pendahuluaneprints.unisbank.ac.id/id/eprint/6434/1/04 laporan... · 2020. 4. 9. · 1 bab i...

1

BAB I

PENDAHULUAN

A. Latar Belakang

Kemiskinan merupakan permasalahan yang dihadapi oleh banyak negara khususnya

negara-negara sedang berkembang. Banyak kebijakan yang telah dikeluarkan oleh pemerintah

suatu negara, baik dengan usaha sendiri maupun bantuan dari negara-negara lainnya ataupun dari

Bank Dunia untuk mengatasi kemiskinannya. Pembangunan diberbagai sektor dilakukan oleh

berbagai negara untuk mengatasi kemiskinan. Tujuan utama dari pembangunan selain

pertumbuhan ekonomi yang tinggi adalah penghapusan atau pengurangan kemiskinan,

penanggulangan ketimpangan pendapatan dan penyediaan lapangan pekerjaan dalam konteks

perekonomian yang terus berkembang (Todaro dan Smith, 2006). Pertumbuhan ekonomi yang

diimbangi pemerataan pendapatan secara konsisten akan mendorong penurunan angka

kemiskinan dalam jangka panjang dan menciptakan peningkatan kesejahteraan berkelanjutan

(Adam, 2004).

Di sisi lain, adanya kemiskinan dan ketidakmerataan pendapatan

akan menghambat laju pertumbuhan ekonomi itu sendiri. Terhambatnya laju pertumbuhan

ekonomi terjadi karena akumulasi kapital sebagai dampak positif dari ketidakmerataan

pendapatan akan diimbangai dengan rendahnya akumulasi human capital sebagai efek negatif

dari kemiskinan (Galor, 2004). Kemiskinan dan ketidakmerataan pendapatan juga bisa

menyebabkan ketidakstabilan sosial, ketidakpastian dan tragedi kemanusiaan seperti kelaparan,

tingkat kesehatan yang rendah dan gizi buruk. Jika hal tersebut terus berlanjut akan berdampak

pada kondisi ekonomi makro dan keberlangsungan pemerintahan yang ada.

2

Di Indonesia, pemerataan pendapatan dan pengentasan kemiskinan menjadi

salah satu prioritas pembangunan ekonomi. Pembangunan ekonomi dilakukan untuk

memperkuat struktur perekonomian dengan menjadikan sektor industri sebagai

motor penggerak, dan didukung oleh sektor pertanian dan pertambangan yang efisien dan juga

kegiatan jasa yang efektif. Pemerintah Indonesia berusaha untuk meningkatkan laju

pertumbuhan ekonominya guna meningkatkan pendapatan perkapita dan menurunkan

ketimpangan pendapatan.

Indonesia sendiri merupakan negara dengan jumlah penduduk terbesar ke empat dunia

dengan jumlah penduduk pada tahun 2017 sebanyak 264 juta orang. Salah satu kekuatan penting

dari komposisi demografi Indonesia adalah memiliki kelimpahan penduduk dengan usia

produktif kerja. Rata- rata usia penduduk Indonesia adalah 28,6 tahun. Suatu potensi yang

menjanjikan jika kelimpahan penduduk diikuti dengan akses untuk mendapatkan pendidikan

yang memadai dan cukup banyak kesempatan kerja yang ditawarkan.

Jika dilihat dari tingkat kemiskinan di Indonesia, memang menunjukkan penurunan

jumlah penduduk miskin dari 2015 - 2018. Akan tetapi tingkat kemiskinan di Indonesia masih

tinggi. Pada Maret 2015, jumlah penduduk miskin di Indonesia 28,59 juta oang (11,22%), Maret

2016 menjadi 28,01 juta orang (10,86%), kemudian menurun lagi pada Maret 2017 menjadi

sebesar 27,77 juta orang (10,64%), terakhir Maret 2018 tercatat 25,95 juta orang (9,82%). Data

diambil dari Badan Pusat Statistik (BPS).

Dalam mengukur kemiskinan, BPS menggunakan konsep kemampuan memenuhi

kebutuhan dasar. Pendekatan ini dipandang sebagai ketidakmampuan dari sisi ekonomi untuk

memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari pengeluaran. Secara

nasional, pada tahun 2018, rumah dikatakan miskin jika pendapatan di bawah Rp 1,9 juta per

3

bulan per rumah tangga. Seseorang dikatakan berada pada garis kemiskinan jika pendapatan per

kapita Rp 387.160 per kapita per bulan. Sementara itu, garis kemiskinan menurut Bank Dunia

jika pengeluaran per hari USD 1,9 atau setara Rp 775.200 per bulan (kurs Rp 13.600/$). Jadi

kalau diukur dengan versi Bank Dunia, kemiskinan di Indonesia bisa lebih dari dua kali lipat dari

versi BPS.

Terlepas dari perbedaan pengukuran antara BPS dengan Bank Dunia, kemiskinan

merupakan masalah penting yang harus segera diatasi oleh pemerintah Indonesia. Kemiskinan

bukan hanya menjadi perhatian pemerintah suatu negara tetapi juga menjadi perhatian dunia.

Kemiskinan merupakan masalah multidimensi karena berkaitan dengan ketidakmampuan akses

secara ekonomi, sosial, budaya, politik dan partisipasi dari masyarakat. Kemiskinan bukan

sekedar rendahnya tingkat pendapatan atau rendahnya konsumsi seseorang, akan tetapi,

kemiskinan memiliki arti yang luas karena berkaitan dengan ketidakmampuan untuk mencapai

aspek di luar pendapatan.

Penyebab kemiskinan menurut Ginanjar (1996) adalah rendahnya tingkat pendidikan,

rendahnya tingkat kesehatan, terbatasnya lapangan pekerjaan dan kondisi keterisolasian.

Menurut World Bank (2000) ada lima faktor yang mempengaruhi kemiskinan yaitu pendidikan,

jenis pekerjaan, gender, akses terhadap kesehatan dan infrastruktur dan lokasi geografis. Faktor-

faktor tersebut saling berkaitan yang membentuk lingkaran kemiskinan. Rumah tangga miskin

pada umumnya berpendidikan rendah dan terpusat di pedesaan, karena pendidikan rendah maka

produktivitas rendah sehingga upah yang diperoleh tidak memadai untuk memenuhi kebutuhan

pangan, sandang, kesehatan, perumahan dan pendidikan. Akibatnya rumah tangga miskin akan

menghasilkan keluarga miskin pada generasi berikutnya. Jadi penyebab kemiskina bukan hanya

satu faktor tetapi multi faktor.

4

Hasil penelitian dari Ravalion (2001) di 50 negara sedang berkembang pada tahun 1990-

an, menunjukkan adanya hubungan yang negatif antara pertumbuhan kemiskinan dan

pertumbuhan pendapatan rata-rata. Penelitian dengan hasil yang sama ditunjukkan oleh Siregar

dan Wahyuniarti (2007) yaitu jumlah penduduk miskin dipengaruhi oleh PDRB (Produk

Domestik Regional Bruto) juga dipengaruhi oleh populasi penduduk dan tingkat pendidikan.

Akan tetapi hasil penelitian yang berbeda ditunjukkan oleh Dagderiven (2002), pertumbuhan

ekonomi saja tidak selalu merupakan cara yang terbaik untuk mengurangi kemiskinan.

Kombinasi pertumbuhan dan redistribusi pendapatan merupakan cara paling efektif untuk

mengurangi kemiskinan di banyak negara dan tidak semua kebijakan redistribusi memiliki

tingkat efektivitas yang sama bagi setiap negara berkembang.

Pengeluaran pemerintah berhubungan negatif dengan jumlah penduduk miskin. Semakin

besar pengeluaran pemerintah daerah semakin besar peran pemerintah daaerah dalam penyediaan

lapangan pekerjaan dan penyediaan fasilitas pelayanan publik seperti pendidikan dan kesehatan

terutama untuk penduduk miskin (Suparno, 2010). Sebaliknya hasil dari penelitian Mulyaningsih

(2008) menunjukkan bahwa pengeluaran pemerintah di sektor publik tidak berpengaruh terhadap

pembangunan manusia dan kemiskinan namun pembangunan manusia signifikan terhadap

kemiskinan.

Penelitian Sepulveda dan Vasques (2010) menunjukkan bahwa kebijakan desentralisasi

fiskal memiliki dampak mengurangi kemiskinan sepanjang pengeluaran pemerintah untuk

transfer tidak lebih dari sepertiga dari total pengeluaran pemerintah daerah. Hasil tersebut

didukung oleh Usman (2006).

Di masa desentralisasi, pemerintah daerah memiliki peran penting dalam mengelola

keuangan daerah untuk membiayai berbagai program pembangunan khususnya pada sektor

5

publik. Di samping itu, pemerintah daerah seharusnya juga mengoptimalkan potensi daerah yang

dimiliki sehingga pertumbuhan ekonomi daerah bisa terwujud. Pertumbuhan ekonomi daerah

akan menurunkan tingkat kemiskinan sehingga kesejahteraan masyarakat bisa tercapai.

