1

ANALISIS PENGARUH TINGKAT PENGANGGURAN TERBUKA DAN INDEKS

PEMBANGUNAN MANUSIA TERHADAP TINGKAT KEMISKINAN DI

INDONESIA

Sastyo Aji Darmawan, 1306355422

Magister Perencanaan dan Kebijakan Publik

Fakultas Ekonomi Universitas Indonesia

A. LATAR BELAKANG

Kemiskinan merupakan masalah yang dihadapi oleh semua negara di dunia,

terutama negara sedang berkembang. Kemiskinan merupakan masalah kompleks yang

dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain tingkat pendapatan

masyarakat, pengangguran, kesehatan, pendidikan, akses terhadap barang dan jasa,

lokasi, geografis, gender, dan lokasi lingkungan.

Banyak dampak negatif yang disebabkan oleh kemiskinan, selain timbulnya

banyak masalah-masalah sosial, kemiskinan juga dapat mempengaruhi pembangunan

ekonomi suatu negara. Kemiskinan yang tinggi akan menyebabkan biaya yang harus

dikeluarkan untuk melakukan pembangunan ekonomi menjadi lebih besar, sehingga

secara tidak langsung akan menghambat pembangunan ekonomi.

Penyebab kemiskinan bermuara pada teori lingkaran kemiskinan (vicious

circke of poverty) dari Nurkse 1953. Yang dimaksud lingkaran kemiskinan adalah

suatu rangkaian kekuatan yang saling mempengaruhi suatu keadaaan dimana suatu

negara akan tetap miskin dan akan banyak mengalami kesukaran untuk mencapai

tingkat pembangunan yang lebih baik. Adanya keterbelakangan, dan ketertinggalan

SDM (yang tercermin oleh rendahnya IPM), ketidaksempurnaan pasar, dan kurangnya

modal menyebabkan rendahnya produktifitas. Rendahnya produktifitas

mengakibatkan rendahnya pendapatan yang mereka terima (yang tercermin oleh

rendahnya PDRB per kapita). Rendahnya pendapatan akan berimplikasi pada

rendahnya tabungan dan investasi. Rendahnya investasi berakibat pada rendahnya

akumulasi modal sehingga proses penciptaan lapangan kerja rendah (tercemin oleh

tingginya jumlah pengangguran).

Dilatar belakangi permasalahan tersebut diatas, maka penulis bermaksud

untuk meneliti pengaruh Tingkat Pengangguran Terbuka dan Indeks Pembangunan

Manusia terhadap Tingkat Kemiskinan di lima Provinsi di Indonesia, yaitu Bengkulu,

Banten, Nusa Tenggara Timur, Sulawesi Barat dan Papua Barat.

B. MASALAH PENELITIAN

Identifikasi masalah dalam penelitian ini adalah sebagai berikut:

1. Bagaimana pengaruh Tingkat Pengangguran Terbuka terhadap Tingkat

Kemiskinan di Provinsi Bengkulu, Banten, Nusa Tenggara Timur, Sulawesi Barat

dan Papua Barat.

2. Bagaimana pengaruh Indeks Pembangunan Manusia terhadap Tingkat

Kemiskinan di Provinsi Bengkulu, Banten, Nusa Tenggara Timur, Sulawesi Barat

dan Papua Barat.

2

3. Bagaimana Tingkat Pengangguran Terbuka dan Indeks Pembangunan Manusia

secara bersama-sama mempengaruhi Tingkat Kemiskinan di Provinsi Bengkulu,

Banten, Nusa Tenggara Timur, Sulawesi Barat dan Papua Barat.

C. HIPOTESA PENELITIAN

Hipotesa yang dapat dirumuskan dalam penelitian ini adalah sebagai berikut:

1. Tingkat Pengangguran Terbuka berpengaruh positif terhadap Tingkat kemiskinan,

dimana jika tingkat pengangguran meningkat maka tingkat kemiskinan pun ikut

meningkat.

2. Indeks Pembangunan Manusia berpengaruh negative terhadap tingkat kemiskinan,

dimana jika indeks pembangunan manusia meningkat maka tingkat kemiskinan

akan menurun.

