i
ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA (IPM)
DAN TINGKAT PENGANGGURAN TERHADAP KEMISKINAN
DI INDONESIA TAHUN 2014-2017 (STUDI KASUS: 34 PROVINSI)
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Ekonomi
Disusun oleh :
AMIRUDIN
NIM: 1112084000051
JURUSAN EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2019 M / 1440 H
ii
LEMBAR PENGESAHAN PEMBIMBING
ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA (IPM)
DAN TINGKAT PENGANGGURAN TERHADAP KEMISKINAN DI
INDONESAI TAHUN 2014-2017 ( STUDI KASUS :34 PROPINSI)
Skripsi
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-Syarat Meraih Gelar Sarjana Ekonomi
Oleh
Amirudin
NIM 1112084000051
Dibawah Pembimbing
Dr.Sofyan Rizal, M.Si
NIP.197604302011011002
JURUSAN EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGRI SYARIF HIDAYATULLAH
JAKARTA
1440 H/2019 M
iii
LEMBAR PENGESAHAN UJI KOMPREHENSIF
Hari ini Kamis, 21 februari 2019 telah dilakukan Uji Komprehensif atas
Mahasiswa:
1. Nama : AMIRUDIN
2. NIM : 1112084000051
3. Jurusan : Ekonomi Pembanguan
4. Judul Sekripsi : Analisis Pengaruh Indeks Pembanguan Manusia (IPM)
dan Tingkat Pengangguran Terhadap Kemiskinan Di Indonesia Tahun 2014-2017
(Setudy Kasus: 34 Provinsi)
Setelah memenuhi dan memperhatiakan penampilan serta kemapuan yang
bersangkuatan selama proses ujian komprehensif, maka di putuskan bahwa
mahasiswa tersebut di atas dinyatakan LULUS dan di beri kesempatan untuk
melanjutkan ketahap Ujian sekripsi sebagai salah satu sayarat untuk memperoleh
gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri
Syarif Hidayatullah Jakarta.
Jakarta, 21 Februari 2019
1. Zaenal Muttaqin, MPP
NIP. 197905032011011006
2. Dr. Sofyan Rizal, M.Si
NIP. 197604302011011002 ( )
Penguji II
iv
LEMBAR KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini
Nama : Amirudin
NIM : 1112084000051
Fakultas : Ekonomi dan Bisnis
Jurusan : Ekonomi Pembangunan
Dengan ini menyatakan bahwa dalam penulisan kekripsi ini, saya:
1.Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan
mempertanggungjawabkan.
2.Tidak melakukan plagiat terhadap naskah karya orang lain.
3.Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli
atau tanpa izin pemilik karya.
4.Tidak melakukan manipulasian dan pemalsuan data.
5.Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya
ini.
Jikalu di kemudian hari ada tuntutan dari pihak lain atau karya saya,dan telah
melalui pembuktian yang pernah di pertangung jawabkan,ternyata memang di
temukan bukti bahwa saya melanggar pernyataan maka saya siap di kenai sangsi
berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarip
Hidayatullah Jakarta.
Demikin pernytaan ini saya buat dengan sesungguhnya.
Jakarta
Amirudin
1112084000051
v
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini senin, 26 Juni 2019 telah di lakukan Ujian Skripsi atas Mahasiswa:
1. Nama : Amirudin
2. NIM : 1112084000051
3. Jurusan : Ekonomi dan Bisnis
4. Judul sekripsi : Analisis Pengaruh Indeks Pembanguan Manusia
(IPM) dan Taingkat Pengguran Terhadap
Kemiskina Di Indonesia tahun 2014-2017 ( Studi
Kasus:34 Provinsi)
Setelah mencermati dan memperhatiakan penampilan dan kemapuan yang
bersangkuatan selama proses ujian sekripsi, maka di putuskan bahwa mahasiswa
tersebuat di atas dinyatakan LULUS dan sekripsi ini diterima sebagai salah satu
syarat untuk memperoleh gelar sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis
Universitas Islam Negri syarif Hidayatullah Jakarta.
Jakarta, 25 juni 2019
1. Dr.Muhammad Hartana Iswandi, M.Si ( )
NIP.196806052008011023 Ketua
2. Dr. Sofyan Rizal, M.Si ( )
NIP.197604302011011002 Sekertaris
3. Dr. Sofyan Rizal, M.Si ( )
NIP.197604302011011002 Pembimbing
4. Arief Fitrijanto, M.Si ( )
NIP.197111182005011003 Penguji Ahli
vi
DAFTAR RIWAYAT HIDUP
Indentitas pribadi
Nama Lengkap : Amirudin
Tempat,Tanggal Lahir : Bogor, 5 -07- 1993
Alamat : Kp. Nanggeleng RT/RW 01/02 Desa pangaur
Kec. Jasinga Kab. Bogor, 16120
Nomor Handphone : 085882432819
E-mail : [email protected]
Latar Belakang Keluarga
Nama Ayah : Kosim
Tempat, Tanggal Lahir : Bogor, 7 Agustus 1963
Nama Ibu : Aminah
Tempat, Tanggal Lahir : Bogor 10 -07- 1973
Alamat : KP. Nanggeleng RT/RW 01/02 Desa Pangaur
Kec. Jasinga Kab. Bogor, 16120
Pendidikan Formal
1 SDN Pangaur 02 Kab.Bogor TAHUN 2021-2006
2 SMP PGRI DARU Kab.Tanggerang TAHUN 2006-2009
3 SMK Sasmita jaya 2 pamulang TAHUN 2009-2012
4 UIN Syarif Hidayatullah Jakarta TAHUN 2012-2019
Pengalaman Organisasi
1 Anggota Osis SMP PGRI DARU
2 TIM Futsal SMP PGRI DARU
3 TIM Futsal SMK SASMITA JAYA PAMULANG 2
vii
Abstract
This study aims to determine the effect of the Human Development Index
(HDI) and the Unemployment Rate on Poverty in Indonesia in 2014 - 2017
using 34 Province case studies. The analytical method used is panel data
regression using Eviews 9.0. The results of this study indicate that: (1) The
independent variables in this study, namely the Human Development Index
(HDI) and the unemployment rate together have a significant influence on
Poverty in 34 provinces in Indonesia in 2014-2017. (2) Variables of the Human
Development Index (HDI) partially have a Negative and significant influence
on Poverty 34 provinces in Indonesia in 2014-2017 (3) Variables in partial
unemployment rates have a positive and significant impact on Poverty 34
provinces in Indonesia in 2014 -2017.
Keywords: Poverty, Human Development Index, Unemployment
viii
ABSTRAK
Penelitian ini bertujuan untuk mengetahui pengaruh Indeks Pembangunan
Manusia (IPM) dan Tingkat Pengangguran terhadap Kemiskinan di Indonesia tahun
2014 - 2017 dengan menggunakan studi kasus 34 Provinsi. Metode analisis yang
digunakan regresi data panel dengan menggunakan Eviews 9.0.
Hasil penelitian ini menunjukkan bahwa : (1) Variabel independen dalam
penelitian ini, yakni Indeks Pembangunan Manusia (IPM) dan tingkat
pengangguran secara bersama-sama memiliki pengaruh signifikan terhadap
Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017. (2) Variabel Indeks
Pembangunan Manusia (IPM) secara parsial memiliki pengaruh Negatif dan
signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017 (3)
Variabel tingkat pengangguran secara parsial memiliki pengaruh positif dan
signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017.
Kata kunci: Kemiskinan, Indeks Pembanguan Manusia (IPM) pengangguran
ix
KATA PENGANTAR
Assalamualaikum wr. wb.,
Segala puji bagi Allah SWT. Yang telah memberikan segala nikmat yang tidak
terhitung kepada saya, sehingga saya dapat menyelesaikan skripsi ini yang berjudul
“Analisis Pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat
Pengangguran Terhadap Kemiskinan di Indonesia Tahun 2014-2017 ( Setudi
Kasus: 34 Provinsi) ” Dengan baik, Sholawat Serta salam tak lupa kita curah
limpahkan kepada Baginda Nabi Muhammad SAW, Yang telah membawa kita dari
zaman kebodohan kejaman yang penuh dengan keilmuan dan pengetahuan.
Skripsi ini disusun untuk memenuhi syarat memperoleh Gelar Sarjana Ekonomi
di Universitas Isalam Negri Syarif Hidayatullah Jakarta.Segala proses dari mulai
perencanaan latar belakang hingga selesinya skripsi ini tentu banyak pihak yang
telah mendukung penulis sehingga bisa menyelesaikan skripsi ini dengan
baik.Maka dari itu izinkan penulis untuk mengucapkan terimaksih kepada pihak-
pihak yang telah berkontribusi besar dalam pembuatan skripsi ini.
1 Teristimewa kepada kedua orang tua penulis ayahanda tercinta Kosim dan
Ibunda Aminah dan ibu basari, teh hessy,teh yanti.yang selalu memberikan
dukungan baik moral maupuan material yang tak terhingga sehingga
penulis dapat mengenyam Pendidikan sampai saat ini.
2 Terimaksih yang tiada tara teruntuk Aulia Putra,aszka,tanu,Kartika
erianti,maulana yusup yang selalu menemani dan mendukung penulis serta
orang yang memberi masukan kepada penulis sehingga bisa menyelesaikan
skripsi ini.
3 Bapak Prof. Dr. Amilin,S.E., M.Si, CA, QIA, BKP, CRMP, Selaku Dekan
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, semoga
dapat menjadikan Fakultas Ekonomi dan Bisnis lebih baik lagi.
x
4 Bapak Dr. Muhammad Hartana Iswandi Putra, M.Si Selaku ketua prodi
Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta.
5 Bapak Dr.Sofyan Rizal, M.Si Dosen pembimbing yang telah memberikan
waktu,arahan,saran,Bimbingan serta nasehat kepada penulis selama proses
menyelesaikan skripsi ini.
6 Seluruh sahabat seperjuangan skripsi, yaitu Irfan achadi, rafi
Kurniawan,Abdul farid, SE..,Saeful nurul zaman,Aripil Firdaus,pijar
haqullah,hakim Adiaksa. Yang telah memotivasi dan memberi semangat
penulis selama proses penulisan skripsi.
7 Temen sepergaulan Kurniawan m.nur,zaki mubarok,Irfan achadi,Farhan
sidiq,Chairul umam,fitriadi fauzian,afif maulana rival,Maulan yusuf,saeful
nurul jaman,Arya darmawan,Faijul umam,yang selalu memberi masukan
penulis untuk suksesnya skripsi ini.
8 Kepda semua pihak yang tak dapat di sebutkan satu persatu namun memiliki
arti yang begitu mendalam bagi kehidupan penulis.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari
sempurna.Hal ini disebabkan karena terbatasnya kemapuan dan pengetahuan yang
penulis miliki.penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh
dari sempurna.Hal ini di sebabkan karena terbatasnya kemapuan dan pengetahuan
yang penulis miliki.
Wassalamualaikum Warahmatullahi Wabaratuh
Ciputat, 20 Juli 2019
Amirudin
xi
DAFTAR ISI
COVER DEPAN…………………………………………………………………..i
LEMBAR PENGESAHAN PEMBIMBING……………………………………..ii
LEMBAR PENGSAHAN UJIAN KOMPREHENSIF…………………………..iii
PERNYATAAN KEASLIAN KARYA ILMIAH……………………………….iv
DAFTAR RIWAYAT HIDUP……………………………………………………v
ABSTRACT……………………………………………………………………..vii
ABSTRAK……………………………………………………………………...viii
KATA PENGANTAR…………………………………………………………...ix
DAFTAR ISI……………………………………………………………………...xi
DAFTAR TABEL……………………………………………………………….xiii
DAFTAR GAMBAR……………………………………………………………xiv
BAB I PENDAHULUAN ....................................................................................... 1
A. Latar Belakang ......................................................................................... 1
B. Rumusan Masalah .................................................................................. 11
C. Tujuan Penelitian .................................................................................... 11
D. Manfaat Penelitian .................................................................................. 11
BAB II TINJAUAN PUSTAKA ........................................................................... 12
A. Landasan Teori ....................................................................................... 12
1. Definisi dan Ukuran Kemiskinan ........................................................... 12
2. Konsep Kemiskinan ............................................................................... 16
3. Indeks Pembangunan Manusia (IPM) .................................................... 17
4. Pengangguran ......................................................................................... 25
5. Infrastruktur ............................................. Error! Bookmark not defined.
B. Penelitian Terdahulu ............................................................................... 34
C. Kerangka Pemikiran ............................................................................... 42
xii
D. Hipotesis ................................................................................................. 42
BAB III METODE PENELITIAN ....................................................................... 43
A. Ruang Lingkup Penelitian ...................................................................... 43
B. Jenis Penelitian ....................................................................................... 43
D Metode Pengambilan Data ..................................................................... 44
E. Metode Analisis Data ............................................................................. 45
F Pengujian Model ..................................................................................... 47
G. Uji Statistik ............................................................................................. 51
H. Operasional Variabel Penelitian ............................................................. 52
BAB IV ANALISIS DAN PEMBAHASAN ........................................................ 54
A. Analisa Deskriptif .................................................................................. 54
B. Pemilihan Model .................................................................................... 57
C. Analisa Teknis ........................................................................................ 61
BAB V KESIMPULAN DAN IMPLIKASI ......................................................... 71
A. Kesimpulan............................................................................................. 71
B. Saran ....................................................................................................... 71
DAFTAR PUSTAKA ........................................................................................... 72
LAMPIRAN .......................................................................................................... 74
xiii
DAFTAR TABEL
Tabel 1.1 Presentase dan jumlah Miskin Menurut pulau
Tabel 1.2 Indeks Pembangunan Manusia di Indonesia tahun 2014-2018
Tabel 1.3 Tingkat Pengguran Terbuka di Indonesia Tahaun 2014-2018
Tabel 2.1 Komoditi kebutuhan Pokok sebagai dasar perhitungan daya beli
Tabel 2.2 Nilai Maksimum dan Minimum dari Setiap Komponen IPM
Tabel 2.3 Penelitian Terdahulu
Tabel 4.2 Tingkat pengagguran di Indonesia Tahun 2007-2016
Tabel 4.3 Indeks Pembangunan Manusia Indonesia Tahun 2014-2018
xiv
DAFTAR GAMBAR
Gambar 1.1 Jumlah Dan Presentase Penduduk Miskin, 2009-2015
Gambar 1.2 Indek Pembangunan Manusia 5 Pulau Besar Di Indonesia
Gambar 1.3 Kemiskian Di ASEAN
Gambar 2.1 Perjalanan Metodologi IPM Di UNDP
Gambar 2.2 Struktur Penduduk Berdasarkan Usia
Gambar 4.1 Jumlah Dan Presentase Penduduk Miskin
1
BAB I
PENDAHULUAN
Latar Belakang
Kemiskinan merupakan salah satu masalah yang selalu dihadapi oleh
manusia. Masalah kemiskinan itu sama tuanya dengan usia kemanusiaan itu
sendiri dan implikasi permasalahannya dapat melibatkan keseluruhan aspek
kehiduapan manusia, walaupun seringkali tidak didasari kehadirannya sebagi
masalah untuk oleh manusia yang bersakutan. Bagi mereka yang tergolong
miskin, kemiskinan merupakan sesuatu yang nyata ada dalam kehidupan
mereka sehari-hari, karena mereka itu merasakan dan menjalani sendiri
bagaimana mereka hidup dalam kemiskinan. Walaupun demikian belum tentu
mereka itu sadar akan kemiskinan yang mereka jalani. Kesadaran akan
kemiskinan yang meraka miliki itu, baru terasa pada waktu mereka
memandingkan kehidupan yang mereka jalani dengan kehidupan orang lain
yang tergolong mempunyai tingkat kehidupan sosial yang lebih tinggi.
Secara singkat, kemiskinan dapat didefinisikan sebagai suatu setandar
tingkat hidup yang rendah, yaitu adanya suatu tingkat kekurangan materi pada
jumblah atau segolongan yang dibandingkan dengan setandar kehiduapan yang
rendah ini secara langsung dampak pengaruhnya terhadap tingkat keadaan
kesehataan, kehidupan moral, dan rasa harga diri mereka yang tergolong
sebagai orang miskin.
Sampai saat ini Indonesia adalah negara dengan jumlah penduduk terbesar
keempat di dunia, dengan ekonomi terbesar kesepuluh berdasarkan paritas daya
beli, dan merupakan anggota G-20. Indonesia telah berhasil mengurangi
kemiskinan lebih dari setengahnya sejak tahun 1999, menjadi 9,8% pada tahun
2018. Dari sekitar 260 juta penduduk Indonesia, masih ada sekitar 25,9 juta
orang yang hidup di bawah garis kemiskinan. Berdasarkan data Maret 2017,
sekitar 20.78% dari seluruh pendduk masih rentan jatuh miskin karena
pendapatan mereka hanya sedikit di atas garis kemiskinan. Meskipun ada upaya
lebih besar untuk meningkatkan layanan umum, kualitas pusat kesehatan dan
sekolah tidak merata berdasarkan standar sebuah negara berpendapatan
2
menengah. Hal ini berkontribusi pada indikator yang mengkhawatirkan,
terutama di bidang kesehatan.
Secara umum, pada periode 2009-September 2015 tingkat kemiskinan di
Indonesia mengalami penurunan kecuali pada September 2013 dan Maret 2015.
Pada September 2013 jumblah dan presentase penduduk miskin ngengalami
kenaikan dibanading Maret 2013 yang disebabkan oleh kenaikan harga barang
kebutuhan pokok sebagai akibat dari kenaikan harga bahan bakar minyak pada
bulan juni 2013.Selanjutnya pada periode September 2014-Maret 2015 jumblah
dan presentase penduduk miskin kembali mengalami kenaikan. Pada periode
maret 2015-September 2015 Tercatat baik jumblahnya maupun presentase
penduduk miskin mengalami fluktuasi dari tahun ke tahun. Berikut
perkembangan tingkat kemiskinan tahun 2009 sampai dengan septemper 2015
ditunjukan oleh gambar 1.1
Gambar 1.1
Jumlah Dan Presentase Penduduk Miskin, 2009-2015
Sumber: Survei sosial ekonomi nasional
Adapun terjadinya kemiskinan di antaranya disebabkan oleh keterbelakangan
manusia dan sumber daya alam. Pengelolaan sumber daya alam sangat
tergantung kemampuan produktif manusia. Jika penduduknya banyak yang
miskin dan berpendidikan rendah maka akan mengakibatkan langkanya
3
keterampilan teknik, pengetahuan, dan aktivitas kewiraswataan yang secara
otomatis akan menyebabkan sumber daya alam yang tersedia justru terbengkalai,
tidak berkembang, atau bahkan salah guna. Sumber daya alam ini akan
memengaruhi tingkat pertumbuhan ekonomi. di sisi lain, kurangnya sumber
daya alam akan menyebabkan kemiskinan karena sumber daya alam adalah
sumber utama kebutuhan hidup manusia. Kemiskinan sumber daya alam
merupakan sebab dan sekaligus akibat kemiskinan manusia (Jhingan, 2016:34).
