ANALISIS DATA PANEL ANOMALI PENYERAPAN TENAGA KERJA PERTANIAN DI INDONESIA NANIE KURNIADI

Transkripsi

1 ANALISIS DATA PANEL ANOMALI PENYERAPAN TENAGA KERJA PERTANIAN DI INDONESIA NANIE KURNIADI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Februari 2014 Nanie Kurniadi NIM G

4 ABSTRAK NANIE KURNIADI. Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia. Dibimbing oleh MOHAMMAD MASJKUR dan ITASIA DINA SULVIANTI. Berdasarkan hasil survei Badan Pusat Statistik, tenaga kerja pertanian di Indonesia mencapai angka tertinggi sebesar 35.09% pada tahun Namun, selama tahun 2008 sampai 2012, rataan penyerapan tenaga kerja pertanian pada kurun waktu tersebut mengalami penurunan sebesar 1.49% sedangkan Produk Domestik Bruto sektor pertanian meningkat sebesar 0.05%. Kejadian ini tidak sejalan dengan teori ekonomi yang menjelaskan bahwa peningkatan pertumbuhan ekonomi akan meningkatkan penyediaan lapangan kerja dan sebaliknya. Penelitian ini dilakukan untuk mengetahui provinsi yang tidak sejalan tersebut dan mengetahui peubah-peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian dengan menggunakan data tahun 2008 sampai 2012 pada 33 provinsi. Hasil penelitian menunjukkan bahwa 23 provinsi sejalan dan 10 provinsi lainnya tidak sejalan. Kesepuluh provinsi tersebut tersebar di pulau Sumatera, Jawa, Bali dan Sulawesi. Peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah. Kata kunci: data panel, PDRB, pertanian, plot kuadran, tenaga kerja. ABSTRACT NANIE KURNIADI. Analysis of Panel Data Anomaly Employment Absorption of Agriculture in Indonesia. Supervised by MOHAMMAD MASJKUR and ITASIA DINA SULVIANTI. Based on the survey results of the Badan Pusat Statistik, agricultural labor in Indonesia, reaching at 35.09% in However, during the years 2008 to 2012, the average employment in this period decreased by 1.49% while agricultural Gross Domestic Product increased at 0.05%. This case is not in line with the economic theory that explains that economic growth will boost employment and vice versa. This study was conducted to determine the province which is not in line and know the explanatory variables that affect the number of agricultural workers by using the data of 2008 to 2012 in 33 provinces. The results showed that 23 provinces in line and 10 other provinces are not in line. Ten provinces spread across the island of Sumatra, Java, Bali and Sulawesi. The explanatory variables that affect the amount of agricultural labor are the variable number of resident, the number of working-age population, the number of villages, and the amount of wages. Keywords: agriculture, GDP, labor, panel data, plot quadrant.

5 ANALISIS DATA PANEL ANOMALI PENYERAPAN TENAGA KERJA PERTANIAN DI INDONESIA NANIE KURNIADI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika Institut Pertanian Bogor DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014

6

7 Judul : Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia Nama : Nanie Kurniadi NRP : G Disetujui oleh Ir Mohammad Masjkur, MS Pembimbing I Dra Itasia Dina Sulvianti, MSi Pembimbing II Diketahui oleh Dr Anang Kurnia, MSi Ketua Departemen Tanggal Lulus:

8 Judul : Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia Nama : Nanie Kumiadi NRP : Disetujui oleh Ir Mohammad Masjkur, MS Pembimbing I Dra Itasia Dina Suivianti, Nl~ii Pembimbing II Tanggal Lulus: 03 MAR D14

9 PRAKATA Puji syukur penulis panjatkan kepada Allah SWT atas anugerah dan hidayah-nya sehingga karya ilmiah yang berjudul Analisis Data Panel Anomali Penyerapan Tenaga Kerja Pertanian di Indonesia berhasil diselesaikan. Karya ilmiah ini disusun sebagai salah satu syarat untuk menyelesaikan pendidikan di Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Terima kasih penulis sampaikan kepada Bapak Ir Mohammad Masjkur, MS dan Ibu Dra Itasia Dina Sulvianti, MSi selaku pembimbing yang telah banyak memberi masukan dan saran dalam karya ilmiah ini. Di samping itu, penulis juga mengucapkan terima kasih kepada Ibu Dra Laelatul Chasanah serta seluruh staf Sarana dan Prasarana dari Pusat Data dan Sistem Informasi Pertanian Kementerian Pertanian yang telah membantu dalam pengumpulan data. Penulis juga mengucapkan terima kasih kepada bapak, ibu, kakak serta seluruh keluarga atas nasehat, doa, dan motivasinya sehingga penulis mampu menyelesaikan karya ilmiah ini dengan baik. Ungkapan terima kasih juga penulis sampaikan kepada teman-teman Statistika 46 atas dukungan yang telah diberikan. Akhirnya, penulis berharap supaya karya ilmiah ini dapat bermanfaat bagi pembaca. Bogor, Februari 2014 Nanie Kurniadi

10 DAFTAR ISI ABSTRAK iv DAFTAR TABEL x DAFTAR GAMBAR x DAFTAR LAMPIRAN x PENDAHULUAN 1 Latar Belakang 1 Tujuan 1 METODOLOGI 2 Data 2 Metode Penelitian 2 Analisis Statistika Deskriptif 2 Analisis Data Panel 3 HASIL DAN PEMBAHASAN 5 Eksplorasi Data 5 Anomali Penyerapan Tenaga Kerja Pertanian 7 Analisis Data Panel 9 Pengujian Asumsi 10 Penanganan Pelanggaran Asumsi 11 Pemilihan Model Terbaik 12 SIMPULAN 14 DAFTAR PUSTAKA 14 RIWAYAT HIDUP 21

