model dilakukan dengan menggunakan Chow Test dan Hausman Test. Chow test digunakan untuk memilih antara Pooled Least Square dan Fixed Effect sedangkan Hausman test digunakan untuk memilih antara Fixed effect dan Random effect.

240


Tabel 5.2 Hasil Regresi

Variabel Pooled Least Square Fixed Effect Random EffectLog UMP 10.333***

(1.03)-5.823***

(0.766)-5.706***

(0.759)Log Pengangguran 0.103

(0.294)-0.784(0.721)

-1.093*

(0.589)Log PDRB_perkap -5.401***

(0.669)-0.050*

(0.274)-0.587**

(0.269)APK -0.100**

(0.045)-0.068**

(0.027)-0.074***

(0.026)Prob (F-statistic) 0.000 0.000 0.000Adj R2 0.17 0.96 0.64

Sumber: Hasil pengolahan data (BPS)Catatan: *** signifikan pada 1%, ** signifikan pada 5%, * signifikan pada 10%

Tabel 5.2 menyajikan hasil analisis regresi dengan ketiga motode estimasi. Dari ketiga metode estimasi dapat diketahui bahwa pengangguran pengaruhnya tidak signifikan pada ketiga metode. Dengan berdasarkan pada nilai adj R2, dapat dilihat bahwa model fixed effect memiliki nilai adj R2 tertinngi yaitu sebesar 96%, sehingga jika menggunakan kriteria nilai adj R2 maka model fixed effect adalah model terbaik. Namun, meskipun nilai adj R2 dapat secara statistik menunjukkan bagaimana keragaman

persentase penduduk miskin dapat dijelaskan oleh model, Wooldridge (2013) menjelaskan bahwa nilai adj R2 tidak seharusnya menjadi instrument kunci dalam analisis ekonometrik. Ini karena nilai adj R2 yang rendah tidak berarti bahwa penggunaan metode tersebut gagal untuk menjelaskan hubungan. Wooldridge berpendapat bahwa masih ada kemungkinan regresi dengan nilai adj R2 yang rendah dan dapat mengestimasi hubungan antara variable bebas dan terikat dengan baik.

Tabel 5.3 Hasil Chow Test

Redundant Fixed Effects Te

sts

Pool: UntitledTest cross-section fixed effe

cts

Effects Test Statistic d.f. Prob.

Cross-section F 159.893337 (32,260) 0.0000Cross-section Chi-square 899.650835 32 0.0000

Sumber: Hasil pengolahan data (BPS)

241



Tabel 5.3 merupakan hasil uji Chow Test yang digunakan untuk menguji ada tidaknya effek individu dalam model. H0 dalam pengujian ini adalah tidak ada effek individu (Pooled Least Square). Dari table 5.3 dapat diketahui bahwa nilai p-value sebesar 0, sehingga dengan menggunakan α = 5% maka H0 ditolak. Dengan kata lain terdapat efek individu sehingga Fixed effect lebih sesuai berdasarkan uji ini.

Langkah selanjutnya untuk memilih model yang sesuai untuk data panel adalah

dengan melakukan Hausman Test untuk memilih antara model fixed effect atau random effect. Tabel 5.4 menyajikan hasil pemilihan model dengan Hausman Test. H0 yang digunakan dalam pengujian ini adalah random effect. Berdasarkan nilai p-value pada Table 5.4 dapat disimpulkan bahwa H0 diterima dengan α = 5% yang artinya tidak ada korelasi antara error dengan variable bebasnya, sehingga model yang sesuai adalah random effect.

Tabel.5.4Hasil Hausman Test

Correlated Random Effects - Hausman TestPool: UntitledTest cross-section random effects

Test SummaryChi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 5.768335 4 0.2171

Sumber: Hasil pengolahan data (BPS)

Hasil Analisis Dampak Upah Minimum Terhadap Kemiskinan

Berdasarkan hasil estimasi dan pengujian yang dilakukan diperoleh kesimpulan bahwa model yang sesuai untuk mengestimasi dampak upah minimum terhadap kemiskinan selama periode 2006-2014 adalah dengan menggunakan model random effect. Hasil estimasi persamaan regresi dengan model random effect adalah sebagai berikut:

Dari hasil estimasi model pada Tabel 5.2 dapat diketahui bahwa seluruh variable bebas signifikan pada α=10%. Dengan kata lain, dampak upah minimum, GDRP perkapita, pengangguran dan Angka Partisipasi Kasar nyata terhadap kemiskinan. Keempat variable tersebut berdampak negative terhadap kemiskinan.