B. Perumusan Masalah

Pada penjelasan sebelumnya menyatakan bahwa banyak faktor yang mempengaruhi

kemiskinan, di mana antar faktor tersebut saling berkaitan seperti lingkaran kemiskinan. Dengan

adanya desentralisasi, pemerintah daerah memiliki peran penting dalam mengelola keuangan

daerah maupun meningkatkan pertumbuhan daerah, yang seharusnya memiliki juga kemampuan

untuk memperkecil tingkat kemiskinan daerah. Sementara itu, desentralisasi di Indonesia sudah

berjalan lebih dari 17 tahun dan kemiskinan masih relatif tinggi. Pertanyaannya adalah: Faktor

apa saja yang sebenarnya mempengaruhi kemiskinan di Indonesia?

C. Tujuan dan Manfaat Penelitian

C.1. Tujuan Penelitian

Berdasarkan rumusan masalah tersebut, maka tujuan penelitian adalah menguji dan

menganalisis faktor-faktor yang mempengaruhi kemiskinan di Indonesia.

C.2. Manfaat Penelitian

1. Ilmu Pengetahuan

a. Mengembangkan model kemiskinan

b. Memperkaya kajian tentang kemiskinan daerah, khususnya yang menggunakan data

pooling.

2. Pengambil Kebijakan

6

Berdasarkan hasil kajian tentang kemiskinan diharapkan nantinya bisa teridentifikasi faktor-

faktor yang mempengaruhi kemiskinan di Indonesia sehingga nantinya bisa menghasilkan

rumusan kebijakan yang bisa menurunkan kemiskinan.

BAB II

TELAAH PUSTAKA

Kemiskinan merupakan masalah multidimensi, bukan hanya dilihat dari dimensi ekonomi

tetapi juga bisa dilihat dari dimensi sosial maupun budaya masyarakat. Bank Dunia (2002)

membagi kemiskinan dalam 4 dimensi, tidak adanya kesempatan, rendahnya kemampuan,

rendahnya tingkat keamanan, dan rendahnya kapasitas. Kemiskinan juga dikaitkan dengan

keterbatasan hak sosial, hak ekonomi dan politik sehingga menyebabkan kerentanan

keterpurukan dan ketidakberdayaan.

Chambers (1987) menyatakan bahwa kemiskinan adalah suatu kemelaratan dan

ketidakmampuan masyarakat yang diukur dalam suatu standar hidup tertentu yang mengacu pada

konsep miskin relatif yang melakukan analisis perbandingan di negara-negara miskin maupun

kaya, sedangkan kemiskinan absolut kemiskinan adalah wabah kelaparan, ketidakmampuan

untuk membesarkan atau mendidik anak dan lain-lain. Usman (2003) mendefiniasikan

kemiskinan adalah kondisi kehilangan terhadap sumber-sumber pemenuhan kebutuhan dasar

yang berupa pangan, sandang, papan, pendidikan dan kesehatan serta hidupnya serba

kekurangan.

7

Menurut Sumodingrat (1999), masalah kemiskinan pada dasarnya bukan saja berurusan

dengan persoalan ekonomi semata, tetapi bersifat multidimensional yang dalam kenyataannya

juga berurusan dengan persoalan-persoalan non ekonomi (sosial, budaya dan politik). Oleh

karena itu, kemiskinan tidak hanya berurusan dengan kesejahteraan materi (material well-being)

tetapi berurusan dengan kesejahteraan sosial (social well-being).

Berdasar berbagai konsep kemiskinan menunjukkan bahwa kemiskinan pada dasarnya

merupakan kebutuhan manusia yang tidak terbatas hanya pada persoalan ekonomi semata tetapi

juga memperhatiakan pendekatan lain yaitu pendekatan peningkatan kualitas sumber daya

manusia dan sumber daya sosial.

A. Teori Kemiskinan

Pada dasarnya kemiskinan di bagi 4 bentuk:

a. Kemiskinan absolut, yaitu kondisi seseorang yang pendapatannya berada dibawah garis

kemiskinan atau tidak cukup untuk memenuhi kebutuhan mendasar (sandang, pangan, papan

dan pendidikan).

b. Kemiskinan relatif, yaitu terjadinya kemiskinan karena adanya kebijakan pembangunan yang

belum menjangkau seluruh masyarakat sehingga menyebabkan ketimpangan pendapatan.

c. Kemiskinan kultural, mengacu pada sikap seseorang atau masyarakat yang terjadi karena

faktor budaya, seperti tidak mau berusaha memperbaiki tingkat kehidupan, malas, pemboros,

tidak kreatif meski ada bantuan dari luar.

d. Kemiskinan struktural, merupakan situasi miskin yang disebabkan sedikitnya akses terhadap

sumber daya yang terjadi dalam sistem sosial budaya dan sosial politik yang tidak

membebaskan kemiskinan tetapi seringkali menyebabkan suburnya kemiskinan.

8

Menurut Jhingan (2012) ada 3 ciri utama negara berkembang yang menjadi penyebab

sekaligus akibat yang saling terkait dengan kemiskinan. Pertama, prasarana pendidikan yang

tidak memadai sehinggamenyebabkan tingginya penduduk buta huruf, tidak memiliki

ketrampilan dan keahlian.Kedua, sarana kesehatan dan pola konsumsi yang buruk sehingga

hanya sebagian kecil penduduk yang bisa menjadi tenaga kerja produktif. Ketiga, penduduk

terkonsentrasi di sektor pertanian dan pertambangan dengan metode produksi yang telah usang

dan ketinggalan zaman.

A.1. Teori Lingkaran Kemiskinan (Vicous Circle of Poverty).

Nurkse mengemukakan teori lingkaran kemiskinan (vicious circle of poverty).

Penyebab kemiskinan menurut Nurkse dalam Kuncoro (2000) adalah:

1) Secara makro, kemiskinan terjadi karena ketidaksamaan pola kepemilikan sumber daya yang

menimbulkan ketimpangan distribusi pendapatan. Penduduk miskin hanya memiliki sumber

daya terbatas dan berkualitas rendah

2) Kemiskinan muncul akibat perbedaan kualitas sumber daya manusia yang rendah sehingga

produktifitas rendah dan upah juga rendah.

3) Kemiskina terjadi karena perbedaan akses dan modal

Pada hakekatnya Nurkse berpendapat bahwa kemiskinan bukan saja disebabkan

tiadanya pembangunan di masa lalu tetapi juga hambatan pembangunan di masa datang. Jadi,

suatu negara miskin karena ia merupakan negara miskin. Inti dari lingkaran kemiskinan adalah

keadaan yang menyebabkan timbulnya hambatan terhadap tingkat pembentukan modal yang

tinggi.

9

Penyebab kemiskinan menurut Cox (2004):

1. Kemiskinan akibat globalisasi. Adanya globalisasi melahirkan negara pemenang dan negara

kalah. Umumnya, negara maju sebagai pemenang dan negara berkembang sebagai negara

yang kalah karena dalam persaingan sehingga terpinggirkan. Akibatnya jumlah orang

miskkemiskinan berkembang jauh lebih besar dibanding di negara-negara maju.

2. Kemiskinan berkaitan dengan pembangunan. Pola pembangunan yang diterapkan melahirkan

beberapa bentuk kemiskinan, seperti kemiskinan pedesaan yaitu kemiskinan yang terjadi

karrena proses pembangunan yang meminggirkan wilayah pedesaan; kemiskinan perkotaan

yaitu kemiskinan yang disebabkan hakekat dan kecepatan pertumbuhan ekonomi, dimana

tidak semua kelompok mendapatkan keuntungan.

3. Kemiskinan sosial. Kondisi sosial masyarakat yang tidak menguntungkan beberapa kelompok

masyarakat, misalnya kemiskinan perempuan, anak-anak dan minoritas yang terjadi akibat

kondisi sosial yang tidak menguntungkan kelompok tersebut (bias gender, diskriminasi atau

eksploitasi ekonomi).

4. Kemiskinan konsekuensial. Kemiskinan karan faktor-faktor eksternal (konflik, bencana alam,

kerusakan lingkungan dan tingginya jumah penduduk). Dimensi kemiskinan dari Cox jauh

lebih luas dibandingkan para ahli sebelumnya karena memasukkan unsur globalisasi.

A.2. Mengukur Kemiskinan

Kemiskinan merupakan tanda dari tidak tercapainya kesejahteraan individu atau rumah

tangga. Ada beberapa pendekatan untuk mengukur tingkat kesejahteraan (Zastrow, 2000):

1. Pendekatan Absolut yaitu dengan melihat batas minimum yang harus dimiliki untuk

memenuhi kebutuhan minimum suatu keluarga. Dikatakan miskin jika tidak mempunyai

penghasilan atau pendapatan tidak mencapai batas minimum untuk memenuhi kebutuhan.

10

Dari definisi ini bisa diketahui jumlah penduduk miskin. Hanya saja ada kelemahan pada

pendekatan ini karena tingkat kebutuhan masing-masing rumah tangga berbeda. Meski

demikian, pendekatan ini masih banyak yang menggunakannya.

2. Pendekatan Relatif. Membandingkan antara pendapatan seseorang dengan rata-rata

pendapatan populasi (lebih melihat pada ketidakseimbangan pendapatan). Selama terjadi

ketidakseimbangan maka, kemiskinan tetap ada.