11 DAFTAR TABEL 1 Statistika deskriptif elastisitas tenaga kerja pertanian tahun Hasil uji Chow 9 3 Hasil uji Hausman 10 4 Hasil uji Glejser model pengaruh tetap individu 10 5 Hasil uji Durbin-Watson model pengaruh tetap individu 10 6 Hasil uji multikolinieritas model pengaruh tetap individu 11 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu 11 8 Hasil uji multikolinieritas model pengaruh tetap individu dengan pembobotan bagi setiap individu 11 DAFTAR GAMBAR 1 PDRB pertanian (atas dasar harga konstan) menurut provinsi tahun Plot kuadran laju PDRB dengan laju penyerapan tenaga kerja pertanian di Indonesia tahun DAFTAR LAMPIRAN 1. Rataan dan simpangan baku laju pertumbuhan ekonomi serta laju penyerapan tenaga kerja pertanian menurut provinsi selama Daftar provinsi di Indonesia dengan notasi angka Hasil analisis model pada data panel Pengaruh spesifik individu model pengaruh tetap individu, model pengaruh tetap dengan pembobotan bagi setiap individu, dan model dengan peubah penjelas yang siginifikan Hasil analisis model pengaruh tetap individu dengan pembobotan bagi setiap individu Hasil analisis model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah yang signifikan Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah yang signifikan Hasil uji Durbin-Watson model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah yang signifikan Hasil uji multikolinieritas model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah yang signifikan 20

12 PENDAHULUAN Latar Belakang Indonesia terkenal sebagai negara agraris dengan sebagian besar masyarakatnya bekerja pada sektor pertanian. Sektor pertanian terbagi menjadi beberapa bagian yang lebih spesifik yaitu tanaman pangan, hortikultura, perkebunan, peternakan, perikanan serta kehutanan. Berdasarkan hasil survei Badan Pusat Statistik (BPS) pada tahun 2012, banyaknya penduduk yang bekerja pada sektor ini mencapai angka tertinggi yaitu sebesar 35.09%, kemudian diikuti oleh sektor perdagangan 20.90%, dan jasa sebesar 15.43%. Besarnya kontribusi tenaga kerja pertanian menunjukkan bahwa tenaga kerja pada sektor ini memberikan peranan penting dalam pembangunan nasional. Banyaknya tenaga kerja pertanian tidak terlepas dari pengaruh pertumbuhan ekonomi pada sektor terkait. Secara teori, peningkatan pertumbuhan ekonomi akan meningkatkan penyediaan lapangan kerja begitu pula sebaliknya. Namun hal ini tidak selamanya terjadi pada sektor pertanian. Berdasarkan catatan BPS pada tahun 2008 sampai 2012, rataan laju pertumbuhan ekonomi pertanian yang dilihat dari Produk Domestik Bruto (PDB) meningkat sebesar 0.05%, sedangkan rataan laju penyerapan tenaga kerja pertanian mengalami penurunan sebesar 1.49%. Hal ini menunjukkan bahwa pertumbuhan ekonomi pertanian tidak sejalan dengan penyerapan tenaga kerja pertaniannya. Penyimpangan terjadi ketika pertumbuhan ekonomi tidak diimbangi dengan perluasan penyerapan tenaga kerja dengan kecepatan yang setara (Nur 2011). Penyimpangan tersebut akan ditelaah melalui plot kuadran yang menjelaskan ketidaksesuaian perkembangan Produk Domestik Regional Bruto (PDRB) pertanian yang merupakan ukuran pertumbuhan ekonomi pertanian dengan penyerapan tenaga kerja pertanian. Banyaknya tenaga kerja pertanian tentunya dipengaruhi juga oleh peubahpeubah selain pertumbuhan ekonomi pertanian. Peubah-peubah yang mempengaruhi banyaknya tenaga kerja pertanian diantaranya adalah penduduk dan upah (Nur 2011). Peubah-peubah tersebut dapat diamati secara bersama-sama pada sejumlah provinsi tertentu pada beberapa waktu tertentu. Analisis statistika yang tepat dalam menjelaskan keterkaitan ini adalah analisis data panel. Analisis ini mampu mengombinasikan antara data lintas individu dengan data deret waktu. Tujuan Penelitian ini bertujuan untuk : 1. Mengidentifikasi provinsi-provinsi yang laju pertumbuhan ekonomi pertaniannya tidak sejalan dengan laju penyerapan tenaga kerja pertanian. 2. Menyusun model yang dapat menjelaskan peubah-peubah yang mempengaruhi banyaknya tenaga kerja pertanian.

13 2 METODOLOGI Data Objek yang diamati pada penelitian ini adalah sektor pertanian yang mencakup tanaman pangan, hortikultura, peternakan serta perkebunan. Data yang digunakan dalam penelitian ini merupakan data primer yang dikumpulkan oleh Pusat Data dan Sistem Informasi Pertanian (PUSDATIN) Kementerian Pertanian Republik Indonesia dan Badan Pusat Statistik (BPS). Data yang diperoleh dari PUSDATIN mengenai banyaknya tenaga kerja pertanian, besarnya Produk Domestik Regional Bruto pertanian (atas dasar harga konstan 2000) dan banyaknya penduduk usia kerja. Sedangkan data yang diperoleh dari BPS adalah data banyaknya penduduk, banyaknya desa menurut wilayah administrasi, dan besarnya upah. Data dikumpulkan dari tahun 2008 sampai dengan 2012 pada seluruh provinsi di Indonesia. Pada analisis data panel peubah banyaknya tenaga kerja pertanian dipilih sebagai peubah respon (Y). Sedangkan peubah yang digunakan sebagai peubah penjelas adalah banyaknya penduduk (X 1 ), banyaknya penduduk usia kerja (X 2 ), banyaknya desa (X 3 ), PDRB sektor pertanian (X 4 ), dan besarnya upah (X 5 ). Data tersebut digunakan untuk mengetahui pengaruh peubah penjelas terhadap peubah responnya. Metode Penelitian Analisis Statistika Deskriptif Pada tahap awal penelitian ini, dilakukan eksplorasi data dengan menampilkan besarnya pertumbuhan ekonomi pertanian dengan menggunakan diagram batang. Sedangkan untuk mengetahui rataan laju pertumbuhan ekonomi pertanian yang tidak sejalan dengan rataan laju penyerapan tenaga kerja pertanian dilakukan analisis deskriptif dengan menggunakan plot kuadran. Adapun rincian langkah-langkahnya dijelaskan sebagai berikut: 1. Menghitung laju penyerapan tenaga kerja pertanian dengan rumus sebagai berikut: Laju TKP it = TKP it TKP i,t 1 TKP i,t 1 x 100 dengan TKP it merupakan banyaknya tenaga kerja pertanian provinsi ke-i pada tahun ke-t, dan TKP i,t-1 merupakan banyaknya tenaga kerja pertanian provinsi ke-i pada tahun ke-t-1; i=1,2,3,...,n; t=1,2,...,t; N adalah banyaknya provinsi dan T adalah banyaknya tahun pengamatan. 2. Menghitung laju PDRB pertanian dengan rumus sebagai berikut: Laju PDRB it = PDRB it PDRB i,t 1 PDRB i,t 1 x 100 dengan PDRB it merupakan pertumbuhan ekonomi pertanian provinsi ke-i pada tahun ke-t, dan PDRB i,t-1 merupakan pertumbuhan ekonomi pertanian provinsi ke-i pada tahun ke-t-1; i=1,2,3,...,n; t=1,2,...,t; N adalah banyaknya provinsi dan T adalah banyaknya tahun pengamatan.

