Laporan Penelitian Pemodelan.docx

LAPORAN PENELITIAN “Analisis Regresi Pengaruh Tingkat Pengangguran dan Indeks Pembangunan Manusia Terhadap Jumlah Kemiskinan di Jawa Tengah Menurut Kabupaten Jawa Tengah Di Tahun 2016 ” Dibuat untuk Memenuhi Tugas Matakuliah Pemodelan dan Simulasi yang Diampu oleh Dosen Dwi Anggono

Dibuat Oleh: GE VANIA HARIANTO PT

672015161

HENRI ANDROS

672015162

FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS KRISTEN SATYA WACANA 2016-2017

BAB I PENDAHULUAN A. Latar Belakang Kemiskinan merupakan salah satu persoalan yang cukup rumit dan tergolong masih sulit untuk dipecahkan hampir di setiap daerah di Indonesia. Hingga saat ini pemerintah pun masih mengkaji mengenai faktor-faktor apa saja yang mungkin dapat menyebabkan kemiskinan. Jawa Tengah merupakan salah satu provinsi yang tingkat kemiskinannya masih cukup tinggi sehingga perlu dianalisis apa saja faktor yang mendasarinya dan seberapa besar faktor faktor tersebut berpengaruh terhadap tingkat kemiskinan Seseorang dapat dikategorikan sebagai pengangguran jika orang tersebut telah memasuki usia angkatan kerja ( antara 15-64 tahun) namun belum bekerja atau masih mencari pekerjaan. Sedangkan kemiskinan adalah keadaan dimana terjadi ketidakmampuan untuk memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan dan kesehatan. Hubungan pengangguran merupakan penyebab terbesar terjadinya kemiskinan(NAPS. 1999) Kemiskinan dan pengangguran memiliki hubungan yang sangat kuat. Namun terdapat juga faktor lain yang dapat mempengaruhi kemiskinan yaitu Indeks Pembangunan Manusia. Terdapat hubungan yang signifikan antara Indeks Pembangunan Manusia dengan Kemiskinan. Pengangguran dan kemiskinan sangat berhubungan erat karena jika semakin banyak orang atau masyarakat yang menganggur (tidak memiliki penghasilan ataupun pekerjaan) maka semakin banyak juga orang atau masyarakat yang secara tingkat perekonomian nya menuju ke kemiskinan. Sukirno (2004), menyatakan bahwa efek buruk dari pengangguran adalah berkurangnya tingkat pendapatan masyarakat yang pada akhirnya mengurangi tingkat kemakmuran/kesejahteraan. Kesejahteraan masyarakat yang turun karena menganggur akan meningkatkan peluang mereka terjebak dalam kemiskinan karena tidak memiliki pendapatan. Apabila pengangguran di suatu negara sangat buruk, maka akan timbul kekacauan politik dan sosial dan mempunyai efek yang buruk pada kesejahteraan masyarakat serta prospek pembangunan ekonomi dalam jangka panjang. Suparno (2010) menemukan bahwa banyaknya pengangguran akan berdampak pada peningkatan kemiskinan di Indonesia.

B. Rumusan Masalah 1. Berapa besar korelasi atau hubungan antara tingkat pengangguran terhadap kemiskinan ? 2. Apa pengaruh yang ditimbulkan antara pengangguran dan indeks pembangunan manusia terhadap kemiskinan? 3. Berapa besar hubungan Indeks Pembangunan Manusia terhadap kemiskinan ? 4. Bagaimana menganalisis pengangguran dan Indeks Pembangunan Manusia dengan menggunakan Software R ?

5. Bagaimana menganalisis pengangguran dan Indeks Pembangunan Manusia dengan menggunakan metode Regresi Linier berganda?

C. Tujuan Penelitian Adapun tujuan dari penelitian ini yaitu untuk memahami dan menemukan hubungan antara faktor pengangguran dan Indeks Pembangunan manusia terhadap kemiskinan di Kabupaten Jawa Tengah tahun 2016 bdengan memperhatikan beberapa aspek – aspek yang ada .