Tabel 2 menujukan presentase dan jumblah penduduk miskin menurut pulau
pada September 2017. Pada tabel tersebut terlihat bahwa presentase pendudk
miskin terbesara berada di wilayah pulau maluku dan papua, yaitu sebesar 21,23
presen, sementara presentase penduduk miskin terendaha berada di pulau
Kalimantan, yaitu sebesar 6,18 presen. Dari sisi jumlah, sebagian beasar
penduduk miskin masih berada di pulau jawa (13,94 juta orang) sedangkan
jumblah penduduk miskin terendah berada di pulau Kalimantan (0,98 juta
orang).
Tabel 1.1
Presentase dan Jumlah Penduduk Miskin Menurut Pulau
Sumber: Survei Sosial Ekonomi Nasonal September 2017.
Hidup layak merupakan hak asasi manusia yang d iakui secara universal.
Konstitusi Indonesia UUD’45, secara eksplisit mengakui hal itu dengan
mengamanatkan bahwa tugas pokok Republik Indonesia yaitu “memajukan
kesejahteraaan umum, mencerdaskan kehidupan bangsa serta mewujudkan
suatu keadilan sosial bagi seluruh rakyat Indonesia”. Hal itu berarti, hidup
bebas dari kemiskinan atau menikmati kehidupan yang layak merupakan hak
asasi setiap warganegara adalah tugas pemerintah untuk menjamin
4
terwujudnya hal itu. Pembangunan nasional pada dasarnya ialah meningkatkan
kesejahteraan umum yang adil dan merata bagi seluruh rakyat Indonesia.
Dengan demikian pengentasan kemiskinan merupakan prioritas utama
pembangunan.
Kemiskinan tidak lagi dipahami hanya sebatas ketidakmampuan ekonomi,
tetapi juga kegagalan memenuhi hak-hak dasar dan perbedaan perlakuan bagi
seseorang atau sekelompok orang dalam menjalani kehidupan secara
bermartabat. Hak-hak dasar yang diakui secara umum meliputi terpenuhinya
kebutuhan pangan, kesehatan, pendidikan, pekerjaan, perumahan, air bersih,
pertanahan, sumber daya alam, lingkungan hidup, rasa aman dari perlakuan
atau ancaman tindak kekerasan, dan hak berpartisipasi dalam kehidupan sosial
politik.
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. Kemiskinan merupakan penyakit yang
muncul saat masyarakat selalu mempunyai kekurangan secara material
maupun non material seperti kurang makan, kurang gizi, kurang pendidikan,
kurang akses informasi, dan kekurangan-kekurangan lainnya yang
menggambarkan kemiskinan. Faktor lain yang sangat nyata tentang
kemiskinan terutama di kota-kota besar Indonesia, dapat dilihat dari banyaknya
warga masyarakat yang kekurangan makan dan minum, tidak memiliki tempat
tinggal yang layak, bahkan digusur dari pemukimannya, ribuan pekerja
berunjuk rasa memprotes ancaman pemutusan hubungan kerja (PHK), sikap
dan perlakuan sewenang-wenang terhadap tenaga kerja wanita di luar
negeri.
Selanjutnya, penyebab lain dari kemiskinan adalah kurangnya sumber daya
manusia. Jika manusia tidak memiliki keterampilan maka ia tidak akan
memiliki pendapatan yang menyebabkan daya belinya berkurang sehingga
5
masuk ke dalam lingkar kemiskinan. Ini akan memengaruhi pertumbuhan
ekonomi di suatu wilayah bahkan negara. Sumber daya manusia akan
memengaruhi indeks pembangunan manusia dan dapat memengaruhi tingkat
pengangguran.
Kualitas sumber daya manusia juga dapat menjadi faktor penyebab
terjadinya penduduk miskin. Kualitas sumber daya manusia dapat dilihat
dari indeks kualitas hidup/indeks pembangunan manusia. Rendahnya Indeks
Pembangunan Manusia (IPM) akan berakibat pada rendahnya produktivitas
kerja dari penduduk. Produktivitas yang rendah berakibat pada rendahnya
perolehan pendapatan. Sehingga dengan rendahnya pendapatan menyebabkan
tingginya jumlah penduduk miskin.
Lanjouw dkk (dalam Yani Mulyaningsih, 2008) menyatakan pembangunan
manusia di Indonesia adalah identik dengan pengurangan kemiskinan.
Investasi di bidang pendidikan dan kesehatan akan lebih berarti bagi penduduk
miskin dibandingkan penduduk tidak miskin, karena bagi penduduk miskin
aset utama adalah tenaga kasar mereka. Adanya fasilitas pendidikan dan
kesehatan murah akan sangat membantu untuk meningkatkan produktifitas,
dan pada gilirannya meningkatkan pendapatan.
Oleh karna itu, Sasaran pembangunan ekonomi tidak lagi hanya
berorientasi pada pendapatan ekonomi yang setinggi-tingginya, tetapi juga
mengarah pada kualitas dari pembangunan. Pembangunan manusia
dijadikan sebagai tujuan pembangunan, mengingat pentingnya peran manusia
dalam proses pembangunan ekonomi, maka peningkatan sumber daya manusia
perlu menjadi perhatian pemerintah.Isu pembangunan manusia tidak pernah
sepi, di tingkat dunia pada tahun 2015 sempat menghangat. Saat itu,
Millenium Development Goals (MDGs) memasuki batas tahun pencapaian.
Namun, pasca 2015 babak baru agenda pembangunan telah dikembangkan
melalui konsep Sustainable Development Goals (SDGs).
Konsep SDGs mencakup 3 dimensi, yaitu sosial, ekonomi dan
lingkungan. Ada 17 tujuan dalam SDGs, terdapat beberapa target yang
berkaitan dengan pembangunan manusia, yaitu menjamin kehidupan yang
6
sehat dan meningkatkan kesejahteraan penduduk segala usia yang merupakan
tujuan ketiga, menjamin kualitas pendidikan yang adil dan inklusif serta
meningkatkan kesempatan belajar seumur hidup untuk semua yang
merupakan tujuan keempat dan meningkatkan pertumbuhan ekonomi yang
inklusif dan berkelanjutan, kesempatan kerja penuh dan produktif, serta
pekerjaan yang layak untuk semua yang merupakan tujuan kedelapan. Isu
pembangunan juga bergulir di dalam negeri. Isu pembangunan manusia
menjadi salah satu poin penting dalam agenda pemerintahan Jokowi.
Butir kelima nawacita yang menegaskan bahwa pemerintah akan
memprioritaskan peningkatan kualitas hidup manusia Indonesia. Hal tersebut
dilakukan melalui 2 program, yaitu dengan program “Indonesia Pintar” untuk
peningkatan kualitas pendidikan dan pelatihan dan dengan program “Indonesia
Kerja” dan “Indonesia Sejahtera” untuk peningkatan kesejahteraan
masyarakat dengan mendorong land reform dan program kepemilikan tanah
seluas 9 hektar, program rumah kampung deret atau rumah susun murah
yang disubsidi serta jaminan sosial untuk rakyat di tahun 2019.
Gambar 1.2
Indeks Pembangunan Manusia 5 Pulau Besar di Indonesia
Sumber: Badan Pusat Statistik, 2016
7
Indonesia terdiri atas 5 Pulau besar, yaitu Pulau Sumatera, Pulau Jawa,
Pulau Kalimantan, Pulau Sulawesi dan Pulau Papua. Berdasarkan grafik1.1
diatas, Pulau Jawa masih meraih Indeks Pembangunan Manusia tertinggi
dibandingkan pulau besar lainnya, bahkan DKI Jakarta merupakan provinsi
dengan nilai Indeks Pembangunan Manusia tertinggi di Indonesia. Pulau
Jawa merupakan pusat perekonomian, pusat pemerintahan serta pusat
kegiatan sosial dan ekonomi lainnya. Selain itu, sumber daya manusia yang
terkonsentrasi hamper 60% dari total jumlah penduduk di Indonesia berada
di Pulau Jawa yaitu sekitar 145 juta jiwa dengan kondisi perekonomian
yang lebih baik dibandingkan pulau besar lainnya di Indonesia serta
terkonsentrasinya jumlah penduduk yang sebagian merupakan tenaga kerja
membuat IPM di Pulau Jawa cenderung lebih tinggi dibandingkan 4 pulau
besar lainnya. Kontribusi perekonomian yang mencapai 58,13% terhadap
perekonomian Indonesia pada tahun 2015 turut mengambil andil dalam
tingginya capaian IPM di Pulau Jawa.
Tabel 1.2
Indeks Pembangunan Manusia di Indonesia Tahun 2014-2018
Tahun Indeks Pembangunan Manusia
2014 0,683
2015 0,686
2016 0,691
2017 0,694
2018 0,708
Sumber: BPS, 2019
Pada tabel diatas, diketahui pembangunan manusia di Indonesia mengalami
peningkatan dari tahun ke tahun. Seharusnya, ketika pembangun kualitas
sumber daya manusia di Indonesia meningkat, maka produktifitas masyarakat
di Indonesia seharusnya juga meningkat. Namun, adanya perbedaan data IPM
dengan data kemiskinan di Indonesia, dimana kemiskinan di Indonesia
8
mengalami fluktuasi yang terkadang menurun lalu meningkat dan turun
kembali.
Faktor lain yang juga berpengaruh terhadap tingkat kemiskinan adalah
pengangguran. Salah satu unsur yang menentukan kemakmuran suatu
masyarakat adalah tingkat pendapatan. Pendapatan masyarakat mencapai
maksimum apabila kondisi tingkat penggunaan tenaga kerja penuh (full
employment) dapat terwujud. Menurut Sadono Sukirno (2000),
Pengangguran akan menimbulkan efek mengurangi pendapatan masyarakat,
dan itu akan mengurangi tingkat kemakmuran yang telah tercapai. Semakin
turunnya tingkat kemakmuran akan menimbulkan masalah lain yaitu
kemiskinan.
Pengangguran adalah kondisi dimana seseorang telah memasuki usia kerja,
ingin bekerja, tetapi belum mendapatkan pekerjaan (Sukirno, 2012:13).
Angkatan kerja adalah kelompok penduduk yang berusia 15-64 tahun,
tetapi tidak semua orang yang berusia 15-64 tahun dikategorikan sebagai
angkatan kerja. Angkatan kerja adalah penduduk berusia 15-64 tahun yang
bekerja dan sedang mencari kerja sedangkan yang tidak mencari kerja baik
karena mengurus keluarga atau sekolah tidak masuk dalam kategori angkatan
kerja.
Pengangguran masih menjadi pekerjaan yang mendasar bagi pemerintah.
Berbagai upaya telah dilakukan untuk menanggulangi permasalahan
pengangguran dengan menciptakan lapangan kerja, mengadakan pelatihan, dan
lain sebagainya. Akan tetapi berbagai macam faktor masih saja menjadikan
momok pengangguran sulit untuk dituntaskan. Berdasarkan data Badan Pusat
Statistik (BPS) pada Agustus 2018, tecatat jumlah pengangguran penduduk
usia 15 tahun ke atas mencapai 70 juta lebih. Di mana tingkat pengangguran
terbuka (TPT) tertinggi didominasi oleh lulusan sekolah menengah kejuruan
(SMK) sebesar 11,24 persen.
9
Tabel 1.3
Tingkat Pengangguran Terbuka di Indonesia Tahun 2014-2018
Tahun Tingkat pengguran terbuka
2014 5.94
2015 6.18
2016 5.61
2017 5.50
2018 5.34
Sumber: BPS, Tahun 2018
Berdasarkan tabel diatas, tingkat pengangguran di Indonesia secara umum
mengalami penurunan, pokok permasalahan dari kemiskinan yaitu
pengangguran sudah teratasi dengan dilihatnya tingkat pengangguran yang
terus berkurang. Namun, kemiskinan di Indonesia masih mengalami fluktuasi
disetiap tahun, tidak ada sinergi diantara keduanya. Tingkat pertumbuhan
angkatan kerja yang cepat dan pertumbuhan lapangan kerja yang relatif
lambat menyebabkan masalah pengangguran yang ada di suatu daerah
menjadi semakin serius. Besarnya tingkat pengangguran merupakan
cerminan kurang berhasilnya pembangunan di suatu negara. Pengangguran
dapat mempengaruhi kemiskinan dengan berbagai cara (Tambunan, 2001).
10
Gambar 1.3
Kemiskinan di Negara ASEAN
Sementara itu, walaupun angka pengangguran terus berkurang dan tingkat
kualitas sumber daya manusia berdasarkan IPM terus meningkat, namun
Indonesia masih menduduki peringkat ketiga terkait penduduk miskin di
negara-negara ASEAN. Berdasarkan latar belakang masalah diatas, dalam
periode 2014-2017 terjadi fenomena penurunan pengangguran dan kenaikan
IPM, tetapi rata-rata tingkat kemiskinannya di Indonesia terus fluktuatif. Lalu,
dibandingkan dengan negara-negara ASEAN lainnya, Indonesia menduduki
peringkat ketiga penduduk miskin padahal IPM-nya terus meningkat dan
tingkat penganggurannya perlahan berkurang. Oleh karena itu penting untuk
mengetahui apakah ada hubungan yang signifikan antara pengannguran dan
IPM terhadap kemiskinan di Indonesia, dalam penelitian ini akan digunakan
model regresi dengan metode data panel model GLS. Maka dari itu penulis
tertarik untuk menuliskan skripsi yang berjudul “ANALISIS PENGARUH
TINGKAT PENGANGGURAN DAN INDEKS PEMBANGUNAN
11
MANUSIA (IPM) TERHADAP KEMISKINAN DI INDONESIA TAHUN
2014-2017 (STUDI KASUS: 34 PROVINSI)”
Rumusan Masalah
1. Bagaimana Pengaruh Indeks Pembanguan Manusia (IPM) dan tingkat
pengangguran secara bersama-sama Terhadap Kemiskinan 34 provinsi di
Indonesia?
2. Bagaimana pengaruh Indeks Pembangunan Manusia (IPM) secara parsial
terhadap kemiskinan 34 Provinsi di Indonesia?
3. Bagaimana pengaruh Tingkat Pengangguran secara parsial terhadap
kemiskinan 34 Provinsi di Indonesia?
Tujuan Penelitian
Berdasarkan rumusan masalah yang telah dikemukakan di atas, maka tujuan
yang akan dicapai dalam penelitian ini adalah sebagai berikut:
1. Untuk mengetahui pengaruh Indeks Pembangunan Manusia (IPM) dan
Tingkat Pengangguran secara bersama-sama terhadap Kemiskinan 34
provinsi di Indonesia.
2. Untuk mengetahui pengaruh Indeks Pembanguan Manusia (IPM) secara
parsial terhadap Kemiskinan 34 provinsi di Indonesia.
3. Untuk mengetahui pengaruh Tingkat Pengangguran secara parsial terhadap
Kemiskinan 34 provinsi di Indonesia.
Manfaat Penelitian
Penelitian tentang evaluasi infrastruktur ekonomi dan sosial terhadap
produktivitas ekonomi di Indonesia ini diharapkan dapat memberi
manafaat untuk;
1. Bagi pemerintah sebagai bahan pertimbangan dalam menentukan arah
kebijakan yang terkait dengan pengentasan kemiskinan di Indonesia
melalui indikator pembangunan kualitas sumber daya manusia dan
lapangan pekerjaan sebagai acuannya
2. Bagi akademisi dan peneliti sebagai tambahan referensi dalam tulisan
yang relevan dengan bidang ekonomi.
12
BAB II
TINJAUAN PUSTAKA
Landasan Teori
1. Definisi dan Ukuran Kemiskinan
Kemiskinan merupakan masalah yang dihadapi oleh seluruh negara,
terutama di negara sedang berkembang seperti Indonesia. Kemiskinan
adalah keterbatasan yang disandang seseorang, keluarga, komunitas atau
bahkan negara yang menyebabkan ketidaknyamanan dalam kehidupan,
terancamnya penegakan hukum dan keadilan serta hilangnya generasi
dan suramnya masa depan bangsa dan negara. Pengertian itu merupakan
pengertian secara luas, telah dikatakan kemiskinan terkait dengan
ketidaknyamanan dalam hidup. Dalam segala bidang selalu menjadi
kaum tersingkir karena tidak dapat menyamakan kondisi dengan kondisi
masyarakat sekitarnya.
Kemiskinan multi dimensional, artinya karena kebutuhan manusia
itu bermacam- macam, maka kemiskinan pun memiliki banyak aspek
primer yang berupa miskin akan aset, organisasi sosial politik,
pengetahuan, dan keterampilan serta aspek sekunder yang berupa miskin
akan jaringan sosial, sumber-sumber keuangan, dan informasi. Dimensi-
dimensi kemiskinan tersebut termanifestasikan dalam bentuk kekurangan
gizi, air, perumahan yang sehat, perawatan kesehatan yang kurang baik,
dan tingkat pendidikan yang rendah. Selain itu, dimensi-dimensi
kemiskinan saling berkaitan baik secara langsung maupun tidak langsung.
Hal ini berarti kemajuan atau kemunduran pada salah satu aspek dapat
mempengaruhi kemajuan atau kemunduran aspek lainnya. Dan aspek
lain dari kemiskinan ini adalah bahwa yang miskin itu manusianya baik
secara individual maupun kolektif (Lincolin Arshad, 1999 ).
13
a. Definisi kemiskinan
Menurut Badan Pusat Statistik (2010 ), penduduk miskin adalah
penduduk yang memiliki rata-rata pengeluaran per kapita per bulan
dibawah garis kemiskinan. Penetapan perhitungan garis kemiskinan
dalam masyarakat adalah masyarakat yang berpenghasilan dibawah
Rp 7.057 per orang per hari. Penetapan angka Rp 7.057 per orang
per hari tersebut berasal dari perhitungan garis kemiskinan yang
mencakup kebutuhan makanan dan non maka nan. Untuk kebutuhan
minimum makanan disetarakan dengan 2.100 kilokalori per kapita per
hari. Garis kemiskinan non makanan adalah kebutuhan minimum
untuk perumahan (luas lantai bangunan, penggunaan air bersih, dan
fasilitas tempat pembuangan air besar); pendidikan (angka melek huruf,
wajib belajar 9 tahun, dan angka putus sekolah); dan kesehatan
(rendahnya konsumsi makanan bergizi, kurangnya sarana kesehatan
serta keadaan sanitasi dan lingkungan yang tidak memadai).
