ANALISIS PENGARUH JUMLAH PENDUDUK, UPAH MINIMUM

PROVINSI DAN PERTUMBUHAN EKONOMI TERHADAP

PENGANGGURAN TERBUKA
PADA TAHUN 1998 – 2019

DISUSUN OLEH :
NAMA : CHARIZA PUTRI
NPM : C1A021011
KELAS : 4C

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BENGKULU
2023

1
 ANALISIS PENGARUH JUMLAH PENDUDUK, UPAH MINIMUM
PROVINSI DAN PERTUMBUHAN EKONOMI TERHADAP
PENGANGGURAN TERBUKA
PADA TAHUN 1998 – 2019

Chariza Putri
Program Studi Ekonomi Pembangunan, Fakultas Ekonomi dan Bisnis
Universitas Bengkulu
email: charizaputri27@gmail.com

ABSTRACT
In a problem that we observe, it is not uncommon between the variables studied and the factors that
influence them, there is a mutual relationship. The relationship between the observed variables and
the influencing factors is often expressed in the form of a regression equation. It's just that the
degree to which the relationship between the observed variables and the factors that influence them
is easier to express in the form of a linear regression equation. Because the things that influence a
variable under study consist of many factors, we often express it in the form of multiple linear
regression equations or multiple regression. This paper proposes a computer program in the Pascal
programming language to find the values of multiple linear regression parameters, if the
independent variable affecting the dependent variable is more than one, thus forming a multiple
linear regression equation. The validity of the computer program designed here will be tested
against other statistical application software that has become a standard for use, for example
Microstat or Minitab, so that when input is given a variable value of the same problem, later the
same or close to the same processing results can be obtained.

Keywords: Unemployment 1, Total population2, Minimum Wage3, Economic growth 4 , Multiple

Linear Regression Analysis 5

2
PENDAHULUAN

Analisis regresi adalah suatu analisis yang dilakukan terhadap dua variabel yaitu variabel
independen (prediktor) dan variabel dependen (respon) untuk mengetahui apakah ada
pengaruh variabel prediktor terhadap variabel respon sehingga variabel respon dapat diduga
berdasarkan variabel prediktornya. Berdasarkan jumlah variabel independennya, analisis
regresi linier dibagi menjadi dua macam yaitu, analisis regresi linier sederhana dan
analisis regresi linier ganda. Pada, analisis regresi linier sederhana, jumlah variabel
independen yang digunakan sebagai penduga variabel dependen adalah satu. Sedangkan
pada analisis regresi linier ganda, jumlah variabel independen yang digunakan sebagai
penduga variabel dependen adalah lebih dari satu. Saat ini, analisis regresi yang lebih sering
digunakan adalah analisis regresi linier ganda. Dapat dilihat dari berbagai kejadian
yang terjadi dalam kehidupan sehari-hari yaitu suatu peristiwa dapat disebabkan oleh
berbagai faktor yang mempengaruhinya. Regresi sendiri memiliki sejarah dan terus
dikembangkan. Serangkaian studi yang dikembangkan oleh para statistisi berhasil
menunjukkan bahwa dalam banyak kasus, regresi menggunakan teknik kuadrat terkecil
(khususnya teknik Ordinary Least Square/OLS) sering memberikan hasil yang kurang
tepat. Oleh sebab itu,banyak bermunculan teknik “Regresi Modern”, yaitu regresi yang
digunakan pada kondisi dimana asumsi-asumsi klasik tidak terpenuhi. Ada beberapa
asumsi klasik salah satunya yaitu tidak terjadi multikolinieritas. Multikolinieritas  dapat
menyebabkan analisis regresi menggunakan metode kuadrat terkecil kurang valid.
Pengangguran terbuka merupakan permasalahan dalam pembangunan ekonomi .
Pengangguran yang tinggi berdampak langsung maupun tidak langsung terhadap kemiskinan,
kiriminalitas, dan masalah-masalah sosial politik yang juga semakin meningkat. Serta
dampak kirisis ekonomi yang berkepanjangan sampat saat ini, membuat permasalahan ini
menjadi sangat besar dan kompleks. Maka kita perlu mengetahui faktor-faktor yang
mempengaruhinya.

Menurut World Bank (2012), salah satu sebab pengangguran adalah karena kurangnya
pendapatan dan aset untuk memenuhi kebutuhan dasar. Di samping itu kemiskinan juga
berkaitan dengan keterbatasan lapangan pekerjaan dan biasanya mereka yang
dikategorikan miskin tidak memiliki pekerjaan (pengangguran). Mengatasi masalah
kemiskinan tidak dapat dilakukan secara terpisah dari masalah-masalah pengangguran dan
masalah-masalah lain yang secara eksplisit berkaitan erat dengan masalah pengangguran
terbuka.

