Abstrak
Untuk memenuhi kebutuhan ekonomi dan mencapai kesejahteraan hidup yang lebih baik, setiap individu membutuhkan pekerjaan sebagai sumber penghasilan. Apabila kesempatan kerja di daerah tempat tinggal jumlahnya sangat terbatas dan menawarkan upah yang relatif rendah jika dibandingkan dengan di luar daerah, maka terdapat kemungkinan para angkatan kerja akan bermigrasi ke luar daerah untuk mendapatkan pekerjaan. Salah satunya adalah bekerja di luar negeri sebagai Tanaga Kerja Indonesia (TKI).
Pergerakan angkatan kerja dari dalam negeri ke luar negeri tentu akan memberikan dampak positif dan negatif baik dari sisi sosial maupun ekonomi. Salah satu dampak positif dari adanya TKI adalah sumbangan mereka terhadap negara dalam bentuk devisa. Sedangkan dampak negatif dari arus migrasi TKI ke luar negeri dapat berupa permasalahan sosial seperti tindakan kekerasan yang dialami oleh TKI. Untuk memaksimalkan dampak positif dan mengendalikan dampak negatif, pemerintah perlu mengambil kebijakan yang efektif untuk mengendalikan jumlah masyarakat Indonesia yang akan bermigrasi ke luar negeri untuk menjadi TKI.
Melalui penelitian ini, penulis bermaksud untuk meneliti apakah kebijakan penetapan upah minimum kabupaten/kota memiliki pengaruh yang signifikan terhadap minat masyarakat untuk bekerja di luar negeri sebagai TKI sehingga kemudian dapat digunakan sebagai salah satu alat bagi pemerintah untuk mengendalikan permasalahan yang timbul akibat jumlah TKI yang besar. Penulis menggunakan data statistik kependudukan dan tenaga kerja di 35 (tiga puluh lima) kabupaten/kota di Provinsi Jawa Tengah dari tahun 2009 s.d. 2014 yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Tengah. Data yang penulis gunakan meliputi data jumlah TKI, jumlah angkatan kerja, jumlah penduduk, jumlah kesempatan kerja di industri besar dan menengah, tingkat pengangguran, tingkat kemiskinan, upah minimum kabupaten/kota, dan Produk Domestik Reginonal Bruto (PDRB).
Untuk mencapai tujuan tersebut, penulis menggunakan teknik analisis regresi data panel dengan menggunakan software Stata. Variabel dependen yang penulis gunakan adalah jumlah TKI, sedangkan variabel independennya adalah upah minimum kabupaten/kota satu tahun sebelumnya (Lg1UMK), rasio jumlah kesempatan kerja regional terhadap jumlah angkatan kerja (RKKAK), tingkat pengangguran (TPg), tingkat kemiskinan (TKm), dan kenaikan/penurunan Produk Domestik Regional Bruto per kapita (dPDRBPK). Hasil regresi dengan lima macam model menunjukkan variabel Lg1UMK secara konsisten memilik pengaruh yang signifikan terhadap variabel jumlah TKI.
Pendahuluan
Permasalahan kependudukan dan ketenagakerjaan sering dialami oleh negara dengan jumlah penduduk yang besar, Indonesia salah satunya. Pertumbuhan penduduk tinggi dengan sendirinya akan meningkatkan jumlah penduduk dari tahun ke tahun yang bermuara pada peningkatan jumlah angkatan kerja. Konsekuensinya adalah kesempatan kerja baru juga harus diciptakan. Apabila laju pertumbuhan penduduk lebih tinggi dari pertumbuhan jumlah kesempatan kerja, pengangguran dan permasalahan akibat pengangguran akan terjadi.