14 3. Menghitung rataan laju PDRB pertanian provinsi ke-i dan rataan laju penyerapan tenaga kerja pertanian provinsi ke-i dengan rumus berikut: Laju PDRB i = 1 T Laju PDRB T t=1 it ; T =5 Laju TKP i = 1 T T t=1 Laju TKP it 4. Membuat plot kuadran antara rataan laju PDRB pertanian dan rataan laju penyerapan tenaga kerja pertanian dengan menambahkan informasi titik ideal yang berpusat pada rataan laju PDRB = 0 dan rataan laju TKP = 0. Analisis Data Panel 1. Pendugaan parameter model gabungan. Model gabungan merupakan pendekatan data panel dengan mengasumsikan bahwa koefisien regresi bernilai konstan untuk semua individu. Pendugaan parameter pada model ini menggunakan pendekatan Metode Kuadrat Terkecil (MKT). Adapun persamaan regresi dalam model gabungan menurut Baltagi (2005) adalah sebagai berikut: yit = 0i + x it + uit dengan yit merupakan respon individu ke-i pada waktu ke-t, 0 merupakan skalar dan 0i bersifat konstan, 0i merupakan intersep individu ke-i, merupakan vektor koefisien peubah penjelas berukuran k x 1, k adalah banyaknya peubah penjelas, x it merupakan vektor pengamatan individu ke-i pada waktu ke-t. Sebagian besar data panel menggunakan model komponen sisaan satu arah: uit = i + vit dengan uit merupakan sisaan model individu ke-i pada waktu ke-t, i adalah pengaruh spesifik individu ke-i yang tidak teramati, sedangkan vit adalah sisaan antar individu ke-i pada waktu ke-t. 2. Pendugaan parameter model pengaruh tetap individu. Model ini terjadi ketika antara pengaruh individu ke-i memiliki korelasi dengan peubah penjelas individu ke-i pada waktu ke-t (X it ) atau memiliki pola yang sifatnya tidak acak. Penduga model pengaruh tetap dihitung menggunakan metode least square dummy variable (LSDV). Metode ini bertujuan untuk dapat merepresentasikan perbedaan intersep, yaitu dengan menggunakan dummy variable. Menurut Gujarati (2009) model pengaruh tetap individu dituliskan sebagai berikut: y it = d 2i N d Ni + 1x kx k + uit dengan d 2i =1 untuk individu ke-2 dan 0 selainnya, d 3i =1 untuk individu ke-3 dan 0 selainnya, dan seterusnya. 01 merupakan nilai intersep untuk individu ke-1 dan koefisien 0i lainnya merupakan selisih nilai intersep individu pertama dengan individu ke-i. 3. Pendugaan parameter model pengaruh acak individu. Model pengaruh acak terjadi ketika pengaruh individu tidak berkorelasi dengan peubah penjelas individu ke-i pada waktu ke-t. Metode yang tepat untuk menduga model pengaruh acak adalah generalized least square (GLS). Model pengaruh acak dituliskan sebagai berikut: 3

15 4 y it = 0i + 1x kx k + uit 0i = 0 + i dengan 0i merupakan intersep individu ke-i, 0 merupakan skalar, dan i adalah pengaruh spesifik individu ke-i yang tidak teramati. Beberapa asumsi yang sering digunakan dalam model pengaruh acak menurut Gujarati (2009) adalah: ε i N(0,σ ε 2 ) u it N(0,σ u 2 ) E[ε i u it ] = 0; E[ε i ε j ] = 0, (i j) E[u it u is ] = E[u ij u ij ] = E[u it u js ] = 0 (i j ; t s) 4. Mengidentifikasi model dengan menggunakan 2 uji, yaitu : a. Uji Chow : membandingkan antara model gabungan dan model pengaruh tetap. Hipotesis uji Chow menurut Firdaus (2011) sebagai berikut : H 0 : 01 = 02 = 03 =... = 0N H 1 : minimal terdapat satu i dengan 0i 0 Statistik uji dari pengujian ini adalah: (RRSS URSS) (NT N k) F 0 =. (URSS) (N 1) dengan RRSS merupakan jumlah kuadrat sisaan model gabungan, URSS merupakan jumlah kuadrat sisaan model pengaruh tetap, N merupakan banyaknya individu, T merupakan banyaknya waktu dan k adalah banyaknya peubah penjelas. Jika nilai F 0 hasil pengujian lebih besar dari F N-1,N(T-1)-k, maka cukup bukti untuk menjelaskan bahwa model yang sesuai adalah model pengaruh tetap. b. Uji Hausman : membandingkan antara model pengaruh acak dan model pengaruh tetap. Uji ini dilakukan dengan hipotesis sebagai berikut: H 0 : E[μ i X it ] = 0 H 1 : E[μ i X it ] 0 Menurut Baltagi (2005), statistik uji Hausman dirumuskan sebagai berikut: 2 χ hitung = (β GLS β wit hin ) [var(β GLS β wit hin )] 1 (β GLS β wit hin ) dengan β GLS merupakan dugaan parameter model pengaruh acak, β wit hin merupakan dugaan parameter model pengaruh tetap. Jika nilai hasil 2 pengujian lebih besar dari (k,α), dengan k merupakan jumlah peubah penjelas dan merupakan taraf nyata yang digunakan, maka cukup bukti untuk melakukan penolakan terhadap H 0 sehingga model yang digunakan adalah model pengaruh tetap. 5. Pengujian asumsi terhadap model terpilih, yaitu: a. Uji kehomogenan ragam sisaan Kehomogenan ragam sisaan dideteksi menggunakan uji Glejser. Uji ini mempertimbangkan regresi nilai absolut sisaan e i, terhadap peubah penjelas yang dianggap berhubungan dengan ragam 2 i. Hipotesis nol pada pengujian ini adalah ragam dari sisaan homogen. Jika dugaan parameter ( ) yang dihasilkan menunjukkan signifikan secara statistik, maka terdapat keheterogenan ragam sisaan (Gujarati 2009).