Indonesia sendiri memiliki 38 Provinsi dimana setiap Provinsi memiliki masalah masing-
masing, terutama tingkat pengangguran terbuka, hampir seluruh Provinsi menyumbangkan
angka dengan jumlah yang berbeda beda untuk pengangguran. Hal ini tentu tidak luput
dari pengawasan pemerintah pusat untuk menuntaskan atau menurunkan angka tersebut.

3
 Berbagai upaya pemerintah dalam menangani masalah ini dapat diketahui dari banyaknya
pembukaan lapangan pekerjaan sehingga dapat mengurangi pengangguran yang menjadi
salah satu faktor pendorong angka kemiskinan tersebut.

Tahun 2020 adanya pandemi Covid-19 mengakibatkan dampak terhadap perekonomian di

seluruh negara di dunia terutama Indonesia, sehingga aktivitas ekonomi terganggu dan
berimbas pada pengurangan jumlah pekerja, pemutusan hubungan kerja pada sektor-sektor
yang paling terdampak pandemi tersebut yang kemudian menimbulkan permasalahan baru
seperti pertambahan jumlah penduduk miskin akibat adanya ketidakmampuan dalam
memenuhi kebutuhan hidup akibat tidak adanya pekerjaan. Peningkatan kesempatan kerja
akan mendorong pembangunan ekonomi dan berdampak positif bagi masyarakat
Indonesia dengan menciptakan lapangan kerja yang bertujuan untuk mengurangi
pengangguran. Dilihat dari permasalahan-permasalahan yang ada di Indonesia, maka dari itu
diperlukan tindakan pemerintah untuk mengatasi hal tersebut, terutama yang berkaitan
dengan ketenagakerjaan. Salah satu upaya pemerintah untuk mengatasi permasalahan pasar
tenaga kerja adalah dengan memperbaiki sistem pengupahan melalui upah minimum. Selain
upah ada beberapa hal yang mendapat perhatian dari pemerintah sebagai upaya untuk
mengatasi permasalahan ketenagakerjaan yaitu kualitas sumber daya manusia yang ada
melalui penilaian berdasar Indeks Pembangunan Manusia.

4
TINJAUAN PUSTAKA

Masalah makro ekonomi yang memiliki pengaruh langsung dan merupakan yang paing berat
bagi manusia ialah pengangguran. Bagi kebanyakan orang, kehilangan pekerjaan berarti berarti
penurunan standar kehidupan dan tekanan psikologis. Maka sudah tidak mengejutkan lagi jika
pengangguran menjadi topik yang sering dibicarakan dalam perdebatan politik dan para politisi
sering mengklaim bahwa kebijakan yang mereka tawarkan akan membantu menciptakan
lapangan kerja.1
Menurut Sukimo (2011), pengangguran adalah keadaan tanpa pekerjaan yang dihadapi oleh
segolongan tenaga kerja yang berusaha mencari pekerjaan tetapi tidak memperolehnya.2
Pengangguran (Unemployment) merupakan masalah yang hampir selalu ada dalam setiap
perekonomian, terutama di Negara berkembang seperti Indonesia. Secara umum pengangguran
didefinisikan sebagai ketidakmampuan angkatan kerja untuk memperoleh pekerjaan sesuai
dengan yang mereka butuhkan dan mereka inginkan.3 Dari penjelasan tersebut maka dapat
disimpulkan bahwa pengangguran merujuk pada situasi dimana seseorang harus dihadapkan
dengan keadaan ketiadaan kesempatan kerja.
Menurut Adam Smith dan David Ricardo berpendapat bahwa meningkatnya pengangguran di
suatu daerah dapat disebabkan oleh peningkatan jumlah penduduk, karena penduduk juga
berfungsi sebagai tenaga kerja, maka ketika penduduk yang banyak tanpa ada penyediaan
lapangan pekerjaan yang banyak pula akan mengakibatkan pengangguran semakin banyak.4
Pengangguran tidak selalu identik dengan orang yang tidak memiliki pekerjaan. Orang yang
sudah memiliki pekerjaan atau sedang mencari pekerjaan dan menjalankan pekerjaannya juga
dapat digolongkan sebagai pengangguran karena konsep pengangguran dapat dilihat dari tiga
dimensi, yaitu: Waktu, identitas pekerjaan, dan produktifitas.