D. SPESIFIKASI MODEL DAN PROSEDUR YANG DIGUNAKAN

Prosedur yang digunakan untuk membuat model tersebut diatas adalah

menggunakan regresi data panel. Model data panel adalah model regresi linier

menggunakan data cross section dan time series.

Model dengan data cross section

Yi = α + β Xi + εi ; i = 1,2,....,N (1)

N: banyaknya data cross section

Mode dengan data time series

Yt = α + β Xt + εt ; t = 1,2,....,T (2)

N: banyaknya data time series

Mengingat data panel merupakan gabungan dari data cross section dan data time series,

maka modelnya dituliskan dengan:

Yit = α + β Xit + εit ; i = 1,2,....,N; t = 1,2,….., T (3)

Di mana :

N = banyaknya observasi

T = banyaknya waktu N x T = banyaknya data panel

Secara matematis model pengaruh tingkat pengangguran terbuka dan indeks

pembangunan manusia terhadap tingkat kemiskinan dapat dituliskan sebagai berikut:

Yit = α + β1X1t + β2X2t + εit

Dimana:

Yit : Tingkat Kemiskinan

α : Intercept

β1 : Koefisien Slope X1

X1t : Tingkat Pengangguran Terbuka

β2 : Koefisien Slope X2

X2t : Indeks Pembangunan Manusia

εit : Komponen error antar individu dan waktu

3

Data panel adalah gabungan antara data runtut waktu (time series) dan data

silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu, tetapi

meliputi beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang

terdiri dari atas beberapa atau banyak objek, sering disebut responden dengan

beberapa jenis data dalam suatu periode waktu tertentu. Ketika kita melakukan suatu

observasi perilaku unit ekonomi seperti rumah tangga, perusahaan atau Negara, kita

tidak hanya akan melakukan observasi terhadap unit-unit tersebut di dalam waktu

yang bersamaan tetapi juga perilaku unit-unit tersebut pada berabagai periode waktu.

Regresi dengan menggunakan data panel disebut model regresi data panel. Ada

beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data

panel merupakan gabungan data data time seris dan cross section mampu menyediakan

data yang lebih banyak sehingga akan 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 (ommited-variable).

Beberapa Model Panel

Pooled Least Square (PLS)

(1)

Fixed Effect Model (FEM, Least Square Dummy Variable/LSDV)

(2)

Random Effect Model (REM, Error Component Model = ECM)

(3)

αi dianggap tidak fixed tapi merupakan variabel random dengan rata-rata α , sehingga

bisa dinyatakan αi = α + ei.

Jika disubsitusikan ke persamaan di atas, model REM menjadi

(4)

Dari sinilah muncul istilah error component model dimana ei adalah error komponen

cross section dan uit adalah error komponen time series dan cross section. Pada model

ini diasumsikan tidak ada korelasi antara αi dan xit : corr (αi, xit) = 0

E. HASIL DAN PEMBAHASAN

Penulis menggunakan regresi data panel dengan menggunakan software

STATA.12. Data yang digunakan adalah data sekunder yang diunduh dari laman

internet Badan Pusat Statistik untuk Tingkat Kemiskinan, Tingkat Pengangguran

terbuka dan Indeks Pembangunan Manusia dari 5 Provinsi di Indonesia, yaitu :

Bengkulu, Banten, Nusa Tengara Timur, Sulawesi Barat dan Papua Barat dengan

tahun pengamatan dimulai sejak tahun 2007 sampai dengan tahun 2012.