Sedangkan ukuran menurut World Bank menetapkan standar
kemiskinan berdasarkan pendapatan per kapita. Penduduk yang
pendapatan per kapitanya kurang dari sepertiga rata-rata pendapatan
perkapita nasional, maka termasuk dalam kategori miskin. Dalam
konteks tersebut, maka ukuran kemiskinan menurut World Bank adalah
USD $2 per orang per hari.
b. Ukuran kemiskinan
Menurut Nurkse (dalam Lincolin Arshad, 1999), secara sederhana
dan yang umum digunakan dapat dibedakan menjadi dua pengertian:
1) Kemiskinan Absolut
Seseorang termasuk golongan miskin absolut apabila hasil
pendapatannya berada di bawah garis kemiskinan dan tidak cukup
untuk menentukan kebutuhan dasar hidupnya. Konsep ini
dimaksudkan untuk menentukan tingkat pendapatan minimum
yang cukup untuk memenuhi kebutuhan fisik terhadap makanan,
pakaian, dan perumahan untuk menjamin kelangsungan hidup.
14
Kesulitan utama dalam konsep kemiskinan absolut adalah
menentukan komposisi dan tingkat kebutuhan minimum karena
kedua hal tersebut tidak hanya dipengaruhi oleh adat kebiasaan
saja, tetapi juga iklim, tingkat kemajuan suatu negara, dan
faktor-faktor ekonomi lainnya. Walaupun demikian, untuk dapat
hidup layak, seseorang membutuhkan barang-barang dan jasa
untuk memenuhi kebutuhan fisik dan sosialnya.
2) Kemiskinan Relatif
Seseorang termasuk golongan miskin relatif apabila telah dapat
meme nuhi kebutuhan dasar hidupnya, tetapi masih jauh lebih
rendah dibandingkan dengan keadaan masyarakat sekitarnya.
Berdasarkan konsep ini, garis kemiskinan akan mengalami
perubahan bila tingkat hidup masyarakat berubah sehingga
konsep kemiskinan ini bersifat dinamis atau akan selalu ada.
Oleh karena itu, kemiskinan dapat dari aspek ketimpangan
sosial yang berarti semakin besar ketimpangan antara tingkat
penghidupan golongan atas dan golongan bawah, maka akan
semakin besar pula jumlah penduduk yang dapat dikategorikan
selalu miskin.
Kebutuhan dasar dapat dibagi menjadi dua golongan yaitu
kebutuhan dasar yang diperlukan sekali untuk mempertahankan
hidupnya dan kebutuhan lain yang lebih tinggi. United Nation
Research Institute for Social Development (UNRISD)
menggolongkan kebutuhan dasar manusia atas tiga kelompok yaitu
:
1) Kebutuhan fisik primer yang terdiri dari kebutuhan gizi,
perumahan, dan kesehatan.
2) Kebutuhan kultural yang terdiri dari pendidikan, waktu luang (
leisure), dan rekreasi serta ketenangan hidup.
3) Kelebihan pendapatan untuk mencapai kebutuhan lain yang lebih
tinggi Kebutuhan dasar tidak hanya meliputi kebutuhan keluarga,
15
tetapi juga meliputi kebutuhan fasilitas lingkungan kehidupan
manusia, seperti yang dikemukakan oleh Internasional Labor
Organization (ILO, 1976) sebagai berikut:
Kebutuhan dasar meliputi 2 unsur: pertama, kebutuhan yang
meliputi tuntutan minimum tertentu dari suatu keluarga konsumsi
pribadi seperti makanan yang cukup, tempat tinggal, pakaian,
juga peralatan dan perlengkapan rumah tangga yang
dilaksanakan. Kedua, kebutuhan meliputi pelayanan sosial yang
diberikan oleh dan untuk masyarakat seperti air minum yang
bersih, pendidikan, dan kultural (Lincolin Arshad, 1999).
c. Indikator Kemiskinan
Persepsi mengenai kemiskinan telah berkembang sejak lama
dan sangat bervariasi antara budaya yang satu dengan budaya
yang lainnya. Kriteria untuk membedakan penduduk miskin
dengan yang tidak miskin mencerminkan prioritas nasional tertentu
dan konsep normatif mengenai kesejahteraan. Namun pada
umumnya saat negara-negara menjadi lebih kaya, persepsi
mengenai tingkat konsumsi minimum yang bisa diterima, yang
merupakan garis batas kemiskinan akan berubah.
Garis kemiskinan adalah suatu ukuran yang menyatakan
besarnya pengeluaran untuk memenuhi kebutuhan dasar minimum
makanan dan kebutuhan non makanan, atau standar yang
menyatakan batas seseorang dikatakan miskin bila dipandang
dari sudut konsumsi. Garis kemiskinan yang digunakan setiap
negara berbeda-beda, sehingga tidak ada satu garis kemiskinan
yang berlaku umum. Hal ini disebabkan karena adanya perbedaan
lokasi dan standar kebutuhan hidup. Menurut Badan Pusat Statistik
(2010), penetapan perhitungan garis kemiskinan dalam
masyarakat adalah masyarakat yang berpenghasilan dibawah
konsumsi (consumption based poverty line). O leh sebab
16
itu,menurut Kuncoro (1997) garis kemiskinan yang didasarkan
pada konsumsi terdiri dari dua elemen, yaitu:
1) Pengeluaran yang diperlukan untuk memberi standar gizi
minimum dan kebutuhan mendasar lainnya.
2) Jumlah kebutuhan yang sangat bervariasi yang mencerminkan
biaya partisipasi dalam kehidupan sehari- hari.
Garis kemiskinan dibedakan menurut tempat dan waktu, jadi setiap
daerah baik di desar maupun di kota mamiliki nilai yang berbeda-beda
dan biasanya nilai ini bertambah pada norma tertentu, pilihan norma
tersebut sangat penting terutama dalam hal pengukuran kemiskinan.
Batas garis kemiskinan dibedakan antara desa dan kota. Perbedaan ini
sangat signifikan antara di de sa dan di kota, hal ini disebabkan pada
perbedaan dan kompleksitas di desa dan di kota.
d. Konsep Kemiskinan
Dalam BPS untuk mengukur kemiskinan, BPS menggunakan
konsep kemampuan memenuhi kebutuhan dasar (basic needs approach).
Dengan pendekatan ini kemiskinan dipandang sebagai ketidakmampuan
dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan
makanan yang di ukur dari sisi pengeluaran. Jadi penduduk miskin
adalah penduduk yang memiliki rata-rata pengeluaran perkapita
perbulan dibawah garis kemiskinan.
e. Penyebab Kemiskinan
Sharp (1996) mencoba mengidentifikasi penyebab kemiskinan
dipandang dari sisi ekonomi:
1) Secara mikro, kemiskinan muncul karena adanya ketidaksamaan
pola kepemilikan sumberdaya yang menimbulkan distribusi
pendapatan yang timpang. Penduduk miskin hanya memiliki
sumberdaya dalam jumlah terbatas dan kualitasnya rendah.
2) Kemiskinan muncul akibat perbedaan dalam kualitas sumberdaya
manusia. Kualitas sumberdaya manusia yang rendah berarti
produktivitasnya rendah, yang pada gilirannya upahnya rendah.
17
Rendahnya kualitas sumberdaya manusia ini karena rendahnya
pendidikan, nasib yang kurang beruntung, adanya diskriminasi,
atau karena keturunan.
3) Kemiskinan muncul akibat perbedaan akses dalam modal.
Ketiga penyebab kemiskinan diatas bermuara pada teori
lingkaran kemiskinan (vicious circle of poverty). Yang dimaksud
lingkaran kemiskinan adalah suatu lingkaran suatu rangkaian yang
saling mempengaruhi satu sama lain secara sedemikian rupa,
sehingga menimbulkan suatu keadaan dimana suatu negara akan tetap
miskin dan akan banyak mengalami kesukaran untuk mencapai tingkat
pembangunan yang lebih baik. Adanya keterbelakangan,
ketidaksempurnaan pasar, dan kurangnya modal menyebabkan
rendahnya produktifitas. Rendahnya produktifitas mengakibatkan
rendahnya pendapatan yang mereka terima. Rendahnya pendapatan
akan berimplikasi pada rendahnya tabungan dan investasi, baik
invetasi manusia maupun investasi kapital. Rendahnya investasi
berakibat pada keterbelakangan dan seterusnya. Logika berpikir ini
dikemukakan oleh Ragnar Nurkse 1953, yang mengatakan “ a poor
country is a poor because it is poor” (negara miskin itu miskin karena
dia miskin).
2. Indeks Pembangunan Manusia (IPM)
Menurut Schultz dalam Jhingan (2012:414), terdapat beberapa cara
dalam mengembangkan sumber-sumber daya manusia diantaranya, (1)
fasilitas dan pelayanan kesehatan, pada umumnya diartikan mencangkup
semua pengeluaran yang mempengaruhi harapan hidup, kekuatan,
stamina, tenaga serta vitalitas rakyat; (2) latihan jabatan, termasuk
magang model lama yang diorganisasikan oleh perusahaan; (3)
pendidikan yang diorganisasikan secara formal pada tingkat dasar,
menengah dan tinggi; (4) program studi yang tidak diorganisasikan oleh
perusahaan, termasuk program ekstension kesempatan kerja yang berubah.
18
Pada tahun 1990, UNDP (United Nations Development Programme)
dalam laporannya “Global Human Development Report”
memperkenalkan konsep “Pembangunan Manusia (Human Development)”
sebagai paradigma baru model pembangunan. UNDP (United Nation
Development Programme) mendefiniskan pembangunan manusia sebagai
upaya untuk menciptakan atau memberikan perluasan pilihan bagi
manusia. Sebagaimana laporan yang dikeluarkan UNDP (1995:122),
dalam pembangunan manusia ada beberapa konsep yang perlu
diperhatikan, yaitu sebagai berikut.
a. Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.
b. Pembangunan ditujukan untuk memperbesar pilihan-pilihan bagi
penduduk, tidak hanya untuk meningkatkan pendapatan mereka.
Oleh karena itu, konsep pembangunan manusia harus berpusat pada
penduduk secara komprehensif dan bukan hanya pada aspek ekonomi
semata.
c. Upaya meningkatkan kemampuan (kapasitas) manusia dan juga pada
upaya-upaya memanfaatkan kemampuan manusia secara optimal
harus diperhatikan dalam pembangunan manusia.
d. Pembangunan manusia didukung empat pilar penting, yaitu
produktivitas, keadilan, kesinambungan dan pemberdayaan.
e. Pembangunan manusia menjadi dasar dalam menganalisis pilihan-
pilihan untuk mencapainya.
Ada empat pilar penting dalam mendukung upaya pembangunan
manusia, yaitu:
a. Produktivitas, masyarakat harus dapat meningkatkan produktivitas
mereka dan berpartisipasi secara penuh dalam proses memperoleh
penghasilan atau pekerjaan yang berupah.
b. Keadilan, masyarakat harus mempunyai akses untuk memperoleh
kesempatan yang sama untuk mendapatkan semua akses terhadap
sumber daya ekonomi dan sosial.
19
c. Kesinambungan, tidak hanya generasi sekarang yang dapat
memperoleh akses, tetapi juga untuk generasi mendatang.
d. Pemberdayaan, pembangunan harus dilakukan oleh masyarakat,
sehingga masyarakat harus berpartisipasi penuh dalam pengambilan
keputusan dan proses-proses yang mempengaruhi hidup masyarakat itu
sendiri.
UNDP juga memperkenalkan suatu indikator yang dapat
menggambarkan perkembangan pembangunan manusia secara terukur
dan representif, yang dinamakan Indeks Pembangunan Manusia (IPM).
Menurut Damayanti (2014:21), Indeks Pembangunan Manusia merupakan
salah satu alternatif untuk mengukur kinerja pembagunan suatu negara
atau daerah. Indeks ini secara umum menangkap kinerja pembangunan
dalam 3 dimensi, yaitu (1) dimensi pendidikan; (2) dimensi kesehatan; dan
(3) dimensi ekonomi.
Sejak diperkenalkan pertama kali pada tahun 1990 sampai dengan
2016, UNDP telah beberapa kali melakukan revisi metode penghitungan
IPM. Revisi yang cukup besar dilakukan pada tahun 2010, UNDP
menyebut revisi itu dengan era baru pembangunan manusia. UNDP
memperkenalkan 2 indikator baru sekaligus mengganti 2 indikator lama.
Indikator harapan lama sekolah menggantikan indikator melek huruf,
sementara Pendapatan Nasional Bruto (PNB) per kapita menggantikan
Produk Domestik Bruto (PDB) per kapita (BPS, 2016:1).
20
Gambar 0.1
Perjalanan Metodologi Perhitungan IPM di UNDP
Sumber: Badan Pusat Statistik, 2016
Catatan:
AHH : Angka Harapan Hidup saat Lahir
AMH : Angka Melek Huruf
RLS : Rata-rata Lama Sekolah
PDB : Produk Domestik Bruto
APK : Angka Partisipasi Kasar
HLS : Harapan Lama Sekolah
1990
Launching:
•Komponen
IPM yang
digunakan
AHH, AMH
PDB per
kapita
•Metode
agregasi
menggunak
an rata-rata
aritmatik
1995
Penyempurnaan:
Komponen IPM
yang digunakan
AHH, AMH,
Kombinasi APK
dan PDB per
kapita
2010
UNDP
mengubah
metodologi:
•Komponen
IPM yang
digunakan
AHH, RLS,
HLS dan PNB
per kapita
•Metode
agregasi
menggunakan
2014
Penyempurnaan:
•Mengganti
tahun dasar
PNB perkapita
dari 2005
menjadi 2011
•Merubah
metode
agregasi
indeks
pendidikan
dari rata-rata
geometrik
1990
1991
Penyempurnaan:
Komponen IPM
yang digunakan
AHH, AMH, RLS,
PDB per kapita
2011
Penyempurnaan:
Mengganti tahun
dasar PNB per
kapita dari tahun
2008 menjadi
2005
1991 1995 2011 2014 2010
2010
21
PNB : Produk Nasional Bruto
Secara berkala UNDP melakukan penyempurnaan dalam
penghitungan IPM. Tahun 2010, UNDP melakukan penyempurnaan
kembali dengan tetap menggunakan tiga dimensi yang sama, yaitu umur
panjang dan hidup sehat, pengetahuan dan standar hidup layak, tetapi
menggunakan indikator yang berbeda, yaitu angka harapan hidup saat
lahir, rata-rata lama sekolah, harapan lama sekolah dan Produk Nasional
Bruto (PNB) per kapita.
a. Pengukuran Indeks Pembangunan Manusia
Terdapat tiga dimensi dasar dalam pembentukan indeks
pembangunan manusia, yaitu umur panjang dan sehat, pengetahuan dan
kehidupan yang layak. Ketiga dimensi tersebut memiliki pengertian
sangat luas karena terkait banyak faktor (BPS, 2016:128).
1) Angka Harapan Hidup saat Lahir
Menurut BPS, Angka Harapan Hidup saat lahir (AHH) merupakan
rata-rata perkiraan tahun yang dapat ditempuh oleh seseorang selama
hidup. Jenis data yang digunakan adalah Anak Lahir Hidup (ALH) dan
Anak Masih Hidup (AMH).
2) Tingkat Pendidikan
Salah satu komponen pembentuk IPM adalah dimensi
pengetahuan yang diukur melalui tingkat pendidikan. Dalam hal ini,
indikator yang digunakan adalah rata-rata lama sekolah (mean years of
schooling) dan harapan lama sekolah (expected years of school). Pada
proses pembentukan IPM, rata-rata lama sekolah dan harapan lama
sekolah diberi bobot yang sama, kemudian penggabungankedua
indikator ini digunakan sebagai indeks pendidikan sebagai salah
satu komponen pembentuk IPM.
Rata-rata lama sekolah menggambarkan berapa banyak tahun
yang digunakan untuk menjalani pendidikan formal oleh penduduk
usia 25 tahun ke atas. Sedangkan Harapan lama sekolah
didefinisikan sebagai lamanya sekolah (dalam tahun) yang
22
diharapkan akan dirasakan oleh anak pada umur tertentu di masa
mendatang. Harapan lama sekolah dihitung untuk penduduk berusia 7
tahun keatas.
3) Standar Hidup Layak
Dimensi lain dari ukuran kualitas hidup manusia adalah standar
hidup layak. Dalam cakupan lebih luas, standar hidup layak
menggambarkan tingkat kesejahteraan yang dinikmati oleh penduduk
sebagai dampak semakin membaiknya ekonomi. UNDP mengukur
standar hidup layak menggunakan PNB per kapita yang disesuaikan,
sedangkan BPS menghitung standar hidup layak menggunakan rata-
rata pengeluaran per kapita riil yang disesuaikan dengan paritas
daya beli (purchasing power parity) berbasis formula Rao.
PPPj = ∏ (Pij
Pik) 1
m⁄
m
i=1
Dimana:
PPPj : paritas daya beli di wilayah j
Pij : harga komoditas i di kabupaten/kota j
Pik : harga komoditas i di Jakarta Selatan
m : jumlah komoditas
Tabel 2.1
Komoditi Kebutuhan Pokok sebagai Dasar Penghitungan Daya
Beli (PPP)
Beras Pisang lainnya Roko keretek tanpa pilter
Tepung Terig Pepaya Roko Putih
Ketela
Pohon/singkong
Minyak kelapa Rumah sendiri/Bebas Sewa
Kentang Minyak goreng lainnya Rumah kontrak
Tongkol/tuna/caka
Lang
Kelapa Rumah sewa
Kembung Gula pasir Rumah dinas
23
Bandeng The Listrik
Mujair Kopi Air PAM
Mas Garam LPG
Lele Kecap Minyak tanah
Ikan seger lainya Penyedap masakan/vetsin Lainnya(batu baterai, aki,
korek, obat nyamuk, dll)
Dading sapi Mie instan Perlengkapan mandi
Dading ayam ras Roti manis/roti lainnya Barang kecantikan
Dading ayam
kampung
Kue kering Perawatan kulit, muka,
kuku, rambut
Telur ayam ras Kue basah Sabun cuci
Susu kental manis Makan gorengan Biaya RS Pemerintah
Susu bubuk Gado-Gado/Ketoprak Biaya RS Swasta
Susu bubuk bayi Nasi campur/rames Puskesmas/pustu
Ayam Nasi goring Praktek dokter/poliklinik
Kangkung Nasi putih SPP
Kacang Panjang Lontong/ketupat sayur Bensin
Bawang merah Soto/gule/sop/rawon/cincang Transportasi/pengangkutan
Umum
Bawang putih Sate/tongseng Pos dan telekomunikasi
Cabe merah Mie bakso/mie rebus/mie
goreng
Pakaian jadi laki-laki
Dewasa
Cabe rawit Makanan ringan anak Pakaian jadi perempuan
Dewasa
Tahu Ikan (goreng/bakar dll) Pakaian jadi anak-anak
Tempe Ayam/daging (goreng dll) Alas kaki
Jeruk Makanan jadi lainnya Minyak pelumas
Mangga Air kemasan gallon Meubelair
Salak Minuman jadi lainnya Peralatan rumah tangga
Pisang ambon Es lainnya Perlengkapan perabot
24
rumah tangga
Pisanga raja Rokok kretek filter Alat-alat Dapur/Makan
Sumber: Badan Pusat Statistik, 2016
b. Penyusunan Indeks Pembangunan Manusia
Dalam penghitungan IPM, setiap komponen IPM harus dihitung terlebih
dahulu indeksnya, sebagai berikut.