3. Pendekatan kebutuhan dasar (Towsend, 2000). Pendekatan ini menekankan pada dua unsur

yaitu pertama, kemiskinan didefinisikan sebagai kondisi pendapatan yang tidak dapat

memenuhi kebutuhan subsisten (pangan, sandang, papan dan barang-barang rumah tangga

tertentu. Kedua, pendapatan juga tidak dapat memenuhi kebutuhan jasa-jasa penting lainnya

(air bersih, sanitasi, transportasi umum, pelayanan kesehatan dan pendidikan.

Menurut BPS (Badan Pusat Statistik), untuk mengukur kemiskinan digunakan konsep

kemampuan untuk memenuhi kebutuhan dasar (basic needs approach). Kemiskinan dipandang

sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan

bukan makanan yang diukur dari sisi pengeluaran. Metode yang digunakan untuk menghitung

garis kemiskinan yang terdiri dari dua komponen yaitu komponen garis kemiskinan makanan

(GKM) dan garis kemiskinan bukan makanan (GKBM). Perhitungan garis kemiskinan

dipisahkan antara daerah pedesaan dan perkotaan. Penduduk dikatakan miskin jika rata-rata

pengeluaran per kapita per bulan di bawah garis kemiskinan. GKM merupakan pengeluaran

kebutuhan minimum makanan yang disetarakan dengan 2100 kalori perkapita per hari dan

GKBM adalah kebutuhan minimum untuk perumahan, sandang , pendidikan dan kesehatan.

Kemiskinan secara global diukur dengan standar pengukuran World Bankyang membuat garis

kemiskinan absolut US$1 dan purchasing power parity (PPP) US$ 2 per hari.

11

Indikator lain untuk mengukur kemiskinan dikemukakan oleh Bappenas (Harniati,

2010):

1. Keterbatasan pangan yaitu melihat kemiskinan dari kecukupan pangan dan mutu pangan yang

dikonsumsi. Indikatornya adalah stok pangan yang terbatas, rendahnya asupan kalori, dan

buruknya gizi bayi, anak balita dan ibu.

2. Keterbatasan akses kesehatan, yaitu melihat dari keterbatasan akses kesehatan dan mutu

pelayanan yang rendah.

3. Keterbatasan akses pendidikan, yaitu diukur dari mutu pendidikan yang tersedia, mahalnya

biaya pendidikan, terbatasnya fasilitas pendidikan, rendahnya kesempatan memperoleh

pendidikan.

4. Keterbatasan akses pada pekerjaan yaitu keterbatasan kesempatan kerja dan berusaha,

lemahnya perlindungan terhadap aset usaha, perbedaan upah, lemahnya perlindungan kerja

terutama bagi pekerja anak dan pekerja perempuan.

5. Keterbatasan akses layanan perumahan dan sanitasi: kesulitan memperoleh rumah yang sehat

dan layak huni dan lingkungan pemukiman yang layak dan sehat.

6. Keterbatas terhadap air bersih. Terjadi karena sulitnya memperoleh air bersih, terbatasnya

penguasaan sumber air dan rendahnya mutu sumber air.

7. Keterbatasan akses terhadap tanah. Hal ini melihat dari struktur kepemilikan dan penguasaan

tanah, ketidakpastian kepemilikan dan penguasaan tanah.

8. Keterbatasan akses terhadap sumber daya alam. Indikatornya adalah buruknya konsisi

lingkungan hidup, rendahnya sumber saya alam, Hal ini terkait dengan penghasilan yang

bersumber dari sumber daya alam.

12

9. Tidak adanya jaminan rasa aman. Hal ini berkaitan dengan tidak terjaminnya keamanan dalam

menjalani kehidupan sosial dan ekonomi.

10. Keterbatasan akses untuk partisipasi yaitu diukur dari rendahnya keterlibatan dalam

pengambilan kebijakan.

11. Besarnya beban kependudukan. Berkaitan dengan besarnya tanggunagan keluarga dan

besarnya tekanan hidup.

B. Pengeluaran Pemerintah dan Kemiskinan

Adanya pembangunan ekonomi sangat dipengaruhi oleh peran pemerintah yang

dimanifestasikan dalam bentuk pengeluaran pemerintah. Model yang dikembangkan Rostow dan

Musgrave menghubungkan perkembangan pengeluaran pemerintah dengan tahap-tahap

pembangunan ekonomi. Pada tahap awal pembangunan ekonomi, diperlukan pengeluaran yang

besar untuk investasi pemerintah, seperti untuk pembangunan infrastruktur. Pada tahap

menengah, investasi pemerintah tetap dibutuhkan untuk meningkatkan pertumbuhan ekonomi

agar dapat tinggal landas, tetapi pada tahap ini peran investasi swasta semakin besar. Semakin

besarnya peran swasta sering menimbulkan kegagalan pasar sehingga menyebabkan pemerintah

harus menyediakan barang dan jasa publik dengan kuantitas dan kualitas yang lebih baik. Pada

tahap lanjut, pengeluaran pemerintah lebih banyak untuk aktivitas sosial seperti program

kesehatan hari tua, pelayanan kesehatan masyarakat dan lain-lain. Dengan demikian,

bertambahnya pengeluaran pemerintah akan meningkatkan pertumbuhan ekonomi dan pada

akhirnya akan menurunkan tingkat kemiskinan daerah.

C. Investasi Human Capital dan Kemiskinan

13

Theodore Schultz (1960) tentang investment in human capital, menyatakan tentang

pentingnya modal manusia dalam pembangunan. Baginya, pendidikan merupakan suatu bentuk

investasi dalam pembangunan. Manusia diposisikan sebagai fokus pembanguan dan memberikan

kontribusio langsung terhadap pertumbuhan ekonomi suatu negara. Investasi modal manusia

bisa terjadi karena peningkatan keahlian/ketrampilan dan kemampuan produksi dari tenaga kerja

.

Ada dua pendekatan dalam modal manusia yaitu: pendekatan Nelson-Phelps (1966) dan

Pendekatan Lucas (1988). Pendekatan Nelson-Phelps menyimpulkan bahwa modal manusia

merupakan faktor sangat penting untuk mendorong pertumbuhan ekonomi suatu negara. Adanya

perbedaan pertumbuhan ekonomi di berbagai negara lebih disebabkan oleh perbedaan stock

human capital. Pendekatan tersebut didukung oleh Aghion dan Howitt (1966) yang menyatakan

bahwa tenaga kerja yang lebih terdidik dan ahli akan lebih memiliki kemampuan untuk mengisi

lapangan pekerjaan yang tersedia, yang selanjutnya akan meningkatkan pertumbuhan ekonomi

(Meier dan Rauch dalam Mukhlis, 2010). Lucas (1988) lebih menekankan pada akumulasi

human capital. Ada dua faktor penyebab pembentukan modal manusia di suatu negara yaitu

pendidikan dan learning by doing (Mukhlis, 2010).

Menigkatnya investasi modal manusia berupa pendidikan dan kesehatan, maka akan

membantu masyarakat keluar dai jebakan lingkaran setan kemiskinan. Masyarakat yang

berpendidikan akan memberi manfaat yang banyak bagi lingkungannya, seperti menciptakan

berbagai inovasi yang berguna bagi masyarkat di sekitarnya (Todaro, 2003). Hal tersebut akan

menyebabkan terjadinya penurunan kemiskinan pada masyarakat.

D. PDRB (Product Domestic Regional Bruto) dengan Kemiskinan

14

Menurut BPS (Badan Pusat Statistik), definisi dari PDRB adalah jumlah nilai tambah

yang dihasilkan seluruh unit usaha dalam suatu wilayah atau jumlah seluruh barang dan jasa

akhir yang dihasilkan oleh seluruh unit ekonomi di suatu wilayah. Besarnya PDRB suatu wilayah

tergantung dari potensi sumber daya alam dan faktor produksi yang dimiliki masing-masing

daerah. Oleh karena PDRB antar wilayah bisa bervariasi.

Laju pertumbuhan ekonomi daerah dihitung berdasarkan perubahan dari PDRB.

Konsep pembangunan ekonomi, bukan hanya membicarakan tentang pertumbuhan ekonomi

tetapi juga menyangkut pemeratan pendapatan. Distribusi pendapatan harus merata ke seluruh

lapisan masyarakat. Menurunnya PDRB akan menurunnya kemampuan konsumsi masyarakat.

Kemiskinan sering dikaitkan dengan kesenjangan atau ketimpangan pendapatan.

Menurut Simon Kuznet, kurva hubungan antara kesenjangan pendapatan dan pendapatan per

kapita berbentuk U terbalik. Demikian pula hubungan antara pertumbuhan (PDRB) dengan

kemiskinan.