16 5 b. Uji kebebasan sisaan Menurut Gujarati (2009) uji yang populer untuk pendeteksian kebebasan sisaan adalah uji yang dikembangkan oleh Durbin dan Watson. Hipotesis nol pada pengujian ini adalah sisaan saling bebas. Adapun statistik d Durbin-Watson didefinisikan sebagai berikut: n t=2(e t e t 1 ) 2 d = n 2 t=1 e t dengan e t merupakan sisaan pada periode ke-t dan e t 1 merupakan sisaan periode ke-t-1. Nilai d tersebut kemudian dibandingkan dengan nilai d pada tabel Durbin-Watson. Jika nilai d terletak antara du dan 4-dU, maka dapat dinyatakan bahwa sisaan saling bebas. c. Uji kenormalan sisaan Pengujian kenormalan sisaan menggunakan rumus Jarque-Bera (JB test). Hipotesis nol pada pengujian ini adalah sisaan menyebar normal. Statistik ujinya dituliskan sebagai berikut: JB = n S2 (K 3) dengan S merupakan kesimetrikan (skewness) sebaran data dan K merupakan keruncingan sebaran data (kurtosis). Jika statistik JB lebih 2 kecil dari (α,2) maka diputuskan bahwa kenormalan sisaan terpenuhi. d. Uji multikolinieritas Uji ini dilakukan untuk mengetahui korelasi di antara peubah penjelas pada regresi berganda. Multikolinieritas dapat dideteksi dengan menggunakan variance inflation factor (VIF). Jika nilai VIF lebih dari 10 pada suatu peubah penjelas, maka model mengalami masalah multikolinieritas. 6. Penanganan pelanggaran asumsi. 7. Validasi model menggunakan mean absolut percentage error (MAPE) dengan perhitungan sebagai berikut : MAPE = n i=1 Y i Y i Y i n x 100% dengan Y i merupakan banyaknya tenaga kerja pertanian aktual sedangkan Y i merupakan hasil pendugaan banyaknya tenaga kerja pertanian dari model yang dihasilkan, dan n adalah banyaknya individu. HASIL DAN PEMBAHASAN Eksplorasi Data Pertumbuhan ekonomi pertanian pada provinsi-provinsi di Indonesia selama 2008 sampai 2012 lebih banyak didominasi oleh provinsi-provinsi yang berada di pulau Jawa. Tiga provinsi di pulau Jawa, yaitu Jawa Barat, Jawa Tengah dan Jawa Timur merupakan tiga dengan pertumbuhan ekonomi pertaniannya terbesar di Indonesia. Luasnya daerah pertanian serta tingginya produksi pertanian

17 6 yang dihasilkan pada ketiga provinsi tersebut merupakan salah satu jawaban yang menjadikan provinsi-provinsi tersebut memiliki pertumbuhan ekonomi pertanian yang tinggi. Provinsi lain di pulau Jawa yaitu DKI Jakarta memiliki pertumbuhan ekonomi pertanian terendah pada selang waktu yang sama. Tentu saja hal tersebut dikarenakan wilayah ibukota Indonesia ini memiliki ladang yang sudah sangat sempit untuk melakukan aktivitas pertanian. Karena sebagian besar wilayahnya sudah didirikan bangunan untuk perkantoran, pusat perbelanjaan, tempat tinggal ataupun alih fungsi lahan lainnya. Adapun gambaran mengenai pertumbuhan ekonomi pertanian pada masing-masing provinsi dapat dilihat pada Gambar 1. Gambar 1 PDRB pertanian (atas dasar harga konstan) menurut provinsi tahun Selama periode 2008 sampai 2012 rataan laju pertumbuhan ekonomi pertanian tertinggi dimiliki oleh provinsi Bali. Provinsi ini mengalami pertumbuhan ekonomi pertanian yang pesat pada tahun 2012 mencapai angka 61.97%. Hal ini juga menjadikan provinsi Bali memiliki keragaman laju pertumbuhan ekonomi pertanian tertinggi di Indonesia. Keragaman tersebut dapat dilihat dari besarnya simpangan baku laju pertumbuhan ekonomi pertanian.

18 Jawa Barat, Jawa Tengah dan Jawa Timur yang merupakan provinsi dengan pertumbuhan ekonomi pertanian tertinggi di Indonesia memiliki rataan laju pertumbuhan ekonomi pertanian sebesar 4.36%, 2.78%, dan 1.65%. Nilai tersebut kurang dari median laju pertumbuhan ekonomi pertanian nasional yang mencapai angka 4.45%. Adapun besarnya rataan dan simpangan baku laju pertumbuhan ekonomi pertanian pada masing-masing provinsi selama 2008 sampai 2012 dituliskan pada Lampiran 1. Tingkat laju penyerapan tenaga kerja pertanian pada masing-masing provinsi di Indonesia memiliki keragaman yang berbeda. Hal tersebut dapat dilihat dari besarnya simpangan baku laju penyerapan tenaga kerja pertanian yang juga dituliskan dalam Lampiran 1. Selama 2008 sampai 2012, rataan laju penyerapan tenaga kerja pertanian tertinggi dimiliki oleh DKI Jakarta kemudian disusul Kepulauan Riau. Keragaman laju penyerapan tenaga kerja pertanian pada kedua provinsi tersebut juga merupakan yang tertinggi. Rataan laju penyerapan tenaga kerja pertanian di DKI Jakarta mencapai 29.78%, sedangkan pada Kepulauan Riau mencapai 28.39%. Hal tersebut terjadi karena hampir di setiap tahun kedua provinsi ini mengalami peningkatan banyaknya tenaga kerja pertanian yang cukup signifikan. Namun kedua provinsi ini sempat mengalami penurunan banyaknya tenaga kerja pertanian sebesar 37.41% pada tahun 2009 di DKI Jakarta dan 5.76% pada tahun 2010 untuk Kepulauan Riau. Anomali Penyerapan Tenaga Kerja Pertanian Hubungan antara besarnya pertumbuhan ekonomi pertanian dengan banyaknya tenaga kerja pertanian dapat dilihat dari korelasi di antara keduanya. Besarnya koefisien korelasi pearson antara kedua peubah tersebut pada tahun 2008 sampai 2011 sebesar 0.96, kemudian pada tahun 2012 sebesar Hal ini menunjukkan bahwa terdapat hubungan yang kuat pada kedua peubah tersebut. Pada ilmu ekonomi, hubungan kedua peubah di atas lebih dijelaskan dengan elastisitas. Elastisitas tenaga kerja merupakan persentase perubahan banyaknya tenaga kerja akibat adanya perubahan pertumbuhan ekonomi. Elastisitas tenaga kerja pertanian mulai tahun 2008 sampai 2012 disajikan pada Tabel 1. Median elastisitas tenaga kerja pertanian tahun 2008 sebesar 0.73%. Sedangkan median elastisitas tenaga kerja tahun 2009 sampai 2012 sebesar 0.08%, 0.17%, -0.84%, 2.12%. Suatu hal yang menarik pada deretan median elastisitas tenaga kerja pertanian adalah terdapatnya median elastisitas tenaga kerja pertanian yang bernilai negatif. Hal tersebut terjadi di tahun 2011 karena terdapat 21 provinsi di Indonesia dengan elastisitas yang negatif. Artinya, pada tahun tersebut mayoritas provinsi di Indonesia mengalami laju penyerapan tenaga kerja pertanian yang tidak sejalan dengan laju pertumbuhan ekonomi pertanian. Tabel 1 Statistika deskriptif elastisitas tenaga kerja pertanian tahun Tahun Median Simpangan baku