BAB II METODOLOGI A. Pemilihan subjek  

Metode : Regresi Linier berganda Data Sample : Indeks Pembangunan Manusia, Jumlah pengangguran dan jumlah Kemiskinan di Kabupaten Jawa Tengah 2016 dalam persentase.

B. Desain dan Pendekatan penelitian Pendekatan penelitian dalam bentuk data kuantitatif atau angka. Data awal yang diperoleh yaitu dalam jumlah, setelah itu dikonversi kedalam bentuk persentase sehingga lebih mudha untuk dilakukan analisis

C. Pengumpulan Data Data yang diperoleh merupakan data sekunder, yang diambil dari website Badan Pusat Statistik Jawa Tengah yaitu https://jateng.bps.go.id/

BAB III PELAKSANAAN PENELITIAN A. Pengumpulan dan Penyajian Data Pengumpulan data dilakukan dengan mengambil data dari 3 tabel yang berbeda (tabel Indeks Pembangunan Manusia, tabel Jumlah pengangguran, dan Tabel jumlah Kemiskinan) . Pengumpulan data dilakukan dengan mengambil jumlah data awal setelah itu mengubah data tersebut menjadi bentuk persen sehingga dapat lebih mudah untuk dianalisis.

B. Analisis Data Metode analisis yang dilakukan yaitu menggunakan metode analisis regresi linier berganda. Analisis linier berganda yaitu analisis yang biasanya digunakan untuk menganalisa suatu hubungan antara beberapa variabel bebas atau lebih dari satu variabel yang memungkinan dapat mempengaruhi variabel dependen .

C. Hasil Analisis Hasil analisis disajikan berdasarkan data yang telah dianalisis pada bagian analisa data yaitu menggunakan metode regresi linier berganda dan ditampilkan dalam suatu grafik sehingga dapat diperoleh kesimpulan dan solusi dari grafik yang ada

BAB IV PEMBAHASAN PENELITIAN Berikut merupakan data-data yang telah diperoleh yaitu IPM (Indeks Pembangunan Mahasiswa), Jumlah Pengangguran, dan Jumlah kemiskinan dalam persen tahun 2016

Kabupaten Cilacap Banyumas Purbalingga Banjarnegara Kebumen Purworejo Wonosobo Magelang Boyolali Klaten Sukoharjo Wonogiri Karanganyar Sragen Grobogan Blora Rembang Pati Kudus Jepara Demak Semarang Temanggung Kendal Batang Pekalongan Pemalang Tegal Brebes

Ipm 3,42 3,52 3,37 3,27 3,36 3,53 3,3 3,39 3,6 3,69 3,75 3,4 3,74 3,56 3,42 3,32 3,42 3,44 3,64 3,51 3,5 3,61 3,37 3,5 3,31 3,38 3,2 3,29 3,19

jumlah pengangguran 8,05 6,09 2,82 3,19 3,3 1,94 2,48 4,39 1,44 1,99 2,62 2,07 2,17 2,84 4,87 2,81 1,87 3,7 2,94 2,43 4,42 1,92 0,83 4,28 2,23 2,71 5 7,74 6,88

jumlah kemiskinan 5,62 6,64 4,02 3,7 5,52 2,32 3,75 3,72 2,74 3,93 1,85 2,92 2,52 2,97 4,31 2,67 2,7 3,37 1,5 2,35 3,72 1,89 2,04 2,52 1,93 2,65 5,31 2,67 8,14

a. Contoh sampel Sampel dilakukan untuk menunjukan proses-proses secara detil untuk menganalisis dengan metode regresi linier berganda Sampel diambil dai 5 data kabupaten di jateng yg meliputi ipm(X1) , jumlah pengangguran(X2), jumlah kemiskinan(Y)

Rumus : Y = a + b1 X1 + b2 X2 Y = variabel terikat a = konstanta b1, b2 = variabel bebas X1, X2 = koefisien regresi