Upah minimum memiliki dampak negative dan signifikan terhadap kemiskinan sebesar -5.706 yang berarti bahwa setiap

kenaikan 1% upah minimum (cateris paribus) akan mengurangi kemiskinan sebesar 5.7%. Berdasarkan hasil estimasi dapat diketahui bahwa upah minimum mempunyai dampak paling besar dibanding ketiga variable bebas lainnya dalam mengurangi kemiskinan. Kenaikan upah minimum dapat mengurangi kemiskinan karena upah minimum dapat meningkatkan pendapatan dari pekerja sehingga dapat membantu mereka keluar dari kemiskinan ketika pekerja tersebut termasuk dalam kategori miskin. Upah minimum dapat dijadikan sebagai salah satu cara untuk mengurangi kemiskinan berdasarkan hasil analisis dalam studi ini.

GDRP perkapita juga memiliki dampak negative dan signifikan terhadap kemiskinan. Setiap kenaikan GDRP perkapita sebesar 1% (cateris paribus) akan mengurangi kemiskinan sebesar 0.59%. Dengan kata lain, semakin tinggi PDRB perkapita maka kemiskinan

242


akan semakin kecil. PDRB menunjukkan kemampun suatu daerah dalam menghasilkan barang dan jasa serta kepuasan yang diperoleh setiap penduduk atas hasil tersebut, semakin tinggi PDRB berarti perekonomian di daerah tersebut semakin baik yang artinya PDRB perkapita juga semakin tinggi. Ketika perekonomian suatu daerah semakin baik maka angka kemiskinan akan menurun.

Angka partisipasi kasar berpengaruh negative dan signifikan terhadap kemiskinan setiap kenaikan 1% angka partisipasi kasar (cateris paribus) akan mengurangi kemiskinan sebesar 0.074%. Angka partisipasi kasar menunjukkan persentase penduduk yang bersekolah pada tingkat tertentu (dalam studi ini SMA/sederajat). Semakin tinggi angka partisipasi sekolah maka kualitas sumber daya manusia di daerah tersebut akan semakin baik. Ketika kualitas sumber daya semakin baik maka peluang untuk mendapatkan pekerjaan yang lebih baik juga meningkat. Kualitas sumber daya manusia yang lebih baik pada akhirnya akan membantu seseorang untuk keluar dari kemiskinan karena peluang untuk bekerja meningkat.

Pengangguran memiliki dampak negative dan signifikan terhadap kemiskinan. Setiap kenaikan 1% pengangguran (cateris paribus) dapat mengurangi kemiskinan sebesar 1.09%. Secara teori semakin tinggi pengangguran maka semakin besar pula kemiskinan karena semakin banyak penduduk yang tidak memiliki pekerjaan sehingga tidak memiliki upah yang digunakan untuk mencukupi kebutuhannya, namun studi ini memberikan hasil yang berbeda. Hal ini kemungkinan disebabkan karena data pengangguran yang digunakan dalam studi ini bukan merupakan data pengangguran terbuka. Dengan kata lain, ada pengangguran terselubung dan setengah penganggur yang sebenarnya masih memiliki penghasilan namun tidak pasti. Perlu dilakukan studi lebih lanjut untuk mengetahui kenapa hal tersebut dapat terjadi.

VI. Kesimpulan, Implikasi, dan SaranStudi ini bertujuan untuk menganalisis

bagaimana dampak upah minimum terhadap kemiskinan di 33 provinsi di Indonesia selama periode tahun 2006-2014. Hasil penelitian menunjukkan bahwa upah minimum berdampak negative dan signifikan terhadap kemiskinan. Setiap kenaikan 1% (cateris paribus) akan mengurangi kemiskinan sebesar 5.7%. Dengan kata lain upah minimum dapat dijadikan sebagai salah satu kebijakan dalam mengurangi kemiskinan di Indonesia. Agar kebijakan upah minimum ini efektif dalam mengurangi kemiskinan maka perlu adanya law enforcement dan pengawasan dalam pelaksanaan peraturan terkait dengan upah minimum. Penelitian ini masih banyak memiliki kekurangan, sehingga dalam penelitian selanjutnya diharapkan dapat menggunakan series data yang lebih panjang dan memasukkan variable-variabel lain yang belum disertakan dalam penelitian ini seperti institusi, otonomi daerah dan lain-lain.