1) Indeks Angka Harapan Hidup
IAHH = AHH − AHHmin
AHHmaks − AHHmin
2) Indeks Pendidikan
IPendidikan = IHLS + IRLS
2
3) Indeks Harapan Lama Sekolah
IHLS = HLS − HLSmin
HLSmaks − HLSmin
4) Indeks Rata-rata Lama Sekolah
IRLS = RLS − RLSmin
RLSmaks − RLSmin
5) Indeks Pengeluaran
IPengeluaran = ln (pengeluaran) − ln (pengeluaranmin )
ln (pengeluaranmaks) − ln (pengeluaranmin )
Dalam penghitungan IPM digunakan batas maksimum dan batas
minimum, sebagai berikut :
Tabel 2.2
Nilai Maksimum dan Minimum dari Setiap Komponen IPM
Komponen IPM Satuan Minimum Maksimum
Angka Harapan Hidup
saat Lahir (AHH)
Tahun 20 85
Harapan Lama Sekolah
(HLS
Tahun 0 18
Rata-rata Lama Sekolah
(RLS)
Tahun 0 15
25
Pengeluaran per Kapita Rupiah 1.2007.436 26.572.352
Sumber: Badan Pusat Statistik, 2016
Selanjutnya, nilai IPM dihitung sebagai:
IPM = √IAHK × IPendidikan × IPengeluaran3
× 100
BPS mengelompokkan capaian pembangunan manusia suatu wilayah
dalam waktu tertentu ke dalam empat kelompok, yaitu:
1) Kelompok “sangat tinggi” : IPM ≥ 80
2) Kelompok “tinggi” : 70 ≤ IPM 80
3) Kelompok “sedang” : 60 ≤ IPM 70
4) Kelompok “rendah” : IPM 60
3. Pengangguran
a. Pengertian Pengangguran
Pengangguran adalah kondisi dimana seseorang telah memasuki
usia kerja, ingin bekerja, tetapi belum mendapatkan pekerjaan (Sukirno,
2012:13). Angkatan kerja adalah kelompok penduduk yang berusia
15-64 tahun, tetapi tidak semua orang yang berusia 15-64 tahun
dikategorikan sebagai angkatan kerja. Angkatan kerja adalah
penduduk berusia 15-64 tahun yang bekerja dan sedang mencari kerja
sedangkan yang tidak mencari kerja baik karena mengurus keluarga
atau sekolah tidak masuk dalam kategori angkatan kerja.
26
Gambar 2.2
Struktur Penduduk Berdasarkan Usia
Dalam perekonomian karena adanya pengangguran dapat menjadi
maslah karena pengangguran dapat menyebabkan produktivitas dan
pendapatan masyarakat berkurang sehingga timbul masalah lain, seperti
kemiskinan, penurunan kesejahteraan dan masalah-masalah sosial lainnya.
b. Jenis-jenis Pengangguran
Dalam membedakan jenis pengangguran, terdapat dua cara untuk
menggolongkannya, yaitu berdasarkan kepada sumber atau penyebab
pengangguran dan berdasarkan kepada ciri pengangguran yang wujud
(Sukirno, 2012:328). Berdasarkan penyebabnya, pengangguran
digolongkan sebagai berikut.
1) Pengangguran normal atau friksional
Ketika dalam suatu perekonomian terdapat penganguran
sebanyak dua hingga tiga persen makan suatu perekonomian
27
dianggap mencapai kesempatan kerja penuh. Pengangguran sebanyak
dua hingga tiga persen tersebut dikategorikan sebagai pengangguran
normal atau friksional. Pengangguran terjadi ketika dalam
perekonomian yang berkembang pesat sehingga tingkat
pengangguran rendah akibatnya perusahaan sulit memperoleh
pekerja dan akhirnya menawarkan gaji yang lebih tinggi. Hal ini
mendorong pekerja untuk meninggalkan pekerjaan lamanya untuk
mencari pekerjaan baru dengan gaji yang lebih tinggi. Dalam proses
mencari pekerjaan baru tersebut para pekerja tergolong sebagai
pengangguran normal atau friksional (Sukirno, 2012:328).
2) Pengangguran siklikal
Tidak selalu perekonomian berkembang stabil. Ada saat permintaan
agregat meningkat, hal ini mendorong pengusaha menaikkan
produksi sehingga pekerja baru lebih banyak digunakan. Akan tetapi,
pada masa lainnya permintaan agregat menurun akibat banyaknya
barang yang tersedia. Pada saat terjadi penurunan permintaan
perusahaan banyak mengurangi pekerja bahkan menutup usahanya
maka pengangguran bertambah, pengangguran ini dinamakan
pengangguran siklikal. Sementara Case & Fair (2007:220),
mendefinisikan pengangguran siklis sebagai peningkatan
pengangguran yang terjadi selama resesi dan depresi.
3) Pengangguran structural
Pengangguran struktural adalah pengangguran yang diakibatkan
oleh perubahan struktur perekonomian yang mengakibatkan
hilangnya lapangan pekerjaan signifikan dalam industri tertentu (Case
& Fair, 2007:220)
4) Pengangguran teknologi
Pengangguran teknologi adalah penganguran yang diakibatkan
oleh penggunaan mesin-mesin dan kemajuan teknologi lainnya.
Misalnya, dioperasikan robot atau mesin untuk menggantikan kerja
manusia (Sukirno, 2012:329).
28
Sedangkan jenis pengangguran berdasarkan cirinya (Sukirno, 2012:330-
331), dikelompokkan sebagai berikut.
1) Pengangguran terbuka
Pengangguran terbuka adalah pengangguran yang tercipta akibat
jumlah lowongan kerja yang lebih rendah dibandingkan dengan
penambahan tenaga kerja.
2) Pengangguran tersembunyi
Pengangguran ini terjadi terutama di sektor pertanian dan jasa.
Setiap kegiatan ekonomi memerlukan tenaga kerja, jumlah tenaga
kerja disesuaikan dengan faktor seperti besar kecilnya perusahaan, jenis
kegiatan perusahaan, mesin yang digunakan dan tingkat produksi
yang dicapai. Seringkali didapati jumlah tenaga kerja yang lebih
banyak daripada yang dibutuhkan, kelebihan ini dikatakan sebagai
pengangguran tersembunyi.
3) Pengangguran bermusim
Yaitu pengangguran yang muncul akibat perubahan musim.
Contohnya penyadap karet dan nelayan yang tidak bisa bekerja saat
musim hujan atau petani yang tidak dapat mengerjakan pekerjaannya
saat musim kemarau.
4) Setengah menganggur
Kondisi migrasi dari desa ke kota biasanya sangat pesat. Sebagai
akibatnya tidak semua dapat memperoleh pekerjaan dengan mudah.
Sebagian terpaksa menganggur sepenuh waktu. Adapula yang
bekerja tapi dibawah jam kerja normal. Mungkin hanya bekerja satu
atau dua hari seminggu, atau satu hingga empat jam sehari. Jenis
pekerja ini dikategorikan sebagai setengah menganggur
(underemployed).
c. Penyebab Pengangguran
Kaufman dan Hotchkiss dalam Pujoalwanto (2014:114),
mengidentifikasikan penyebab penganguran sebagai berikut.
1) Proses Mencari Kerja
29
Munculnya angkatan kerja baru akan menimbulkan persaingan
yang ketat pada proses mencari kerja. Dalam proses mencari kerja
terdapat hambatan yang disebabkan keinginan pekerja untuk
berpindah ke pekerjaan laserta tidak sempurnanya informasi tentang
besarnya tingkat upah yang layak diterima.
2) Kekakuan Upah
Tingkat upah yang tidak fleksibel menyebabkan terjadinya
pengangguran. Penurunan produksi turut menurunkan permintaan
terhadap tenaga kerja. Akibatnya, akan terjadi penurunan besar upah
yang ditentukan. Dengan upah yang kaku, dalam jangka pendek,
tingkat upah akan mengalami peningkatan, hal ini meningkatkan
penawaran tenaga kerja sebagai inflasi dari adanya tingkat
pengangguran akibat kekakuan upah tersebut.
3) Efisiensi Upah
Efisiensi yang terjadi pada fungsi tingkat upah terjadi karena
semakin tinggi perusahaan membayar upah maka akan semakin keras
usaha pekerja untuk bekerja. Hal ini memberikan konsekuensi jika
perusahaan memilih membayar lebih pada tenaga kerja yang
memiliki efisiensi yang lebih tinggi maka akan terjadi pengangguran
akibat dari persaingan yang ketat dalam mendapatkan pekerjaan yang
diinginkan.
d. Hubungan antara Pengangguran dengan IPM
Todaro (2006:434) mengatakan bahwa pembangunan manusia
merupakan tujuan utama pembangunan itu sendiri. Pembangunan manusia
memainkan peran dalam membentuk kemampuan sebuah negara dalam
menyerap teknologi modern untuk mengembangkan kapasitas agar
tercipta kesempatan kerja untuk mengurangi jumlah pengangguran guna
melakukan pembangunan manusia yang berkelanjutan. Dengan
teratasinya jumlah pengangguran, maka pendapatan akanmeningkat
sehingga akan berdampak pada peningkatan pembangunan
manusiamelalui peningkatan bagian pengeluaran rumah tangga yang
30
dibelanjakan untukmemenuhi kebutuhan dasar. Jadi, pengurangan
penganguran dapat mengakibatkan peningkatan indeks pembangunan
manusia.
Sejalan dengan itu, penelitian yang dilakukan Yacoub (2012:176)
menyatakan bahwa tingkat pengangguran yang tinggi dapat
menyebabkanrendahnya pendapatan yang selanjutnya memicu kemiskinan.
Kemiskinan tersebutmuncul akibat tidak bisa terpenuhinya kebutuhan dasar
(basic needs) sehingga apayang dikatakan Amatya Sen (dalam Todaro,
2006:26) mengenai kesejahteraanyang menyangkut kesehatan, keadaan
ekonomi untuk memenuhi kebutuhan danpendidikan tidak dapat
terpenuhi oleh kemampuan masyarakat sehinggaberdampak pada
kemorosotan dalam pembangunan manusianya. Efek buruk
darpengangguran adalah mengurangi pendapatan masyarakat yang pada
akhirnya mengurangi tingkat kemakmuran dan kesejahteraan yang dicapai
seseorang.
Penelitian Terdahulu
Beberapa penelitian tentang kemiskinan diberbagai negara telah dilakukan oleh
sejumlah peneliti, antara lain :
1. Penelitian yang dilakukan oleh Deny Tisna Amijaya (2008) dengan judul
“Pengaruh ketidakmerataan distribusi pendapatan, pertumbuhan ekonomi, dan
pengangguran terhadap tingkat kemiskinan di Indonesia tahun 2003-2004”.
Tulisannya meneliti tentang pengaruh ketidakmerataan distribusi pendapatan,
pertumbuhan ekonomi, dan pengangguran terhadap kemiskinan di Indonesia,
dalam hal ini untuk seluruh Provinsi di Indonesia dari tahun 2003 – 2004.
Analisis yang dilakukan adalah analisis Deskriptif dan ekonometrika dengan
menggunakan metode Panel Data.
Hasil penelitiannya menyimpulkan bahwa variabel ketidakmerataan
distribusi pendapatan berpengaruh positif terhadap tingkat kemiskinan,
variabel pertumbuhan ekonomi berpengaruh negatif terhadap tingkat
kemiskinan, sedangkan variabel pengangguran berpengaruh positif terhadap
tingkat kemiskinan.
31
2. Penelitian yang dilakukan oleh Rima Prihartanty (2008) dengan judul
”Analisis Kemiskinan Pertumbuhan Ekonomi, dan Ketimpangan Distribusi
Pendapatan: Studi kasus Kabupaten/Kota di Propinsi Jawa Tengah”.
Tulisannya meneliti tentang Kemiskinan Pertumbuhan Ekonomi, dan
Ketimpangan Distribusi Pendapatan: Studi kasus Kabupaten/Kota di
Propinsi Jawa Tengah. Analisis yang dilakukan menggunakan Regresi
dengan mengunakan panel data dengan OLS.
Hasil dari penelitian ini menunjukkan bahwa variabel ketidakmerataan
distribusi pendapatan berpengaruh positif terhadap tingkat kemiskinan,
variabel pertumbuhan ekonomi berpengaruh negatif terhadap tingkat
kemiskinan, sedangkan variabel pengangguran berpengaruh positif terhadap
tingkat kemiskinan.
3. Penelitian yang dilakukan oleh Apriliyah S. Napitupulu (2007) dengan
judul ”Pengaruh Indikator Komposit Indeks Pembangunan Manusia
Terhadap Penurunan Jumlah Penduduk Miskin di Sumatra Utara”
Tulisannya meneliti tentang pengaruh indikator komposit Indeks
Pembangunan Manusia terhadap penurunan jumlah penduduk miskin di
Sumatera Utara. Analisis yang dilakukan menggunakan Regresi linier
berganda dengan ordinary least square/OLSα = intercept
Hasil dari penelitian ini menunjukkan bahwa dari ketiga variabel yaitu
angka harapan hidup, angka melek huruf, konsumsi perkapita mempunyai
pengaruh negatif dan signifikan terhadap jumlah penduduk miskin di
Sumatera Utara
4. Penelitian yang dilakukan oleh Hermanto Siregar dan Dwi Wahyuniarti
(2006) dengan judul “Dampak Pertumbuhan Ekonomi Terhadap Penurunan
Jumlah Penduduk Miskin”. Tulisannya menganalisis tentang pengaruh
pertumbuhan ekonomi terhadap tingkat kemiskinan di Indo nesia. Analisis
yang dilakukan adalah analisis Deskriptif dan ekonometrika dengan
menggunakan metode Panel Data.
Hasil penelitiannya menyimpulkan bahwa kenaikan PDRB mengakibatkan
penurunan atas angka kemiskinan, kenaikan jumlah penduduk
32
mengakibatkan peningkatan atas angka kemiskinan, kenaikan Inflasi
mengakibatkan peningkatan atas angka kemiskinan, kenaikan Share
pertanian dan industri mengakibatkan penurunan atas angka kemiskinan,
kenaikan tingkat pendidikan mengakibatkan penurunan atas angka
kemiskinan. Dimana pengaruh tingkat pendidik SMP lebih besar dari pada
pengaruh share pertanian. Sedangkan kenaikan Dummy krisis
mengakibatkan peningkatan atas angka kemiskinan.
5. Penelitian yang dilakukan oleh Dian Octaviani (2001) dengan judul “Inflasi,
Pengangguran, dan Kemiskinan di Indonesia: Analisis Indeks Forrester
Greer & Horbecke”. Tulisannya menganalisis tentang pengaruh pengangguran
terhadap tingkat kemiskinan di Indonesia. Hasil penelitiannya menyimpulkan
bahwa kenaikan angka pengangguran mengakibatkan peningkatan atas
angka kemiskinan, sebaliknya semakin kecil angka pengangguran akan
menyebabkan semakin rendahnya tingkat kemiskinan di Indonesia.
6. Penelitian yang dilakukan oleh Hermanto Siregar dan Dwi Wahyu Winarti
(2006) yang berjudul “Dampak Pertumbuhan Ekonomi Terhadap Penurunan
Jumlah Penduduk Miskin” bertujuan untuk mengetahui dan menganalisis
pengaruh serta dampak dari pertumbuhan ekonomi terhadap jumlah penduduk
miskin Indonesia, hal ini dilakukan karena jumlah penduduk miskin akibat
krisis belum berhasil dikurangi bahkan cenderung meningkat. Penelitian ini
menggunakan data panel dan variabel yang digunakan dalam penelitian ini
adalah kemiskinan, PDRB, tingkat inflasi, jumlah lulusan tingkat smp, sma,
agrishare, industri share, dan dummy krisis.
Kesimpulan dari penelitian adalah bahwa tidak hanya pertumbuhan
ekonomi saja yang mampu mengurangi kemiskinan suatu daerah melainkan
efek kebawah (tickle down effect).
7. Penelitian yang dilakukan oleh Deny Tisna Amijaya (2008) yang berjudul
“Pengaruh ketidakmerataan distribusi pendapatan, pertumbuhan ekonomi,
dan pengangguran terhadap tingkat kemiskinan di Indonesia tahun 2003-
2004” bertujuan untuk mengetahui dan menganalisis pengaruh
ketidakmerataan distribusi pendapatan, pertumbuhan ekonomi, dan
33
pengangguran terhadap tingkat kemiskinan di Indonesia tahun 2003-2004.
Penelitian ini menggunakan metode Panel Data dan variabel yang
digunakan dalam penelitian ini adalah kemiskinan, ketidakmerataan
distribusi pendapatan, pertumbuhan ekonomi, dan tingkat pengangguran.
Kesimpulan dari penelitian adalah bahwa variabel ketidakmerataan
distribusi pendapatan berpengaruh positif terhadap tingkat kemiskinan,
variabel pertumbuhan ekonomi berpengaruh negatif terhadap tingkat
kemiskinan, sedangkan variabel pengangguran berpengaruh positif terhadap
tingkat kemiskinan.
.
34
Tabel 2.3
Penelitian Terdahulu
No. Tahun Nama Judul
Penelitian
Persamaan Perbedaan Hasil Penelitian
1. 2008 Deny Tisna
Amijaya
Pengaruh
ketidakmerataan
distribusi
pendapatan,
pertumbuhan
ekonomi, dan
pengangguran
terhadap tingkat
kemiskinan di
Indonesia tahun
2003-2004”.