D. Rasio Gini dan Kemiskinan

Rasio gini merupakan alat untuk mengukur ketimpangan dalam distribusi pendapatan,

yang angkanya berkisar antara nol dan satu. Rasio gini dengan nilai nol berarti distribusi merata

sempurna dan sebaliknya rasio gini sama dengan satu berarti ketimpangan distribusi pendapatan

sempurna. Ketimpangan dalam distribusi pendapatan bisa menimbulkan kemiskinan relatif yang

menyebabkan adanya kecemburuan sosial, akibat selanjutnya bisa mengganggu stabilitas

nasional, seperti yang pernah dialami Indonesia di masa Presiden Soeharto. Oleh karena itu,

pemerintah yang sadar betul tentang dampak negatif dari ketimpangan pendapatan akan berusaha

melakukan berbagai kebijakan untuk menekan ketimpangan pendapatan yang terjadi.

E. Penelitian Sebelumnya

15

Hubungan antara kemiskinan dengan berbagai faktor yang mempengaruhinya

ditunjukkan oleh tabel 1.

Tabel 1Hubungan Antara Kemiskinan dan Faktor-faktor Yang Mempengaruhinya

No. Peneliti (Tahun) Sampel MetodologiPenelitian

Hasil Penelitian

1 Ravallion (2001): How toImprtant to India’s Poor isthe sectoral compotition ofgrowth?

50 negarasedangberkembangthun 1990-an

Regresi OLS Pertumbuhan ekonomimenurunkan tingkatkemiskinan

2 Dagderiven (2002):Redistribution does matter:Growth and redistributionfor Poverty Reduction.

50 negarasedangberkembangtahun 1998-1990

Regresi OLS Pertumbuhan ekonomitidak selalu merupakancara terbaik untukmenurunkankemiskinan. Kombinasipertumbuhan ekonomidan redistribusipendapatan merupakancara efektif menurunkankemiskinan di banyaknegara

3 Usman (2006): Dampakdesentralisasi FiskalTerhadap DistribusiPendapatan Dan TingkatKemiskinan

26 Propinsi DiIndonesiaTahun 1995-2003

Panel Desentralisasi fiskalmenurunkan tingkatkemiskinan dalamjangka pendek.Pengeluaran pemerintahsektor pertanian efektifmenciptakanpemerataan pendapatandan menurunkankemiskinan

4 Hasibuan (2006): VariabelUtama YangMempengaruhiKemiskinan Di PropinsiSumatera Utara

Sumatera Utara Regresi OLS Pengeluaran pemerintahmenurunkan jumlahpenduduk miskin

5 Nanga (2006): DampakTransfer Fiskal TerhadapKemiskinan Di Indonesia,Suatu Analisis Kebijakan

25 Provinsi1999-2002

Modelsimultan

Transfer fiskalmempuburukketimpangan dankemiskinan

6 Hermani (2007): DampakDesentralisasi FiskalTerhadap Perekonomian

Brebes danTegal

Panel data Desentralisasi Fiskalmenurunkankemiskinan

16

Di Kabupaten Brebes DanKota Tegal

7 Mulyaningsih (2008):Pengaruh PengeluaranPemerintah Di SektorPublik TerhadapPeningkatan PembangunanManusia dan Kemiskinan

SeluruhPropinsi DiIndonesia

Panel data Pengeluaran Pemerintahtidak berpengaruhterhadap pembangunanmanusia dankemiskinan tetapipembangunan manusiaberpengaruh terhadapkemiskinan

8 Sepulveda Dan Vasques(2010): The Consequencesof Fiscal Decentralisationon Poverty And IncomeEquality

Beberapanegara padalevel yangberbeda-beda1971-2000

Panel data Kebijakan desentralisasifiskal signifikanmenurunkankemiskinan danketimpanganpendapatan

9 Rindayanti (2000):Dampak DesentralisasiFiskal terhadapkemiskinan dan KetahananPangan Di WilayahPropinsi Jawa Barat

13 Kabupaten diJawa Barat1995-2005

PersamaanSimultan

Desentralisasi Fiskalmenurunkan jumlahpenduduk miskin danmeningkatkanketahanan pangan

10 Dicky Wahyudi dan TriWahy Rejekiningsih(2013): AnalisisKemiskinan Di JawaTengah

35Kabupaten/KotaDi Jawa Tengah2007-2010

Panel data Kesehatan danpendidikan signifikannegatif; pengangguransignifikan positif danpertumbuhan tidaksignifikan

11 Adit Agus Prastyo (2010):Analisis Faktor-faktorYang MempengaruhiTingkat Kemiskinan (35Kab/Kota Di Jawa Tengah2003-2007)

35Kabupaten/KotaDi Jawa Tengah2003-2007

Panel data Pertumbuhan, upahminimum, pendidikandan pengangguransignifikan terhadaptingkat kemiskinan

17

BAB III

METODE PENELITIAN

A. Data dan Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder. Sumber data berasal

dari BPS (Badan Pusat Statistik) berbagai terbitan. Data yang digunakan adalah data

persentase penduduk yang berada di bawah garis kemiskinan (HCI- Head Count Index-P0),

PDRB (Produk Domestik Regional Bruto), investasi modal manusia dari sisi pendidikan

yaitu dengan menggunakan pendekatan APMSMA (Angka Partisipasi Murni Sekolah

menengah atas dan sederajat), investasi modal manusia dari sisi kesehatan dengan

menggunakan pendekatan sanitasi (SANI) dan rasio gini (GINI). Data yang diambil adalah

data pooling dengan periode waktu 2015-2018 untuk 34 provinsi di Indonesia.

B. Model Penelitian

Model yang digunakan dalam penelitian ini adalah:

HCI = β0 + β1PDRB + β2SANI + β3APMSMA + β4GINI + ε

18

Dimana:

HCI : Head Count Index

PDRB : Poduct Domestic Regional Bruto

SANI : Pesentase rumah tangga yang memiliki akses terhadap layanan sanitasi layak dan

berkelanjutan (40% bawah).

APMSMA: Angka Partisipasi Murni SMA dan sederajat

GINI : Koefisien Gini

β0 : Konstanta

β1-4 : Koefisien

ε : Disturbance error

C. Definisi Operasional Variabel

Dari sejumlah variabel yang digunakan dalam penelitian ini, maka bisa diuraikan

definisi operasionalnya sebagai berikut:

1. HCI adalah persentase penduduk yang berada di bawah garis kemiskinan (indeks).

2. PDRB adalah pendapatan per kapita riil daerah (Ribu rupiah)

3. SANI adalah persentase rumah tangga yang memiliki akses terhadap layanan sanitasi layak

dan berkelanjutan (40% bawah)

4. APMSMA adalah rasio antara banyaknya murid tingkat SMA dan sederjat dengan

banyaknya penduduk usia SMA dan sederajat dikalikan 100 persen.

5. Gini adalah rasio atau koefisien gini merupakan alat untuk mengukur ketimpangan

distribusi pendapatan.

6. DRB: Jumlah pendapatan yang diperoleh daerah (milyar rupiah)

D. Metode Analisis

19

Dalam penelitian ini digunakan data panel. Data panel (pooled data) adalah sebuah

set data yang berisi data sampel individu yang menggabungkan antara data cross section dan

time series. Dengan mengakomodasi informasi baik yang terkait dengan variabel-veriabel

cross section maupun time series, data panel secara substansial mampu menurunkan masalah

omitted-variables; model yang mengabaikan variabel yang relevan. Pada analisis cross-

section tidak memperhitungkan efek perkembangan teknologi yang terjadi dalam satu waktu

estimasi sehingga estimasi efek kenaikan modal fisik pada laba bisa jadi tidak akurat. Dengan

data panel, adanya data time series bisa mengakomodir efek perbaikan teknologi pada laba

perusahaan, sehingga masalah omitted-variable dapat dihilangkan.

Data panel berguna juga untuk alasan teknis-pragmatis, yaitu terkait dengan

ketersediaan data. Dengan menggabungkan data time series dan cross section, maka akan

mampu menambah jumlah observasi secara signifikan tanpa melakukan treatment apapun

terhadap data. Oleh karenanya, data panel mungkin memberikan penyelesaian yang

memuaskan.

Dalam analisis model data panel dikenal empat macam pendekatan estimasi yaitu:

1. Pendekatan Kuadrat terkecil (Pooled Least Square/PLS)

Pada pendekatan ini, estimasi model persamaan yang paling sederhana adalah

mengabaikan dimensi cross-section dan time series dari data panel dan mengestimasi data

dengan metode kuadrat terkecil biasa (OLS) yang diterapkan dalam data yang berbentuk pool.

Jadi, misalnya ada 33 data cross section dan 10 tahun periode waktunya, maka data tersebut

disusun secara berurutan, sehinggga didapatkan 330 observasi untuk setiap variabel dalam

model. Model PLS mengasumsikan bahwa nilai intercept adalah sama untuk setiap subyek.

Model juga mengasumsikan bahwa slope koefisien juga identik untuk semua subyek. Dari sini

20

nampak bahwa asumsi yang dipakai sangat ketat, sehingga walaupun metode PLS menawarkan

kemudahan, model mungkin mendistorsi gambaran yang sesungguhnya dari hubungan antara Y

dan X antar subyek.

2. Pendekatan Least Square Dummy Variable (LSDV) Model

Kesulitan terbesar dari pendekatan PLS adalah asumsi yang sangat ketat bahwa intercept

dan slope dari persamaan regresi dianggap konstan baik antar subyek maupun antar waktu.