4

Dari beberapa model regresi data panel, penulis melakukan pemilihan model

yang terbaik , yang paling mampu menjelaskan model secara signifikan engan

tahapan sebagai berikut:

1. Mengestimasi model menggunakan metode OLS/ Pooled Data dan metode LSDV/

Fixed Effect, kemudian menghitung nilai F dengan persamaan sebagai berikut:

(

) ⁄

( ) ⁄ (5)

Dimana:

R2

UR = R2 pada model unrestricted (FEM)

R2

R = R2 pada model restricted (PLS)

r = banyaknya restriksi

n = banyaknya observasi

k = banyak variabel bebas pada model unrestricted

Adapun rancangan Hipotesa dari uji F tersebut adalah :

H0: αi = α (Model PLS)

H1: αi ≠ α (Model FEM) Tabel.1 Regresi Pooled Data

Nilai R

2 : 26,95%

_cons 147.0498 49.47052 2.97 0.006 45.54465 248.5549

ipm -1.76344 .7110628 -2.48 0.020 -3.222421 -.3044599

tpt -.6718443 .3670397 -1.83 0.078 -1.424948 .0812589

poor Coef. Std. Err. t P>|t| [95% Conf. Interval]

Total 2523.15338 29 87.0052891 Root MSE = 8.2622

Adj R-squared = 0.2154

Residual 1843.10827 27 68.2632691 R-squared = 0.2695

Model 680.045116 2 340.022558 Prob > F = 0.0144

F( 2, 27) = 4.98

Source SS df MS Number of obs = 30

5

Tabel.2 Regresi Fixed Effect

Nilai R

2 : 98,81%

Maka nilai F dapat dihitung dengan persamaan (5), sebagai berikut:

( ) ⁄

( ) ⁄

Kemudian bandingkan Nilai F dengan F table pada derajat bebas (4,23) dan nilai

alpha (0,05), yaitu 2,7955. Maka nilai Fstat > Ftable, dan kesimpulannya Model

Fixed Effect lebih baik dari pada model Pooled Least Square.

2. Mengestimasi model menggunakan metode Random Effect, dan menguji model

LSDV/ Fixed Effect dan Random Effect dengan Haussman Test. Rancangan

Hipotesa untuk pemilihan model Random Effect dan Fixed Effect, adalah sebagai

berikut:

H0 : Model LSDV/ Fixed Effect lebih baik

Ha : Model Random Effect/ GLS lebih baik

Dimana, jika Nilai Prob>F lebih kecil dari alpha (0,05) maka tolak H0.

_cons 200.0008 25.52738 7.83 0.000 147.1933 252.8082

_Ii_5 5.347556 1.125112 4.75 0.000 3.020084 7.675028

_Ii_4 -12.40062 1.408318 -8.81 0.000 -15.31395 -9.487292

_Ii_3 -10.17225 2.24348 -4.53 0.000 -14.81324 -5.531263

_Ii_2 -17.09355 1.996486 -8.56 0.000 -21.22359 -12.9635

ipm -2.482222 .3400087 -7.30 0.000 -3.185584 -1.77886

tpt -.0721278 .2509856 -0.29 0.776 -.5913312 .4470755

poor Coef. Std. Err. t P>|t| [95% Conf. Interval]

Total 2523.15338 29 87.0052891 Root MSE = 1.1405

Adj R-squared = 0.9851

Residual 29.9163705 23 1.30071176 R-squared = 0.9881

Model 2493.23701 6 415.539502 Prob > F = 0.0000

F( 6, 23) = 319.47

Source SS df MS Number of obs = 30

6

Tabel 3. Regresi Random Effect

Tabel.3 Uji Haussman

Dari hasil uji Haussman didapatkan nilai Prob>chi2 adalah sebesar 0,9783 lebih

besar dari alpha (0,05), maka H0 diterima dan secara konsisten dinyatakan Model

Fixed Effect lebih baik.

Dari kedua tahapan diatas, maka penulis menyimpulkan bahwa model yang

digunakan untuk mengestimasi pengaruh Tingkat Pengangguran Terbuka dan Indeks

Pembangunan Manusia terhadap Tingkat Kemiskinan adalah model Fixed Effect.

rho .99113099 (fraction of variance due to u_i)

sigma_e 1.1404875

sigma_u 12.056424

_cons 193.8359 24.24956 7.99 0.000 146.3076 241.3641

ipm -2.49091 .3234022 -7.70 0.000 -3.124767 -1.857054

tpt -.0863828 .2377169 -0.36 0.716 -.5522994 .3795338

poor Coef. Std. Err. z P>|z| [95% Conf. Interval]