Hal yang mendasari penelitian analisis ini sebagai berikut:

1) Hubungan jumlah penduduk dan pengangguran terbuka
Masalah utama yang muncul dari besarnya jumlah dan pertumbuhan angkatan kerja
adalah laju pertumbuhan angkatan kerja yang cukup tinggi. Jumlah penduduk yang
semakin meningkat berpengaruh terhadap peningkatan angka pengangguran setiap
tahun. Pertambahan jumlah penduduk menjadikan pengangguran terbuka meningkat
sehingga menyebabkan minimnya kesempatan kerja.

2) Hubungan Upah Minimum dan Pengangguran Terbuka

Hubungannya yaitu semakin tinggi tungkat upah yang ditetapkan disuatu wilayah
akan berdampak terhadap tingginya tingkat pengangguran, artinya jika tingkat upah

5
 naik maka pengangguran juga akan ikut naik. Hal ini dikarenakan dengan adanya
kenaikan upah, maka biaya produksi yang dikeluarkan oleh suatu usaha atau industri
akan meningkat, sehingga berdampak pada pemangkasan biaya produksi.

3) Hubungan Pertumbuhan Ekonomi dan Pengangguran Terbuka

Hukum Okun menjelaskan bahwa tingkat pengangguran memiliki hubungan negatif
dengan GDP riil. Peningkatan pengangguran cenderung dikaitkan dengan rendahnya
pertumbuhan GDP riil. Tingkat pengangguran yang meningkat, maka GDP riil
tumbuh lambat atau bahkan turun.

Variabel Penelitian
Variabel dalam analisis ini yaitu variabel independen dan dependen sebagai berikut:
 Variabel Independen
1) Jumlah Penduduk (X1)
2) Upah Minimum Provinsi (X2)
3) Pertumbuhan Ekonomi (X3)
 Variabel Dependen
1) Pengangguran Terbuka (Y)

6
METODE PENELITIAN

Penelitian ini menggunakan metode deskriptif dengan pendekatan deskriptif kuantitatif.

Teknik penarikan data dalam penelitian ini adalah purposive sampling dengan sampel
sebanyak 22 dari tahun 1998-2019. Teknik pengumpulan data menggunakan studi Pustaka
dan data bersumber dari Badan Pusat Statistik (BPS). Teknik analisis data yang digunakan
dalam penelitian ini adalah analisis regresi data panel. Data panel merupakan analisis data
yang menggabungkan data cross section dengan data time series dan untuk mengolah data
menggunakan software Eviews 11. Untuk mendapatkan gambaran umum mengenai hasil
penelitian ini dan dalam menguji hipotesis sebagai jawaban sementara untuk pemecah
masalah yang ditemukan, maka dapat dilihat melalui persamaan fungsi sebagai berikut :
𝑦i = 𝛽0 + ∑𝑝 𝛽j 𝑥ji + si , i = 1,2, … , 𝑛 (1)

Dimana :
𝑦i : Variabel Respon Pada Variabel Xi
𝛽0 : Intercept
𝛽j : Koefisien Regresi Pada Variabel 𝑥j
𝑥ji : Variabel prediktor ke – j untuk
pengamatan ke – i

si : : Residual dengan asumsi s∼𝑁𝐼𝐷(0,

𝜎2~NID(0,σ^2)

Persamaan (1) dapat ditulis dalam persamaan sebagai

berikut :
Y = X𝛽 + si

7
HASIL DAN PEMBAHASAN
Uji Model Terbaik
Tahapan Pertama adalah mengubah persamaan regresi Y X1 X2 X3 C menjadi Y
C X1 X2 X3. Yaitu sebagai berikut:

Dependent Variable: Y
Method: Least Squares
Date: 03/15/23 Time: 06:47
Sample: 1998 2019
Included observations: 21

Variable Coefficient Std. Error t-Statistic Prob.

X1 -0.894853 0.272281 -3.286510 0.0044

X2 0.084677 0.031178 2.715892 0.0147
X3 0.636280 0.211974 3.001696 0.0080
C 1602.973 479.8074 3.340868 0.0039

R-squared 0.698213 Mean dependent var 7.263333

Adjusted R-squared 0.644956 S.D. dependent var 1.783357
S.E. of regression 1.062623 Akaike info criterion 3.129001
Sum squared resid 19.19586 Schwarz criterion 3.327958
Log likelihood -28.85451 Hannan-Quinn criter. 3.172180
F-statistic 13.11036 Durbin-Watson stat 1.287354
Prob(F-statistic) 0.000111

Interpretasi Output :
Y = a+bx1+bx2+bx3+e.
Y (pengangguran terbuka) = a-bx1 (jumlah penduduk) + bx2 (upah minimum provinsi)
+ bx3 (pertumbuhan ekonomi) +e.
Y = 1785.293 –0.998373 + 0.098139 + 0.183328 +e.