Pengangguran merupakan masalah yang harus dapat disiasati oleh semua negara. Dampak dari pengangguran tidak hanya berkaitan dengan tingkat kesejahteraan penduduk tetapi juga berdampak pada sisi kehidupan sosial lainnya seperti tingkat kriminalitas dan kesenjangan sosial. Salah satu cara untuk mengurangi pengangguran adalah dengan menciptakan lapangan kerja baru sehingga akan memunculkan kesempatan kerja yang pada akhirnya akan menyerap tenaga kerja dan mengurangi pengangguran. Namun demikian, terdapat juga golongan pengangguran yang sengaja menganggur karena tidak berkeinginan untuk bekerja dengan upah yang kecil. Mereka memilih menganggur daripada harus bekerja dengan upah yang kecil. Pengangguran jenis ini dinamakan pengangguran sukarela. Apabila kesempatan kerja di suatu daerah tidak sebanding dengan jumlah angkatan kerja dan juga upah yang ditawarkan relatif rendah, para penganggur sukarela dan golongan masyarakat lainnya akan mencari pekerjaan ke luar daerah dengan harapan akan mendapat upah yang lebih tinggi. Beberapa di antara mereka memilih untuk mengadu nasib ke luar negeri bekerja sebagai Tenaga Kerja Indonesia (TKI) dengan mengharapkan upah yang lebih tinggi.
Berdasarkan data dari Badan Nasional Penempatan dan Perlindungan Tenaga Kerja Indonesia (BNP2TKI), jumlah TKI pada tahun 2016 adalah 234.451 orang. Jumlah tersebut lebih kecil daripada jumlah TKI pada tahun-tahun sebelumnya. Pada tahun 2015 jumlah TKI adalah sebesar 275.736 orang, tahun 2014 sebesar 429.872 orang, tahun 2013 sebesar 512.168 orang, tahun 2012 sebesar 494.609 orang, dan tahun 2011 sebesar 586.802 orang.
Figur 1.1. Grafik Jumlah TKI Nasional
Dari grafik tersebut, secara nasional, terlihat bahwa jumlah TKI mengalami tren menurun dari tahun 2011 ke tahun 2016. Jumlah TKI yang cukup besar tersebut, selain memberikan dampak positif berupa kontribusi devisa, tentu dapat menimbulkan permasalahan ketenagakerjaan, misalnya masalah kekerasan yang dialami para TKI, masalah upah yang tidak dibayar, dan masalah hukum di negara tujuan. BNP2TKI mencatat terdapat 519 TKI bermasalah pada tahun 2016. Jumlah tersebut lebih besar dari pada jumlah TKI bermasalah tiga tahun sebelumnya. Pada tahun 2015 terdapat sebanyak 369 TKI bermasalah, tahun 2014 sebanyak 151 TKI bermasalah, tahun 2013 sebanyak 426 TKI bermasalah, tahun 2012 sebanyak 542 TKI bermasalah, dan tahun 2011 sebanyak 910 TKI bermasalah.
Pemerintah harus berperan aktif melindungi warganya yang bekerja sebagai TKI di luar negeri. Kebijakan-kebijakan yang efektif harus dirumuskan untuk menanggulangi permasalahan yang ditimbulkan oleh arus migrasi TKI ke luar negeri. Pemerintah harus memastikan bahwa TKI yang bekerja di luar negeri adalah benar-benar TKI yang berkualitas dan memiliki keahlian atau keterampilan kerja. Persyaratan keahlian dan keterampilan kerja harus benar-benar dijadikan alat untuk membatasi jumlah TKI yang bermigrasi ke luar negeri. Selain itu dari sisi dalam negeri, pemerintah juga perlu mempertimbangkan penyediaan lapangan kerja yang luas dengan upah yang layak.
Tinjauan Pustaka
Tenaga Kerja
Menurut UU No. 13 Tahun 2003 tentang Ketenagakerjaan, tenaga kerja adalah setiap orang yang mampu melakukan pekerjaan guna menghasilkan barang dan atau jasa baik untuk memenuhi kebutuhan sendiri maupun untuk masyarakat. Secara praktis, tenaga kerja terdiri atas dua hal, yaitu angkatan kerja dan bukan angkatan kerja:
- Angkatan kerja terdiri atas golongan yang bekerja dan golongan penganggur atau sedang mencari kerja.
- Kelompok yang bukan angkatan kerja terdiri atas golongan yang bersekolah, golongan yang mengurus rumah tangga, dan golongan lain-lain atau menerima penghasilan dari pihak lain, misalnya pensiunan.