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

Wald chi2(2) = 117.30

overall = 0.1954 max = 6

between = 0.1532 avg = 6.0

R-sq: within = 0.8268 Obs per group: min = 6

Group variable: i Number of groups = 5

Random-effects GLS regression Number of obs = 30

Prob>chi2 = 0.9783

= 0.04

chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B)

Test: Ho: difference in coefficients not systematic

B = inconsistent under Ha, efficient under Ho; obtained from xtreg

b = consistent under Ho and Ha; obtained from xtreg

ipm -2.482222 -2.49091 .0086881 .1049617

tpt -.0721278 -.0863828 .0142549 .0805261

tetap acak Difference S.E.

(b) (B) (b-B) sqrt(diag(V_b-V_B))

Coefficients

7

Adapun interprestasi dari hasil regresi model Fixed Effect diatas adalah sebagai

berikut:

1. Variabel Tingkat Pengangguran Terbuka berpengaruh negative terhadap tingkat

kemiskinan, dimana jika tingkat pengangguran bertambah 1% maka tingkat

kemiskinan turun sebesar 0,72%. Hasil uji t dari variable ini ternyata tidak signifikan

dengan nilai P>|t| sebesar 0,776, atau lebih besar dari nilai alpha (0,05). Dengan kata

lain variable Tingkat Pengangguran Terbuka tidak berpengaruh secara signifikan

terhadap tingkat kemiskinan.

2. Variable Indeks Pembangunan Manusia berpengaruh positif terhadap tingkat

kemiskinan, dimana jika Indeks Pembangunan Manusia meningkat bertambah satu

satuan, maka tingkat kemiskinan akan turun hampir 2,5 kali lipat (248,2%). Hasil uji t

dari variable ini menunjukan bahwa variable Indeks Pembangunan Manusia

berpengaruh secara signifikan terhadap tingkat kemiskinan dengan nilai P>|t| sebesar

0,000 atau lebih kecil dari alpha (0,05).

3. Tingkat kemiskinan berbeda-beda di setiap Provinsi. Dimana Provinsi Papua Barat

memiliki tingkat kemiskinan yang terbesar, terlihat dengan nilai koefisien _li_5

sebesar 5,347556. Provinsi Banten memiliki tingkat kemiskinan paling kecil diantara

provinsi lain yang diamati dalam model, terlihat dengan koefisien _li_2 sebesar -

17,03955. Berikut ini urutan provinsi-provinsi yang diamati dalam model dengan

tingkat kemiskinan terkecil sampai yang terbesar :

- Provinsi Banten (_li_2 = -17,03955)

- Provinsi Sulawesi Barat (_li_4 = -12,40062)

- Provinsi Nusa Tenggara Timur (_li_3 = -10,17225)

- Provinsi Bengkulu (base = 0)

- Provinsi Papua Barat (_li_5 = 5,347556)

4. Hasil uji F dari model Fixed Effect menunjukan bahwa nilai Prob>F adalah sebesar

0,0000 atau lebih kecil dari alpha (0,05) maka model tersebut mampu menjelaskan

model keseluruhan secara siginifikan dengan tingkat keyakinan 95%.

5. Tingkat determinasi yang mampu dijelaskan model adalah sebesar nilai R2 yaitu 98%.

F. KESIMPULAN

Dari hasil estimasi data yang telah dilakukan, penulis menyimpulkan bahwa:

1. Tingkat Pengangguran Terbuka pada Provinsi Bengkulu, Banten, Nusa Tenggara

Timur, Sulawesi Barat dan Papua Barat tidak berpengaruh positif terhadap tingkat

kemiskinan, meskipun hasil estimasi tidak signifikan.

2. Indeks Pembangunan Manusia pada Provinsi Bengkulu, Banten, Nusa Tenggara

Timur, Sulawesi Barat dan Papua Barat berpengaruh negative terhadap tingkat

kemiskinan, dimana pengaruhnya sangat besar dan signifikan.