Sebuah cara untuk menunjukkan kekhasan unit cross section atau time series adalah

memasukkan variabel boneka (dummy variable) untuk membolehkan terjadinya perbedaan nilai

parameter yang berbeda-beda baik cross section maupun time-series.

Pendekatan yang paling sering terjadi adalah intercept bervariasi antar unit cross-section

namun tetap mengasumsikan bahwa slope parameter adalah konstan antar unit cross section.

Pendekatan ini dikenal dengan model efek tetap (fixed effect model). Pendekatan ini bisa ditulis

dalam persamaan:

Yit = αi + β1X1it + β2 X2it + eit .................................................................................. (1)

3. Pendekatan Efek Tetap (Fixed Effect Model/FEM))

Model LSDV digunakan jika sedikit unit cross section. Tetapi jika cross section besar

maka penggunaan LSDV mengurangi degrees of freedom yang pada akhirnya akan mengurangi

efisiensi dari parameter yang diestimasi.

Istilah fixed effect datang dari kenyataan bahwa meskipun intercept mungkin berbeda

antar individu, namun intercept setiap individu tersebut tidak bervariasi sepanjang waktu (time

invariant). Jika intercept ditulis sebagai αit, berarti intercept setiap perusahaan adalah time

variant. Selain itu FEM juga mengasumsikan bahwa koefisien dari regresor tidak bervariasi baik

antar waktu maupun antar individu.

21

Ide dasar FEM dimulai dari persamaan (1):

Yit = αi + β1X1it + β2 X2it + eit

Nilai intercept untuk masing-masing unit cross section dapat ditulis:

α = α + µi i = 1, 2, ....., N

dimana µ i adalah unobservable individual effect. Persamaan (1) bisa juga ditulis:

Yit = α + β1X1it + β2 X2it + µ i + eit ...................................................................................... (3)

Dalam FEM, µ i diasumsikan berkorelasi dengan regressor X atau µ i tidak random.

4. Pendekatan Efek Acak ( Random Effect Model/ REM)

Perbedaan mendasar FEM dan REM adalah mengenai asumsi unobservable individual

effect (µ i). Jika di dalam FEM, µ i diasumsikan berkorelasi dengan regresor (X), maka dalam

REM, µ i diasumsikan tidak berkorelasi dengan regresor X atau dengan kata lain µ i diasumsikan

bersifat random. Inilah ide dasar dari model REM.

Ide dasar REM dimulai dari persamaan berikut:

Yit = α + β1X1it + β2 X2it + wit ..................................................................................................(4)

Error term sekarang adalah wit yang terdiri dari ui dan eit. ui adalah cross section (random)

error componen, sedangkan eit adalah combined component, sehingga REM sering disebut error

component model (ECM). Persamaan (3) bisa dimodifikasi menjadi:

Yit = α + β1X1it + β2 X2it + ui + eit ................................................................. (5)

Perbedaan mendasar antara persamaan (5) dan (3) adalah asumsi unobservable individual

effects (ui). REM menghasilkan estimator-estimator hasil estimasi yang lebih efisien (standar

error yang lebih kecil atau t-stat yang lebih besar) dari pada FEM.

E. Pemilihan Metode Estimasi Dalam Panel Data

E.1. PLS dan FEM

22

Untuk menentukan model mana yang lebih baik antara PLS dan FEM maka digunakan

redundant fixed effect test, jika signifikan yaitu probabilitas lebih kecil dari level of significance

( = 5%), maka lebih baik menolak Ho dan menerima Ha yaitu model terbaik adalah FEM

tetapi bila sebaliknya (tidak signifikan) maka lebih baik menggunakan PLS.

Secara formal, jika PLS dibandingkan dengan FEM: pada PLS menerapkan intercept yang

sama untuk seluruh individu. Terkadang asumsi bahwa setiap unit cross section memiliki

perilaku yang sama cenderung tidak realistis mengingat dimungkinkannya setiap unit cross

section memiliki perilaku yang berbeda.

E.2. FEM dan REM

Untuk menentukan model mana yang lebih baik dalam melakukan estimasi antara FEM

dan REM adalah pertama, terpulang pada asumsi yang dibuat tentang korelasi antara cross

section error component µ i dan regressor X. Jika diasumsikan bahwa µ i dan regresor X adalah

uncorrelated maka, REM lebih tepat digunakan dalam model. Akan tetapi jika diasumsikan

bahwa µ i dan regresor X adalah correlated, maka FEM lebih tepat. Untuk itu digunakan

correlated random effects – Hausman test. Jika hasilnya signifikan, maka ada correlated artinya

lebih baik menggunakan model FEM dan sebaliknya jika tidak signifikan maka lebih baik

menggunakan REM.

Kedua, jawaban terpulang pada sampel dari penelitian. REM mengasumsikan bahwa µ i

diambil secara random dari populasi yang jauh lebih besar. Seringkali hal ini sulit dipenuhi.

Misal, jika kita meneliti tingkat kriminalitas antar 50 negara bagian di AS, maka asumsi bahwa

50 negara bagian adalah sampel jelas tidak terpenuhi. Dalam kasus ini, berarti REM tidak tepat

untuk digunakan sebagai model.

23

Selain kedua prinsip di atas, ada beberpa pertimbangan teknis yang dapat dijadikan

panduan untuk memilih antara fixes effect atau random effect yaitu:

a. Bila T (jumlah unit time series) besar sedangkan N( jumlah unit cross section) kecil, maka

hasil FEM dan REM tidak jauh beda.

b. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan dapat berbeda signifikan. Bial

kita meyakini bahwa unit cross section yang dipilih dalam penelitian diambil secara acak

maka REM harus digunakan. Tetapi bila kita meyakini bahwa unit cross section yang dipilih

tidak diambil secara acak maka harus menggunakan FEM.

c. Bila cross-section error component (ɛi) berkorelasi dengan variable bebas X maka parameter

yang diperoleh dengan REM akan bias sementara parameter yang diperoleh dengan Fem tidak

bias.

d. Bila N besar dan T kecil dan apabila asumsi yang mendasari REM dapat terpenuhi, maka

REM lebih efisien dibanding FEM.

24

BAB IV

ANALISIS HASIL PENELITIAN

Penelitian ini menggunakan data pooling, dengan jumlah data cross section sebanyak 34

provinsi dan jumlah data time series sebanyak empat tahun (2015-2018). Adapun 34 provinsi

tersebut meliputi provinsi Aceh, Sumatera Utara, Sumatera Barat, Riau, Jambi, Sumatera

Selatan, Bengkulu, Lampung, Kepulauan Bangka Belitung, Kepulauan Riau, DKI Jakarta, Jawa

Barat, Jawa Tengah DI Yogyakarta, Jawa Timur, Banten Bali, Nusa Tenggara Barat, Nusa

Tenggara Timur, Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan Kalimantan Timur,

Kalimantan Utara, Sulawesi Utara, Sulaweai Tengah, Sulawesi Selatan, Sulawesi Tenggara,

Gorontalo, Sulawesi Barat, Maluku, Maluku Utara, Papua Barat dan Papua.

Ada lima variabel yang digunakan dalam penelitian ini yaitu variabel terikat adalah

kemiskinan, sedangkan variabel bebas terdiri dari pendapatan per kapita daerah (PDRB,),

Sanitasi yang layak (SANI), angka partisipasi murni SMA dan sederajat (APMSMA) dan rasio

gini (GINI). Data diolah menggunakan Eviews 9. Sumber data berasal dari BPS (Badan Pusat

Statistik) berbagai terbitan. Analisis dimulai dari regresi data dengan menggunakan data pooling,

25

kemudian dipilih model yang terbaik dari tiga model yang ada (Common Effect Model, Fixed

Effect Model dan Random Effect Model).

A. Uji Model Terbaik

Dalam model pooling data terdapat tiga model untuk bias dianalisis yaitu common effect

model, fixed effect model dan random effect model. Untuk menentukan model terbaik dari tiga

model tersebut maka, ada dua langkah yang harus dilakukan. Pertama kali dilakukan regresi

dengan menggunakan common effect model dan fixed effect model. Dari dua model tersebut

ditentukan terlebih dahulu mana model yang terbaik untuk dipakai analisis. Untuk menentukan

model terbaik dari dua model tersebut digunakan alat uji Chow Test (tabel 4.1). Jika nilai

probabilitas Chy-square lebih kecil dari pada level of significance yang telah ditentukan

sebelumnya (α = 10%) maka, model yang terbaik adalah fixed effect model. Jika yang terjadi

adalah kebalikannya maka, model yang terbaik dari dua model tersebut adalah common effect

modelt.

Tabel 4.1Hasil Perhitungan Chow Test

Redundant Fixed Effects TestsPool: KEMISKINANTest cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 302.856091 (33,98) 0.0000Cross-section Chi-square 630.299576 33 0.0000

Tabel 4.1 menunjukkan bahwa nilai probabilitas dari cross-section Chi-square lebih kecil

dari 5 persen. Berdasar hasil tersebut maka, model terbaik di antara dua model (common effect

dan fixed effect) adalah model fixed effect. Langkah selanjutnya menentukan model mana yang

terbaik di antara model fixed effect dan random effect. Untuk menentukannya maka, dilakukan

26

regresi dengan menggunakan random effect, kemudian dilakukan pengujian dengan

menggunakan Correlated random effect - Hausman Test (tabel 4.2). Jika nilai probabilitas cross-

section random lebih kecil dibanding level of significance maka, model terbaik di antara fixed

effect dengan random effect adalah fixed effect model dan sebaliknya bila nilai probabilitasnya

lebih tinggi dari 5 persen maka, model yang terbaik adalah random effect model.