Untuk mengailisis permasalahan pengangguran, para ahli ekonomi membagi pengangguran menjadi beberapa kelompok. Berdasarkan penyebabnya, pengangguran dapat dibagi menjadi 3, yaitu :
a. Pengangguran Friksional
Pengangguran friksional adalah penganguran yang terjadi pada orang yang sedang mencari pekerjaan. Penyebab timbulnya adalah informasi lowongan kerja yang tidak sempurna dan proses perekrutan tenaga kerja yang lama. Terdapat dua jenis pengangguran friksional yaitu pengangguran sukarela dan pengangguran terpaksa. Pengangguran sukarela adalah orang-orang yang sebenarnya dapat bekerja disuatu tempat, tetapi memilih menganggur untuk mencari pekerjaan lain yang lebih baik. Pengangguran terpaksa adalah seseorang sebenarnya masih ingin bekerja di tempat yang sama, namun menganggur karena terpaksa. Penyebabnya karena diberhentikan atau karena perusahaan tempatnya bekerja tidak lagi beroperasi.
b. Pengangguran Struktural
Pengangguran struktural adalah pengangguran yang timbul karena perubahan struktural di pasar tenaga kerja sehingga struktur tenaga kerja yang ada tidak cocok lagi dengan permintaan pasar kerja. Struktur tenaga kerja yang dimaksud adalah jenis keterampilan, jabatan, jenis industri, atau lokasi geografis. Penyebabnya adalah penyebab alami yaitu perubahan ekonomi yang mengubah struktur permintaan tenaga kerja, misalnya digantikannya para petani dari sektor pertanian dengan teknologi sehingga para petani terancam kehilangan pekerjaannya.
c. Pengangguran Musiman
Pengangguran musiman adalah pengangguran yang terjadi akibat perputaran roda perekonomian. Pengangguran musim dapat juga terjadi karena pergantian musim, misalnya petani padi yang hanya bekerja pada musim tanam dan musim panen sehingga diluar musim ini para petani terancam menganggur.
Teori Upah
Motif ekonomi dari setiap individu yang bekerja adalah untuk mendapatan upah. Teori “Upah Wajar” dari David Ricardo menjelaskan bahwa upah menurut kodrat adalah upah yang cukup untuk pemeliharaan hidup pekerja dengan keluarganya. Di pasar akan terdapat upah menurut harga pasar yang besarnya ditentukan oleh permintaan dan penawaran. Upah harga pasar akan berubah di sekitar upah menurut kodrat. Sedangkan menurut kaum utopis (kaum yang memiliki idealis masyarakat yang ideal), tindakan para pengusaha yang memberikan upah hanya cukup untuk memenuhi kebutuhan minimum, merupakan suatu tindakan yang tidak etis. Oleh karena itu, selain memberikan upah yang layak kepada pekerja, para pengusaha juga harus memberikan tunjangan keluarga.
Oleh ahli-ahli ekonomi modern, kemudian, teori upah tersebut di atas dijadikan landasan pemikiran dalam menganalisis upah minimum.
Teori Migrasi
Menurut Everett S. Lee ada 4 faktor yang menyebabkan orang mengambil keputusan untuk melakukan migrasi yaitu:
- Faktor pendorong yaitu faktor-faktor yang terdapat di daerah asal misalnya lapangan pekerjaan yang semakin terbatas, pendapatan yang rendah, dan bencana alam.
- Faktor penarik yaitu faktor-faktor yang terdapat di tempat tujuan misalnya mendapatkan upah yang tinggi, tersedianya lapangan pekerjaan, keadaan lingkungan, dan standar hidup yang lebih baik.
- Faktor penghambat yaitu faktor-faktor yang menghambat misalnya jarak antara daerah asal dan daerah tujuan dan biaya transportasi yang tinggi.
- Faktor pribadi yaitu faktor-faktor dari dalam diri individu sendiri yang mempunyai peranan penting dalam menilai positif dan negatifnya suatu daerah yang pada akhirnya akan mempengaruhi keputusan untuk bermigrasi.