- Regresi Data Panel
- Menggunakan variabel
Pengaguran,kemiskinan
- Ruang lingkup
penelitian Nasional
(Indonesia)
- Menggunakan Variabel
ketiadak merataan
Distribusi
prndapatan,pertumbuhan
Ekonomi
- Tahun Penelitian
- ketidakmerataan
distribusi
pendapatan
berpengaruh
positif terhadap
tingkat
kemiskinan,
variabel
pertumbuhan
ekonomi
berpengaruh
negatif terhadap
tingkat
kemiskinan,
sedangkan
35
variabel
pengangguran
berpengaruh
positif terhadap
tingkat
kemiskinan.
2. 2008 oleh Rima
Prihartanty
”Analisis
Kemiskinan
Pertumbuhan
Ekonomi, dan
Ketimpangan
Distribusi
Pendapatan:
Studi kasus
Kabupaten/Kota
di Propinsi
Jawa Tengah”.
- Regresi Panel Data
- Mengunakan variabel
Kemiskinan
- Pertumbuhan Ekonomi
- Ketimpangan Distribusi
Pendapatan: Studi
kasus Kabupaten/Kota di
Propinsi Jawa Tengah
- ketidakmerataan
distribusi
pendapatan
berpengaruh
positif terhadap
tingkat
kemiskinan,
variabel
pertumbuhan
ekonomi
berpengaruh
negatif terhadap
tingkat
36
kemiskinan,
sedangkan
variabel
pengangguran
berpengaruh
positif terhadap
tingkat
kemiskinan.
3. 2007 Apriliyah
S.
Napitupulu
Pengaruh
Indikator
Komposit
Indeks
Pembangunan
Manusia
Terhadap
Penurunan
Jumlah
Penduduk
-Mengunakan Variabel
IPM,
-Menggunakn Pengaruh
Indikator Komposit,
Penurunan Jumlah
Penduduk Miskin di
Sumatra Utara
- Regresi linier berganda
dengan ordinary least
square/OLS
angka harapan
hidup, angka melek
huruf, konsumsi
perkapita
mempunyai
pengaruh negatif
dan signifikan
terhadap jumlah
penduduk miskin di
Sumatera Utara
-
37
Miskin di
Sumatra Utara
4. 2006 Hermanto
Siregar dan
Dwi
Wahyuniarti
Dampak
Pertumbuhan
Ekonomi
Terhadap
Penurunan
Jumlah
Penduduk
Miskin
- Menggunakan
Variabel jumblah
penduduk miskin
- Menggunakan
pertumbuhan
ekonomi
kenaikan PDRB
mengakibatkan
penurunan atas
angka kemiskinan,
kenaikan jumlah
penduduk
mengakibatkan
peningkatan atas
angka kemiskinan,
kenaikan Inflasi
mengakibatkan
peningkatan atas
angka kemiskinan,
kenaikan Share
pertanian dan
industri
mengakibatkan
38
penurunan atas
angka kemiskinan,
kenaikan tingkat
pendidikan
mengakibatkan
penurunan atas
angka kemiskinan.
Dimana pengaruh
tingkat pendidik
SMP lebih besar dari
pada pengaruh
share pertanian.
Sedangkan
kenaikan Dummy
krisis
mengakibatkan
peningkatan atas
angka kemiskinan.
39
5. 2001 Dian
Octaviani
Inflasi,
Pengangguran,
dan
Kemiskinan di
Indonesia:
Analisis Indeks
Forrester Greer
& Horbecke
- Menggunak Variabel
penganguran
- kemiskinan
- Ruang lingkup
penelitian nasional
(Indonesia)
- Mengunakan variabel
inflasi,
- AnalisisIndeks Forrester
Greer dan Horbecke
- Tahun penelitian berbeda
- kenaikan angka
pengangguran
mengakibatkan
peningkatan
atas angka
kemiskinan,
sebaliknya
semakin kecil
angka
pengangguran
akan
menyebabkan
semakin
rendahnya
tingkat
kemiskinan di
Indonesia.
40
6. 2006 Hermanto
Siregar dan
Dwi Wahyu
Winarti
Dampak
Pertumbuhan
Ekonomi
Terhadap
Penurunan
Jumlah
Penduduk
Miskin
- Regresi Data Panel
- Mengunakan variabel
dampak pertumbuhan
ekonomi
- Pengaruh jumblah
penduduk miskin.
pertumbuhan
ekonomi
saja yang
mampu
mengurangi
kemiskinan
suatu daerah
melainkan
efek
kebawah
(tickle down
effect).
-
7. 2008 Deny Tisna
Amijaya
Pengaruh
ketidakmerataan
distribusi
pendapatan,
pertumbuhan
ekonomi, dan
- Regresi Data Panel
- Mengunakan variabel
pengguran,tingkat
kemiskinan di
indonesia
- Menggunakan variabel
ketidak merataan
distribusi
mendapatan,pertumbuhan
ekonomi
ketidakmerataan
distribusi
pendapatan
berpengaruh positif
terhadap tingkat
kemiskinan, variabel
41
pengangguran
terhadap tingkat
kemiskinan di
Indonesia tahun
2003-2004”
pertumbuhan
ekonomi
berpengaruh negatif
terhadap tingkat
kemiskinan,
sedangkan variabel
pengangguran
berpengaruh positif
terhadap tingkat
kemiskinan.
42
Kerangka Pemikiran
Gambar 2.3
Kerangka Pemikiran Teoritis
Hipotesis
Dengan mengacu pada kajian teori serta studi empiris yang pernah ada dan dengan
menggunakan taraf signifikansi sebesar 5 %, maka hipotesis dalam penelitian ini
adalah:
1. Indeks Pembanguan Manusia (IPM) dan Tingkat Pengangguran berpengaruh
positif secara bersama-sama terhadap Keamiskinan di Indonesia Periode 2014-
2017.
2. Indeks Pembanguan Manusai (IPM) berpangruh negatif secara parsial terhadap
Kemiskinan di Indonesia Periode 2014-2017.
3. Tingkat Pengangguran berpengaruh positif secara parsial terhadap Kemiskinan di
Indonesai periode 2014-2017.
Indeks Pembangunan
Manusia
(x1)
(x1)
Tingkat Pengangguran
(x2)
Tingkat Kemiskinan Di
Indonnesia
(y)
43
BAB III
METODE PENELITIAN
Ruang Lingkup Penelitian
Penelitian ini menganalisa tentang Pengaruh Pengguran dan Indeks pembangunan
manusia terhadap kemiskinan di Indonesia. Dimana variabel dependen dalam
penelitian iniKemiskinan, sedangkan variabel independen dalam penelitian ini terdiri
dari pengguran dan indeks pembanguna manusia.
Ruang lingkup yang digunakan dalam penelitian ini meliputi tahun 2014 sampai
pada tahun 2017 dengan menggunakan metode data panel. Data yang digunakan
dalam penelitian ini adalah data tahunan. Adapun data yang diperlukan adalah data
Kemiskinan yang dilihat dari presentasi tingkat kemiskinan di Indonesia, data
Pengguran yang di lihat dari presentase tingkat pengguran terbuka di Indonesia dan
data indeks pembangunan manusia di Indonesia. Data-data tersebut di ambil
berdasarkan 34 propinsi di Indonesia dari tahin 2014 sampe 2017.
Jenis Penelitian
Peran metodologi penelitian sangat menentukan dalam usaha untuk menghimpun
data yang diperlukan dalam penelitian. Ibarat lain metodologi penelitian dapat
memberikan petunjuk terhadap bagaimana suatu penelitian akan dilakukan. Metode
mengandung makna menyangkut prosedur dan cara untuk melakukan pengajuan
terhadap data-data yang diperlukan untuk menjawab rumusan masalah yang telah
dibuat.
Penelitian ini menggunakan jenis penelitian deskriptif kuantitatif. Metode
penelitian deskriptif dengan pendekatan secata kuantitatif digunakan apabila dengan
bertujuan untuk mendeskripsikan dan menjelaskan peristiwa atau suatu kejadian yang
terjadi dalam bentuk angka-angka bermakna. Penelitian deskriptif kuantitatif dipilih
karena bertujuan untuk menjelaskan adanya pengaruh Pengguran dan indeks
pembangunan manusia terhadap kemiskinan dengan mendeskripsikan hasil dari
pengolahan data menggunakan eviews.
44
Metode Penentuan Populasi dan Sampel
Populasi yang digunakan dalam penelitian ini yaitu provinsi yang ada di Indonesia.
Dikarenakan capaian Tingkat kemiskinan dan indeks pembanguna manusia masih
dibawah nilai rata-rata diantara negara-negara ASEAN. Metode pengambilan sampel
adalah dengan menggunakan metode Purposive Sampling yang menentukan sampel
dengan cara mengambil subjek bukan berdasarkan random, strata, atau daerah tetapi
didasari atas tujuan tertentu (Arikunto, 2010).
Metode Pengambilan Data
Data adalah sebuah informasi atau keterangan yang bisa menjelaskan fakta yang
diolah dari bahan mentah secara kualitatif ataupun kuantitatif (Siregar, 2013).
Pengumpulan data dilakukan saat sebuah penelitian dengan tujuan untuk mencapai
hasil penelitian tersebut. Adapun beberapa jenis data menurut sumber dan cara
pengumpulannya:
1. Data primer
Data yang diperoleh secara langsung biasa disebut dengan data primer. Cara
untuk mendapatkan data primer yaitu dengan melakukan wawancara, jajak
pendapat dengan responden, ataupun melakukan observasi dari suatu peristiwa
ataupun proyek. Kelebihan data primer adalah tingkat akurat dari data yang
dihasilkan terjamin dan unsur-unsur kebohongan dapat terhindari, karena data yang
dihasilkan sesuai dengan apa yang dilihat dan didengar oleh peneliti langsung dari
narasumber aslinya. Namun, kelemahan pada data ini adalah dibutuhkan waktu
yang lebih lama dan biaya yang relatif cukup besar untuk memperoleh data ini ,
karena peneliti diharuskan untuk penelitian langsung dari sumber yang
dijadikannya objek penelitian.
2. Data sekunder
Data sekunder tidak sama persis dengan data primer, karena data sekunder tidak
diperoleh langsung dari sumber aslinya. Pada umumnya, data sekunder diperoleh
dari suatu lembaga atau instansi atau organisasi terkait dengan penelitian yang
memplubikasikan data secara umum melalui buku, literatur, dokumen, arsip, atau
sumber-sumber lainnya. Kelebihan dari data sekunder sendiri adalah cenderung
membutuhkan waktu yang singkat dan biaya relatif kecil untuk memperoleh data
yang dibutuhkan. Namun, tingkat keakuratan data lebih rendah dan kadang dapat
mempengaruhi hasil penelitian dikarenakan bukan dari sumber langsung seperti
data primer.
45
Berdasarkan pemaparan tentang data, maka jenis data yang digunakan dalam
penelitian ini adalah dengan data sekunder. Yang diperoleh dari Badan Pusat
Statistik. Data yang diambil dari tahun 2014 sampai dengan 2017.
Sebelum dilakukan penelitian, terlebih dahulu untuk menentukan metode
pengumpulan data yang diperlukan dalam penelitian. Karena data yang digunakan
dalam penelitian ini adalah data sekunder maka metode pengumpulan data yang
cocok digunakan adalah metode dokumentasi dan metode studi pustaka. Metode
dokumentasi dilakukan untuk memperoleh data atau informasi yang berkaitan
dengan penelitian dengan melihat kembali laporan tertulis baik angka maupun
keterangan. Metode studi pustaka dilakukan dengan cara mengumpulkan informasi
melalui buku literatur terkait dan penelitian-penelitian terdahulu.
E. Metode Analisis Data
Metode penelitian ini dengan menggunakan pendekatan kuantitatif, supaya
penelitian yang dilakukan menjadi lebih bersifat objektif berdasarkan angka yang
dihasilkan, sehingga hasil dari penelitian dikaitkan dengan teori yang ada dan terbebas
dari pengaruh pendapat subjektif peneliti.
Analisis Pengguran dan indeks pembangunan manusai terhadap kemiskina
menggunakan metode regresi data panel. Data panel adalah sebuah set data yang data
sampel individu (Provinsi) pada sebuah periode waktu tertentu. Data panel merupakan
gabungan data deret waktu (time series) dan data antar wilayah (cross section). Proses
pembentukan data panel adalah dengan cara mengkombinasikan unit-unit deret waktu
dengan antar wilayah sehingga terbentuklah suatu kumpulan data. Jika jumlah periode
observasi sama banyaknya untuk tiap-tiap unit cross section maka dinamakan balanced
panel. Sebaliknya jika jumlah periode observasi tidak sama untuk tiap-tiap unit cross
section maka disebut unbalanced panel (Widarjono, 2013).
Menurut Gujarati (2013), keuntungan data panel antara lain:
1. Bila data panel berhubungan dengan individu, perusahaan, negara, daerah dan lain-
lain pada waktu tertentu, maka data tersebut adalah homogen, sehingga penaksiran
dan dapat dipertimbangkan dalam perhitungan.
2. Kombinasi data time series dan cross section akan memberikan informasi yang
lebih lengkap, beragam, kurang berkorelasi antar variabel, derajat bebas lebih
besar dan lebih efisien.
3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis
dibanding dengan studi berulang dari cross section.
46
4. Data panel lebih baik mendeteksi dan mengukur efek yang secara sederhana tidak
dapat diukur oleh data time series dan cross section.
5. Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks,
misalnya skala ekonomi dan perubahan teknologi.
6. Data panel dapat menimbulkan bias yang dihasilkan oleh agregasi individu atau
perusahaan karena unit data yang lebih banyak.
Sedangkan menurut Suliyanto (2011), ada juga kelebihan penggunaan data panel
dibandingkan dengan menggunakan data time series ataupun cross section antara lain:
1. Panel data memiliki heterogenitas yang lebih tinggi, hal ini karena data melibat
beberapa individu dalam beberapa waktu.
2. Dengan panel data, dapat mengestimasikan karakteristik untuk tiap individu
berdasarkan heterogenitasnya.
3. Panel data dapat memberikan data yang lebih informatif, lebih bervariasi, serta
memiliki tingkat kolinieritas yang rendah, memperbesar derajat kebebasan, dan
lebih efisien.
4. Panel data cocok untuk studi perubahan dinamis, karena panel data yang pada
dasarnya adalah data cross section yang diulang-ulang (series).
5. Panel data mampu mendeteksi dan mengukur pengaruh yang tidak dapat
diobservasi dengan data time series murni atau data cross section murni.
6. Panel data mampu mempelajari model perilaku yang lebih komplek.
Dengan menggabungkan data time series dan cross section kita bisa
menambahkan jumlah observasi secara signifikan tanpa melakukan treatment apapun
pada data. Sehingga analisis data panel memungkinkan memberikan hasil yang
memuaskan.
Sedangkan model analisis yang digunakan dalam penelitian ini yakni analisis
regresi linier berganda sebagai berikut:
𝐾𝐸𝑀𝑖𝑡 = 𝛽0 + 𝛽1𝐼𝑃𝑀1𝑖𝑡 + 𝛽2𝑃𝐸𝑁𝐺2𝑖𝑡 + 𝜀𝑖𝑡 … … … … (1)
Keterangan:
KEMit = Kemiskinan di provinsi i pada periode t
IPMit = Indeks Pembanguan Manusia di provinsi i periode t
PENGit = Tingat Pengangguran di provinsi i periode t
βit = Intercept/Konstanta
47
β1, β2, = Koefisien Regresi
εit = Error term di negara I pada periode t
Ada beberapa metode yang biasa digunakan untuk mengestimasi model regresi
dengan data panel. Tiga macam pendekatan yaitu:
1. Pendekatan common effect
Teknik yang paling sederhana untuk mengestimasi data panel adalah dengan
hanya mengkombinasikan data time series dan cross section. Dengan hanya
menggambarkan data tersebut tanpa melihat perbedaan antar waktu dan individu
maka kita bisa menggunakan metode OLS untuk mengestimasi model data panel.
Metode ini dikenal dengan estimasi Common Effect. Dalam pendekatan ini tidak
memperhatikan dimensi individu maupun waktu (Greene, 2000).
2. Pendekatan Fixed Effect Model
Model yang mengasumsikan adanya perbedaan intersep di dalam persamaan
dikenal dengan model regresi Fixed Effect. Teknik model Fixed Effect adalah
teknik mengestimasi data panel menggunakan variabel dummy untuk menangkap
adanya perbedaan intersep (Greene, 2000). Pengertian Fixed Effect ini didasarkan
adanya perbedaan intersep, namun intersepnya sama antar waktu. Model estimasi
ini seringkali disebut dengan teknik Least Squares Dummy Variables (LSDV).
3. Pendekatan Random Effect Model
Dalam menjelaskan random effect, parameter-parameter yang berbeda antar
daerah maupun antar waktu dimasukkan ke dalam error (Greene, 2000).
Pengujian Model
1. Uji Spesifikasi
Diperlukan beberapa tahap-tahap untuk uji spesifikasi. Karena tiga macam
pendekatan tersebut merupakan asumsi yang ditetapkan untuk melakukan estimasi
terhadap data panel. Maka dari itu, ada beberapa uji spesifikasi diantaranya uji
Chow, uji Hausman, dan uji Lagrange Multiplier (LM test). Ketika menetapkan
bentuk asumsi yang paling tepat, diperlukan juga menetapkan metode estimasi
yang paling tepat diantaranya estimasi Ordinary Least Square (OLS) jika
diasumsikan tidak memiliki masalah pada heteroskedastis. Namun, jika memiliki
48
masalah pada heteroskedastis maka memakai estimasi General Least Square
(GLS). Penjelasan uji spesifikasi, sebagai berikut:
a. Uji Chow
Uji Chow digunakan untuk mengetahui apakah teknik regresi data panel
dengan fixed effect lebih baik daripada model regresi data panel common effect
dengan melihat residual sum squares (Greene, 2000). Nilai uji chow yang
didapat kemudian dibandingkan dengan F-tabel pada numerator sebesar N-1
dan denumerator NT-N-K. nilai F-tabel menggunakan α sebesar 1% dan 5%.
Perbandingan tersebut dilakukan dengan hipotesis sebagai berikut:
H0 = menerima model common effect, jika nilai Chow < F-tabel
H1 = menerima model fixed effect, jika nilai Chow > F-tabel
b. Uji Hausman
Uji Hausman digunakan untuk membandingkan apakah fixed effect model
atau random effect model yang lebih sesuai. H0 dari uji Hausman yaitu random
effect dan sedangkan H1 yaitu fixed effect. Statistik uji Hausman mengikuti
distribusi Chi Square dengan degree of freedom sebanyak jumlah variabel
bebas dari model. Jika nilai statistik Hausman lebih besar daripada nilai
kritisnya maka model yang tepat adalah model fixed effect dan sebaliknya
(Greene, 2000).
c. Uji Lagrange Multiplier (LM)
Uji LM digunakan untuk membandingkan apakah random effect model
lebih baik daripada metode common effect (Greene, 2000). Hipotesis dari Uji
LM adalah:
H0 : common effect
Ha : random effect
Pengujian dilakukan menggunakan Eviews 9, nilai LM hasil estimasi Eviews
kemudian dibandingkan dengan nilai chi-squaresi pada degree of freedom
sebanyak jumlah variabel independen dengan α = 1% dan α = 5% (Greene,
2000).