Tabel 4.2Hasil Perhitungan Hausman Test

Correlated Random Effects - Hausman TestPool: KEMISKINANTest cross-section random effects

Test SummaryChi-Sq.Statistic Chi-Sq. d.f. Prob.

Cross-section random 13.151085 4 0.0106

Tabel 4.2 menunjukkan bahwa nilai probabilitas cross-section random dibawah 10

persen. Hal itu berarti bahwa model terbaik yang akan digunakan untuk dianalisis lebih lanjut

antara fixed effect dengan random effect adalah model fixed effect. Model fixed effect pada

dasarnya tetap berprinsip OLS (Ordinary Least Square). Model ini mengasumsikan bahwa

perbedaan antar individu (cross-section) dapat diakomodasi dari perbedaan intersepnya.

B. Pengujian Hipotesis

Berdasar penjelasan di atas, nampak bahwa model terbaik dari tiga alternatif model dalam

pooling data adalah fixed effect model. Oleh karrena itu, untuk pengujian hipotesis maupun

analisis lebih lanjut digunakan fixed effect model. Sebelum melakukan analisis hasil regresi lebih

27

lanjut, langkah pertama adalah melakukan uji statistik baik secara individual (uji t) maupun

secara bersama-sama (uji F) kemudian menentukan koefisien determinasi (goodness of fit).

Tabel 4.3Hasil Regresi Model Fixed Effect

Dependent Variable: HCI?Method: Pooled Least SquaresDate: 01/28/20 Time: 09:14Sample: 2015 2018Included observations: 4Cross-sections included: 34Total pool (balanced) observations: 136

Variable Coefficient Std. Error t-Statistic Prob.

C 15.40535 2.119844 7.267210 0.0000PDRB? -4.92E-05 2.57E-05 -1.912910 0.0587SANI? -0.053484 0.010456 -5.115338 0.0000

APMSMA? -0.039223 0.022217 -1.765482 0.0806GINI? 6.997391 4.017441 1.741753 0.0847

Fixed Effects (Cross)_ACEH--C 4.713420

_SUMUT--C -0.725591_SUMBAR--C -5.148477

_RIAU--C -1.589521_JAMBI--C -2.908096

_SUMSEL--C 1.881975_BENGKULU--C 3.288745_LAMPUNG--C 0.953652_KEPBABEL--C -4.790381_KEPRIAU--C -1.644621_DKIJKT--C -0.097387_JABAR--C -4.111466

_JATENG--C 0.893986_DIY--C 2.226346

_JATIM--C -0.121361_BANTEN--C -6.479587

_BALI--C -5.219671_NTB--C 3.736624

28

_NTT--C 7.345277_KALBAR--C -5.010802

_KALTENG--C -7.080653_KALSEL--C -7.471095_KALTIM--C 0.282872_KALUT--C -1.900955_SULUT--C -3.025973

_SULTENG--C 1.962571_SULSEL--C -1.809402_SULTGR--C 1.031060

_GORONTALO--C 3.853287_SULBAR--C -1.425798_MALUKU--C 6.390961_MALUT--C -5.623030

_PAPUABAR--C 13.62079_PAPUA--C 14.00230

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.994653 Mean dependent var 11.15463Adjusted R-squared 0.992634 S.D. dependent var 5.903072S.E. of regression 0.506634 Akaike info criterion 1.709080Sum squared resid 25.15444 Schwarz criterion 2.522910Log likelihood -78.21746 Hannan-Quinn criter. 2.039800F-statistic 492.6870 Durbin-Watson stat 1.411489Prob(F-statistic) 0.000000

Uji t statistik digunakan untuk mengetahui pengaruh masing-masing variabel bebas

terhadap variabel terikat. Adapun hipotesis yang digunakan adalah:

Ho: secara individual variabel bebas tidak berpengaruh terhadap variabel terikat

Ha: secara individual variabel bebas berpengaruh terhadap variabel terikat

Besarnya level of significance (α) ditentukan sebesar 10 persen maka, jika nilai

probabilitas dari masing-masing variabel bebas lebih kecil dibanding nilai level of significance

berarti tidak menolak Ha dan sebaliknya.

Berdasar tabel 4.3 menunjukkan bahwa secara umum PDRB per kapita penduduk dari 34

provinsi di Indonesia mempengaruhi kemiskinan di daerah (provinsi) karena probabilitasnya

lebih kecil dibanding level of significance (α) yang telah ditentukan sebelumnya dan hubungan

antara keduanya adalah negatif, dengan nilai koefisien sebesar 4.92E-05. Hal ini berarti bahwa jika

29

PDRB per kapita rata-rata provinsi di Indonesia meningkat sebesar Rp 100 (ribu) maka

persentase penduduk miskin rata-rata provinsi di Indonesia akan menurun sebesar 0,00492

persen dan sebaliknya jika PDRB per kapita rata-rata provinsi menurun sebesar Rp 100 (ribu)

maka, kemiskinan rata-rata provinsi akan meningkat sebesar 0,00492 persen.

Untuk variabel sanitasi juga menunjukkan hal yang sama yaitu sanitasi berpengaruh

negatif terhadap kemiskinan rata-rata provinsi di Indonesia dengan nilai koefisiennya sebesar

0,053484. Artinya, jika persentase rumah tangga yang memiliki akses terhadap layanan sanitasi

layak dan berkelanjutan (40% bawah) rata-rata provinsi meningkat sebesar 1 persen maka, rata-

rata kemiskinan provinsi akan menurun sebanyak 0,053484 persen.

Variabel bebas lainnya adalah angka partisipasi murni SMA dan sederajat. Berdasar hasil

olah data menunjukkan bahwa APMSMA berpengaruh negatif terhadap kemiskinan rata-rata

provinsi di Indonesia dengan koefisiennya sebesar 0,039223. Hal itu berarti bahwa jika

APMSMA meningkat sebesar 1 persen maka, kemiskinan akan menurun sebanyak 0,039223

persen dan sebaliknya jika APMSMA menurun.

Variable keempat atau terakhir adalah rasio gini atau koefisien gini. Hasil regresi

menunjukkan bahwa rasio gini berpengaruh positif terhadap kemiskinan rata-rata provinsi di

Indonesia. Artinya, jika rasio gini meningkat sebesar 1 persen maka, rata-rata kemiskinan

provinsi di Indonesia akan meningkat sebesar 6,997391.

Untuk uji F statistik (tabel 4.3) menunjukkan bahawa probabilitas dari F statistik (0,0000)

lebih kecil dibanding dengan besarnya level of significance (0,10). Hal ini berarti bahwa secara

bersama-sama variabel PDRB, Sanitasi, APMSMA dan Rasio gini berpengaruh terhadap

kemiskinan rata-rata provinsi di Indonesia.

30

Berdasar tabel 4.3 juga menunjukkan bahwa nilai goodness of fit atau besarnya koefisien

determinasi adalah sebesar 0,994653 atau 99,4653 persen. Hal ini berarti bahwa total variasi dari

rata-rata kemiskinan provinsi di Indonesia mampu dijelaskan oleh model sebesar 99,4653 persen.

Artinya, kemampuan model yang digunakan pada penelitian ini dalam menjelaskan kemiskinan

rata-rata provinsi di Indonesia sangat besar.

Dari hasil regresi juga menunjukkan beberapa provinsi yang persentase penduduk miskin

di atas rata-rata provinsi di Indonesia dialami 14 provinsi yaitu provinsi Aceh, Sumatera

Selatan, Bengkulu, Lampung, Jawa Tengah, DIY, Nusa Tenggara Barat, Nusa Tenggara Timur,

Kalimantan Timur, Sulawesi Tenggara, Gorontalo, Maluku, Papua Barat dan provinsi Papua.

Tiga provinsi tertinggi persentase penduduk miskin yang berada di atas rata-rata provinsi di

Indonesia adalah Papua Bara, Papua diikuti Nusa Tenggara Timur.

C. Hasil dan Analisis

Kemiskinan merupakan masalah global yang dihadapi oleh semua negara baik negara

maju apalagi negara berkembang, baik masyarakat kota maupun masyarakat pedesaan. Berbagai

telaah, kajian maupun seminar telah dilakukan di berbagai negara, tetapi kemiskinan tetap

menjadi masalah besar sampai sekarang. Berbagai kebijakan pun telah ditempuh oleh berbagai

pemerintahan yang ada, namun kemiskinan tetap ada.