Jenis Penelitian ini merupakan penelitian yang bersifat deskriptif komparatif, yaitu jenis penelitian yang bertujuan untuk mengetahui hubungan kausalitas dengan menganalisis faktor-faktor penyebab terjadinya suatu fenomena tertentu. Metode analisis data yang penulis gunakan adalah analisis regresi linier berganda dengan menggunakan data panel. Model regresi data panel adalah model regresi yang menggunakan data gabungan antara data runtut waktu (time series) dan data silang (cross section).
Penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel). Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.
Terdapat empat macam model data panel, yaitu:
a. Pooled Least Square Model (Model PLS)
Model PLS menggabungkan seluruh data time series dan cross section kemudian mengestimasi model dengan metode ordinary least square (OLS). Model PLS mengasumsikan intersep dan koefisien diaggap konstan baik kantar waktu maupun antar individu.
b. Fixed-Effect Models (Model FE)
Model FE digunakan untuk memperbaiki asumsi model PLS yang tidak sesuai dengan realita. Model FE dapat mengakomodasi perbedaan karakteristik setiap individu seperti bahasa, adat, budaya, lingkungan, dan sebagainya. Model FE digunakan ketika heterogenitas di antara subjek yang tidak terobservasi diwakili oleh efek dari subjek spesifik yang tetap. Dengan kata lain, pada model FE, setiap unit cross-section memiliki nilai intersep sendiri yang tetap.
c. Random-Effects Models (Model RE)
Pendekatan model RE digunakan untuk memperbaiki efisiensi proses least square dengan memperhitungkan error dari cross section dan time series. Model RE mengasumsikan efek individu yang tidak terobservasi tidak berkorelasi dengan regressor atau bersifat acak. Model RE digunakan ketika heterogenitas di antara subjek yang tidak terobservasi diwakili oleh efek dari subjek spesifik yang bervariasi secara acak. Pada model RE, nilai intersep merepresentasikan nilai rata-rata dari seluruh intersep cross-sectional sedangkan error-components merepresen-tasikan deviasi acak intersep individu dari nilai intersep rata-rata.
d. Model Regresi Data Panel Dinamis
Model regresi data panel dinamis digunakan ketika variabel terikat saat ini dipengaruhi oleh variabel terikat pada tahun sebelumnya.
Karena variabel jumlah TKI saat ini dipengaruhi oleh jumlah TKI pada tahun sebelumnya, dalam penelitian ini, penulis menggunakan model regresi data panel dinamis sebagai berikut:
Apabila ditulis ulang, model regresi data panel dinamis yang penulis gunakan dalam penelitian ini adalah sebagai berikut:
Estimasi Parameter Model Arellano dan Bond
Hubungan dinamis dalam model regresi dengan memasukkan lag variabel dependen sebagai regresor dalam model regresi mengakibatkan masalah endogenitas. Apabila model diestimasi dengan pendekatan fixed-effect maupun random-effect, akan menghasilkan penduga yang bias dan tidak konsisten. Untuk itu maka muncul pendekatan GMM (Generalized Method of Moments). Dengan software Stata, command yang digunakan untuk melakukan regresi model data panel dinamis adalah xtabond.
Uji Multikolinieritas
Multikolinieratias adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara masing-masing variabel independen dalam model regresi. Multikolineari-tas biasanya terjadi ketika sebagian besar variabel yang digunakan saling terkait dalam suatu model regresi. Menurut Gujarati (2012) data panel sedikit terjadi kolinearitas antar variabel sehingga sangat kecil kemungkinan terjadi multikolinearitas. Namun, pengujian tetap dapat dilakukan dengan cara melihat nilai variance inflating factor (VIF). Dengan Stata, nilai VIF dapat diketahui dengan cara memasukkan command vif setelah reg y x1 x2 x3. Jika nilai rata-rata VIF lebih besar dari 10, artinya terdapat indikasi multikolinieritas.