19 Rataan laju TKP sektor pertanian (% ) 8 Keragaman paling tinggi pada elastisitas tenaga kerja pertanian terjadi pada tahun Simpangan baku yang mencapai 71.32% pada tahun ini disebabkan karena rendahnya laju pertumbuhan ekonomi pertanian yang disertai dengan tingginya laju penyerapan tenaga kerja pertanian pada provinsi DKI Jakarta. Hal ini menjadikan provinsi DKI Jakarta memiliki laju pertumbuhan ekonomi pertanian yang tidak sejalan dengan laju penyerapan tenaga kerja pertanian. Penyebaran provinsi yang sejalan dan tidak sejalan antara kedua peubah di atas dapat dilihat pada Gambar 2. Adapun notasi angka pada plot kuadran merupakan notasi dari provinsi seperti yang dituliskan dalam Lampiran Rataan laju PDRB sektor pertanian (% ) Gambar 2 Plot kuadran rataan laju PDRB pertanian dengan rataan laju penyerapan tenaga kerja pertanian di Indonesia tahun Hasil plot kuadran di atas menunjukkan bahwa seluruh provinsi di Indonesia mengalami kenaikan pertumbuhan ekonomi pertanian selama 2008 sampai Hal ini ditunjukkan dari tersebarnya seluruh provinsi pada nilai rataan laju PDRB pertanian yang positif. Namun jika dilihat dari rataan laju penyerapan tenaga kerja pertanian, terdapat 10 provinsi dengan nilai rataannya yang bernilai negatif. Hal ini menunjukkan bahwa selama periode yang sama, kesepuluh provinsi tersebut yaitu Sumatera Barat, Bengkulu, Lampung, Jawa Tengah, Jawa Timur, Banten, Bali, Sulawesi Utara, Sulawesi Tengah, Sulawesi Tenggara mengalami penurunan banyaknya tenaga kerja pertanian. Sehingga dapat dikatakan bahwa kesepuluh provinsi tersebut mengalami anomali antara pertumbuhan ekonomi pertanian dengan penyerapan tenaga kerja pertanian. Hal yang menarik lainnya pada plot kuadran adalah terdapat 3 provinsi yang terletak jauh dari titik ideal. Provinsi tersebut adalah DKI Jakarta, Kepulauan Riau, dan Bali. Seperti pada pembahasan sebelumnya, telah diketahui bahwa laju pertumbuhan ekonomi pertanian provinsi DKI Jakarta selama 2008 sampai 2012 termasuk rendah. Sedangkan laju penyerapan tenaga kerja pertaniannya sangat tinggi. Provinsi Kepulauan Riau memiliki rataan laju penyerapan tenaga kerja

20 pertanian yang tinggi. Sementara laju pertumbuhan ekonomi pertaniannya tergolong sedang. Sedangkan pada provinsi Bali, rataan laju pertumbuhan ekonomi pertanian pada provinsi ini sangat tinggi sementara rataan laju penyerapan tenaga kerja pertaniannya rendah. Rendahnya laju pertumbuhan ekonomi pertanian yang diikuti tingginya laju penyerapan tenaga kerja pertanian yang sangat signifikan pada DKI Jakarta dan Kepulauan Riau menunjukkan bahwa kedua provinsi ini terjadi anomali antara pertumbuhan ekonomi pertanian dengan penyerapan tenaga kerja pertanian. Begitu pula dengan provinsi Bali, kenaikan pertumbuhan ekonomi pertanian yang tinggi, diikuti dengan penyerapan tenaga kerja pertanian yang rendah juga menunjukkan bahwa pada provinsi ini mengalami kecenderungan anomali. Analisis Data Panel Analisis data panel dilakukan dengan menggunakan seluruh provinsi di Indonesia sebagai individu. Hal ini karena berdasarkan plot kuadran terlihat bahwa sebagian besar provinsi memiliki perbedaan laju pertumbuhan ekonomi pertanian dan laju penyerapan tenaga kerja pertanian yang tidak terlalu signifikan. Lampiran 3 menunjukkan hasil analisis data panel. Hasil analisis pada model gabungan adalah terdapat empat peubah penjelas yaitu banyaknya penduduk usia kerja, banyaknya desa, besarnya PDRB pertanian, dan besarnya upah yang berpengaruh secara siginifikan terhadap banyaknya tenaga kerja pertanian. Peubah penjelas tersebut memiliki nilai-p kurang dari 5%. Keragaman data banyaknya tenaga kerja pertanian yang dapat dijelaskan oleh peubah penjelas dapat dilihat dari R 2 sebesar 92.54%. Pada model pengaruh tetap individu, peubah penjelas yang secara signifikan berpengaruh terhadap banyaknya tenaga kerja pertanian adalah banyaknya penduduk, banyaknya penduduk usia kerja dan banyaknya desa. Ketiga peubah ini memiliki nilai-p sebesar , , dan Besarnya R 2 untuk model pengaruh tetap ini lebih besar dari model gabungan dengan nilai sebesar 99.67%. Berbeda dengan hasil analisis pada model pengaruh acak, pada model ini empat peubah penjelas yang meliputi banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah berpengaruh secara siginifikan terhadap banyaknya tenaga kerja pertanian. Hal tersebut dilihat dari besarnya nilai-p untuk masing-masing peubah penjelas tersebut kurang dari 5%. Namun, keragaman data banyaknya tenaga kerja pertanian yang dapat dijelaskan oleh seluruh peubah penjelas sebesar 56.57%. Nilai tersebut lebih kecil dari R 2 yang dimiliki oleh model pengaruh tetap individu dan model gabungan. Selanjutnya dilakukan pemilihan model terhadap ketiga model di atas. Uji Chow memberikan hasil bahwa nilai-p untuk pengujian ini mendekati 0 yang artinya model sementara yang sesuai adalah model pengaruh tetap individu. Hal ini menunjukkan bahwa provinsi-provinsi di Indonesia memiliki pengaruh yang berbeda terhadap banyaknya tenaga kerja pertanian. Tabel 2 Hasil uji Chow Uji pengaruh Statistik uji Derajat bebas Nilai-p Uji F (32,127)