Indonesia sebagai salah satu negara berkembang dengan pendapatan menengah juga

mengahadapai masalah kemiskinan. Berbagai kebijakan telah dikeluarkan oleh pemerintah untuk

mengatasi kemiskinan yang ada. Anggaran pemerintah pusat maupun daerah setiap tahun selalu

ditingkatkan untuk membenahi berbagai sektor khususnya sektor pendidikan dan kesehatan, laju

pertumbuhan ekonomi juga didorong untuk tumbuh agar memiliki kemampuan untuk menyerap

Angkatan kerja yang ada. Ada dana BOS untuk mendukung Pendidikan, ada pemberian beasiswa

31

bagi masyarakat miskin, ada dana des, ada jaminan kesehatan untuk masyarakat miskin, ada dana

desa dan sebagainya, yang semuanya mengarah bagaimana agar kemiskinan menurun di

Indonesia.

Kemiskinan memang menurun di Indonesia, tetapi jumlah penduduk miskin tetap besar,

yang jika tidak diatasi segera bisa menimbulkan masalah keamanan nasional. Setiap orang

menginginkan kebutuhan palin mendasar (makan, minum dan tempat tinggal) bisa terpenuhi.

Orang akan melakukan apapun untuk bisa memenuhi kebuhan dasarnya, baik itu legal maupun

illegal. Hal itu tentu saja akan berdampak pada kemanan nasioanal. Oleh karena itu, pemerintah

memang harus melakukan berbagai kebijakan untuk mengatasi masalah kemiskinan.

Penelitian ini berusaha untuk meneliti lebih lanjut, tentang faktor apa saja yang

sebenarnya mempengaruhi kemiskinan rata-rata provinsi di Indonesia. Variabel bebas yang

diambil adalah pendapatan per kapita riil rata-rata penduduk provinsi, sanitasi, APMSMA dan

rasio gini. Pendapatan per kapita diambil sebagai salah satu variabel bebas karena garis

kemiskinan yang digunakan oleh BPS (Badan Pusat Statistik) menggunakan garis kemiskinan

makanan dan garis kemiskinan bukan makanan yang dihitung berdasar rata-rata pengeluaran per

kapita per bulan. Variabel sanitasi digunakan sebagai pendekatan atas variabel pengeluaran

pemerintah untuk kesehatan karena semakin maju perekonomian suatu negara kebutuhan akan

sanitasi yang layak dan berkelanjuatn semakin meningkat, masyarakat semakin sadar akan

pentingnya menjaga kebersihan dan kesehatan. Digunakannya variable APMSMA, karena rata-

rata lowongan kerja yang ditawarkan dalam dunia keja minimal lulusan SMA sehingga

APMSMA diambil sebagai variabel pendekatan untuk pengeluaran sektor Pendidikan. Yang

terakhir, variabel rasio gini, merupakan alat untuk mengukur ketimpangan dalam distribusi

pendapatan.

32

Hasil penelitian menunjukkan bahwa variabel PDRB per kapita berpengaruh negatif

terhadap kemiskinan rata-rata provinsi di Indonesia. Hal tersebut bisa terjadi karena menurunnya

pendapatan per kapita penduduk menyebabkan kemampuan penduduk untuk memenuhi

kebutuhan dasar makanan dan bukan makanan menjadi menurun, daya beli turun. Turunnya

daya beli masyarakat menyebabkan kemiskinan akan bertambah dan sebaliknya jika pendapatan

per kapita masyarakat naik, daya beli masyarakat untuk memenuhi kebutuhan semakin besar,

mereka akan merasa semakin kaya dengan meningktanya daya beli sehingga kemiskinan akan

menurun Oleh karena itu, pemerintah jika menginginkan kemiskinan menurun, maka tingkatkan

daya beli masyarakat (pendapatan masyarakat ditingkatkan) bisa secara riil atau nominal. Untuk

meningkatkan pendapatan secara riil, paling tidak pemerintah menjaga agar tidak terjadi

kenaikan harga-harga barang secara umum atau menjaga stabilitas harga. Janagan sampai terjadi

gejolak harga yang menyebabkan masyarakat semakin melemah daya belinya. Kalau pemerintah

mempunyai kemampuan, maka pemerintah menaikan gaji pegawainya dan meningkatkan

bantuan sosial baik jenisnya maupun jumlah nominalnya dengan tetap menjaga harga-harga

stabil sehingga kenaikan gaji ataupun bantuan social bisa dirasakan dampak positifnya oleh

msyarakat.

Variabel sanitasi ternyata juga berdampak negatif bagi kemiskinan rata-rata provinsi di

Indonesia. Sanitasi yang dimaksud dalam variabel ini adalah persentase rumah tangga yang

memiliki akses terhadap layanan sanitasi layak dan berkelanjutan untuk 40 persen masyarakat

bawah. Artinya, semakin besar persentase rumah tangga yang memiliki akses terhadap layanan

sanitasi layak dan berkelanjutan maka, semakin besar rata-rata kemampuan masyarakat dalam

menjaga kesehatannya. Kesehatan yang tetap terjaga menjadikan seseorang tepa memiliki

kemampuan untuk bekerja mencari nafkah sehingga dia mempunyai kemapuan untuk memenuhi

33

kebutuhan hidup mianimal menutup kebutuhan paling mendasar. Dengan demikian kemampuan

untuk memenuhi kebutuhan dasar tetap terjaga sehingga kemiskinan bisa menurun. Agar

masyarakat bawah memiliki akses terhadap layanan sanitasi, pemerintah perlu menggalakkan

kebijakan pembangunan sanitasi umum, khususnya di daerah-daerah miskin, maupun daerah-

daerah pelosok yang sering tidak terjangkau banyak pihak. I samping itu juga, masyarakat

diberikan kesadaran pentingnya menjaga kesehatan dengan menggunakan sanitasi yang layak

dan berkelanjutan.

Variabel APMSMA berpengaruh negatif terhadap kemiskinan rata-rata provinsi di

Indonesia. Artinya, semakin banyak murid SMA dan sederajat yang sekolah dibanding dengan

jumlah penduduk usia sekolah SMA dan sederajat maka, akan semakin menurun persentase

penduduk miskin. Hal ini bisa terjadi karena angkatan kerja yang lulus SMA/sederajat lebih

mudah mencari pekerjaan dibanding lulusan di bawah SMA dan sederajat. Seperti diketahui,

rata-rata lowongan pekerjaan yang ada minimal lulusan SMA sehingga semakin banyak murid

yang lulus SMA dan sederajat kemampuan untuk memperoleh pekerjaan akan lebih besar dari

pada yang lulus di bawah SMA dan sederajat. Oleh karena itu, program belajar 12 tahun perlu

digalakkan betul-betul agar bisa meningktakan lagi ke program wajib belajar 15 tahun sehingga

nanti diharapkan rata-rata penduuk Indonesia adalah lulusan SMA, bukan lulusan SD seperti saat

ini. Rata-rata Usia sekoleh di Indonesia hanya 8 tahun, artinya SMP belum lulus.

Rasio Gini atau koefisien gini berpengaruh positif terhadap kemiskinan rata-rata provinsi

di Indonesia. Dengan demikian, jika rasio gini semakin kecil berarti ketimpangan pendapatan

semakin kecil. Gap si kaya dan si miskin yang semakin kecil menimbulkan kehidupan yang

harmonis, tidak akan memunculkan kecemburuna social karena satu sam lain selisih

pendapatannya tidak besar. Hal ini akan menumbulkan irama kehidupan yang harmonis antar

34

anggota masyarakat sehingga kebersamaan akan terjaga, kebahagiaan dan ketentraman akan

tercipta dengan sendirinya dan kemiskian akan menurun dengan sendirinya. Oleh karena itu,

penting bagi pemerintah agar selalu berusaha untuk menurunkan ketimpangan pendapatan yang

ada dengan berbagai kebijakan. Kalau semua masyarakat diperlakukan dengan adil, maka tujuan

pemerintah sesuai amanat UUD 1945 bisa tercapai yaitu masyarakt adil dan Makmur, bukan

hanya sekedar jargon politik.

BAB V

KESIMPULAN DAN SARAN

A. KESIMPULAN

Hasil penelitian menunjukkan bahwa PDRB riil per kapita, sanitasi, APMSMA

berpengaruh positif terhadap kemiskinan rata-rata provinsi di Indonesia. Artinya, meningkatnya

PDRB per kapita, meningkatnya akses layanan sanitasi yang layak dan berkelanjutan,

meningkatnya angka partisipasi murni SMA secara parsial akan menurunkan persentase

penduduk miskin rata-rata provinsi di Indonesia. Untuk rasio gini atau koefisien gini hasilnya

berpengaruh positif terhadap persentase penduduk miskin rata-rata provinsi di Indonesia.

Artinya semakin menurun ketimpangan pendapatan akan semakin menurun persentase penduduk

miskin.

B. SARAN

35

Untuk menurunkan persentase penduduk miskin rata-rata provinsi di Indonesia,

pemerintah perlu meningkatakan laju pertumbuhan ekonomi daerah, meningkatkan akses

masyarakat bawah atas layanan sanitasi yang layak dan berkelanjuatan, program wajib belajar

harus betul-betul digerakkan sehingga masyarakat Indonesia semakin meningkat lama belajarnya

agar semakin mudah mendapatkan pekerjaan. Pemerintah juga harus menrunkan rasio gini dari

tahun ke tahun agar ketimpangan pendapatan semakin mengecil. Bila hal itu dilkasanakan

dengan sungguh-sungguh maka, penurunan kemiskinan akan terus menerus terjadi sehingga

masyarakat adil dan makmur segera tercapai.