Uji Autokorelasi
Autokorelasi muncul karena residual yang tidak bebas antar satu observasi ke observasi lainnya (Kuncoro, 2011). Hal ini disebabkan karena error pada individu cenderung mempengaruhi individu yang sama pada periode berikutnya. Masalah autokorelasi sering terjadi pada data time series (runtut waktu). Deteksi autokorelasi pada model regresi data panel dinamis dengan Stata dapat dilakukan dengan menggunakan command estat abond setelah xtabond y x1 x2 x3. Hipotesi awal H0 menyatakan tidak terdapat autokoreasi, sedangkan hipotesis alternatif H1 menyatakan terdapat autokorelasi. H0 ditolak jika nilai prob>chi2 lebih besar dari pada alpha.
Walaupun uji autokorelasi tersebut dapat dilakukan, namun uji autokorelasi pada data panel tidak akan memberikan arti apa-apa karena dalam data panel terjadi pengulangan waktu untuk individu yang berbeda sehingga sudah pasti terjadi hubungan antara residual (autokorelasi).
Uji Stasioneritas
Stasioner adalah suatu kondisi data yang nilai rata-rata, varian, dan kovarian dari variabel-variabelnya tidak dipengaruhi oleh waktu. Metode pengujian stasioneritas dengan software Stata dapat dilakukan dengan menggunakan command xtunitroot. Hipotesis awal H0 menyatakan bahwa semua data penel mengandung akar unit (unit roots), sedangkan hipotesis alternatif H1 menyatakan bahwa setidaknya satu data panel adalah stasioner. H0 ditolak jika p-value z lebih kecil dari pada alpha.
Namun demikian, beberapa ahli statistik, misalnya Baltagi, berpendapat bahwa stasioneritas pada data panel bukanlah merupakan syarat mutlak.
Uji Heterokedastisitas
Heterokedastisitas timbul apabila nilai residual dari model tidak memiliki varians yang konstan. Artinya, setiap observasi mempunyai reliabilitas yang berbeda-beda akibat perubahan kondisi yang melatarbelakangi tidak terangkum dalam model (Kuncoro, 2011). Gejala ini sering terjadi pada data cross section (Gujarati, 2012), sehingga sangat dimungkinkan terjadi heterokedastisitas pada data panel. Uji heteroskedasitas dapat dilakukan dengan uji Breusch-Pagan. Dalam Stata dapat dilakukan dengan command hettest setelah command reg y x1 x2 x3. Hipotesis awal H0 menyatakan terdapat varian yang konstan, sedangkan hipotesis H1 menyatakan terdapat varian yang tidak konstan atau terjadi masalah heteroskedasitas. H0 ditolak jika prob < chi2 lebih kecil dari alpha.
Dalam model regresi data panel dinamis, permalahan heteroskedasitas dapat ditanggulangi dengan menggunakan opsi vce robust) pada command xtabond y x1 x2 x3.
Uji Sargan (Overidentifying Restriction)
Uji sargan atau overidentifying restriction adalah pengujian untuk mengetahui apakah jumlah paremeter yang diestimasi lebih kecil dari pada jumlah data yang diketahui. Dengan Stata, uji overidentifying restriction dilakukan dengan command estat sargan. Hipotesis awal H0 menyatakan kondisi overidentifying restriction dalam model adalah valid, sedangkan hipotesis alternatif H1 menyatakan kondisi overidentifying restriction dalam model adalah tidak valid. H0 ditolak jika nilai prob > chi2 lebih kecil dari pada nilai alpha.
Menolak H0 pada uji sargan berarti diperlukan pertimbangan untuk mengubah model atau instrument, kecuali jika penolakan tersebut memang terjadi akibat terdapatnya masalah heteroskedasitas. Data dengan permasalahan heteroskedasitas dapat diregresi dengan menambahkan opsi vce (robust) dalam command xtabond y x1 x2 x3.
Hasil dan Pembahasan
Uji Multikolinieritas
Berikut adalah hasil uji VIF untuk menguji multikolinieritas.
Variable
|
VIF
|
1/VIF
|
RKKAK
TKm
dPDRBPK
TPg
Lg1UMK
|
1.58
1.50
1.36
1.10
1.04
|
0.631387
0.667865
0.733138
0.909523
0.963957
|
Mean VIF
|
1.32
|
|
Dari hasil uji tersebut, dapat diketahui nilai rata-rata VIF lebih kecil dari 10 sehingga dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas.