Kerangka hipotesis sebagai berikut:
H0 : menggunakan model common, jika nilai LM < nilai chi squares
Ha : menggunakan model random effect, jika nilai LM > nilai chi squares
2. Metode Estimasi
49
Setelah menetapkan asumsi yang paling tepat, maka diperlukan juga untuk
menetapkan metode estimasi yang paling tepat. Estimasi atau pendugaan adalah
sebuah proses yang menggunakan sampel statistik untuk menduga atau menaksir
hubungan parameter populasi yang tidak diketahui. Dengan adanya estimasi,
keadaan parameter populasi dapat diketahui. Karena estimasi merupakan suatu
pernyataan mengenai parameter populasi yang diketahui berdasarkan populasi dari
sampel, sehingga hal ini sampel random yang diambil dari populasi yang
bersangkutan. Menurut Hasan (2017), ada ciri-ciri pendugaan yang baik adalah
efisien, konsisten, serta tidak bias (unbiased). Dalam menentukan estimasi terdapat
dua, Diantaranya sebagai berikut:
a. Ordinary Least Square (OLS)
Ordinary Least Square (Kuadrat terkecil biasa) merupakan salah satu
metode bagian dari kuadrat terkecil atau sering disebut kuadrat terkecil saja.
Metode ini sering digunakan para peneliti atau ilmuwan untuk proses
penghitungan suatu persamaan regresi sederhana. Dalam penggunaan regresi,
terdapat beberapa asumsi dasar yang dapat menghasilkan estimator linier tidak
bias yang terbaik dari model regresi yang diperoleh dari metode kuadrat terkecil
biasa atau dikenal dengan regresi OLS agar taksiran koefisien regresi itu
bersifat BLUE (Best Linier Unbiased Estimator). Misalkan:
𝑌𝑖 = 𝛽0 + 𝛽1𝑋1𝑖 + 𝛽2𝑋2𝑖 + ⋯ + 𝛽𝑘𝑋𝑘𝑖 + 𝜀𝑖
Yang dapat secara ringkas ditulis dalam notasi matriks sebagai berikut:
𝑌 = 𝑋𝛽 + 𝜀
Dengan β adalah suatu vektor kolom k-unsur dari penaksir parameter
kuadrat terkecil biasa dan ε adalah suatu vektor kolom n x 1 dari n residual
(Gujarati, 1999). Variabel ε sangat memegang peran dalam model
ekonometrika, akan tetapi variabel ini tidak dapat diteliti dan tidak juga tersedia
informasi tentang bentuk distribusi kemungkinannya. Selain asumsi mengenai
distribusi probabilitasnya, beberapa asumsi lainnya khususnya tentang sifat
statistiknya perlu dibuat dalam menerapkan metode OLS (Rizki, 2011).
b. Generalized Least Square (GLS)
50
Menurut Greene (2000), untuk menanggulangi permasalahan
heteroskedastisitas dapat dilakukan dengan estimasi melalui pembobotan
(weighted) atau bisa dikatakan sebagai kuadrat terkecil yang diberlakukan
secara umum atau disebut Generalized Least Square (GLS). Masalah
heteroskedastisitas sering muncul apabila data yang digunakan adalah cross-
section. Menurut Gujarati (2003), bahwa untuk data panel dengan
menggunakan estimasi Generalized Least Square (GLS) lebih baik dan
konsisten jika dibandingkan dengan metode OLS. Dalam metode estimasi GLS
mampu memperhitungkan informasi secara eksplisit dan karena itu mampu
menghasilkan estimator yang BLUE. Untuk melihat bagaimana hal ini dapat
dicapai kemudian dilanjutkan dengan dua model variabel yang sekarang
dikenal:
𝑌𝑖 = 𝛽1 + 𝛽2𝑋𝑖 + 𝛽3𝑋𝑖 + 𝑢𝑖
Untuk memudahkan manipulasi aljabar maka ditulis sebagai
𝑌𝑖 = 𝛽1𝑋0𝑖 + 𝛽2𝑋𝑖 + 𝛽3𝑋𝑖 + 𝑢𝑖
Dimana X0i = 1 untuk masing-masing i. dapat dilihat bahwa kedua formulasi ini
identik. Sekarang asumsikan varians heteroskedastisitas 𝜎𝑖2 diketahui. Bagi
melalui 𝜎𝑖 untuk mendapatkan=
𝑌𝑖
𝜎𝑖= 𝛽1 (
𝑋0𝑖
𝜎𝑖) + 𝛽2 (
𝑋𝑖
𝜎𝑖) + 𝛽3 (
𝑋𝑖
𝜎𝑖) + (
𝑢𝑖
𝜎𝑖)
Untuk memudahkan eksposisi maka ditulis sebagai
𝑌𝑖∗ = 𝛽𝑖
∗𝑋0𝑖∗ + 𝛽2
∗𝑋𝑖∗ + 𝛽3
∗𝑋𝑖∗ + 𝑢𝑖
∗
Yang dibintangi atau diubah adalah variabel asli dibagi dengan (yang
diketahui) 𝜎𝑖. Penggunaan notasi 𝛽𝑖∗ dan 𝛽2
∗, parameter dari model yang diubah,
untuk membedakan GLS dengan parameter OLS biasa 𝛽𝑖 dan 𝛽2.
Estimasi GLS juga dapat dianalisis dengan model fixed effect dan common
effect. Estimasi GLS mengambil infomasi secara eksplisit dan oleh karena
mampu memproduksi BLUE. Menurut Gujarat (2003), penggunaan estimasi
51
GLS sudah memenuhi asumsi klasik, sehingga tidak diperlukan lagi uji asumsi
klasik pada estimasi GLS.
G. Uji Statistik
1. Uji-t Parsial (Probabilitas Uji-t)
Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel
independen terhadap variabel dependen secara parsial. Uji t dilakukan dengan
membandingkan nilai t hitung dengan nilai t tabel (Gujarati, 2003). Jika nilai
Probability < derajat kepercayaan yang ditentukan sebesar 5 % dan jika nilai t
hitung lebih tinggi dari t tabel maka suatu variabel independen secara individual
mempengaruhi variabel dependennya (Kuncoro, 2003). Hipotesis uji t sebagai
berikut:
a. Probabilitas Pengangguran < derajat kepercayaan 5 %, maka adanya pengaruh
yang positif secara parsial antara pengangguran terhadap kemiskinan
b. Probabilitas Indeks Pembangunan Manusia < derajat kepercayaan 5 %, maka
adanya pengaruh yang negative antara indeks pembangunan manusia terhadap
kemiskinan
2. Uji F (Simultan)
Uji F dilakukan untuk mengetahui apakah semua variabel independen secara
bersama-sama (simultan) dapat berpengaruh terhadap variabel dependen (Gujarati,
2003). Jika nilai Probability < derajat kepercayaan yang ditentukan dan nilai F
hitung lebih tinggi dari t tabel maka suatu variabel independen secara bersama-
sama mempengaruhi variabel dependennya (Kuncoro, 2003). Perumusan
hipotesisnya adalah:
Dengan tingkat signifikan 5%, jika nilai F hitung < F tabel maka H0 diterima
dan nilai F hitung > F tabel H0 ditolak.
a. Jika nilai probalitas F-hitung < derajat kepercayaan 5% maka variabel bebas
berpengaruh signifikan terhadap variabel terikat.
b. Jika nilai F-hitung > derajat kepercayaan 5% maka H0 variabel bebas tidak
berpengaruh terhadap variabel terikat.
3. Koefisien Determinasi (R2)
Koefisien determinasi menunjukkan variasi dari variabel dependen mau
dijelaskan oleh variasi dari variabel independennya. Nilai R2 mempunyai rentang
52
nilai 0 sampai dengan 1, dan jika nilainya mendekati 1 maka semakin baik. Nilai
R2 yang kecil menandakan bahwa kemampuan variabel-variabel independen dalam
menjelaskan variabel dependen sangat terbatas, sedangkan nilai yang mendekati
satu berarti variabel-variabel independen mampu memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependennya
(Kuncoro, 2003). Adapun penghitungan nilai R2 adalah sebagai berikut (Gujarati,
2003):
𝑅2 = 1 −𝐸𝑆𝑆
𝑇𝑆𝑆=
𝑅𝑆𝑆
𝑇𝑆𝑆
Dimana:
TSS = Total Sum of Squares
ESS = Error Sum of Squares
RSS = Regression Sum of Squares
A. Operasional Variabel Penelitian
Variabel penelitian pada dasarnya adalah sesuatu hal yang terbentuk apa saja yang
ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal
tersebut, kemudian ditarik disimpulan (Sugiyono, 2011). Variabel bebas didalam
penelitian ini menggunakan dua metode untuk melihat ketimpangan gender. Pertama,
selisih dari variabel bebas antara laki-laki dan perempuan sehingga jika angka hasil
selisih semakin besar maka terlihat adanya ketimpangan gender. Kedua, menggunakan
rasio dengan cara perhitungan nilai perempuan dibagi nilai laki-laki dan dikalikan
100% sehingga semakin mendekati seratus persen maka ketimpangan yang ada akan
semakin kecil dan begitu sebaliknya semakin menjauhi seratus persen maka
ketimpangan yang ada akan semakin besar. Seperti yang telah dijelaskan diatas, maka
variabel yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Kemiskinan, data yang digunakan adalah presentase tingkat kemiskinan 34 provinsi
di Indonesia pada tahun 2014-2017 dengan satuan persen.
2. Indeks Pembanguan Manusia , data yang digunakan adalah presentase Indeks
Pembanguan Manusia (IPM) 34 provinsi di Indonesia pada tahun 2014-2017
dengan satuan indeks.
3. Pengangguran, data yang digunakan adalah Tingkat Pengangguran Terbuka 34
provinsi di Indonesia pada tahun 2014-2017 dengan satuan persen.
53
Tabel 3.1
Operasional Variabel Penelitian
Variabel Definisi
Presentase Tingkat
Kemiskinan
Perbandingan jumblah penduduk
yang berada di bawah garis
kemiskinan (tingkat pendapatan)
Presentase Indeks
Pembangunan
Manusia (IPM)
Pengukuran perbandingan dari
harapan hidup, melek huruf,
Pendidikan dan standar hidup
untuk semua negara di seluruh
dunia.
Presentase tingkat
Pengangguran
terbuka
indikasi tentang penduduk usia
kerja yang termasuk dalam
kelompok pengangguran (tidak
bekerja)
54
BAB IV
ANALISIS DAN PEMBAHASAN
A. Analisa Deskriptif
1. Kemiskinan
Kemiskinan terus menjadi masalah utama dunia,khususnya di Indonesia yang
menjadi negara berkembang.Kemiskinan yang terjadi pada suatu negara terliat
menjadi permasalahan yang serius,Karena pada massa sekarang kemiskinan
membuat masayarakat Indonnesia tidak bisa mencukupi kehidupannya.
Upaya yang dilakukan pemerintah dalam hal pengetasan kemiskinan sangatlah
serius, hal tersebut dapat di lihat dari segi banyaknya program yang dilankan
pemerintah. Terdapat banyak variabel makro ekonomi yang dapat dijaadikan
sebagai penyebab meningkat atau menurunya kemiskinan yang ada pada suatu
daerah (Mustamin , 2015).
Menurut Fikri (2016),Kemiskinan tidak hanya dipahami sebagai
ketidakmampuan ekonomi, tetapi juga kegagalan memenuhi hak-hak dasar dan
perbedaan perlakuan bagi seseorang atau sekelompok orang dalam menjalani
hidupnya secara bermartabat Hak- hak dasar yang diakui secara umum meliputi
terpenuhinya kebutuhan pangan, kesehatan, pekerjaan, perumahan, air bersih,
pertanahan, sumberdaya alam, dan lingkungan hidup,dan rasa aman dari
perlakuan atau ancaman kekerasan.
Gambar 4.1
Sumber: Badan Pusat Statistik
55
Terjadinya krisis finansial Asia pada tahun 1998 telah memicu kembali
kenaikan penduduk miskin di Indonesia hingga mencapai 24,20%. Lonjakan
inflasi dan pemutusan hubungan kerja menjadi pemicu kenaikan angka
kemiskinan hingga 1999. Namun sejak era reformasi, persentase penduduk
miskin kembali turun. Hingga pada tahun 2017 per Maret 2017 (Semester I),
Jumlah Penduduk miskin di Indonesia telah mencapai 27,77 juta jiwa atau
berkurang jika dibandingkan dengan bulan September 2016 yang sebesar 27,76
juta jiwa. Secara persentase penduduk miskin di Indonesia pada bulan Maret
2017 adalah 10,64% atau terendah sejak 20 tahun terakhir.
Jika dilihat dari grafik 4.1 yang menjelaskan tentang persentase penduduk
miskin di Indonesia, ada banyak factor penyebab dari kemiskinan itu sendiri.
Menurut Nurwati (2008) , Factor penyebab kemiskinan sangat komplek dan
saling mempengaruhi, artinya kemiskinan terjadi bukan disebabkan oleh satu
faktor saja, tetapi multi faktor. Namun demikian secara garis besar faktor
dominan yang mempengaruhi timbulnya kemiskinan diantaranya; pendidikan,
pendapatan, lokasi, keterbatasan akses diantaranya akses ke kesehatan, keuangan
dan pelayanan publik lainnya.
2. Pengangguran
Pengguran adalah seseorang yang termasuk angkatan kerja yang tidak bekerja
teteapi sedang mencari pekerjaan atau memperisapkan suatu usaha.Maasalah utama
yang mendasar dalam ketaenagakerjaan di Indonesia adalah masalah pengguran
yang tinggi. Indonesia dengan pertambahan jumblah penduduk yang banyak
sehingga dapat menimbulkan tenaga kerja yang banyak pula. Hal ini di sebabkan
karena bertambah tenaga kerja baru lebih besar dibanadingkan kesedian lapangan
pekerjaan.
Tabel 4.2
Tingkat Pengangguran di Indonesia Tahun 2007-2016
NO Tahun Jumblah Jiwa (juta orang) Pengguran dalam persen
(%)
1 2007 10,010.000 9,11
2 2008 9,430.000 8,39
3 2009 9,260.000 7,87
4 2010 8,320.000 7,14
56
5 2011 7,700.000 6,56
6 2012 7,240.000 6,14
7 2013 7,170.000 6,17
8 2014 7,240.000 5,94
9 2015 7,560.000 6,2
10 2016 7,020.000 5,5
Sumber : Badan Pusat Statistik indonesia, Tahun 2017
Berdasarkan Tabel di atas menujukan bahwa jumblah pengguran di Indonesia
mengalami penuruan meskipun tidak terlalu signifikan karena pasalnya penulis
melihat bahwa sejak periode 2006-2017, Penurunan jumblah total pengguran di
Indonesia tidak melebihi dari angaka 1 %.
3. Indeks Pembangunan Manusia (IPM)
Indeks pembangunan Manusia merupakan indeks yang mengukur
keberhasilan dalam upaya membangun kualitas hidup manusia yang diukur dalam
satuan indeks.
Tabel 4.3
Indeks Pembangunan Manusia di Indonesia Tahun 2014-2018
Tahun Indeks Pembangunan Manusia
2014 0,683
2015 0,686
2016 0,691
2017 0,694
2018 0,708
Sumber: BPS, 2019
Pada Tabel diatas, diketahui pembangunan manusia di Indonesia mengalami
peningkatan dari tahun ke tahun. Seharusnya, ketika pembangun kualitas sumber
daya manusia di Indonesia meningkat, maka produktifitas masyarakat di Indonesia
seharusnya juga meningkat. Namun, adanya perbedaan data IPM dengan data
kemiskinan di Indonesia, dimana kemiskinan di Indonesia mengalami fluktuasi
yang terkadang menurun lalu meningkat dan turun kembali.
57
B. Pemilihan Model
Pada bagian ini akan ditentukan model mana yang paling tepat untuk penelitian
ini. Penentuan model terbaik dengan estimasi GLS dilakukan dengan uji chow untuk
menentukan model common effect atau fixed effect dan menggunakan uji hausman
untuk menentukan antara model random effect atau fixed effect. Berikut adalah hasil
dari Model PLS, FEM, dan REM beserta Uji Chow dan Hausmann untuk pemilihan
model terbaik:
1. Hasil Model PLS
Dependent Variable: ____PENDUDUK_MISKIN
Method: Panel Least Squares
Date: 07/30/19 Time: 20:07
Sample: 2014 2017
Periods included: 4
Cross-sections included: 34
Total panel (balanced) observations: 136 Variable Coefficient Std. Error t-Statistic Prob. IPM -0.954160 0.095908 -9.948734 0.0000
TINGKAT_PENGANGGURAN 0.050364 0.202259 0.249005 0.8037
C 76.79950 6.465714 11.87796 0.0000 R-squared 0.436007 Mean dependent var 11.38360
Adjusted R-squared 0.427526 S.D. dependent var 5.966156
S.E. of regression 4.514113 Akaike info criterion 5.874106
Sum squared resid 2710.170 Schwarz criterion 5.938356
Log likelihood -396.4392 Hannan-Quinn criter. 5.900216
F-statistic 51.40931 Durbin-Watson stat 0.035894
Prob(F-statistic) 0.000000
2. Hasil Model FEM
Dependent Variable: ____PENDUDUK_MISKIN
Method: Panel Least Squares
Date: 07/30/19 Time: 20:22
Sample: 2014 2017
Periods included: 4
Cross-sections included: 34
Total panel (balanced) observations: 136 Variable Coefficient Std. Error t-Statistic Prob. IPM -0.271186 0.062754 -4.321434 0.0000
TINGKAT_PENGANGGURAN 0.091197 0.066887 1.363443 0.1758
C 29.56295 4.434665 6.666333 0.0000 Effects Specification Cross-section fixed (dummy variables)
58
R-squared 0.994251 Mean dependent var 11.38360
Adjusted R-squared 0.992239 S.D. dependent var 5.966156
S.E. of regression 0.525608 Akaike info criterion 1.773406
Sum squared resid 27.62642 Schwarz criterion 2.544403
Log likelihood -84.59164 Hannan-Quinn criter. 2.086720
F-statistic 494.1130 Durbin-Watson stat 2.044763
Prob(F-statistic) 0.000000
3. Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 294.244435 (33,100) 0.0000
Cross-section Chi-square 623.695202 33 0.0000
Uji ini dilakukan untuk menentukan metode estimasi terbaik antara metode
common effect atau fixed effect untuk mengestimasi data penelitian. Pada software
eviews jika nilai probabilitas untuk cross-section F pada uji regresi dengan
pendekatan fixed effect lebih dari 0,05 (tingkat signifikansi atau α = 5%) maka
model yang terpilih adalah common effect, tetapi jika nilainya kurang dari 0,05
maka model yang terpilih adalah fixed effect. Hasil uji F pada penelitian ini
menunjukkan, bahwa nilai probabilitas cross-section F nya sebesar 0,0000 yang
nilainya kurang dari 0,05 sehingga dalam penelitian ini model estimasi fixed
effect lebih tepat dibandingkan dengan model common effect.