Pemerintah harus lebih memperhatikan 14 provinsi yang persentase penduduk miskin di

atas rata-rata provinsi di Indonesia agar kondisi provinsi-provinsi tersebut semakin membaik.

DAFTAR PUSTAKA

Adit Agus Prastyo, 2010. Analisis Faktor-Faktor Ynag Mempengaruhi Tingkat Kemiskinan (35Kabupaten/Kota Di Jawa Tengah 2003 – 2007). Skripsi. Undip.

Akai dan Sakata. 2000. Fiscal Decentralization, Commitment and Regional Inequality:Evidence From State – Level Cross – Sectoral Data For The United State. CIRJEDiscussion Papers.

Bahl, R. 1998. Implementation Rules for Fiscal Decentralization, Washington D.C.: The WorldBank Institute.

Bird, R. Dan Francois V. 2000. Desentralisasi Fiskal Di Negara-negara Sedang Berkembang.Jakarta: PT. Gramedia Pustaka Utama.

Dagderiven, H., R. Van Der Hooeven dan J. Weeks. 2002. Redistribution Does Matter: Growthand Redistribution for Poverty Reduction Discussion Paper. United NationUniversity/WIDER..

36

Dicky Wahyudi dan Tri Wahyu R. 2013. Analisis Kemiskinan Di Jawa Tengah. (Skripsi).Semarang: Undip.

Dwi Muslianti. 2011. Dampak Kebijakan Fiskal Daerah Terhadap Kemiskinan Di IndonesiaPada Masa Desentralisasi Fiskal. Tesis. Bogor: IPB.

Galor, O. 2000. Income Distribution ang The Process of Development. European EconomicsReview. 44: 706-712

Gujarati, Damodar.2003. Basic Econometric. Fourth Edition. McGraw-Hill Co, New York.

Halim, A. 2007. Pengelolaan Keuangan Daerah. Yogyakarta: STIM YKPN.

Hasibuan T.G. 2006. Variabel Utama Ynag Mempengaruhi Kemiskinan Di Provinsi SumateraUtara. Jakarta: UI.

Hermani, A. 2007. Dampak Desentralisasi Fiskal Terhadap Perekonomian DI KabupatenBrebes dan Kota Tegal. (Tesis). Bogor: IPB.

Hermanto Siregar dan Dwi Wahyuniarti.2008. Dampak Pertumbuhan Ekonomi TerhadapPenurunan Jumlah Penduduk Miskin. http://pse.litbang.deptan.go.id/ind/pdffiles/Pros2008 MAK3.pdf

Jhingan, M.L. 1983. The Economics of Development and Planning. Vices Publishing House. Ltd:New Delhi.

Kartasasmita, G. 1996. Pembangunan Untuk Rakyat, Memadukan Pertumbuhan danPemerataan, Jakarta: Cidessindo.

Kuznets, S. 1955. Economics Growth and Income Inequality. The American Economics Review.45. 1-28.

Mangkusubroto G. 1997. Ekonomi Publik. Edisi 3. Yogyakarta: BPFE.

Mulyaningsih. 2008. Pengaruh Pengeluaran Pemerintah Di Sektor Publik TerhadapPeningkatan Pembangunan Manusia dan pengurangan Kemiskinan. (Tesis). Jakarta: UI.

Musgrave, R. A. dan B. M. Peggy. 2011. Public Finance In Theory and Practice. New York:McGraw-Hill Book Company.

Muslianti. 2011. Dampak Kebijakan Fiskal Daerah Terhadap Kemiskinan Di Indonesia PadaMasa Desentralisasi Fiskal. Tesis. Bogor: IPB.

Nanga, M. 2006. Dampak Transfer Fiskal Terhadap Kemiskinan Di Indonesia: Suatu AnalisisKebijakan. (Disertasi). Bogor: IPB.

http://pse.litbang.deptan.go.id/ind/pdffiles/Pros

37

Oates W. E. 1993. Fiscal Decentralization And Economic Development. National Tax Journal.2 (46).

Ravallion M. Datt G. 1996. How Important To India’s Poverty is The sectoral Compotition ofGrowth? World Bank Economic review. 10: 1-25.

Rindayanti, W. 2009. Dampak Desentralisasi Fiskal Terhadap Kemiskinan dan KetahananPangan. Di Wilayah Provinsi Jawa Barat. (Disertasi). Bogor: IPB.

Sepulveda, C. F. dan J. M. Vasques. 2010. The Consequences of Fiscal Decentralisation onPoverty and Income Inequality. International Studies Program. Working Paper. 10 (2).

Sobari, Achmad. 2011. Dampak Desentralisasi Fiskal Terhadap Pembangunan Sosial EkonomiDaerah Di Indonesia. Tesis. Bogor: IPB.

Stiglitz, Je. 2000. Economics of The Public Sector. Third Edition. New York: w.w. Norton &Company.

Tambunan, T. 2009. Perekonomian Indonesia. Jakarta: Ghalia.

Todaro, MP dan S.C. Smith. 2006. Pembangunan Ekonomi. Jilid 1.Edisi 9.Alih Bahasa. Jakarta:Erlangga.

Usman. 2006. Dampak Desentralisasi Fiskal Terhadap Tingkat Kemiskinan. (Disertasi). Bogor:IPB

LAMPIRAN

1. COMMON EFFECT MODEL



C -4.216602 4.917839 -0.857409 0.3928PDRB? -1.90E-05 1.41E-05 -1.347486 0.1801SANI? -0.221367 0.032538 -6.803336 0.0000

APMSMA? 0.073283 0.061103 1.199331 0.2326GINI? 65.05158 10.75292 6.049667 0.0000


2. FIXED EFFECT MODEL (FEM)



C 15.40535 2.119844 7.267210 0.0000PDRB? -4.92E-05 2.57E-05 -1.912910 0.0587SANI? -0.053484 0.010456 -5.115338 0.0000

APMSMA? -0.039223 0.022217 -1.765482 0.0806GINI? 6.997391 4.017441 1.741753 0.0847

Fixed Effects (Cross)_ACEH--C 4.713420

_SUMUT--C -0.725591_SUMBAR--C -5.148477

_RIAU--C -1.589521_JAMBI--C -2.908096


_JATENG--C 0.893986_DIY--C 2.226346

_JATIM--C -0.121361_BANTEN--C -6.479587

_BALI--C -5.219671_NTB--C 3.736624_NTT--C 7.345277

_KALBAR--C -5.010802_KALTENG--C -7.080653_KALSEL--C -7.471095_KALTIM--C 0.282872_KALUT--C -1.900955_SULUT--C -3.025973




Effects Specification

Cross-section fixed (dummy variables)


Redundant Fixed Effects TestsPool: KEMISKINANTest cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 302.856091 (33,98) 0.0000Cross-section Chi-square 630.299576 33 0.0000

3. RANDOM EFFECT MODEL

Dependent Variable: HCI?Method: Pooled EGLS (Cross-section random effects)Date: 01/28/20 Time: 09:22Sample: 2015 2018Included observations: 4Cross-sections included: 34Total pool (balanced) observations: 136Swamy and Arora estimator of component variances


C 14.93492 2.127818 7.018891 0.0000PDRB? -4.40E-05 1.87E-05 -2.349758 0.0203SANI? -0.057529 0.010090 -5.701701 0.0000

APMSMA? -0.041266 0.021599 -1.910538 0.0582GINI? 8.598365 3.897644 2.206042 0.0291

Random Effects (Cross)_ACEH--C 4.835498

_SUMUT--C -0.587313_SUMBAR--C -5.047854

_RIAU--C -1.713878_JAMBI--C -2.868709


_JATENG--C 0.984309_DIY--C 2.333103

_JATIM--C -0.170810_BANTEN--C -6.471918

_BALI--C -5.059992_NTB--C 3.844227_NTT--C 7.343884

_KALBAR--C -4.950183_KALTENG--C -7.065925_KALSEL--C -7.401886_KALTIM--C -0.066554_KALUT--C -2.001720_SULUT--C -2.966778




Effects SpecificationS.D. Rho

Cross-section random 4.553415 0.9878Idiosyncratic random 0.506634 0.0122

Weighted Statistics

R-squared 0.364682 Mean dependent var 0.619600Adjusted R-squared 0.345283 S.D. dependent var 0.647634S.E. of regression 0.524031 Sum squared resid 35.97370F-statistic 18.79896 Durbin-Watson stat 1.020010Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.254829 Mean dependent var 11.15463Sum squared resid 3505.465 Durbin-Watson stat 0.010468

Correlated Random Effects - Hausman TestPool: KEMISKINANTest cross-section random effects

Test SummaryChi-Sq.Statistic Chi-Sq. d.f. Prob.

Cross-section random 13.151085 4 0.0106

pendahuluaneprints.unisbank.ac.id/id/eprint/6434/1/04 laporan... · 2020. 4. 9. · 1 bab i...

Documents