ReferensiAcemoglu, D., 2001. Good Jobs versus Bad

Jobs. Journal of Labor Economics, Vol.19, No. 1, pp. 1-21.

Addison, J. T. & Blackburn, M. L., April 1999. Minimum Wages and Poverty.Industrial and Labor Relations Review Vol. 52, No.3, pp. 393-409.

Bird, K. & Manning, C., 2008. Minimum Wages and Poverty in a Developing Country: Simulations from Indonesia’s Household Survey. World Development Vol. 36, No. 5, p. 916–933.

Borjas, G. J., 2013. Labor Economics Sixth Edition. New York: The McGraw-Hill Companies, Inc.

Burkhauser, R. V., Couch, K. A. & Wittenburg, D. C., 2000. A Reassessment of the New Economics of the Minimum Wage Literature with MonthlyData

243



from the Current Population Survey. Journal of Labor Economics, Vol. 18, No. 4 (October 2000), pp. 653-680.

Gindling, T. & Terrell, K., 2010. Minimum Wages, Globalization, and Poverty in Honduras. World Development Vol. 38, No. 6, pp. 908-918.

Gramlich, E. M., Flanagan, R. J. & Wachter, M. L., 1976. Impact of Minimum Wages on Other Wages, Employment, and Family Incomes. Brookings Papers on Economic Activity, Vol. 1976, No. 2, pp. 409-461.

Lustig, N. C. & McLeon, D., 1997. Minimum Wages and Poverty in Developing Countries: Some empirical Evidence, “Chapter Three on Book: Labor Market in Latin America”. Washington DC: Brookings Institition Press.

Mincer, J., Aug., 1976. Unemployment Effects of Minimum Wages. Journal of Political Economy, Vol. 84, No. 4, pp. S87-S104.

Neumark, D., Cunningham, W. & Siga, L., 2006. The Effects of The Minimum Wage in Brazil on The Distribution of Family Incomes: 1996–2001. Journal of Development Economics 80, p. 136– 159.

Neumark, D. & William, W., 1997. Do minimum Wage Fights Poverty?. NBER Working Paper Series No. 6127.

Nuemark, D., Schweitzer, M. & Wascher, W., 2005. The Effects of Minimum Wages on the Distribution of Family Incomes: A Nonparametric Analysis. The Journal of Human Resources, Vol. 40, No. 4, pp. 867-894.

Todaro, M. P. & Smith, S. C., 2009. Economic Development. s.l.:Addison-Wisley. Wooldridge, J., 2013. Introductory Econometric: A Modern Approach, Fifth Edition. South Western: Cengage Learning.

www.pusdatin.naker.go.idLampiran 1. Statistik Deskriptif

244

Ardhian Kurniawati Beni, Teguh Gunawan, Disty Putri : Dampak Upah Minimum Terhadap Kemiskinan .....La

mpi

ran

1. S

tatis

tik D

eskr

iptif

Mas

ing-

mas

ing

Varia

bel

Prov

insi

Pers

enta

se P

endu

duk M

iskin

(P0)

Up

ah M

inim

um P

rovin

si M

ean

Med

ian

Max

imum

M

inim

um

Std.

Dev

. M

ean

Med

ian

Max

imum

M

inim

um

Std.

Dev

. AC

EH

21.6

6333

20

.98

28.2

8 16

.98

3.86

2276

12

46.6

67

1300

17

50

820

313.

2092

SU

MUT

11

.84

11.3

3 15

.01

9.89

1.

6852

45

1034

.156

96

5 15

05.9

73

7.8

272.

73

SUM

BAR

9.36

8889

9.

5 12

.51

5.41

2.

1924

67

1008

.333

95

0 14

90

650

280.

4906

RI

AU

9.43

4444

8.

65

11.8

5 7.

99

1.43

6986

10

58.0

67

1016

17

00

637

345.

7792

JA

MBI

9.

1044

44

8.65

11

.37

8.34

1.

0548

47

957.

5333

90

0 15

02.3

56

3 31

2.50

48

SUM

SEL

16.1

4667

15

.47

20.9

9 13

.62

2.63

2375

10

27.3

44

927.

8 18

00

604

373.

5025

BE

NGKU

LU

19.1

8889

18

.3

23

17.0

9 2.

1787

06

849.

7 78

0 13

50

516

269.