21 10 Selanjutnya hasil dari uji Hausman menunjukkan bahwa nilai-p mendekati 0. Artinya berdasarkan uji ini, model yang terpilih adalah model pengaruh tetap individu. Hasil dari uji Hausman dapat dilihat pada Tabel 3 berikut: Tabel 3 Hasil uji Hausman Uji pengaruh Statistik uji Derajat bebas Nilai-p Individu Acak Uji Chow maupun uji Hausman menunjukkan bahwa model yang sesuai untuk menjelaskan data banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, besarnya PDRB pertanian dan besarnya upah terhadap banyaknya tenaga kerja pertanian adalah model pengaruh tetap individu. Adapun model pengaruh tetap individu dituliskan sebagai berikut: lny = μ it lnx lnx lnx lnx lnx 5 + v it dengan μ it menyatakan pengaruh masing-masing provinsi pada provinsi ke-i dan tahun ke-t. Sedangkan v it menyatakan nilai sisaan antar provinsi ke-i pada tahun ke-t. Pengaruh spesifik individu di setiap provinsi dapat dilihat pada Lampiran 4. Pengujian Asumsi Pengujian pertama yang dilakukan adalah uji kehomogenan ragam sisaan. Untuk mendeteksi keragaman sisaan pada model terpilih digunakan uji Glejser. Hasil uji Glejser pada Tabel 4 menjelaskan bahwa tidak satupun peubah penjelas yang lebih kecil dari 0.05, sehingga kehomogenan ragam sisaan terpenuhi. Tabel 4 Hasil uji Glejser model pengaruh tetap individu Peubah t-hitung Nilai-p C X X X X X Selanjutnya dilakukan pengujian asumsi kebebasan sisaan. Pengujian asumsi kebebasan sisaan menggunakan uji Durbin-Watson (DW). Uji DW pada model pengaruh tetap individu menghasilkan nilai Nilai tersebut tidak berada di antara du dan 4-dU sehingga dapat disimpulkan bahwa sisaan model pengaruh tetap individu tidak bebas. Tabel 5 Hasil uji Durbin-Watson model pengaruh tetap individu du dw 4-dU Uji kenormalan yang dilihat dari uji Jarque-Bera menghasilkan nilai-p mendekati 0. Nilai ini menunjukkan bahwa sisaan tidak menyebar normal. Selanjutnya, pengujian terakhir terhadap model adalah uji multikolinieritas. Pada Tabel 6 menunjukkan model pengaruh tetap individu tidak mengalami masalah multikolinieritas dengan nilai VIF seluruh peubah penjelas kurang dari 10.

22 11 Tabel 6 Hasil uji multikolinieritas model pengaruh tetap individu Peubah VIF X X X X X Penanganan Pelanggaran Asumsi Pengujian asumsi menunjukkan bahwa terdapat asumsi kebebasan sisaan dan kenormalan sisaan telah dilanggar. Menurut Gujarati (2009), salah satu cara untuk mengatasi masalah ketidakbebasan sisaan pada data dengan banyaknya observasi yang besar adalah dengan menggunakan bobot bagi setiap individu dengan metode feasible generalized least square (FGLS). Pembobotan bagi setiap individu dilakukan untuk mengatasi kedua asumsi yang telah dilanggar. Lampiran 5 merupakan tampilan hasil analisis data panel setelah pembobotan pada individu. Pengujian asumsi terhadap model pengaruh tetap individu dengan pembobotan bagi setiap individu menghasilkan pemenuhan seluruh asumsi. Asumsi kehomogenan ragam sisaan yang terpenuhi ditunjukkan pada Tabel 7 berikut. Tabel 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu Peubah t-hitung Nilai-p C X X X X X Nilai Durbin-Watson yang dihasilkan pada model ini sebesar yang berada di antara wilayah du dan 4-dU, sehingga menunjukkan bahwa sisaan saling bebas. Hasil uji Jarque-Bera menghasilkan nilai-p sebesar Nilai ini lebih besar dari taraf nyata 0.01 sehingga dapat disimpulkan bahwa sisaan menyebar normal. Tabel 8 menunjukkan bahwa tidak terdapat multikolinieritas pada model. Hal ini ditunjukkan dari nilai VIF seluruh peubah penjelas yang kurang dari 10. Tabel 8 Hasil uji multikolinieritas model pengaruh tetap individu dengan pembobotan bagi setiap individu Peubah VIF X X X X X