Uji Autokorelasi, Uji Stasioneritas, Uji Heterokedastisitas, dan Uji Sargan (Overidentifying Restriction)
Hasil uji autokorelasi dengan estat abond menunjukkan adanya masalah autokorelasi. Berikut adalah hasil uji autokorelasi. Kelima model menunjukkan adanya masalah autokorelasi karena nilai prob>chi2 lebih besar dari pada alpha.
Uji estat abond model 1
Order
|
Z
|
Prob > z
|
1
|
.85298
|
0.3937
|
2
|
-1.3425
|
0.1794
|
H0: no autocorelation
|
||
Uji estat abond model 2
Order
|
Z
|
Prob > z
|
1
|
.83624
|
0.4030
|
2
|
-1.3116
|
0.1897
|
H0: no autocorelation
|
||
Uji estat abond model 3
Order
|
Z
|
Prob > z
|
1
|
.98657
|
0.3239
|
2
|
-1.322
|
0.1862
|
H0: no autocorelation
|
||
Uji estat abond model 4
Order
|
Z
|
Prob > z
|
1
|
1.0949
|
0.2736
|
2
|
-1.405
|
0.1600
|
H0: no autocorelation
|
||
Uji estat abond model 5
Order
|
Z
|
Prob > z
|
1
|
1.1048
|
0.2692
|
2
|
-1.5095
|
0.1312
|
H0: no autocorelation
|
||
Uji stasioneritas dengan xtunitroot juga menunjukkan data nonstasioner pada variabel Lg1UMK, RKKKAK, TKm, dan dPDRBPK karena nilai p-value z mereka lebih besar dari pada nilai alpha.
Hasil uji stasioneritas adalah sebagai berikut:
p-value
|
|||||||
TKI
|
Lg1UMK
|
RKKAK
|
TKm
|
TPg
|
dPDRBPK
|
||
Inverse normal
z
|
0.0000
|
1.0000
|
0.1876
|
1.0000
|
0.0000
|
0.9966
|
|
Berdasarkan penjelasan teori pada metode penelitian, walaupun telah dilakukan, penulis memilih untuk tidak melakukan perlakuan lanjutan terhadap hasil uji autokorelasi dan uji stasioneritas yang tidak sesuai dengan harapan.
Hasil uji heteroskedasitas dengan command hettest menunjukan nilai prob > chi2 sebesar 0.0000. Nilai tersebut jauh lebih kecil dari pada alpha 5% sehingga dapat disimpulkan terdapat masalah heteroskedasitas.
Hasil uji sargan terhadap kelima jenis model adalah sebagai berikut:
Model 1
|
Model 2
|
Model 3
|
Model 4
|
Model 5
|
|
prob > chi2
|
0.0000
|
0.0000
|
0.0000
|
0.0000
|
0.0000
|
H0: overidentifying
restrictions are valid
|
|||||
H0 ditolak karena nilai prob > chi2 lebih kecil dari pada nilai alpha. Artinya, kondisi overidentifying restriction dalam model adalah tidak valid.Selanjutnya, perlakuan terhadap hasil uji heteroskedasitas dan uji sargan tersebut, penulis menggunakan opsi vce (robust) dalam melakukan regeresi xtabond y x1 x2 x3.
Hasil Regresi
Berikut adalah hasil regresi data panel dinamis dengan menggunakan software Stata xtabond dengan opsi vce (robust).