4. Hasil Model REM
Dependent Variable: ____PENDUDUK_MISKIN
Method: Panel EGLS (Cross-section random effects)
Date: 07/30/19 Time: 20:30
Sample: 2014 2017
Periods included: 4
Cross-sections included: 34
Total panel (balanced) observations: 136
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. IPM -0.339600 0.059497 -5.707872 0.0000
TINGKAT_PENGANGGURAN 0.063245 0.065658 0.963245 0.3372
C 34.42281 4.273535 8.054880 0.0000
59
Effects Specification
S.D. Rho Cross-section random 4.612065 0.9872
Idiosyncratic random 0.525608 0.0128 Weighted Statistics R-squared 0.213560 Mean dependent var 0.647609
Adjusted R-squared 0.201734 S.D. dependent var 0.609910
S.E. of regression 0.544929 Sum squared resid 39.49397
F-statistic 18.05824 Durbin-Watson stat 1.464572
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.252451 Mean dependent var 11.38360
Sum squared resid 3592.219 Durbin-Watson stat 0.016102
5. Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 11.957251 2 0.0025
Uji ini dilakukan untuk menentukan metode estimasi terbaik antara metode
random effect atau fixed effect untuk mengestimasi data penelitian. Pada software
eviews jika nilai probabilitas untuk cross-section random pada uji regresi dengan
pendekatan random effect lebih dari 0,05 (tingkat signifikansi atau α = 5%) maka
model yang terpilih adalah random effect, tetapi jika nilainya kurang dari 0,05
maka model yang terpilih adalah fixed effect. Hasil uji random pada penelitian ini
menunjukkan, bahwa nilai probabilitas cross-section F nya sebesar 0,0025 yang
nilainya kurang dari 0,05 sehingga dalam penelitian ini model estimasi fixed
effect lebih tepat dibandingkan dengan model random effect. Sehingga dapat
dikatakan bahwa model FEM sudah menjadi model yang konsisten untuk
digunakan.
Namun dikarenakan ada variabel yang tidak signifikan, maka dilakukan
percobaan menggunakan model pembobotan berat atau biasa disebut dengan
60
model GLS. Dalam model GLS ini tidak diperlukan uji asumsi klasik. Hal ini
dikarenakan dalam pemodelan GLS, mengabaikan asumsi klasik dengan adanya
pembobotan berat.
6. Hasil Model PLS GLS
Dependent Variable: ____PENDUDUK_MISKIN
Method: Panel EGLS (Cross-section weights)
Date: 07/30/19 Time: 20:51
Sample: 2014 2017
Periods included: 4
Cross-sections included: 34
Total panel (balanced) observations: 136
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. IPM -0.938888 0.051576 -18.20398 0.0000
TINGKAT_PENGANGGURAN -0.195541 0.110071 -1.776502 0.0779
C 77.22467 3.271151 23.60780 0.0000 Weighted Statistics R-squared 0.839529 Mean dependent var 22.44901
Adjusted R-squared 0.837116 S.D. dependent var 18.37375
S.E. of regression 4.388168 Sum squared resid 2561.051
F-statistic 347.9056 Durbin-Watson stat 0.220547
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.428999 Mean dependent var 11.38360
Sum squared resid 2743.846 Durbin-Watson stat 0.040026
7. Hasil FEM GLS
Dependent Variable: ____PENDUDUK_MISKIN
Method: Panel EGLS (Cross-section weights)
Date: 07/30/19 Time: 20:53
Sample: 2014 2017
Periods included: 4
Cross-sections included: 34
Total panel (balanced) observations: 136
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. IPM -0.245803 0.037987 -6.470695 0.0000
TINGKAT_PENGANGGURAN 0.113960 0.040820 2.791789 0.0063
C 27.69330 2.683424 10.32014 0.0000 Effects Specification Cross-section fixed (dummy variables)
61
Weighted Statistics R-squared 0.997219 Mean dependent var 15.80985
Adjusted R-squared 0.996245 S.D. dependent var 10.89069
S.E. of regression 0.524043 Sum squared resid 27.46206
F-statistic 1024.400 Durbin-Watson stat 2.269790
Prob(F-statistic) 0.000000
8. F Test (Chow Test) GLS
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 669.443890 (33,100) 0.0000
Uji ini dilakukan untuk menentukan metode estimasi terbaik antara metode
common effect atau fixed effect untuk mengestimasi data penelitian. Pada software
eviews jika nilai probabilitas untuk cross-section F pada uji regresi dengan
pendekatan fixed effect lebih dari 0,05 (tingkat signifikansi atau α = 5%) maka
model yang terpilih adalah common effect, tetapi jika nilainya kurang dari 0,05
maka model yang terpilih adalah fixed effect. Hasil uji F pada penelitian ini
menunjukkan, bahwa nilai probabilitas cross-section F nya sebesar 0,0000 yang
nilainya kurang dari 0,05 sehingga dalam penelitian ini model estimasi fixed
effect lebih tepat dibandingkan dengan model common effect.
C. Analisa Teknis
1. Uji Statistik
Pengujian statistik dilakukan untuk mengetahui apakah model penelitian
sudah bagus atau belum secara statisitk. Terdapat beberapa pengujian dalam uji
hipotesis ini, diantaranya adalah uji koefisien determinasi (R2), uji F statistik,
serta uji t statistik. Model yang digunakan dalam estimasi penelitian ini adalah
Fixed Effect. Uji statistik dalam penelitian ini menggunakan software eviews,
maka hasilnya sebagai berikut:
Tabel 4.4
62
Hasil Perhitungan Estimasi Data Panel terhadap Keseluruhan Periode Penelitian
(2014-2017)
Dependent Variable: KEMISKINAN?
Method: Pooled EGLS (Cross-section weights)
Date: 07/22/19 Time: 16:50
Sample: 1 4
Included observations: 4
Cross-sections included: 34
Total pool (balanced) observations: 136
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 27.69330 2.683424 10.32014 0.0000
IPM? -0.245803 0.037987 -6.470695 0.0000
PENGANGGURAN? 0.113960 0.040820 2.791789 0.0063
Fixed Effects (Cross)
_ACEH—C 5.110091
_BALI—C -5.277086
_BANGKA—C -6.152484
_BANTEN—C -5.827539
_BENGKULU—C 5.540958
_DKI—C -5.228560
_GORONTALO--C 5.682810
_JABAR—C -2.685251
_JAMBI—C -2.735043
_JATENG—C 1.951198
_JATIM—C 0.756545
_KALBAR—C -3.969186
_KALSEL--C -6.664296
_KALTENG--C -5.610343
_KALTIM--C -4.124238
_KALUT--C -4.763742
_KEPRI--C -4.281919
63
a. Koefisien Determinasi (R2)
_LAMPUNG--C 1.975622
_MALUKU--C 6.662201
_MALUT--C -5.382971
_NTB—C 4.032244
_NTT—C 8.784107
_PABAR--C 11.78621
_PAPUA--C 14.19014
_RIAU—C -3.057847
_SULBAR--C -0.901169
_SULSEL--C -1.641826
_SULTENG--C 2.396356
_SULTENGGARA--C 1.623121
_SULUT--C -3.033709
_SUMBAR--C -4.219591
_SUMSEL--C 1.886764
_SUMUT--C -1.198731
_YOGYA--C 4.377161
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.997219 Mean dependent var 15.80985
Adjusted R-squared 0.996245 S.D. dependent var 10.89069
S.E. of regression 0.524043 Sum squared resid 27.46206
F-statistic 1024.400 Durbin-Watson stat 2.269790
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.994238 Mean dependent var 11.38360
Sum squared resid 27.68703 Durbin-Watson stat 2.030854
64
Koefisien Determinasi dilakukan untuk mengetahui seberapa besar
kemampuan model dalam menjelaskan variasi variabel dependennya.
Berdasarkan hasil pengolahan data yang ditampilkan dalam tabel 4.4 dapat
dilihat bahwa nilai koefisien determinasi sebesar 0,994238. Hal ini berarti
bahwa 99,42 persen dari variasi Kemiskinan 34 provinsi di Indonesia
mampu dijelaskan oleh IPM dan Tingkat pengangguran, sedangkan 0,58
persen dijelaskan oleh variabel lain di luar model penelitian ini.
b. Uji Signifikansi Bersama-sama (Uji F Statistik)
Uji F statistik dilakukan untuk melihat apakah semua variabel independen
yang dimasukkan dalam model regresi memiliki pengaruh yang signifikan
secara bersama-sama dengan variabel dependen. Dalam penelitian ini,
pengujian secara bersama-sama dilakukan untuk mengetahui apakah variabel
Indeks Pembangunan Manusia (IPM) dan Pengangguran memiliki pengaruh
yang signifikan terhadap Kemiskinan 34 provinsi di Indonesia. Untuk
mengetahui apakah pengujian variabel independen secara bersama-sama
terhadap variabel dependen dapat dilihat dari nilai probabilitasnya. Jika nilai
probabilitas dari F statistik < 0,05 maka dapat diartikan bahwa semua
variabel independen secara bersama- sama memiliki pengaruh yang
signifikan terhadap variabel dependen. Sebaliknya, Jika nilai probabilitas dari
F statistik > 0,05 maka dapat diartikan bahwa semua variabel independen
secara bersama-sama tidak memiliki pengaruh yang signifikan terhadap
variabel dependen. Dari tabel 4.4 dapat dilihat bahwa nilai probabilitas
F statistik sebesar 0,000000. Nilai tersebut lebih kecil dari 0,05, sehingga
dapat disimpulkan bahwa variabel IPM dan pengangguran secara bersama-
sama berpengaruh signifikan terhadap Kemiskinan 34 provinsi di Indonesia
pada tahun 2014-2017.
c. Uji Signifikansi Parsial (Uji t Statistik)
Uji t statistik bertujuan untuk mengetahui apakah variabel independen
memiliki pengaruh yang signifikan terhadap variabel dependen secara
parsial. Untuk uji t statistik dapat dilakukan dengan cara Quick Look,
yakni dengan melihat nilai probabilitas dan derajat kepercayaan yang
ditentukan dalam penelitian ini. Bila nilai probabilitas < derajat kepercayaan
yang ditentukan maka suatu variabel dapat dikatakan memiliki pengaruh yang
signifikan terhadap variabel dependennya, dan sebaliknya apabila nilai
65
probabilitas > derajat kepercayaan yang ditentukan maka suatu variabel dapat
dikatakan tidak memiliki pengaruh yang signifikan terhadap variabel
dependennya. Dalam penelitian ini digunakan derajat kepercayaan sebesar 95
persen ( α = 5 %).
Dari tabel 4.4 dapat dilihat bahwa nilai probabilitas IPM sebesar
0,0000 < 0,05. Hal ini menunujukkan bahwa IPM memiliki pengaruh yang
signifikan terhadap Kemiskinan 34 provinsi di Indonesia. IPM memiliki
pengaruh negatif terhadap Kemiskinan 34 provinsi di Indonesia. Hal ini dapat
dilihat dari nilai koefisien sebesar -0,245803 persen terhadap Kemiskinan
34 provinsi di Indonesia yang berarti setiap kenaikan IPM sebesar 1 satuan
akan menurunkan Kemiskinan sebesar 0,245803 satuan dengan asumsi ceteris
paribus.
Variabel tingkat pengangguran memiliki pengaruh positif terhadap
kemiskinan 34 provinsi di Indonesia. Tabel 4.6 menunjukkan bahwa nilai
probabilitas dari variabel tingkat pengangguran sebesar 0,0063 < 0,05
sehingga dapat disimpulkan bahwa variabel tingkat pengangguran memiliki
pengaruh yang signifikan terhadap Kemiskinan 34 provinsi di Indonesia.
Begitu pula dengan nilai koefisiennya sebesar 0,113960 yang artinya jika
tingkat penganggura naik sebesar 1 satuan maka Kemiskinan 34 provinsi
di Indonesia akan naik sebesar 0,113960 satuan dengan asumsi ceteris
paribus.
D. Interpretasi Hasil Analisis
1. Analisis Teknis
Tabel 4.5
Interpretasi Koefisien Fixed Effect Model
Dependent Variable: KEMISKINAN?
Method: Pooled EGLS (Cross-section weights)
Date: 07/22/19 Time: 16:50
Sample: 1 4
Included observations: 4
Cross-sections included: 34
Total pool (balanced) observations: 136
Linear estimation after one-step weighting matrix
66
Variable Coefficient
Coefficient tiap
provinsi Prob.
C 27.69330 0.0000
IPM? -0.245803 0.0000
PENGANGGURAN? 0.113960 0.0063
Fixed Effects (Cross)
_ACEH—C 5.110091 32.80339
_BALI—C -5.277086 22.41621
_BANGKA—C -6.152484 21.54082
_BANTEN—C -5.827539 21.86576
_BENGKULU—C 5.540958 33.23426
_DKI—C -5.228560 22.46474
_GORONTALO—C 5.682810 33.37611
_JABAR—C -2.685251 25.00805
_JAMBI—C -2.735043 24.95826
_JATENG—C 1.951198 29.6445
_JATIM—C 0.756545 28.44985
_KALBAR—C -3.969186 23.72411
_KALSEL—C -6.664296 21.029
_KALTENG—C -5.610343 22.08296
_KALTIM—C -4.124238 23.56906
_KALUT—C -4.763742 22.92956
_KEPRI—C -4.281919 23.41138
_LAMPUNG—C 1.975622 29.66892
_MALUKU—C 6.662201 34.3555
_MALUT—C -5.382971 22.31033
_NTB—C 4.032244 31.72554
_NTT—C 8.784107 36.47741
_PABAR—C 11.78621 39.47951
_PAPUA—C 14.19014 41.88344
_RIAU—C -3.057847 24.63545
_SULBAR—C -0.901169 26.79213
_SULSEL—C -1.641826 26.05147
67
1. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Aceh sebesar : 32,80 satuan.
2. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Bali sebesar : 22,41 satuan.
3. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Bangka sebesar : 21,54 satuan.
4. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Banten sebesar : 21,86 satuan.
5. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Bengkulu sebesar : 33,23 satuan.
6. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi DKI sebesar : 22,46 satuan.
_SULTENG—C 2.396356 30.08966
_SULTENGGARA--C 1.623121 29.31642
_SULUT—C -3.033709 24.65959
_SUMBAR—C -4.219591 23.47371
_SUMSEL—C 1.886764 29.58006
_SUMUT—C -1.198731 26.49457
_YOGYA—C 4.377161 32.07046
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.997219 Mean dependent var 15.80985
Adjusted R-squared 0.996245 S.D. dependent var 10.89069
S.E. of regression 0.524043 Sum squared resid 27.46206
F-statistic 1024.400 Durbin-Watson stat 2.269790
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.994238 Mean dependent var 11.38360
Sum squared resid 27.68703 Durbin-Watson stat 2.030854
68
7. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Gorontalo sebesar : 33,37 satuan.
8. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Jabar sebesar : 25,00 satuan.
9. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Jambi sebesar : 24,95 satuan.
10. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Jateng sebesar : 29,64 satuan.
11. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Jatim sebesar : 28,44 satuan.
12. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Kalbar sebesar : 23,72 satuan.
13. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Kalsel sebesar : 21,02 satuan.
14. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Kalteng sebesar : 22,08 satuan.
15. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Kaltim sebesar : 23,56 satuan.
16. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Kalut sebesar : 22,92 satuan.
17. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Kepri sebesar : 23,41 satuan.
18. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Lampung sebesar : 29,66 satuan.
19. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Maluku sebesar : 34,35 satuan.
20. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Malut sebesar : 22,31 satuan.
21. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi NTB sebesar : 31,72 satuan.
22. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi NTT sebesar : 36,47 satuan.
23. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Pabar sebesar : 39,47 satuan.
69
24. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Papua sebesar : 41,88 satuan.
25. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Riau sebesar : 24,63 satuan.
26. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sulbar sebesar : 26,79 satuan.
27. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sulsel sebesar : 26,05 satuan.
28. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sulteng sebesar : 30,08 satuan.
29. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sultenggara sebesar : 29,31 satuan.
30. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sulut sebesar : 24,65 satuan.
31. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sumbar sebesar : 23,47 satuan.
32. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sumsel sebesar : 29,58 satuan.
33. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Sumut sebesar : 26,49 satuan.
34. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,
maka nilai Kemiskinan provinsi Yogya sebesar : 32,07 satuan.
2. Analisa Ekonomi
a. Indeks Pembangunan Manusia
Dari pengujian statistik dapat diketahui bahwa Indeks Pembangunan
Manusia (IPM) memiliki pengaruh negatif dan signifikan terhadap Kemiskinan
34 provinsi di Indonesia karena dikarenakan IPM adalah variabel yang
menjelask tentang pembangunan manusia atau kualitas pembangunan sumber
daya manusia di Indonesia. Dimana ketika kualitas SDM meningkat maka
produktifitas masyarakat Indonesia akan meningkat pula. Ketika produktifitas
masyarakat Indonesia meningkat maka akan mengurangi tingkat kemiskinan
dikarenakan masyarakat lebih produktif dalam mencari penghasilan.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Muhamd
Sri Wahyudi Suliswanto yang meneliti tentang pengaruh Produk Domestik
70
Bruto (PDB) dan Indeks Pembangunan Manusia (IPM) Terhadap Angka
Kemiskina di Indonesia. Hasil penelitian tersebut menunjukkan bahwa Indeks
Pembangunan Manusia (IPM) memiliki pengaruh yang negatif dan signifikan
terhadap Kemiskinan di Indonesia. Hasil ini juga sejalan dengan penelitian
yang dilakukan oleh Shinta Setya Ningrum yang meneliti tentang pengaruh
tingkat pengangguran terbuka, indeks pembangunan manusia, dan upah
minimum terhadap jumlah penduduk miskin di Indonesia tahun 2011-2015.
b. Tingkat Pengangguran
Dari hasil pengujian statistik dapat diketahui bahwa tingkat pengangguran
memiliki pengaruh positif dan siginifikan terhadap Kemiskinan 34 provinsi di
Indonesia. Dikarenakan, ketika tingkat pengangguran berkurang maka secara
otomatis presentase orang-orang yang tidak bekerja akan berkurang, maka
kemiskinan di Indonesia juga harusnya berkurang. Salah satu orang dikatakan
miskin adalah ketika pendapatan yang dihasilkan kecil atau malah tidak ada
sama sekali.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Shinta
Setya Ningrum yang meneliti tentang pengaruh tingkat pengangguran terbuka,
indeks pembangunan manusia, dan upah minimum terhadap jumlah penduduk
miskin di Indonesia tahun 2011-2015. Hasil tersebut menunjukkan bahwa
tingkat pengangguran pengaruh yang positif dan signifikan terhadap
Kemiskinan di Indonesia. Hasil ini juga sejalan dengan penelitian yang
dilakukan oleh Nenny Latifah, Debby Rotinsulu dan Richard Tumilaar tentang
pengaruh pertumbuhan ekonomi dan indeks pembangunan manusia terhadap
tingkat pengangguran terbuka dan dampaknya pada jumlah penduduk miskin di
kota manado yang menggunakan variabel intervening.