Uji F
Tabel 2. Hasil Uji F
F-statistic 13.11036 Durbin-Watson stat 1.287354
Prob(F-statistic) 0.000111

Sumber: Olahan data menggunakan Eviews-11

Hasil output menunjukkan nilai F statistik 13.11036 dengan probabilitas 0.000111. Karena
probabilitas jauh dibawah 0.05, maka kesimpulan hasil uji F adalah variabel independen simultan
berpengaruh terhadap dependen.

Uji Koefisien Determinasi (R2)

Uji ini dilakukan untuk mengetahui seberapa besar tingkat kemampuan model dalam
menjelaskan variabel terikat (dependen).

8
Tabel 3. Hasil Uji Koefisien Determinasi (R2)
R-squared 0.698213
Adjusted R-squared 0.644956
Sumber: Olahan data menggunakan Eviews-11

Hasil output R-squared memiliki besaran nilai 0.698213 yang berarti variasi 3 variabel
independen mampu menjelaskan 69,82% variasi variabel Y. Dan diketahui juga nilai
adjusted R=squared sebesar 0.644956 yang berarti 3 variasi independen mampu menjelaskan
64.49% variasi variabel Y. Kesimpulannya koefisien determinasi (R²) adalah model regresi
sangat baik.

Uji t
Tabel 4. Hasil uji t-statistik
Variable Coefficient Std. Error t-Statistic Prob.
X1 -0.894853 0.272281 -3.286510 0.0044
X2 0.084677 0.031178 2.715892 0.0147
X3 0.636280 0.211974 3.001696 0.0080
C 1602.973 479.8074 3.340868 0.0039
Sumber : Olahan data menggunakan Eviews-11

9
 Berdasarkan tabel 4 menunjukkan bahwa hasil regresi data panel diperoleh persamaan
sebagai berikut :
Hasil output uji t statistik menunujukan bahwa variabel independen dengan nilai signifikasi
dibawah 0.05. Nilai konstanta sebesar 1785.293 maka dianggap konstan rata-rata
pengangguran sebesar 1785.293. Nilai koefisien regresi X1 sebesar -0.998373 menunjukkan
bahwa setiap kenaikan jumlah penduduk sebesar 1% maka Y akan menurun sebesar
0.998373%. Nilai koefisien regresi X2 sebesar 0.098139 menunjukkan bahwa kenaikan upah
minimum provinsi sebesar 1% maka Y akan meningkat sebesar -0.098139%. Nilai koefisien
regresi X3 sebesar 0.183328 menunjukkan bahwa setiap kenaikan pertumbuhan ekonomi
sebesar 1% maka Y akan meningkat sebesar 0.183328%.

Uji Normalitas :

7
Series: Residuals
6 Sample 1998 2019
Observations 21
5
Mean 2.81e-13
4 Median -0.141752
Maximum 2.550161
3
Minimum -2.081208
2 Std. Dev. 0.979690
Skewness 0.435696
1 Kurtosis 3.902581

0 Jarque-Bera 1.377230
-2 -1 0 1 2 3 Probability 0.502271

Interpretasi Output:
Hipotesa:
H1 : Data tidak berdistribusi normal
H0 : Data berdistribusi normal
Hasil output nilai Jarque Bera sebesar 1.377984 dengan p value sebesar 0.502082 dimana nilai tersebut
> 0.05 sehingga H0 diterima atau artinya residual berdistribusi normal.

1
 Uji Multikolinearitas

Variance Inflation Factors

Date: 03/15/23 Time: 06:52
Sample: 1998 2019
Included observations: 21

Coefficient Uncentered Centered

Variable Variance VIF VIF

X1 0.074137 5054900. 119.9068

X2 0.000972 33242.82 127.0863
X3 0.044933 21.33023 1.827763
C 230215.2 4281488. NA

Interpretasi Output:

Hasil output diperoleh nilai Centered VIF baik X1 X2 X3 dimana nilai tersebut lebih dari 10, maka
dapat dinyatakan terdapat masalah multikolinearitas dalam model ini.