5583

LA

MPU

NG

18.5

3444

18

.94

22.7

7 14

.21

3.24

5848

83

4.94

44

767.

5 13

99

505

295.

262

BABE

L 7.

1666

67

6.51

10

.91

4.97

2.

1019

22

1009

.111

91

0 16

40

640

299.

1285

KE

PRI

8.35

7778

8.

05

12.1

6 6.

35

1.91

5266

10

26.1

22

925

1665

76

0 29

8.12

64

DKI

3.98

3.

75

4.61

3.

48

0.42

3881

13

61.7

78

1118

24

41.3

81

6.1

590.

4916

JA

BAR

11.5

3444

11

.27

14.4

9 9.

18

1.84

8703

72

8.64

44

671.

5 10

82.5

44

7.7

239.

5295

JA

TENG

17

.25

16.5

6 22

.19

13.5

8 2.

8802

47

651.

8889

66

0 91

0 45

0 15

1.79

22

DIY

16.9

1444

16

.83

19.1

5 14

.55

1.65

7303

73

2 74

5.7

988.

5 46

0 19

8.16

55

JATI

M

16.0

1778

15

.26

21.0

9 12

.28

3.23

0324

65

0.52

78

630

1000

39

0 19

9.62

9 BA

NTEN

7.

2644

44

7.16

9.

79

5.51

1.

5179

93

952.

2222

95

5.3

1325

66

1.6

217.

9871

BA

LI 5.

28

4.88

7.

08

4.18

1.

0786

57

887.

2333

82

9.3

1542

.6

510

315.

493

NTB

21.4

4 21

.55

27.1

7 17

.05

3.54

451

868.

1444

89

0.8

1210

55

0 22

8.58

47

NTT

23.4

2111

23

.03

29.3

4 19

.6

3.40

7053

80

6.66

67

800

1150

55

0 19

8.41

56

KALB

AR

10.1

2444

9.

02

15.2

4 8.

07

2.47

495

811.

7222

74

1 13

80

512

271.

5337

KA

LTEN

G 7.

5833

33

6.77

11

6.

07

1.71

2849

10

62.4

89

986.

5 17

23.9

63

4.3

384.

046

KALS

EL

5.78

4444

5.

21

8.32

4.

76

1.22

2427

10

62.7

11

1024

.5

1620

62

9 32

1.08

61

KALT

IM

8.16

5556

7.

66

11.4

1 6.

31

1.99

46

1124

.656

10

02

1886

.3

684

424.

3154

SU

LUT

9.48

8889

9.

1 11

.54

8.18

1.

3091

55

1108

.667

99

0 19

00

713.

5 39

4.47

77

SULT

ENG

18.1

1222

18

.07

23.6

3 13

.61

3.60

4358

81

2.77

78

777.

5 12

50

575

210.

8593

SU

LSEL

11

.798

89

11.6

14

.57

9.54

1.

8746

63

1052

.3

1000

18

00

612

386.

1169

SU

LTRA

17

.22

17.0

5 23

.37

12.7

7 3.

7812

37

892.

3222

86

0 14

00

573.

4 26

2.52

51

GORO

NTAL

O 22

.338

89

23.1

9 29

.13

17.3

3 4.

5639

33

796.

8889

71

0 13

25

527

277.

225

SULB

AR

15.1

9778

13

.89

20.7

4 12

.05

3.05

4402

95

7.28

89

944.

2 14

00

612

250.

3424

M

ALUK

U 25

.81

27.7

4 33

.03

18.4

4 5.

3170

32

898.

8889

84

0 14

15

575

284.

2839

M

ALUK

U UT

ARA

9.82

8889

9.

42

12.7

3 7.

41

1.88

6322

88

8.46

67

847

1440

.7

528

283.

0604

PA

PUA

BARA

T 33

.32

34.8

8 41

.34

26.2

6 5.

3361

57

1306

.111

12

10

1870

82

2.5

339.

4609

PA

PUA

35.1

2444

36

.8

41.5

2 27

.8

4.71

6323

13

30.6

11

1316

.5

1900

82

2.5

344.

1719

245



Lam

pira

n 1

(lanj

utan

)

Prov

insi

Peng

angg

uran

GD

RP p

erka

pita

An

gka

Part

isipa

si Ka

sar

Mea

n M

edia

n M

axim

um

Min

imum

St

d. D

ev.

Mea

n M

edia

n M

axim

um

Min

imum

St

d. D

ev.