71
BAB V
KESIMPULAN DAN IMPLIKASI
A. Kesimpulan
Berdasarkan hasil perhitungan regresi pada tingkat kepercayaan 99 persen,
maka dapat diambil kesimpulan sebagai berikut:
1. Variabel independen dalam penelitian ini, yakni Indeks Pembangunan Manusia
(IPM) dan tingkat pengangguran secara bersama-sama memiliki pengaruh
signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017.
2. Variabel Indeks Pembangunan Manusia (IPM) secara parsial memiliki pengaruh
Negatif dan signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun
2014-2017.
3. Variabel tingkat pengangguran secara parsial memiliki pengaruh positif dan
signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-
2017.
B. Saran
Berdasarkan kesimpulan yang telah dikemukakan diatas, maka peneliti
mencoba untuk memberi beberapa saran, diantaranya adalah sebegai berikut:
1. Bagi pemerintah, untuk bisa lebih memfokuskan kebijakan pada pembangunan
manusia dan perluasan lapangan pekerjaan untuk dapat mengatasi kemiskinan di
Indonesia
2. Bagi para akademisi dan peneliti apabila ingin melakukan penelitian yang sejenis,
maka alangkah baik datanya diperbanyak dan variabel yang diteliti ditambahkan
agar hasil penelitian dapat lebih baik
72
DAFTAR PUSTAKA
Amalia, Fitri, 2012, Pengaruh Pendidikan, Pengangguran Dan InflasiTerhadap
Tingkat Kemiskinan Di Kawasan Timur Indonesia (KTI) Periode 2001-
2010,Skripsi, UIN Syarif Hidayatullah Jakarta
Ariyaningtyas, Shinta, 2015, Analisis Pengaruh Indek Pembangunan Manusia,
Pertumbuhan Ekonomi dan Pengangguran terhadap Tingkat Kemiskinan
Provinsi se Indonesia pada Tahun 2007-2013, Skripsi, Universitas Gadjah
Mada
Brown, Charles, 1998, Dampak Pembangunan Ekonomi Terhadap upaya
Pengentasan Kemiskinan Di Indonesia Periode 1980-2010 (EP-20)
Chriswardani, Suryawati, 2005. Memahami Kemiskinan Secara Multidimensional,
Jurnal: Manajemen Pembangunan dan Kebijakan, Volume 08, No. 03,
Edisi September (121-129).
Djojohadikusumo, Sumitro, 1987, Dasar Teori Ekonomi Pertumbuhan dan
Pembangunan, Jakarta: Bagian Penerbitan LP3ES
Falahinur, Ichwan Fuady. 2017. Analisis Pengaruh Tingkat Pendidikan, Jumlah
Penduduk dan Pengeluaran Pemerintah terhadap Pertumbuhan Ekonomi.
Sksipsi. Universitas Muhammadiyah Yogyakarta.
Febrianica, Danny Nur, 2015. Analisis Dampak Kebijakan Upah Minimum
Terhadap Kemiskinan Di Indonesia, Jurnal Ilmiah: FEB, Univeritas Brawijaya
Gujarati, Damodar dan Dawn C Porter (2010), Dasar-dasar Ekonometrika, Jakarta:
Rineka Cipta.
Haluty, Djaelany, 2014. Islam Dan Manajemen Sumber Daya Manusia Yang
Berkualitas, Jurnal: Vol. 10 No. 1
Harahap, Yuanita, 2006, Laporan Penelitian Hukum Lingkungan : Analisis Sosial
Ekonomi Rumah Tngga Kaitannya dengan Kemiskinan di Perkotaan (Studi
Kasus di Kecamatan Siantar Timur Kota Pematang Siantar), Skripsi, USU
Khabibi, Achmad, 2013, Faktor-Faktor Yang Mempengaruhi Tingkat Kemiskinan,
Skripsi, Universitas Negeri Semarang
Kristanto, Prabowo Dwi, 2014, Analisis Pengaruh Pertumbuhan Ekonomi,
Upah Minimum Dan Tingkat Pengangguran Terhadap Jumlah Penduduk
73
Miskin Di Kabupaten Brebes Pada Tahun 1997-2012, Skripsi, Universitas
Diponegoro
Kuncoro, Mudrajad, 1997, Ekonomi Pembangunan, Teori, Masalah dan
Kebijakan, Yogyakarta: UPP AMD YKPN
Mulyaningsih, Yani, 2008, Pengaruh pengeluaran pemerintah di sektor public
terhadap peningkatan pembangunan manusia dan pengurangan kemiskinan,
Tesis, Universitas Indonesia.
Sukmaraga, Prima, 2011, Analisis Pengaruh Indeks Pembangunan Manusia, PDRB
Per Kapita, dan Jumlah Pengangguran Terhadap Jumlah Penduduk Miskin Di
Provinsi Jawa Tengah. Semarang; Skripsi, Fakultas Ekonomi Univesitas
Diponegoro
Suliswanto, Muhammad Sri Wahyuni , 2010. Pengaruh Produk Domestik
Bruto (PDB) dan Indeks Pembangunan Manusia (IPM) Terhadap Angka
Kemiskinan di Indonesia. Jurnal: Ekonomi Pembangunan, Universitas
Brawijaya, Vol 8 No. 2.
Todaro, Michael, 1997, Pembangunan Ekonomi di Dunia Ke Tiga, Jilid 1 &
2, Jakarta: Erlangga
Yacob, Yarlina, 2012. Pengaruh Tingkat pengangguran Terhadap Tingkat
Kemiskinan Kabupaten/Kota Di Provinsi Kalimantan Barat, Jurnal: Ekonomi
Pembangunan, Universitas Tanjungpora, Vol. 8
Yudha, Okta Ryan, 2013, Pengaruh Pertumbuhan Ekonomi, Upah Minimum,
Tingkat Pengangguran Terbuka, dan Inflasi terhadap Kemiskinan di Indonesia
Tahun 2009-2011, Skripsi, Universitas Negeri Semarang
Yulianti, Desi, 2011, Pengaruh Indeks Pembangunan Manusia, Pertumbuhan
Ekonomi, Pengangguran Dan Upah Terhadap Kemiskinan Di Provinsi DIY
Periode Tahun 2007-2013 (Dalam Perspektif Ekonomi Syariah), Skripsi, UIN
Sunan Kalijaga
74
LAMPIRAN
Lampiran 1
Data Variabel Penelitian
Tahun Provinsi Kemiskinan IPM Pengangguran
2014 Aceh 16.98 68.81 9.02
2015 Aceh 17.11 69.45 9.93
2016 Aceh 16.43 70.00 7.57
2017 Aceh 15.92 70.60 6.57
2014 Bali 4.76 72.48 1.90
2015 Bali 5.25 73.27 1.99
2016 Bali 4.15 73.65 1.89
2017 Bali 4.14 74.30 1.48
2014 Bangka 4.97 68.27 5.14
2015 Bangka 4.83 69.05 6.29
2016 Bangka 5.04 69.55 2.60
2017 Bangka 5.30 69.99 3.78
2014 Banten 5.51 69.89 9.07
2015 Banten 5.75 70.27 9.55
2016 Banten 5.36 70.96 8.92
2017 Banten 5.59 71.42 9.28
2014 Bengkulu 17.09 68.06 3.47
2015 Bengkulu 17.16 68.59 4.91
2016 Bengkulu 17.03 69.33 3.30
2017 Bengkulu 15.59 69.95 3.74
2014 DKI 4.09 78.39 8.47
2015 DKI 3.61 78.99 7.23
2016 DKI 3.75 79.60 6.12
2017 DKI 3.78 80.06 7.14
2014 Gorontalo 17.41 65.17 4.18
2015 Gorontalo 18.16 65.86 4.65
75
2016 Gorontalo 17.63 66.29 2.76
2017 Gorontalo 17.14 67.01 4.28
2014 Jabar 9.18 68.80 8.45
2015 Jabar 9.57 69.50 8.72
2016 Jabar 8.77 70.05 8.89
2017 Jabar 7.83 70.69 8.22
2014 Jambi 8.39 68.24 5.08
2015 Jambi 9.12 68.89 4.34
2016 Jambi 8.37 69.62 4.00
2017 Jambi 7.90 69.99 3.87
2014 Jateng 13.58 68.78 5.68
2015 Jateng 13.32 69.49 4.99
2016 Jateng 13.19 69.98 4.63
2017 Jateng 12.23 70.52 4.57
2014 Jatim 12.28 68.14 4.19
2015 Jatim 12.28 68.95 4.47
2016 Jatim 11.85 69.74 4.21
2017 Jatim 11.20 70.27 4.00
2014 Kalbar 8.07 64.89 4.04
2015 Kalbar 8.44 65.59 5.15
2016 Kalbar 8.00 65.88 4.23
2017 Kalbar 7.86 66.26 4.36
2014 Kalsel 4.81 67.63 3.80
2015 Kalsel 4.72 68.38 4.92
2016 Kalsel 4.52 69.05 5.45
2017 Kalsel 4.70 69.65 4.77
2014 Kalteng 6.07 67.77 3.24
2015 Kalteng 5.91 68.53 4.54
2016 Kalteng 5.36 69.13 4.82
2017 Kalteng 5.26 69.79 4.23
76
2014 Kaltim 6.31 73.82 7.38
2015 Kaltim 6.10 74.17 7.50
2016 Kaltim 6.00 74.59 7.95
2017 Kaltim 6.08 75.12 6.91
2014 Kalut 6.00 68.64 5.50
2015 Kalut 6.32 68.76 5.68
2016 Kalut 6.99 69.20 5.23
2017 Kalut 6.96 69.84 5.54
2014 Kepri 6.40 73.40 6.69
2015 Kepri 5.78 73.75 6.20
2016 Kepri 5.84 73.99 7.69
2017 Kepri 6.13 74.45 7.16
2014 Lampung 14.21 66.42 4.79
2015 Lampung 13.53 66.95 5.14
2016 Lampung 13.86 67.65 4.62
2017 Lampung 13.04 68.25 4.33
2014 Maluku 18.44 66.74 10.51
2015 Maluku 19.36 67.05 9.93
2016 Maluku 19.26 67.60 7.05
2017 Maluku 18.29 68.19 9.29
2014 Malut 7.41 65.18 5.29
2015 Malut 6.22 65.91 6.05
2016 Malut 6.41 66.63 4.01
2017 Malut 6.44 67.20 5.33
2014 NTB 17.05 64.31 5.75
2015 NTB 16.54 65.19 5.69
2016 NTB 16.02 65.81 3.94
2017 NTB 15.05 66.58 3.32
2014 NTT 19.60 62.26 3.26
2015 NTT 22.58 62.67 3.83
77
2016 NTT 22.01 63.13 3.25
2017 NTT 21.38 63.73 3.27
2014 Pabar 26.26 61.28 5.02
2015 Pabar 25.73 61.73 8.08
2016 Pabar 24.88 62.21 7.46
2017 Pabar 23.12 62.99 6.49
2014 Papua 27.80 56.75 3.44
2015 Papua 28.40 57.25 3.99
2016 Papua 28.40 58.05 3.35
2017 Papua 27.76 59.09 3.62
2014 Riau 7.99 70.33 6.56
2015 Riau 8.82 70.84 7.83
2016 Riau 7.67 71.20 7.43
2017 Riau 7.41 71.79 6.22
2014 Sulbar 12.05 62.24 2.08
2015 Sulbar 11.90 62.96 3.35
2016 Sulbar 11.19 63.60 3.33
2017 Sulbar 11.18 64.30 3.21
2014 Sulsel 9.54 68.49 5.08
2015 Sulsel 10.12 69.15 5.95
2016 Sulsel 9.24 69.76 4.80
2017 Sulsel 9.48 70.34 5.61
2014 Sulteng 13.61 66.43 3.68
2015 Sulteng 14.07 66.76 4.10
2016 Sulteng 14.09 67.47 3.29
2017 Sulteng 14.22 68.11 3.81
2014 Sultenggara 12.77 68.07 4.43
2015 Sultenggara 13.74 68.75 5.55
2016 Sultenggara 12.77 69.31 2.72
2017 Sultenggara 11.97 69.86 3.30
78
2014 Sulut 8.26 66.43 7.54
2015 Sulut 8.98 70.39 9.03
2016 Sulut 8.20 71.05 6.18
2017 Sulut 7.90 71.66 7.18
2014 Sumbar 6.89 69.36 6.50
2015 Sumbar 6.71 69.98 6.89
2016 Sumbar 7.14 70.73 5.09
2017 Sumbar 6.75 71.24 5.58
2014 Sumsel 13.62 66.75 4.96
2015 Sumsel 13.77 67.46 6.07
2016 Sumsel 13.39 68.24 4.31
2017 Sumsel 13.10 68.86 4.39
2014 Sumut 9.85 68.87 6.23
2015 Sumut 10.79 69.51 6.71
2016 Sumut 10.27 70.00 5.84
2017 Sumut 9.28 70.57 5.60
2014 Yogya 14.55 76.81 3.33
2015 Yogya 13.16 77.59 4.07
2016 Yogya 13.10 78.38 2.72
2017 Yogya 12.36 78.89 3.02
79
Lampiran 2
Hasil Regresi dengan Common Effect
Dependent Variable: KEMISKINAN?
Method: Pooled EGLS (Cross-section weights)
Date: 07/22/19 Time: 16:50
Sample: 1 4
Included observations: 4
Cross-sections included: 34
Total pool (balanced) observations: 136
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 27.69330 2.683424 10.32014 0.0000
IPM? -0.245803 0.037987 -6.470695 0.0000
PENGANGGURAN? 0.113960 0.040820 2.791789 0.0063
Weighted Statistics
R-squared 0.997219 Mean dependent var 15.80985
Adjusted R-squared 0.996245 S.D. dependent var 10.89069
S.E. of regression 0.524043 Sum squared resid 27.46206
F-statistic 1024.400 Durbin-Watson stat 2.269790
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.994238 Mean dependent var 11.38360
Sum squared resid 27.68703 Durbin-Watson stat 2.030854
80
Lampiran 3
Interpretasi Koefisien Fixed Effect Model
Dependent Variable: KEMISKINAN?
Method: Pooled EGLS (Cross-section weights)
Date: 07/22/19 Time: 16:50
Sample: 1 4
Included observations: 4
Cross-sections included: 34
Total pool (balanced) observations: 136
Linear estimation after one-step weighting matrix
Variable Coefficient
Coefficient tiap
provinsi Prob.
C 27.69330 0.0000
IPM? -0.245803 0.0000
PENGANGGURAN? 0.113960 0.0063
Fixed Effects (Cross)
_ACEH--C 5.110091 32.80339
_BALI--C -5.277086 22.41621
_BANGKA--C -6.152484 21.54082
_BANTEN--C -5.827539 21.86576
_BENGKULU--C 5.540958 33.23426
_DKI--C -5.228560 22.46474
_GORONTALO--C 5.682810 33.37611
_JABAR--C -2.685251 25.00805
_JAMBI--C -2.735043 24.95826
_JATENG--C 1.951198 29.6445
_JATIM--C 0.756545 28.44985
_KALBAR--C -3.969186 23.72411
_KALSEL--C -6.664296 21.029
81
_KALTENG--C -5.610343 22.08296
_KALTIM--C -4.124238 23.56906
_KALUT--C -4.763742 22.92956
_KEPRI--C -4.281919 23.41138
_LAMPUNG--C 1.975622 29.66892
_MALUKU--C 6.662201 34.3555
_MALUT--C -5.382971 22.31033
_NTB--C 4.032244 31.72554
_NTT--C 8.784107 36.47741
_PABAR--C 11.78621 39.47951
_PAPUA--C 14.19014 41.88344
_RIAU--C -3.057847 24.63545
_SULBAR--C -0.901169 26.79213
_SULSEL--C -1.641826 26.05147
_SULTENG--C 2.396356 30.08966
_SULTENGGARA--C 1.623121 29.31642
_SULUT--C -3.033709 24.65959
_SUMBAR--C -4.219591 23.47371
_SUMSEL--C 1.886764 29.58006
_SUMUT--C -1.198731 26.49457
_YOGYA--C 4.377161 32.07046
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.997219 Mean dependent var 15.80985
Adjusted R-squared 0.996245 S.D. dependent var 10.89069
S.E. of regression 0.524043 Sum squared resid 27.46206
F-statistic 1024.400 Durbin-Watson stat 2.269790
82
Lampiran 4
Hasil Uji F (Uji Chow)
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 294.244435 (33,100) 0.0000
Cross-section Chi-square 623.695202 33 0.0000
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.994238 Mean dependent var 11.38360
Sum squared resid 27.68703 Durbin-Watson stat 2.030854
83
Dependent Variable: KEMISKINAN?
Method: Pooled EGLS (Cross-section weights)
Date: 07/22/19 Time: 16:50
Sample: 1 4
Included observations: 4
Cross-sections included: 34
Total pool (balanced) observations: 136
Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 27.69330 2.683424 10.32014 0.0000
IPM? -0.245803 0.037987 -6.470695 0.0000
PENGANGGURAN? 0.113960 0.040820 2.791789 0.0063
Weighted Statistics
R-squared 0.997219 Mean dependent var 15.80985
Adjusted R-squared 0.996245 S.D. dependent var 10.89069
S.E. of regression 0.524043 Sum squared resid 27.46206
F-statistic 1024.400 Durbin-Watson stat 2.269790
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.994238 Mean dependent var 11.38360
Sum squared resid 27.68703 Durbin-Watson stat 2.030854