23 12 Analisis dari model pengaruh tetap individu dengan pembobotan bagi setiap individu menghasilkan R 2 sebesar 99.87%. Peubah penjelas yang berpengaruh signifikan terhadap banyaknya tenaga kerja pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah. Model pengaruh tetap individu dengan pembobotan bagi setiap individu dituliskan sebagai berikut: lny = μ it lnx lnx lnx lnx lnx 5 + v it Pengaruh spesifik individu pada model tersebut dapat dilihat pada Lampiran 4. Adapun hasil validasi model di atas menggunakan MAPE menghasilkan nilai sebesar 0.410%. Nilai MAPE yang mendekati 0% tersebut menunjukkan bahwa model yang disusun merupakan model yang sudah cukup baik. Pemilihan Model Terbaik Model pengaruh tetap individu dengan pembobotan untuk setiap individu menghasilkan nilai-p untuk statistik F mendekati 0. Hal ini menunjukkan bahwa model yang dibangun sudah layak dan minimal terdapat satu peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian. Jumlah kuadrat sisaan yang dimiliki model ini sebesar yang juga menunjukkan bahwa model cukup baik. Hasil uji-t menunjukkan bahwa peubah penjelas yang berpengaruh secara signifikan terhadap banyaknya tenaga kerja pertanian adalah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah. Masing-masing dari peubah ini memiliki nilai-p kurang dari taraf nyata 5%. Selanjutnya dilakukan pemodelan menggunakan model pengaruh tetap individu dengan pembobotan yang melibatkan peubah respon dan peubah penjelas yang berpengaruh secara signifikan. Adapun model yang didapatkan sebagai berikut: lny = μ it lnx lnx lnx lnx 5 + v it Berdasarkan model tersebut, dapat ditunjukkan bahwa model yang dimiliki sudah memenuhi seluruh pengujian asumsi. Hasil pengujian asumsi dituliskan pada Lampiran 7 sampai Lampiran 9. Pada uji kehomogenan ragam menggunakan uji Glejser ditunjukkan bahwa peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah memiliki nilai-p lebih besar dari 5%. Hasil ini menunjukkan bahwa kehomogenan ragam sisaan terpenuhi. Hasil dari uji Durbin-Watson menghasilkan nilai DW sebesar berada di antara du dan 4-dU. Sehingga asumsi kebebasan sisaan terpenuhi. Pengujian kenormalan sisaan dengan uji Jarque-Bera menghasilkan nilai-p sebesar yang menunjukkan sisaan menyebar normal. Sedangkan nilai VIF untuk keempat peubah penjelas kurang dari 10 yang menunjukkan bahwa model tidak mengalami masalah multikolinieritas. Selanjutnya, model di atas dilanjutkan dengan transformasi balik pada model. Hal ini bertujuan untuk dapat menginterpretasikan masing-masing peubah penjelas secara tepat terhadap peubah respon. Hasil transformasi balik dituliskan sebagai berikut:

24 Y = e μit lnx lnx lnx lnx 5 atau Y = eμ it e X X X X Peubah banyaknya penduduk berpengaruh terhadap banyaknya tenaga kerja pertanian. Peningkatan banyaknya penduduk sebesar 1 persen akan meningkatkan banyaknya tenaga kerja pertanian sebesar, Y = e μ it e X X X (X 1,i X 1,i ) persen dengan diasumsikan peubah penjelas lainnya konstan. Hal ini sejalan dengan teori ekonomi yang dijelaskan Sukirno (2004) dan Bellante dan Jackson (1983) yang menyatakan bahwa banyaknya penduduk yang bertambah akan memperbesar banyaknya tenaga kerja, dan penambahan tersebut memungkinkan suatu wilayah dapat menambah produksinya. Kenaikan banyaknya penduduk usia kerja sebesar 1 persen akan meningkatkan banyaknya tenaga kerja pertanian sebesar, Y = e μ it e X X X (X 2,i X 2,i ) persen. Hal tersebut menunjukkan bahwa peningkatan banyaknya penduduk usia kerja pada setiap provinsi dapat meningkatkan banyaknya tenaga kerja yang menggantungkan harapannya pada sektor pertanian. Menurut Sukirno (2004), para pelaku usaha tani sebaiknya mempersiapkan sarana dan prasarana yang memadai dan berkualitas sehingga mampu menyerap tenaga kerja dengan baik. Adapun peningkatan peubah banyaknya desa dan besarnya upah tidak sejalan dengan peningkatan banyaknya tenaga kerja pertanian. Peningkatan banyaknya desa dan besarnya upah sebesar 1 persen mengakibatkan penurunan banyaknya tenaga kerja pertanian masing-masing sebesar, Y = e μ it e X X X Y = e μ it e X X X X 3,i X 3,i X 5,i X 5,i persen dan persen. Peningkatan upah buruh tani menurut penelitian Rusastra dan Suryadi (2004) berdampak pada menurunnya keuntungan usaha tani. Untuk meningkatkan keuntungan dalam usaha tani, umumnya para pengusaha tani menaikkan harga jual produknya. Hal ini mengakibatkan impor produksi sektor pertanian yang dilakukan pemerintah semakin meningkat sehingga produksi pertanian yang dihasilkan dalam negeri tidak laku di pasaran. Kerugian tersebut kemudian berdampak pada penurunan banyaknya tenaga kerja pertanian. Model yang hanya melibatkan peubah penjelas yang siginifikan tidak mengubah tanda koefisien regresi pada peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa dan besarnya upah pada model sebelumnya. Besarnya perubahan koefisien regresi tidak mengalami perubahan yang signifikan. Arah dan besarnya pengaruh individu terhadap model juga tidak mengalami perubahan yang cukup siginifikan. Hal ini ditunjukkan dari tidak adanya perubahan tanda pengaruh dan perubahan besarnya pengaruh yang sangat kecil pada pengaruh individu model ini. Nilai R 2 yang dihasilkan dari model ini menghasilkan nilai R 2 yang sama dengan model sebelum direduksi peubah penjelasnya, yaitu sebesar 99.88%. MAPE yang dihasilkan sebesar 0.412%. Pada 13

25 14 model ini, terjadi kenaikan nilai MAPE sebesar 0.002% dari model sebelumnya. Namun, model ini masih dapat dikatakan cukup baik. Adapun hasil analisis model dan pengaruh spesifik individu dapat dilihat pada Lampiran 6 dan Lampiran 4. SIMPULAN Terdapat 23 provinsi dengan peningkatan pertumbuhan ekonomi pertanian sejalan dengan penyerapan tenaga kerja pertanian. Pada 10 provinsi lainnya, peningkatan pertumbuhan ekonomi pertanian tidak diikuti dengan peningkatan penyerapan tenaga kerja pertanian. Model yang sesuai dan memenuhi seluruh pengujian asumsi pada analisis data panel adalah model pengaruh tetap individu dengan pembobotan bagi setiap individu. Adapun peubah penjelas yang mempengaruhi banyaknya tenaga kerja pertanian adalah peubah banyaknya penduduk, banyaknya penduduk usia kerja, banyaknya desa, dan besarnya upah. DAFTAR PUSTAKA Baltagi BH Econometric Of Analysis Of Panel Data. Ed ke-3. England: JohnWiley&Sons Ltd. Bellante D, Jackson M Ekonomi Ketenagakerjaan. Liotohe WK, Yasin M, penerjemah; Rahardja P, editor. Depok (ID): Lembaga Penerbit Fakultas Ekonomi Indonesia. Terjemahan dari: Labor Economics, Choice in Labor Markets. Ed ke-2. Firdaus M Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor: IPB Press. Gujarati DN, Porter DC Basic Econometrics. Ed ke-5. New York:The McGraw-Hill Companies,Inc. Nur S Adakah Anomali Hubungan Antara Pertumbuhan Ekonomi dan Pertumbuhan Penyerapan Tenaga Kerja?[Thesis]. Bogor: Institut Pertanian Bogor. Rusastra IW, Suryadi M Ekonomi Tenaga Kerja Pertanian dan Implikasinya dalam Peningkatan Produksi dan Kesejahteraan Buruh Tani. Jurnal Litbang Pertanian. 23(3): Sarana dan Prasarana Pertanian Statistik SDM Pertanian, Banyaknya penduduk, Kemiskinan dan Kelembagaan Petani. Jakarta: Pusat Data dan Sistem Informasi Pertanian Kementerian Pertanian. Sukirno S Teori Pengantar Makroekonomi. Jakarta: PT Raja Grafindo Persada.