Mea

n M

edia

n M

axim

um

Min

imum

St

d. D

ev.

ACEH

17

4541

.7

1714

24

2074

05

1466

70

1718

5.55

13

043.

26

8574

23

277.

74

7319

76

30.3

96

79.0

0333

79

.29

82.8

4 73

.7

3.14

0597

SUM

UT

4990

06.1

49

3052

63

2049

39

3989

82

088.

84

1543

9.95

91

12

3048

2.59

74

93

1042

1.21

75

.083

33

73.3

6 82

.96

68.7

8 5.

0760

66

SUM

BAR

1776

54.9

17

1134

24

3525

14

8524

32

244.

4 13

305.

65

7988

25

963.

24

6716

86

89.6

55

72.2

6444

71

.04

80.4

6 67

.69

3.61

1631

RIAU

17

0782

.8

1835

22

2072

47

1096

50

3568

1.03

35

767.

39

1756

3 72

396.

34

1721

3 27

432.

13

69.7

1333

69

.42

76.3

3 63

.18

3.63

6657

JAM

BI

6689

9.67

69

760

8327

8 39

265

1449

0.29

14

943.

27

5622

36

088.

83

4766

14

474.

14

63.0

1111

63

.21

73.6

3 51

.51

6.11

1983

SUM

SEL

2448

51.9

24

3851

31

4814

15

4467

55

081.

17

1533

2.89

85

35

3062

7.55

75

20

1074

1.41

61

.923

33

61.2

7 72

.51

53.1

6 6.

5166

21

BEN

GKU

LU

3619

5.67

39

285

4899

3 15

701

9451

.524

93

47.5

67

4843

19

631.

4 41

08

7178

.379

67

.783

33

67.4

2 79

.49

60.7

2 5.

6829

26

LAM

PUN

G

2365

87.7

22

9604

30

7689

19

2743

36

129.

85

1074

1.6

5029

23

648.

76

4254

90

14.7

58

59.3

4778

60

.62

68.4

9 51

.55

5.46

9972

BABE

L 28

613.

89

3142

1 42

210

1714

2 82

15.6

52

1646

2.89

88

48

3286

8.7

8341

11

695.

19

60.4

4 59

.69

75.5

1 50

.27

7.63

1147

KEPR

I 52

441.

22

5307

7 71

914

4289

9 88

92.3

17

4060

4.24

24

265

7675

3.11

23

247

2493

3.48

76

.108

89

79.6

3 81

.36

67.5

2 5.

7532

41

DKI

5380

69.4

55

2380

59

9515

44

0704

52

113.

65

6913

2.39

41

038

1364

07.6

34

380

4594

8.39

70

.01

68.9

5 75

.34

63.1

4 4.

1292

95

JABA

R 20

8449

8 19

5139

1 25

6152

5 18

4359

1 25

9933

.1

1274

3.37

74

54

2496

1.05

64

30

8494

.357

55

.766

67

51.7

5 68

.55

48.7

3 7.

1979

56

JATE

NG

11

6094

7 12

0334

2 13

6021

9 96

5444

15

3009

.8

1087

1.13

57

64

2285

8.32

47

13

8285

.222

62

.361

11

61.6

1 73

.55

54.5

4 5.

6952

09

DIY

9310

2 10

7148

12

1046

43

984

2720

5.4

1085

6.33

60

69

2187

3.72

52

77

7649

.943

82

.143

33

79.2

9 94

.62

72.5

7 7.

0814

72

JATI

M

1076

716

1033

512

1575

299

8286

15

2750

59.7

16

028.

62

9112

32

703.

8 74

43

1135

2.01

65

.075

56

64.1

7 72

.24

58.1

4 3.

8611

17

BAN

TEN

62

9949

65

2462

75

4617

49

4170

93

638.

36

1460

6.09

82

85

2996

1.85

64

09

1076

4.96

59

.99

58.3

5 72

.94

50.1

6 7.

5188

01

BALI

65

707.

56

6647

0 12

0188

33

028

2519

3.93

14

004.

35

7392

29

666.

48

6187

10

655.

44

79.3

7333

82

.18

86.8

3 67

.33

6.52

6923

NTB

12

8245

.1

1237

60

1862

59

1093

52

2345

9.15

76

19.5

22

4263

15

351.

54

3625

54

07.2

6 63

.764

44

62.8

9 76

.68

54.8

7 6.

8277

95

NTT

71

463.