Tabel Data Kasus Kabupaten Cilacap Banyumas Purbalingga Banjarnegara Kebumen

Ipm (X1) 3,42 3,52 3,37 3,27 3,36

jumlah pengangguran(X2) 8,05 6,09 2,82 3,19 3,3

jumlah kemiskinan(Y) 5,62 6,64 4,02 3,7 5,52

Tabel perhitungan persamaan linier Kabupaten Cilacap Banyumas Purbalingga Banjarnegara Kebumen Σ

X1 3,42 3,52 3,37 3,27 3,36 16,94

X2 8,05 6,09 2,82 3,19 3,3 23,45

Y 5,62 6,64 4,02 3,7 5,52 25,5

X1Y 19,22 23,37 13,55 12,10 18,55 86,79

X 2Y 45,24 40,44 11,34 11,80 18,22 127,03

X1 X2 27,53 21,44 9,50 10,43 11,09 79,99

X12 11,70 12,39 11,36 10,69 11,29 57,43

X22 64,80 37,09 7,95 10,18 10,89 130,91

Y2 31,58 44,09 16,16 13,69 30,47 135,99

Dari contoh tabel persamaan linier diatas terdapat 3 variabel yang digunakan, yaitu X1, X2, dan Y. Masing-masing mempunyai nilai yang berbeda dan dibagi menjadi 2 jenis yaitu variabel yang berpengaruh dan terpengaruh. Variabel berpengaruh (contohnya IPM, jumlah pengangguran) artinya variabel yang mempengaruhi variabel lain dan disebut juga variabel independen. Sedangkan variabel terpengaruh (contohnya jumlah kemiskinan) artinya variabel yang dipengaruhi oleh variabel independen atau disebut juga variabel dependen. Setelah menentukan jenis variabel kemudian di cari nilai bobot untuk a, b1, dan b2, sehingga didapat persamaan dari fungsi Regresi Linier : Pertama yang akan dicari untuk menghasilkan persamaan regresi adalah a, b1, dan b2 dengan diketahui rumus : Persamaan 1 :

∑ 𝑦 = 𝑎𝑛 + 𝑏1 ∑ 𝑥1 + 𝑏2 ∑ 𝑥2 25,5 = a 5 + b1 16,94 + b2 23,45 …persamaan(1) Persamaan 2 : ∑ 𝑥1𝑦 = 𝑎 ∑ 𝑥1 + 𝑏1 ∑ 𝑥12 + 𝑏2 ∑ 𝑥1𝑥2 86,79 = a 16,94 + b1 57,43 + b2 79,99 … persamaan (2) Persamaan 3 : ∑ 𝑥2𝑦 = 𝑎 ∑ 𝑥2 + 𝑏1 ∑ 𝑥1𝑥2 + 𝑏2 ∑ 𝑥2 2 127,03 = a 23,45 + b1 79,99 + b2 130,91 … persamaan (3)

Selanjutnya tahap perhitungan eliminasi 

Persamaan 1 dan persamaan 2 (agar a menjadi 0, maka persamaan 1 dikalikan 16,94 sedangkan persamaan 2 dikalikan 5) 25,5 = a 5 + b1 16,94 + b2 23,45 86,79 = a 16,94 + b1 57,43 + b2 79,99 Jadi 431,97 = 84,7 + 286,96 + 397,24 433,95 = 84,7 + 287,15 + 399,95 ---------------------------------------------- -1,98 = 0 -0,19 -2,71 … persamaan (4)



Persamaan 1 dan persamaan 3 (agar a menjadi 0, maka persamaan 1 dikalikan 23,45 sedangkan persamaan 3 dikalikan 5) 25,5 = a 5 + b1 16,94 + b2 23,45 127,03 = a 23,45 + b1 79,99 + b2 130,91 Jadi 597,98 = 117,25 + 397,24 + 549,90 645,15 = 117,25 + 399,95 + 654,55 ----------------------------------------------- -47,17 = 0 -2,71 -104,65 … persamaan (5)



dikali 16,94 dikali 5

dikali 23,45 dikali 5

Untuk mendapatkan nilai b2 maka persamaan (4) dikalikan 2,71, persamaan (5) dikalikan 0,19 -1,98 = 0 -0,19 -2,71 -47,17 = 0 -2,71 -104,65 Jadi -5,36 = -0,51 - 7,34

dikali 2,71 dikali 0,19

-8,96 = -0,51 - 19,88 ----------------------------------------- 3.6 = 12,54 b2 = 3,6 / 12,54 b2 = 0,28 