Uji Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey
Null hypothesis: Homoskedasticity

F-statistic 1.194684 Prob. F(3,17) 0.3416

Obs*R-squared 3.656477 Prob. Chi-Square(3) 0.3010
Scaled explained SS 3.477574 Prob. Chi-Square(3) 0.3237

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/15/23 Time: 06:53
Sample: 1998 2019
Included observations: 21

Variable Coefficient Std. Error t-Statistic Prob.

C -357.5853 710.2516 -0.503463 0.6211

X1 0.209415 0.403053 0.519573 0.6101
X2 -0.032999 0.046153 -0.715000 0.4843
X3 0.453525 0.313781 1.445354 0.1665

R-squared 0.174118 Mean dependent var 0.914088

Adjusted R-squared 0.028374 S.D. dependent var 1.595787
S.E. of regression 1.572985 Akaike info criterion 3.913470
Sum squared resid 42.06278 Schwarz criterion 4.112427
Log likelihood -37.09144 Hannan-Quinn criter. 3.956649
F-statistic 1.194684 Durbin-Watson stat 1.176339
Prob(F-statistic) 0.341564

1
 Uji Outlier :

Influence Statistics
Date: 03/15/23 Time: 07:02
Sample: 1998 2019
Included observations: 21

Obs. Resid. RStudent

1998 -0.309755 -0.379439

1999 0.899810 1.144047
2000 -2.081208 -2.961103
2001 -0.807541 -0.845432
2002 -0.467923 -0.490506
2003 0.568150 0.566342
2005 2.550161 3.147156
2006 1.166403 1.199028
2007 0.313827 0.309964
2008 -0.141752 -0.136427
2009 0.989900 0.954125
2010 -0.534346 -0.524651
2011 0.054908 0.053403
2012 -0.263074 -0.272947
2013 -0.553350 -0.529587
2014 -1.238440 -1.317632
2015 -0.078510 -0.077842
2016 -0.831445 -0.854455
2017 -0.417113 -0.413860
2018 0.456865 0.469496
2019 0.724433 0.772839

Interpretasi Output:

Hasil output uji outlier terdapat masalah observasi atau sampel terdektesi outlier. Dasar penentuannya
adalah jika nilai studentized residualnya adalah lebih dari 3 atau kurang dari -3 maka data terdeteksi
outlier. Hasil di atas diperoleh nilai obsevasi dengan studentized residual > 2.5 <-2.5 berwarna merah,
sehingga dapat diartikan data terjangkit masalah outlier.

1
KESIMPULAN
Berdasarkan analisis Regresi linier berganda yang telah dilakukan maka diperoleh
kesimpulannya menunjukkan bahwa Jumlah Penduduk, Upah Minimum Provinsi dan
Pertumbuhan Ekonomi berpengaruh terhadap Tingkat Pengangguran Terbuka. Hasil
penelitiaan ini merekomendasikan kepada pengambil kebijakan dan strategi pembangunan
untuk meningkatkan lapangan kerja dengan mengoptimalkan pendekatan ekonomi sektoral
dan faktor-faktor yang mempengaruhi pengangguran terbuka tersebut.

KETERBATASAN DAN REKOMENDASI

Penelitian ini memiliki keterbatasan yaitu masih terdapat hasil penelitian yang tidak sesuai dengan
hipotesis. Hal ini disebabkan karena adanya kemungkinan measurement error pada proses
pengujian data sehingga perlu dilakukan pendalaman terkait dengan alat dan metode analisis yang
digunakan. Untuk penelitian selanjutnya dapat menggunakan metode analisis lainnya dan
memasukkan lain di luar variabel penelitian.

1
DAFTAR PUSTAKA
Rianti Novia Putri. (2022). Analisis Faktor Yang Mempengaruhi Tingkat
Pengangguran Terbuka.

BPS. (2021a). Jumlah Penduduk 1998-2019. Badan Pusat Statistik Indonesia. Diakses pada
Maret 2023. https://bps.go.id/subject/26/jumlah-penduduk.html#subjekViewTab4
BPS. (2021b). Upah Minimum Regional 34 Provinsi tahun 1998-2019. Badan Pusat
Statistik Indonesia. Diakses pada Maret 2023. https://bps.go.id/subject/19/upah-
buruh.html#subjekViewTab4
BPS. (2021c). Pertumbuhan Ekonomi 1998-2019. Badan Pusat Statistik
Indonesia. Diakses pada Maret 2023.
https://bps.go.id/subject/23/pertumbuhan-ekonomi.html#subjekViewTab4
Cassandra. (2016). Analisis faktor-faktor yang memengaruhi tingkat kemiskinan di
Indonesia. Bogor : IPB.

1
1