33

7115

2 89

395

4690

4 11

862.

38

5176

.62

2666

10

742.

42

2396

39

15.9

07

56.9

5 57

.92

71.8

6 44

.65

8.24

9618

KALB

AR

1104

40.8

10

4088

18

2198

59

884

3544

3.62

11

628.

53

6875

22

707.

79

5831

77

34.1

66

54.3

9444

53

.37

65.7

2 43

.76

6.03

7415

KALT

ENG

44

857.

11

4415

3 67

631

3378

5 10

711.

47

1500

2.06

84

68

3022

0.97

72

04

1054

7.49

56

.782

22

57.6

1 67

.74

50.8

4 5.

4609

38

KALS

EL

1077

42.8

11

0081

14

4765

69

537

2370

1.14

14

138.

66

8421

27

230.

8 72

70

9218

.397

56

.162

22

55.7

5 71

.36

44.5

8 9.

1958

63

KALT

IM

1639

14.2

15

9374

19

6387

13

8465

16

783.

42

6405

5.45

31

435

1328

14

3060

7 49

502.

03

76.7

7222

75

.35

85.9

7 71

.26

5.40

6375

SULU

T 10

3925

.4

1071

84

1418

66

7031

5 22

415.

91

1373

5.28

80

68

2780

4.68

62

35

9596

.541

74

.166

67

71.6

7 83

.48

67.5

3 5.

1368

18

SULT

ENG

71

130.

67

6528

2 11

9058

41

716

2559

0.14

12

115.

32

6661

25

316.

32

5179

90

86.9

32

65.5

6333

60

.32

83.3

5 53

.34

10.4

3354

SULS

EL

2896

14.9

29

8952

40

0688

18

1634

73

357.

05

1260

3.66

63

52

2776

0.85

50

55

1018

1.06

65

.613

33

66.6

8 78

.51

54.7

3 9.

2269

65

SULT

RA

5134

7.44

47

319

8944

1 24

170

1752

1.38

12

124.

46

5194

27

898.

88

4192

10

981.

75

69.2

1333

71

.3

82.2

2 57

.58

7.30

4509

GORO

NTA

LO

2425

2.33

24

258

3217

8 12

704

5874

.858

76

13.9

11

2792

18

627.

37

2281

75

37.9

41

60.2

5556

61

.13

76.9

5 46

.48

8.53

9681

SULB

AR

1893

8.22

18

627

2782

0 95

96

6307

.115

85

25.1

68

4073

19

211.

14

3174

72

31.1

89

57.0

8111

52

.17

76.3

44

.41

12.0

8052

MAL

UKU

63

051.

22

6490

9 75

033

4800

3 88

82.2

73

6321

.137

27

57

1423

0.08

24

97

5500

.479

83

.08

85.4

4 89

.87

70.0

5 6.

0442

04

MAL

UKU

UTA

RA

2531

6.56

26

397

2883

7 17

987

3499

.424

72

60.9

8 29

10

1687

2.31

25

00

6787

.048

76

.452

22

74.9

6 85

.45

67.8

6.

7947

27

PAPU

A BA

RAT

2382

2.56

26

189

3177

0 15

073

5535

.901

26

122.

45

1223

3 59

156.

84

8400

23

474.

04

66.4

0111

67

.37

83.1

2 52

.21

9.29

9006

PAPU

A 54

740.

33

5273

5 76

632

4600

8 92

28.6

89

1781

4.31

79

31

3889

1.99

72

75

1505

0.99

51

.298

89

52.5

7 61

.53

44.2

3 5.

0714

11

246


Grafik 5.1Rata-rataPersentase Penduduk Miskin Berdasarkan Provinsi 2006-2014Ra

ta-r

ata

Pers

enta

se P

endu

duk

Mis

kin

ACE

H

SUM

UT

SUM

BAR

RIA

U

JAM

BI

SUM

SEL

BEN

GKU

LU

LAM

PUN

G

BABE

L KE

PRI

DKI

JA

BAR

JATE

NG

D

IY

JATI

M

BAN

TEN

BA

LI

NTB

N

TTKA

LBA

R KA

LTEN

G

KALS

EL

KALT

IM

SULU

T SU

LTEN

G

SULS

EL

SULT

RA

GO

RON

TALO

SU

LBA

R M

ALU

KU

MA

LUKU

UTA

RA

PAPU

A B

ARA

T PA

PUA

40

35

30

25

20

15

10

5

0

35.12444

3.98

Provinsi

Grafik 5.2 Rata-rata Upah Minimum Berdasarkan Provinsi 2006-2014

Upa

h M

inim

um (

ribu

Rup

iah)