Untuk mendapatkan nilai b1 maka nilai b2 dimasukkan dalam persamaan (4) -1,98 = 0 - b1 0,19 – (2,71 x b2) -1,98 = 0 - b1 0,19 – (2,71 x 0,28) -1,98 = 0 - b1 0,19 – 0.75 -1,23 = -b1 0,19 b1 = -1,23 / -0,19 b1 = 6.47



Diperoleh nilai koefisien a dengan persamaan(1) 25,5 = a 5 + b1 16,94 + b2 23,45 25,5 = a 5 + (6.47 x 16,94) + (0.28 x23,45) 25,5 = a 5 + 109.60 + 6,56 25,5 = a 5 + 116.16 a 5 = -90,66 a = -90,66/5 a = -18.13



Maka nilai a = -18,13 B1 = 6.47 B2 = 0,28



Maka akan diperoleh persamaan regresi linier ganda Y = -18.13 + 6.47 X1 + 0,28 X2

Model matematika yang diambil beberapa saja (dalam kasus ini mengambil 5 data) untuk tujuan sample mungkin bisa berbeda ketika dilakukan analisis secara keseluruhan. Namun dari contoh sample yang sudah dilakukan terlihat model matematika nya yaitu Y = -18.13 + 6.47 X1 + 0,28 X2

B. Pembahasan menggunakan bahasa R Menguji semua data kabupaten dengan bahasa R dengan metode regresi linier berganda Analisis ini dimaksudkan untuk mengetahui adanya pengaruh antara variabel X1 (ipm), X2 (jumlah pengangguran) dan variabel Y (jumlah kemiskinan). Secara umum, data hasil pengamatan Y dipengaruhi oleh variabel bebas X1, dan X2, sehingga rumus dari regresi linier berganda adalah :

𝑌 = 𝑎 + 𝑏𝑥1 + 𝑐𝑥2 Dengan menggunakan program R, maka akan diperoleh koefisien-koefisiennya, korelasi, dan sebagainya Langkah-langkahnya yaitu melakukan pengumpulan data-data yang akan dianalisis dan memasukkan data-data tersebut kedalam excel dengan format .csv. Setelah itu dengan menggunakan bahasa R terlebih dahulu lakukan pemanggilan pada library yang akan dibutuhkan nantinya untuk menampilkan grafik yaitu library ggplot2 sehingga data akan lebih mudah dianalisis. Setelah itu membaca file .csv tadi dan memasukan kedalam suatu lokasi penyimpanan yang kita namakan prediksi, berikut code dari bahasa R nya:

1. Melakukan uji korelasi dari setiap variabel yang ada  Korelasi antara indeks pembangunan manusia dengan jumlah pengangguran

Dan hasilnya yaitu sebagai berikut :



Korelasi antara indeks pembangunan manusia dengan jumlah kemiskinan:

Dan hasilnya yaitu sebagai berikut :



Korelasi antara jumlah pengangguran dengan jumlah kemiskinan

Dapat disimpulkan bahwa korelasi antara ipm dan jumlah kemiskinan yaitu sebesar 0.4367276 yang berarti keterkaitannya masih sedang, sedangkan berdasarkan korelasi antara pengangguran dengna kemiskinan yaitu sebesar 0,6542832 yang berarti korelasi kuat. Adapun korelasi antara ipm dengan jumlah pengangguran yaitu 0,3752208 yang berarti keterkaitan antara faktor-faktor nya yaitu rendah, sehingga sangat dimungkinankan untuk dilakukan penelitian selanjutnya. Pedoman untuk memberikan interpretasi koefisien korelasi menurut Sugiyono(2008:183) sebagai berikut:

2. Menampilkan gambar grafik dari setiap data variabel yang ada:  Grafik pengaruh jumlah pengangguran terhadap jumlah kemiskinan

Kesimpulan: ketika jumlah pengangguran bertambah naik, tingkat kemiskinan nya pun akan bertambah naik, dapat dilihat dari garis dominan yang mewakili persebaran data di grafik diatas  Grafik pengaruh jumlah indeks pembangunan manusia terhadap jumlah kemiskinan

Kesimpulan: ketika Indeks Pembangunan manusia naik, jumlah kemiskinannya pun akan turun. Berbanding terbalik dengan variabel pengangguran . Hasil tersebut juga dapat terlihat digrafik atas yang memiliki garis dominan untuk mewakili suatu persebaran data 

Grafik pengaruh jumlah indeks pembangunan manusia terhadap jumlah pengangguran

Kesimpulan: karena antara faktor-faktor sebab (indeks pembangunan manusia dan jumlah pengangguran) memiliki korelasi yang rendah, sehingga penelitian untuk menentukan hubungan antara faktor-faktor sebab terhadap faktor akibat (jumlah kemiskinan) memungkinan untuk dilaksanakan. 3. Melihat Koefisien dari variabel-variabel independen ( indeks pembangunan manusia dan jumlah pengangguran) terhadap variabel dependen (jumlah kemiskinan)

Dari hasil penghitungan koefisien diatas, kita dapat melihat nilai estimate dari ipm yaitu 2.2954 , maksudnya yaitu ketika ipm bertambah, maka akan berpengaruh terhadap jumlah kemiskinan, yaitu akan berkurang sebanyak -2.2954 . Sedangkan ketika jumlah pengangguran meningkat, maka jumlah kemiskinan juga akan meningkat sebanyak 0.4787. Sehingga dari keseluruhan data yang ada dapat disimpulkan model matematikanya atau persamaan regresinya adalah Y = 9.7122 – 2.2954 X1 + 0.4787 X2 Dengan catatan awal: Y = jumlah kemiskinan X1= jumlah indeks pembangunan manusia X2 = jumlah pengangguran

BAB V PENUTUP A. Kesimpulan dan Solusi Dari analisis yang telah kita lakukan, dapat disimpulkan secara garis besarnya yaitu antara jumlah indeks pembangunan manusia dan jumlah pengangguran akan berpengaruh terhadap jumlah kemiskinan. Semakin tinggi tingkat pengangguran semakin tinggi juga tingkat kemiskinan. Sedangkan Semakin tinggi indeks pembangunan manusia, akan menyebabkan semakin rendahnya jumlah kemiskinan. Sehingga untuk mengurangi kemiskinan di kabupaten jawa tengah, solusi yang dapat disimpulkan yaitu pemerintah dapat menerapkan peningkatan terhadap indeks pembangunan manusia dan juga mengurangi tingkat pengangguran

DAFTAR PUSTAKA Pratomo, D.S. dan Erna, Z.A. 2012. “Analisis Regresi dan Korelasi antara Pengunjung dan Pembeli terhadap Nominal pembelian di Indomaret Kedungmundu Semarang dengan Metode Kuadrat Terkecil”. Jurnal Penelitian Ilmiah Teknik Informatika, Universitas Dian Nuswantoro. Rusdarti. Sebayang, Lesta Karolina. 2013. “Faktor-Faktor Yang Mempengaruhi Tingkat Kemiskinan di Provinsi Jawa Tengah”. Jurnal Economia. Vol.9, No.1, April. Yacoub, Yarlina. 2012. "Pengaruh Tingkat Pengangguran terhadap Tingkat Kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat". Pontianak : Jurusan Ilmu Ekonomi Fakultas Ekonomi Universitas Tanjungpura. Vol.8, No.3, Oktober.