26 Lampiran 1 Rataan dan simpangan baku laju pertumbuhan ekonomi pertanian serta laju penyerapan tenaga kerja pertanian menurut provinsi selama Laju PDRB (%) Laju TKP (%) Provinsi Simpangan Simpangan Rataan Rataan baku baku Aceh Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kep.Riau DKI Jakarta Jawa Barat Jawa Tengah DI Jogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

27 16 Lampiran 2 Daftar provinsi di Indonesia dengan notasi angka No Provinsi 1 Aceh 2 Sumatera Utara 3 Sumatera Barat 4 Riau 5 Jambi 6 Sumatera Selatan 7 Bengkulu 8 Lampung 9 Bangka Belitung 10 Kep.Riau 11 DKI Jakarta 12 Jawa Barat 13 Jawa Tengah 14 DI Jogyakarta 15 Jawa Timur 16 Banten 17 Bali 18 Nusa Tenggara Barat 19 Nusa Tenggara Timur 20 Kalimantan Barat 21 Kalimantan Tengah 22 Kalimantan Selatan 23 Kalimantan Timur 24 Sulawesi Utara 25 Sulawesi Tengah 26 Sulawesi Selatan 27 Sulawesi Tenggara 28 Gorontalo 29 Sulawesi Barat 30 Maluku 31 Maluku Utara 32 Papua Barat 33 Papua

28 17 Lampiran 3 Hasil analisis data panel 3.1 Hasil analisis model gabungan Spesifikasi setiap peubah Peubah Koefisien Sisaan Baku t-hitung Nilai-p C X X X X X Spesifikasi model gabungan R Durbin-Watson stat R 2 Adjusted Prob(F-statistic) Jumlah Kuadrat Sisaan Hasil analisis model pengaruh tetap individu Spesifikasi setiap peubah Peubah Koefisien Sisaan Baku t-hitung Nilai-p C X X X X X Spesifikasi model pengaruh tetap R Durbin-Watson stat R 2 Adjusted Prob(F-statistic) Jumlah Kuadrat Sisaan Hasil analisis model pengaruh acak individu Spesifikasi setiap peubah Peubah Koefisien Sisaan Baku t-hitung Nilai-p C X X X X X Spesifikasi model pengaruh acak S.D Rho Efek individu acak Idiosyncratic acak R Durbin-Watson stat R 2 Adjusted Prob(F-statistic) Jumlah Kuadrat Sisaan

29 18 Lampiran 4 Pengaruh spesifik individu model pengaruh tetap individu, model pengaruh tetap individu dengan pembobotan bagi setiap individu dan model dengan peubah penjelas yang signifikan Individu Pengaruh A Pengaruh B Pengaruh C Aceh Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kep.Riau DKI Jakarta Jawa Barat Jawa Tengah DI Jogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Keterangan : A : model pengaruh tetap individu awal B : model pengaruh tetap individu dengan pembobotan bagi setiap individu C : model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang signikan

30 Lampiran 5 Hasil analisis model pengaruh tetap individu dengan pembobotan bagi setiap individu Spesifikasi setiap peubah Peubah Koefisien Sisaan Baku t-hitung Nilai-p C X X X X X Spesifikasi model pengaruh tetap R Durbin-Watson stat R 2 Adjusted Prob(F-statistic) Jumlah Kuadrat Sisaan Lampiran 6 Hasil analisis model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang signifikan Spesifikasi setiap peubah Peubah Koefisien Sisaan Baku t-hitung Nilai-p C X X X X Spesifikasi model pengaruh tetap R Durbin-Watson stat R 2 Adjusted Prob(F-statistic) Jumlah Kuadrat Sisaan

31 20 Lampiran 7 Hasil uji Glejser model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang siginfikan Peubah t-hitung Nilai-p C X X X X Lampiran 8 Hasil uji Durbin-Watson model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang siginfikan du dw 4-dU Lampiran 9 Hasil uji multikolinieritas model pengaruh tetap individu dengan pembobotan bagi setiap individu dan peubah penjelas yang siginfikan Peubah VIF X X X X

32 21 RIWAYAT HIDUP Penulis lahir di Wonogiri pada tanggal 8 Agustus 1991 sebagai anak ketiga dari tiga bersaudara dari pasangan Bapak Soeyadi dan Ibu Sugiarni. Penulis menempuh pendidikan formal di SMP Negeri 1 Wonogiri, Jawa Tengah dan lulus pada tahun Kemudian melanjutkan di SMA Negeri 1 Wonogiri dan berhasil menyelesaikan pendidikan pada tahun Pada tahun yang sama penulis melanjutkan pendidikan di perguruan tinggi Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama perkuliahan, penulis aktif dalam kegiatan organisasi maupun kepanitiaan. Pada tahun 2010, penulis menjadi pengurus Serum G pada divisi Economic Management. Tahun berikutnya penulis aktif di organisasi Himpunan Keprofesian Gamma Sigma Beta pada divisi Survey and Research. Penulis tergabung dalam berbagai kepanitiaan seperti Statistika Ria, Pesta Sains Nasional dan Kompetisi Statistika Junior. Penulis juga pernah menjadi asisten praktikum Perancangan Percobaan I dan menjadi pengajar Metode Statistika dan Kalkulus di bimbingan belajar MSC College. Pada Februari-Maret 2013 penulis melaksanakan kegiatan Praktik Lapang di Pusat Data dan Sistem Informasi Pertanian (PUSDATIN) Kementerian Pertanian Republik Indonesia.