ACE

H

SUM

UT

SUM

BAR

RIA

UJA

MBI

SU

MSE

L BE

NG

KULU

LA

MPU

NG

BA

BEL

KEPR

I D

KI

JABA

R JA

TEN

G

DIY

JA

TIM

BA

NTE

N

BALI

N

TB

NTT

KA

LBA

R KA

LTEN

G

KALS

EL

KALT

IM

SULU

T SU

LTEN

G

SULS

EL

SULT

RA

GO

RON

TALO

SU

LBA

R M

ALU

KU

MA

LUKU

UTA

RA

PAPU

A B

ARA

T PA

PUA

1600

1400

1200

1000

800

600

400

200

0

1361.778 1330.611

650.5278

Provinsi

247



Lampiran 3 Hasil Estimasi Model Pooled Least Square

Sample: 2006 2014Included observations: 9Cross-sections included: 33Total pool (balanced) observations: 297

Variable Coefficient Std. Error t-Statistic Prob.LOG(UMP?) 10.33363 1.029347 10.03902 0.0000

LOG(PENGANGGURAN?) 0.102687 0.294766 0.348367 0.7278LOG(PDRB_PERKAP?) -5.401106 0.669947 -8.061985 0.0000

APK? -0.100466 0.045005 -2.232318 0.0263R-squared 0.178424 Mean dependent var 14.66077Adjusted R-squared 0.170012 S.D. dependent var 8.061202S.E. of regression 7.344050 Akaike info criterion 6.839035Sum squared resid 15802.98 Schwarz

criterion6.888782

Log likelihood -1011.597 Hannan-Quinn criter. 6.858950Durbin-Watson stat 0.140769

Lampiran 4 Hasil Estimasi Model Fixed Effect

Dependent Variable: P0?

Method: Pooled Least SquaresSample: 2006 2014

Included observations: 9

Cross-sections included: 33

Total pool (balanced) observations: 297

Variable Coefficient Std. Error t-Statistic Prob.

C 72.64832 10.69729 6.791285 0.0000

LOG(UMP?) -5.823107 0.766458 -7.597424 0.0000LOG(PENGANGGURAN?) -0.783808 0.712232 -1.100495 0.2721

LOG(PDRB_PERKAP?) -0.502652 0.274354 -1.832126 0.0681APK? -0.067690 0.027415 -2.469059 0.0142

Fixed Effects (Cross)

_ACEH--C 9.849628

_SUMUT--C -0.448766

_SUMBAR--C -4.161006

_RIAU--C -3.637457

_JAMBI--C -6.269001

_SUMSEL--C 2.210160

_BKL--C 2.830084

_LMP--C 2.979557

_BABEL--C -8.530418

248


_KEPRI--C -5.183629

_DKI--C -6.489629

_JABAR--C -3.182129

_JATENG--C 1.906994

_DIY--C 1.525831

_JATIM--C 0.879045

_BANTEN--C -6.358071

_BALI--C -9.443849

_NTB--C 5.911953

_NTT--C 6.375143

_KALBAR--C -6.412334

_KALTENG--C -7.863914

_KALSEL--C -8.942079

_KALTIM--C -3.861994

_SULUT--C -3.881271

_SULTENG--C 2.082555

_SULSEL--C -1.777989

_SULTRA--C 1.612269

_GRT--C 4.555179

_SULBAR--C -1.724135

_MLK--C 11.03922

_MLKUT--C -6.139795

_PABAR--C 19.58053

_PAPUA--C 20.96932

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.962341 Mean dependent var 14.66077

Adjusted R-squared 0.957127 S.D. dependent var 8.061202S.E. of regression 1.669140 Akaike info criterion 3.978602Sum squared resid 724.3676 Schwarz criterion 4.438764Log likelihood -553.8224 Hannan-Quinn criter. 4.162821F-statistic 184.5577 Durbin-Watson stat 0.492058Prob(F-statistic) 0.000000

249



Lampiran 5 Hasil Estimasi Model Random Effect


Method: Pooled EGLS (Cross-section random effects)Sample: 2006 2014



Total pool (balanced) observations: 297Swamy and Arora estimator of component variances