VARIABLES
|
Model 1
|
Model 2
|
Model 3
|
Model 4
|
Model 5
|
TKI
|
TKI
|
TKI
|
TKI
|
TKI
|
|
L.TKI
|
-0.150***
|
-0.148***
|
-0.156***
|
-0.167***
|
-0.226***
|
(0.047)
|
(0.048)
|
(0.055)
|
(0.054)
|
(0.065)
|
|
Lg1UMK
|
-0.005***
|
-0.005***
|
-0.006**
|
-0.006**
|
-0.005*
|
(0.002)
|
(0.002)
|
(0.003)
|
(0.003)
|
(0.003)
|
|
RKKAK
|
10,737.745
|
10,920.009
|
10,510.325*
|
18,583.697***
|
|
(7,097.162)
|
(6,702.399)
|
(5,934.380)
|
(6,893.651)
|
||
TKm
|
-100.227
|
-96.549
|
-172.142
|
||
(191.983)
|
(181.984)
|
(181.464)
|
|||
TPg
|
-37.779
|
-76.815
|
|||
(99.794)
|
(104.035)
|
||||
dPDRBPK
|
-693.662*
|
||||
(389.655)
|
|||||
Constant
|
7,303.915***
|
7,147.031***
|
9,472.093**
|
9,737.726**
|
10,854.886**
|
(1,983.312)
|
(1,928.155)
|
(4,742.000)
|
(4,696.869)
|
(4,858.764)
|
|
Observations
|
105
|
105
|
105
|
105
|
105
|
Number of id
|
35
|
35
|
35
|
35
|
35
|
Robust standard errors
in parentheses
|
|||||
*** p<0.01, **
p<0.05, * p<0.10
|
|||||
Penulis melakukan percobaan terhadap lima macam model. Pada model (1) hanya terdapat dua variabel independen yaitu L.TKI dan Lg1UMK. Pada model (2) terdapat tiga variabel indj8mependen yaitu L.TKI, Lg1UMK, dan RKKAK. Pada model (3) terdapat empat variabel independen yaitu L.TKI, Lg1UMK, RKKAK, dan TKm. Pada model (4) terdapat lima variabel independen yaitu L.TKI, Lg1UMK, RKKAK, TKm, dan TPg. Pada model (5) terdapat enam variabel independen yaitu L.TKI, Lg1UMK, RKKAK, TKm, TPg, dan dPDRBPK.
Dari hasil regresi tersebut di atas, dapat dilihat variabel utama dalam penelitian ini, yaitu Lg1UMK, memiliki pengaruh yang signifikan terhadap variabel TKI dalam kelima bentuk model. Dilihat dari nilai koefisiennya, variabel Lg1UMK memiliki koefisien dengan arah negatif. Artinya, kenaikan/penurunan angka upah minimum kabupaten/kota memiliki hubungan yang negatif terhadap jumlah TKI yang akan bekerja ke luar negeri.
Kesimpulan dan Saran
Dari pembahasan tersebut di atas dapat disimpulkan bahwa kebijakan penetapan upah minimum kabupaten/kota di Provinsi Jawa Tengah memiliki pengaruh yang signifikan terhadap minat masyarakat di kabupaten/kota di Provinsi Jawa Tengah untuk bekerja sebagai TKI di luar negeri. Artinya, melalui kebijakan penetapan upah minimum kabupaten/kota, pemerintah juga dapat memiliki alternatif cara untuk mengendalikan jumlah TKI yang bermaksud untuk bekerja ke luar negeri, khususnya TKI yang tidak memiliki keahlian dan keterampilan yang memadai, sehingga apada akhirnya dapat mengurangi permasalahan TKI di luar negeri.
Adapun, agar penelitian ini dapat lebih dapat diandalkan dan bermanfaat, sebaiknya data yang digunakan harus ditambah sehingga mencakup seluruh kabupaten/kota di seluruh Indonesia.
Daftar Pustaka
- Academia. Data Panel. http://www.academia.edu/7634881/Data_PaPan.
- Diassatria. Analisis Regresi Model Data Panel. http://www.diassatria.com/analisis-regresi-model-data-panel/.
- Gujarati, D. 2012. Dasar-dasar Ekonometrika. Jakarta: Salemba Empat.
- Hidayat, A. 2014. Tutorial Cara Regresi Data Panel dengan STATA. www.statiskian.com
- Republik Indonesia. 2003. Undang-undang No. 13 Tahun 2003 tentang Ketenagakerjaan. Sekretariat Negara. Jakarta.
- Stata. xtdpdsys Postestimation. http://www.stata.com/manuals13/xtxtdpdsyspostestimation.pdf.
- Torres-Reyna, O. 2007. Panel Data Analysis Fixed and Random Effects using Stata (c.4.2). http://dss.princeton.edu/training. University of Princeton.
- Wikipedia. Sargan Hansen Test. http://en.wikipedia.org/wiki/Sargan%E2%80%93Hansen_test