C 76.65058 9.132463 8.393199 0.0000

LOG(UMP?) -5.705895 0.759811 -7.509619 0.0000LOG(PENGANGGURAN?) -1.093356 0.588651 -1.857393 0.0643


Random Effects (Cross)

_ACEH--C 9.961477

_SUMUT--C 0.053172

_SUMBAR--C -3.980268

_RIAU--C -3.416740

_JAMBI--C -6.438984

_SUMSEL--C 2.395538

_BKL--C 2.429396

_LMP--C 3.124735

_BABEL--C -8.949686

_KEPRI--C -5.255218

_DKI--C -5.857314

_JABAR--C -2.311916

_JATENG--C 2.598153

_DIY--C 1.541446

_JATIM--C 1.601489

_BANTEN--C -5.839215

_BALI--C -9.494312

_NTB--C 5.849240

_NTT--C 6.060956

_KALBAR--C -6.467799

_KALTENG--C -8.177320

_KALSEL--C -8.987425

_KALTIM--C -3.561903

_SULUT--C -3.866848

250


_SULTENG--C 1.903057

_SULSEL--C -1.521694

_SULTRA--C 1.338201

_GRT--C 3.953089

_SULBAR--C -2.394303

_MLK--C 10.81705

_MLKUT--C -6.572998

_PABAR--C 18.97323

_PAPUA--C 20.49372


S.D. Rho

Cross-section random 7.206047 0.9491

Idiosyncratic random 1.669140 0.0509

Weighted Statistics


Adjusted R-squared 0.631154 S.D. dependent var 2.756647S.E. of regression 1.674187 Sum squared resid 818.4472F-statistic 127.6256 Durbin-Watson stat 0.444058Prob(F-statistic) 0.000000

Unweighted Statistics


Sum squared resid 16483.55 Durbin-Watson stat 0.022049

Lampiran 6 Hasil Chow Test

Redundant Fixed Effects Tests Pool: UntitledTest cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 159.893337 (32,260) 0.0000

Cross-section Chi-square 899.650835 32 0.0000

Cross-section fixed effects test equation: Dependent Variable: P0?Method: Panel Least Squares

Sample: 2006 2014




251




C 46.84925 11.69193 4.006972 0.0001

LOG(UMP?) 3.364173 2.008246 1.675180 0.0950LOG(PENGANGGURAN?) -0.900231 0.381166 -2.361784 0.0188



Adjusted R-squared 0.210577 S.D. dependent var 8.061202S.E. of regression 7.162337 Akaike info criterion 6.792241Sum squared resid 14979.33 Schwarz criterion 6.854425

Log likelihood -1003.648 Hannan-Quinn criter. 6.817136F-statistic 20.73934 Durbin-Watson stat 0.082581Prob(F-statistic) 0.000000

Lampiran 7 Hasil Hausman TestCorrelated Random Effects - Hausman TestPool: Untitled

Test cross-section random effects

Test Summary

Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 5.768335 4 0.2171

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

LOG(UMP?) -5.823107 -5.705895 0.010145 0.2445

LOG(PENGANGGURAN?) -0.783808 -1.093356 0.160765 0.4401LOG(PDRB_PERKAP?) -0.502652 -0.587206 0.002593 0.0968

APK? -0.067690 -0.073779 0.000055 0.4099

Cross-section random effects test equation:


Method: Panel Least Squar s

Date: 06/02/16 Time: 03:0 2

Sample: 2006 2014




252



C 72.64832 10.69729 6.791285 0.0000

LOG(UMP?) -5.823107 0.766458 -7.597424 0.0000

LOG(PENGANGGURAN?) -0.783808 0.712232 -1.100495 0.2721LOG(PDRB_PERKAP?) -0.502652 0.274354 -1.832126 0.0681

APK? -0.067690 0.027415 -2.469059 0.0142


Cross-section fixed (dummy variables)


Adjusted R-squared 0.957127 S.D. dependent var 8.061202S.E. of regression 1.669140 Akaike info criterion 3.978602Sum squared resid 724.3676 Schwarz

criterion4.438764

Log likelihood -553.8224 Hannan-Quinn criter. 4.162821F-statistic 184.5577 Durbin-Watson stat 0.492058Prob(F-statistic) 0.000000

DAMPAK UPAH MINIMUM TERHADAP KEMISKINAN DI …

Documents

Transcript of DAMPAK UPAH MINIMUM TERHADAP KEMISKINAN DI …